王一冰;马科斯·帕帕乔治奥;阿尔伯特·梅斯默;皮埃尔路易吉·科波拉;阿提娜·齐米西;阿戈斯蒂诺·努佐洛 自适应高速公路交通状态估计器。 (英语) Zbl 1154.93313号 Automatica公司 45,第1期,10-24(2009). 小结:本文给出了一种实时非线性高速公路交通状态估计器的实时数据测试结果,重点讨论了其自适应特性。基于随机非线性宏观交通流建模和扩展卡尔曼滤波的高速公路延伸段或网络完整交通状态实时自适应估计的通用方法。该估计器的一个主要创新点是实时联合估计交通流变量(流量、平均速度和密度)和一些重要模型参数(自由速度、临界密度和容量),这导致交通状态估计器具有四个重要特征:(i)避免了先验模型校准;(ii)自动适应不断变化的外部条件(例如天气和照明条件、交通组成、控制措施);(iii)启用事故警报;(iv)启用探测器故障警报。所报告的实际数据测试的目的是,首先,通过研究估计器的一些基本属性来证明特征(i),其次,探索估计器实现特征(ii)-(iv)的一些自适应能力。取得了令人满意的测试结果,并有望用于进一步的工作和现场应用。 MSC公司: 93A30型 系统数学建模(MSC2010) 93E10型 随机控制理论中的估计与检测 90B20型 运筹学中的交通问题 93C40型 自适应控制/观测系统 93E11号机组 随机控制理论中的滤波 关键词:随机宏观交通流模型;扩展卡尔曼滤波器;高速公路交通状态估计;联合状态和参数估计;拥塞;天气状况;交通事故;探测器故障;交通事故报警;探测器故障报警 软件:复兴 PDF格式BibTeX公司 XML格式引用 \textit{Y.Wang}等人,《自动化45》,第1期,第10-24期(2009年;Zbl 1154.93313) 全文: 内政部 链接 参考文献: [1] 安东尼奥,C。;Ben-Akiva,M。;Koutsopoulos,H.N.,用于动态交通分配模型在线校准的非线性卡尔曼滤波算法,IEEE智能交通系统汇刊,8661-670(2007) [2] Arulampalam,M.S。;马斯凯尔,S。;戈登,N。;Clapp,T.,在线非线性/非高斯贝叶斯跟踪粒子滤波器教程,IEEE信号处理汇刊,50,174-188(2002) [3] Chen,T。;莫里斯,J。;Martin,E.,《间歇过程中状态和参数估计的粒子滤波器》,《过程控制杂志》,第15期,第665-673页(2005年) [4] 克里默,M。;Papageorgiou,M.,交通流模型的参数识别,Automatica,17837-843(1981) [5] Glielmo,L。;塞托拉,R。;Vasca,F.,交错扩展卡尔曼滤波器,IEEE自动控制汇刊,441546-1549(1999)·Zbl 0963.93076号 [6] Hegyi,A.、Girimonte,D.、Babuska,R.和De Schutter,B.(2006年)。高速公路交通状态估计中滤波器配置的比较。在第九届国际IEEE智能交通系统会议记录; Hegyi,A.、Girimonte,D.、Babuska,R.和De Schutter,B.(2006年)。高速公路交通状态估计中滤波器配置的比较。在第九届国际IEEE智能交通系统会议记录 [7] Hegyi,A.、Mihaylova,L.和Boel,R.(2007)。并行粒子滤波在高速公路交通状态跟踪中的应用。在2007年欧洲控制会议记录; Hegyi,A.、Mihaylova,L.和Boel,R.(2007)。并行粒子滤波在高速公路交通状态跟踪中的应用。在2007年欧洲控制会议记录·Zbl 1111.93076号 [8] Jazwinsky,A.H.,《随机过程和过滤理论》(1970),学术出版社:纽约学术出版社·兹比尔0203.50101 [9] 朱利尔,S.J。;Uhlmann,J.K.,《无中心滤波和非线性估计》,IEEE学报,92,401-422(2004) [10] Kyte,M.、Khatib,Z.、Shannon,P.和Kitchener,F.(2001年)。天气对自由流速度的影响。在交通研究委员会第80届年会记录(CD-ROM); Kyte,M.、Khatib,Z.、Shannon,P.和Kitchener,F.(2001年)。天气对自由流速度的影响。