论文部分内容阅读
跟驰模型的校准是为了更好地重现真实驾驶情况从而增强交通安全和分析如停-走间断流等复杂的交通流情况。然而，跟驰模型的校准并不是一件容易的事。这是因为某些参数是不能从交通流数据中直接观测得到。此外，传统的确定性校准方法会导致大量局部最优值的出现。在此基础上，本文提出了基于交叉熵算法的跟驰模型校准的框架，实例验证了交叉熵算法搜索全局最优值的能力，并体现了交叉熵算法适用于实测交通流数据校准的潜能。