一种利用粒子滤波的实时交通状态估计方法

论文摘要

对道路交通状态进行准确、及时的估计是构建城市交通流诱导系统的基础和关键技术,也是智能交通系统中一个重要的研究领域,可以有效地防止城市路网中交通阻塞的发生,减少车辆在路网中的无效行驶和等待时间,最终从宏观上实现交通流在路网中的合理分配。当前的交通状态估计方法都是利用扩展卡尔曼滤波来对交通状态进行递归估计。这些方法的研究对象从早期孤立且较短的路段逐步扩展到具有简单拓扑结构的道路网络,对交通情节的假设也越来越多样化。研究结果表明,扩展卡尔曼滤波方法能够有效地对交通状态进行估计,而且运算量很小。但是,由于交通状态估计问题本质上是一个非线性和非高斯问题,扩展卡尔曼滤波方法存在较大的误差。如果能够找到一种对非线性和非高斯系统直接进行估计的方法,就能避免扩展卡尔曼滤波方法对模型线性化带来的问题。粒子滤波器就是这样一种非线性估计方法,它通过MonteCarlo方法对状态的后验概率密度函数进行采样,并且赋予每一个采样点相应的权值。然后根据状态方程和观测方程对采样点和权值进行递归更新,最后通过求这些采样点的一阶或二阶矩得到状态的估计值。本文的主要任务就是将粒子滤波理论和宏观随机交通流模型结合在一起,对道路的交通状态进行实时估计。在本文所提出的方法中,道路被看作是由等距离的路段首尾相接而成的模型,交通传感器通常设置在路段的交界处,而且数量远少于所需估计的交通状态。本文采用压缩状态空间的形式,将交通流模型的参数也作为交通状态而非常量进行估计。本文还研究了不同的估计方法对算法性能的影响。计算机仿真和真实环境下的实验结果证明,本文提出的粒子滤波方法显著地优于扩展卡尔曼滤波方法和无气味卡尔曼滤波方法。粒子滤波方法不但能够有效地估计和跟踪交通状态的变化,还具有更高的精确度,而且该算法复杂度和计算量的增加并不会影响其实际应用效果。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 智能交通系统的研究背景和概念
• 1.1.1 智能交通系统的研究背景
• 1.1.2 智能交通系统的概念和特征
• 1.1.3 智能交通系统的组成体系
• 1.2 城市交通流诱导系统和交通状态估计
• 1.2.1 城市交通流诱导系统的概念
• 1.2.2 城市交通流诱导系统的组成结构
• 1.3 交通状态估计问题的发展和研究现状
• 1.3.1 选择快速路作为研究对象的理由
• 1.3.2 交通状态估计问题的研究现状
• 1.4 现有动态交通流理论模型简介与评述
• 1.4.1 跟驰理论模型
• 1.4.2 流体动力学模型
• 1.4.3 元胞传输模型
• 1.4.4 元胞自动机模型
• 1.4.5 其他理论模型
• 1.4.6 对动态交通流理论模型的评述和选择
• 1.5 本论文的工作和创新
• 1.6 本论文的内容组织
• 第二章 快速路的动态交通流模型
• 2.1 通用二阶随机宏观交通流模型
• 2.1.1 通用二阶随机宏观交通流模型的建模
• 2.1.2 交通状态观测模型的建模
• 2.2 动态交通流模型的压缩状态空间表达
• 第三章 利用粒子滤波的交通状态估计方法研究
• 3.1 粒子滤波原理
• 3.1.1 贝叶斯滤波原理
• 3.1.2 Monte Carlo方法
• 3.1.3 粒子滤波原理
• 3.2 粒子滤波用于快速路交通状态估计的方法
• 3.2.1 对估计方案的进一步讨论
• 3.2.2 交通状态估计问题中的粒子滤波算法
• 3.3 基于UKF的交通状态估计方法
• 3.3.1 UKF方法的原理
• 3.3.2 利用UKF对交通状态进行估计的算法
• 3.4 基于EKF的交通状态估计方法
• 3.5 估计方法的性能函数
• 第四章 计算机模拟的交通状态估计实验
• 4.1 计算机仿真环境的设置
• 4.1.1 对城市快速路段的计算机模拟
• 4.1.2 交通流模型仿真时的误差模型和参数设置
• 4.1.3 仿真的计划和所要考察的主要问题
• 4.2 仿真实验结果和分析
• 4.2.1 PF方法的跟踪性能
• 4.2.2 PF方法与UKF、EKF方法的比较
• 4.2.3 不同观测器模式下仿真结果的分析
• 4.2.4 模型参数离线标定和在线估计的比较
• 第五章 真实环境下的交通状态估计实验
• 5.1 实验对象、观测数据和条件假设
• 5.2 实验结果
• 第六章 结论与展望
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