資源描述:
《vissim仿真軟件中微觀交通仿真模型參數(shù)校正研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、ClassifiedIndex:U491.1U.D.C:SouthwestJiaotongUniversityMasterDegreeThesisParameterCalibrationforMicroscopicTrafficSimulationModelofVISSIMGrade:2011Candidate:ZhuLinboAcademicDegreeAppliedfor:MasterDegreeSpeciality:TransportationPlanningandManagementSupervisor:prof.LuoXiaNov.2013西南交通大學(xué)學(xué)位論文版權(quán)使
2、用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定,同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版,允許論文被查閱和借閱。本人授權(quán)西南交通大學(xué)可以將本論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索,可以采用影印、縮印或掃描等復(fù)印手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1.保密口,在年解密后適用本授權(quán)書;2.不保密i,使用本授權(quán)書。(請在以上方框內(nèi)打“√”)學(xué)位論文作者簽名:辣p雨水;1支指導(dǎo)老師簽名日期:2≯,;.f2.10日期:20q.,2./礦西南交通大學(xué)碩士學(xué)位論文主要工作(貢獻(xiàn))聲明本人在學(xué)位論文中所做的主要工作或貢獻(xiàn)如下:(1)在已有參數(shù)校正流程
3、基礎(chǔ)上,構(gòu)建符合研究對象特點的參數(shù)校正流程,并實例證明該流程具有較好的實用性。(2)簡要闡述仿真建模以及參數(shù)校正所需數(shù)據(jù),對相應(yīng)數(shù)據(jù)進(jìn)行現(xiàn)場采集、匯總整理,以調(diào)查數(shù)據(jù)為基礎(chǔ)構(gòu)建出仿真模型。(3)提出基于BP神經(jīng)網(wǎng)絡(luò)的參數(shù)靈敏度分析方法,該方法區(qū)別與傳統(tǒng)方法:方差分析法和散點圖法;對基于BP神經(jīng)網(wǎng)絡(luò)的參數(shù)靈敏度分析方法的重要步驟詳細(xì)說明,最后以研究對象為例計算出不同參數(shù)靈敏度系數(shù)并結(jié)合散點圖法對參數(shù)靈敏度進(jìn)行定量、定性分析。(4)構(gòu)建校正模型,對基于SPSA算法參數(shù)校正流程進(jìn)行改進(jìn),依據(jù)改進(jìn)的流程對參數(shù)進(jìn)行校正,然后利用新鮮數(shù)據(jù)對校正后的結(jié)果進(jìn)行驗證。本人鄭重聲明:所呈交的學(xué)位
4、論文,是在導(dǎo)師指導(dǎo)下獨立進(jìn)行研究工作所得的成果。除文中已經(jīng)注明引用的內(nèi)容外,本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出貢獻(xiàn)的個人和集體,均已在文中作了明確說明。本人完全了解違反上述聲明所引起的一切法律責(zé)任將由本人承擔(dān)。學(xué)位論文作者簽名:匆碗護(hù)水日期:2礦,弓.,2·f汐西南交通大學(xué)碩士研究生學(xué)位論文第1頁摘要由于微觀交通仿真模型具有經(jīng)濟(jì)效益、無風(fēng)險性及直觀方便等優(yōu)點,所以微觀交通仿真模型己被廣泛運用于交通工程各領(lǐng)域。微觀交通仿真模型運用大量的獨立參數(shù)來描述交通系統(tǒng)運行、交通流特性以及駕駛員行為等,參數(shù)的取值對仿真結(jié)果有較大影響,故對模型參數(shù)校正
5、是十分必要的。以往研究中主要側(cè)重于參數(shù)校正算法的選取及改進(jìn),本文不僅注重算法的選取及改進(jìn)還關(guān)注參數(shù)校正前期過程中默認(rèn)參數(shù)可行性分析和參數(shù)靈敏度分析兩部分的研究。本文首先對微觀交通仿真模型和微觀交通仿真模型參數(shù)校正兩個層面進(jìn)行文獻(xiàn)綜述,根據(jù)研究現(xiàn)狀總結(jié)確定出所需仿真平臺、仿真研究對象和參數(shù)校正流程。依據(jù)參數(shù)校正流程論文主要研究以下三部分內(nèi)容:首先,對參數(shù)校正所需的基礎(chǔ)數(shù)據(jù)和評價指標(biāo)數(shù)據(jù)進(jìn)行歸納總結(jié),確定主輔路行程時間為評價指標(biāo),并對這兩部分?jǐn)?shù)據(jù)進(jìn)行現(xiàn)場采集、匯總整理。以調(diào)查數(shù)據(jù)為基礎(chǔ)構(gòu)建出合理的VISSIM仿真模型以及合理布置數(shù)據(jù)采集點。然后,在詳細(xì)介紹模型參數(shù)基礎(chǔ)上利用直方圖
6、法和置信區(qū)間法確定出對于本文研究對象而言默認(rèn)參數(shù)是不可行的:由于默認(rèn)參數(shù)個數(shù)較多,若對全部參數(shù)進(jìn)行校正即浪費時間又無必要。本文利用BP神經(jīng)網(wǎng)絡(luò)良好的非線性映射能力,通過BP神經(jīng)網(wǎng)絡(luò)與靈敏度分析的結(jié)合,提出了基于BP神經(jīng)網(wǎng)絡(luò)的參數(shù)靈敏度分析方法,確定出待校正參數(shù)集為可觀察前車數(shù)量、安全距離附加部分、安全距離倍數(shù)部分、消失前等待時間、安全距離折減系數(shù)、協(xié)調(diào)剎車最大減速度、.1m/s2距離、最大減速度、可接受的減速度。最后,以評價指標(biāo)的仿真輸出值和實測值的相對誤差平方和SSRE作為校正目標(biāo)函數(shù)構(gòu)建出校正模型。經(jīng)過算法比選確定SPSA算法為本文優(yōu)化算法,在改進(jìn)SPSA算法參數(shù)校正流程
7、基礎(chǔ)上對參數(shù)進(jìn)行校正,新鮮數(shù)據(jù)驗證結(jié)果表明校正的有效性。關(guān)鍵詞:微觀交通仿真模型;參數(shù)校正;BP神經(jīng)網(wǎng)絡(luò);SPSA算法;VISSIM西南交通大學(xué)碩士研究生學(xué)位論文第1I頁AbstractSinceMicroscopicTra衢cSimulationModeliscost-effective,risk-free,anduser.friendly,itiswidelyusedintrafficengineeringfields.MicroscopicTrafficSimulationModelusesman