结合卡尔曼滤波的城市路段速度估计Urban link speed estimation with Kalman filter
曾伟良,何兆成,沙志仁,佘锡伟
摘要(Abstract)：
本文以城市出租车为浮动车数据采集源,介绍了基于GPS数据的实时路段速度估计的基本方法。针对目标路段GPS数据样本量不足的情况,考虑邻近区域的路段速度、上周同日速度、前一时刻速度等与目标路段当前时刻速度等密切相关的变量,建立多元线性回归方程,利用卡尔曼滤波融合预测值和测量值,从而提高路段行驶速度的估计精度。选择广州市东风路作为测试实例,融合值比测量值误差降低9%,绝对相对误差变动系数减少4%,表明结合卡尔曼滤波技术的城市路段速度估计精度和稳定性均得到提高。
关键词(KeyWords)： 智能交通系统;浮动车;速度估计;卡尔曼滤波
基金项目(Foundation): 广东省科技计划资助项目(2009A011601013);; 广东省交通信息公众服务平台项目(GDIID2008IS006)
作者(Author): 曾伟良,何兆成,沙志仁,佘锡伟
DOI: 10.16251/j.cnki.1009-2307.2013.01.027
参考文献(References)：
- [1]辛飞飞,陈小鸿,林航飞.浮动车数据路网时空分布特征研究[J].中国公路学报,2008,21(4).
- [2]姜桂艳,张玮,常安德.基于GPS浮动车的交通信息采集系统的数据组织方法[J].吉林大学学报(工学版),2010,40(2).
- [3]张存保,杨晓光,严新平.移动交通检测系统中探测车的样本数量[J].中国公路学报,2007,20(1).
- [4]林娜,李志,王斌.一种综合地图匹配算法的设计与实现[J].测绘科学,2008,33(2).
- [5]孙棣华,张星霞,张志良.地图匹配技术及其在智能交通系统中的应用[J].计算机工程与应用,2005,(20).
- [6]Quiroga C,Bullock D.Travel time studies with global po-sitioning and geographic information systems:an integrated methodology[J].Transportation Research Part C:Emer-ging Technologies,1998,6(1-2).
- [7]董均宇.基于GPS浮动车的城市路段平均速度估计技术研究[D].重庆:重庆大学,2006.
- [8]RUI W,Nakamura H,et al.Validation of expressway travel time estimation methodology combining detector and probe data[J].Journal of the Eastern Asia Society for Transportation Studies,2003,(5).
- [9]姜桂艳,常安德,张玮.基于GPS浮动车的路段行程时间估计方法比较[J].吉林大学学报(工学版),2009,39(S2).
- [10]刘春,黄美娴,杨超.浮动车数据缺失道路的速度推估模型与实现[J].同济大学学报(自然科学版),2010,38(8).
- [11]张岐山,郭喜江,邓聚龙.灰关联熵分析方法[J].系统工程理论与实践,1996,(8).
- [12]温惠英,徐建闽,傅惠.基于灰色关联分析的路段行程时间卡尔曼滤波预测算法[J].华南理工大学学报(自然科学版),2006,34(9).
- [13]Welch G,Bishop G.An introduction to the Kalman Filter[R].Technical Report95-041,University of North Caro-lina,Department of Computer Science,1995.
- [14]钱寒峰,林航飞,杨东援.浮动车车速处理分析系统中的数据融合技术[J].计算机工程与应用,2007,43(31).
- [15]孙棣华,董均宇,廖孝勇.基于GPS探测车的道路交通状态估计技术[J].计算机应用研究,2007,(2).
- [16]Cheu R L,Xie C,et al.Probe vehicle population and sample size for arterial speed estimation[J].Computer-ai-ded Civil and Infrastructure Engineering,2002,17(1).