【摘要】：交通狀態(tài)估計是實現(xiàn)智能交通管理的重要一環(huán),是其能夠正常運行并發(fā)揮作用的前提和關鍵,估計的好壞直接影響到交通控制及管理的結果。交通狀態(tài)估計要解決的問題就是如何從帶有隨機性和不確定性的交通狀態(tài)變化中,根據(jù)來自交通流信息采集設備的交通流參數(shù)數(shù)據(jù),結合其它影響因素,進行數(shù)據(jù)的系統(tǒng)分析,找出其中的規(guī)律性,建立相應的預測方法和模型,以估計未來幾個時段的交通狀態(tài)變化趨勢。交通系統(tǒng)的強非線性特點以及交通系統(tǒng)復雜度的不斷增大使得傳統(tǒng)的交通估計算法具有局限性。為了應對這一問題,本文以城市快速路為背景研究了粒子群優(yōu)化粒子濾波算法及Shadowing Filter(簡寫為SF)算法這兩種計算機優(yōu)化算法在交通狀態(tài)估計中的應用。在利用粒子濾波(PF)算法進行交通狀態(tài)估計時,PF的重要性采樣過程中采用的是次優(yōu)的重要性函數(shù)。為了優(yōu)化PF采樣過程,本文采用將粒子群優(yōu)化算法(PSO)融入PF中(稱為PSOPF方法),并將其初步應用于交通流狀態(tài)估計問題中。為了檢驗PSOPF算法的可行性及有效性,本文對PF算法和PSOPF算法分別進行了大量的數(shù)值試驗,并對每次交通狀態(tài)估計的精度進行了方差估計。通過實驗對比發(fā)現(xiàn),基于PSOPF算法的交通狀態(tài)估計在精度及穩(wěn)定性上明顯好于PF算法。SF算法是以動力模型為約束,通過不斷調(diào)整濾波窗口內(nèi)的估計值與相應的前一時刻的估計值按模式向后積分一步的值之間的偏差,以濾波窗口內(nèi)整體偏差最小為目標來實現(xiàn)狀態(tài)變化軌跡的最佳估計。本文初步嘗試利用SF方法獲取接近觀測時間序列模式軌跡的最佳估計值,并用于對交通流狀態(tài)進行估計,與基于PSOPF算法的交通狀態(tài)估計進行了實驗對比。實驗結果表明,當觀測噪聲大于系統(tǒng)噪聲時,SF的性能要優(yōu)于PSOPF。
[Abstract]:Traffic state estimation is an important part of intelligent traffic management. It is the premise and key of its normal operation and function. The quality of traffic state estimation directly affects the result of traffic control and management. The problem to be solved in traffic state estimation is how to analyze the data systematically according to the traffic flow parameter data collected from traffic flow information and other influencing factors from the change of traffic state with randomness and uncertainty. The regularity is found out and the corresponding prediction methods and models are established to estimate the changing trend of traffic state in the next few periods. Because of the strong nonlinearity of traffic system and the increasing complexity of traffic system, the traditional traffic estimation algorithms are limited. In order to deal with this problem, the particle swarm optimization (PSO) and Shadowing Filter (SF) algorithm are studied in this paper in the context of urban expressway. The application of particle swarm optimization (PSO) and Shadowing Filter (SF) algorithm in traffic state estimation is studied in this paper. In traffic state estimation using particle filter (PF) algorithm, the importance function of PF is used in the process of importance sampling. In order to optimize the PF sampling process, the particle swarm optimization algorithm (PSO) is incorporated into the PF (called PSOPF method) and applied to the traffic flow state estimation problem. In order to verify the feasibility and effectiveness of the PSOPF algorithm, a large number of numerical experiments have been carried out on the PF algorithm and the PSOPF algorithm, respectively, and the variance estimation of the accuracy of each traffic state estimation has been carried out. It is found that the accuracy and stability of traffic state estimation based on PSOPF algorithm is better than that of PF algorithm. SF algorithm is constrained by dynamic model. By constantly adjusting the deviation between the estimated value in the filter window and the corresponding one step value of the previous time, the optimal estimation of the state change trajectory is realized with the minimum overall deviation in the filter window as the goal. In this paper, the SF method is used to obtain the best estimation value of the pattern trajectory close to the observed time series, and it is used to estimate the traffic flow state, which is compared with the traffic state estimation based on the PSOPF algorithm. The experimental results show that when the observed noise is greater than the system noise, the performance of SF is better than that of PSOPF..
【學位授予單位】：中國海洋大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：U495;TN713

【相似文獻】

相關期刊論文 前10條

1 王力哲,王心豐,范正剛,薛巍;電力系統(tǒng)中廠站/全網(wǎng)雙層狀態(tài)估計[J];電網(wǎng)技術;2001年02期

2 彭世康,王永剛;一種新的三相狀態(tài)估計算法[J];繼電器;2001年01期

3 衛(wèi)志農(nóng),周紅軍,顧杵,唐治育;保留非線性三相配電網(wǎng)狀態(tài)估計[J];南京理工大學學報(自然科學版);2003年04期

