.png){kind=icon}
返回
Dynamic Origin-Destination Matrix Estimation Using Metamodel-Based Model Predictive Control for Real Time Application
.png){kind=icon}
PRE
AI
DOI：10.1177/03611981251378484.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种推进微观交通仿真实时校准方法的技术。传统的动态起讫点矩阵估计（DODE）方法利用元模型来实现计算优势。然而，由于元模型与仿真之间存在固有差异，它们可能会估计出不合适的起讫点（O-D）矩阵。本文为DODE问题提出了一个最优控制问题的表述，并提出了一种基于元模型的模型预测控制（MPC）方法，该方法考虑了元模型的不确定性。所提出方法的主要灵感是在监控过程中控制输入O-D矩阵，同时在每个时间步长监控输入需求如何跨多个时间步长影响交通系统。开发了一种基于注意力机制的数据驱动元模型，用于表示微观交通仿真的动态特性。此外，该元模型与MPC算法之一——模型预测路径积分相结合。实验在Nguyen-Dupuis网络和韩国Siheung市的真实网络上进行。与每个目标网络上的基准方法相比，在玩具网络上误差降低了35.3%，在真实网络上降低了26.2%。该方法在考虑元模型不确定性的同时，表现出对误估O-D矩阵的鲁棒校准性能。本文提出了一种新颖的实时校准O-D矩阵估计方法，补充了现有文献，并为开发实时仿真提供了基础。
Keyword:
real time calibration
dynamic origin-destination matrix estimation
metamodel
model predictive control
期刊
T
IF:
1.8
论文数:
854
被引数:
3.4W
机构
引用论文
.png){kind=icon}
分享收藏A practical approach to assignment-free Dynamic Origin-Destination Matrix Estimation problem一种求解无任务动态原点-目的地矩阵估计问题的实用方法
OAAI
OAAI分享收藏分享收藏
查看更多内容