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 PDF

Info

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
Application number
CN201410019829.6A
Other languages
English (en)
Other versions
CN103761138B (zh
Inventor
成卫
肖海承
陈昱光
金成英
刘峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN201410019829.6A priority Critical patent/CN103761138B/zh
Publication of CN103761138A publication Critical patent/CN103761138A/zh
Application granted granted Critical
Publication of CN103761138B publication Critical patent/CN103761138B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

一种交通仿真软件的参数校正方法
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；
Figure 997685DEST_PATH_IMAGE001
                     （1）
式中：
Figure 260618DEST_PATH_IMAGE003
为目标阀值，这里取值为0.2，
Figure 527651DEST_PATH_IMAGE004
为评价指标，
Figure 523289DEST_PATH_IMAGE005
为仿真***仿真10次输出评价指标的平均值；
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：
A、 随机选取不同的仿真种子进行10次仿真，记录下这10次仿真过程中所输出的最大的交通量与最小的交通量的变化值，最大的平均速度与最小的平均速度变化值
Figure 575745DEST_PATH_IMAGE007
，其中仿真种子随机取值；
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
Figure 639995DEST_PATH_IMAGE008
与平均速度的变化
Figure 704903DEST_PATH_IMAGE009
，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
Figure 290605DEST_PATH_IMAGE010
……
Figure 517187DEST_PATH_IMAGE011
，
Figure 322595DEST_PATH_IMAGE012
……
Figure 863297DEST_PATH_IMAGE013
；
C、
Figure 303506DEST_PATH_IMAGE006
与
Figure 966569DEST_PATH_IMAGE014
……
Figure 429911DEST_PATH_IMAGE015
进行比较，
Figure 836622DEST_PATH_IMAGE007
与
Figure 898381DEST_PATH_IMAGE016
……进行比较，若有……
Figure 627805DEST_PATH_IMAGE015
中有比
Figure 42606DEST_PATH_IMAGE006
大的或者
Figure 283357DEST_PATH_IMAGE016
……
Figure 721291DEST_PATH_IMAGE017
中有比
Figure 469805DEST_PATH_IMAGE007
大的，说明该参数需要校正；
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
Figure 739112DEST_PATH_IMAGE018
，平均车头时距∈（0.3、0.4……2.5、2.6）；平均反映时间
Figure 840109DEST_PATH_IMAGE020
∈（0.3、0.4……2.3、2.4）；速度曲线因子
Figure 628199DEST_PATH_IMAGE020
∈（3、4……7、8），仿真步长
Figure 17592DEST_PATH_IMAGE020
∈（2、3、4、5），速度曲线因子
Figure 364259DEST_PATH_IMAGE020
∈（1.0、1.1……4.9、5.0）
B 、初始化：给定初始值并且对染色体进行实数编码，所述初始值为：最大遗传代数
Figure 511207DEST_PATH_IMAGE021
，取值30；退火速度
Figure 601523DEST_PATH_IMAGE022
，取值0.9；初始温度
Figure 346887DEST_PATH_IMAGE023
；温度衰减函数
Figure 802139DEST_PATH_IMAGE024
；群体规模为，取值20；空间解取值范围
Figure 392706DEST_PATH_IMAGE026
；
其中，空间解取值范围
Figure 491112DEST_PATH_IMAGE027
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）；
Figure 117266DEST_PATH_IMAGE028
，
Figure 802587DEST_PATH_IMAGE029
为初始群体目标函数值的平均适应值；
Figure 234706DEST_PATH_IMAGE030
，包含20个个体，即20个染色体，
