[發明專利]一種基于改進同步擾動隨機逼近算法的交通仿真參數校正方法

有效

• 申請號: 202010417935.5
• 申請日: 2020-05-18
• 公開（公告）號: CN111695278B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 季彥婕;徐夢濛;劉攀;徐鋮鋮;李志斌
• 申請（專利權）人: 東南大學
• 主分類號: G06F30/23
• 分類號: G06F30/23
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 謝振龍

1.一種基于改進同步擾動隨機逼近算法的交通仿真參數校正方法，其特征在于，所述方法包括以下步驟：

(1)以易從仿真模型中直接獲取且便于在現場采集為原則，從交通運行效率和安全性兩個方面確定仿真模型的驗證指標，應用均值法去量綱后，賦予指標各自權重進行求和計算，以獲取綜合驗證指標；

(2)確定合理仿真次數，通過假設檢驗法進行默認參數的可行性分析；

(3)應用敏感性分析法，逐一篩選對驗證指標有顯著影響的參數，作為待校正參數；

(4)通過伯努利分布隨機生成n維同步擾動向量，在待校正參數基礎上產生兩組擾動參數值，將其帶入Vissim仿真軟件中運行，獲得兩組仿真輸出值，同時計算算法中未知梯度的逼近梯度ghat(x_k)；

(5)應用模糊控制理論，將每次迭代的結果偏差以及其變化率作為模糊控制器的輸入，輸出結果的變化量，以實時調整算法的常數項參數a_k；

(6)結合步驟(4)生成的未知梯度逼近梯度ghat(x_k)和步驟(5)生成的常數項參數a_k，更新校正參數；

(7)將更新的校正參數代入Vissim中，輸出結果平均值并消除指標量綱，判斷是否滿足迭代停止準則，若滿足所需精度，輸出參數校正結果；否則返回步驟(4)，重新計算同步擾動向量。

2.根據權利要求1所述的基于改進同步擾動隨機逼近算法的交通仿真參數校正方法，其特征在于，所述步驟(1)中應用均值法去量綱，保留原指標的變異信息，公式如下：

式中，x′為輸出驗證指標，x為原驗證指標，為指標平均值；

在消除評價指標的量綱之后，根據研究者不同的需求來確定指標各自權重，關系式如下：

F＝αF_效率+(1-α)F_安全

式中，F是權重求和函數，α是權重系數，F_效率是去量綱后的交通運行效率指標，F_安全是去量綱后的交通安全性指標。

3.根據權利要求1所述的基于改進同步擾動隨機逼近算法的交通仿真參數校正方法，其特征在于，所述步驟(2)中所需的樣本量數據根據樣本標準差確定：

式中，n為最小樣本量，S為樣本標準差，K為置信度，E為容許誤差值。

4.根據權利要求1所述的基于改進同步擾動隨機逼近算法的交通仿真參數校正方法，其特征在于，所述步驟(3)中的單因素敏感分析方法為：變動某一參數的同時固定其他要素不變，用統計學的方法解釋驗證指標受該因素影響的規律，若參數的微幅變動能導致驗證指標的大幅變化，則稱該因素為敏感性因素，反之則為非敏感性因素；根據分析結果，篩選出對驗證指標有顯著影響的敏感性因素，包括：平均停車間距、安全距離附加系數、安全距離倍數系數、最小車頭間距和安全距離折減系數。

5.根據權利要求1所述的基于改進同步擾動隨機逼近算法的交通仿真參數校正方法，其特征在于，所述步驟(4)中包含五個待校正參數，通過伯努利分布隨機生成五維同步擾動向量Δk：

式中，第i個分量記作Δk_i，i∈[1,5]；

在待校正參數基礎上產生兩組擾動參數值和將其帶入Vissim仿真軟件中運行，獲得兩組仿真輸出值和其中c代表擾動次數，一般取0.2，γ表示擾動步長，一般取0.101，k代表當前迭代次數；

未知梯度ghat(x_k)的逼近梯度計算方法為：