تطبيق نماذج قبول الفجوات المعتمدة على الشبكات العصبية الاصطناعية في نموذج محاكاة الدائرة المرورية في لعبة SUMO
| العنوان | تطبيق نماذج قبول الفجوات المعتمدة على الشبكات العصبية الاصطناعية في نموذج محاكاة الدائرة المرورية في لعبة SUMO |
|---|---|
| المؤلف | باقري، محمد |
| تاريخ النشر: | 2023-01-16T13:17:08Z |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| رقم السجل | 27ee285b-1399-4068-9e97-31c7595b2762 |
| موقع المكتبة | قسم الهندسة المدنية |
| التاريخ | 2023-01-16T13:17:08Z |
| نص عينة | يمكن تقييم تأثير البدائل التشغيلية والتصميمية المختلفة في الدوارات والدوائر المرورية باستخدام أدوات المحاكاة المجهرية. تستخدم معظم برامج المحاكاة المجهرية النماذج الأساسية الافتراضية لهذا الغرض، والتي قد لا يتم تعميمها على مرافق محددة. نظرًا لأن فعالية عمليات المرور في دوائر المرور والدوارات تتأثر بشكل كبير بسلوك رفض وقبول الفجوة لدى السائقين، فمن الضروري وضع نموذج دقيق لسلوك قبول الفجوة لدى السائق باستخدام بيانات خاصة بالموقع. كان الهدف من هذه الورقة هو تقييم جدوى تنفيذ نموذج قبول الفجوة القائم على الشبكة العصبية الاصطناعية (ANN) في SUMO، باستخدام واجهة برمجة التطبيقات الخاصة بها. تم اختيار دائرة مرورية في نيوجيرسي كدراسة حالة. تم تدريب نماذج ANN منفصلة لتقاطع واحد يتم التحكم فيه بالتوقف وتقاطعين يتم التحكم فيهما بناءً على بيانات الحقيقة الأرضية التي تم جمعها. تمت بعد ذلك مقارنة مخرجات النموذج القائم على ANN مع نموذج SUMO، وتمت معايرتها عن طريق تعديل معلمات قبول الفجوة الافتراضية لتتناسب مع البيانات الميدانية. بناءً على نتائج التحليلات، تم التوصل إلى أن ميزة النموذج المستند إلى ANN لا تكمن فقط في دقة متغيرات الإخراج المحددة مقارنة بقيم المجال المرصودة، ولكن أيضًا في معابر المركبات الواقعية عند التقاطعات غير المنضبطة في نموذج المحاكاة. simülasyon yazılımları kullanılarak değerlendirilebilir. لقد تم إنشاء محاكاة ميكروسكوبية، مما يجعل من الممكن إنشاء نماذج إبداعية متعددة الاستخدامات. حركة المرور daireleri ve dönel kavşaklardaki حركة المرور étkinliği, sürüculerin boşluk reddetme-kabul davranışından büyük ölçüde etkilendiğinden, konuma özgü verileri kullanarak sürücünün boşluk kabul Davranışını doğru bir şekilde modellemek esastır. من خلال تحسين مهاراتك، تم إنشاء برنامج SUMO للشبكة العصبية الاصطناعية (ANN) - وهو عبارة عن نموذج كامل من الشبكات العصبية الاصطناعية التي يتم تطويرها. يجب أن تكون على علم بحركة المرور في نيوجيرسي. من خلال التحكم في الأداء والتحكم في كل شيء، هناك نماذج ANN، مما يؤدي إلى تفاقم المشكلة. ANN tabanlı modelin çıktısı daha sonra SUMO modeliyle karşılaştırıldı ve varsayılan boşluk kabul parametreleri saha verileriyle eşleşecek şekilde değiştirilerek kalibre edildi. تحليل البيانات اليومية، ANN-Tabanlı Modelin Advantajı، Seçilen çıktı değişkenlerinin gozlemlenen alan değerlerine göre doğruluğunda and ayrıca Simülasyon modelinde control kavşaklarda gerçekçi araç geçişlerinde yattığı sonucuna varılmıştır. |
