买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学

摘要：本发明公开了一种公路事故空间影响范围自适应在线预测方法，包括：step1，建立事故空间影响范围预测模型卡尔曼滤波模型数据集；step2，进行模型参数初始化；step3，判断t时刻是否有新事故发生，若有进行step4，否则进行step7；step4，获取t时刻的模型中的参数；step5，预测t时刻的事故空间影响范围；Step6：模型参数自适应更新；Step7：令t＝t+1，转到Step3。本发明通过获取的公路事故空间影响范围及影响因素，建立模型数据集，应用卡尔曼滤波框架，根据新事故数据自适应地调整公路事故空间影响范围因素的相关系数，并结合所获取的事故数据和新相关系数，实现公路事故空间影响范围的自适应在线高效预测。

主权项：1.一种公路事故空间影响范围自适应在线预测方法，其特征在于，该方法通过构建事故空间影响范围预测模型对事故空间影响范围进行预测，其中事故空间影响范围预测模型采用卡尔曼滤波模型；所述预测方法包括以下步骤：步骤1、建立事故数据集，其中每一条事故数据均包括事故空间影响范围观测值、单向车道数、侵占车道数、事故车辆数、事故大车数、事故发生的时间和交通流量；步骤2、初始化卡尔曼滤波模型中的参数，所述参数包括相关系数、状态转移矩阵、观测矩阵、观测过程协方差矩阵和状态过程协方差矩阵；步骤3、判断t时刻是否有新事故发生，若有则获取新事故发生时的单向车道数、侵占车道数、事故车辆数、事故大车数、事故发生的时间和交通流量，进行步骤4，否则进行步骤7；步骤4、获取t时刻的卡尔曼滤波模型中的参数；步骤5、计算t时刻的卡尔曼滤波模型的先验状态、先验的状态协方差矩阵，预测t时刻的事故空间影响范围；步骤6、在完成新事故处理之后，获取新事故的事故空间影响范围观测值，计算t时刻的观测误差、观测过程协方差矩阵、卡尔曼增益、后验状态、后验状态协方差矩阵和状态过程协方差矩阵，完成卡尔曼滤波模型的更新，作为下一次预测的基础；步骤7、令t＝t+1，转向步骤3；步骤5中预测t时刻的事故空间影响范围，具体步骤如下：计算卡尔曼滤波模型t时刻的先验状态即t时刻的先验相关系数： 式中：Φ为状态转移矩阵，为t-1时刻相关系数的后验状态值；在计算得到的的基础上，t时刻的事故空间影响范围预测值的计算公式如下： 式中：Xt为t时刻的观测矩阵；计算先验的状态协方差矩阵即先验的相关系数协方差矩阵： 式中：Φ为状态转移矩阵，为t-1时刻的后验状态协方差矩阵，Qt为t时刻的状态过程协方差矩阵；步骤6中的t时刻的观测误差et，观测过程协方差矩阵Rt，卡尔曼增益Kt，后验状态后验状态协方差矩阵状态过程协方差矩阵Qt的计算方法如下：t时刻的观测误差et的计算公式如下： 式中：at为t时刻的事故空间影响范围观测值，Xt为t时刻的观测矩阵，为t时刻的先验状态；t时刻的观测过程协方差矩阵Rt的计算公式如下： 式中：N为t时刻的事故数据集的大小,et为t时刻的观测误差，et-j+1为t-j+1时刻的观测误差，为t时刻的观测误差平均值，Xt为t时刻的观测矩阵，Xt-j+1为t-j+1时刻的观测矩阵，为t时刻的先验状态协方差矩阵，为t-j+1时刻的先验状态协方差矩阵；t时刻卡尔曼滤波增益Kt的计算公式如下： t时刻的后验状态的计算公式如下： 式中：为卡尔曼滤波模型t时刻的先验状态；t时刻的后验状态协方差矩阵的计算公式如下： 式中：I为单位矩阵，为t时刻的先验状态协方差矩阵；t时刻的状态过程协方差矩阵Qt的计算公式如下： 式中：Φ为状态转移矩阵，为t-j+1时刻的后验状态协方差矩阵，为t-j+1时刻的先验状态协方差矩阵，lt-j+1为t-j+1时刻的过程误差，为t时刻的过程误差平均值。

全文数据：

权利要求：

百度查询： 东南大学 一种公路事故空间影响范围自适应在线预测方法