Figure 390881DEST_PATH_IMAGE031
为待标定参数；
C、 终止条件的建立
终止条件：同时满足
Figure 250252DEST_PATH_IMAGE032
，达到最大的遗传代数
Figure 921405DEST_PATH_IMAGE021
两个条件；
其中
Figure 829318DEST_PATH_IMAGE021
为30，
Figure 403781DEST_PATH_IMAGE033
表示无穷小，为第L次迭代各个染色体适配值的平均值，
Figure 592503DEST_PATH_IMAGE035
为第L-1次迭代各个染色体适配值的平均值；
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：
Figure 366424DEST_PATH_IMAGE036
                  （2）
式中：
Figure 497191DEST_PATH_IMAGE037
为第
Figure 188111DEST_PATH_IMAGE021
次迭代时染色体
Figure 568277DEST_PATH_IMAGE038
仿真输出的平均相对误差，为第
Figure 131162DEST_PATH_IMAGE021
次迭代时染色体
Figure 503238DEST_PATH_IMAGE038
的参数组合，
Figure 872165DEST_PATH_IMAGE021
为遗传迭代代数，
Figure 987888DEST_PATH_IMAGE040
为染色体编号，
Figure 827668DEST_PATH_IMAGE041
为选取的路段数，
Figure 370645DEST_PATH_IMAGE042
为
Figure 990982DEST_PATH_IMAGE043
路段实测出行时间，
Figure 146282DEST_PATH_IMAGE044
为
Figure 106148DEST_PATH_IMAGE043
路段仿真模拟得出的出行时间；
适应度函数表达式如公式（3）所示：
Figure 820026DEST_PATH_IMAGE045
          （3）
式中：
Figure 662080DEST_PATH_IMAGE046
为适应度函数值，、
Figure 497760DEST_PATH_IMAGE048
为适应度函数的参数，取值为正值，随机选取，
Figure 320223DEST_PATH_IMAGE049
为第次迭代时染色体
Figure 910790DEST_PATH_IMAGE051
的仿真输出平均误差；
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
选择操作运用模拟退火拉伸法计算各染色体被复制到下一代的概率
Figure 641986DEST_PATH_IMAGE052
，通过公式（6）计算各个染色体累计概率
Figure 635349DEST_PATH_IMAGE053
：
Figure 18368DEST_PATH_IMAGE055
                                             （4）
式中：
Figure 604071DEST_PATH_IMAGE056
为第i条染色体被选择到下一代的概率，
Figure 768336DEST_PATH_IMAGE057
为第i条染色体适度函数值，
Figure 72278DEST_PATH_IMAGE058
、
Figure 176763DEST_PATH_IMAGE059
为适应度函数的参数，取正值，
Figure 616971DEST_PATH_IMAGE060
为种群染色体个数；
公式（4）中的表达式如公式（5）所示：
Figure 743376DEST_PATH_IMAGE062
                                            （5）
式中：
Figure 150087DEST_PATH_IMAGE061
为当代温度，
Figure 946267DEST_PATH_IMAGE063
为初始温度，为遗传迭代序号；
染色体累计概率
Figure 730869DEST_PATH_IMAGE054
表达式如公式（6）所示：
Figure 613374DEST_PATH_IMAGE065
                      （6）
用轮盘赌方法选择新种群，在区间[0，1]里边选出一个任意数
Figure 28175DEST_PATH_IMAGE066
，若
Figure 33040DEST_PATH_IMAGE066
≤
Figure 470975DEST_PATH_IMAGE067
，复制第一个个体，若
Figure 720953DEST_PATH_IMAGE068
，复制第
Figure 990260DEST_PATH_IMAGE066
个染色体作为下一代群体，循环本步骤N次，产生新群体；
⑤ 交叉
对步骤④中得到的新群采用算术杂交法进行交叉操作，设父代染色体为
Figure 166026DEST_PATH_IMAGE069
、
Figure 91257DEST_PATH_IMAGE070
，杂交后的子代染色体为，此处交叉概率取0.9：
Figure 377882DEST_PATH_IMAGE071
                                 （7）
式中：
Figure 280459DEST_PATH_IMAGE072
为0到1之间的随机数；
⑥ 变异
采用非均匀变异方法对步骤⑤中交叉后的染色体进行变异操作，染色体变异发生的概率
Figure 361547DEST_PATH_IMAGE073
为0.05，发生变异的父代的染色体为
Figure 774074DEST_PATH_IMAGE074
，发生变异的父代的基因为
Figure 864390DEST_PATH_IMAGE075
