融合卡尔曼滤波的高速公路状态估计误差界限分析

来源：交通运输系统工程与信息杂志2022年第4期北京时间：

作者：陈喜群, 曹震, 莫栋

单位：浙江大学，建筑工程学院，杭州 310058

摘要：为分析高速公路交通流检测数据质量，本文构建平方流量误差界(Squared Flow ErrorBound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF，在检测器空间覆盖不足情况下，计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB算法相比，融合模型利用EKF交通状态估计模型估计全路段交通状态，基于得到的估计样本计算全路段交通状态估计误差下界。同时，采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型，结果表明，与需要输入真实样本的SFEB算法相比，融合模型SFEB-EKF在缺少真实样本情况下，能取得相似的结果且误差保持在5%以内，不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限，为高速公路交通检测器布设方案提供参考。

关键词：智能交通,数据质量分析,决策级融合模型,估计界限,高速公路

基金资助：国家自然科学基金