[发明专利]一种面向交叉口通行轨迹离散性的交通流模型参数标定方法

说明书

本发明提出一种面向交叉口通行轨迹离散性的交通流模型参数标定方法，该方法基于通行轨迹模型，先采用聚类方法将驾驶人进行分类，再对各类驾驶行为参数进行多变量分布拟合。本发明根据驾驶人特性将其分为多种类别进行驾驶行为参数标定，相较于将驾驶人归为同一类，从逻辑上更为合理。所提出的交通流模型参数标定方法可更好地描述交叉口通行轨迹的离散性，可对交叉口交通流运行进行更为细致的刻画，对交叉口交通流精细化分析具有重要意义。

技术领域

本发明涉及交通流模型参数标定技术领域，尤其涉及一种面向交叉口通行轨迹离散性的交通流模型参数标定方法。

背景技术

微观交通流模型是模拟车辆微观运行情况的方法，可用于揭示交通流运行规律，并对设计、控制和管理方案进行评价。交通流模型参数取值的合理与否对于模拟结果的真实性有很大影响。对于交叉口，不同于路段有较为明确的车道划分，交叉口内部无结构化车道，且驾驶人行为也各有不同，这使得车流通行轨迹离散化。然而，目前的交叉口交通流模型参数标定方法主要沿用路段的模型参数标定方法，对于交叉口通行轨迹离散性，未见有针对性的应对方法，并且也未检索到这类方法的发明专利。

经对现有技术的文献检索发现，有关描述车辆运行的模型，主要有以下几种：

1、固定值法。固定值法是最常用的参数取值方法。一般通过经验数据进行取值，或通过其他算法等对参数进行标定，最终获得一个在该算法条件下满足交通流模型的最优参数。常用的参数标定算法主要有遗传算法、Nelder-Mead算法、随机遗传算法等。代表性研究包括《跟驰模型参数标定及验证方法》、《车辆跟驰模型参数标定中的性能指标选择》、《基于自然驾驶数据的中国驾驶人城市快速路跟驰模型标定与验证》等。

2、边际分布法。相较于固定值法，边际分布法能够描述参数的分布情况。边际分布法是分析一定数量的标定参数，对其进行分布拟合，得出最符合该标定参数数据集的边际分布类型及边际分布的系数，常用的边际分布主要有均匀分布、指数分布、负指数分布，Erlang分布等。代表性研究包括“Acalibration procedure for increasing theaccuracy of microscopic traffic simulation models”、“Microscopic modelling ofarea-based heterogeneous traffic flow:Area selection and vehicle movement”、“Estimation of Traffic Flow Parameters of U-Turns”等。

3、多变量分布法。交通流参数之间存在一定的相关性，多变量分布法可以描述这种相关性。多变量分布法是多个参数分别服从同一种边际分布，通过建模的方式将多个参数组合到一起，得到一个多变量分布。常用的多变量分布主要有二元均匀分布、二元正态分布、二元指数分布等。代表性研究包括“Correlated Parameters in Driving BehaviorModels:Car-Following Example and Implications for Traffic Microsimulation”、“Assessing the impact of traffic signal performance on crash frequency forsignalized intersections along urban arterials:A random parameter modelingapproach”。

上述方法中，方法1是最常用的参数取值方法，但其忽略了驾驶人的差异性，不能反映真实的交叉口通行轨迹离散性。方法2是能够描述驾驶行为参数的分布情况，但其无法描述参数之间的相关性，难以反映真实的交叉口通行轨迹离散型。方法3虽然考虑了参数之间的相关性，但没有对驾驶行为进行分类，难以真实反映交叉口通行轨迹离散性。因此，现有技术缺乏针对交通流模型参数较为科学合理的标定方法。

发明内容

本发明的目的在于提出一种合理性更强，可更好地描述交叉口通行轨迹的离散性的交通流模型参数标定方法。