CN103761138A - 一种交通仿真软件的参数校正方法 - Google Patents
一种交通仿真软件的参数校正方法 Download PDFInfo
- Publication number
- CN103761138A CN103761138A CN201410019829.6A CN201410019829A CN103761138A CN 103761138 A CN103761138 A CN 103761138A CN 201410019829 A CN201410019829 A CN 201410019829A CN 103761138 A CN103761138 A CN 103761138A
- Authority
- CN
- China
- Prior art keywords
- parameter
- value
- simulation
- chromosome
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012937 correction Methods 0.000 title claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 62
- 230000002068 genetic effect Effects 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 238000002922 simulated annealing Methods 0.000 claims abstract description 21
- 210000000349 chromosome Anatomy 0.000 claims description 60
- 230000006978 adaptation Effects 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 230000001915 proofreading effect Effects 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 4
- 230000035484 reaction time Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000000137 annealing Methods 0.000 claims description 3
- 230000002759 chromosomal effect Effects 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 238000009396 hybridization Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000009828 non-uniform distribution Methods 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000010206 sensitivity analysis Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 230000035945 sensitivity Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 26
- 238000013461 design Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种交通仿真软件的参数校正方法,属于参数校正技术领域;在仿真软件中进行参数校正,根据实际的道路条件运用paramics搭建仿真路网,输入实测的行程时间和流量及各自范围作为校正的依据,仿真软件自动调用程序,计算初始评价仿仿真次数,并进行仿真,确定该仿真软件是否需要参数的校正,若需要校正,程序通过对仿真模型参数敏感性分析,选取影响显著的参数进行校正,利用遗传模拟退火算法搜索出参数最优组合,自动调用Modeller模块运行仿真,仿真后统计数据并与实测数据进行对比,若误差不满足要求,自动调整参数后再次仿真,直至误差达到要求,输出优化后的参数值,仿真效果更贴近实际,得出的结果更具应用和现实意义。
Description
技术领域
本发明涉及一种交通仿真软件的参数校正方法,属于参数校正技术领域。
背景技术
随着社会经济的发展,小汽车交通量尤其是私家车交通量迅速增加,交通需求随着机动车交通量迅速增加而增长,而城市道路及交通设施的建设不能无限制的满足小汽车大幅度增长的需求,不管是大城市还是中小城市,交通供需矛盾尖锐化,交通拥堵日益严重。交通运行效率低效、交通安全事故频发、汽车尾气污染等一系列交通问题已成为市民关注的问题甚至成为制约城市发展的重要因素。为缓减城市交通拥堵及提高交通***使用效率,提出相应的交通改善及管控方案,而交通***是个复杂的***,影响因素多,作用范围广,很难用理论知识验证方案的有效性、可靠性及可行性,交通环境的改建扩建、交通管理与控制方案的实施,其作用范围广、实施周期长、投资大、且不易比较所选方案的优劣。交通仿真能够真实模拟与再现交通状况,分析和评价各类交通***,通过仿真输出的数据结果得以进行方案的比选。
