基于低渗透率车辆轨迹数据的信号交叉口交通状态估计与不确定性量化
系统与控制
2024-04-16 v1 系统与控制
应用统计
摘要
本文研究了基于低渗透率车辆轨迹数据的信号交叉口交通状态估计问题。尽管许多现有研究提出了利用该数据估计未知交通状态和参数（如渗透率、排队长度）的不同方法，但大多数仅提供点估计，而不知道这些估计值的不确定性。量化由有限可用数据引起的估计不确定性非常重要，因为它可以明确告知我们可用数据是否足以满足所需的估计精度。为填补这一空白，我们基于最近开发的概率时空（PTS）模型，将部分可观测系统建模为隐马尔可夫模型（HMM）。PTS模型是一种随机交通流模型，专门用于模拟信号交叉口附近的交通流动态。基于HMM公式，我们开发了一个单一的递归程序，用于交通状态和参数的贝叶斯估计。作为一种贝叶斯方法，所提方法提供了分布估计结果，并直接量化了估计不确定性。我们通过仿真研究验证了所提方法，并展示了其在真实车辆轨迹数据上的适用性。
引用
@article{arxiv.2404.08667,
title = {Traffic State Estimation and Uncertainty Quantification at Signalized Intersections with Low Penetration Rate Vehicle Trajectory Data},
author = {Xingmin Wang and Zihao Wang and Zachary Jerome and Henry X. Liu},
journal= {arXiv preprint arXiv:2404.08667},
year = {2024}
}