，变异后得到后的为
Figure 108289DEST_PATH_IMAGE076
 、、
Figure 761567DEST_PATH_IMAGE078
…… 
Figure 389994DEST_PATH_IMAGE079
 ，表达式为：
Figure 753979DEST_PATH_IMAGE080
=[
Figure 442450DEST_PATH_IMAGE081
、
Figure 563989DEST_PATH_IMAGE082
、
Figure 497573DEST_PATH_IMAGE083
……
Figure 716064DEST_PATH_IMAGE084
]                                 （8）
上式中，
Figure 575436DEST_PATH_IMAGE085
随机地变化，如下两种可能：
Figure 184272DEST_PATH_IMAGE086
式中：为
Figure 728965DEST_PATH_IMAGE088
的上界，步骤（2）中待标定参数k取值范围的最大值，为
Figure 855370DEST_PATH_IMAGE090
的下界，即步骤（2）中待标定参数k取值范围的最小值，
Figure 629291DEST_PATH_IMAGE091
为0~y内符合非均匀分布的一个随机数，当随机数为0时其中y为
Figure 556796DEST_PATH_IMAGE092
，当随机数为1时y为
Figure 695653DEST_PATH_IMAGE093
；
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
Figure 842863DEST_PATH_IMAGE094
，达到最大的遗传代数
Figure 420475DEST_PATH_IMAGE021
两个条件，结束校正，若不满足，对新群体进行降温运算
Figure 140169DEST_PATH_IMAGE095
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：
Figure 512244DEST_PATH_IMAGE096
≤0.2                                   （9）
式中：
Figure 582969DEST_PATH_IMAGE097
为目标阀值，
Figure 698692DEST_PATH_IMAGE098
为校核指标实测数据，
Figure 102254DEST_PATH_IMAGE099
为校正结果输出校核指标平均值。
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；
Figure 582914DEST_PATH_IMAGE001
Figure 203251DEST_PATH_IMAGE100
                     （1）
式中：为目标阀值，这里取值为0.2，
Figure 551373DEST_PATH_IMAGE004
为评价指标，
Figure 530830DEST_PATH_IMAGE005
为仿真***仿真10次输出评价指标的平均值，结果如下表1和表2所示：
表1 一二一大街仿真结果统计表
Figure DEST_PATH_IMAGE101
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：
A、 随机选取不同的仿真种子进行10次仿真，记录下这10次仿真过程中所输出的最大的交通量与最小的交通量的变化值
Figure 331875DEST_PATH_IMAGE006
，最大的平均速度与最小的平均速度变化值
Figure 146247DEST_PATH_IMAGE007
，其中仿真种子随机取值，仿真结果如下所示：
表3 初始仿真路网运行状态数据分析表
Figure 31027DEST_PATH_IMAGE103
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
Figure 360377DEST_PATH_IMAGE008
与平均速度的变化
Figure 559277DEST_PATH_IMAGE009
，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
Figure 791938DEST_PATH_IMAGE010
……
Figure 847618DEST_PATH_IMAGE011
，
Figure 601948DEST_PATH_IMAGE012
……
Figure 401276DEST_PATH_IMAGE013
；
C、
Figure 986978DEST_PATH_IMAGE006
与
Figure 416823DEST_PATH_IMAGE014
……
Figure 210511DEST_PATH_IMAGE015
进行比较，
Figure 547952DEST_PATH_IMAGE007
与
Figure 253740DEST_PATH_IMAGE016
……
Figure 651223DEST_PATH_IMAGE017
进行比较，若有
Figure 943926DEST_PATH_IMAGE014
……
Figure 85057DEST_PATH_IMAGE015
中有比
Figure 583035DEST_PATH_IMAGE006
大的或者
Figure 416999DEST_PATH_IMAGE016
……
Figure 429954DEST_PATH_IMAGE017
中有比
Figure 876241DEST_PATH_IMAGE007
大的，说明该参数需要校正，在仿真过程中，对仿真结果产生影响的参数及变动范围如下表所列：
表4 驾驶员驾驶行为参数影响因素分析
Figure 228725DEST_PATH_IMAGE104
