Saya tidak benar-benar tahu apa yang mungkin, dan ingin pointer ke arah yang benar.
Saya memiliki pengukuran waktu dan posisi yang bisa apa saja dari orang yang berjalan, kendaraan di jalan, atau di tempat parkir, atau printer di kantor. Saya perlu menghitung waktu perjalanan untuk kendaraan antara dua titik. Mungkin mereka mengambil rute berkelok-kelok, atau bahkan butuh berhari-hari untuk beralih dari A ke B. Atau mereka mungkin seorang pejalan kaki, atau kendaraan dinas darurat.
Saya ingin perkiraan waktu perjalanan untuk kendaraan normal di sepanjang rute utama.
Deteksi adalah setiap kali seseorang cukup dekat ke detektor, yang memiliki radius tertentu. Terkadang ada beberapa deteksi, yang mungkin berarti jalan itu kosong dan waktu perjalanan akan baik, meskipun itu bisa menunjukkan jalan ditutup, dan waktu perjalanan akan mengerikan. Atau mungkin ada banyak deteksi yang menunjukkan lalu lintas tidak bergerak, dan itu bisa mengantri untuk mematikan jalan, tetapi kendaraan lain bepergian dengan kecepatan normal.
Plotnya terlihat seperti suara acak.
EDIT:
Saat ini saya sedang melihat dua metode:
- Gunakan rentang interkuartil untuk membuang pencilan
- Gunakan filter Kalman.
Saya pikir filter adalah cara yang salah untuk pergi karena saya tidak memiliki model untuk waktu perjalanan selain dari saat ke saat saya tidak berharap itu berubah banyak.
Jawaban:
Saya tidak tahu apakah bisa memberi Anda jawaban yang diharapkan, tetapi saya pikir beberapa pendekatan Bayesian akan baik dalam kasus ini.
Anda mungkin ingin melihat pada filter partikel daripada Kalman karena saya rasa mungkin ini merupakan masalah untuk mengatur model yang benar untuk filter Kalman dalam kasus ini. Jika Anda ingin menggunakan Kalman, ada beberapa jenis filter dan beberapa di antaranya memerlukan pengetahuan yang baik tentang kesalahan kovarian, yang dapat menyebabkan masalah, tetapi beberapa dapat menghitungnya dengan Mante Carlo. Lihatlah Filter Kalman tanpa wewangian.
Anda mungkin juga menyukai http://www.udacity.com/overview/Course/cs373/CourseRev/apr2012 karena menjelaskan beberapa dasar tentang estimasi untuk kendaraan yang bergerak dan mobil self-driving google. (dan itu dalam python).
Mungkin beberapa detail dalam pertanyaan Anda akan lebih bermanfaat dan Anda bisa mendapatkan jawaban yang lebih tepat.
sumber