一种基于动态模量分解的数据驱动型网络交通建模与仿真方法

一种基于动态模量分解的数据驱动型网络交通建模与仿真方法，通过布设在城市道路中的传感器收集交通数据；采用基于平衡态假设的数据重构方法对交通数据中的缺失值进行填补；基于Koopman算子理论重构并预测交通数据中空间平均速度的非线性动力学；基于离线估计的车头时距分布，计算动态模量分解KMD预测的空间平均速度对应的期望车头时距，再根据期望车头时距计算流出率，即通行能力；基于元胞传输模型和上一步计算得到的通行能力预测交通密度变化。本发明通过引入车头时距(其不仅表征了拥堵状态下通行能力的动态特性，同时也是CTM模型的核心参数)，构建了基于速度约束的动态流出流率估计方法，从而实现了流密非线性关系的精确建模。