Approximating Dynamic Equilibrium Analysis in Multi-Region Network Based on Macroscopic Fundamental Diagram
Notice bibliographique
Résumé
Modeling and control of road traffic in large-scale urban networks present considerable challenges. The traffic equilibrium phenomena, with the question of route choice behavior in case of heterogeneous urban networks, has not been thoroughly investigated in parsimonious and classical models due to the limitation, like large network size, spatiotemporal propagation of congestion, and the interaction between driver decisions, etc. In this paper, we propose a bi-level approximating dynamic equilibrium model (BLADEM) for the approximating dynamic equilibrium analysis in multi-region network based on macroscopic fundamental diagram (MFD). The proposed model combines the region-based model and the internal-region model. With the information from region MFD, the region-based model is used to implement the time-dependent regional route choice estimation. Traffic equilibrium condition (dynamic user equilibrium, DUE) is considered in an internal-region model with time-aggregated regional OD demand from the region level. Furthermore, the complexity of the proposed model is derived. Then, the comparative analysis of the algorithm complexity between the proposed model and the DUE model is given. The proposed model is evaluated based on the high-resolution vehicle trajectory data (or connected vehicles trajectory data) from the DiDi platform collected in Chengdu, China with more than 3,000,000 GPS points during a typical workday. The evaluation results show that the proposed model can obtain the approximating traffic dynamics compared with the DUE algorithm. Pleasantly, the improved calculation efficiency is between 21% and 42%. The results indicate the promising potential of using the proposed model to analyze approximating dynamic equilibrium in the multi-region heterogeneous network.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».