在交通研究委员会第80届年会记录(CD-ROM) [11] Kushner,H.J.,最佳非线性滤波的动力学方程,微分方程杂志,3179-190(1967)·Zbl 0158.16801号 [12] Ljung,L.,扩展卡尔曼滤波器作为线性系统参数估计器的渐近行为,IEEE自动控制汇刊,24,36-50(1979)·Zbl 0399.93054号 [13] Mihaylova,L。;Boel,R。;Hegyi,A.,粒子滤波框架下的高速公路交通量估算,Automatica,43,290-300(2007)·Zbl 1111.93076号 [14] 诺加德,M。;新泽西州鲍尔森。;Ravn,O.,非线性系统状态估计的新发展,Automatica,361627-1638(2000)·Zbl 0973.93050号 [15] Papageorgiou,M。;布洛塞维尔,J.-M。;Haj Salem,H.,《巴黎Périphérique大道南部交通流的建模和实时控制——第一部分:建模》,交通研究A,24345-359(1990) [16] Papageorgiou,M.、Kosmatopoulos,E.和Papamichail,I.(2008)。可变限速对高速公路交通流的影响。在第87届交通研究委员会会议记录(CD-ROM); Papageorgiou,M.、Kosmatopoulos,E.和Papamichail,I.(2008)。可变限速对高速公路交通流的影响。在第87届交通研究委员会会议记录(CD-ROM) [17] Papamichail,I。;Papageorgiou,M。;Wang,Y.,《高速公路交通监控》,《欧洲控制杂志》,第13期,第297-319页(2007年)·Zbl 1293.90013号 [18] Reif,K。;Sonnemann,F。;Unbehauen,R.,基于EKF的具有规定稳定度的非线性观测器,Automatica,341119-1123(1998)·Zbl 0938.93504号 [19] Romanenko,A。;Castro,J.A.,《作为非线性状态估计EKF替代方法的无迹滤波器:模拟案例研究》,计算机与化学工程,28347-355(2004) [20] Sorenson,H.W.,《卡尔曼滤波:理论与应用》(1985),IEEE出版社:IEEE出版社,纽约·兹标0178.44402 [21] Wang,Y.、Papageorgiou,M.和Messmer,A.,2003年。交通监控算法和初步测试。RHYTHM项目可交付成果3.2(IST-2000-29427); Wang,Y.、Papageorgiou,M.和Messmer,A.,2003年。交通监控算法和初步测试。RHYTHM项目可交付成果3.2(IST-2000-29427) [22] Wang,Y。;Papageorgiou,M.,基于扩展卡尔曼滤波器的实时高速公路交通状态估计:一般方法,交通研究B,39,141-167(2005) [23] Wang,Y.、Papageorgiou,M.和Messmer,A.,2005年。自适应高速公路交通状态估计器及其实际数据测试,第二部分:自适应能力。在IEEE第八届智能交通系统国际会议论文集; Wang,Y.、Papageorgiou,M.和Messmer,A.,2005年。自适应高速公路交通状态估计器及其实际数据测试,第二部分:自适应能力。在IEEE第八届智能交通系统国际会议论文集 [24] Wang,Y。;Papageorgiou,M。;Messmer,A.,《复兴——基于统一宏观模型的实时高速公路网络交通监控方法》,交通研究C,14,190-212(2006) [25] Wang,Y。;Papageorgiou,M。;Messmer,A.,基于扩展卡尔曼滤波器的实时高速公路交通状态估计:案例研究,《交通科学》,41167-181(2007) [26] Wang,Y.、Coppola,P.、Messmer,A.、Tzimitsi,A.、Papageorgiou,M.和Nuzzolo,A.(2008)。实时高速公路网络交通监控:意大利南部大规模现场测试结果。IEEE智能交通系统汇刊; Wang,Y.、Coppola,P.、Messmer,A.、Tzimitsi,A.、Papageorgiou,M.和Nuzzolo,A.(2008)。实时高速公路网络交通监控:意大利南部大规模现场测试结果。IEEE智能交通系统汇刊 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。