基于典型耦合优化算法的城市交通拥塞点源反演识别研究

摘要：

应用模拟-优化方法研究城市交通拥塞源的位置识别及数据推演问题.首先,构建一个假想城市交通拥塞案例,引入地下水污染质运移模型,并结合城市交通拥塞特征,改进模型适应性,利用Cholesky分解方法建立描述城市交通拥塞非均质性的城市交通流出率连续场.其次,采用Kriging和BP(Back Propagation)神经网络建立城市交通拥塞数值模拟模型的替代模型,通过平均相对误差、确定性系数及均方根误差检验替代模型精度.最后,利用麻雀搜索算法(SSA)和遗传算法(GA)求解优化模型,通过平均相对误差检验反演识别结果.研究结果表明:利用Cholesky分解方法,得到城市交通流出率分布不均,符合城市交通拥塞异质性特征,且均值为322.15,处于中等扩散水平;Kriging替代模型精度更高,平均相对误差为0.98％;应用SSA和GA均能快速准确地识别城市交通拥塞源的位置及交通扩散量,SSA相较于GA的交通拥塞源位置的整体相对误差提高1.68％,交通量的整体相对误差提升2.52％.综上,基于Kriging和SSA方法耦合的模拟-优化模型可以有效识别城市交通拥塞源和交通扩散交通量,且识别精度较高,可为城市交通拥塞源控制及交通扩散管控方案提供重要参考.

关键词：城市交通、反演识别、模拟-优化方法、城市交通拥塞、连续场划分

所属期刊栏目：23

分类号：U121(城市交通运输)

在线出版日期：2023-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：74-83