摘要
为提高常规卡尔曼滤波预测模型的自适应性,本文研究一种基于卡尔曼滤波的实时路径行程时间预测方法。首先通过主成分分析法考察行程时间与其影响因素时间序列之间的相关性,从而选择影响路径行程时间的主要因素,并建立相应的多元回归方程;其次,构造行程时间的卡尔曼滤波状态方程;最后,由一组卡尔曼滤波递推式计算得到行程时间的预测值。将本文算法应用于广州市某交通干道上的行程时间预测,并将本文算法和常规卡尔曼滤波方法进行比较。结论表明本文算法有效,用于路径行程时间预测具有较好的综合性能。
To improve the self-adaptability of Kalman filtering estimation model, a real-time route travel time algorithm is proposed in this paper. First, the relevancy between route travel time and influence factors time series will be analyzed using principal component analysis method, and the main factors are chosen as the independent variables of a regression model. Secondly, the state equations of Kalman filtering are built up. Finally, the estimation values can be calculated using a set of Kalman filtering recursion formulas. We apply the algorithm for travel time estimation using real data collected in Guangzhou and compare it to a conventional Kalman filtering model, the results show that the algorithm is applicable and performs well for route travel time estimation.
出处
《微计算机信息》
北大核心
2007年第22期290-292,共3页
Control & Automation
基金
国家高技术研究发展计划(863计划)(2006AA11Z211)
国家自然科学基金资助项目(50578064)
关键词
行程时间预测
卡尔曼滤波
主成分分析
travel time estimation, Kalman f＇dtering, principal component analysis
作者简介
傅惠（1981-），男，汉族，华南理工大学控制理论与控制工程专业博士研究生，主要研究方向为交通信息工程．智能控制及交通流理论．通讯地址：（510640广州广州市天河区五山华南理工大学交通学院04博）傅惠
徐建闽（1960-），男，汉族，教授，博导，主要从事智能控制、智能交通系统、交通信息工程及交通控制方面的研究。
