文献

J-GLOBAL ID：202202286215306984   整理番号：22A0686243

大規模動的起源決定要求キャリブレーションのための新しいメタモデルベースフレームワーク【JST・京大機械翻訳】

A novel metamodel-based framework for large-scale dynamic origin-destination demand calibration

著者 (4件)： Dantsuji Takao (Institute of Science and Engineering, Kanazawa University, Japan) ,  Hoang Nam H. (Institute of Transport Studies, Monash University, Australia) ,  Zheng Nan (Institute of Transport Studies, Monash University, Australia) ,  Vu Hai L. (Institute of Transport Studies, Monash University, Australia)
資料名： Transportation Research. Part C. Emerging Technologies  (Transportation Research. Part C. Emerging Technologies)
巻： 136  ページ： Null  発行年： 2022年 
JST資料番号： W0534A  ISSN： 0968-090X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 確率的交通シミュレータに対する動的交通需要の緩和は,計算負荷による大きな課題の1つである。本論文では,高い計算効率を持つ大規模ネットワークの動的自動車起源-目的行列を較正するための新しいフレームワークを提案した。提案したフレームワークは,交通流理論,すなわち二モード巨視的基本図(MFD)の最近の進歩によって表現されるように,凝集した交通流動力学の参照に基づいて,メタモデル最適化技術に依存する。文献で同じ目的に広く使用されている確率的摂動同時近似(SPSA)アルゴリズムによる提案手法を検証した。著者らの結果は,著者らのアプローチが効率的に需要較正を容易にすることができることを確認した。また,リンクレベルでのトラヒック条件も,著者らのネットワークレベルキャリブレーションから現実的に再現され,著者らのアプローチが,SPSAに加えて,目的のOD調整と比較して,従来のリンクレベルODキャリブレーションより優れていることを示した。さらに,異なる現実的なネットワーク研究により,提案手法が既存の最先端の手法と比較して計算的に効率的であることを示した。結果は,提案した方式がネットワークのトポロジーに関係なく効果的に適用でき,モデルパラメータが最適化結果に顕著な影響を持たないことを示した。較正結果は,複数の実際のデータソースから導かれるバイモーダルMFDによって支えられた大規模複合ネットワークに対しても,提案のアプローチにおけるOD要求を較正するために,ほんの少しの反復が必要であることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  位相幾何学 ,  最適化 ,  自動車 ,  *ネットワーク ,  最適化手法 ,  交通流 ,  近似法 ,  交通需要 ,  交通
準シソーラス用語： 計算効率 ,  モデルパラメータ ,  計算負荷 ,  交通シミュレータ ,  *メタモデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 起終点行列キャリブレーション ,  MFD ,  メタモデル最適化 ,  動的キャリブレーション

分類 (1件)： 交通調査  (TB01031B)

タイトルに関連する用語 (3件)： 大規模 ,  起源 ,  キャリブレーション