Filtro de Kalman no estacionario para la estimación de datos de seguimiento de vehículos precisos y consistentes

La dificultad para obtener datos precisos de seguimiento de vehículos ha sido tradicionalmente considerada como un inconveniente considerable para entender fenómenos reales y ha afectado el desarrollo y la validación de modelos de microsimulación de tráfico. Los recientes avances en tecnología digital han abierto nuevos horizontes en la realización de investigaciones en este campo. A pesar de los altos niveles de precisión de estas técnicas, la estimación de datos de series temporales de velocidades y aceleraciones a partir de posiciones con la precisión requerida sigue siendo una tarea exigente. El núcleo del problema es filtrar los datos de trayectoria ruidosos para cada vehículo sin alterar la consistencia de los datos de pelotón; es decir, las velocidades y aceleraciones de los vehículos que siguen deben ser estimadas de manera que los espacios intervehiculares resultantes sean iguales a los reales. De lo contrario, también pueden ocurrir fácilmente espacios negativos. Esta tarea se logró en este estudio al considerar los vehículos de un pelotón como un único sistema dinámico y reducir varios problemas de estimación a uno solo consistente. Este proceso se llevó a cabo mediante un filtro de Kalman no estacionario que utilizó mediciones e información de error variable en el tiempo de dispositivos de Sistema de Posicionamiento Global diferencial. El filtro de Kalman se aplicó con éxito aquí a la estimación de la velocidad de todo el pelotón al incluir los espacios intervehiculares como mediciones adicionales (consideradas como mediciones de referencia). La solución cerrada de un problema de optimización que asegura la estricta observación de los verdaderos espacios intervehiculares concluye el proceso de estimación. La contraparte estacionaria del filtro concebido es adecuada para su aplicación a datos de posición, independientemente de la técnica de recolección de datos utilizada, por ejemplo, cámaras de video.