[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

本發明提出了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，包括以下步驟：獲取仿真模型的綜合評價驗證指標；確定合理仿真次數，進行默認參數的可行性分析；應用敏感性分析法，篩選待校正參數；生成同步擾動參數值，輸出相應仿真值，計算未知梯度的逼近梯度；應用模糊控制理論，實時調整算法的常數項參數；更新校正參數；重新輸出校正參數下的仿真輸出值，判斷是否滿足迭代停止準則。本方法在同步擾動隨機逼近算法的基礎上，應用模糊控制理論，可實時調整算法中的常數項參數，提高算法的收斂速度。

技術領域

本發明屬于交通規劃中的交通仿真領域，具體涉及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。

背景技術

交通仿真參數的校正是指通過調整單個或多個校正參數，使仿真模型輸出的驗證指標落于實測指標允許的誤差范圍內。然而參數選擇的組合數量龐大，為了得到適用于實際情況的參數組合，必須尋求一種高效、準確的尋優算法。常用的參數校正方法有正交實驗法、遺傳算法、同步擾動隨機梯度逼近算法等。各算法在應用時各有優缺點，正交實驗法可通過較少的實驗次數獲得比較滿意的結果，但是該法只適用于特定的參數組合，其輸出結果較模糊；遺傳算法是一種智能、高效的自動尋優算法，其全局搜索能力強，然而局部搜索能力較差，導致收斂速度較低；而同步擾動隨機逼近算法(SPSA算法)在求解維數較高或規模較大的隨機系統優化問題中更能體現其優越性。

SPSA算法是Spall于1987年在Kiefer-Wolforwitz隨機逼近算法(K-W算法)的基礎上提出的，該算法通過計算目標函數的近似梯度來逐漸逼近最優解，在計算過程中，每次梯度逼近僅估計兩個目標函數值，與優化問題的維數無關，故該算法在求解維數較高或規模較大的隨機系統優化問題中更能體現其優越性。然而SPSA算法并沒有提出常數項參數的選擇原則，研究者只能通過大量的實驗確定合適的參數，這給算法的實際應用帶來了困難。

發明內容

本發明目的是針對現有算法的不足，提供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，在同步擾動隨機逼近算法的基礎上，應用模糊控制理論，可實時調整算法中的常數項參數，提高算法的收斂速度。

為達到上述目的，本發明采用的方法是：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，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；否則返回步驟四，重新計算同步擾動向量。

優選地，所述步驟1中應用均值法去量綱，可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；