它怎样工作
定义随时间演变的潜在状态及其观测过程,每收到一批新传感数据就更新状态估计,再滚动预测;卡尔曼滤波是一种实现。
适合回答什么问题
实时路况、传感器断续和带噪测量、不断更新的短期预测。
城市研究中的用法
原始研究支持的教学演示
城市道路检测器每几分钟报告一次流量。参照短时交通流预测研究,网页展示“原预测—新观测—更新后预测”的过程,而非为某一未核实城市填入准确率。
解释时要注意什么
状态转移与观测噪声需要恰当设定;突发事故不能靠平稳更新假设自动处理。
潜在状态;卡尔曼更新。
P / Prediction · P4
State-Space Forecasting
把“看不见的真实状态”和带噪声的实时观测分开。
播放后在这里显示逐步讲解字幕。
普通话讲解 · 同步字幕在播放器下方
TEXT STORYBOARD / 文字分镜
观测不等于真实状态
先得到预测分布
按精度融合新信息
更新不确定性再预测
模型假设必须匹配
视频以可复算的合成数值例解释方法;右侧文献提供方法与应用参考,视频不复现论文的数据或结果。
定义随时间演变的潜在状态及其观测过程,每收到一批新传感数据就更新状态估计,再滚动预测;卡尔曼滤波是一种实现。
实时路况、传感器断续和带噪测量、不断更新的短期预测。
原始研究支持的教学演示
城市道路检测器每几分钟报告一次流量。参照短时交通流预测研究,网页展示“原预测—新观测—更新后预测”的过程,而非为某一未核实城市填入准确率。
状态转移与观测噪声需要恰当设定;突发事故不能靠平稳更新假设自动处理。
潜在状态;卡尔曼更新。