使用人工神经网络对微观交通模拟模型进行自动校准
Rodrigo F Daguano1, Leopoldo R Yoshioka1, Marcio L Netto1
1Department of Electronic Systems Engineering, Escola Politécnica da Universidade de São Paulo, São Paulo CEP 05508-010, SP, Brazil.
Sensors (Basel, Switzerland)
|November 14, 2023
概括
本研究介绍了一种使用人工神经网络 (ANN) 来校准交通模拟参数的自动化方法. 该方法准确地模仿了现实世界的交通条件,改善了城市移动计划.
科学领域:
- 运输工程 运输工程
- 人工智能的人工智能
- 城市规划 城市规划
背景情况:
- 微观交通模拟模型对于城市流动性规划和运行至关重要.
- 手动校准模拟参数是耗时的,缺乏系统的方法.
- 精确的校准对于有效的交通模拟至关重要,以反映现实世界的场景.
研究的目的:
- 提出和评估一种用于自动校准交通模拟参数的新方法.
- 利用人工神经网络 (ANN) 来学习和优化模拟模型行为.
- 提高城市流动性研究的交通模拟校准效率和准确性.
主要方法:
- 开发了一种使用多层感知器 (MLP) 训练有反向传播的人工神经网络的方法.
- 训练了MLP来学习运输网络行为并优化模拟参数.
- 在巴西圣保罗的微观交通模型上测试了该方法,使用Wiedemann 74和99心理物理模型以及各种反向传播算法 (SGD,Adam,Adagrad等). ) 的情况.
主要成果:
- 拟议的基于ANN的方法实现了准确和高效的校准,对具有显著网络影响的参数 (行程时间,车辆数量,平均速度) 的相关系数超过0.8.
- 对于简化的Wiedemann 74模型中的心理物理参数,相关系数超过了0.7.7.
- 该系统在不同MLP配置和反向传播培训方法中表现出有效性.
结论:
- 人工神经网络为校准交通模拟参数提供了一种系统和自动化的方法.
- 这种方法显著提高了交通工程师对各种未来场景进行全面研究的能力.
- 自动校准有助于更强大的城市移动规划和运营策略.
