《基于改进Sage滤波器的车辆行程时间预测模型.pdf》由会员分享，可在线阅读，更多相关《基于改进Sage滤波器的车辆行程时间预测模型.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第2墙0 0 8 9期 年月 计 算 机 技 术 与 发 展 V o 11 8 No 9 C OMP U TE R T E C HN OL OGY A ND D E V EL O P ME N T S e p 2 0 0 8 基于改进 S a g e 滤波器的车辆行程时间预测模型 熊桂喜，刘铭志(北京航 空航天大学，北京 1 0 0 0 8 3)摘要：在现代 I T S环境中，公交车辆行程时间预测是实现公共交通智能化调度子系统、电子站牌显示子系统及公交信息 服务子系统的必要条件。针对 S a g e 滤波器 自身的优缺点，提出了一种基于车辆行程时间历史数据流信息的 S a g e 滤波器，并在
2、此基础建立了 B R T(B u s R a p i d T r a n s i t)车辆行程时间预测模型。最后针对 2 0 0 7年 6 月 7日北京市南中轴路大容量快 速公交(汀)线的实际数据进行了对 比实验，结果表明，改进的 S a g e 滤波器有效降低了原算法的误差。关键词：车辆行程时间预测；S a g e 滤波器；流聚类 中图分类号：1 P 3 9 1 9 文献标识码：A 文章编号：1 6 7 3 6 2 9 X(2 0 0 8)0 9 0 1 6 2 0 3 BRT Ve hi c l e s Tr a v e l Ti me Pr e di c t i o n M o de l
3、 Ba s e d o n I mpr o v e d S a g e Fi l t e r XI ONG Gu i x i，LI U M i n g z h i (B e i h g U n i v e r s i t y，B e ij i n g 1 0 0 0 8 3，C h i n a)Ab s t r a c t：I n 1 T lo d e m I TS e n v i r o n me n t v e h i c l e s t r a v e l t i me p r e d i c t io n i s a n e c e s s a r y c o n dit io n f
4、 o r t h e r e a l i z a t i o n o f t h e int e ll ig e n t p u b l i c t r a n s p o r t s c h edu l i n g s u b s y s t e ms，s t a t io n de c t mn i c d is p l a y s u b s y s t e m a nd b u s i n f o r ma t i o n s e r v i c e s u bsy s t em Fi r s t a n a l y z e d S a ge f i l t e r S a d v a
5、 n t a g e s an d d is a d v ant a g e s，and pr e s e n t ed a n imp r o v ed S a g e f i l t e r b a s e d o n t h e his t o ric a l d a t a s a mp le s o f v e h i c l e t r a v e l t i me Th e n，o n t h e b a s is o f s u c h a l g o rit h m，i t b u i l tBRT v e h i c l et r a v e l t i me p r e
6、d i c t ionmo d e 1 Fi n a l l y u s e d a c t u a ldat a c o l l ect ed f r o m BRT Tr a n s p o rt o f S o u t h A x i s S t r e e t i n B e ij in g o n J u n e 7，2 0 0 7 f o r e x p e r i ment Th e r eset s h o ws t h a t t h e i mp r o v ed S a g e f i l t e r e f f ect iv e l y r edu c e t h e
7、e _r T o r o ft h e o r i g i n a l a l g o r i t hm Ke ywo r d s v e hic let r a v e l t im e p r edi c t io n；S a g ef il t er；d a ta s t r e a m c l ust e ri n g 0引 言 公交车辆行程时间预测在完善公交服务方面起着 重要作用。研究公交车辆行程时间预测方法，提高公 交车辆行程时间预测精度，对于提高公交服务质量，进 而提高公共交通吸引力、缓解交通拥挤具有重要意义。目前，各国的研究者 们 已经采用 了很 多方 法用 于 行程时 间预
