推 west1996:請定義一下何謂「車輛分佈」及何謂「獨立」 07/13 15:47
→ KengiBon:車輛分布就是上面圖中的白點位置圖 如果向右或向左平移 07/13 18:21
→ KengiBon:則分布會是相同的 但一個向右一個向左 就會是不同的分布 07/13 18:22
→ KengiBon:但還是存在相依關係 但是時間夠久之後 車輛分布的情形會 07/13 18:27
→ KengiBon:呈現隨機的分布情形 也就是與最一開始的分布是獨立關係 07/13 18:31
→ KengiBon:獨立的定義 老實說只想到要與最一開始的分布不同即可 但 07/13 18:33
→ KengiBon:我是希望可以有一個統計的方法可以說他們這樣的位置分布 07/13 18:34
→ KengiBon:是呈現獨立的(也就是隨機的,與一開始的分布無相依情行的) 07/13 18:37
→ KengiBon:不知道這樣解釋會不會還是很模糊^^" 07/13 18:38
→ gsuper:這是時間數列的問題嗎? 07/13 19:53
推 lsshno1:cross correlation?? 07/14 00:10
→ KengiBon:似乎不太能用時間序列來解 因為一台車的座標就會形成一個 07/14 16:22
→ KengiBon:時間數列 而多台車就變成多個時間數列的問題了 而cross 07/14 16:27
→ KengiBon:correlation是用來求兩個時間數列的關係 所以也不能用了 07/14 16:28
→ KengiBon:那我這種某一時間點的數列 要跟另一時間點的數列相比 應 07/14 16:29
→ KengiBon:該用什麼方法呢? 07/14 16:29
→ gsuper:不然慢慢切割問題如何? 07/14 16:33
→ gsuper:先定義左向車與右向車 兩者在最開始就不應統合來看 07/14 16:34
→ gsuper:再來由於有方向性 所以先iteratively定義t時間第一台車 07/14 16:35
→ gsuper:與t+Δ秒的第一台車,計算兩者之Distance (公尺?) 07/14 16:35
→ gsuper:並嘗試把t+Δ秒第一台車忽略 改用第二台車來計算距離 07/14 16:36
→ gsuper:最後將各種Distance累積量最小值計算出來 07/14 16:37
→ gsuper:再模擬各種資料來觀察這個Distance累積量 07/14 16:37
→ gsuper:我想因為是順向 所以t時間n台車 t+Δt時間m台車 07/14 16:38
→ gsuper:選正值做多的那組來用比較合理 07/14 16:39
→ gsuper:若這樣做還必須自行定義多少Distance以下為有關 07/14 16:40
→ gsuper:簡單來講就是你必須一直Assume很多東西,然後再一直推論下去 07/14 16:40
→ KengiBon:謝謝你的建議 簡單來說 如果我將第t秒的各車與前車的距離 07/15 10:08
→ KengiBon:當作第t秒的數列 再比較第t+Δ秒的車距數列 就可以同時考 07/15 10:10
→ KengiBon:慮兩個車道了 只是 你是說我要定義一個標準的車距嗎? 07/15 10:11
→ KengiBon:那如果訂出來後 要怎麼說他們一定沒有相依關係呢? 還是說 07/15 10:12
→ KengiBon:可以有甚麼方法直接證實這兩個車距數列是沒有相依關係的? 07/15 10:13