融合宏观仿真的城市路网微观交通仿真系统参数标定方法

摘要

本发明公开了一种融合宏观仿真的城市路网微观交通仿真系统参数标定方法，包括：搭建微观交通仿真系统以及宏观交通仿真系统；利用初始的仿真参数x分别执行微观交通仿真系统和宏观交通仿真系统；利用微观仿真结果和宏观仿真结果搭建元模型m(·)，利用元模型m(·)估计参数可行解x

说明书

技术领域

本发明涉及道路交通仿真、仿真优化领域，特别涉及融合宏观仿真的城市路网微观交通仿真系统参数标定方法。

背景技术

对于交通工程领域内的一系列问题，为保证交通运输系统的平稳运行，往往难以组织现场实验、分析。交通仿真是一种通过计算机模拟技术复现交通系统运行状态的方法，因而允许科研人员及工程师以此为设计、分析平台研究各类交通问题。而在基于交通仿真技术研究交通问题之前，需要提前标定仿真的各项关键参数，以确保仿真的结果与实际交通状态具有较高的一致性。微观交通仿真以单个出行者或车辆为基本单位，其仿真结果精度更高，因此快速准确标定微观仿真系统参数使仿真结果与实际状态一致即具有较大的科研和工程价值。

传统的标定过程多直接采用随机搜索算法，即通过调整待标定参数的具体取值进行若干轮微观仿真，并计算仿真结果与实际状态的误差，寻找使得误差下降的参数取值。然而微观仿真普遍存在计算复杂度大、空间占用率高、完成一次大规模城市路网内的微观仿真需要较长的时间等缺陷，因而若直接进行多轮仿真随机搜索最优仿真参数取值存在巨大的时间、计算成本，也对硬件设备性能提出较高的要求。另外，随着待标定参数数量的增多，标定过程中需要的搜索次数也需增多，意味着上述时间、计算压力将进一步增大。

发明内容

发明目的：针对以上问题，本发明目的是提供一种融合宏观仿真的城市路网微观交通仿真系统参数标定方法，利用精度较低但计算量低的宏观仿真结果提供的先验信息辅助微观仿真参数标定，一方面实现高效搜索，另一方面最大限速减少搜索次数，从而提升微观仿真参数标定的效率与质量。

技术方案：本发明的一种融合宏观仿真的城市路网微观交通仿真系统参数标定方法，包括以下步骤：

步骤1，构建作为标定依据的交通网络的实际状态数据集y

步骤2，以出行者或车辆为单位搭建微观交通仿真系统，以及以路径流量为单位搭建宏观交通仿真系统；

步骤3，利用初始的仿真参数x分别执行微观交通仿真系统和宏观交通仿真系统，得到微观仿真结果和宏观仿真结果，计算微观仿真误差l

步骤4，利用微观仿真结果和宏观仿真结果搭建元模型m(·)，利用元模型m(·)估计参数可行解x

步骤5，比较两个仿真参数x和x

进一步，所述步骤5还包括：若未完成优化，则进入步骤4开始新一轮迭代。

进一步，所述步骤3还包括：

在初始的仿真参数x执行微观交通仿真系统后，得到微观仿真结果网络仿真状态y

在初始的仿真参数x执行宏观交通仿真系统后，以不同随机化种子并行执行M次宏观仿真，得到相应的M组宏观仿真结果

进一步，步骤1中所述的实际状态数据集y

进一步，步骤3中所述微观仿真误差l

式中，θ表示为加权系数，

式中，

进一步，将所述的元模型定义为

式中，β

进一步，元模型

进一步，利用元模型m(·)快速估计微观仿真误差l

式中，δ表示随机生成的微小扰动；

式中0≤θ≤1为加权系数，表示小时流量与公交占用率两种指标误差占总仿真误差的权重。

进一步，在步骤5中判断是否完成优化的依据为判断当前迭代次数h是否超过预设迭代次数H。

有益效果：本发明与现有技术相比，其显著优点是：

1、本发明利用元模型快速估计大规模微观仿真结果与实际状态的误差梯度，实现仿真参数的快速搜索，相比于直接调整微观仿真参数计算误差并寻找最优参数组合，本发明构建的元模型以拟合微观交通仿真的结果，计算速度更快，且结果与微观仿真结果也具有较高的一致性，因而基于元模型可快速估计大规模微观仿真结果与实际状态的误差梯度，快速搜索潜在更优参数；

