濾波方法在交通狀態(tài)估計(jì)中的應(yīng)用研究.pdf

1、交通狀態(tài)估計(jì)是實(shí)現(xiàn)智能交通管理的重要一環(huán)，是其能夠正常運(yùn)行并發(fā)揮作用的前提和關(guān)鍵，估計(jì)的好壞直接影響到交通控制及管理的結(jié)果。交通狀態(tài)估計(jì)要解決的問(wèn)題就是如何從帶有隨機(jī)性和不確定性的交通狀態(tài)變化中，根據(jù)來(lái)自交通流信息采集設(shè)備的交通流參數(shù)數(shù)據(jù)，結(jié)合其它影響因素，進(jìn)行數(shù)據(jù)的系統(tǒng)分析，找出其中的規(guī)律性，建立相應(yīng)的預(yù)測(cè)方法和模型，以估計(jì)未來(lái)幾個(gè)時(shí)段的交通狀態(tài)變化趨勢(shì)。
　　交通系統(tǒng)的強(qiáng)非線性特點(diǎn)以及交通系統(tǒng)復(fù)雜度的不斷增大使得傳統(tǒng)的交通估計(jì)

2、算法具有局限性。為了應(yīng)對(duì)這一問(wèn)題，本文以城市快速路為背景研究了粒子群優(yōu)化粒子濾波算法及Shadowing Filter（簡(jiǎn)寫為SF）算法這兩種計(jì)算機(jī)優(yōu)化算法在交通狀態(tài)估計(jì)中的應(yīng)用。
　　在利用粒子濾波(PF)算法進(jìn)行交通狀態(tài)估計(jì)時(shí)，PF的重要性采樣過(guò)程中采用的是次優(yōu)的重要性函數(shù)。為了優(yōu)化PF采樣過(guò)程，本文采用將粒子群優(yōu)化算法(PSO)融入PF中（稱為PSOPF方法），并將其初步應(yīng)用于交通流狀態(tài)估計(jì)問(wèn)題中。為了檢驗(yàn)PSOPF算法的可

3、行性及有效性，本文對(duì)PF算法和PSOPF算法分別進(jìn)行了大量的數(shù)值試驗(yàn)，并對(duì)每次交通狀態(tài)估計(jì)的精度進(jìn)行了方差估計(jì)。通過(guò)實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)，基于PSOPF算法的交通狀態(tài)估計(jì)在精度及穩(wěn)定性上明顯好于PF算法。
　　SF算法是以動(dòng)力模型為約束，通過(guò)不斷調(diào)整濾波窗口內(nèi)的估計(jì)值與相應(yīng)的前一時(shí)刻的估計(jì)值按模式向后積分一步的值之間的偏差，以濾波窗口內(nèi)整體偏差最小為目標(biāo)來(lái)實(shí)現(xiàn)狀態(tài)變化軌跡的最佳估計(jì)。本文初步嘗試?yán)肧F方法獲取接近觀測(cè)時(shí)間序列模式軌跡的最