用于在线模型选择的协作并行粒子滤波器及其在城市出行中的应用

我们设计了一种用于贝叶斯推断和模型选择双重目的的序贯蒙特卡洛方案。我们考虑了城市出行的应用背景，其中可以采用多种交通方式和不同的测量设备。因此，我们解决了在线追踪和检测当前交通方式的联合问题。为此，我们使用相互作用的并行粒子滤波器，每个滤波器处理一个不同的模型。它们相互协作，提供感兴趣变量的全局估计器，同时给出给定数据下每个模型的后验密度近似。这种相互作用通过节约地分配计算资源来实现，并根据相应模型的后验概率在线自适应调整每个滤波器的粒子数。所得方案简单且灵活。我们在使用人工数据和真实数据的不同数值实验中测试了这项新技术，证实了所提方案的鲁棒性。