針對目前城市交通系統(tǒng)中缺乏游客行為對交通系統(tǒng)影響的建模方法,以及對景點(diǎn)周邊交通系統(tǒng)仿真架構(gòu)和實體模型的建立等問題的研究,本文主要研究了以下內(nèi)容:(1)針對基于模糊推理的跟馳模型中輸入與輸出由人為指定會使推理結(jié)果受到干擾而使誤差偏大的問題,提出了一種基于聚類算法改進(jìn)的模糊推理的車輛Agent跟馳模型方法,采用聚類算法對輸入與輸出變量進(jìn)行聚類分析,其次利用NGSIM數(shù)據(jù)對模糊推理系統(tǒng)的輸入輸出變量數(shù)據(jù)集的最佳聚類數(shù)和類別邊界進(jìn)行判定,并與改進(jìn)的基于安全距離的Gipps、基于時變安全距離的CM等跟馳模型進(jìn)行對比評價,使改進(jìn)的模糊推理跟馳模型更能真實反映數(shù)據(jù)本身的特征。在NGSIM數(shù)據(jù)集的實驗結(jié)果表明,本文方法的仿真精度高于其他跟馳模型。(2)針對一般交通系統(tǒng)與景點(diǎn)周邊交通系統(tǒng)的組成不同,提出了一種基于Multi-Agent的景點(diǎn)周邊交通系統(tǒng)建模方法。該方法首先將景點(diǎn)周邊交通系統(tǒng)中的游客、車輛和路網(wǎng)(包括節(jié)點(diǎn)、路段、交叉口和紅綠燈)等定義為具有自主性、適應(yīng)性和合作協(xié)調(diào)的智能化Agent,分析了各類Agent間的交互關(guān)系。然后對車輛Agent的跟馳和換道行為進(jìn)行了詳細(xì)介紹,并根據(jù)系統(tǒng)在景點(diǎn)出入口...

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1技術(shù)路線

6按如下方式組織。第一章分析了景點(diǎn)周邊交通系統(tǒng)建模方法研究的意義和必要性，同時，針對微觀交通仿真中基于模糊推理的跟馳模型、交通系統(tǒng)建模方法和旅游城市中游客與交通之間的影響分別進(jìn)行了文獻(xiàn)綜述，從而提出論文的研究思路。圖1.1技術(shù)路線第二章分析了交通系統(tǒng)基于Agent建模的可行性、景....

圖2.3混合式Agent結(jié)構(gòu)圖

9ヂ蔅圖2.3混合式Agent結(jié)構(gòu)圖3）Multi-Agent系統(tǒng)在復(fù)雜的系統(tǒng)中需要用多種Agent來進(jìn)行描述，我們將由多個Agent組成的復(fù)雜系統(tǒng)稱為多Agent系統(tǒng)（Multi-AgentSystem，簡稱MAS）。Multi-Agent系統(tǒng)中最重要的行為是Agent之間的交....

圖2.4景點(diǎn)周邊交通系統(tǒng)建模步驟

102.3景點(diǎn)周邊交通系統(tǒng)建模步驟景點(diǎn)周邊交通系統(tǒng)建模步驟如圖2.4所示，具體步驟如下：Step1收集景點(diǎn)周邊相關(guān)的數(shù)據(jù)。比如：浮動車數(shù)據(jù)、車流量、車輛類型比例、車身長、速度、游客流量、公交車停靠站點(diǎn)時間、小汽車�？烤包c(diǎn)時的停靠時間、信號燈周期時長及綠信比等數(shù)據(jù)，保存到數(shù)據(jù)庫中。....

圖3.2K-means聚類確定模糊集合元素個數(shù)在k-means算法中k值的選取要求事先確定，但在實際中，存在因為數(shù)據(jù)量過大和缺乏經(jīng)驗導(dǎo)致k值難以確定的問題，如果k值選取過小，會導(dǎo)致同一簇內(nèi)

13棄瘄圖3.2K-means聚類確定模糊集合元素個數(shù)在k-means算法中k值的選取要求事先確定，但在實際中，存在因為數(shù)據(jù)量過大和缺乏經(jīng)驗導(dǎo)致k值難以確定的問題，如果k值選取過小，會導(dǎo)致同一簇內(nèi)數(shù)據(jù)對象差異過大，否則會導(dǎo)致不同簇間差異很小，同時k值選取不當(dāng)會使聚類的結(jié)果陷入局部....

本文編號：3983735