技术特征：1.一种基于微观交通仿真和神经网络的高速路网系统最优路径分配方法，其特征在于，包括如下步骤，
2.根据权利要求1所述的基于微观交通仿真和神经网络的高速路网系统最优路径分配方法，其特征在于，所述步骤s1的所述对大目标研究路网区域的sumo路网文件进行采样的具体步骤包括：
3.根据权利要求2所述的基于微观交通仿真和神经网络的高速路网系统最优路径分配方法，其特征在于，所述步骤s2中所述构建路段流量推演模型时，样本的特征向量设置方法如下：
4.根据权利要求3所述的基于微观交通仿真和神经网络的高速路网系统最优路径分配方法，其特征在于，所述步骤s3中获得路网的总出行时间成本指数的方法如下：
5.根据权利要求4所述的基于微观交通仿真和神经网络的高速路网系统最优路径分配方法，其特征在于，所述步骤s4中基于所述以总出行时间成本指数最小为目标的遗传算法流程，求解系统最优路径分配方案的具体过程如下，
技术总结本发明公开了一种基于微观交通仿真和神经网络的高速路网系统最优路径分配方法。对OSM路网进行采样以生成若干局部单元，通过微观仿真输出不同场景下局部单元的路段流量，将局部单元的targetEdge作为样本，构建流量推演模型，用于对已知路径分配方案的路网的各路段流量进行迭代预测，进而计算各路段预测流量与出行量乘积的总和，作为总出行时间成本指数。针对研究区域路网，将一个路径分配方案作为个体，将对应的总出行时间成本指数的负数作为个体适应度，构建以总出行时间成本指数最小为目标的遗传算法流程，求解得到路网在该交通需求下的系统最优路径分配方案。本发明在系统最优路径分配中引入微观交通仿真的模拟优势并解决其运算效率低下的问题。
技术研发人员：杨鹏史,汪超,童杰,孙卫华,郭月利,孙雪,王林,郭劼,魏志博,孙卫国,梁海军,林静言
受保护的技术使用者：广东省交通规划设计研究院集团股份有限公司
技术研发日：技术公布日：2024/1/5