欢迎来到天天文库
浏览记录
ID:33437297
大小:5.66 MB
页数:72页
时间:2019-02-26
《vissim仿真软件中微观交通仿真模型参数校正研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、国内图书分类号:U491.1国际图书分类号:年姓西南交通大学研究生学位论文VISSIM仿真软件中微观交通仿真模型参数校正研究级2Q!!级名朱林波申请学位级别工堂亟±专业交通运输规划皇笪理指导老师星霞麴拯二零一三年十一月一夸一二牛T一月密级:公开ClassifiedIndex:U491.1U.D.C:SouthwestJiaotongUniversityMasterDegreeThesisParameterCalibrationforMicroscopicTrafficSimulationModel
2、ofVISSIMGrade:2011Candidate:ZhuLinboAcademicDegreeAppliedfor:MasterDegreeSpeciality:TransportationPlanningandManagementSupervisor:prof.LuoXiaNov.2013西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权西南交通大学可以将本论文
3、的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1.保密口,在年解密后适用本授权书;2.不保密i,使用本授权书。(请在以上方框内打“√”)学位论文作者签名:辣p雨水;1支指导老师签名日期:2≯,;.f2.10日期:20q.,2./矿西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下:(1)在已有参数校正流程基础上,构建符合研究对象特点的参数校正流程,并实例证明该流程具有较好的实用性。(2)简要阐述仿真建
4、模以及参数校正所需数据,对相应数据进行现场采集、汇总整理,以调查数据为基础构建出仿真模型。(3)提出基于BP神经网络的参数灵敏度分析方法,该方法区别与传统方法:方差分析法和散点图法;对基于BP神经网络的参数灵敏度分析方法的重要步骤详细说明,最后以研究对象为例计算出不同参数灵敏度系数并结合散点图法对参数灵敏度进行定量、定性分析。(4)构建校正模型,对基于SPSA算法参数校正流程进行改进,依据改进的流程对参数进行校正,然后利用新鲜数据对校正后的结果进行验证。本人郑重声明:所呈交的学位论文,是在导师指导
5、下独立进行研究工作所得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名:匆碗护水日期:2矿,弓.,2·f汐西南交通大学硕士研究生学位论文第1页摘要由于微观交通仿真模型具有经济效益、无风险性及直观方便等优点,所以微观交通仿真模型己被广泛运用于交通工程各领域。微观交通仿真模型运用大量的独立参数来描述交通系统运行、交通流特性以及
6、驾驶员行为等,参数的取值对仿真结果有较大影响,故对模型参数校正是十分必要的。以往研究中主要侧重于参数校正算法的选取及改进,本文不仅注重算法的选取及改进还关注参数校正前期过程中默认参数可行性分析和参数灵敏度分析两部分的研究。本文首先对微观交通仿真模型和微观交通仿真模型参数校正两个层面进行文献综述,根据研究现状总结确定出所需仿真平台、仿真研究对象和参数校正流程。依据参数校正流程论文主要研究以下三部分内容:首先,对参数校正所需的基础数据和评价指标数据进行归纳总结,确定主辅路行程时间为评价指标,并对这两部
7、分数据进行现场采集、汇总整理。以调查数据为基础构建出合理的VISSIM仿真模型以及合理布置数据采集点。然后,在详细介绍模型参数基础上利用直方图法和置信区间法确定出对于本文研究对象而言默认参数是不可行的:由于默认参数个数较多,若对全部参数进行校正即浪费时间又无必要。本文利用BP神经网络良好的非线性映射能力,通过BP神经网络与灵敏度分析的结合,提出了基于BP神经网络的参数灵敏度分析方法,确定出待校正参数集为可观察前车数量、安全距离附加部分、安全距离倍数部分、消失前等待时间、安全距离折减系数、协调刹车最
8、大减速度、.1m/s2距离、最大减速度、可接受的减速度。最后,以评价指标的仿真输出值和实测值的相对误差平方和SSRE作为校正目标函数构建出校正模型。经过算法比选确定SPSA算法为本文优化算法,在改进SPSA算法参数校正流程基础上对参数进行校正,新鲜数据验证结果表明校正的有效性。关键词:微观交通仿真模型;参数校正;BP神经网络;SPSA算法;VISSIM西南交通大学硕士研究生学位论文第1I页AbstractSinceMicroscopicTra衢cSimulationModelisc
此文档下载收益归作者所有