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
Figure 233590DEST_PATH_IMAGE105
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
Figure 733842DEST_PATH_IMAGE106
，平均车头时距
Figure 216776DEST_PATH_IMAGE019
∈（0.3、0.4……2.5、2.6）；平均反映时间
Figure 253127DEST_PATH_IMAGE020
∈（0.3、0.4……2.3、2.4）；速度曲线因子∈（3、4……7、8），仿真步长
Figure 354124DEST_PATH_IMAGE020
∈（2、3、4、5），速度曲线因子
Figure 640749DEST_PATH_IMAGE020
∈（1.0、1.1……4.9、5.0）
B 、初始化：给定初始值并且对染色体进行实数编码，所述初始值为：最大遗传代数，取值30；退火速度
Figure 612695DEST_PATH_IMAGE022
，取值0.9；初始温度
Figure 25222DEST_PATH_IMAGE023
；温度衰减函数；群体规模为
Figure 177855DEST_PATH_IMAGE025
，取值20；空间解取值范围
Figure 421754DEST_PATH_IMAGE026
；
其中，空间解取值范围
Figure 611427DEST_PATH_IMAGE027
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）；
Figure 75032DEST_PATH_IMAGE108
，
Figure 703459DEST_PATH_IMAGE029
为初始群体目标函数值的平均适应值；
Figure 5128DEST_PATH_IMAGE109
，包含20个个体，即20个染色体，
Figure 428019DEST_PATH_IMAGE110
为待标定参数；
C、 终止条件的建立
终止条件：同时满足
Figure 877455DEST_PATH_IMAGE111
，达到最大的遗传代数
Figure 811038DEST_PATH_IMAGE021
两个条件；
其中
Figure 701633DEST_PATH_IMAGE021
为30，
Figure 561005DEST_PATH_IMAGE033
表示无穷小，
Figure 232158DEST_PATH_IMAGE112
为第L次迭代各个染色体适配值的平均值，
Figure 405650DEST_PATH_IMAGE113
为第L-1次迭代各个染色体适配值的平均值；
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：
Figure 478648DEST_PATH_IMAGE114
                  （2）
式中：
Figure 446604DEST_PATH_IMAGE115
为第
Figure 106518DEST_PATH_IMAGE021
次迭代时染色体仿真输出的平均相对误差，
Figure 745627DEST_PATH_IMAGE116
为第次迭代时染色体
Figure 592546DEST_PATH_IMAGE038
的参数组合，
Figure 417762DEST_PATH_IMAGE021
为遗传迭代代数，
Figure 403036DEST_PATH_IMAGE040
为染色体编号，
Figure 775111DEST_PATH_IMAGE041
为选取的路段数，为
Figure 961559DEST_PATH_IMAGE043
路段实测出行时间，
Figure 863656DEST_PATH_IMAGE118
为
Figure 908098DEST_PATH_IMAGE043
路段仿真模拟得出的出行时间；
适应度函数表达式如公式（3）所示：
Figure 262856DEST_PATH_IMAGE119
          （3）
式中：
Figure 119953DEST_PATH_IMAGE120
为适应度函数值，、为适应度函数的参数，取值为正值，随机选取，
Figure 199533DEST_PATH_IMAGE121
为第
Figure 594742DEST_PATH_IMAGE122
次迭代时染色体
Figure 205852DEST_PATH_IMAGE051
的仿真输出平均误差；
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
选择操作运用模拟退火拉伸法计算各染色体被复制到下一代的概率
Figure 356211DEST_PATH_IMAGE123
，通过公式（6）计算各个染色体累计概率
Figure 685561DEST_PATH_IMAGE053
Figure 884461DEST_PATH_IMAGE124
：
Figure 851542DEST_PATH_IMAGE055
                                             （4）
式中：
Figure 172802DEST_PATH_IMAGE125
为第i条染色体被选择到下一代的概率，
Figure 989448DEST_PATH_IMAGE057
为第i条染色体适度函数值，、
Figure 312162DEST_PATH_IMAGE059
为适应度函数的参数，取正值，
Figure 305788DEST_PATH_IMAGE060
为种群染色体个数；
公式（4）中的
Figure 344152DEST_PATH_IMAGE061
表达式如公式（5）所示：
Figure 884854DEST_PATH_IMAGE126
