基于SOGA 的VISSIM 仿真模型参数标定方法

交通运输系统工程与信息 ›› 2017, Vol. 17 ›› Issue (3): 91-97.

• 智能交通系统与信息技术 • 上一篇下一篇

基于SOGA 的VISSIM 仿真模型参数标定方法

杨艳芳^a，秦勇^*b，努尔兰·木汉^c

北京交通大学a. 交通运输学院；b. 轨道交通控制与安全国家重点实验室； c. 城市交通信息智能感知与服务工程技术研究中心，北京100044

收稿日期:2016-06-21 修回日期:2017-01-11 出版日期:2017-06-25 发布日期:2017-06-26
作者简介:杨艳芳（1985-），女，广西百色人，博士生.
基金资助:
国家科技支撑计划课题/ National Science & Technology Supporting Program of China (2014BAG01B02).

VISSIM Model Calibration Based on SOGA

YANG Yan-fang ^a, QIN Yong ^b, MUHAN Nu-er-lan ^c

a. School of Traffic and Transportation; b. State Key Laboratory of Rail Traffic Control and Safety; c. Beijing Engineering Research Center of Urban Traffic Information Intelligent Sensing and Service Technologies, Beijing Jiaotong University, Beijing 100044, China

Received:2016-06-21 Revised:2017-01-11 Online:2017-06-25 Published:2017-06-26

摘要/Abstract

摘要：

微观交通仿真模型是对交通系统进行管理、控制和优化的重要试验手段和工具，而微观交通模型的参数标定是确保微观交通仿真模型能真实、直观地反映交通流运行情况的必要前提.针对遗传算法(GA)的不足，提出了基于自适应正交遗传算法(SOGA) 的微观交通仿真模型参数标定方法.选取应用较为广泛的VISSIM 仿真模型作为基础平台，给出了该优化方法中染色体的编码解码、适应度函数和自适应正交交叉算子的详细设计.最后将算法应用到北京市荣华中路与荣京西街交叉口模型参数标定中，通过与GA 算法、正交试验法对比，SOGA算法得到的适应度函数值为19.43，优于其他标定算法的适应度函数值；同时，SOGA 算法迭代时间比GA 算法少了40.5%，验证了SOGA 算法在 VISSIM参数标定上的优越性.

关键词: 智能交通, 微观交通仿真, 参数标定, 自适应正交遗传算法, VISSIM

Abstract:

Traffic flow simulation models have become one major tool in evaluating both traffic operation and transportation planning application, with the progress of simulation technologies. In this paper, a microscope simulation parameter calibration method based on self-adaptive orthogonal algorithm (SOGA) is presented. The widely used VISSIM model is selected as the basic platform for the parameter calibration. The questions about how to encoding and decoding chromosomes and how to design the fitness function and the self-adaptive orthogonal crossover are answered in this paper. Finally, the proposed method is applied to the intersection model of the Ronghua mid- road and the Rongjing west street in Beijing, China. Through comparing with the GA and the orthogonal experiment method, the fitness value of SOGA is 19.43, which is better than other calibration algorithms, and the convergence time of SOGA is 40.5% less than the calibration method using GA algorithm. The advantage of the proposed method is shown.

Key words: intelligent transportation, microscopic traffic simulation, parameter calibration, self- adaptive orthogonal genetic algorithm, VISSIM

中图分类号:

U491.1

杨艳芳，秦勇，努尔兰·木汉. 基于SOGA 的VISSIM 仿真模型参数标定方法[J]. 交通运输系统工程与信息, 2017, 17(3): 91-97.

YANG Yan-fang, QIN Yong, MUHAN Nu-er-lan. VISSIM Model Calibration Based on SOGA[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(3): 91-97.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19418.shtml

http://www.tseit.org.cn/CN/Y2017/V17/I3/91

参考文献

[1] RAKHA H, HELLINGA B, AERDE M V, et al. Systematic verification, validation and calibration of traffic simulation models[C]. Washington, D.C., Transportation Research Board 75th Annual Meeting, 1996.

[2] 王殿海，陶鹏飞，金盛，等.跟驰模型参数标定及验证方法[J].吉林大学学报(工学版). 2011，41(1): 59-65. [WANG D H, TAO P F, JIN S, et al. Method of calibrating and validating car- following model[J]. Journal of Jilin University (Engineering and Technology Edition), 2011，41(1): 59-65.]

[3] LI J, ZUYLEN H V, CHEN Y, et al. Calibration of a microscopic simulation model for emission calculation[J]. Transportaiton Research Part C, 2013(31): 172-184.

[4] CHEU R L, JIN X, SRINIVASA D, et al. Calibration of FRESIM for Singapore expressway using genetic algorithm[J]. Journal of Transportation Engineering, 1998, 124 (6): 526-535.

[5] PARK B, H. Development and evaluation model calibration procedure[J]. Transportation Research Record: Journal of Transportation Research Board, 2005 : 208-217.

