[发明专利]基于线性策略的交叉熵算法的交通仿真模型参数标定方法有效
申请号: | 201610231247.3 | 申请日: | 2016-04-13 |
公开(公告)号: | CN105930565B | 公开(公告)日: | 2019-11-19 |
发明(设计)人: | 傅恺延;钟任新 | 申请(专利权)人: | 中山大学;公安部交通管理科学研究所 |
主分类号: | G06F17/50 | 分类号: | G06F17/50 |
代理公司: | 44102 广州粤高专利商标代理有限公司 | 代理人: | 林丽明<国际申请>=<国际公布>=<进入 |
地址: | 510275 广东省广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开一种基于线性策略的交叉熵算法的交通仿真模型参数标定方法,具体的步骤如下:以跟驰模型为例,选取两车之间的车头间距以及后车速度作为评价指标,确定目标函数的形式,从而确定参数标定的目标;采集所需要的交通数据;根据所确定的跟驰模型以及交通数据,确定待标定的参数及其对应的有效取值范围;利用交叉熵算法对上述跟驰模型进行参数标定计算;计算过程中采用线性策略确定样本数量:设下一迭代的样本的生成数量与当前迭代的样本的方差存在一个负的线性关系,即当前样本方差越大,下一次迭代时样本的生成数量越大,方差越小,样本生成数量越小;直到样本的方差小于交叉熵算法预设的阀值,最后输出样本的均值作为标定的最优值。 | ||
搜索关键词: | 基于 线性 策略 交叉 算法 交通 仿真 模型 参数 标定 方法 | ||
【主权项】:
1.一种基于线性策略的交叉熵算法的交通仿真模型参数标定方法,其特征在于采用线性关系生成样本量,具体的步骤如下:/na、选择跟驰模型作为交通仿真模型,选取两车之间的车头间距以及后车的速度作为评价指标,确定目标函数的形式,从而确定参数标定的目标;/n步骤a中选取两车间的车头间距以及后车的速度作为评价指标,确定目标函数的形式,具体为:/n在跟驰模型中以两车间的车头间距以及后车的速度作为评价指标,则目标函数中,计算的就是模型仿真的两车间的车头间距以及后车的速度与观测得到的数据之间的差异,具体形式为:/n /n式中,S(x)表示目标函数的值,x表示跟驰模型的参数集;T表示总的仿真时长,t表示某个仿真时刻; 表示在t时刻跟驰模型计算得出的车头间距, 表示在t时刻观测得到的车头间距; 和 分别表示在t时刻模型计算得出的速度值和观测得到的速度值;λ为权重值,λ越高,表示在目标函数中车头间距的比重越高,反之,速度值的比重越高;/nb、采集所需要的交通数据,并确定跟驰模型的形式;根据所确定的跟驰模型以及实地测量数据,确定待标定的参数及其对应的有效取值范围;/nc、利用交叉熵算法对上述跟驰模型进行参数标定计算,并采用线性策略确定样本数量;/n所述步骤c利用交叉熵算法对上述跟驰模型进行参数标定计算,并采用线性策略确定样本数量,具体实现过程为:/nc1、设下一次迭代的随机样本的数量与当前迭代的样本的方差存在简单的负相关关系,即当前样本方差越大,下一次迭代生成的样本数量越大,当前样本方差越小,下一次迭代生成的样本数量越小;/nc2、初始化样本的概率密度函数,此处的样本指代跟驰模型的待标定参数;/nc3、迭代开始,首先按照线性关系确定初次迭代要生成的样本的数量;/nc4、假设样本的分布为独立正态分布,按照该分布生成一定数量的随机样本;/nc5、将每个样本分别输入跟驰模型,模拟驾驶员的驾驶情况,并收集每一时刻后车驾驶员的驾驶速度和绝对位置;通过对比仿真得出的和观测得到的后车的驾驶速度和绝对位置,计算目标函数式,得到评价每一个样本的目标函数值;/nc6、将得到的目标函数值从小到大依次排列,把产生最小目标函数值的前5%的样本标记为精英样本;即精英样本就是在每次迭代中,能够产生最小目标函数值的参数集;/nc7、判断当前的精英样本是否满足设定的迭代停止条件;当不满足停止条件时,将根据精英样本的信息更新正态分布的均值和方差,并且返回步骤c3,继续进行迭代;直到精英样本聚拢于最优样本附近,退出循环,记录最优样本,并且结束交叉熵算法。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学;公安部交通管理科学研究所,未经中山大学;公安部交通管理科学研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201610231247.3/,转载请声明来源钻瓜专利网。