交通仿真模型的参数标定是任何一个交通仿真***能否成功的基础,交通仿真模型只有在经过有效的标定之后,才可以用于对各种实际交通运行方案的测试,其预测结果才是可信的,目前应用较为广泛的交通仿真软件大多是引进国外的软件来进行国内交通流运行状况的评价研究,其仿真模型是针对国外交通流特性而开发的交通仿真软件,而我国的交通特性与国外相比,无论在道路环境、车辆性能还是驾驶员行为方面均存在一定的差异;因此在进行交通仿真之前,需要针对路网的实际交通调查结果,所使用的仿真模型的相关参数进行校正,搜索出一组更优的参数组合。
其目的是使其仿真输出结果与校核指标的实际观测结果的差异达到设定的阈值(一般为最小值或零),从而提高仿真模型的精度,使仿真结果更真实、更准确,使微观交通模型更好的反映我国道路的交通特性,并能最大程度的反映现实交通运行状况,为交通组织方案设计提供量化数据,为交通管理措施的提供决策依据。
发明内容
为了克服采用默认参数值进行交通仿真无法准确的模拟交通流状况的不足,本发明提供了交通仿真软件的参数校正方法:具体包括以下具体步骤:
(1)初始评价
① 选择实测的行程时间和速度作为评价指标;
② 路网建模:对研究区域的路网结构、路幅宽度、交叉口与路段渠化进行调查搭建仿真路网,调查交叉口与路段流向、路段行车速度、交通方式组成、交通管理与控制方式作为交通仿真输入数据;
③ 目标函数目标阀值的确定,缺省值条件仿真10次,进行初始仿真评价,通过目标函数(1)来判断仿真软件模型是否需要参数的标定研究;
若目标阀值F≤0.2,则说仿真评价结果与实测值误差小,不需要对仿真软件***参数重新标定;
若目标阀值F>0.2则需要对该仿真软件***参数进行重新标定;
(2)参数标定阶段
① 待标定参数的选取
采用参数敏感性分析的方法选取所需要重新标定的参数, 其中所述参数及其取值范围为:平均车头时距为0.3-2.6,其默认值为1.0s;平均反应时间为0.3-2.4,其默认值为1.0s;速度记录为3-8,其默认值为2;仿真步长为2-5,其默认值为3;速度曲线因子为1.0-5.0,其默认值为1.0;冒险性分布为1-4;警惕性分布为1-4;包括以下步骤:
B、 选取一个固定的仿真种子,取任意数值,保证其他参数不变的情况下,改变一个参数的值,分别在取值范围内取最大值与最小值进行仿真,记录下取最大值时与取最小值时输出的交通量变化与平均速度的变化,基于对以上八个参数的选取,同样的过程取不同的模型参数值进行仿真分析结果……,……;
② 遗传模拟退火算法模型对参数进行校正,具体步骤如下:
A 、编码:采用实数编码表达染色体X,可表示为,平均车头时距∈(0.3、0.4……2.5、2.6);平均反映时间∈(0.3、0.4……2.3、2.4);速度曲线因子∈(3、4……7、8),仿真步长∈(2、3、4、5),速度曲线因子∈(1.0、1.1……4.9、5.0)
其中,空间解取值范围如下所示:平均车头时距取值范围(0.3、0.4……2.5、2.6),平均反映时间取值范围(0.3、0.4……2.3、2.4),速度记录取值范围(3、4……7、8),仿真步长取值范围(2、3、4、5),速度曲线因子取值范围(1.0、1.1……4.9、5.0);,为初始群体目标函数值的平均适应值;,包含20个个体,即20个染色体,为待标定参数;
C、 终止条件的建立
③ 建立目标函数与适应度函数
选取不同的仿真种子进行仿真5次,对输出的结果进行评价, 如果满足终止条校正结束,如果不满足终止条件,通过选择、交叉、变异操作计算适应度函数值;
目标函数的表达式如下:
适应度函数表达式如公式(3)所示:
通过上式计算出适应度函数计算适配值,是否满足终止条件,若满足终止条件校正结束,若不满足终止条件转入模拟退火选择操步骤;
④ 模拟退火选择操作
公式(4)中的表达式如公式(5)所示:
式中:
⑤ 交叉
⑥ 变异
⑦ 结束
将经过选择、交叉、变异后得到的参数输入到仿真软件进行模拟仿真,若同时满足,达到最大的遗传代数两个条件,结束校正,若不满足,对新群体进行降温运算后,回到步骤②用遗传模拟退火算法模型对参数再次进行校正,直到满足终止条件;
(3)参数标定结果模型输出评价分析
通过步骤(2)的参数标定阶段,选择出最优的参数组合,将其作为仿真模型的参数输入,对路网进行模拟,若满足评价指标的计算公式(9)结束参数的标定,若不满足返回到遗传模拟退火算法的参数标定阶段,重新进行参数的标定,直到满足公式(9),公式(9)的表达如下所示:
本发明的有益效果为:
(1)本发明提供了一种仿真***参数校正方法,实现交通仿真***参数参数校正一体化、自动化,减轻了工作人员的工作量;
(2)将相关参数修正后,仿真效果更贴近实际,得出的结果更具应用和现实意义。
附图说明
图1是paramics仿真软件***参数校正流程设计示意图;
图2是遗传模拟退火算法参数最优组合搜索设计示意图;
图3是参数校正界面图流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明,但本发明保护范围不局限于所述内容:
实施例1
