資源描述：
《vissim仿真軟件中微觀交通仿真模型參數(shù)校正研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、國內圖書分類號：U491．1國際圖書分類號：年姓西南交通大學研究生學位論文VISSIM仿真軟件中微觀交通仿真模型參數(shù)校正研究級2Q!!級名朱林波申請學位級別工堂亟±專業(yè)交通運輸規(guī)劃皇笪理指導老師星霞麴拯二零一三年十一月一夸一二牛T一月密級：公開ClassifiedIndex：U491．1U．D．C：SouthwestJiaotongUniversityMasterDegreeThesisParameterCalibrationforMicroscopicTrafficSimulationModel
2、ofVISSIMGrade：2011Candidate：ZhuLinboAcademicDegreeAppliedfor：MasterDegreeSpeciality：TransportationPlanningandManagementSupervisor：prof．LuoXiaNov．2013西南交通大學學位論文版權使用授權書本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。本人授權西南交通大學可以將本論文
3、的全部或部分內容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復印手段保存和匯編本學位論文。本學位論文屬于1．保密口，在年解密后適用本授權書；2．不保密i，使用本授權書。(請在以上方框內打“√”)學位論文作者簽名：辣p雨水；1支指導老師簽名日期：2≯，；．f2．10日期：20q．，2．／礦西南交通大學碩士學位論文主要工作(貢獻)聲明本人在學位論文中所做的主要工作或貢獻如下：(1)在已有參數(shù)校正流程基礎上，構建符合研究對象特點的參數(shù)校正流程，并實例證明該流程具有較好的實用性。(2)簡要闡述仿真建
4、模以及參數(shù)校正所需數(shù)據(jù)，對相應數(shù)據(jù)進行現(xiàn)場采集、匯總整理，以調查數(shù)據(jù)為基礎構建出仿真模型。(3)提出基于BP神經網絡的參數(shù)靈敏度分析方法，該方法區(qū)別與傳統(tǒng)方法：方差分析法和散點圖法；對基于BP神經網絡的參數(shù)靈敏度分析方法的重要步驟詳細說明，最后以研究對象為例計算出不同參數(shù)靈敏度系數(shù)并結合散點圖法對參數(shù)靈敏度進行定量、定性分析。(4)構建校正模型，對基于SPSA算法參數(shù)校正流程進行改進，依據(jù)改進的流程對參數(shù)進行校正，然后利用新鮮數(shù)據(jù)對校正后的結果進行驗證。本人鄭重聲明：所呈交的學位論文，是在導師指導
5、下獨立進行研究工作所得的成果。除文中已經注明引用的內容外，本論文不包含任何其他個人或集體已經發(fā)表或撰寫過的研究成果。對本文的研究做出貢獻的個人和集體，均已在文中作了明確說明。本人完全了解違反上述聲明所引起的一切法律責任將由本人承擔。學位論文作者簽名：匆碗護水日期：2礦，弓．，2·f汐西南交通大學碩士研究生學位論文第1頁摘要由于微觀交通仿真模型具有經濟效益、無風險性及直觀方便等優(yōu)點，所以微觀交通仿真模型己被廣泛運用于交通工程各領域。微觀交通仿真模型運用大量的獨立參數(shù)來描述交通系統(tǒng)運行、交通流特性以及
6、駕駛員行為等，參數(shù)的取值對仿真結果有較大影響，故對模型參數(shù)校正是十分必要的。以往研究中主要側重于參數(shù)校正算法的選取及改進，本文不僅注重算法的選取及改進還關注參數(shù)校正前期過程中默認參數(shù)可行性分析和參數(shù)靈敏度分析兩部分的研究。本文首先對微觀交通仿真模型和微觀交通仿真模型參數(shù)校正兩個層面進行文獻綜述，根據(jù)研究現(xiàn)狀總結確定出所需仿真平臺、仿真研究對象和參數(shù)校正流程。依據(jù)參數(shù)校正流程論文主要研究以下三部分內容：首先，對參數(shù)校正所需的基礎數(shù)據(jù)和評價指標數(shù)據(jù)進行歸納總結，確定主輔路行程時間為評價指標，并對這兩部
7、分數(shù)據(jù)進行現(xiàn)場采集、匯總整理。以調查數(shù)據(jù)為基礎構建出合理的VISSIM仿真模型以及合理布置數(shù)據(jù)采集點。然后，在詳細介紹模型參數(shù)基礎上利用直方圖法和置信區(qū)間法確定出對于本文研究對象而言默認參數(shù)是不可行的：由于默認參數(shù)個數(shù)較多，若對全部參數(shù)進行校正即浪費時間又無必要。本文利用BP神經網絡良好的非線性映射能力，通過BP神經網絡與靈敏度分析的結合，提出了基于BP神經網絡的參數(shù)靈敏度分析方法，確定出待校正參數(shù)集為可觀察前車數(shù)量、安全距離附加部分、安全距離倍數(shù)部分、消失前等待時間、安全距離折減系數(shù)、協(xié)調剎車最
8、大減速度、．1m／s2距離、最大減速度、可接受的減速度。最后，以評價指標的仿真輸出值和實測值的相對誤差平方和SSRE作為校正目標函數(shù)構建出校正模型。經過算法比選確定SPSA算法為本文優(yōu)化算法，在改進SPSA算法參數(shù)校正流程基礎上對參數(shù)進行校正，新鮮數(shù)據(jù)驗證結果表明校正的有效性。關鍵詞：微觀交通仿真模型；參數(shù)校正；BP神經網絡；SPSA算法；VISSIM西南交通大學碩士研究生學位論文第1I頁AbstractSinceMicroscopicTra衢cSimulationModelisc
