摘要：
不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同.在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性.文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法.在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测.研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵.算法验证结果表明,速度预测的精度在90%以上.
关键词：
通讯作者信息：
电子邮件地址：