本实施例所述交通仿真软件的参数校正方法,选取昆明市一二一、学府路为主的城市干道为研究区域进行参数标定分析研究,对本发明所提出参数校正流程及参数最优组合搜索算法的合理性及实用性进行实例应用,并对校正结果进行验证分析,具体步骤如下:
(1)初始评价阶段
① 选择实测的行程时间和速度作为评价指标;
② 路网建模:对研究区域的路网结构、路幅宽度、交叉口与路段渠化进行调查,运用paramics仿真软件搭建仿真路网,调查交叉口与路段流向、路段行车速度、交通方式组成、交通管理与控制方式作为交通仿真输入数据;
③ 目标函数目标阀值的确定,缺省值条件仿真10次,进行初始仿真评价,通过目标函数(1)来判断仿真软件模型是否需要参数的标定研究;
表1 一二一大街仿真结果统计表
表2 学府路仿真结果统计表
选用相对误差绝对值对仿真输出结果进行分析,目标阀值F>0.2,因此需要对模型进行参数校正研究;
2、参数校正阶段
(1)所需标定数的选取
在对paramics中的驾驶员行为模型进行分析后,选择对影响驾驶员行为的模型参数作为初始校正参数,其中所述参数及其取值范围为:平均车头时距为0.3-2.6,其默认值为1.0s;平均反应时间为0.3-2.4,其默认值为1.0s;速度记录为3-8,其默认值为2;仿真步长为2-5,其默认值为3;速度曲线因子为1.0-5.0,其默认值为1.0;冒险性分布为1-4;警惕性分布为1-4;包括以下步骤:
表3 初始仿真路网运行状态数据分析表
B、 选取一个固定的仿真种子,取任意数值,保证其他参数不变的情况下,改变一个参数的值,分别在取值范围内取最大值与最小值进行仿真,记录下取最大值时与取最小值时输出的交通量变化与平均速度的变化,基于对以上八个参数的选取,同样的过程取不同的模型参数值进行仿真分析结果……,……;
表4 驾驶员驾驶行为参数影响因素分析
将每个参数改变后的分析结果与上表4中默认值进行对比分析,如下表中所示:
表5 参数变动范围对比分析表
基于以上对模型参数值的敏感性分析,用遗传模拟退火算法模型对平均车头时距、平均反映时间、速度曲线因子、仿真步长、速度记录5个参数进行校正,具体步骤如下:
A 、编码:采用实数编码表达染色体X,可表示为,平均车头时距∈(0.3、0.4……2.5、2.6);平均反映时间∈(0.3、0.4……2.3、2.4);速度曲线因子∈(3、4……7、8),仿真步长∈(2、3、4、5),速度曲线因子∈(1.0、1.1……4.9、5.0)
其中,空间解取值范围如下所示:平均车头时距取值范围(0.3、0.4……2.5、2.6),平均反映时间取值范围(0.3、0.4……2.3、2.4),速度记录取值范围(3、4……7、8),仿真步长取值范围(2、3、4、5),速度曲线因子取值范围(1.0、1.1……4.9、5.0);,为初始群体目标函数值的平均适应值;,包含20个个体,即20个染色体,为待标定参数;
C、 终止条件的建立
③ 建立目标函数与适应度函数
选取不同的仿真种子进行仿真5次,对输出的结果进行评价, 如果满足终止条校正结束,如果不满足终止条件,通过选择、交叉、变异操作计算适应度函数值;
目标函数的表达式如下:
适应度函数表达式如公式(3)所示:
通过上式计算出适应度函数计算适配值,是否满足终止条件,若满足终止条件校正结束,若不满足终止条件转入模拟退火选择操步骤;
④ 模拟退火选择操作
式中:
⑤ 交叉
(7)
⑥ 变异
上式中,随机地变化,如下两种可能:
⑦ 结束
将经过选择、交叉、变异后得到的参数输入到仿真软件进行模拟仿真,若同时满足,达到最大的遗传代数两个条件,结束校正,若不满足,对新群体进行降温运算后,回到步骤②用遗传模拟退火算法模型对参数再次进行校正,直到满足终止条件;
(3)参数标定结果模型输出评价分析
通过步骤(2)的参数标定阶段,选择出最优的参数组合,将其作为仿真模型的参数输入,对路网进行模拟,若满足评价指标的计算公式(9)结束参数的标定,若不满足返回到遗传模拟退火算法的参数标定阶段,重新进行参数的标定,直到满足公式(9),公式(9)的表达如下所示:
≤0.2 (9)
用C语言进行算法的编程,植入paramics仿真***中对其进行二次开发,与仿真***结合,完成参数标定,与参数最优组合的算法结合,反复迭代仿真,最终需找出与实际道路交通状况相符合的仿真模型参数组合;
最终求得最优参数组合为:平均目标车头时距为校正结果为平均目标车头时距为0.52s,平均反应时间为0.62s,仿真步长为4,速度曲线因子:0.95,速度记录为5;
将最终参数组合输入仿真***中作为再次仿真的模型参数,对一二一大街与学府路及相关道路交通进行仿真,评价结果如下表所示:
表6 一二一大街(小菜园立交-西站立交)各路段校正结果对比
表7 学府路(昆沙路-小菜园立交)各路段校正结果对比
通过遗传模拟退火算法进行最优参数组合搜索,校正结果的相对误差绝对值均在20%以内基本满足对驾驶员行为参数校正的精度要求,说明该参数校正设计的流程与参数校正算法的有效性与可行性。
Claims (1)
1.一种交通仿真软件的参数校正方法,其特征在于,包括如下步骤:
(1)初始评价
① 选择实测的行程时间和速度作为评价指标;
② 路网建模:对研究区域的路网结构、路幅宽度、交叉口与路段渠化进行调查搭建仿真路网,调查交叉口与路段流向、路段行车速度、交通方式组成、交通管理与控制方式作为交通仿真输入数据;
