多源数据融合的区间车辆速度预测算法研究

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.

关键词：智能交通系统、交通数据处理、数据融合、交通预测、浮动车数据、卡尔曼滤波、人工神经网络

所属期刊栏目：27

分类号：U491.1+4(交通工程与公路运输技术管理)

资助基金：国家科技部科技支撑项目2006BAG01A01;北京市科委科技计划项目D07050600440000;北京工业大学校青基金项目X1004011200802

在线出版日期：2009-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：74-77