Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Solution implementation based on modified kalman filter for purpose of bus arrival time prediction

Tytuł:
Solution implementation based on modified kalman filter for purpose of bus arrival time prediction
Implementacja filtru Kalmana do prognozowania czasu przybycia autobusów
Autorzy:
Ledziński, D.
Jezierski, M.
Marciniak, B.
Marciniak, T.
Tematy:
filtr Kalmana
prognozowanie czasu
Kalman filter
time prediction
Data publikacji:
2011
Wydawca:
Politechnika Bydgoska im. Jana i Jędrzeja Śniadeckich. Wydawnictwo PB
Język:
angielski
Prawa:
Wszystkie prawa zastrzeżone. Swoboda użytkownika ograniczona do ustawowego zakresu dozwolonego użytku
Źródło:
Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy; 2011, 14; 69-78
1899-0088
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
This paper describes use of Kalman's filter for prediction of time of arrival of bus. Kalman filter is recursive algorithm determining the minimum-variance estimate of the state vector of dynamic system, based on the measurement of inputs and outputs of the system. Three prediction algorithms used: difference algorithm, traditional Kalman filter and Kalman filter with changing weights of input data. Authors studied the bus arrival time predictions. Used for this purpose data send by radio from vehicles to prediction server. The smallest average prediction error obtained for the Kalman filter with variable weights.

W pracy przedstawiono zastosowanie filtru Kalmana do prognozowania czasu przybycia autobusów. Filtr Klamana to algorytm rekurencyjnego wyznaczania minimalno-wariancyjnej estymaty wektora stanu układu dynamicznego, na podstawie pomiaru wejść i wyjść tego układu. Zbadano trzy algorytmy predykcji: algorytm różnicowy, tradycyjny filtr Kalmana oraz filtr Kalmana ze zmiennymi współczynnikami. Autorzy badali odchylenie od prognozowanego czasu przyjazdu autobusów. Używano do tego celu danych przesyłanych drogą radiową z autobusów do serwera predykcji. Najlepsze wyniki uzyskano dla filtru Kalmana ze zmiennymi współczynnikami.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies