仿真参数校准方法和电子设备与流程

本技术涉及交通仿真，特别涉及一种仿真参数校准方法和电子设备。

背景技术：

1、交通仿真能够利用计算机仿真技术对复杂交通系统进行复刻和推演，是设计规划部门和交通管理部门洞悉复杂交通系统、管理交通系统的重要工具。随着计算机计算能力的不断提升，交通仿真工具所刻画的个体行为和交通现象也越来越复杂化和精细化。

2、精细化的仿真工具不可避免地带来了海量的仿真参数，在进行交通仿真之前，如何对仿真参数进行准确的校准，从而使得仿真结果更为准确是要解决的问题。

技术实现思路

1、本技术提供了一种仿真参数校准方法和电子设备，能够对交通仿真参数进行更为准确的校准。

2、第一方面，本技术实施例提供一种仿真参数校准方法，包括：对于od估计问题的时间段，将时间段划分为若干个首尾连接的时段，每个子时间段包括若干个连续的时段，相邻2个子时间段之间存在时段的重叠；对于od估计问题的路网，将路网划分为至少2个相互独立的子路网；将子时间段与子路网对应组合，得到多个od估计子问题；计算每个od估计子问题的od估计子矩阵；对od估计子矩阵进行整合，得到od估计问题的od估计矩阵；将od估计问题的od估计矩阵作为交通仿真模型中的od配置信息。该方法中，将od估计问题划分为od估计子问题，分别计算得到od估计子矩阵后，整合得到od估计矩阵，将所述od估计问题的od估计矩阵作为交通仿真模型中的od配置信息。以上方法中，将od估计问题划分为估计子问题，分别计算od估计子问题的od估计子矩阵，进而整合为od估计矩阵，从而能够对交通仿真参数中的od估计矩阵进行准确校准，而且，降低了计算od估计矩阵的计算量。

3、在一种可能的实现方式中，计算每个od估计子问题的od估计子矩阵，包括：

4、对于一个od估计子问题，构建目标函数；在可行域内随机选取od估计子问题的od估计子矩阵的n个采样点，将n个采样点分别输入仿真系统，得到n个采样点对应的目标函数值；基于n个采样点和n个采样点对应的目标函数值，通过高斯过程回归计算均值与方差，作为目标函数与od估计子问题的od估计子矩阵之间的函数关系的代理模型；基于代理模型构建采集函数，求解采集函数的极值点，作为新的采样点；将新的采样点输入仿真系统，得到新的采样点对应的目标函数值；根据包括n个采样点和新的采样点在内的所有采样点以及采样点对应的目标函数值，判断是否满足迭代停止条件，如果是，根据所有采样点中的最优采样点确定od估计子问题的od估计子矩阵；如果否，将n个采样点替换为所有采样点，返回基于n个采样点和n个采样点对应的目标函数值，通过高斯过程回归计算均值与方差的步骤，并将n替换为n+1，以此类推，直到满足迭代停止条件。

5、在一种可能的实现方式中，还包括：根据od估计矩阵及目标路网的od数据使用od预测模型计算od预测矩阵；

6、将od预测矩阵配置为交通仿真模型中的od预测信息。

7、在一种可能的实现方式中，od预测模型预先训练得到，训练方法包括：获取历史路网流量统计数据和od数据的统计数据；构建od预测模型的初始模型；将统计数据转换为与初始模型匹配的张量；使用张量对初始模型进行训练与校验，得到od预测模型。

8、在一种可能的实现方式中，还包括：计算交通仿真模型的微观参数，将计算得到的微观参数作为交通仿真模型的配置信息；微观参数包括：运动学模型的参数，和/或，路径选择模型的参数；运动学模型包括：跟驰模型，和/或，换道模型。

9、在一种可能的实现方式中，计算交通仿真模型的微观参数，将计算得到的微观参数作为交通仿真模型的配置信息，包括：从车辆轨迹数据中提取车辆的跟驰行为数据；根据跟驰行为数据对预设跟驰模型的优化问题进行求解，得到满足优化问题的跟驰模型参数，优化问题包括跟驰模型的跟驰模型参数；将跟驰模型参数作为交通仿真模型中跟驰模型的配置信息。

10、在一种可能的实现方式中，跟驰模型的优化问题的优化目标包括：

11、

12、p*＝argminpwmape

13、其中，vi’(t)是t时刻第i个车辆的估计速度，vi(t)是t时刻第i个车辆的实际速度，gi’(t)是t时刻第i个车辆的估计的前后车间距，gi(t)是t时刻第i个车辆的实际的前后车间距。

14、在一种可能的实现方式中，根据跟驰行为数据对预设跟驰模型的优化问题进行求解，得到满足优化问题的跟驰模型参数，包括：根据跟驰行为数据使用启发式算法对预设跟驰模型的优化问题进行求解，得到满足优化问题的跟驰模型参数。

15、在一种可能的实现方式中，计算交通仿真模型的微观参数，将计算得到的微观参数作为交通仿真模型的配置信息，还包括：从车辆轨迹数据中提取车辆的换道行为数据；根据换道行为数据对预设换道模型的优化问题进行求解，得到满足换道模型的优化问题的换道参数，换道模型的优化问题包括换道模型的换道参数；将换道模型参数作为交通仿真模型中换道模型的配置信息。

16、在一种可能的实现方式中，换道模型的优化问题的优化目标包括：

17、

18、其中，nlc’是车辆的估计的换道次数，nlc是车辆的实际换道次数。

19、在一种可能的实现方式中，根据换道行为数据对预设换道模型的优化问题进行求解，得到满足换道模型的优化问题的换道参数，包括：使用在换道次数的可行取值范围内由小到大遍历的方式，得到满足换道模型的优化问题的换道参数。

20、在一种可能的实现方式中，计算交通仿真模型的微观参数，将计算得到的微观参数作为交通仿真模型的配置信息，还包括：根据目标路网提取车辆的行驶路径，得到目标路网中每对od的可行路径集；获取目标路网的路段通行时间和路径流量数据，根据路段通行时间和路径流量数据使用预设路径选择模型计算每一车辆选择可行路径集中每条路径的概率；构建似然函数，以最大化似然函数为目标求解路径选择模型中的参数；将求解得到的参数作为交通仿真模型中路径选择模型的配置参数。

21、在一种可能的实现方式中，计算交通仿真模型的微观参数，将计算得到的微观参数作为交通仿真模型的配置信息，还包括：获取目标路网的流量信息、路段长度、自由流速度和容量信息；对于预设路径选择模型中给定的参数，根据流量信息、路段长度、自由流速度和容量信息进行基于路径选择模型的随机用户均衡分配，记录达到均衡时的路网流量；求均衡时的路网流量与真实路网流量的相对误差；以最小化相对误差为目标求解路径选择模型的参数；将求解得到的参数作为交通仿真模型中路径选择模型的配置参数。

22、在一种可能的实现方式中，还包括：计算交通仿真模型的宏观参数，将计算得到的宏观参数作为交通仿真模型的配置信息；宏观参数包括：驾驶员的速度分布参数，和/或，自由流车速。

23、在一种可能的实现方式中，计算交通仿真模型的宏观参数，将计算得到的宏观参数作为交通仿真模型的配置信息，包括：根据目标路网的自由流速度观测数据使用监督学习模型计算目标路网的自由流速度；监督学习模型预先训练得到；使用自由流速度作为交通仿真模型中的路网限速。

24、在一种可能的实现方式中，监督学习模型预先训练得到，训练方法包括：获取训练样本；训练样本包括自由流速度的观测数据；使用训练样本对预设模型进行训练，得到监督学习模型，监督学习模型用于计算目标路网的自由流速度。

25、在一种可能的实现方式中，还包括：获取测试样本，测试样本包括自由流速度的观测数据，测试样本与训练样本不重合；使用测试样本对监督学习模型对于自由流速度的预测精度进行测试；根据测试结果对监督学习模型的模型参数进行调整，直到监督学习模型达到预设的预测精度。

26、在一种可能的实现方式中，计算交通仿真模型的宏观参数，将计算得到的宏观参数作为交通仿真模型的配置信息，还包括：根据目标路网的驾驶行为数据，拟合得到驾驶员群体的速度分布，得到驾驶员群体的速度分布参数；将得到的速度分布参数作为交通仿真模型中驾驶员群体的速度分布参数。

27、在一种可能的实现方式中，计算交通仿真模型的宏观参数，还包括：建立目标函数；获取n组驾驶员速度分布的可行解作为n个采样点，将n个采样点分别输入仿真系统，得到n个采样点对应的目标函数值；基于n个采样点和n个采样点对应的目标函数值，通过高斯过程回归建立目标函数与速度分布之间的代理模型；基于代理模型构建采集函数，求解采集函数的极值点，作为新的采样点；将新的采样点输入仿真系统，得到新的采样点对应的目标函数值；判断目标函数值是否达到收敛条件，若是，根据所有采样点中的最优采样点确定驾驶员群体的速度分布参数；若否，返回获取n组驾驶员速度分布的可行解的步骤，并将n替换为n+1，以此类推，直到满足迭代停止条件。

28、在一种可能的实现方式中，还包括：获取实际仿真时段的预测天气信息和实时天气信息；根据预测天气信息和实时天气信息确定目标路网中的天气影响区域；提取出天气影响区域内的路网相关数据和当前的自由流速度；将路网相关数据和自由流速度输入自由流车速的监督学习模型，得到预测天气信息下的自由流速度的修正值；根据修正值对交通仿真模型中的自由流速度进行修正。

29、在一种可能的实现方式中，还包括：基于交通仿真模型进行仿真，得到交通仿真结果；判断交通仿真结果是否达到预设仿真精度，如果是，仿真参数校准结束；否则，返回计算交通仿真模型的交通需求参数的步骤，直到交通仿真结果达到预设仿真精度。

30、第二方面，本技术实施例提供一种电子设备，包括：处理器；存储器；以及计算机程序，其中计算机程序被存储在存储器中，当计算机程序被电子设备执行时，使得电子设备执行第一方面任一项的方法。

31、第三方面，本技术实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行第一方面任一项的方法。