27840

مدل بهينه‌سازي توزيع زماني سفرها در تخصيص ترافيك پويا

كارشناسي ارشد

مهندسي عمران

1399

1401/7/30

شهريار افندي‌زاده زرگري

عمران

چكيده با توسعه كلان شهر‌ها و افزايش مالكيت خودرو, نياز به دسترسي و بهره‌مندي از تسهيلات حمل‌ونقل بالا مي‌روند. تراكم تقاضا افزايش يافته و شبكه پيچيده‌تر ميشود.ولذا اهميت برنامه‌ريزي و تحليل سيستم‌هاي حمل و نقل محرز مي‌شود. در تحليل سيستم‌هاي حمل‌ونقل، تقاضاي سفر و تخمين و تحليل آن براي دستيابي به سيستم حمل‌ونقلي كارا و مؤثر، اهميت ويژه‌اي دارد. تقاضاي سفر در ماتريس‌هايي به‌صورت توليد و جذب و يا مبدأ - مقصد ذخيره مي‌شوند. برآورد و اصلاح ماتريس‌هاي تقاضا از اهميت بالايي برخوردار است كه با بهره‌گيري از دقت و جزئيات بيشتر در برآورد آن‌ها به نتايج قابل‌اعتمادتر و كاربردي‌تر مي‌توان دست‌يافت. در مسئله برآورد و اصلاح ماتريس به‌خصوص در شبكه‌هاي متراكم، به‌كارگيري مدل‌هاي شبيه‌سازي باعث افزايش قابل‌توجه دقت مدل‌سازي مي‌شود كه بسته‌هاي نرم‌افزاري متعددي با قابليت‌هاي متنوعي در اين زمينه موجود است. در اين پژوهش هدف ساخت ماتريس هاي تقاضا بر اساس ضرايب توزيع زماني در گام هاي 15 دقيقه براي كل بازه مطالعات ميباشد. بدين منظور از يك رويكرد دوسطحي برآورد ماتريس تقاضاي سفر از ماتريس‌هاي پيشين كه ماتريس‌هاي استاتيك مطالعات جامع مي‌باشد، استفاده شده است.در سطح بالا به‌وسيله مدل‌هاي تركيبي گوسي ضرايب را توليد نموده و از الگوريتم بهينه‌سازي بر مبناي يادگيري و آموزش در بهينه‌‍سازي استفاده مي‌نمايد. اين فرايند ضرايب را در هر تكرار به سطح پايين كه تخصيص ديناميك در نرم‌افزار متن‌باز Transims مي‌باشد, انتقال مي‌دهد. داده‌هاي مورد مطالعه اين پژوهش داده‌هاي مطالعات جامع شهر شهركرد ميباشد.پس از سطح تخصيص, به ازاي 12 ساعت بازه مطالعات, حجم ترافيك حاصل از تخصيص با حجم لينك هاي مشاهده شده مقايسه ميشود. تابع هدف كمينه كردن خطاي اين مرحله از طريق مقدار RMSE ميباشد.شرط همگرايي ميتواند مقدار خطاي مشخص و يا متناسب با زمان و منابع پردازش يا تعداد تكرار باشد. پس از همگرايي‌, ضرايب بهينه حاصل ميشود.از ايستگاه‌هاي استفاده نشده در فرآيند مدل سازي, براي اعتبارسنجي مدل استفاده ميشود كه ضريب تشخيص R^2 در كل بازه‌ها و كل ايستگاه‌ها مقدار 0.91 و در 3 بازه اوج مقدار 0.88 حاصل شده است كه با توجه به رويكرد بهينه سازي با استفاده از ماتريس هاي پيشين به منظور تغيير زمان توزيع سفر ها(شروع سفر ها) نتايج نشان از عملكرد مناسب فرايند دو سطحي ارائه شده دارد. كلمات كليدي: توزيع زماني سفر، تخصيص ديناميك Transims , بهينه‌سازي دوسطحي تقاضا، مدل تركيبي گوسي، الگوريتم بهينه‌سازي مبتني بر يادگيري و آموزش

1401/11/04

A model for optimizing the time distribution of trips in dynamic traffic assignment

10/22/2023 12:00:00 AM

ABSTRACT With the development of megacities and the increase in car ownership, the need to access and take advantage of transportation facilities increases. Then Density and demand increase and the network becomes more complex. Therefore, the importance of planning and analysis of transportation systems would become obvious. In the analysis of transportation systems, travel demand and its estimation and analysis have particular importance to achieve an efficient and effective transportation system. Travel demand is stored in matrices in the form of production and attraction or origin-destination. Estimating and correcting demand matrices is very important, and more reliable and practical results can be achieved by using more accuracy and details in their estimation. In the problem of matrix estimation and modification, especially in dense networks, the accuracy of models significantly increases by using simulation models, and there are many software packages with various capabilities in this field. In this research, the goal is to build demand matrices based on time distribution coefficients in 15-minute steps for the entire study period. For this purpose, a bi-level approach has been used to estimate the travel demand matrix from previous matrices, which are the static matrices of comprehensive studies. At the upper level, it produces coefficients by Gaussian mixture models and uses Teaching–Learning-Based Optimization algorithm to optimize. This process transfers the coefficients in each iteration to the lower level, which is Transims as an open-source dynamic assignment software. The data studied in this research is the data of comprehensive studies of Shahrekord. After the level of assignment, for 12 hours of the study period, the volume of traffic resulting from the assignment has been compared with the volume of observation links. The objective function is to minimize the error of this step through the RMSE value. The convergence condition can be a specific error value or proportional to processing time and resources or the number of iterations. After convergence, optimal coefficients are obtained. Unused stations in the modeling process are used to validate the model, and the detection coefficient, R^2, in all intervals and all stations is 0.91 and in the 3 peak periods, the value is 0.88, according to the optimization approach using previous matrices, to change the time distribution of trips (trips start), the results show the proper functioning of the presented bi-level process. Keywords: time distribution of trips, Transims dynamic assignment, bi-level demand optimization, Gaussian mixture model, Teaching–Learning-Based Optimization algorithm (TLBO)

توزيع زماني سفر , تخصيص ديناميك Transims , بهينه‌سازي دوسطحي تقاضا , مدل تركيبي گوسي , الگوريتم بهينه‌سازي مبتني بر يادگيري و آموزش

time distribution of trips , Transims dynamic assignment , bi-level demand optimization , Gaussian mixture model , Teaching–Learning-Based Optimization algorithm (TLBO)

Ahmad Ebadi

Dr. Shahriar Afandizadeh Zargari