Un algorithme de prédiction de lheure darrivée de bus utilisant un système de localisation automatique.

Slides:



Advertisements
Présentations similaires
Reconstitution de l’état d’un micro drone par fusion de données
Advertisements

Corrélation Position du problème Définition covariance (X,Y) r =
Application au suivi des paramètres de problèmes de vision
Présentation de la société, des logiciels et des services
A. Cornuéjols IAA (basé sur Rob Schapires IJCAI99 talk) Combiner des apprenants: le boosting.
Structures de données et complexité
Risques d’erreur statistique et test statistique
D B C A commande optimale (critère quadratique) et filtrage de kalman
Nouvelles méthodes en filtrage particulaire Application au recalage de navigation inertielle par mesures radio-altimétriques K. DAHIA Doctorant.
Comparaison de plusieurs moyennes observées
Régression ou corrélation
Application de réseaux bayésiens à la détection de fumées polluantes
Les TESTS STATISTIQUES
3. Analyse et estimation du mouvement dans la vidéo
PROGRAMME : BTS CG.
Notions de variable aléatoire et de probabilité d’un événement
1 Intégration numérique garantie de systèmes décrits par des équations différentielles non-linéaires Application à l'estimation garantie d'état et de paramètres.
Estimation ellipsoïdale des paramètres dynamiques d'un robot
Régression -corrélation
Plus rapide chemin bicritère : un problème d’aménagement du territoire
Introduction à la programmation (420-PK2-SL) cours 15 Gestion des applications Technologie de linformation (LEA.BW)
Les fonctions Colegiul National “Mihai Eminescu”, Iasi -Définition
1 Statistiques Séance 5 – 9 Nov Résumé séance précédente Lécart-type σ ou s. Comment le calculer? Les propriétés numériques de la courbe normale.
                                        République Algérienne Démocratique et Populaire Ministère de l’Enseignement Supérieur et de la Recherche Scientifique.
Système coopératif pour l'aide à la conduite
Journée thématique du GDR IFS « Réduction de modèle en IFS » ENSAM – Jeudi 18 mai 2006 Validation de l’approche de la réduction a priori - POD sur l'équation.
Séminaire de lobjectif « forage et production » Beaune, les 26,27 et 28 Avril 2000 Outils danalyse statistiques « programmation par lexemple » S. Canu,
ALGORITHMIQUE en classe de seconde
Régression linéaire simple
DEA Perception et Traitement de l’Information
HAMM Flore HAXAIRE Cécile LISKA Claire MENDES Agnès
Méthodes de prévision (STT-3220)
Modélisation du robot Azimut-3
Prévisions météorologiques, projections climatiques : que peut- on prévoir et avec quelle fiabilité ? Exercice 2: estimation de la prévisibilité dans le.
La régression logistique
Prédiction multi-step de la volatilité : le modèle ARIMA-GARCH appliqué aux séries temporelles d’affaiblissement par la pluie sur les liaisons Terre-Satellite.
Optimisation-Identification et Cast3M
Robots footballeurs: Fusion de données
PIF-6003 Sujets spéciaux en informatique I
SUJETS SPÉCIAUX EN INFORMATIQUE I
Ordonnancement de tâches
La régression multiple
Filtrage de Kalman et aperçu probabiliste
Filtre de Kalman – Préliminaires (1)
Programmation linéaire en nombres entiers : les méthodes de troncature
Distributions de probabilité discrètes
Techniques de prévision quantitatives
Détection de contours automatique et application aux images réelles
Probabilités et Statistiques
Outils mathématiques pour le datamining
Howell Chap. 11: ANOVA. Du monde connu au monde inconnu Du test t à l’analyse de varianceDu test t à l’analyse de variance Trouvez des nouveaux noms pour.
Etude et test des algorithmes d'estimation de mouvement en MPEG
1 Alain Casali Christian Ernst Extraction de Règles de Corrélation Décisionnelles 29 Janvier 2009.
Présentation du marché obligataire
Séance 8 30 novembre 2005 N. Yamaguchi
Système de repérage par géo localisation YOME.ca.
UN ALGORITHME PERFORMANT DE CALCUL DES ERREURS DE FORME
20- Racine carrée Racine carré d’un nombre positif
Chapitre 3: Variables aléatoires réelles continues
Méthode des moindres carrés (1)
20/06/2015propagation de signatures lexicales dans le graphe du Web 1 Propagation de signatures lexicales dans le graphe du Web M. Bouklit M. Lafourcade.
Localisation d’un Robot Mobile
Chapitre 4 Variables aléatoires discrètes
1 Logiciels de confection automatique d’horaires.
STATISTIQUES.
Analyse des données. Plan Lien entre les statistiques et l’analyse des données Propagation des erreurs Ajustement de fonctions.
Observateurs et filtre de Kalman
1 Projet B7 et projet AB11 : convoi par vision de robots mobiles, navigation de robots mobiles Client :M Lounis ADOUANE (CUST) Tuteur industriel : M Philippe.
La factorisation Principe de la complétion du carré.
Transcription de la présentation:

Un algorithme de prédiction de lheure darrivée de bus utilisant un système de localisation automatique

Le but Prédire en temps réel l heure d arrivée du véhicule pendant son parcours.

Les contraintes Le flux de données peut être discontinu. L incertitude doit être estimée.

Principe général Repérage du véhicule Estimation du temps de parcours restant

Lalgorithme

Outil de reperage =U =y =x

Equations

Solution de Kalman En labsence de données mesurées

Solution de Kalman Lors de l'arrivée de données

Outil de prédiction Associer un temps restant à chaque position

Utilisation de données historiques

Traitement statistique On définit en chaque point une variable aléatoire représentant le temps restant. Chacune de ces variables a une répartition gaussienne. On calcule le temps restant avec la fonction obtenueOn calcule le temps restant avec la fonction obtenue

Tests de performance

Les erreurs à 15mn

Conclusion Une application à Seattle: mybus.org

Le filtre de Kalman

Principe Estimer l'état dune variable gouvernée par une équation du type: A laide dune valeur mesurée du type: w et v sont les parties aléatoires de distribution gaussienne

Resultat: Lalgorithme de Kalman fournit une estimation de x optimale au sens des moindres carrés.

Pour en savoir plus sur les filtres de Kalman er/kalman.html ex.html