研究提出单次仿真内校准交通智能体模型框架

Abdelkader Dib 与 Milos Balac 提出一种在线校准框架，将黑盒优化与机器学习中的随机批量优化结合，在单次仿真运行内完成参数估计，无需数百上千次独立仿真。 该研究以 MATSim 为例，把每次仿真迭代视为随机批次，使模型参数与智能体行为协同演化并收敛。在瑞士大规模交通场景中校准效用函数参数时，模式分担率在典型仿真时长内与观测数据高度吻合。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。