Farklı Akım/Kapasite Oranlarının Trafik Simülasyon Kalibrasyon Performansına Etkisi

Microsimulation models must be properly calibrated before being used for analysis. In the traditional calibration approach, a calibration variable that can typically be collected from the field, such as traffic volume or speed, is used. The calibration process is assumed to be completed by minimizing the difference between the calibration variable collected from the field and obtained from the model. However, it should be noted that this approach does not imply that the real vehicle tracking model parameters are exactly or very close to the microsimulation model parameters. On the other hand, since real vehicle tracking parameters cannot be obtained from the field, this approach is necessary. This study aims to develop a new approach to improve the accuracy of the traditional calibration approach. This approach involves creating an experiment set consisting of different vehicle tracking model parameters, modeling the road section to be simulated in the simulation environment, and conducting simulation-based optimization experiments to determine at which v/c ratio data should be collected from the field. In the study, SUMO (Simulation of Urban MObility) was used for microsimulation modeling, the Latin Hypercube method was preferred for creating the experiment set, and the Grey Wolf Algorithm was used for optimization. Experiments were conducted for road sections with different numbers of lanes, and the calibration performance at different v/c ratios was measured by the average of squared errors. The results confirmed that the calibration process performed at the appropriate v/c ratio was significantly more accurate than under other conditions. It is anticipated that this proposed approach will make significant contributions to the more accurate calibration of the planned road sections.

Mikro-simülasyon modelleri, analizler için kullanılmadan önce doğru şekilde kalibre edilmelidir. Geleneksel kalibrasyon yaklaşımında genellikle trafik hacmi veya hız gibi sahadan toplanabilen bir kalibrasyon değişkeni kullanılır. Kalibrasyon süreci, sahadan toplanan ve modelden elde edilen kalibrasyon değişkenine belirli bir miktardan daha fazla yaklaştırılmasıyla tamamlandığı varsayılır. Ancak, bu yaklaşımın, gerçek taşıt takip model parametrelerinin model parametreleriyle aynı olduğu anlamına gelmediği unutulmamalıdır. Ayrıca, gerçek taşıt takip parametrelerinin sahadan elde edilememesi bu yaklaşımı zorunlu kılar. Bu çalışma, geleneksel kalibrasyon yaklaşımının doğruluğunu artırmak için kullanılabilecek bir yöntem geliştirmeyi amaçlamaktadır. Bu yöntem, farklı taşıt takip model parametrelerinden oluşan bir deney setinin oluşturulmasını, simülasyonu yapılacak yol kesiminin simülasyon ortamında modellenmesini ve simülasyon tabanlı optimizasyon denemeleri yaparak, yol kesimi için sahadan hangi v/c oranında veri toplanması gerektiğini belirlemeyi içermektedir. Çalışma kapsamında yapılan deneylerde, mikro-simülasyon modellemesi için SUMO (Simulation of Urban MObility) kullanılmış, deney seti oluşturmak için Latin Hiper Küpü yöntemi tercih edilmiş ve optimizasyon için Gri Kurt Algoritması kullanılmıştır. Deneyler, farklı şerit sayısına sahip yol kesimleri için gerçekleştirilmiş ve her yol kesimi için farklı v/c oranlarında kalibrasyon performansı karesel hataların ortalamasıyla ölçülmüştür. Sonuçlar, uygun v/c oranında yapılan kalibrasyon işleminin diğer koşullara göre anlamlı düzeyde daha doğru olduğunu doğrulamıştır. Bu önerilen yaklaşımın, planlanan yol kesimlerinin daha doğru kalibrasyonuna önemli katkılar sağlayabileceği öngörülmektedir.