【技术实现步骤摘要】
一种基于BMA的车辆跟驰模型参数建模方法
[0001]本专利技术涉及微观交通理论领域,尤其是涉及一种基于
BMA
的车辆跟驰模型参数建模方法
。
技术介绍
[0002]如今,微观交通仿真作为评估交通流量和拥堵
、
动态交通管理策略
、
模拟微观交通行为等方面的重要工具,微观交通仿真软件能够模拟交通系统中复杂的交通行为和交互作用,仿真的准确性与微观交通仿真软件中微观交通模型
(
如车辆跟驰模型和变道模型
)
密切相关
。
[0003]车辆跟驰模型受到交通学者的广泛关注,用于描述车辆与前方一辆或多辆车辆的纵向运动相互作用
。
每个车辆跟驰模型中都包含一组参数,这些参数控制着模型的性能
。
正确确定车辆跟驰模型的参数是至关重要的,这个过程被称为参数校准
。
校准的目标是使模型的输出更加符合实际驾驶行为,并进一步准确地模拟交通流特性
。
通常,校准过程被视为多元非线性优化问题,校准精度受到目标函数
、
优化算法等的影响
。
目标函数通常通过考虑不同的性能指标
(MoP)
来衡量拟合度
(GoF)
,优化算法的目标是找到校准问题的近似解
(
即车辆跟驰模型的参数集
)。
此外,校准过程中使用的不同车辆跟驰事件将产生不同的参数集,这表明车辆跟驰模型的参数中存在不确定性< ...
【技术保护点】
【技术特征摘要】
1.
一种基于
BMA
的车辆跟驰模型参数建模方法,其特征在于,包括如下步骤:
S1、
获取车辆跟驰事件片段,确定车辆跟驰事件片段的车辆组合类型并提取车辆跟驰事件片段的轨迹数据;
S2、
选取待标定的车辆跟驰模型及其待标定的跟驰模型参数;
S3、
根据待标定的跟驰模型参数定义最优化问题与目标函数,并设置跟驰模型参数的约束;
S4、
根据轨迹数据求解最优化问题,得到标定后的跟驰模型参数,并对标定后的跟驰模型参数进行验证;
S5、
根据跟驰模型参数构建不同的候选模型,通过贝叶斯模型平均方法对候选模型进行统计建模
。2.
根据权利要求1所述的一种基于
BMA
的车辆跟驰模型参数建模方法,其特征在于,所述步骤
S1
的车辆类型组合包括汽车跟驰汽车
、
汽车跟驰货车
、
货车跟驰汽车和货车跟驰货车
。3.
根据权利要求1所述的一种基于
BMA
的车辆跟驰模型参数建模方法,其特征在于,所述步骤
S1
中获取的跟驰事件片段为同时满足条件一
、
条件二和条件三的跟驰事件,所述条件一为车头时距小于6秒,所述条件二为净车辆间距小于
120
米,所述条件三为跟驰事件维持时间超过
30
秒
。4.
根据权利要求1所述的一种基于
BMA
的车辆跟驰模型参数建模方法,其特征在于,所述步骤
S2
中所述的待标定的跟驰模型参数包括前导车辆的舒适减速度
、
前导车辆的加速度指数
、
安全车头时距
、
跟驰车辆的最大期望速度和跟驰车辆的最大期望加速度
。5.
根据权利要求1所述的一种基于
BMA
的车辆跟驰模型参数建模方法,其特征在于,所述步骤
S3
中所述的最优化问题的表达式为:
MoP
sim
=
F(
θ
)minf(MoP
obs
,
MoP
sim
)LB
θ
≤
θ
≤UB
θ
式中,
θ
为需要校准的车辆跟驰模型参数向量;
F(
·
)
为车辆跟驰模型;
LB
θ
为参数向量
θ
的下界,
UB
θ
为参数向量
θ
的上界;
MoP
obs
为观测到的性能指标,
MoP
sim
为模拟的性能指标;
f(
·
)
为拟合优度函数,
f(MoP
obs
,
MoP
sim
)
表示优化目标...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。