[6] KIM S J, KIM W, RILETT L. Calibration of microsimulation models using non- parametric statistical techniques[J]. Transportation Research Record: Journal of Transportation Research Board, 2005:111-119.

[7] 吴伟，时柏营，谢军. 面向交通控制的实时在线仿真参数标定[J]. 同济大学学报(自然科学版)，2011，39 (6)：842- 847. [WU W, SHI B Y, XIE J. Parameter calibration in real-time traffic control micro simulation[J]. Journal of Tongji University (Natural Science), 2011，39(6)：842-847.]

[8] 章玉，于雷，赵娜乐，等. SPSA算法在微观交通仿真模型VISSIM参数标定中的应用[J]. 交通运输系统工程与信息, 2010, 10(4): 44-49. [ ZHANG Y, YU L, ZHAO N L, et al. Application of simulation perturbation stochastic approximation algorithm in parameter calibration of VISSIM microscope simulation model[J]. Journal of Transportation Systems Engineering and Information Technology, 2010, 10(4): 44-49.]

[9] 于泉，王萌，邓小惠. 基于正交试验法的单个信号交叉口仿真参数标定[J]. 交通科技, 2012，29(S1)：57-64. [YU Q, WANG M, DENG X H. Simulation parameter calibration of single signalized intersection based on orthogonal experiment method[J]. Transportation Science & Technology, 2012，29(S1)：57-64.]

[10] OTKOVI? I I, TOLLAZZI T, ŠRAML M. Calibration of microsimulation traffic model using neural network approach[J]. Expert Systems with Application, 2013(40): 5965-5974.

[11] LEUNG Y W, WANG Y. An orthogonal genetic algorithm with quantization for global numerical optimization[J]. IEEE Transactions on Evolutionary Computation, 2001, 5(1): 41-53.

[12] 江中央，蔡自兴，王勇. 求解全局优化问题的混合自适应正交遗传算法[J]. 软件学报，2010，21(6)：1296- 1307. [JIANG Z Y, CAI Z X, WANG Y. Hybrid selfadaptive orthogonal genetic algorithm for solving global optimization problems[J]. Journal of Software, 2010，21 (6)：1296-1307.]

[1]	郭烈, 胥林立, 秦增科, 王旭. 自动驾驶接管影响因素分析与研究进展[J]. 交通运输系统工程与信息, 2022, 22(2): 72-90.
[2]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[3]	程君, 张立炎, 陈启宏. 一种基于地图辅助的自动驾驶视-惯融合定位方法[J]. 交通运输系统工程与信息, 2022, 22(2): 117-126.
[4]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[5]	马东方, 陈曦, 吴晓东, 金盛. 基于强化学习的干线信号混合协同优化方法[J]. 交通运输系统工程与信息, 2022, 22(2): 145-153.
[6]	许波桅, 王玲玲, 李军军. 自动化码头多级作业超网络延误传导特性研究[J]. 交通运输系统工程与信息, 2022, 22(2): 280-289.
[7]	田会娟, 刘嘉伟, 翟佳豪, 邓琳琳. 基于多入侵线的视频车速检测方法[J]. 交通运输系统工程与信息, 2022, 22(1): 49-56.
[8]	贾彦峰, 曲大义, 赵梓旭, 王韬, 宋慧. 基于安全势场的网联自主车辆跟驰行为决策及模型[J]. 交通运输系统工程与信息, 2022, 22(1): 85-97.
[9]	刘文, 汪文博. 基于秩最小化矩阵去噪的船舶轨迹重构方法[J]. 交通运输系统工程与信息, 2022, 22(1): 106-114.
[10]	赵建东, 陈溱, 焦彦利, 张凯丽, 韩明敏. 重点营运车辆的异常驾驶行为识别研究[J]. 交通运输系统工程与信息, 2022, 22(1): 282-291.
[11]	徐东伟, 彭航, 商学天, 魏臣臣, 杨艳芳. 基于图自编码-生成对抗网络的路网数据修复[J]. 交通运输系统工程与信息, 2021, 21(6): 33-41.
[12]	游峰, 梁健中, 曹水金, 肖智豪, 吴镇江, 王海玮. 面向多目标跟踪的密集行人群轨迹提取和运动语义感知[J]. 交通运输系统工程与信息, 2021, 21(6): 42-54.
[13]	王福建, 俞佳浩, 赵锦焕, 梅振宇. 基于站点实时关联度的短时公交客流预测方法[J]. 交通运输系统工程与信息, 2021, 21(6): 131-144.
[14]	张毅, 姚丹亚, 李力, 裴华鑫, 晏松, 葛经纬. 智能车路协同系统关键技术与应用[J]. 交通运输系统工程与信息, 2021, 21(5): 40-51.
[15]	龙建成, 郭嘉琪. 动态交通分配问题研究回顾与展望[J]. 交通运输系统工程与信息, 2021, 21(5): 125-138.

基于SOGA 的VISSIM 仿真模型参数标定方法

VISSIM Model Calibration Based on SOGA

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics