[發(fā)明專利]一種微觀交通仿真軟件的底層模型參數(shù)校正方法

有效

• 申請?zhí)枺?/td>: 201410570621.3
• 申請日: 2014-10-23
• 公開（公告）號: CN104298540B
• 公開（公告）日: 2017-11-07
• 發(fā)明（設計）人: 王紹楠;王慧
• 申請（專利權）人: 浙江大學
• 主分類號: G06F9/455
• 分類號: G06F9/455
• 代理公司: 杭州求是專利事務所有限公司33200
• 代理人: 杜軍

1.一種微觀交通仿真軟件的底層模型參數(shù)校正方法，其特征在于該方法包括以下步驟：

步驟(1).對待測實地區(qū)域采集交通對象不可控參數(shù)：

所述的交通對象不可控參數(shù)是指在待測實地區(qū)域的交通環(huán)境參數(shù)，其包括交通路網(wǎng)結構參數(shù)、機動車參數(shù)、交通行為曲線、車流量參數(shù)；

所述的交通路網(wǎng)結構參數(shù)包括每個路段長度、交叉口渠化、車道數(shù)、車道連接情況、信號燈配時方案；

所述的機動車參數(shù)包括車輛平均長度、車輛平均寬度、車輛平均最大加速度；

所述的交通行為曲線包括車輛速度-流量曲線；

所述的車流量參數(shù)包括路網(wǎng)交叉口所有進口的左轉、直行、右轉的車流量，單位為veh/h；

步驟(2).對待測實地區(qū)域采集真實指標數(shù)據(jù)Λ_r：

所述的真實指標數(shù)據(jù)為車輛行程時間、車輛平均速度、道路車輛占有率中的一種，采用以下計算方法獲得真實指標數(shù)據(jù)Λ_r；

設定在相距L的兩地A、B的錄像中共有n輛車的記錄，若第j車道某車輛i進入A地的時間點為離開B地的時間點為則由A→B的n輛車平均行程時間為

Cr1=1nΣi(tbi-tai)---(1)]]>

同理可測得B→A的n輛車平均行程時間C_r2；

由A→B的n輛車平均速度為

Vr1=LnΣi1(tbi-tai)---(2)]]>

同理可測得B→A的n輛車平均速度V_r2；

在觀測時間段T內若車輛i通過環(huán)形線圈方波寬度為t_ij，則該時間段內，車輛i的道路車輛占有率為：

σri=Σi=1ntijT---(3)]]>

步驟(3).微觀交通仿真路網(wǎng)的搭建：

根據(jù)步驟(1)收集的交通對象不可控參數(shù)在現(xiàn)有微觀交通仿真軟件建立路網(wǎng)；

步驟(4).待校正參數(shù)范圍確定

所述的待校正參數(shù)為現(xiàn)有微觀交通仿真軟件中可控的參數(shù)，而且這些參數(shù)能夠直接或是間接地影響路網(wǎng)的整體通行能力，包括車輛期望速度Desired Speed Distribution、車輛變道距離Lane-change Distance、車輛魯莽變道率Imprudent Lane Changing、車輛最大讓行時間Maximum waiting time、車輛最小車頭距離Minimum Headway、車輛超車率Percentage Overtake、車輛恢復率Percentage Recover；針對不同的現(xiàn)有微觀交通仿真軟件，選擇可以手動設置的N個底層模型參數(shù)作為待校正參數(shù)；

所述的車輛期望速度是指在沒有其他車輛的影響下，駕駛員期望機動車行駛的速度；

所述的車輛變道距離是指車輛開始變道至期望車道的安全距離；

所述的車輛魯莽變道率是指車輛在小于車輛變道距離時變道的概率；

所述的車輛最大讓行時間是指車輛能夠等待其他車輛先通行的最大時間；

所述的車輛最小車頭距離是指相鄰兩行駛車輛的車頭最小距離；

當引領車輛的速度低于跟隨車輛期望速度的某個百分比時，跟隨車輛將決定超車，該百分比即為所述的車輛超車率；

當引領車輛的速度高于跟隨車輛期望速度的某個百分比時，跟隨車輛將決定變道至最右邊車速最小的車道，該百分比即為所述的車輛恢復率；

在理解待校正參數(shù)的物理意義的基礎上，結合待校正參數(shù)的量綱和常識經(jīng)驗，人為確定參數(shù)的范圍；若是步驟(8)或步驟(9)返回至該步驟時，調整參數(shù)的范圍向外擴展區(qū)間長度的2η％；

步驟(5).仿真參數(shù)方案集確定：

采用拉丁超立方抽樣Latin hypercube從步驟(4)每個待校正參數(shù)中抽樣選取k個仿真參數(shù)方案的集合P_s；

步驟(6).對上述步驟(5)集合P_s中k個仿真參數(shù)方案進行逐個仿真，計算得到仿真指標數(shù)據(jù)Λ_s；

在現(xiàn)有微觀交通仿真軟件中手動設定仿真參數(shù)方案集P_s中每一個參數(shù)方案其中x_i為第i個待校正參數(shù)值，p_j為由N個待校正參數(shù)值組成一種參數(shù)方案；并且選取不同的仿真種子進行M次仿真；通過觀察現(xiàn)有微觀交通仿真軟件路網(wǎng)上兩地A’、B’得到與真實指標數(shù)據(jù)Λ_r相對應的仿真指標數(shù)據(jù)Λ_s；

步驟(7).仿真指標數(shù)據(jù)Λ_s線性回歸：

將步驟(6)得到的仿真指標數(shù)據(jù)Λ_s與步驟(5)得到的仿真參數(shù)方案集P_s對應的參數(shù)方案進行線性回歸，獲得回歸系數(shù)通過得到的擬合系數(shù)估計指標數(shù)據(jù)

其中

步驟(8).仿真參數(shù)方案集篩選：

對步驟(5)得到的仿真參數(shù)方案集P_s進行篩選，若經(jīng)過篩選后方案個數(shù)不足K個，則全部納入最優(yōu)參數(shù)方案集P^*；若經(jīng)過篩選后方案個數(shù)為0，則跳回至步驟(4)，重新調整待校正參數(shù)范圍；

步驟(9).最優(yōu)參數(shù)方案集回歸仿真并驗證：

對步驟(8)最優(yōu)參數(shù)方案集P^*每一個方案進行回歸仿真，依據(jù)仿真動畫、以及與步驟(1)交通不可控參數(shù)比較驗證，得到最優(yōu)仿真參數(shù)方案p^*；若驗證不通過，跳回至步驟(4)，重新調整待校正參數(shù)集的范圍。