③ 目标函数目标阀值的确定,缺省值条件仿真10次,进行初始仿真评价,通过目标函数(1)来判断仿真软件模型是否需要参数的标定研究;
若目标阀值F≤0.2,则说仿真评价结果与实测值误差小,不需要对仿真软件***参数重新标定;
若目标阀值F>0.2则需要对该仿真软件***参数进行重新标定;
(2)参数标定阶段
① 待标定参数的选取
采用参数敏感性分析的方法选取所需要重新标定的参数, 其中所述参数及其取值范围为:平均车头时距为0.3-2.6,其默认值为1.0s;平均反应时间为0.3-2.4,其默认值为1.0s;速度记录为3-8,其默认值为2;仿真步长为2-5,其默认值为3;速度曲线因子为1.0-5.0,其默认值为1.0;冒险性分布为1-4;警惕性分布为1-4;包括以下步骤:
B、 选取一个固定的仿真种子,取任意数值,保证其他参数不变的情况下,改变一个参数的值,分别在取值范围内取最大值与最小值进行仿真,记录下取最大值时与取最小值时输出的交通量变化与平均速度的变化,基于对以上八个参数的选取,同样的过程取不同的模型参数值进行仿真分析结果……,……;
② 遗传模拟退火算法模型对参数进行校正,具体步骤如下:
A 、编码:采用实数编码表达染色体X,可表示为,平均车头时距∈(0.3、0.4……2.5、2.6);平均反映时间∈(0.3、0.4……2.3、2.4);速度曲线因子∈(3、4……7、8),仿真步长∈(2、3、4、5),速度曲线因子∈(1.0、1.1……4.9、5.0)
其中,空间解取值范围如下所示:平均车头时距取值范围(0.3、0.4……2.5、2.6),平均反映时间取值范围(0.3、0.4……2.3、2.4),速度记录取值范围(3、4……7、8),仿真步长取值范围(2、3、4、5),速度曲线因子取值范围(1.0、1.1……4.9、5.0);,为初始群体目标函数值的平均适应值;,包含20个个体,即20个染色体,为待标定参数;
C、 终止条件的建立
③ 建立目标函数与适应度函数
选取不同的仿真种子进行仿真5次,对输出的结果进行评价, 如果满足终止条校正结束,如果不满足终止条件,通过选择、交叉、变异操作计算适应度函数值;
目标函数的表达式如下:
适应度函数表达式如公式(3)所示:
通过上式计算出适应度函数计算适配值,是否满足终止条件,若满足终止条件校正结束,若不满足终止条件转入模拟退火选择操步骤;
④ 模拟退火选择操作
(4)
式中:
⑤ 交叉
(7)
⑥ 变异
⑦ 结束
将经过选择、交叉、变异后得到的参数输入到仿真软件进行模拟仿真,若同时满足,达到最大的遗传代数两个条件,结束校正,若不满足,对新群体进行降温运算后,回到步骤②用遗传模拟退火算法模型对参数再次进行校正,直到满足终止条件;
(3)参数标定结果模型输出评价分析
通过步骤(2)的参数标定阶段,选择出最优的参数组合,将其作为仿真模型的参数输入,对路网进行模拟,若满足评价指标的计算公式(9)结束参数的标定,若不满足返回到遗传模拟退火算法的参数标定阶段,重新进行参数的标定,直到满足公式(9),公式(9)的表达如下所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410019829.6A CN103761138B (zh) | 2014-01-16 | 2014-01-16 | 一种交通仿真软件的参数校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410019829.6A CN103761138B (zh) | 2014-01-16 | 2014-01-16 | 一种交通仿真软件的参数校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103761138A true CN103761138A (zh) | 2014-04-30 |
CN103761138B CN103761138B (zh) | 2017-01-18 |
Family
ID=50528382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410019829.6A Expired - Fee Related CN103761138B (zh) | 2014-01-16 | 2014-01-16 | 一种交通仿真软件的参数校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103761138B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298540A (zh) * | 2014-10-23 | 2015-01-21 | 浙江大学 | 一种微观交通仿真软件的底层模型参数校正方法 |
CN104850684A (zh) * | 2015-04-17 | 2015-08-19 | 江苏物联网研究发展中心 | 针对vissim的路网参数校正方法 |
CN105513357A (zh) * | 2015-12-30 | 2016-04-20 | 银江股份有限公司 | 一种基于微波数据的交通流基本图参数标定方法 |
CN105654415A (zh) * | 2016-01-21 | 2016-06-08 | 浙江大学 | 一种面向交通管理者的路网通行效率变化率计算方法 |
