? ? ? 第三方專業城市交通仿真單位湖南華咨交通科技有限公司交通規劃工程師認為，專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考并行交通仿真架構設計，基于并行仿真的概念，構建了一個并行交通仿真框架，真實交通作為仿真對象，通過多種數據采集方法為并行交通仿真提供原始數據。隨著采集手段的不斷創新和豐富，測量數據包括視頻數據、卡口數據、線圈數據、信號數據、全球定位系統數據等。然而，測量數據不能直接用于并行流量建模。由于探測器的布局和故障以及探測器本身的系統誤差，采集的原始數據通常會有數據缺失、數據錯誤或無效數據等。只有通過數據修復，轉化才能被輸入到用于建模的標準化交通數據的計算模型中。該計算模型可以輸出一系列評價結果指標，如延誤、排隊長度、OD、出行時間、停車次數等。為決策者制定相應的管理措施提供幫助政策。專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考。決策制定并實施后，檢測設備可以獲得決策實施后的各種檢測數據，并將檢測數據與計算模型輸出的結果數據進行比較。通過機器學習算法對計算模型的參數進行調整和更新，從而保證模型的準確性，保證模型始終處于最新狀態。專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考，并行交通仿真的具體模塊，根據并，交通仿真的總體框架，構建了并行交通仿真的具體模塊。交通并行仿真特定模塊與過程架構的關系專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考，數據訪問模塊，數據訪問模塊主要包括交通動態數據和交通靜態數據。動態數據可分為兩部分，一部分是各種檢測設備獲得的實測交通流量數據，包括但不限于視頻卡口、線圈等采集的數據。另一部分是各種交通控制設備的實時顯示信息，包括但不限于交通燈、交通顯示屏等。靜態數據中的路網數據庫用于管理路網基礎數，包括道路基本屬性、基礎設施、管理設備等。當模擬結果需要三維顯示時，數據庫還應包括道路周圍環境數據等。數據處理模塊，專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考，經過數據預處理后，對原始數據庫中的實測交通流數據進行清理，對缺失的數據進行修復，并對數據進行標準化，從而獲得可直接用于模型計算的標準化數據。數據模型模塊，計算模型依賴于仿真軟件本身，其輸入要求主要包括車輛生成、車輛行為、路線決策等。專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考，交通模型模塊，交互模塊的主。要目的是通過交互模塊實現計算結果數據在顯示界面和決策模塊的應用。通過交互模塊，可以根據決策調整和控制相應的交通設施和計算模型。

? ? ? 信息生成模塊，專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考，信息生成模塊主要用于生成交通并行仿真信息，包括路網流量估計、出行時間估計、可達性判斷、出行路徑引導、交叉口延誤、排隊等。專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考，決策模塊，決策模塊主要為交通管理提供輔助決策。決策內容包括收費政策、公交規劃信號優化和公交優先等。數據處理模塊方法和示例，數據處理模塊方法示例專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考，數據處理模型包括數據清理和修補。對于數據修復，本研究采用徑向基函數神經網絡對數據進行修復。目前，BP神經網絡應用廣泛。該方法的目標函數存在局部極小和收斂速度慢的問題。相比之下，徑向基神經網絡具有自學習、自組織和自適應的功能。它對非線性連續函數具有一致逼近性，學習速度快，無局部極小問題，能進行大規模數據融合，并能并行高速處理數據。徑向基函數神經網絡的優良特性使其在越來越多的領域取代了BP神經網絡模型。專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考，徑向基函數神經網絡結構由輸出層、隱含層和輸入層組成，輸入層直接將輸入向量映射到隱含空間，起到傳遞信號的作用；隱藏層包含幾個隱藏元素節點，其數量取決于要解決的具體問題。隱藏層可以對網絡輸入進行非線性映射。映射函數，即徑向基函數，是一個具有徑向對稱性和雙向衰減的非負非線性函數。輸出層采用線性加權和映射方式輸出隱藏層。可見，徑向基神經網絡是線性和非線性的有機統一，即從輸入層到隱層的非線性映射，采用非線性優化策略，學習速度慢。而從隱藏層到輸出層是線性變換，使用線性優化策略，學習速度更快。專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考，RBF神經網絡隱層的激活函數采用徑向基函數，徑向基函數通常被定義為空間中任意點到某一中心的歐氏距離的單調函數。高斯函數是最常用的徑向基函數，并且R(極限-積分)=極限-| | x-c? | |其中：| |極限-積分| |是歐洲范數；是高斯函數的中心；是高斯函數的方差。在這種情況下，徑向基函數神經網絡模型的輸出是隱層神經元輸出的線性加權和。專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考，其中xp是第p個輸入樣本，p=1，2，2、共p個輸入樣本；Ci是隱藏層節點的中心，I=1，2，h，隱藏層共有h個節點；ij是從隱藏層到輸出層的。連接權重，j=1，2，n，總共有n個輸出節點；Yj是對應于輸入樣本的網絡的第J個輸出節點的實際輸出。專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考實際應用案例，十字路口的入口處有五條車道。利用歷史車道流量數據進行徑向基函數神經網絡訓練。最后，通過使用四個車道的流量數據來修復第五車道的流量數據。專業交通仿真_華咨交通科技_智慧城市交通先行者-交通仿真架構思考。