学术论文

      基于机器学习的中观交通仿真器模型参数标定

      Machine Learning-based Parameters Calibration of Model in Mesoscopic Traffic Simulator

      摘要:
      针对经典速度-密度模型在精确刻画交通流动态变化特性时所存在的局限性,将更丰富的路段检测信息运用到中观交通仿真模型参数的标定过程中.提出先对路段检测数据进行预处理,再采用机器学习方法中的局部加权回归、k-均值聚类、k-最近邻方法,分别将车流密度,密度与流量作为变量标定车速.利用现场数据对算法进行了大量测试,结果表明,算法是有效的,适用于基于仿真的动态交通分配系统.
      作者: 江竹 [1] 张琦 [2] 林勇 [3] 黄永宣 [4]
      Author: JIANG Zhu [1] ZHANG Qi [2] LIN Yong [3] HUANG Yong-Xuan [4]
      作者单位: 西安交通大学电子与信息工程学院,西安,710049;山东省科学院自动化研究所,济南,250014 北京易华录信息技术有限公司,北京,100085 山东省科学院自动化研究所,济南,250014 西安交通大学电子与信息工程学院,西安,710049
      刊 名: 系统仿真学报 ISTICPKU
      年,卷(期): 2007, 19(24)
      分类号: U491
      机标分类号: TH7 X14
      在线出版日期: 2008年4月17日
      基金项目: 国家自然科学基金