共查询到19条相似文献,搜索用时 109 毫秒
1.
2.
3.
一种基于单线圈速度估计的简单模型方法 总被引:1,自引:0,他引:1
实时准确的交通速度对于成功的快速路管理系统来说是至关重要的。然而,交通速度并不能直接从单线圈检测器测量出来。论文提出了一种基于单线圈输出量进行速度估计的简单模型方法。该方法考虑自由流和拥挤状态下分别采用不同的模型进行速度估计。利用该方法估计出来的速度非常接近于双线圈测量的速度观测值。与以往的算法相比,该方法简单实用并且明显地改善了速度估计。 相似文献
4.
5.
把无轨迹卡尔曼滤波器(UKF)和宏观随机交通流模型结合在一起,可以实现对高速公路交通状态的实时估计。高速公路被看作是由等距离的路段首尾相接而成的系统,每个路段中交通变量的更新不光与其自身有关,还受到相邻路段的影响。交通传感器通常设置在路段的交界处,而且数量远少于所需估计的交通状态。采用压缩状态空间的形式,将模型参数也作为交通状态而非常量进行估计。仿真结果表明UKF方法能够有效地估计和跟踪交通状态的变化,并且与扩展卡尔曼滤波方法相比具有更高的精确度。 相似文献
6.
7.
8.
投影方法作为一类重要的模型降阶方法,其计算过程稳定,易于实现,但在理论上鲜有良好的时域误差估计结果.本文提出一种基于小样本估计过程的时域投影模型降阶误差估计方法.该方法首先将降阶过程中产生的误差分解为两部分,然后对各部分利用小样本估计方法进行估计.文中分别对线性和非线性输入输出系统进行小样本误差估计分析.此外,该方法能对线性系统的扰动问题进行分析,进一步的数值算例验证了该方法的有效性. 相似文献
9.
基于广义随机Petri网的交通信息系统建模与分析 总被引:6,自引:0,他引:6
交通信息系统(TIS)是目前世界各国交通运输领域竞相研究和开发的热点.它是一种复杂的服务性系统,具有典型的业务过程特点,但目前用工作流来分析交通信息系统的研究尚不多见,更很少有人对该系统中的一些实时性服务进行时序分析,提出优化方案.该文将广义随机Petri网与工作流相结合,首先为TIS建立符合工作流概念的广义随机Petri网模型.然后根据实际系统中相关数据的统计分析和经验估计,利用基于行为表达式的分析方法对点播服务的时间性质进行分析,获得了一些有价值的性能指标信息. 相似文献
10.
本文根据大系统分解集结思想和非负矩阵的偏序,通过孤立子系统的Cauchy矩阵与耦合矩阵的估计式,采用分块迭代估值方法来研究非线性离散大系统的稳定性,避免了构造Lyapunov函数的麻烦。 相似文献
11.
针对智慧交通的需求提出了一种新颖有效的短时交通流预测方法,通过异常值识别扩展了卡尔曼滤波,使其能对噪声进行识别和过滤——异常值识别卡尔曼滤波器。利用卡尔曼滤波能有效地过滤导致系统不确定性的交通流波动,但这可能会使指示交通流突变的细微线索丢失,为了提升预测精度,应用离散小波变换对原始信号进行识别处理,在去掉异常值的同时保留原有对预测有效的信号源信息,此外还使用了历史参考值对预测值进行修正。在四个基准数据集上的大量实验表明,与常用及最新的预测模型相比,其结果MAPE平均降低了2.919%,RMSE平均降低了79.582。 相似文献
12.
阐述了标称状态的线性化方法和扩展的卡尔曼滤波公式及迭代卡尔曼滤波,探讨了非线性动态滤波的近似处理方法,围绕标称状态将非线性模型进行线性化,将标准的卡尔曼滤波扩展到非线性模型,得到扩展的卡尔曼滤波公式,研究了迭代滤波计算方法。扩展的卡尔曼滤波方法已经有效地用于非线性模型。 相似文献
13.
高速公路路域内雨雾气象数据呈现多源、异构特性,对其进行短时精准预测存在很大难度;针对该问题,在利用联合概率法求得数据之间联合概率的基础上构建异构数据融合模型,并将该融合模型与卡尔曼滤波方法相结合,建立面向多源异构气象数据的协同融合滤波模型;在此基础上,利用贝叶斯最大熵方法,结合雨雾经验理论、融合滤波后的数据以及原始雨雾数据,实现了对高速公路目标路段雨雾天气的短时精准预测;实验结果表明,该方法能够为用户提供精准、稳定的高速公路短时雨雾气象预测结果,对减少交通事故,合理进行交通管制具有重要意义。 相似文献
14.
