这是我们发表在Physica A: Statistical Mechanics and its Applications期刊上的一篇论文,主要是对现在的宏观基本图构建进行了一定的优化,论文详见:https://www.sciencedirect.com/science/article/pii/S0378437123000869

1.论文概述

论文主要是针对现在的宏观基本图需要在同质性区域进行构建,否则会出现hysteresis loop phenomenon、bifurcation phenomenon、The critical state of the area obtained from MFD is not accurate这三个现象或问题。为了解决这些问题,我们提出了一个新的宏观基本图构建方法,该方法的主要思路是对每个路段,增加一个路段系数,该系数反应该路段是否能很好表征网络的交通状态,对于可以很好表征网络的路段则赋予较大的系数,对于不能很好反应网络状态的路段则赋予较小的系数。该系数在计算网络平均流量、网络平均密度和网络平均速度时会起到作用。从公式的表象来看,是给每个路段赋予了不同的权重,能反应网络交通状态的路段给予较大的权重,不能反应的路段给予较小的权重。总体上可以这样理解,但是实际上有一些细微的差别,因为网络流密速的计算是需要符合一定的定义的,只有符合该定义才是交通流理论中的流密速,否则交通流理论中常用的公式可能不能满足,详见我写的这篇博客可以对交通流理论中的三参数定义有更深的理解,在这篇博客中我就不做过多的介绍了。
论文框架为:

2.方法论

论文中用到的方法主要包括:

  • 时段划分:有序样品聚类算法
  • 路段簇划分:kmeans聚类算法
  • 宏观基本图:newell model、greenshields model和一篇part b论文提出一种宏观基本图
  • 宏观基本图优化:差分进化算法

这些方法都是比较常见的算法,唯一需要说明一下的是宏观基本图算法是包含在差分进化算法之中的,也就是说每一次优化的过程中都会拟合一次宏观基本图,并获得临界状态来进行区域态势研判。
其他方法论就不再赘述了,要是有不清楚的可以留言或私戳我。

3.数据

本研究中所使用的的数据第一是仿真数据,仿真数据我们使用sumo来产生的,技术步骤可以详细参考我写的另一篇博客,点击即可传送。仿真数据结果显示,我们提出的方法是明显优于传统方法的。
第二种数据是真实数据,分别是用昆明和青岛的数据来做的,因为这些数据涉及到科研合作项目,所以较难公开。尤其是其中的昆明数据,所以在discussion中我们的分析主要是对青岛的数据展开的。现实数据最大的问题在于,很难找到下降段的数据,这个问题我导师也说现实中基本一定存在,但是我们也看到很多相关论文是有明显的下降段的数据的,如果有相关研究者愿意提供这样的一份数据将不胜感激。我们的模型在包含下降段的真实数据中可能可以发挥出更好的效果。

4.代码

代码整理好后将放在github上逐步公开。

参考文献

若觉得对自己的研究有一定帮助,可以引用下面这篇论文:
W. Yao, N. Chen, H. Su et al., A novel self-adaption macroscopic
fundamental diagram considering network heterogeneity, Physica A (2023), doi:
https://doi.org/10.1016/j.physa.2023.128531.

异质性区域下的宏观基本图构建相关推荐

  1. ArcGIS:(模型构建器)如何获取各个区域下不同地物的面积?

    01 实验数据 Landuse92(GRID格式)和Slope1(GRID格式,原始未分类),分别表示土地利用数据和坡度数,另外还有tdlymetadata.dbf(属性表),LandUse92的Va ...

  2. 如何在时间紧迫情况下进行机器学习:构建标记的新闻 数据 库 开发 标记 网站 阅读1629 原文:How we built Tagger News: machine learning on a

    如何在时间紧迫情况下进行机器学习:构建标记的新闻 数据 库 开发 标记 网站 阅读1629  原文:How we built Tagger News: machine learning on a ti ...

  3. 【实践】美团到店综合业务场景下的知识图谱构建与应用实践.pdf(附下载链接)...