4 韓富春,任先成;快速解耦狀態(tài)估計算法研究[J];電力系統(tǒng)及其自動化學報;2003年06期

5 張麗,韓富春;帶有等式約束的狀態(tài)估計快速算法[J];太原理工大學學報;2003年05期

6 黃滔,盧建剛,張輝;廣東省調(diào)提高狀態(tài)估計計算精度的措施[J];電網(wǎng)技術;2004年16期

7 李雪;王克文;;在線概率狀態(tài)估計[J];中原工學院學報;2006年01期

8 鄭健;王承民;張強;劉志強;;自適應抗差理論在配網(wǎng)狀態(tài)估計中的應用[J];繼電器;2006年10期

9 吳建中;余貽鑫;;配電網(wǎng)集成負荷估計和狀態(tài)估計(英文)[J];天津大學學報;2006年S1期

10 任江波;郭志忠;;電網(wǎng)自愈控制中的狀態(tài)估計模式研究[J];電網(wǎng)技術;2007年03期

相關會議論文 前10條

1 徐興華;陳萬里;;地調(diào)狀態(tài)估計實用化探討[A];華東六省一市電機工程（電力）學會輸配電技術研討會2002年年會山東電機工程學會交流論文集[C];2002年

2 郭金蓮;范曉丹;趙洪山;;分布式狀態(tài)估計算法的研究[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（上冊）[C];2008年

3 劉耀年;郝靜;;基于分布式抗差加權最小二乘法的狀態(tài)估計[A];第十一屆全國電工數(shù)學學術年會論文集[C];2007年

4 劉順明;劉耀年;于賀;湯德海;;基于抗差加權最小二乘法的分布式狀態(tài)估計[A];高效 清潔 安全 電力發(fā)展與和諧社會建設——吉林省電機工程學會2008年學術年會論文集[C];2008年

5 何青;歐陽紅林;楊民生;童調(diào)生;;基于最優(yōu)定界橢球的自適應集員狀態(tài)估計[A];2004全國測控、計量與儀器儀表學術年會論文集（上冊）[C];2004年

6 郭曉林;曹軍海;賈小平;;模糊狀態(tài)估計在機動目標跟蹤中的應用[A];1997中國控制與決策學術年會論文集[C];1997年

7 林桂華;張艷軍;周蘇荃;;基于量測變換的混合量測狀態(tài)估計算法[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（上冊）[C];2008年

8 景渤雯;趙璐;張雨生;;基于PMU的狀態(tài)估計研究現(xiàn)狀及發(fā)展展望[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（上冊）[C];2008年

9 彭云輝;繆棟;劉云峰;;SR-UKF在狀態(tài)估計中的應用[A];2006中國控制與決策學術年會論文集[C];2006年

10 王正志;肖齊英;;部分參數(shù)不準確的線性系統(tǒng)H_∞狀態(tài)估計濾波問題[A];1993年控制理論及其應用年會論文集[C];1993年

相關博士學位論文 前10條

1 王吉華;多軸轉(zhuǎn)向車輛狀態(tài)估計與控制研究[D];南京航空航天大學;2013年

2 Sideig Abd elrhman Ibrahim Dowi;PMU測量單元對電力系統(tǒng)動態(tài)狀態(tài)估計影響研究[D];華北電力大學;2015年

3 任江波;電力系統(tǒng)過程狀態(tài)估計研究[D];哈爾濱工業(yè)大學;2007年

4 陳芳;電網(wǎng)狀態(tài)估計及其擴展的理論研究[D];山東大學;2010年

5 暢廣輝;基于混合量測的電力系統(tǒng)分布式狀態(tài)估計研究[D];武漢大學;2009年

6 王永;互聯(lián)電網(wǎng)分布式狀態(tài)估計和混合量測狀態(tài)估計研究[D];哈爾濱工業(yè)大學;2008年

7 白宏;基于PMU量測信息的面向過程狀態(tài)估計研究[D];哈爾濱工業(yè)大學;2008年

8 黃彥全;電力系統(tǒng)狀態(tài)估計若干問題的研究[D];西南交通大學;2005年

9 柯晶;強跟蹤狀態(tài)估計與群集辨識[D];浙江大學;2003年

10 李強;基于PMU量測的電力系統(tǒng)狀態(tài)估計研究[D];中國電力科學研究院;2006年

相關碩士學位論文 前10條

1 王珊珊;利用支路信息進行電力網(wǎng)絡拓撲辨識[D];鄭州大學;2015年

2 張娜;電流推算法及其與新息圖相結合的狀態(tài)估計研究[D];哈爾濱工業(yè)大學;2015年

3 沈豪棟;一種基于參數(shù)修正的區(qū)域性電網(wǎng)狀態(tài)估計改進方法[D];上海交通大學;2014年

4 胡曉艷;分布式平臺下的配電網(wǎng)狀態(tài)估計研究[D];華北電力大學;2015年

5 賈楠;基于WAMS的電力系統(tǒng)狀態(tài)估計及其應用[D];華北電力大學;2015年

6 白鐸;智能電網(wǎng)狀態(tài)估計及性能分析[D];電子科技大學;2015年

7 安維亮;離散時間復雜網(wǎng)絡的狀態(tài)估計[D];南京郵電大學;2015年

8 沈超;自愈控制下電網(wǎng)狀態(tài)估計的研究[D];南京郵電大學;2015年

9 邳浚哲;不良數(shù)據(jù)檢測辨識及提高狀態(tài)估計合格率的方法研究[D];華北電力大學;2015年

10 張鵬飛;離散時間隨機系統(tǒng)的狀態(tài)估計與最優(yōu)控制器設計[D];青島科技大學;2015年

，

本文編號：2298092