濾波方法在交通狀態(tài)估計中的應(yīng)用研究.pdf

1、交通狀態(tài)估計是實現(xiàn)智能交通管理的重要一環(huán)，是其能夠正常運行并發(fā)揮作用的前提和關(guān)鍵，估計的好壞直接影響到交通控制及管理的結(jié)果。交通狀態(tài)估計要解決的問題就是如何從帶有隨機性和不確定性的交通狀態(tài)變化中，根據(jù)來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)測方法和模型，以估計未來幾個時段的交通狀態(tài)變化趨勢。
　　交通系統(tǒng)的強非線性特點以及交通系統(tǒng)復(fù)雜度的不斷增大使得傳統(tǒng)的交通估計

2、算法具有局限性。為了應(yīng)對這一問題，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（簡寫為SF）算法這兩種計算機優(yōu)化算法在交通狀態(tài)估計中的應(yīng)用。
　　在利用粒子濾波(PF)算法進(jìn)行交通狀態(tài)估計時，PF的重要性采樣過程中采用的是次優(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)估計問題中。為了檢驗PSOPF算法的可

3、行性及有效性，本文對PF算法和PSOPF算法分別進(jìn)行了大量的數(shù)值試驗，并對每次交通狀態(tài)估計的精度進(jìn)行了方差估計。通過實驗對比發(fā)現(xiàn)，基于PSOPF算法的交通狀態(tài)估計在精度及穩(wěn)定性上明顯好于PF算法。
　　SF算法是以動力模型為約束，通過不斷調(diào)整濾波窗口內(nèi)的估計值與相應(yīng)的前一時刻的估計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)來實現(xiàn)狀態(tài)變化軌跡的最佳估計。本文初步嘗試?yán)肧F方法獲取接近觀測時間序列模式軌跡的最