8、测，例 如 时 间序 列 法 1|引、卡 尔曼 滤波 模 型 引、马尔可夫链模 型 引、非 参数 回归模 型 5,6 以及神 经 网络模型L 7 J 等。这 些方法和模 型各有优缺点，但 当 实际数据出现丢失、失真和异常时，其预测结果往往会 出现不 同程度的偏差。针对这种情况，提 出了一种基 于改进 S a g e 滤波器 的车辆行程时间预测模型。收稿 日期：2 0 0 71 23 O 基金项目：“十五”国家科技攻关计划(2 0 0 5 B A 4 1 4 B 0 4)作者简介：熊桂喜(1 9 6 4一)，男，湖北 黄冈人，副教授，硕 士，研究 方 向为企业应用集成与智能交通系统。1 改进的
9、S a g e 滤波器 1 1 Ka l ma n滤 波器 Ka l ma n 滤波器模型属于线性动态模型，认为车辆 行程时间等于基本行程 时间和随机误 差 的叠加，基本 行程时间 由检测器 收集 的数据计算后 得 出，随机误差 由测量方 程递 推计算得 出。K a l ma n滤波 器 的系统模 型如下：=A T k 一 1+一 1 (1)=眠+(2)其中：式(1)为离散随机差 分方程；式(2)为量 测 方程。T k：状态变量，即行程时间的预测值；A：状态矩 阵；：观测变量，即实际行程时间；H：观测矩阵；tO ：过程噪声 或 系统 噪声，为 满 足正 态 分 布 的 白色 噪声 P()N(O
10、，Q)；：观测 噪声，为满足正态分布的 白 色噪声 P(u)N(0，R)(这里假设 过程 噪声 和观 测噪声 相互独立)。1 2 S a g e 滤波器 上述 即为经典 K a l m a n 滤 波器的模 型，该模型假设 维普资讯 http:/ 第 9 期 熊桂喜等：基于改进 S a g e 滤波器的车辆行程时间预测模型 1 6 3 系统 噪声和观测噪声为零均值且统计特性已知的白色 噪声，但是往往实际情况无法满足该假设，此时就会产 生建模误差。针对 经典 K a h l a n滤 波器的缺 陷，S a g e 滤波 器 利 用历史信息 的平 均来估计 当前 的系统 噪声和观 测 噪 声，再应
11、用经典 K a l ma n滤波器模型进行解算，获得系 统状态 的最优估值。在实际应用 中，为了节省 内存 和 减轻计算负荷，常常采用开窗法，即利用最新历元的新 息向量或 残差 向量来 估计 当前 的系统 噪声 和观测 噪 声 l。公式如下：一 一 AT+(3)Rk=i m-i 其 中：v 了 =宽度。X (，为对应时刻 聚类样本 集 中的簇 C，的中心值；S(，为对应 时刻聚类样 本集 中的簇 C 的样 本命 中 率；N 为历史样本集窗 口大小；a和 为权值。另外，S a g e 滤波器需要 利用 上一状态 的观测值对 新的估计进行及时的纠正，而实 时数据会有丢失 的情 况出现，这就会导致观
12、测值的不连续性，从而使得预测 值得不到及时有效的修正；此外，S a g e 滤波器中预测初 始状态通常也是未知 的，人 为设 置其大小往往会偏 离 实际。针对上两种情况，这 里考虑利用 聚类 以后、对应 时刻的历史数据流 的数值 C R 进行补充和替代，从而 提高预测 的准确率。V Z k 一 v z L 一H P i H T (4)2 车辆行程时间历史数据流聚类和管理 ti；V Z k=H T；一Z k；：历元窗 口 由式(3)可以看 出，Q 的求解式 中含 有 P ，而求 P 又必须知 道 Q ，因而根本无 法求解，因此式(3)无 解，一般 采用式(5)来近似代替式(3)0 _，如下：=一
13、 1 3改进 的 S a g e 滤波器(5)从 S a g e 滤波器的观测噪声估计式可 以看 出，这 种 预测是对历史精度信息 的平均，其可靠性取 决于 当前 历元观测精度与历史历元观测精度 的一致 性，否则这 种预测的代表 性和可靠 性就很难保证 1 。在观测 噪 声 的估计中，当观测值不 出现异常数据 时，则预测值 能 在一定程度上反映 当前历元观测信 息的统计特性：但 当观测值中含有异常时，估计 的当前历元 的观测 噪声 将会偏离观测信息 的实 际精度，使滤波结 果 出现较 大 的偏差。因此，需要对 S a g e 滤波器进行改进。考虑到公交运营具有重复性 和规律性 的特点，即 当前
14、时刻观测值与历史上最近一段时期 内对应时刻的 观测值具有一定 的相 似性，因而可 以利用 这种相 似性 来修正观测噪声。文 中考虑利用经 过聚类 以后、对 应 时刻的车辆行程时间历史 数据 流信息 对 S a g e 滤 波器 的预测值和观测噪声估计式进行补充和改进(关于历 史数据 样本集 聚类的相关参数说 明将在下一节论述)，从而平 滑异 常观测值对预测结果 的影响。修改后的结 果如下：了、i=a A J+(1_a)C R (6)1 尺 =(#V Z k 一 V ，+(1 一 )一 V )_】一HP H(7)其中：V C k=C R 一 ；c R =X 0(是)，s(是)，；改进 的 S a
