申请/专利权人：东南大学

申请日：2023-11-30

公开（公告）日：2024-03-05

公开（公告）号：CN117648862A

主分类号：G06F30/27

分类号：G06F30/27;G06F18/23;G06Q50/40

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本申请涉及一种基于聚类‑信赖域代理模型的宏观交通仿真参数标定方法。该方法包括：采集仿真区域内各条路段的小时交通量并划分训练集和测试集，并对训练集进行聚类，确定最佳簇数量和对应的聚类结果，构建待标定参数集，构建目标函数，并确定目标函数的约束条件和参数集的解空间，构建初始的参数组合样本集对目标函数进行求解，获得目标函数值集，构建初始的高斯过程回归代理模型，采用信赖域优化算法进行迭代优化，确定最优的参数候选集，以最优的参数候选集作为宏观交通仿真的道路阻抗函数的参数，采用测试集和训练集进行宏观交通仿真，以满足预设阈值采用的最优的参数候选集作为最终的参数集。提高了宏观交通仿真的参数标定的精度。

主权项：1.一种基于聚类-信赖域代理模型的宏观交通仿真参数标定方法，其特征在于，所述方法包括：采集仿真区域内各条路段的小时交通量并划分训练集和测试集并对所述训练集进行聚类，确定最佳簇数量和对应的聚类结果；根据所述最佳簇数量和对应的聚类结果，构建待标定参数集X；以宏观交通仿真输出的流量结果与真实流量值之间的均方根误差最小作为目标函数，并确定目标函数的约束条件和参数集的解空间，其中，所述目标函数的表达式为： 其中，fX为目标函数，为训练集中的第k条路段的真实流量值，Fsim,kX为以待标定参数集X中的参数进行宏观交通仿真输出的训练集中的第k条路段的流量结果，K为训练集中路段条数；所述目标函数的约束条件表达式为：xq,lbxqxq,ub,q∈[0,Q]其中，xq,lb为第q个簇对应的参数下限，xq为第q个簇对应的参数，xq,ub为第q个簇对应的参数上限，Q为最佳簇数量；所述目标函数的参数集的解空间为：U＝{x1,lb,x1,ub,x2,lb,x2,ub,……,xQ,lb,xQ,ub}其中，U为目标函数的参数集的解空间，x1,lb,x1,ub为第1个簇对应的参数的解空间，x2,lb,x2,ub为第2个簇对应的参数的解空间，xQ,lb,xQ,ub为第Q个簇对应的参数的解空间；在所述目标函数的参数集的解空间中进行拉丁超立方采样m次，构建初始的参数组合样本集对所述目标函数进行求解，获得目标函数值集；根据高斯核函数和所述初始的参数组合样本集，构建初始的高斯过程回归代理模型；根据所述初始的高斯过程回归代理模型，采用信赖域优化算法进行迭代优化，确定最优的参数候选集；以所述最优的参数候选集作为宏观交通仿真的道路阻抗函数的参数，采用测试集和训练集进行宏观交通仿真，输出所述测试集中各路段的流量验证结果和所述训练试集中各路段的流量验证结果，根据所述测试集中各路段的流量验证结果和所述训练试集中各路段的流量验证结果计算对应的目标函数验证值，若所述目标函数验证值满足预设阈值，以满足预设阈值所述采用的最优的参数候选集作为最终的参数集。

全文数据：

权利要求：

百度查询： 东南大学 基于聚类-信赖域代理模型的宏观交通仿真参数标定方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD