-
题名基于人工神经网络和迁移学习的行人流建模方法
- 1
-
-
作者
张金虎
谢磊
成梦洁
刘少博
-
机构
武汉理工大学智能交通系统研究中心
武汉理工大学交通信息与安全教育部工程研究中心
-
出处
《上海大学学报(自然科学版)》
北大核心
2025年第2期299-315,共17页
-
基金
国家自然科学基金资助项目(52172308)
武汉市知识创新专项资助项目(2023010201010093)
湖北省交通运输厅科技资助项目(2024-81-3-10)。
-
文摘
行人流仿真对于解决大型交通场站等人群密集场所的拥挤和安全问题发挥了重要作用,但目前广泛使用的行人流模型往往依赖人为假设的模型规则,导致模型参数缺乏现实依据以及标定困难、模型与实际不符等问题.近年来,基于人工神经网络的数据驱动模型能够更高精度地还原行人流在现实场景中的实际行为特征,但对训练数据的依赖性强,且存在对不同场景泛化能力弱等问题.为此,提出一种结合仿真数据和实验数据的BP(back propagation)人工神经网络行人流仿真模型训练方法,并定义了一套包含46个参数的新模型参数组合;然后利用仿真数据对模型进行预训练;最后结合实验数据对模型进行迁移学习.结果表明,用仿真数据预训练模型可有效弥补真实数据不足的缺陷,且模型迁移学习训练结果的R值超过0.96,均方误差低于0.003,证明了迁移学习在提高模型泛化能力和预测精度方面的有效性.
-
关键词
智能交通
行人流建模仿真
BP(back
propagation)神经网络
行人流实验
迁移学习
-
Keywords
intelligent transportation
pedestrianflow modeling and simulation
BP(back propagation)neural network
pedestrianflow experiment
transfer learning
-
分类号
U121
[交通运输工程]
-