                                            （5）
式中：
Figure 590642DEST_PATH_IMAGE061
为当代温度，
Figure 988125DEST_PATH_IMAGE063
为初始温度，
Figure 717047DEST_PATH_IMAGE064
为遗传迭代序号；
染色体累计概率
Figure 359643DEST_PATH_IMAGE124
表达式如公式（6）所示：
Figure 919938DEST_PATH_IMAGE127
                      （6）
用轮盘赌方法选择新种群，在区间[0，1]里边选出一个任意数
Figure 488322DEST_PATH_IMAGE066
，若
Figure 704540DEST_PATH_IMAGE066
≤
Figure 649362DEST_PATH_IMAGE067
，复制第一个个体，若
Figure 565628DEST_PATH_IMAGE128
，复制第
Figure 508176DEST_PATH_IMAGE066
个染色体作为下一代群体，循环本步骤N次，产生新群体；
⑤ 交叉
对步骤④中得到的新群采用算术杂交法进行交叉操作，设父代染色体为
Figure 8427DEST_PATH_IMAGE069
、
Figure 429044DEST_PATH_IMAGE070
，杂交后的子代染色体为，此处交叉概率取0.9：
                                 （7）
式中：
Figure 874118DEST_PATH_IMAGE072
为0到1之间的随机数；
⑥ 变异
采用非均匀变异方法对步骤⑤中交叉后的染色体进行变异操作，染色体变异发生的概率
Figure 363131DEST_PATH_IMAGE130
为0.05，发生变异的父代的染色体为
Figure 587439DEST_PATH_IMAGE074
，发生变异的父代的基因为，变异后得到后的为
Figure 196DEST_PATH_IMAGE076
 、
Figure 475040DEST_PATH_IMAGE077
、
Figure 299776DEST_PATH_IMAGE078
…… 
Figure 481359DEST_PATH_IMAGE079
 ，表达式为：
Figure 562710DEST_PATH_IMAGE080
=[
Figure 462533DEST_PATH_IMAGE081
、
Figure 90960DEST_PATH_IMAGE082
、
Figure 189366DEST_PATH_IMAGE131
……
Figure 379301DEST_PATH_IMAGE084
]                                 （8）
上式中，随机地变化，如下两种可能：
Figure 932959DEST_PATH_IMAGE133
式中：
Figure 151451DEST_PATH_IMAGE134
为
Figure 10823DEST_PATH_IMAGE088
的上界，步骤（2）中待标定参数k取值范围的最大值，
Figure 183440DEST_PATH_IMAGE135
为
Figure 419250DEST_PATH_IMAGE090
的下界，即步骤（2）中待标定参数k取值范围的最小值，
Figure 429931DEST_PATH_IMAGE136
为0~y内符合非均匀分布的一个随机数，当随机数为0时其中y为
Figure 460204DEST_PATH_IMAGE137
，当随机数为1时y为；
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
Figure 628459DEST_PATH_IMAGE139
，达到最大的遗传代数
Figure 759226DEST_PATH_IMAGE021
两个条件，结束校正，若不满足，对新群体进行降温运算
Figure 960400DEST_PATH_IMAGE140
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）
式中：
Figure 855861DEST_PATH_IMAGE097
为目标阀值，
Figure 903452DEST_PATH_IMAGE142
为校核指标实测数据，
Figure 776992DEST_PATH_IMAGE143
为校正结果输出校核指标平均值。
 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
Figure 847716DEST_PATH_IMAGE144
表7 学府路（昆沙路-小菜园立交）各路段校正结果对比
Figure 963440DEST_PATH_IMAGE145
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；
Figure 2014100198296100001DEST_PATH_IMAGE001
Figure 59905DEST_PATH_IMAGE002
                     （1）
式中：为目标阀值，这里取值为0.2，为评价指标，
Figure 2014100198296100001DEST_PATH_IMAGE005
为仿真***仿真10次输出评价指标的平均值；
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：
A、 随机选取不同的仿真种子进行10次仿真，记录下这10次仿真过程中所输出的最大的交通量与最小的交通量的变化值
Figure 535677DEST_PATH_IMAGE006
，最大的平均速度与最小的平均速度变化值
Figure 2014100198296100001DEST_PATH_IMAGE007
，其中仿真种子随机取值；
