融合卡尔曼滤波的高速公路状态估计误差界限分析

摘要：

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound,SFEB)和扩展卡尔曼滤波(Extended Kalman Filter,EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限.与SFEB算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界.同时,采用最近邻法(Nearest Neighbor Method,NNM)计算全路段交通状态估计误差上界.应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持在5％以内,不同检测器覆盖率实验下模型表现出良好的稳定性.本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考.

关键词：智能交通、数据质量分析、决策级融合模型、估计界限、高速公路

所属期刊栏目：22

分类号：U491(交通工程与公路运输技术管理)

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：72-78