15、 g e 滤波器模型需要 车辆行程时间历史 数据流信息 的支持，然而数据流具有按时间顺序、快速 变化、海量和潜在无限等特点，因此不可能存储整个数 据流或者对其扫描 多次。为有效处理和利用 流数据，文中采用类 似流聚类l 1 2 的方法对每天 内的车辆行程 时间历史数据流进行清理 和规约，以获得一段时期 内 的历史样本集；然后借鉴流数据分类的分类器系综方 法 1 0 j 的思想，对不断增加的历史样本集进行管理。2 1 车辆行程时间历史数据流聚类 文 中以天为单位，对车辆行 程时间历史数据流进 行分段聚类，从而获得每天的样本集，进而得到一段时 期内的历史样本集。对于给定某 天 内的历史 数据流 X
16、=I R，首先按照如下方法定义其簇 C 的相关参数计算 公式：簇和簇 C，之间距离公式 d(C，)=I I(8)r E C C 簇 C 半径公式(其 中 。为簇 的中心)(9)基于以上公式，车辆行程时间历史数据流聚类算 法流程如下：(1)计算最大阈值 M，其值等于数据流内所有数 据的方差；(2)对于簇 G，分别计算与其直接邻近的簇 C 和 C 川 的距离，找到两者中与簇 C 距离最小的簇，记 为 C ；如果把簇 C 和簇C 进行合并后，其结果中的 簇半径不大于最大阈值 M，则合并簇 C，和簇C ，否则 不进行 合并；(3)循环，直至所有的簇都不能再合并为止；(4)遍历所有的簇，判断并删除离群点
17、；(5)如果步骤(3)中还能发现离群点，则重新计算 一 一、C，R 维普资讯 http:/ l 6 4 计算机技术与发展 第 1 8 卷 最大阈值 M，其值等于各个簇半径的均值，然后转步 骤(2)；否则结束整个聚类过程。对于簇 G，只要不满 足如下条件 之一，即可判 定 为离群点【1 3 J：簇 G 中数据对象数 目少于最小阈值；d(G，G一 1)R(C f)+R(G一 1)且 d(G，G+1)R(G)+R(G+1)。2 2 历史样本集管理 随着时间的推移，以天 为单位聚类 以后所形成 的 历史样本集会不断聚集和增长，因此需要对其进行管 理，从而去除冗余的，或者不再能反应当前历史趋势的 样本集
18、数据。文 中以每个样 本集为基本 单位，以样本 集里面的簇为最小单位，对整个历史样本集进行管理。对于新增加的样本 集，按 照如下过程对 整个历史 样本集进行添加、更新 和删除：(1)基于当前整个的历史样本集数据，用改进的 Sag e 滤波器模 型对 当前 车辆 行程 时间历史 数据 流进 行预测，并计算相对误差。(2)如果误差 大于最 大允 许值，则 分两种 情况 分别处理：如果当前 历史样本集 的数 目还未 达到最大 历史样本集窗口大小 N，则直接把新增的样本集添加 到历史样本集中；否则，分别计算 历史样本集里 面已有 的样本集的命中率(其大小等于该样本内所有簇平均 命中率的均值)，剔除命中
19、率最小的样本集后，再把新 样本集 加入到历史样本集 中。(3)否则，如果误差 小于等于最大允许值，则遍 历当前整个历史样本集里面的所有样本集，分别与当 前车辆行程时间数据流进行 比照，更新其相应簇 G 的 命中率 S 。3 预测及结果分析 文 中针对 2 0 0 7年 6月 7日全天北京 市南 中轴路 大容量快速公交(B R T)线(共计 1 7个站 台，全程 3 1 7 公里，9 0 辆运营车辆)、各个站台感应线圈采集到的数 据，分别运用 K a l ma n滤波器、S a g e 滤波器 以及 改进 的 S a g e 滤波器对全天车辆 的全 程行程时 间进行 预测，其 对 比结果如表 1
20、 所示。表 1 三种滤波器误差对比 K a l ma n 滤波器 S a g e 滤波器 改进的 S a g e 滤波器 平均误差率 l O O 6 9 8 9 9 O 6 最大误差率 6 5 2 8 6 5 2 5 3 2 7 l 通过对 比可 以看 出，经典的 K a lma n 滤波不能抵制 异常观测值 的影响，当观 测值 中含有异 常扰动时，经典 K a l ma n 滤波的效果 比较差，甚至可能发 散。Sag e 滤 波 器利用历史信息的平均来估计当前的系统噪声和观测 噪声，能在一定程度上近似当前历元的噪声统计特性，从而达 到改善滤波的效果，但 当存在 观测异 常和动态 扰动异常时，
21、会使得估计偏离实际的噪声统计 特性，使 滤波结果 出现偏 差，甚至发散。改进的 Sage 滤波器通 过 聚类 以后、对应时 刻的车辆行程时 间历史 数据流信 息对 Sag e 滤波器的观测噪声估计式进行修正，使之 自 适应于观测信息，取得了很好 的滤波结果。，4 结束语 针对 Sag e 滤波器 自身的优缺点，提 出一种改进 的 Sag e 滤 波器，其 主要 思想 是利用 经过 聚类 处理 以后、对应时刻的车辆行程时间历史数据流信息，对 Sag e 滤 波器的预测值 以及观测 噪声 估计式 进行补充 和改进，从而平滑异 常观测数据对预测结果的影 响；同时，通过 利用该历史数据对实际采集过程
