×
柳德米拉·米哈伊洛娃;勒内·博埃尔;安德烈亚斯·赫吉

粒子滤波框架下的高速公路交通量估计。 （英语） Zbl 1111.93076号

自动化 43，第2290-300号（2007年）.
小结：本文利用粒子滤波框架阐述了高速公路网络中交通状态的实时估计问题。基于最近提出的高速公路交通速度扩展单元传输模型，开发了一种粒子滤波器（PF）。高速公路被视为代表不同高速公路延伸段的组件网络，称为部分。路段交通的演变被建模为动态随机系统受相邻段状态的影响。测量值仅在某些段之间的边界处接收，并在可能不规则的时间间隔内进行平均。这将PF中的测量更新限制为新测量到达时的这些时间点，而在测量更新之间，任何模拟模型都可以用于描述粒子的演化。使用来自比利时高速公路的合成和实际交通数据验证和评估PF性能。本文还提出了一种无迹卡尔曼滤波器。从准确性和复杂性方面对PF和无迹卡尔曼滤波器进行了比较。

引用于9文件

MSC公司：

93E03型 控制理论中的随机系统（一般）
93E11号机组 随机控制理论中的滤波
90B20型 运筹学中的交通问题

关键词：

贝叶斯估计;粒子滤波;宏观交通模型;随机系统;无迹卡尔曼滤波器
PDF格式BibTeX公司 XML格式引用
\textit{L.Mihaylova}等人，Automatica 43，No.2，290--300（2007；Zbl 1111.93076）
全文： 内政部 链接

参考文献：

[1] Boel，R.和Mihaylova，L.（2004）。采用混合随机模型对高速公路网络进行建模。在IEEE智能车辆研讨会会议记录（第182-187页）。；Boel，R.和Mihaylova，L.（2004）。通过混合随机模型对高速公路网络进行建模。在IEEE智能车辆研讨会会议记录（第182-187页）。
[2] Boel，R。；Mihaylova，L.，实时高速公路交通仿真的组合随机模型，交通研究B，40，4，319-334（2006）
[3] Chen，Z.（2003）。贝叶斯滤波：从卡尔曼滤波到粒子滤波，等等。技术报告加拿大麦克马斯特大学。；Chen，Z.（2003）。贝叶斯滤波：从卡尔曼滤波器到粒子滤波器，甚至更远。技术报告，加拿大麦克马斯特大学。
[4] Daganzo，C.，《细胞传输模型：符合流体动力学理论的公路交通动态表示》，交通研究B，28B，4，269-287（1994）
[5] Doucet，A。；弗里塔斯，N。；Gordon，N.，《序贯蒙特卡罗方法在实践中的应用》（2001），Springer:Springer New York·Zbl 0967.00022号
[6] 戈登，N。；鲑鱼，D。；Smith，A.，非线性/非高斯贝叶斯状态估计的新方法，IEE雷达和信号处理学报，40，107-113（1993）
[7] Hegyi，A.（2004）。集成交通控制措施的模型预测控制荷兰代尔夫特理工大学博士论文。；Hegyi，A.（2004）。集成交通控制措施的模型预测控制荷兰代尔夫特科技大学博士论文。
[8] Hegyi，A.、Girimonte，D.、Babuška，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IEEE ITSC智能交通系统会议记录（第1029-1034页），2006年9月17日至20日，加拿大多伦多（光盘）。；Hegyi，A.、Girimonte，D.、Babuška，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IEEE ITSC智能交通系统会议记录（第1029-1034页），2006年9月17日至20日，加拿大多伦多（光盘）。
[9] Helbing，D.，《交通和相关自驱动多粒子系统》，《现代物理学评论》，731067-1141（2002）
[10] Hoogendoorn，S。；Bovy，P.，《最先进的车辆交通流建模》，《系统控制工程师杂志-机械工程师学会的进展》，第一部分，215，14，283-303（2001）
[11] 朱利埃，S。；Uhlmann，J.，《无中心滤波和非线性估计》，IEEE学报，92，3，401-422（2004）
[12] 朱利叶，S。；Uhlmann，J。；Durrant-Whyte，H.，滤波器和估计器中均值和协方差非线性变换的新方法，IEEE自动控制汇刊，45，3，477-482（2000）·Zbl 0973.93053号
[13] Kotsialos，A。；Papageorgiou，M。；Diakaki，C。；Pavlis，Y。；Middelham，F.，使用宏观建模工具METANET对大型高速公路进行交通流建模，IEEE智能交通系统汇刊，3，4，282-292（2002）
[14] Mihaylova，L.和Boel，R.（2004）。用于高速公路交通量估计的粒子滤波器。在第43届IEEE决策与控制会议论文集（第2106-2111页），巴哈马。；Mihaylova，L.和Boel，R.（2004）。用于高速公路交通量估计的粒子滤波器。在第43届IEEE决策与控制会议记录（第2106-2111页），巴哈马。
[15] Papageorgiou，M。；Blosseville，J.-M.，巴黎佩里普雷克大道交通流宏观模型，交通研究B，23，1，29-47（1989）
[16] Rasschaert，G.（2003）。交通数据分析比利时根特大学SYSTEMMS电能、系统和自动化系硕士论文。；Rasschaert，G.（2003）。交通数据分析比利时根特大学SYSTEMMS电能、系统和自动化系硕士论文。
[17] Ristic，B.、Arulampalam，S.和Gordon，N.（2004年）。超越卡尔曼滤波器:用于跟踪应用的粒子过滤器Artech House。；Ristic，B.、Arulampalam，S.和Gordon，N.（2004年）。超越卡尔曼滤波器:用于跟踪应用的粒子过滤器阿特奇宫·Zbl 1092.93041号
[18] Sun，X.、Muñoz，L.和Horowitz，R.（2003）。使用改进的混合卡尔曼滤波器进行公路交通状态估计，以实现有效的匝道控制。在第42届IEEE决策与控制会议记录（第6333-6338页），美国夏威夷。；Sun，X.、Muñoz，L.和Horowitz，R.（2003）。使用改进的混合卡尔曼滤波器进行公路交通状态估计，以实现有效的匝道控制。在第42届IEEE决策与控制会议记录（第6333-6338页），美国夏威夷。
[19] Vaswani，N.、Yezzi，A.、Rathi，Y.和Tannenbaum，A.（2006）。无限（或大）维状态空间的粒子过滤器第1部分。在IEEE声学、语音和信号处理国际会议论文集.; Vaswani，N.、Yezzi，A.、Rathi，Y.和Tannenbaum，A.（2006）。无限（或大）维状态空间的粒子过滤器第1部分。在IEEE声学、语音和信号处理国际会议论文集. ·Zbl 1371.94383号
[20] Wan，E.和van der Merwe，R.（2001年）。在S.Haykin（编辑）中，无味卡尔曼滤波器,第七章卡尔曼滤波与神经网络（第221-280页），纽约：威利出版社。；Wan，E.和van der Merwe，R.（2001）。在S.Haykin（编辑）中，无味卡尔曼滤波器,第七章卡尔曼滤波与神经网络（第221-280页），纽约：威利出版社。
[21] 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，39，2，141-167（2005）
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。