一种基于改进型C-SPSA的大规模路网交通分配模型参数标定方法技术

本发明专利技术公开了一种基于改进型C

【技术实现步骤摘要】
一种基于改进型C
‑
SPSA的大规模路网交通分配模型参数标定方法


[0001]本专利技术属于大范围交通出行规划
，尤其涉及一种基于改进型C
‑
SPSA的大规模路网交通分配模型参数标定方法。

技术介绍

[0002]随着经济全球化、区域一体化的发展，如今城市和区域的发展逐渐呈现全球城市化和城市全球化以及区域的城市化和城市的区域化的趋势。这两大趋势的主要特征为城市的发展不再仅限于单个城市，产生了以中心城市为核心、超越行政区域的城市群。然而，城市群的发展不仅会增加居民的出行距离，随之增长的交通需求对交通服务系统也提出了更高的要求。因此，研究大规模路网下的交通分配模型十分重要，准确的交通分配模型能够指导路网规划以及交通需求管理。
[0003]路径选择模型作为交通分配模型的核心，在过去，往往是使用SP调查或RP调查来进行参数估计。但在SP调查中，简化的路线会降低真实性，而RP调查通过驾驶员对所选路径进行回忆也存在问题。由于手机信令可以完整的记录用户的活动轨迹，能够避免大规模路网出行中存在的定位精度低、非连续本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进型C
‑
SPSA的大规模路网交通分配模型参数标定方法，其特征在于，该方法包括如下步骤：S1，获取路段的属性以及起讫点的属性；S2，基于大规模路网特征、路段属性和起讫点属性，建立路径费用函数和路径选择模型；S3，基于路段车道数，起讫点之间的距离和交通出行需求，分类路段广义出行费用函数参数和路径选择模型参数；S4，基于路径选择模型分类结果，应用手机信令估计不同簇的路径选择模型参数初始值和取值范围；S5，建立交通分配模型，根据输入参数和模型分配的目标函数值，训练机器学习模型；S6，结合机器学习模型，使用基于改进的C
‑
SPSA标定路段广义出行费用函数参数和路径选择模型参数进行标定。2.根据权利要求1所述的一种基于改进型C
‑
SPSA的大规模路网交通分配模型参数标定方法，其特征在于，S1中所述的路段属性包含路段的车道数、长度、自由流通行时间、路段容量，起讫点属性包含起讫点的区域质心坐标以及起讫点之间的交通出行需求。3.根据权利要求1所述的一种基于改进型C
‑
SPSA的大规模路网交通分配模型参数标定方法，其特征在于，S2所述路径费用由路段费用迭加而得，其函数形式为：其中，为OD对rs间路径k的广义出行费用；c
a
为路段的广义出行费用；δ
ak
为路段路径关联关系，若路段a在路径k上为1，否则为0；路段的广义出行费用由路段的阻抗和通行费用组成，路段的阻抗统一以BPR函数表示：其中，t
a
为路段a的自由流通行时间，单位为min；v
a
为路段a上所分配到的交通量，单位为pcu/h；C
a
为路段a的通行能力，单位为pcu/h；α和β是BPR函数中的阻滞系数，l
a
为路段a的长度，单位为km，ρ为单位长度通行成本，单位为元/km；η为货币费用时间折算系数，在路段的广义出行费用中，α、β和ρ为待标定参数；路径选择模型的模型表达式为：式中，P
k
为选择路径k的概率；C
k
为路径k的费用；K
rs
为OD对rs上的路径集合；μ1和μ2是路径选择模型中的待标定参数，S
k
为修正项：式中，l
a
为路段a的长度；L
k
为路径k的长度；Γ
k
为路径k的路段集合；若路段a在路径j
上，则δ
aj
＝1，否则为0；C
n
为路径集合；为C
n
上的最短路径长度。4.根据权利要求3所述的一种基于改进型C
‑
SPSA的大规模路网交通分配模型参数标定方法，其特征在于，S3中将路段广义出行费用函数和路径选择模型的参数进行分类，路段广义出行费用函数根据路段的车道数使用不同的α、β和ρ计算；路径选择模型使用K
‑
means聚类方法按照起讫点之间的距离和交通出行需求，将所有OD对分成指定数量的簇，计算不同簇内OD之间的路径选择概率时使用不同的μ1和μ2。5.根据权利要求4所述的一种基于改进型C
‑
SPSA的大规模路网交通分配模型参数标定方法，其特征在于，S4中结合手机信令数据，估计路径选择模型参数，根据路径选择模型分类结果，提取每一簇中交通出行需求最大的OD对，结合个人手机信令数据得到每一簇的路径选择模型参数初始值及取值范围；根据数据精度，按照不同的置信区间，以手机信令点为圆心画圈，作为其相关的物理区域DDR，弥补手机信令数据和真实位置之间的误差，允许多条路径对应于同一手机信令点，计算出行者生成实际手机信令点的概率：其中，其中，其中，是根据手机信令点得到的所有相关OD对，是在所有相关OD对中，选择OD对s的概率，假设所有相关OD对被选择的概率相等，为相关OD对的数量，P
n
(i|p)是衡量方程，若手机信令点i的DDR和路段a相交，则δ
ai
＝1，否则为0；I为个人出行产生的所有手机信令点；d(i,a)表示手机信令点i和DDR相交的路段a之间的垂直距离，P
n
(p|δ
n
(s)；μ1,μ2)是S2建立的路径选择模型，δ
n
(s)是OD之间的路径集，p是路径集中的一条路径，μ1和μ2是路径选择模型中的待估计参数，根据出行者生成实际手机信令点的概率，采用最大似然估计法MLE对路径选择模型参数μ1,μ2进行估计。6.根据权利要求5所述的一种基于改进型C
‑
SPSA的大规模路网交通分配模型参数标定方法，其特征在于，S5建立交通分配模型，根据输入参数和模型分配的目标函数值，训练机器学习模型，具体方法如下：S5
‑
1，建立随机用户平均分配模型，将不同OD间的交通出行需求加载到路网上，即：1，建立随机用户平均分配模型，将不同OD间的交通出行需求加载到路网上，即：1，建立随机用户平均分配模型，将不同OD间的交通出行需求加载到路网上，即：
式中，t
a
(w)为行驶路段a所需的平均费用，S
k
为路径选择模型中的修正项，θ为非负的校正参数,它描述了模型的随机特性；为OD对rs之间的路径k的交通流量，q
rs
为OD对rs之间的交通出行需求；x
a
为路段a上的流量，若路段a在OD对rs之间的路径k上，则否则，为0；S5
‑
2，在取值范围内随机生成路段广义出行费用函数参数和路径选择模型参数，确定OD之间的路径费用和路径选择概率分布，将随机生成的参数输入到S5
‑
1建立的随机用户平均分配模型，根据路段的分配流量和实际流量，输出目标函数，以实现模型分配的结果与实际结果的最大耦合度为目...

【专利技术属性】
技术研发人员：李大韦，叶正浩，刘一平，范甬辰，宋玉晨，张桐，
申请(专利权)人：东南大学，
类型：发明
国别省市：