检索结果-内蒙古大学图书馆

东北大学学报（自然科学版） 2004年第1期25卷 32-35页

作者：王刚赵海魏守智东北大学信息科学与工程学院辽宁沈阳110004

针对多传感器信息融合系统中普遍存在的冲突信息环境下的融合系统决策问题,提出了一种新的基于威胁博弈的决策级信息融合模型·该模型将冲突环境下的融合过程视为局部决策空间、策略空间和全局决策空间上的变换过程,并以此构建融合... 详细信息

针对多传感器信息融合系统中普遍存在的冲突信息环境下的融合系统决策问题,提出了一种新的基于威胁博弈的决策级信息融合模型·该模型将冲突环境下的融合过程视为局部决策空间、策略空间和全局决策空间上的变换过程,并以此构建融合中心的一种结构模型·在融合算法的研究中,以威胁博弈的算法实现融合中心的多传感器交互决策·在应用中将该模型用于丰满水电仿真系统调速器PID模型的参数在线调整·经现场应用表明,该模型可以有效地解决原PID模型参数整定困难而导致的系统转速和频率振荡等问题·

关键词：多传感器信息融合决策级融合模型威胁博弈理论水电仿真调速器

来源：评论

学校读者我要写书评

暂无评论

融合卡尔曼滤波的高速公路状态估计误差界限分析

引用

交通运输系统工程与信息 2022年第4期22卷 72-78页

作者：陈喜群曹震莫栋浙江大学建筑工程学院杭州310058

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 FlowError Bound,SFEB)和扩展卡尔曼滤波(Extended KalmanFilter,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... 详细信息

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 FlowError Bound,SFEB)和扩展卡尔曼滤波(Extended KalmanFilter,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 NeighborMethod,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

来源：评论

学校读者我要写书评

暂无评论

基于决策级融合的数据质量分析与短时交通流预测

基于决策级融合的数据质量分析与短时交通流预测

引用

作者：曹震浙江大学

学位级别：硕士

随着出行需求和机动车保有量的不断增加,城市交通拥堵问题日益严重,短距离却长时间的出行体验给出行者和交通管理部门带来极大的困扰。智能交通系统（Intelligent Transportation Systems,ITS）是缓解交通拥堵的重要手段,而它的发展离... 详细信息

随着出行需求和机动车保有量的不断增加,城市交通拥堵问题日益严重,短距离却长时间的出行体验给出行者和交通管理部门带来极大的困扰。智能交通系统（Intelligent Transportation Systems,ITS）是缓解交通拥堵的重要手段,而它的发展离不开大数据和先进技术的支持,但由于交通检测器不合理布设以及检测器故障等问题导致检测数据存在稀疏、缺失甚至错误,从而影响ITS精准感知全路网交通状态的能力,影响ITS对未来的交通演化趋势作出精准预测的能力,也影响ITS针对特定交通问题提出针对性解决办法的能力。为了对交通流检测数据质量进行分析,得到精确、完备的交通数据,实现精准的交通状态预测,本文做了以下研究工作:（1）基于平方流量误差界（Squared Flow Error Bound,SFEB）和扩展卡尔曼滤波（Extended Kalman Filter,EKF）的高速公路数据质量分析。分析高速公路交通流检测数据质量,构建SFEB和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。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,分别采用最近邻法（Nearest Neighbor Method,NNM）和SFEB算法计算全路段交通状态估计误差上下界。应用开源高速公路数据集对模型进行测试,结果表明,融合模型SFEB-EKF能够给出无检测器路段交通状态估计界限,展示不同检测器覆盖率对估计误差上下界的影响效应,为高速公路交通检测器布设方案提供参考。（2）基于统计学习的交通状态补全。针对现有检测数据的缺失问题,采用核概率主成分分析法（Kernel Probabilistic Principal Component Analysis,KPPCA）对不完备的交通检测数据进行修补,使其能反映路网的真实状态,同时也为精准的交通状态预测提供完备可靠的数据保障。在实际路网上测试了KPPCA模型在不同缺失率、不同状态量以及不同时间窗下的估计性能,结果显示,KPPCA方法相比于历史平均、K近邻、概率主成分分析等方法,具有更准确的交通状态估计效果。（3）融合机理模型和深度学习的城市路网短时交通流预测。城市路网短时交通流预测任务中,深度学习因缺少对交通流演化机理的刻画导致其可解释性不强,而交通流解析模型常因预测精度问题导致其应用效果受到限制。为了取长补短,首先改进路段传输模型（Link Transmission Model,LTM）,提出可以利用真实数据实时校准仿真网络从而提高预测精度的数据驱动型路段传输模型（Data-Driven Link Transmission Model,D2LTM）,并在此基础上引入时空深度张量神经网络模型（Spatial-Temporal Deep Tensor Neural Networks,ST-DTNN）来捕获网络交通流数据中的时间维、空间维和深度维特征信息,实现路段传输模型和深度学习决策级融合的城市路网短时交通流预测模型D2LTM-STDTNN。该融合模型一方面通过D2LTM机理模型来揭示交通流演化的基本规律,发挥其对城市路网交通流状态时空演化过程的精细刻画能力,增强融合模型机理的可解释性;另一方面利用ST-DTNN模型强大的高维数据挖掘能力和动态特征学习能力,提高城市级路网交通流的短时预测精度。该模型还考虑了交叉口不同转向的短时预测问题,具有较细的空间粒度和时间粒度。实测结果表明,D2LTM-STDTNN融合模型相对于基准模型预测精度更高,且具备模拟演化机理方面的优势,提升了城市路网短时交通流状态预测能力,揭示了路段间的交通流动态演化规律,为网络交通流模拟推演和主动管控提供了技术支撑。

关键词：短时交通流预测数据质量分析深度学习机理模型交通状态补全决策级融合模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：