基于卡尔曼滤波的短时交通流预测
信号处理
2023-06-06 v1 应用统计
摘要
本研究考察了使用卡尔曼滤波技术（KFT，一种计算滤波方法）预测短时交通流量计数。短时交通预测是交通管理与运输系统运营中的重要工具。短时交通流数值结果可用于通过路径引导和先进出行者信息系统进行行程时间估计。尽管 KFT 已在同质交通中得到验证，但其在异质交通中的效率尚待研究。研究在达卡 Mirpur 路、Sobhanbagh 清真寺附近进行。该交通流包含异质混合交通，意味着预测存在不确定性。所提方法在 Python 中使用 pykalman 库实现。该库主要用于 KFT 框架下的高级数据库建模，可处理不确定性。数据来源于为期三小时的车辆交通计数。根据孟加拉国道路与公路局（RHD）2005 年发布的《几何设计标准手册》，异质交通流量被转换为等效客车单位（PCU）。由五分钟聚合得到的 PCU 随后用作所提模型的数据集。所提模型的百分比平均绝对误差（MAPE）为 14.62，表明 KFT 模型可做出合理预测。百分比均方根误差（RMSPE）显示准确率为 18.73%，小于 25%，因此模型可接受。所建模型的 R2 值为 0.879，表明其可解释数据集中 87.9% 的变异性。若数据在更长时间内收集，R2 值可能更接近 1.0。
引用
@article{arxiv.2208.03415,
title = {Short Duration Traffic Flow Prediction Using Kalman Filtering},
author = {Khondhaker Al Momin and Saurav Barua and Md. Shahreer Jamil and Omar Faruqe Hamim},
journal= {arXiv preprint arXiv:2208.03415},
year = {2023}
}
备注
Shooting writing. Good research