交通流仿真建模 | 真实度评价方法

评价方法主要有两种,基于可视化的主观评价方法和基于统计方法的客观评价方法。

一般来说,可以执行两种类型的虚拟交通评估:可视方法和统计方法[TK04]在可视化验证中,将真实交通和模拟交通的图形表示并排显示,以确定它们是否可以区分[SVDBLM11, CSJ13]。Chao等[CDR 18的研究中,研究人员使用三种不同的方法(1)对生成的交通流进行成对比较,进行用户研究[KS40]。(2)提出了基于纹理的交通合成方法[CDR 18],(3) IDM模型的最新发展之一。对于每个测试场景,分别使用上述三种不同的方法生成三个不同的交通流动画。如图14(a)所示,参与者被要求在两个动画剪辑中选择一个更真实的动画。如果参与者不能确定哪个剪辑在视觉上更吸引人,他们可以选择未决定的选项。为了平衡视觉刺激的顺序,成对的图案按照Williams design latin square [Wil49]进行展示。本用户研究的实验结果如图14(b)所示。除统计选票外,研究者还进行了单样本t检验和配对样本t检验,并计算出相应的p值来量化投票结果的统计意义。

主观的用户研究会耗费大量时间,且容易出错,因此通过定量和客观的度量进行统计验证不仅可以用来测量各种模拟交通流的真实性,还可以用来以一致的方式客观地比较不同交通模拟模型的性能。在交通模拟和动画技术中,由于交通的随机性,通常不进行直接的轨迹比较。对平均速度和流量随时间的比较是常见的(例如,Sewall等人的图15 [SWL11])。在更详细的级别,比如特定的运动参数,包括速度、加速度和车辆间隙也被用来验证交通模拟技术的有效性。

最近,Chao等[CDX 18]提出了一种通用的、基于字典的学习方法来定量和客观地测量交通轨迹数据的保真度。首先,从预先收集的地面真实交通数据中离线构建一个描述真实世界交通行为常见模式的交通模式字典。中间学习误差设置为基于字典的交通表示的基准,通过将基于字典的重建误差与基准字典误差进行比较,利用构建的字典对模拟交通流的真实性进行评估。如图17所示,该方法包括四个阶段:提取时空交通流特征;基于字典的任意输入交通流数据重建;基于重建误差的定量测度计算。该评价指标可以稳健地应用于任何模拟交通流。图16为几种不同交通数据的评价结果。保真度评分范围设置为0,10。如果模拟的交通更接近真实的训练交通数据集,那么逼真度评分的值就会更小,反之亦然。

0%