Validation of an Agent-Based Microscopic Pedestrian Simulation Model at a Scramble Phase Signalized Intersection
Notice bibliographique
Résumé
Recently, an agent-based pedestrian simulation model was developed at the University of British Columbia to model detailed pedestrian interactions. The model was originally calibrated and validated with video data, collected at a signalized intersection in Vancouver. However, it is important to investigate the applicability of the model in different walking environments. The main objective of this study was to assess the model performance in handling pedestrian interactions at a scramble phase signalized intersection in Oakland, California. The intersection had four conventional crosswalks in addition to two diagonal crosswalks, used during the scramble pedestrian phase. Model parameters were calibrated with a genetic algorithm, which aimed to minimize the location and speed error between simulated and actual trajectories, extracted from the video sequence through computer vision. Validation results showed that the model was capable of reproducing pedestrian trajectories with high accuracy in regard to average location and speed error. The average location error for 271 pedestrians considered in the validation was 0.49 m, while the average speed error was 0.04 m/s. Detailed analysis of crossing speed for both conventional and diagonal crossings was presented, and the ability of the model to produce the same speed distributions observed in actual data was confirmed. Furthermore, the ability of the model to reproduce five interactions that were frequently observed in the data was assessed. Results showed that the model was capable of reproducing the actual behavior taken by pedestrians during these interactions with high accuracy, from 80% to 100%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».