traffic op• 数据种类:signal → table
• 调用: import fullseye as fs; fs.ledger.ou_estimate(x, dt: 'float') -> 'Dict[str, float]'(要直接调用实现,import drivetraffic; drivetraffic.ou_estimate(x, dt: 'float') -> 'Dict[str, float]';从台账取用则 opsdrive.get("ou_estimate"))
从等间隔 dt 的观测序列读出横向摆动(均值 0 的 OU 过程 dX = −θX dt + σ dW)的参数。
精确离散化 x_{k+1} = φ x_k + ε_k(φ = e^{−θ dt},ε ~ N(0, q²),q² = σ²(1 − φ²)/(2θ))的条件最大似然:
φ̂ = Σ x_k x_{k+1} / Σ x_k², q̂² = mean((x_{k+1} − φ̂ x_k)²), θ̂ = −ln φ̂ / dt, σ̂ = q̂ sqrt(2θ̂ / (1 − φ̂²))
(因为使用 ln 而非 Euler 的 (1 − φ̂)/dt,即使 dt 粗糙也不会有偏差)。标准误差采用渐近公式:se(φ̂) = sqrt((1 − φ²)/n), se(q̂) = q/sqrt(2n),θ̂、σ̂ 用 delta 法。sigma_increment = sqrt(mean(Δx²)/dt) 是不使用 θ 的粗略估计(E[Δx²] = σ²(1 − φ)/θ,所以 θ dt → 0 时趋于 σ。在短时间内观察相关时间较长的序列时,它比位置的样本 SD 更稳定地读出 σ)。
返回 dict:theta, sigma, sd(平稳 SD σ/√(2θ))、phi, q, n(增量个数)、se_theta, se_sigma, sigma_increment。
Raises ValueError:不是 1-D、少于 3 个点、非有限,dt ≤ 0,φ̂ ∉ (0, 1)(在此 dt 下看起来不是均值回复过程)。
• 示例数据目录(下载 URL / 许可证) —— 2-D 用 skimage.data(BSD/公有领域)加合成图,3-D 给出真实数据源(Stanford/PDS 等)的下载 URL。
• 算子来历与参考文献 —— 该算子族所依据的研究/方法出处。
• 算法的正典(作者、年份)与用途见上面的族使用指南。
• poc_driving_traffic — py -3.11 examples/poc_driving_traffic.py
table 作为输入)course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same
traffic)idm_accel · idm_equilibrium_gap · idm_platoon_simulate · driver_style · lateral_wobble · social_force_step · pedestrian_crossing · occlusion_reveal_distance
*Provenance: drivetraffic.py — DRIVE 算子登记表。本条目由 tools/opdocs.py md 自动生成(请勿手工编辑)。*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.