20 ژانویه 2023 -توسط انتشارات دانشگاه Tsinghua-نمونه ای از نمایندگی های ATP. اعتبار: ارتباطات در تحقیقات حمل و نقل، انتشارات دانشگاه Tsinghua
کالیبراسیون پارامترهای مدل‌های تخصیص ترافیک برای تحلیل و مدیریت تقاضای سفر حیاتی است. به عنوان بسط تخصیص ترافیک مرسوم، تخصیص فعالیت سفر منطقی محدود (BR-ATA) مدل‌سازی مبتنی بر فعالیت و تخصیص ترافیک را به صورت درونزا ترکیب می‌کند و می‌تواند وابستگی‌های متقابل بین جنبه‌های انتخابی با ابعاد بالا را در امتداد الگوهای سفر-فعالیت به تصویر بکشد.
گنجاندن قسمت‌های متعدد مشارکت در فعالیت و رفتار عقلانیت محدود، فضای انتخاب را بزرگ می‌کند و چالشی برای کالیبراسیون مدل‌های BR-ATA ایجاد می‌کند. تاکنون هیچ فرمول و رویکرد راه حلی برای کالیبراسیون پارامتر BR-ATA ایجاد نشده است. برای حل این مشکل، دونگ وانگ و فیکسیونگ لیائو کالیبراسیون BR-ATA را به عنوان یک مسئله بهینه سازی فرموله کردند و از یک روش تقریب تصادفی اختلال همزمان برای حل آن استفاده کردند.
آنها مطالعه خود را در 20 ژانویه 2023 در تحقیقات ارتباطات در حمل و نقل منتشر کردند. گروه در دانشگاه فناوری آیندهوون (هلند) میگوید:
به موجب ابرشبکه چند حالته، ما کالیبراسیون BR-ATA را به عنوان یک مسئله بهینه‌سازی فرموله می‌کنیم و تأثیر دو مؤلفه اضافی را بر مسئله کالیبراسیون تجزیه و تحلیل می‌کنیم. با توجه به بعد زمانی، ما همچنین یک فرمول دینامیکی از BR- را پیشنهاد می‌کنیم. مشکل کالیبراسیون ATA. الگوریتم تقریب تصادفی اغتشاش همزمان برای حل مسائل کالیبراسیون پیشنهادی به کار گرفته شده است. مثال‌های عددی برای کالیبره کردن تقاضای سفر مبتنی بر فعالیت برای تصاویر ارائه شده است.
زمانی که پارامتر BR مقادیر متفاوتی می گیرد، زمان اجرا در [0.30، 0.40] ساعت است. توجه داشته باشید که مشکل کالیبراسیون ATA برای رسیدن به حالت توقف بیش از 2 ساعت زمان نیاز دارد. با توجه به تأثیر تعداد فعالیت ها، زمان اجرا با افزایش تعداد فعالیت ها کاهش می یابد.
ما می‌توانیم نتیجه بگیریم که زمان‌های اجرا با پارامتر مربوط به BR که در محدوده [0.05، 0.2] قرار می‌گیرد نسبتاً پایدار و کوتاه‌تر از زمانی است که پارامتر کوچک‌تری دارد یعنی مشکل کالیبراسیون 0.01 یا ATA علاوه بر این، فعالیت‌های کمتر همیشه منجر به جریان می‌شود.
دونگ وانگ، دانشیار دانشگاه چینگدائو (چین)، توضیح می دهد که تراکم پیوند منجر به ATP های بیشتری برای متعادل کردن نیازهای OD می شود.
گسترش ابعاد زمانی و مکانی به مسئله کالیبراسیون BR-ATA
SPSA 8.2 ساعت طول می کشد تا به وضعیت توقف برای مشکل کالیبراسیون BR-ATA در شبکه Sioux Falls برسد و تقاضاهای کالیبره شده مقادیر تقریبی پیشینی هستند. برای مثال، با در نظر گرفتن یک مکان خانه، مطالعه مشاهده می کند که تقاضای کالیبره شده دارای خطای نسبی 0.01 است.
برای مشکل کالیبراسیون BR-DATA در شبکه Sioux Falls، زمان اجرا 0.92 ساعت و تعداد تکرارها 647 است. تمام خواسته های کالیبره شده به مقادیر پیشینی نزدیک می شوند. برای نشان دادن بیشتر مقیاس پذیری در یک شبکه بزرگتر، کالیبراسیون مدل BR-DATA با شبکه ماساچوست شرقی انجام شد. SPSA برای تکمیل 1000 تکرار بیش از 10 ساعت طول می کشد و RMSN مربوطه (اندازه گیری خطا) به کوچکی 0.06 است.
Feixiong Liao میگوید: «نتایج نشان می‌دهد که الگوریتم SPSA برای مشکلات کالیبراسیون BR-ATA و BR-DATA در شبکه‌های بزرگ قابل اجرا است. او می افزاید: «با این وجود، الگوریتم موثرتری برای کاربردهای دنیای واقعی در مقیاس بزرگ مورد نیاز است.
