多源数据融合的区间车辆速度预测算法研究

• 作者: 刘小明 翁剑成 翟雅峤 荣建
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 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
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 方法研究与探讨
• 页码范围: 74-77
• 页数: 4页
• 分类号: U491.1+4
• 字数: 4058字
• 语种: 中文
• DOI: 10.3963/j.cn.42-1781.U.2009.03.019

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘小明	北京工业大学交通工程北京市重点实验室	217	3640	35.0	49.0
2	荣建	北京工业大学交通工程北京市重点实验室	265	3742	35.0	48.0
3	翁剑成	北京工业大学交通工程北京市重点实验室	45	331	12.0	17.0
4	翟雅峤	北京工业大学交通工程北京市重点实验室	4	52	3.0	4.0