• مقایسه ی اهمیت کالیبراسیون و انتخاب مدل در دقت پیش بینی الگوی تصادفی ترافیک ایستا در شبکه های حمل و نقل شهری

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/01/01
    • تاریخ انتشار در تی پی بین: 1392/01/01
    • تعداد بازدید: 1027
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    پیش بینی دقیق از وضعیت عملکرد یک شبکه ی حمل و نقل شهری در بسیاری از تصمیمات مرتبط با برنامه ریزی حمل و نقل و ارزیابی سیاست های مختلف مدیریت عرضه یا تقاضا، نظیر طراحی شبکه ی بهینه، ارزیابی منافع استفاده از سیستم های پیشرفته ی اطلاع رسانی مسافران (atis) و یا تأثیر قیمت گذاری شبکه بر نحوه ی رفتار استفاده کنندگان و بر الگوی جریانِ ترافیک شبکه مؤثر خواهد بود. همراه با گسترش نظریه ی انتخاب گسسته، مدل های پیشرفته تری نیز برای نمایش بهترِ رفتار انتخاب مسیر به کار گرفته شده اند. اگرچه تحقیقات قابل توجهی در زمینه ی تخصیص تصادفی ترافیک صورت گرفته است، اما اکثر آنها بر موضوعات محدودی نظیر تعیین مدل (انتخاب مدل) و ارائه ی الگوریتم های کارا برای بارگذاری تصادفیِ شبکه تمرکز کرده اند. در مقابل، به مسأله ی پرداخت این مدل ها (به ویژه در حالت تک متغیره) چندان توجه نشده است. اکثر محققان تاکنون مدل های خود را با مقادیر نمونه ای پیش فرض (بدون کالیبراسیون) اجرا کرده اند، حال آنکه مقادیر پارامترهای ورودی این مدل ها می تواند بر بسیاری از نتایجِ استخراج شده، به ویژه پیش بینی الگوی جریان، مؤثر باشد. در این پژوهش، مقایسه ای بر میزان اهمیت دو مسأله ی پرداخت و انتخابِ مدل بر دقت پیش بینیِ الگوی ترافیک انجام داده ایم. بررسی های ما نشان داد که بر خلاف رویکردی که تاکنون در ادبیات تخصیص ترافیک در پیش گرفته شده است، کالیبراسیون مدل می تواند تأثیر بسیار بیشتری بر دقت پیش بینی داشته باشد؛ حال آنکه نتیجه ی تخصیص ترافیک با استفاده از ساده ترین مدل تا پیچیده ترین و پیشرفته ترین مدلِ انتخاب تفاوت قابل توجهی نخواهد داشت.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم