集成的宏微观一体化交通流模型标定方法技术

本发明专利技术涉及一种集成的宏微观一体化交通流模型标定方法，包括如下步骤：步骤1，提取稳定状态的宏观交通流数据，标定宏观基本图模型；步骤2，提取车辆跟驰对，标定微观车辆跟驰模型；步骤3，求解集成的宏观微观交通流标定问题的多目标函数；步骤4，选择综合满意度最优的交通流模型参数集合。本发明专利技术通过引入宏观目标函数连接了宏观和微观交通流模型。并基于相同的轨迹数据集使用IMOWSO算法求解集成的宏观微观交通流标定问题。在标定过程中通过增加宏观和微观交通流的特征来同时保证了宏观和微观层面的精度，极大地提高了物理可解释性。

【技术实现步骤摘要】

本专利技术涉及一种集成的宏微观一体化交通流模型标定方法，属于数据驱动交通流。

技术介绍

1、目前，大数据环境下“互联网+交通”技术的蓬勃兴起，对城市交通管控优化带来了新的机遇和挑战。在大数据支撑交通流理论发展层面，亟需构建数据驱动的新一代交通流理论体系，突破我国城市智能交通系统发展瓶颈，进而全面提升交通系统整体效能。

2、进入大数据时代，道路运行状态感知与分析技术面临转型，宏微观交通流理论面临重构。宏观交通流模型通常用来刻画全时空交通流，而微观交通流模型聚焦于个体车辆的运行，主要研究交通流的微观特性。随着“大数据、机器学习”等新技术的发展，交通流模型的宏微观一体化逐渐成为趋势。

3、然而目前没有宏微观一体化标定模型的相关研究，常规的方法导致宏微观交通流模型中具有相同物理意义的参数标定结果不一致，尽管二者具有严格相同的物理意义。这些不一致的标定结果源于使用了不同的全局优化算法以及交通流数据集。此外，宏观标定中交通流处于平衡状态的假设同样也值得关注，几乎所有关于标定fd模型的相关研究都没有考虑筛除数据集中的非稳态数据。这种简单近似的处理本文档来自技高网...

【技术保护点】

1.一种集成的宏微观一体化交通流模型标定方法，其特征在于，包括如下步骤：

2.如权利要求1所述的方法，其特征在于，步骤1具体为：在经典的双线性CNN模型的基础上，设计了包含多个提取器的稳态交通流检测架构ResNet、EfficientNet和Transformer模型被用作从时空区域提取特征信息的提取器；所有三个提取器的输入都是相同的，即为被均匀划分的时空图区域；在通过提取器之前将均匀划分的时空区域的输入图像调整为相同尺寸。

3.如权利要求1所述的方法，其特征在于，对于步骤1，通过混淆矩阵来评估所提出的稳态检测方法，并将其与3个基准模型进行比较，即ResNet、E...

【技术特征摘要】

1.一种集成的宏微观一体化交通流模型标定方法，其特征在于，包括如下步骤：

2.如权利要求1所述的方法，其特征在于，步骤1具体为：在经典的双线性cnn模型的基础上，设计了包含多个提取器的稳态交通流检测架构resnet、efficientnet和transformer模型被用作从时空区域提取特征信息的提取器；所有三个提取器的输入都是相同的，即为被均匀划分的时空图区域；在通过提取器之前将均匀划分的时空区域的输入图像调整为相同尺寸。

3.如权利要求1所述的方法，其特征在于，对于步骤1，通过混淆矩阵来评估所提出的稳态检测方法，并将其与3个基准模型进行比较，即resnet、efficientnet和transformer；混淆矩阵由真正类、假正类、假负类和真负类四种情况组成。

4.如权利要求1所述的方法，其特征在于，对于步骤1，根据对时空区域交通状态的定义：

5.如权利要求1所述的方法，其特征在于，步骤2具体为：使用宏观fd模型和微观cf模型的标定；

<...

【专利技术属性】
技术研发人员：刘少韦华，张玉杰，李炎，冯时，王泽林，徐渝汉，茹博伟，程启秀，史云阳，顾子渊，刘志远，
申请(专利权)人：浙江省交通投资集团有限公司智慧交通研究分公司，
类型：发明
国别省市：