当前位置:首页 > 报告详情

从延迟测量到能源和排放性能:使用基于流体队列的交叉分辨率框架连接BPR和MOVES.pdf

上传人: c** 编号:464866 2025-01-12 49页 2.63MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了如何将传统的统计推断模型与新的机器学习技术无缝集成,以提高大规模经济计量模型估计的计算效率,并更好地揭示复杂的行为参数和潜在变量。作者提出了一个基于流体队列的跨分辨率框架,将BPR与MOVES联系起来,以实现从延迟测量到能源和排放性能的转变。该框架包括以下几个关键步骤: 1. 利用BPR函数和流体队列模型建立宏观交通流与微观交通流之间的联系。 2. 提出了一种基于多项式到达队列的队列体积-延迟函数(QVDF),以更准确地描述交通拥堵和流量变化。 3. 将MOVES Lite集成到开源动态交通分配模型DTALite中,以快速评估交通管理策略对排放的影响。 4. 通过模拟测试,验证了该方法在多个尺度(如网络、走廊)上测试交通管理策略的能力。 该研究为交通规划、流量控制和排放估计提供了新的视角和方法,有助于提高交通系统的性能和效率。
如何将机器学习技术与传统统计模型相结合? 如何提高大规模经济计量模型的计算效率? 如何定义交通需求侧和交通供应侧模型的理论一致性?
客服
商务合作
小程序
服务号
折叠