これは、ジャーナル Physica A: Statistical Mechanics and its Applications に掲載された論文です。主に、現在のマクロベースの基本グラフの構築を最適化します。詳細については、https://www.sciencedirect.com/science /article を参照してください。 /pii/S0378437123000869
1. 論文の概要
この論文は主に、現在の巨視的な基本地図が均質な領域で構築される必要があるという事実に焦点を当てています。そうしないと、ヒステリシスループ現象、分岐現象、およびMFDから得られる領域の臨界状態は次の3つの現象または問題が発生します。正確ではない。これらの問題を解決するために、我々は、道路区間ごとに交通状況をよく表現できるかどうかを反映する道路区間係数を付加する、新たなマクロ基本地図構築手法を提案する。ネットワークをよく表す道路セグメントには大きな係数が与えられ、ネットワークの状態をよく反映していない道路セグメントには小さな係数が与えられます。この要素は、平均ネットワーク トラフィック、平均ネットワーク密度、平均ネットワーク速度を計算するときに影響します。式の見た目から判断すると、道路区間ごとに重み付けが異なり、ネットワークの交通状況を反映できる道路区間には大きな重みが与えられ、交通状況を反映できない道路区間には小さな重みが与えられます。一般的にはこのように理解できますが、実際にはいくつかの微妙な違いがあります。ネットワーク流量密度の計算には特定の定義を満たす必要があり、この定義が満たされた場合にのみ交通流理論における流量密度速度が計算されるためです。 , それ以外の交通流理論では、一般的に使用される公式では十分ではない可能性があります。詳細については、交通流理論における 3 つのパラメータの定義をより深く理解するために書いたこのブログを参照してください。このブログではあまり多くは紹介しません。
論文の枠組みは次のとおりです。
2. 方法論
この論文で使用されている方法は主に次のとおりです。
- 期間分割: 順序付けされたサンプル クラスタリング アルゴリズム
- セクションクラスタ分割：kmeansクラスタリングアルゴリズム
- マクロ基本マップ: ニューウェル モデル、グリーンシールズ モデル、およびパート b 論文がマクロ基本マップを提案
- マクロ基本グラフの最適化: 微分進化アルゴリズム
これらの手法は比較的一般的なアルゴリズムですが、唯一説明する必要があるのは、マクロ基本グラフ アルゴリズムが微分進化アルゴリズムに含まれること、つまり、マクロ基本グラフは各最適化プロセスで 1 回フィッティングされ、重要なアルゴリズムが適用されることです。地域の状況を分析・判断する。
他の方法論については詳しく説明しませんが、ご質問がございましたら、メッセージを残すか、個人的に私に質問してください。
3. データ
この研究で使用されるデータは、まずシミュレーション データです。シミュレーション データの生成には Sumo を使用します。技術的な手順については、詳細については私が書いた別のブログを参照してください。クリックして送信してください。シミュレーションデータの結果は、私たちが提案した方法が従来の方法よりも大幅に優れていることを示しています。
2つ目のデータは昆明市と青島市のデータを用いて作成された実データであり、科学研究協力プロジェクトに関わるため公開が困難である。特に昆明のデータなので、議論における分析は主に青島のデータに基づいています。実世界のデータの最大の問題は、降順セグメントのデータを見つけるのが難しいことです。私の上司も、この問題は基本的に現実に存在すると言いましたが、多くの関連論文でも降順セグメントに明白なデータがあることも見てきました。関連する研究者がいらっしゃいましたら、そのようなデータを提供していただければ幸いです。私たちのモデルは、降順セグメントを含む実際のデータでより良いパフォーマンスを発揮する可能性があります。
4. コード
コードがまとまったら、順次githubで公開していきます。
参考文献
自分の研究に役立つと思われる場合は、次の論文を引用できます:
W. Yao、N. Chen、H. Su et al.、ネットワーク異質性を考慮した新しい自己適応巨視的
基本図、Physica A (2023) 、土井： https:
//doi.org/10.1016/j.physa.2023.128531。