离散交通需求的实时标定
最优化与控制
2022-11-01 v1
摘要
本文提出一种基于仿真的优化框架，通过关注拥堵路网中的离散微观仿真，实现城市尺度动态需求模型的实时估计与标定。该标定方法基于短时间帧的序列优化需求估计，并利用来自选定道路 IoT 传感器的交通计数数据流。所提方法建立在标准双层优化公式之上。上层优化问题在每个时间帧中表示为有界变量二次规划，使其在计算上易处理。在每个时间帧中，路径选择模型的概率参数通过 OD 优化问题（上层）与 DTA 的并行采样和仿真（下层）之间多轮反馈循环获得。每个时间帧结束时，路网的微观仿真状态被传递到下一时间帧，以确保估计的时间依赖性与连续性。此外，通过对路段行程时间应用不动点方法加速了算法的收敛。所提序列标定模型通过将计算拆分为短时间帧，并在每个时间帧的需求仅依赖于当前和先前时间帧的假设下，相比现有方法具有显著的计算优势。该模型不依赖于可靠的先验需求信息。而且，随着现场测量数据以流的形式接收以及算法在每个时间帧中的高效时间复杂度，该方法成功为高维实时与在线应用提供了解决方案。我们使用合成数据以及爱沙尼亚塔尔图市的实际案例研究对方法进行了验证。结果表明在紧凑的计算预算下具有高精度。
引用
@article{arxiv.2210.17315,
title = {Real-Time Calibration of Disaggregated Traffic Demand},
author = {Mozhgan Pourmoradnasseri and Kaveh Khoshkhah and Amnir Hadachi},
journal= {arXiv preprint arXiv:2210.17315},
year = {2022}
}