    猜你喜欢 0.[免费下载]2021年12月热门报告盘点1.如何搭建一套个性化推荐系统?2.快手推荐系统精排模型实践.pdf3.全民K歌推荐系统算法.架构及后台实现4.微博推荐算法实践与机器学习平台演进 ...

  4. 详解:离线项目二 每个区域下最受欢迎的产品TOPN

    项目需求:统计每个区域下最受欢迎的产品TOP3 ==> TOPN 最终我们要得到哪些数据 一:离线典型的处理框架 人 --京东页面 --webserver(集群,这里记录你的 操作所以行为日志 ...

  5. windows下vue-cli及webpack 构建网站(二)导入bootstrap样式

    1.先安装好vue-cli,如果还没有安装好的可以参考:<windows下vue-cli及webpack 构建网站(一)环境安装> 2.安装好之后Vue的欢迎界面,我们要做个例子导入boo ...

  6. windows下vue-cli及webpack 构建网站(四) 路由vue-router的使用

    windows下vue-cli及webpack 构建网站(一)环境安装 windows下vue-cli及webpack 构建网站(二)导入bootstrap样式 windows下vue-cli及web ...

  7. windows下vue-cli及webpack 构建网站(三)使用组件

    1.本文章是建立在<windows下vue-cli及webpack 构建网站(一)环境安装>和<windows下vue-cli及webpack 构建网站(一)导入bootstrap样 ...

  8. ros构建机器人运动学模型_ROS环境下的机器人仿真模型构建方法研究

    现代电子技术 Modern Electronics Technique 2018 年 4 月 1 日 第 41 卷第 7 期 Apr. 2018 Vol. 41 No. 7 DOI : 10.1665 ...

  9. 在弱网区域下,LoRa终端入网方式OTAA与ABP该如何选择

    在之前的文章中为大家介绍了"LoRa节点如何以OTAA方式入网TTN服务器",现在为大家介绍在弱网区域下LoRa节点入网方式OTAA与ABP该如何选择,本文来自微信公众号" ...

最新文章

  1. Function实现ALV Table六:页眉页脚
  2. java oom dump_JVM 在遇到OOM(OutOfMemoryError)时生成Dump文件的三种方式
  3. linux记录iptables日志,iptables日志管理
  4. 跑三小时的monkey测试该怎么算_百亿次的锤炼 - 带逛Dragonboat的各类测试
  5. hadoop集群中datanode启动几秒钟自动关闭
  6. java中 移位运算_java中关于移位运算符的demo与总结(推荐)
  7. 埃尔米特(Hermite)插值
  8. vue+mintUI搭建移动端新闻类网站
  9. Java5~11新特性
  10. commons-lang(一)
  11. SAP License:SAP实施项目中顾问与客户的有效沟通
  12. 用 Python 实现手机自动答题,下一个百万获奖人可能就是你!
  13. 读取html文件转换字符串,读取HTML文件,生成HTML字符串
  14. linux 联合编译,在Linux上编译UEFI SDK 2018/OVMF的方法
  15. sendto函数深入理解
  16. 字节跳动java面试题,附详细答案解析
  17. python爬取b站所有视频_如何快速爬取B站全站视频信息
  18. 经典点云配准算法:迭代最近点算法ICP(Iterative Closest Point)
  19. PHP 实现301转向代码
  20. SpringBoot 轻松搞定数据验证 (三)

热门文章

  1. Java是先难后易吗_做题先易后难,干活先难后易
  2. 三级网络技术_无线局域网设备安装与调试
  3. 杰克 - 鬼马海盗主角加勒比海盗系列的
  4. redux与flux
  5. Python PIL调整图片大小、尺寸和转换图片格式,removebg改变图片背景、透明化处理
  6. 大数据计数原理1+0=1这你都不会算(一)No.47
  7. Git版本回退并提交远程
  8. Win10安装TensorFlow出现过的问题汇总
  9. 数据在网络层的传输过程
  10. 精读《什么是 LOD 表达式》