CN105808372A (zh) * | 2016-03-04 | 2016-07-27 | 大唐微电子技术有限公司 | 一种***初始指标数据配置方法和装置 |
CN106326005A (zh) * | 2016-01-21 | 2017-01-11 | 华南师范大学 | 一种迭代型MapReduce作业的参数自动调优方法 |
CN109446665A (zh) * | 2018-10-31 | 2019-03-08 | 中国科学院电子学研究所 | 一种非线性调频信号优化方法及装置、存储介质 |
CN110147267A (zh) * | 2019-05-14 | 2019-08-20 | 东华大学 | 仿真软件中嵌入式***不同参数运行效果对比*** |
CN110807238A (zh) * | 2019-08-26 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 一种仿真模型校准方法及相关设备 |
CN111695278A (zh) * | 2020-05-18 | 2020-09-22 | 东南大学 | 一种基于改进同步扰动随机逼近算法的交通仿真参数校正方法 |
CN112084568A (zh) * | 2020-10-10 | 2020-12-15 | 东南大学 | 一种基于混合遗传模拟退火算法的商业建筑能效优化方法 |
CN112262397A (zh) * | 2018-06-05 | 2021-01-22 | 三菱电机株式会社 | 最优化***和最优化方法 |
CN113223293A (zh) * | 2021-05-06 | 2021-08-06 | 杭州海康威视数字技术股份有限公司 | 路网仿真模型的构建方法、装置及电子设备 |
CN115495854A (zh) * | 2022-11-21 | 2022-12-20 | 苏州数算软云科技有限公司 | 计算机辅助工程模型的参数标定方法、装置、设备及介质 |
WO2023058178A1 (ja) * | 2021-10-06 | 2023-04-13 | 日本電信電話株式会社 | シミュレーション装置、シミュレーション方法およびシミュレーションプログラム |
CN116258089A (zh) * | 2023-05-15 | 2023-06-13 | 中汽研新能源汽车检验中心(天津)有限公司 | 基于敏感性与遗传分析的燃料电池仿真优化方法和*** |
CN117290965A (zh) * | 2023-11-22 | 2023-12-26 | 中汽研汽车检验中心(广州)有限公司 | 车辆仿真软件的车辆模型仿真试验仿真方法、设备及介质 |
CN117422005A (zh) * | 2023-12-19 | 2024-01-19 | 杭州四维映射软件有限公司 | 一种模拟电路仿真误差自动控制的方法及应用 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477581A (zh) * | 2008-12-19 | 2009-07-08 | 上海理工大学 | 多智能体区域道路交叉口信号集成控制仿真*** |
CN101866550A (zh) * | 2009-04-14 | 2010-10-20 | 北京宏德信智源信息技术有限公司 | 基于服务水平的道路交通仿真技术方法 |
CN102521438A (zh) * | 2011-12-02 | 2012-06-27 | 东南大学 | 交通冲突仿真两阶段参数标定方法 |
-
2014
- 2014-01-16 CN CN201410019829.6A patent/CN103761138B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477581A (zh) * | 2008-12-19 | 2009-07-08 | 上海理工大学 | 多智能体区域道路交叉口信号集成控制仿真*** |
CN101866550A (zh) * | 2009-04-14 | 2010-10-20 | 北京宏德信智源信息技术有限公司 | 基于服务水平的道路交通仿真技术方法 |
CN102521438A (zh) * | 2011-12-02 | 2012-06-27 | 东南大学 | 交通冲突仿真两阶段参数标定方法 |
Non-Patent Citations (2)
Title |
---|
成卫 等: ""基于Q-paramics的微观交通仿真模型参数校正"", 《***工程》 * |
罗莉华 等: ""微观交通仿真模型的全微观参数校正"", 《***仿真学报》 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298540B (zh) * | 2014-10-23 | 2017-11-07 | 浙江大学 | 一种微观交通仿真软件的底层模型参数校正方法 |
CN104298540A (zh) * | 2014-10-23 | 2015-01-21 | 浙江大学 | 一种微观交通仿真软件的底层模型参数校正方法 |