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
Figure 472540DEST_PATH_IMAGE008
与平均速度的变化
Figure 2014100198296100001DEST_PATH_IMAGE009
，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
Figure 193109DEST_PATH_IMAGE010
……
Figure DEST_PATH_IMAGE011
，
Figure 481002DEST_PATH_IMAGE012
……
Figure DEST_PATH_IMAGE013
；
C、
Figure 446684DEST_PATH_IMAGE006
与
Figure 67415DEST_PATH_IMAGE014
……
Figure DEST_PATH_IMAGE015
进行比较，
Figure 132454DEST_PATH_IMAGE007
与
Figure 32277DEST_PATH_IMAGE016
……
Figure DEST_PATH_IMAGE017
进行比较，若有
Figure 909972DEST_PATH_IMAGE014
……
Figure 211640DEST_PATH_IMAGE015
中有比
Figure 509897DEST_PATH_IMAGE006
大的或者
Figure 834699DEST_PATH_IMAGE016
……
Figure 643649DEST_PATH_IMAGE017
中有比
Figure 471928DEST_PATH_IMAGE007
大的，说明该参数需要校正；
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
Figure 206665DEST_PATH_IMAGE018
，平均车头时距
Figure DEST_PATH_IMAGE019
∈（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
Figure 300578DEST_PATH_IMAGE020
∈（3、4……7、8），仿真步长∈（2、3、4、5），速度曲线因子
Figure 154582DEST_PATH_IMAGE020
∈（1.0、1.1……4.9、5.0）
B 、初始化：给定初始值并且对染色体进行实数编码，所述初始值为：最大遗传代数
Figure DEST_PATH_IMAGE021
，取值30；退火速度
Figure 627545DEST_PATH_IMAGE022
，取值0.9；初始温度
Figure DEST_PATH_IMAGE023
；温度衰减函数
Figure 276832DEST_PATH_IMAGE024
；群体规模为，取值20；空间解取值范围
Figure 79703DEST_PATH_IMAGE026
；
其中，空间解取值范围
Figure DEST_PATH_IMAGE027
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）；
Figure 592461DEST_PATH_IMAGE028
，
Figure DEST_PATH_IMAGE029
为初始群体目标函数值的平均适应值；
Figure 113573DEST_PATH_IMAGE030
，包含20个个体，即20个染色体，
Figure DEST_PATH_IMAGE031
为待标定参数；
C、 终止条件的建立
终止条件：同时满足
Figure 728401DEST_PATH_IMAGE032
，达到最大的遗传代数
Figure 713674DEST_PATH_IMAGE021
两个条件；
其中
Figure 961116DEST_PATH_IMAGE021
为30，表示无穷小，
Figure 907206DEST_PATH_IMAGE034
为第L次迭代各个染色体适配值的平均值，
Figure DEST_PATH_IMAGE035
为第L-1次迭代各个染色体适配值的平均值；
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：
Figure 334514DEST_PATH_IMAGE036
                  （2）
式中：
Figure DEST_PATH_IMAGE037
为第
Figure 111978DEST_PATH_IMAGE021
次迭代时染色体
Figure 530321DEST_PATH_IMAGE038
仿真输出的平均相对误差，
Figure DEST_PATH_IMAGE039
为第次迭代时染色体的参数组合，
Figure 688660DEST_PATH_IMAGE021
为遗传迭代代数，
Figure 277904DEST_PATH_IMAGE040
为染色体编号，
Figure DEST_PATH_IMAGE041
为选取的路段数，
Figure 697122DEST_PATH_IMAGE042
为
Figure DEST_PATH_IMAGE043
路段实测出行时间，为
Figure 516490DEST_PATH_IMAGE043
路段仿真模拟得出的出行时间；
适应度函数表达式如公式（3）所示：
Figure DEST_PATH_IMAGE045
          （3）
式中：为适应度函数值，
Figure DEST_PATH_IMAGE047
、
Figure 186080DEST_PATH_IMAGE048
为适应度函数的参数，取值为正值，随机选取，
Figure DEST_PATH_IMAGE049
为第
Figure 322663DEST_PATH_IMAGE050
次迭代时染色体的仿真输出平均误差；
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