22、中丢失 的数据 进行补 充，并及时修正预测结果。之后，提出了对车辆行程时 间历史 数据流信息进 行聚类 和管理的方 法。最后，在 实际数据基础 上，通过与经典 K a l ma n滤波器以及 Sag e 滤波器的预测结果进行对 比，可以看 出改进 的 Sag e 滤 波器避免了观测异常 和动态 扰动异 常的影 响，从而提 高了车辆行程时间预测的准确性。参考文献：1 I s h a kS，A i D e e kH P e r f o r ma n c e e v a l u a t io n o f s h o r t t e r m t i m e s e ri e s t r a f f i
23、 c p r e d i c t io n m o d e l J J o u r n a l o f T r a n s p o rta t i o n E n g i n e e ri n g，2 0 0 2，1 2 8(6)：4 9 04 9 8 2 DA n g e l o M P，A I D e e k H M，WA N G M C T r a v e l t i m e p r e di c t io n fo r f r ee w a y c o r r i d o r s R T r a n s p o rt a t i o n R e s e a r c h R e c o
24、r d 1 6 7 6 Wa s h i n g t o n，D C：s n ，1 9 9 9：1 8 4 1 91 3 Ku c h i p u di，Mo u l y C，C hi e n，e t a1 D e v e lo p me n t o f a h y b r i d m o d e l f o r d y n a mic t r a v e l t ime p r e di c t i o n C T r a n s port a t i o n R e s e a r c h B o a r d，A n n u al Meet i ng Was h i n g t o n D
25、 C：s n ，2 0 0 2 4 L i n，We i h u a，t，e t a 1 A r t e r i a l t r a v e l t ime es t i m a t i o n fo r a d v a n c e d t r a v e l e r i n fo mm t io n s t e m s C P r o c e e di ngs o f t h e 82 t hAn nu al Meet i ng o f t he Tr a n s po rta t i o n Re s e a r c h Bo a r d W d 1 i n g t o n D C，USA
26、：Na t i o n a l Ac a d e mi es Pr e s s，20 03 5 R o b i n s o n，S t e v e J P Mo d e li ng u r b a n li n k t r a v e l t i m e u s i ng d a t a f r o m i n d u c t i v e l o o p&t eet o C Wo r l d(n f e r e n e e o n T r a 1 s por r R e s e a r c h I s t a n b u 1 T t t r k e 3，：s n ，2 0 0 4 6 B a
27、j w a S U I，C h u ng E，K u w a h a r a M A t r a v e l t i m e p r e d i c r l o n me t h od b as e d o n p a t t e rn m a t c h i ng t e c l mi q u e C 2 1 s t ML R B a n d 1 1 r h R E A A A C o n f e r e n c e C a i r n s，A u s t r a l i a：s n j，2 0 0 3 7 V a n L i m W C R e l i a b l e T r a v e
28、l T i m e P r e d ic t i o n for F r eew a y s (下转第 1 6 9页)维普资讯 http:/ 第 9期 吴兆立：基于 A S P技术的学生信息管理 系统 的设计与 实现 1 6 9 S a v e P a t h=Sav e Up F i le s P a t h 存放上传文件的目录 f o r e a c h f o n n Na me i n u p lo a d f i le 列出所有上传了的文件,s e t o fi l e=u p l o a d f i l e(f o r r r L N a m e)生成一个文件对象 i f o f