CN104850684A (zh) * | 2015-04-17 | 2015-08-19 | 江苏物联网研究发展中心 | 针对vissim的路网参数校正方法 |
CN105513357A (zh) * | 2015-12-30 | 2016-04-20 | 银江股份有限公司 | 一种基于微波数据的交通流基本图参数标定方法 |
CN105513357B (zh) * | 2015-12-30 | 2017-11-03 | 银江股份有限公司 | 一种基于微波数据的交通流基本图参数标定方法 |
CN106326005B (zh) * | 2016-01-21 | 2019-12-17 | 华南师范大学 | 一种迭代型MapReduce作业的参数自动调优方法 |
CN105654415A (zh) * | 2016-01-21 | 2016-06-08 | 浙江大学 | 一种面向交通管理者的路网通行效率变化率计算方法 |
CN106326005A (zh) * | 2016-01-21 | 2017-01-11 | 华南师范大学 | 一种迭代型MapReduce作业的参数自动调优方法 |
CN105808372A (zh) * | 2016-03-04 | 2016-07-27 | 大唐微电子技术有限公司 | 一种***初始指标数据配置方法和装置 |
CN112262397A (zh) * | 2018-06-05 | 2021-01-22 | 三菱电机株式会社 | 最优化***和最优化方法 |
CN112262397B (zh) * | 2018-06-05 | 2024-03-26 | 三菱电机株式会社 | 最优化***、最优化方法、控制电路和程序存储介质 |
CN109446665A (zh) * | 2018-10-31 | 2019-03-08 | 中国科学院电子学研究所 | 一种非线性调频信号优化方法及装置、存储介质 |
CN110147267B (zh) * | 2019-05-14 | 2023-07-21 | 东华大学 | 仿真软件中嵌入式***不同参数运行效果对比*** |
CN110147267A (zh) * | 2019-05-14 | 2019-08-20 | 东华大学 | 仿真软件中嵌入式***不同参数运行效果对比*** |
CN110807238A (zh) * | 2019-08-26 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 一种仿真模型校准方法及相关设备 |
CN111695278A (zh) * | 2020-05-18 | 2020-09-22 | 东南大学 | 一种基于改进同步扰动随机逼近算法的交通仿真参数校正方法 |
CN111695278B (zh) * | 2020-05-18 | 2022-11-15 | 东南大学 | 一种基于改进同步扰动随机逼近算法的交通仿真参数校正方法 |
CN112084568A (zh) * | 2020-10-10 | 2020-12-15 | 东南大学 | 一种基于混合遗传模拟退火算法的商业建筑能效优化方法 |
CN113223293B (zh) * | 2021-05-06 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 路网仿真模型的构建方法、装置及电子设备 |
CN113223293A (zh) * | 2021-05-06 | 2021-08-06 | 杭州海康威视数字技术股份有限公司 | 路网仿真模型的构建方法、装置及电子设备 |
WO2023058178A1 (ja) * | 2021-10-06 | 2023-04-13 | 日本電信電話株式会社 | シミュレーション装置、シミュレーション方法およびシミュレーションプログラム |
CN115495854A (zh) * | 2022-11-21 | 2022-12-20 | 苏州数算软云科技有限公司 | 计算机辅助工程模型的参数标定方法、装置、设备及介质 |
CN116258089A (zh) * | 2023-05-15 | 2023-06-13 | 中汽研新能源汽车检验中心(天津)有限公司 | 基于敏感性与遗传分析的燃料电池仿真优化方法和*** |
CN116258089B (zh) * | 2023-05-15 | 2023-07-18 | 中汽研新能源汽车检验中心(天津)有限公司 | 基于敏感性与遗传分析的燃料电池仿真优化方法和*** |
CN117290965A (zh) * | 2023-11-22 | 2023-12-26 | 中汽研汽车检验中心(广州)有限公司 | 车辆仿真软件的车辆模型仿真试验仿真方法、设备及介质 |
CN117290965B (zh) * | 2023-11-22 | 2024-04-09 | 中汽研汽车检验中心(广州)有限公司 | 车辆仿真软件的车辆模型仿真试验仿真方法、设备及介质 |
CN117422005A (zh) * | 2023-12-19 | 2024-01-19 | 杭州四维映射软件有限公司 | 一种模拟电路仿真误差自动控制的方法及应用 |
