高架出入口段交通调查及仿真分析文献综述
近年来，随着经济社会的飞速发展，交通系统也随之越来越发达。作为城市快速交通出行的交通基础设施，高架道路已经成为一个城市中举足轻重的道路构成，也是缓解城市交通压力的重要手段。高架道路是采用连续高架形式的快速路，是保证机动车交通快速、连续通行的道路系统，其车速快，通行能力大，提高了对市区主要节点的可达性。在我国这样一个超级人口大国，虽然高架道路的建设会不可避免地给城市环境以及建筑物的空间布局带来或多或少的影响，但是这样也同时缓解了城市中的地面交通，为出行提供了更多的路线选择。即便如此，高架上也常常会出现拥堵的状况，特别是在出口或者入口段，当两股车流汇合时，由于车流量较大，加上车道的合并，不同的行车秩序之间的矛盾导致了这些路段的堵塞。解决这一问题势在必行，每一个城市的每一段道路都有不一样的路况和与道路数据，而随着科技的进步、计算机的发展，交通仿真的出现为我们对现有或未来系统的交通运行状况进行了再现或模拟，以此来观察研究各问题，找到关键，并最终对现有交通系统进行优化。仿真也就是在数字计算机上进行实验的数学化技术，它包括数字与逻辑模型的某些模式，这些模型描述着某一系统在若干周期内的特征。相比于传统的交通分析技术，交通仿真由于其特殊的模型描述，使得所描述的系统更加灵活、准确、便捷，也因此在全世界广泛应用于交通工程领域的各方面。然而，交通微观仿真模型运用到大量独立的参数来描述交通系统运行、交通流特征以及驾驶员行为等，其中参数的取值会对仿真结果有较大的影响。在仿真系统中，这些模型参数都有缺省值，同时也允许用户对这些参数进行修正，而缺省值往往是根据模型开发国的情况确定的，并不一定适合我国的实际情况，所以针对具体的仿真情况，必须对仿真参数进行标定。
1.国内外研究现状
1.1国外研究现状
交通系统仿真技术是随着电子计算机和系统仿真技术的发展而发展起来的，在国外首先兴起是在20世纪初40年代末，在当时，用仿真技术研究交通流状态的可能性以及可行性才得到了普遍认可，才开始出现了部分的交通系统仿真软件；而在20年后，交通仿真开始广为使用，大量有关交通流仿真方法及其模型建立的文献开始发表，并且开发出了宏观交通仿真模型和微观交通仿真模型；在接下来的时间里至今，仿真技术已经在美国乃至全世界广为使用。
仿真是一种研究随机、复杂的真实世界系统的广为使用的方法，交通仿真模型也越来越多地用于评估复杂的现实交通问题，然而为了准确地评估交通状况，因为世界各地的交通特征不同，在建模的过程中会有各个参数的不同，需要对仿真模型进行有效的标定，以便最终得出的仿真结果符合实际。在大多数情况下，通过默认参数所获得仿真输出不一定代表所观察到的交通状况，因此需要适当地选择输入参数来准确表示建模的运输设施的交通情况。
Ding（2003）,Ma和Abdulhai（2002）,Grades（2002）,Lee （2001）选取了平均目标车头时距和平均反应时间作为主要校准参数来研究基于PARAMICS的微观仿真模型，Kunde（2002）则采用了速度-密度的关系以及容量进行了校准。以往的校准共性研究主要集中在缩小某一特定时段的观测数据与同一时段的仿真输出之间的相对误差，这一种静态的方法可以解释为使用某一时间点获得的数据进行校准。但是，这种标定方法并不能捕捉所有可能交通情况的真实分布，可能会产生不准确的标定结果。
Jung-Beom Lee和Kaan Ozbay在一篇文章中提出了一种基于贝叶斯采样方法的标定方法，这一方法不采用单一的需求矩阵和对应的观测交通状况来表示特定的时间点，而是采用随机抽样的方法进行标定，又称为同步扰动随机逼近（SPSA）算法。这一新方法不适用单个需求矩阵和表示时间点的相应观测条件，而是使用从这些变量的观测分布中随机生成的需求矩阵和相应的交通条件，而使用观测到的需求分布生成值的目的就是为了能够对观察到的所有可能需求条件进行准确的大范围表示。使用贝叶斯分析作为标定方法的一部分，表示观测到的交通特征的分布，主要目的的克服校准参数的高估或者低估，并且能够获得所有可能的交通状况的现实分布。虽然这一分析方法计算复杂，但是随着计算机性能的不断提高，这一方法正在逐渐被广泛使用。
Irena Istoka Otkovic和Tomai Tollazzi则提出了另外一种标定微仿真流量的方法：神经网络。神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，来达到处理信息的目的。文章将神经网络应用于计算机标定程序中对微仿真流量模型的仿真结果进行了预测，选择了VISSIM为仿真模型，选取在实际中易于测量的运行时间和队列参数作为标定和验证过程中需要分析的指标，进行了试验。利用神经网络校准至少要测量两套数据，第一套用于模型校正，第二套用于验证。然后创建神经网络的VISSIM仿真数据库，选择神经网络，并获得程序校准的预测功能。接着在VISSIM模型中检查校准输出文件的平均运行时间和队列参数结果，验证过程中检查最佳结果，这样的步骤也适用于其他的微仿真模型。最终得到结论：神经网络可以用于微仿真模型的标定。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