提出一种基于异常值检测的电梯交通流递归预测方法。对电梯交通流进行时间序列分析得到初始季节时间序列模型,引入异常值检测过程,检测出训练数据中的异常值并进行修正,利用修正序列得到最终的季节时间序列模型。把最终的季节时间序列模型转化为状态空间形式,通过卡尔曼滤波实时调整状态向量,实现电梯交通流的在线预测。仿真结果证明该方法有效。 相似文献
15.
基于卡尔曼滤波的无人机组合导航系统设计 总被引:1,自引:1,他引:0
针对卡尔曼滤波在实际应用中遇到的系统通常不是严格线性的问题,改进了在组合导航系统中常用的卡尔曼滤波方法,用扩展卡尔曼滤波对INS和外部测量源的信息进行融合,推导了无人机GPS辅助惯性导航系统的导航方程.通过分析GPS和INS的定位原理,建立了GPS和INS的误差模型.完成了以INS为主导航系统,GPS作为辅助系统的组合导航系统的扩展卡尔曼滤波设计.最后,将线性卡尔曼滤波和扩展卡尔曼滤波的结果进行了仿真对比分析,结果表明:扩展卡尔曼滤波更适合系统为非线性的情况. 相似文献
16.
Baheti R.S. O'Hallaron D.R. Itzkowitz H.R. 《Automatic Control, IEEE Transactions on》1990,35(12):1310-1319
Techniques for mapping extended Kalman filters onto linear arrays of programmable cells designed for real-time applications are described. First, a general method for mapping a standard (nonsquare root) Kalman filter, where the columns of the covariance matrix are updated in parallel, is introduced. Next, a general method for mapping a factorized (square root) filter, where fast Givens rotations are used to triangularize the prematrix and where rotations of the rows of the prematrix are performed in parallel, is introduced. These mappings are used to implement an extended Kalman filter commonly used in target tracking applications on the Warp computer. The Warp is a commercially available linear array of 10 or more programmable cells connected to an MC68020-based workstation. The Warp implementation of the standard Kalman filter running on 8 Warp cells achieves a measured speedup of 7 over the same filter running on a single cell. The Warp implementation of the factorized filter running on 10 Warp cells achieves a measured speedup of 2 相似文献
17.
粒子滤波是一种解决非高斯滤波问题的有效方法,受到许多领域的研究人员的重视。在扩展卡尔曼滤波(EKF)的基础上,提出一种基于多层感知器(MLP)的扩展卡尔曼滤波算法。利用扩展卡尔曼粒子滤波器和MLP对当前时刻状态重要性采样,引入MLP对样本进行重采样。该算法能有效利用测量值的最新信息,对状态估计的误差更小。在实验中,对于多模噪声非线性系统,该算法与另外算法进行比较。结果证明,所提算法性能优异于其他算法。 相似文献
18.
针对智能车辆主动环境感知的需求,提出了一种采用三轴加速度计、三轴磁强计和三轴陀螺仪组合进行车辆姿态解算的方法.首先以旋转矢量法为陀螺仪的车辆姿态解算方法,作为扩展卡尔曼滤波的状态方程,用于车辆姿态的预测;其次以高斯牛顿法为加速度计和磁强计的车辆姿态解算方法,作为扩展卡尔曼滤波的观测方程,用于车辆姿态校正;然后在此基础上构建扩展卡尔曼滤波传播方程,采用扩展卡尔曼滤波进行多传感器信息融合,得到车辆的姿态解算结果;最后通过构建实车测试环境对解算方法有效性进行验证.实验结果表明,通过基于多传感器的车辆姿态解算方法解算得到的车辆姿态角稳定、准确,能够满足智能车辆行为参数估计的实际需求. 相似文献
19.
An adaptive freeway traffic state estimator 总被引:1,自引:0,他引:1
Yibing Wang Author Vitae Markos Papageorgiou Author Vitae Albert Messmer Author Vitae Pierluigi Coppola Author Vitae Athina Tzimitsi Author Vitae Agostino Nuzzolo Author Vitae 《Automatica》2009,45(1):10-24
Real-data testing results of a real-time nonlinear freeway traffic state estimator are presented with a particular focus on its adaptive features. The pursued general approach to the real-time adaptive estimation of complete traffic state in freeway stretches or networks is based on stochastic nonlinear macroscopic traffic flow modeling and extended Kalman filtering. One major innovative aspect of the estimator is the real-time joint estimation of traffic flow variables (flows, mean speeds, and densities) and some important model parameters (free speed, critical density, and capacity), which leads to four significant features of the traffic state estimator: (i) avoidance of prior model calibration; (ii) automatic adaptation to changing external conditions (e.g. weather and lighting conditions, traffic composition, control measures); (iii) enabling of incident alarms; (iv) enabling of detector fault alarms. The purpose of the reported real-data testing is, first, to demonstrate feature (i) by investigating some basic properties of the estimator and, second, to explore some adaptive capabilities of the estimator that enable features (ii)-(iv). The achieved testing results are quite satisfactory and promising for further work and field applications. 相似文献