CN117422005B (zh) * | 2023-12-19 | 2024-03-29 | 杭州四维映射软件有限公司 | 一种模拟电路仿真误差自动控制的方法及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN103761138B (zh) | 2017-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103761138A (zh) | 一种交通仿真软件的参数校正方法 | |
CN104866654B (zh) | 一种一体化城市动态交通仿真平台的构建方法 | |
Zhao et al. | Truck traffic speed prediction under non-recurrent congestion: Based on optimized deep learning algorithms and GPS data | |
CN104821080B (zh) | 基于宏观城市交通流的智能车辆行驶速度及时间预测方法 | |
Van den Berg et al. | Integrated traffic control for mixed urban and freeway networks: A model predictive control approach | |
CN101639871B (zh) | 面向行为研究的车载动态交通信息诱导***模拟设计方法 | |
CN106781489A (zh) | 一种基于递归神经网络的路网状态预测方法 | |
CN101794507A (zh) | 基于浮动车数据的宏观路网交通状态评价方法 | |
CN102610092A (zh) | 基于rbf神经网络城市道路速度预测方法 | |
CN110826244B (zh) | 模拟轨道交通影响城市生长的共轭梯度元胞自动机方法 | |
CN114881356A (zh) | 基于粒子群算法优化bp神经网络的城市交通碳排预测方法 | |
CN104282149A (zh) | 一种基于交通状态精度指标评价的路网浮动车配置方法 | |
Zheng et al. | Network-wide signal timing stochastic simulation optimization with environmental concerns | |
Haddouch et al. | Modeling the flow of road traffic with the SUMO simulator | |
Amirjamshidi et al. | Multi-objective calibration of traffic microsimulation models | |
CN105303856A (zh) | 一种预测模型的可变情报板信息发布方法 | |
Ryu et al. | Two-stage bicycle traffic assignment model | |
Batista et al. | Exploring the potential of aggregated traffic models for estimating network-wide emissions | |
CN107622665B (zh) | 一种宏观与微观交通仿真***交互的交通分配方法 | |
Han et al. | An extended cell transmission model based on digraph for urban traffic road network | |
El Esawey et al. | Calibration and validation of micro-simulation models of medium-size networks. | |
Duthie et al. | Highway improvement project rankings due to uncertain model inputs: Application of traditional transportation and land use models | |
Liu et al. | Signal timing optimization algorithm for an intersection connected with an urban expressway | |
Alecsandru | A stochastic mesoscopic cell-transmission model for operational analysis of large-scale transportation networks | |
Giuffrè et al. | Calibrating a microscopic traffic simulation model for roundabouts using genetic algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170118 |
|
CF01 | Termination of patent right due to non-payment of annual fee |