2、本发明在充分利用宏观交通仿真结果提供的先验信息基础上，实现仿真参数的高效标定；为了丰富先验信息并行执行多次独立的宏观交通仿真，只需充分少的搜索轮数即可取得较好的标定结果；

3、本发明减小大规模城市交通微观仿真参数标定过程中的时间、计算成本，快速完成参数标定，提升搜索效率，通过尽可能少轮数的微观仿真找到使得仿真结果与实际结果尽可能接近的仿真参数取值。

附图说明

图1是本发明的微观交通仿真系统参数标定流程图；

图2是实施例中大规模路网示意图；

图3是实施例中路段小时流量采集路段示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。

本实施例所述的一种融合宏观仿真的城市路网微观交通仿真系统参数标定方法，流程图如图1所示，城市路网以青岛市中心城区大规模路网为例进行说明，包括以下步骤：

步骤1，构建作为标定依据的交通网络的实际状态数据集y

步骤2，以出行者或车辆为单位搭建微观交通仿真系统，以及以路径流量为单位搭建宏观交通仿真系统；

步骤3，利用初始的仿真参数x分别执行微观交通仿真系统和宏观交通仿真系统，得到微观仿真结果和宏观仿真结果，计算微观仿真误差l

步骤4，利用微观仿真结果和宏观仿真结果搭建元模型m(·)，利用元模型m(·)估计参数可行解x

步骤5，比较两个仿真参数x和x

上述步骤1中的实际状态数据集y

上述步骤2中搭建的大规模微观交通仿真系统，包括地面路网设计部分、公交路网设计部分以及交通需求载入部分，支持小汽车和公交出行仿真，本实施例中以微观仿真软件MATSim作为微观交通仿真系统，对图2中所示的青岛市中心城区大规模路网进行微观仿真。软件MATSim以出行者为单位建模路网交通状态，并支持每一出行者根据网络状态自主选择出发时间、出行方式和出行路径，仿真计算复杂度高，空间占用率大，但更能反映路网的实际状态。同时针对相同路网和交通需求搭建宏观交通仿真系统，同样支持小汽车和公交出行，本实施例中采用的是传统的Logit-DTA模型作为宏观交通仿真系统，以路径流量为单位建模路网交通状态，并基于传统的Logit算法进行交通分配，计算复杂度低、空间占用率小，但总体误差偏大。

上述步骤3中将待标定的微观交通仿真系统中的仿真参数记为x，x为一维数值向量，向量的长度为代标定参数的数量，每一元素的取值即为相应参数的取值。本实施例中采用的微观仿真软件MATSim的待标定参数包括小汽车出行时间边际效用、公交出行时间边际效用等出行者行为选择参数，相关参数也是选择的宏观仿真模型Logit-DTA的仿真参数。

给定初始的仿真参数x取值执行微观交通仿真系统后，得到微观仿真结果网络仿真状态y

上述步骤3中的微观仿真误差l

式中，θ表示加权系数，本实施例中可以令θ＝0.6；

式中，

上述步骤3还包括：在初始的仿真参数x执行宏观交通仿真系统后，以不同随机化种子并行执行M次宏观仿真，得到相应的M组宏观仿真结果

基于上述得到的宏观仿真结果

进一步，将所述的元模型定义为

式中，β

元模型

利用元模型m(·)快速估计微观仿真误差l

式中，δ表示随机生成的微小扰动；

式中0≤θ≤1为加权系数，表示小时流量与公交占用率两种指标误差占总仿真误差的权重。

在步骤5中判断是否完成优化的依据为判断当前迭代次数h是否超过预设迭代次数H，若达到预设迭代次数，则结束优化，输出微观交通仿真系统的参数x，否则继续进入步骤4进行新一轮优化。

本方法基于元模型快速估计大规模微观仿真结果与实际状态的误差梯度，实现微观交通仿真系统中仿真参数的快速搜索；同时充分利用宏观交通仿真结果提供的先验信息，实现仿真参数的高效标定。