基于粒子滤波的智能网联混合交通流状态估计.pdfVIP

第５０卷第１期湖南交通科技Ｖｏｌ．５０Ｎｏ．１

２０２４年３月ＨＵＮＡＮＣＯＭＭＵＮＩＣＡＴＩＯＮＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＭａｒ．，２０２４

???

文章编号：１００８８４４Ｘ（２０２４

基于粒子滤波的智能网联混合交通流状态估计

张生，苏伟鹏，黄赛

（长沙理工大学交通运输工程学院，湖南长沙４１０１１４）

摘要：面向智能网联车辆和普通人工驾驶车辆共存的混合交通流环境，采用粒子滤波

算法对城市快速路路段进行宏观交通流参数的估计，从而实现对城市快速路智能网联混合交

通流状态的估计。以二阶宏观交通流模型为基础，结合混合交通流模型，构建粒子滤波交通

流状态估计的状态－空间模型，并通过Ｍａｔｌａｂ和ＳＵＭＯ仿真软件测定粒子滤波对混合交通

流的状态估计效果，通过计算分析，发现粒子滤波状态估计模型对交通流状态波动有较好的

追踪能力，性能上优于扩展卡尔曼滤波方法。

关键词：交通流状态估计；智能网联混合车流；交通流稳定性分析；粒子滤波；交通流仿真

中图分类号：Ｕ４９５文献标志码：Ａ

估计、初始值选取、边界变量处理等相关研

０引言［２－４］［５］

究。张生等采用ＥＫＦ方法，在城市快速路

交通状态估计是指根据可检测到的有限交通流上开展了信息不完全情况下的交通流状态估计研

数据来估计路段实时交通流运行状态，目前已经成［６］

究。徐天东等基于城市快速路交通诱导的需要，

为交通流管控和智慧交通的关键基础性工作。随着将ＥＫＦ结合宏观动态交通流模型，利用快速路上

车联网技术的发展与普及，未来很多车辆都具备车的固定检测设备，对未来的交通状态进行了实时估

联网系统，即智能网联车辆（ＣｏｎｎｅｃｔｅｄａｎｄＡｕｔｏｎ计。

ｏｍｏｕｓＶｅｈｉｃｌｅ，ＣＡＶ）。因此，在网联车辆未完全综上所述，目前交通流状态估计领域面向的研

取代普通车辆，即网联车辆的市场渗透率达到究对象以同质交通流为主，针对智能网联车辆和普

１００％之前，由智能网联车辆和普通车辆形成的混通车辆形成混合交通流路段交通状态实时估计的研

合交通流环境将会在未来长期存在。但是由于两种究较少。采用ＥＫＦ等算法来解决城市快速路交通

车辆具有不同的运动特性，加上交通流系统本质是流状态估计问题需要假定系统噪声和观测噪声都是

高度非线性的复杂系统，所以混合交通流的形成会高斯白噪声，不能准确反映实际情况。从算法原理

使城市快速路交通流系统更加复杂，进而影响到研角度出发，粒子滤波（ＰａｒｔｉｃｌｅＦｉｌｔｅｒ，ＰＦ）更加适

究人员对城市快速路交通流状态估计的结果。用于非线性程度较高的智能网联车辆混合交通流，

在交通流状态估计的方法上，１９９７年，Ｐｏｕｒ且不需要对模型噪声进行高斯假设，更贴合实际交

［１］

ｍｏａｌｌｅｍ等提出了将道路分成多个等距离路段，通流状态特征。

将每个路段赋予流量、速度、密度等交通流基本参基于上述两个方面，本文以智能网联车辆

数，通过非线性的递归方程进行迭代更新。在此模（ＣＡＶ）与普通车辆（ＨＶ）组成的混合交通流为

型的基