مقاله ترجمه شده درباره کالیبراسیون مدل ترافیک شبیه سازی خرد با استفاده از روش شبکه های عصبی – سال 2013
مشخصات مقاله:
عنوان فارسی مقاله:
کالیبراسیون مدل ترافیک شبیه سازی خرد با استفاده از روش شبکه های عصبی
عنوان انگلیسی مقاله:
Calibration of microsimulation traffic model using neural network approach
کلمات کلیدی مقاله:
کالیبراسیون، مدل ترافیک Microsimulation، شبکه عصبی، میدان، اعتبار سنجی
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. جمع آوری اطلاعات
3. کالیبراسیون مدل شبیه سازی خرد با استفاده روش شبکه های عصبی
3.1 پارامترهای ورودی مدل
3.2 استفاده از شبکه های عصبی برای پیش بینی زمان سفر
3.3 برنامه کالیبراسیون مدل شبیه سازی خرد ترافیک
3.4 تجزیه و تحلیل نتایج برنامه کالیبراسیون
3.5 پارامترهای صف
4. اعتبار سنجی مدل کالیبره شده
4.1 اعتبار سنجی اول
4.2 اعتبار سنجی دوم
5. بحث
6. نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
This paper presents the results of research on the applicability of neural networks in the process of computer calibration of a microsimulation traffic model. VISSIM microsimulation model is used for calibration done at the example of roundabouts in an urban area. The calibration method is based on the prediction of a neural network for one traffic indicator, i.e. for the traveling time between measuring points. Besides the traveling time, the calibration process further/also involves a comparison between the modeled and measured queue parameters at the entrance to the intersection. The process of validation includes an analysis of traveling time and queue parameters on new sets of data gathered both at the modeled and at a new roundabout. A comparison of the traffic indicators measured in the field and those simulated with the calibrated and uncalibrated microsimulation traffic model provides an insight into the performance of the calibration procedure.
چکیده
در این مقاله نتایج تحقیقات بر روی کاربرد شبکه های عصبی در فرآیند کالیبراسیون کامپیوتر مدل ترافیک شبیه سازی خرد ارائه می شود. مدل شبیه سازی خردVISSIM که برای کالیبراسیون در نمونه ای از میدان در یک منطقه شهری انجام می شود مورد استفاده قرار گرفته است. روش کالیبراسیون بر اساس پیش بینی یک شبکه عصبی برای یک شاخص ترافیک یعنی برای زمان سفر بین نقاط اندازه گیری شده، می باشد. لاوه بر زمان سفر، فرآیند کالیبراسیون بیشتر / همچنین شامل یک مقایسه بین پارامترهای صف مدل سازی شده و اندازه گیری شده در ورود به تقاطع می باشد. فرایند اعتبار سنجی شامل تجزیه و تحلیل زمان سفر و پارامترهای صف در مجموعه های جدیدی از داده های جمع آوری شده هم در مدل سازی شده ها و هم در میدان جدید می باشد. یک مقایسه شاخص ترافیکی در حوزه اندازه گیری شد و آن ها با مدل ترافیک شبیه سازی خرد کالیبره شده و کالیبره نشده شبیه سازی شدند تا یک آگاهی نسبت به عملکرد روند کالبراسیون به دست آید.
