决策系数的估计及其应用研究

决策系数可以通过出行意向调查和计算估计两种方法获取,这为准确进行交通分配预测提供了一种新的解决思路。     

基于卡尔曼滤波的快时变稀疏信道估计新技术

针对高铁以及山区环境下正交频分复用（orthogonal frequency division multiplexing,OFDM）通信系统的信道估计问题,提出一种基于卡尔曼滤波的快时变稀疏信道估计方法.该方法基于快时变信道的基扩展模型（basic expansion model,BEM）,应用压缩感知（compressed sensing,CS）理论进行稀疏时延估计,并应用卡尔曼滤波（Kalman filter,KF）技术对BEM系数进行估计,进而获得信道增益.仿真结果表明,在相同信噪比（signal to noise ratio,SNR）条件下,随着归一化多普勒频移（frequency-normalized Doppler shift,FND）增大,新方法的信道估计均方差（mean square error,MSE）性能优于传统方法,如当SNR为20 dB,FND为0.1时,新方法较传统方法性能提升了4 dB,表明对信道时变性具有更优的鲁棒性;在相同的多普勒频移条件下,随着SNR增加,各方法的均方差均有所改善,新方法改善更明显,如当FND为0.2时,在信道估计均方差为0.06的条件下,新方法较传统方法获得了6 dB的信噪比增益,表明对抗信道噪声能力更强.      

基于AFC数据的城轨路网客流OD在线动态估计

路网实时客流状态是城市轨道交通日常运营组织科学决策的主要依据,而精准地在线估计客流OD是前提条件.本文分析了准实时AFC数据接入条件下客流OD在线动态估计问题及其特点,提出了将机器学习与递归贝叶斯相结合的客流OD动态估计方法;构建了基于LSTM的客流OD状态转移模型,以及LSTM模型嵌入下的客流OD递归贝叶斯估计模型;针对客流OD状态变化的非线性、不确定性特点,提出基于粒子滤波算法求解客流OD递归贝叶斯估计问题.面向LSTM模型嵌入所形成的客流OD状态转移三阶马尔科夫过程,对一般的粒子滤波算法进行高阶扩展,研究了算法的实现.最后用实例对本文提出的方法进行了验证.     

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明：基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数（变异系数） 均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。     

基于三参数区间泛灰数的技术站能力表示与估计方法

铁路技术站能力是衡量其运输生产效能的重要指标,为了体现能力的伸缩性并提高能力测定的精度,分析了三参数区间与泛灰数应用于能力表示的适用性,通过三参数区间保证能力上下界的取值范围,引入泛灰数来降低能力运算可能带来的区间扩张,并根据作业系统的状态界定了收缩、平衡和松弛3种能力. 通过多种区间估计方法的比对,采用JAB （Jackknife-after-Bootstrap）区间估计方法对铁路技术站能力的伸缩范围进行测定. 郑州北编组站的实例分析表明:相较于原有的能力定值表示方法,基于三参数区间泛灰数的能力表示与估计方法测定的区间宽度更小,区间位置更加精确,当置信水平为95%时,置信区间为[9.6933,10.2043],区间宽度为0.511;当置信水平为90%时,置信区间为[9.7358,10.1653],区间宽度为0.429;郑州北站通过能力的收缩度为0.99,松弛度为1.01,改编能力的收缩度为0.94,松弛度为1.07,说明能力测定结果呈现一定的松弛和收缩现象.      

交通事故侦测中占有率的改进灰色预测

在交通事故侦测的统计预测算法中引入灰色理论的实践证明，灰色预测是占有率短期预测的可行方法，同时二重估计改进的预测方法可合理地提高交通事故预测的准确性。     

开车时使用手机对交通安全影响之研究

汽车内的任何附加设备都会改变驾驶人、车辆、其他道路使用和道路环境之间原有的关系。驾驶人开车时分心是因其注意力被吸引到路外而导致的，这是引发道路交通事故的一个主要原因。据美国国家道路交通安全局估计，至少有20～30％的道路交通事故是因驾驶人开车时分心造成的。     

一种基于卡尔曼滤波器的单级倒立摆的LQR方法

倒立摆的控制因其系统动态模型是非最小相位系统而很难用经典控制算法得到较好的控制效果.提出利用最优控制LQR方法来完成控制.由于利用最优控制,系统状态必须全部已知.考虑到系统噪声和量测噪声,根据分离性原理,利用LQR方法设计控制律,利用卡尔曼状态估计来完成系统状态的重构.仿真结果显示该方法具有良好的控制效果.     

多采样率EKF及其在感应电机转速估计中的应用

在深入研究EKF算法和多采样率数字控制系统的基础上,建立了多采样率EKF算法,分别推导了其输入和输出算法,并将其应用于感应电机的转速估计中.通过仿真验证了该算法比单采样率扩展Kalm an滤波算法具有更高的信息获取和状态估计能力,并能有效抑止噪声,转速估计误差减小41.7%~87.6%.     

Impact of channel estimation error on channel capacity of multiple input multiple output system

In order to investigate the impact of channel estimation error on channel capacity of multiple input multiple output （MIMO） system, a novel method is proposed to explore the channel capacity in correlated Rayleigh fading environment. A system model is constructed based on the channel estimation error at receiver side. Using the properties of Wishart distribution, the lower bound of the channel capacity is derived when the MIMO channel is of full rank. Then a method is proposed to select the optimum set of transmit antennas based on the lower bound of the mean channel capacity. The novel method can be easily implemented with low computational complexity. The simulation results show that the channel capacity of MIMO system is sensitive to channel estimation error, and is maximized when the signal-to- noise ratio increases to a certain point. Proper selection of transmit antennas can increase the channel capacity of MIMO system by about 1 bit/s in a flat fading environment with deficient rank of channel matrix.