29、i le f i le s i z e(Ma x Fi le S i z e*1 0 2 4)t h e n r 1 1 s g=“文件 大 小超 过 了限制，最大只能上传”&C S t r(Ma x F i l e S iz e)&“K的文件!F mi me=o b j fi l e t y p e(“fi le”)得 到 文 件 的 类 型 Sav e D a t a=o b j Sa v e F i l e t o d b(“矗 1 一保存文件 一 o fi l e Sav e T o F i l e S e r v e r m a p p a t h(F i l e N a me)保存
30、文件 r n s g=“上传文件成功!”图 4 学生工作管理 系统结构 示意 图 说明：B表示(浏览器)用户；四个子系统既可以独 立运行，又相互联系，彼此共享 相应数据。(2)系统 同时具有远程备份数据库 的功能，下 面是 实现该功能页面 A d mi n D a t a b a s e a s p中的关键部分：i n p u t t y p e=t e x t s i z e：2 0 r la n l e：b k f o l d e r v a l u e：D a t a b a c k u p 备 份相对路径 目录，如果目录不存在，将 自动创建 i n p u t n a t l le=“
31、s u b mi t”t y p e=S t l b m i t v a l u e=“开始 备份”r e s p o n s e w r i t e“c e n t e r 备份数据库成功，备份 的数据库为”&b k f o l d e r&“”&b k d b n a m e&“m d b”返回备份 成功信息 5 结束语 学生信息管理系统 中，涵盖 了学生信 息管理 工作 的大部分功能，满足 了用 户对数据查 询、添加、修 改 和 删除 的基本需要，提 出了基 于数据库 和 自建用 户权 限 体系 的系统安全策略，基本满 足用户对数 据安全 的要 求，并且尽量做到程序设计人性化，方便用户进
32、行操 作。学 生信息管理系统是 当今高校管理信息化和办公 自动化 的一个重要组成 部分，该项 目作 为江苏 省教育 科学“十一五”规划 课题 中的重点课 题(批 准号 Ba 2 0 0 6 0 1 0 2 2)的子项 目和徐州建筑职业技术学院重点 科研课题(院字 2 0 0 7 1 4一Y j k 0 6 8)开发成功，正式 投入使用以来，运行状况 良好，使学校的管理和教学更 加趋于科学和高效，极大 地提高 了工作效 率，具 有较 高的推广价值，这对于建设高校现代化的管理和决策 无疑发挥 了积极的作用。参考文献：1 刘芳，龚明 基于 A S P技术 的动态站点的研究与开发 J 电脑与信息技术，
33、1 9 9 9(1)：1 4 1 6 2 3 4 5 李华斌 A c t i v e Serve r P a g e s 程序设计与开发 M 北京：中 国水利水电出版社，2 0 0 0 王玉莲 基于 AS P技术的学生信息管理系统的研究与开发 J 计算机工程及应用，2 0 0 4(1 1)：2 1 8 2 2 0 D w ig h t J E r w i n M，N i l es R C G1 开发使用手册 M 北京：机械工业出版社，1 9 9 8 Seh a c h S S o f t w a r e E n g i n e e r i n g Wi t h J a v a M 袁兆 山译
34、北 京：机械工业 出版社，2 0 0 3 (上接第 1 6 4页)D D e l f t，N e t h e r l a n d s：D e l f t U n i v e r s i t y P r e s s，2 0 0 4 8 杭明升，杨晓光，彭国雄基于卡尔曼滤波的高速道路行 程时间 的动态预 测 D 同济大 学学报：自然科学 版，2 0 0 2，3 0(9)：1 0 6 91 0 7 2 9 崔先强 噪声协方差矩阵加权估计 的 Sag e自适应滤波器 J 测绘科学 2 0 0 2，2 7(2)；2 6 3 0 1 O 曾翠娟，王忠，兰竹，等G P S动态定位 的自适应卡尔 曼滤波算法研究 J 导航，2 0 0 6，4 2(1)：3 9 4 8 1 1 杨元喜 何海喜，徐天河 论动态 自适应滤波 J 测绘学 报，2 0 0 1(4)：2 9 4 2 9 8 1 2 H a n J i a w e i 数据挖掘概念与技术 M 范明，孟小峰，译 北京：机械工业出版社 2 0 0 7：2 5 1 3 4 5 1 3 倪巍伟，陆介平，陈耿，等 基于 k均值分 区的数据流离 群点检测算法 J 计算机研究与发展，2 0 0 6，4 3(9)：1 6 3 9 一l 6 4 3 维普资讯 http:/