10.16652/j.issn.1004-373x.2023.13.032
基于迭代学习辨识算法的非线性宏观交通流参数优化
考虑到迭代学习辨识算法具有的独特优势,设计了一种基于迭代学习辨识算法的非线性宏观交通流参数优化方法.通过一个城市道路网络的模拟实验表明,该方法能够有效地识别时变量多参数的动态系统.研究结果表明:采用VISSIM的路段评估函数对各个路段的密度和车速进行采集,可方便对迭代式识别方法评估结果进行比较.随着迭代次数的增多,网络各个路段排队车错误值逐渐降低,且保持不变.对网络交通系统的最大错误对比,更好地体现了迭代识别的正确性.道路网的非线性宏观流量模型与道路模拟实验结果总体上与道路交通流量的实际改变相一致,验证了该方法在道路网络中的非线性大流量模型的识别性能.
交通流、非线性、拥堵现象、迭代学习、参数辨识、承载能力、交叉口信号
46
TN911.1-34;TP13
江西省交通运输厅科技项目2021H0023
2023-07-06(万方平台首次上网日期,不代表论文的发表时间)
共4页
183-186