原文传递
多源数据融合的区间车辆速度预测算法研究
| 题名： | 多源数据融合的区间车辆速度预测算法研究 |
| 正文语种： | 中文 |
| 作者： | 翟雅峤 翁剑成 荣建 刘小明 |
| 作者单位： | 北京工业大学,交通工程北京市重点实验室,北京100124 |
| 关键词： | 智能交通系统 多源数据融合 交通预测 浮动车数据 卡尔曼滤波 人工神经网络 |
| 摘要： | 不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同.在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性.文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法.在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测.研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵.算法验证结果表明,速度预测的精度在90[％]以上. |
| 会议日期： | 20081219 |
| 会议举办地点： | 武汉 |
| 会议名称： | 第二届全国智能交通与人工智能学术研讨会 |
| 出版日期： | 2008-12-19 |
| 母体文献： | 第二届全国智能交通与人工智能学术研讨会论文集 |
| 分类号： | U491.14 TP301.6 |
检索历史
应用推荐
