论文部分内容阅读
车辆排队长度是智能交通控制系统中最关键的交通参数之一,如何准确、有效地预测车辆的排队长度是近年来排队长度预测中研究的主要问题。为此,在利用卡尔曼滤波理论建立排队长度预测模型的基础上,针对滤波过程中较容易出现的野值问题,分析了野值对标准卡尔曼滤波的影响机理,采用了基于M估计的卡尔曼滤波野值处理方法。仿真结果表明,所提方法可有效消除野值对滤波的不利影响,提高排队长度预测的精度,具有较好的应用价值。