Two‐fold calibration approach for microscopic traffic simulation models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Calibrating the microsimulation traffic models can be defined as a black‐box optimisation problem with some non‐concave objective functions. In this regard, the stochastic optimisation algorithms are suitable choices to explore the search space and prevent getting stuck in local optimums. However, considering only the traffic attributes‐related objectives may fail to calibrate the model in terms of safety. Therefore, by defining two different objectives, a two‐fold calibration approach is proposed such that the simulation model reproduces the real‐world transportation network more accurately, both in terms of safety and operation. Moreover, the performance of two different approaches to solve this multi‐objective optimisation problem are evaluated. It is shown that by aggregating the objectives in one single formula (i.e. a priori methods), the information exchange among solutions is not captured, which may lead to non‐optimal solutions. While this limitation is overcome by a posteriori methods since different objectives can be optimised separately and simultaneously. In this regard, the performance of posteriori‐based multi‐objective particle swarm optimisation (MOPSO) algorithm in calibrating VISSIM is compared with some priori‐based optimisation algorithms (e.g. PSO, genetic algorithm, and whale optimisation algorithm). The results show that posteriori‐based MOPSO leads to a more accurate solution set in terms of both objectives.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle