[发明专利]一种基于遗传算法和比功率的跟驰模型排放测算方法

说明书

本发明公开了一种基于遗传算法和比功率的跟驰模型排放测算方法，涉及交通环境技术领域，本发明优化跟驰模型的全部参数，保证模型参数优化的全面性，利用遗传算法对所有参数进行交叉配对，既保证模型可以得到最优解，又可以利用遗传算法的特性减少模型参数的组合数，提高模型优化效率；同时由于本发明是利用遗传算法提出的一种优化方法，所以适用于众多跟驰模型，另外本发明利用遗传算法对跟驰模型参数进行优化后，与实测相比，模型仿真输出跟驰后车的时间‑速度、加速度曲线有明显的改善，模型仿真输出跟驰后车的VSP分布曲线有明显的改善，VSP均方误差明显减小，排放总量估算误差也明显减小。

技术领域

本发明涉及交通环境技术领域，特别涉及一种基于遗传算法和比功率的跟驰模型排放测算方法。

背景技术

将微观交通仿真与排放模型结合，分析交通管理策略对机动车排放的影响，已经成为交通环境领域的一个研究热点。车辆跟驰模型，用于刻画跟驰后车不同状态下的瞬时速度与加速度，但目前在仿真中，由于跟驰模型刻画的跟驰行为太过激进，常常无法用于跟驰后车排放测算。而众多学者在对跟驰模型优化的研究中，尝试从模型参数调整入手，从而得到一个满意的结果。例如在耿中波对Wiedemann74和Fritzsche跟驰模型的优化研究中，首先对模型参数进行敏感性分析，其次对敏感性参数设置其阈值范围和参数取值步长，最后对参数采取两两交叉的方式进行取值，最终确定399种参数组合，这也是目前对跟驰模型参数优化最常用的方法。

上述研究方法虽然可以对模型仿真效果进行优化，但存在以下缺点：

(1)、在跟驰模型中，可以优化的参数众多，仅从参数敏感性分析提取关键参数进行优化不足以保证模型参数优化的全面性；

(2)、在对跟驰模型参数进行优化时，必须要确定的是模型的参数阈值范围和取值步长，这关系到最终模型参数组合；例如，如果对Wiedeman74跟驰模型中的11个参数进行优化，每个参数通过设置阈值和步长得到10个组合，那么在对这个11个参数进行配对验证时就一共有10¹¹种参数组合，由于计算量过大，即使是高性能的计算机也无法在短时间内可以计算出结果；

(3)、在对跟驰模型优化用于排放测算的研究中，针对不同的跟驰模型往往需要进行多次敏感性分析，方可确定优化参数，降低了工作效率。

发明内容

本发明实施例提供了一种基于遗传算法和比功率的跟驰模型排放测算方法，用以解决现有技术中存在的问题。

一种基于遗传算法和比功率的跟驰模型排放测算方法，包括：

S1、获取实测跟驰前车的逐秒速度和加速度数据，并对数据进行检查、清洗，确保获取数据的有效性；

S2、编程跟驰模型，根据实测跟驰前车的逐秒速度和加速度数据，仿真跟驰后车的逐秒速度和加速度数据，对比仿真跟驰后车和实测跟驰前车的机动车比功率VSP，作为排放评价指标，并计算仿真和实测均方误差MSE；

S3、利用遗传算法对跟驰模型参数进行优化，得到模型最优参数解；

S4、基于车辆速度、加速度和VSP模型效果评价：利用所述S3中得到模型最优参数解，代入所述S2中，获取参数优化后的时间-速度、时间-加速度轨迹图和VSP分布图；

S5、基于速度-VSP排放模型效果评价，计算实际车辆排放量、参数优化前后跟驰模型车辆排放量，进行对比分析验证。

优选地，在所述S2中，所述根据实测跟驰前车的逐秒速度和加速度数据，仿真跟驰后车的逐秒速度和加速度数据包括：

S21、首先判断当前时刻跟驰后车处于哪种跟驰状态；

S22、然后根据各个跟驰状态不同的加速度计算方式，确定跟驰后车的仿真加速度，从而确定跟驰后车下一秒的仿真速度；