基于粒子濾波算法的交通流事件重構框架的研究與實現.pdf

1、快速發(fā)展的智能交通系統(tǒng)對掌握道路網上實時交通事件的需求日益增加，但是以往針對交通流重構的研究主要集中在車輛密度、車流速度等交通數據上，缺乏對堵塞等交通事件重構的探索。交通流具有非線性、非高斯和高維隨機的特點，粒子濾波作為一種不受噪聲分布限制的序貫蒙特卡洛算法在非線性、非高斯系統(tǒng)中有著廣泛的應用。但是，傳統(tǒng)的粒子濾波存在粒子退化問題，通過添加重采樣解決退化又容易引起粒子多樣性匱乏、計算復雜度過高等缺陷，而且其在高維隨機場景中應用的研究也相

2、對薄弱。本文延伸合作機構（喬治亞州立大學系統(tǒng)建模與仿真實驗室）在復雜系統(tǒng)建模與仿真上的研究，改進粒子濾波算法，將其應用在復雜場景下的交通流事件重構上，實現對道路網上交通事件的探測與重構，課題主要完成以下內容：
　　首先，搭建動態(tài)數據驅動的交通流事件重構框架，確定其中仿真模型與同化模型的交互接口及關鍵技術。同化模型不斷同化道路上的傳感器數據使仿真的交通狀態(tài)不斷逼近真實路況，通過分析仿真數據以探測真實路網中存在的堵塞事件；通過對探測到

3、的堵塞進行多粒子模擬實現堵塞事件的重構。然后，結合廣義動態(tài)數據驅動系統(tǒng)理論，提出針對多維隨機場景的雙向反饋粒子濾波算法（B3DPF）。算法的執(zhí)行策略和關鍵參數均能根據仿真結果進行動態(tài)的調整，同時被注入實時數據的方案也能同步的改進。實驗表明，B3DPF中添加的改進策略和動態(tài)機制能夠在保證推測精度和速度的同時有效緩解粒子退化問題并保持粒子的多樣性，而且其在處理高維隨機場景時精度和時間優(yōu)勢更為明顯。最后，對MovSim增加多線程仿真機制、仿真