选择操作运用模拟退火拉伸法计算各染色体被复制到下一代的概率，通过公式（6）计算各个染色体累计概率
Figure DEST_PATH_IMAGE053
：
                                             （4）
式中：
Figure 988502DEST_PATH_IMAGE056
为第i条染色体被选择到下一代的概率，
Figure DEST_PATH_IMAGE057
为第i条染色体适度函数值，
Figure 102345DEST_PATH_IMAGE058
、
Figure DEST_PATH_IMAGE059
为适应度函数的参数，取正值，为种群染色体个数；
公式（4）中的
Figure DEST_PATH_IMAGE061
表达式如公式（5）所示：
Figure 367159DEST_PATH_IMAGE062
                                            （5）
式中：
Figure 343206DEST_PATH_IMAGE061
为当代温度，
Figure DEST_PATH_IMAGE063
为初始温度，
Figure 759274DEST_PATH_IMAGE064
为遗传迭代序号；
染色体累计概率
Figure 340429DEST_PATH_IMAGE054
表达式如公式（6）所示：
Figure DEST_PATH_IMAGE065
                      （6）
用轮盘赌方法选择新种群，在区间[0，1]里边选出一个任意数
Figure 126462DEST_PATH_IMAGE066
，若
Figure 793066DEST_PATH_IMAGE066
≤，复制第一个个体，若
Figure 809564DEST_PATH_IMAGE068
，复制第
Figure 245224DEST_PATH_IMAGE066
个染色体作为下一代群体，循环本步骤N次，产生新群体；
⑤ 交叉
对步骤④中得到的新群采用算术杂交法进行交叉操作，设父代染色体为
Figure DEST_PATH_IMAGE069
、
Figure 125193DEST_PATH_IMAGE070
，杂交后的子代染色体为，此处交叉概率取0.9：
                                 （7）
式中：
Figure 279094DEST_PATH_IMAGE072
为0到1之间的随机数；
⑥ 变异
采用非均匀变异方法对步骤⑤中交叉后的染色体进行变异操作，染色体变异发生的概率
Figure DEST_PATH_IMAGE073
为0.05，发生变异的父代的染色体为
Figure 538431DEST_PATH_IMAGE074
，发生变异的父代的基因为
Figure DEST_PATH_IMAGE075
，变异后得到后的为
Figure 828598DEST_PATH_IMAGE076
 、
Figure DEST_PATH_IMAGE077
、…… 
Figure DEST_PATH_IMAGE079
 ，表达式为：
Figure 520665DEST_PATH_IMAGE080
=[、
Figure 816648DEST_PATH_IMAGE082
、
Figure DEST_PATH_IMAGE083
……
Figure 666049DEST_PATH_IMAGE084
]                                 （8）
上式中，
Figure DEST_PATH_IMAGE085
随机地变化，如下两种可能：
Figure 326969DEST_PATH_IMAGE086
式中：
Figure DEST_PATH_IMAGE087
为
Figure 688417DEST_PATH_IMAGE088
的上界，步骤（2）中待标定参数k取值范围的最大值，
Figure 2014100198296100001DEST_PATH_IMAGE089
为
Figure 788092DEST_PATH_IMAGE090
的下界，即步骤（2）中待标定参数k取值范围的最小值，
Figure DEST_PATH_IMAGE091
为0~y内符合非均匀分布的一个随机数，当随机数为0时其中y为
Figure 52851DEST_PATH_IMAGE092
，当随机数为1时y为
Figure DEST_PATH_IMAGE093
；
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
Figure 714033DEST_PATH_IMAGE094
，达到最大的遗传代数
Figure 1926DEST_PATH_IMAGE021
两个条件，结束校正，若不满足，对新群体进行降温运算
Figure DEST_PATH_IMAGE095
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：
Figure 200564DEST_PATH_IMAGE096
≤0.2                                   （9）
式中：
Figure DEST_PATH_IMAGE097
为目标阀值，
Figure 319829DEST_PATH_IMAGE098
为校核指标实测数据，
Figure DEST_PATH_IMAGE099
为校正结果输出校核指标平均值。
CN201410019829.6A 2014-01-16 2014-01-16 一种交通仿真软件的参数校正方法 Expired - Fee Related CN103761138B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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