ou_estimate — DRIVE `traffic` op

• Datenarten: signal → table

• Aufruf: import fullseye as fs; fs.ledger.ou_estimate(x, dt: 'float') -> 'Dict[str, float]' (die Implementierung direkt: import drivetraffic; drivetraffic.ou_estimate(x, dt: 'float') -> 'Dict[str, float]'; aus dem Register: opsdrive.get("ou_estimate"))

Verwendung

Bestimmt die Parameter des seitlichen Pendelns (OU-Prozess mit Mittelwert 0 dX = −θX dt + σ dW) aus einer Beobachtungsfolge mit gleichem Abstand dt.

Bedingte Maximum-Likelihood für die exakte Diskretisierung x_{k+1} = φ x_k + ε_k (φ = e^{−θ dt}, ε ~ N(0, q²), q² = σ²(1 − φ²)/(2θ)):

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))

(Da ln statt Eulers (1 − φ̂)/dt verwendet wird, entsteht auch bei grobem dt keine Verzerrung.) Standardfehler nach asymptotischen Formeln: se(φ̂) = sqrt((1 − φ²)/n), se(q̂) = q/sqrt(2n), für θ̂ und σ̂ die Delta-Methode. sigma_increment = sqrt(mean(Δx²)/dt) ist eine grobe Schätzung ohne θ (E[Δx²] = σ²(1 − φ)/θ, also σ für θ dt → 0. Wird eine Reihe mit langer Korrelationszeit nur kurz betrachtet, liest sie σ stabiler als die Stichproben-SD der Positionen).

Rückgabe-dict: theta, sigma, sd (stationäre SD σ/√(2θ)), phi, q, n (Anzahl der Inkremente), se_theta, se_sigma, sigma_increment.

Raises ValueError: nicht 1-D, weniger als 3 Punkte, nicht endlich; dt ≤ 0; φ̂ ∉ (0, 1) (bei diesem dt sieht es nicht nach einem zum Mittel zurückkehrenden Prozess aus).

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_driving_traffic — py -3.11 examples/poc_driving_traffic.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same

Gleiche Kategorie (`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 Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

ou_estimate — DRIVE traffic op