考虑交通冲突指标分布问题的交通仿真模型标定方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108171361A(43)申请公布日2018.06.15(21)申请号201711308503.5(22)申请日2017.12.11(71)申请人东南大学地址210000江苏省南京市江宁区东南大学路2号(72)发明人王晨夏井新陆振波宋燕超(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204代理人颜盈静(51)Int.Cl.G06Q10/04(2012.01)G06Q10/06(2012.01)G06Q50/30(2012.01)G08G1/01(2006.01)权利要求书3页说明书7页附图3页(54)发明名称考虑交通冲突指标分布问题的交通仿真模型标定方法(57)摘要本发明公开了考虑交通冲突指标分布问题的交通仿真模型标定方法，同时考虑效率指标和安全指标，选择合适的交叉口效率指标作为交通仿真建模第一轮标定目标以及第二轮标定目标的约束条件，选择合适的交叉口安全指标作为交通仿真建模第二轮标定目标；通过计算仿真指标的标准差以及选择合适的置信区间对建立的仿真模型的最小所需仿真次数进行估计，有效减少参数校正的仿真试验次数；使用ANOVA检验或相关性检验，筛选出显著影响效率指标和安全指标的仿真参数；建立多约束的标定优化问题，提出使用遗传算法对模型参数进行标定的具体策略和流程；提出适应度参数选取方案；提出模型约束条件选择方案；通过对于交通冲突参数分布进行模型标定。CN108171361ACN108171361A权利要求书1/3页1.考虑交通冲突指标分布问题的交通仿真模型标定方法，其特征在于：选择交叉口效率指标作为交通仿真建模第一轮标定目标以及第二轮标定目标的约束条件，选择交叉口冲突指标及分布作为交通仿真建模第二轮标定目标；通过计算仿真效率指标的标准差以及选择置信区间对建立的仿真模型的最小所需仿真次数进行估计；通过相关性检验筛选出效率指标和安全指标的仿真参数；建立多约束的标定优化问题，通过遗传算法对模型参数进行标定，选择适应度参数和模型约束条件，通过对于交通冲突参数分布进行模型标定。2.根据权利要求1所述考虑交通冲突指标分布问题的交通仿真模型标定方法，其特征在于：包括以下步骤：S1.收集交通仿真建模所需数据，包括道路几何特征数据、交通控制数据、交通管理数据、交通流量数据和交通冲突指标；S2.根据步骤S1收集到的数据，进行交通仿真建模；S3.选择交叉口效率指标作为第一轮标定目标以及第二轮标定目标的约束条件，该效率指标包括交叉口平均排队长度、控制延误和两点间车辆行程时间；S4.选择交叉口安全指标作为第二轮标定目标，该安全指标包括交通冲突的避免碰撞时间TTC指标和后侵占时间PET指标；S5.对建立的仿真模型的最小所需仿真次数进行估计，先预设仿真次数，提取仿真输出的效率指标和安全指标；S6.计算效率指标中平均排队长度的标准差；其中，x为平均排队长度，N为仿真次数；S7.选择置信区间计算该仿真模型所需的最小仿真次数：其中，C为1-置信度，t为对应置信度的分位点，s为平均排队长度的标准差；S8.缺省参数的适用性检验：在不调整缺省参数的情况下，运行仿真模型输出仿真的效率指标和安全指标，与实际效率指标值和实际安全指标值进行对比，若单一指标，实际指标值落在仿真指标范围域的90％内，认为有效；若为多指标，则各个指标均同时落在其对应仿真指标90％范围域内为有效，否则，进行参数标定；S9.采用拉丁超方设计实验方法对模型参数进行进一步标定，将仿真参数集合按照其缺省的参数范围域进行随机采样；S10.将实际指标与通过拉丁超方设计实验得到的仿真指标范围域进行对比，若实际指标值落在仿真指标的90％范围域内，则认为目前的参数集合的范围域设定合理，如果并不落在范围域内，则重新进行拉丁超方设计随机抽样；S11.使用ANOVA检验或相关性检验，筛选出影响效率指标和安全指标的仿真参数；2CN108171361A权利要求书2/3页其中，nj为某仿真参数在j水平值下的样本个数，为该参数的在第j个水平值下的效率或安全指标均值，为效率或安全指标的均值，K为该参数的水平值个数，N为总的仿真次数；S13.针对选择的效率指标，选择相对误差值作为适应度函数，使用遗传算法进行参数的第一轮标定；S14.针对选择的安全指标，选择适应度函数为JS－divergence距离，其中DKL(P||Q)为P到Q的距离，p(x),q(x)分别为仿真冲突与实际冲突的后侵占时间PET分布概率密度函数；S15.定义约束条件一：仿真交通冲突的数量与实际交通冲突数量的差异性不能超过10％，并构造惩罚函数H1：H1:0.9-NCorNC-1.1其中NC为仿真冲突数量与实际冲突数量比值；S16.定义约束条件二：仿真得到的效率指标与实际的效率指标的