Προς την ανάπτυξη ευέλικτων μικροσκοπικών κυκλοφοριακών προτύπων βασισμένων σε δεδομένα

Περίληψη

Στόχος της έρευνας είναι η ανάπτυξη πιο αξιόπιστων μικροσκοπικών κυκλοφοριακών προτύπων. Αναπτύσσεται μια ολοκληρωμένη μεθοδολογία για την εκτίμηση προτύπων κυκλοφοριακής προσομοίωσης με τη χρήση καινοτόμων και ευέλικτων μεθόδων μηχανικής μάθησης, όπως η ταξινόμηση, η ομαδοποίηση, η τοπικά σταθμισμένη παλινδρόμηση (loess), οι καμπύλες splines, οι Gaussian διαδικασίες, οι διανυσματικές μηχανές υποστήριξης και τα νευρωνικά δίκτυα. Τα δεδομένα που χρησιμοποιήθηκαν στην έρευνα αυτή περιλαμβάνουν δεδομένα από τρεις διαφορετικές πηγές, δεδομένα από τη Νάπολη, τα NGSIM δεδομένα και δεδομένα από την Ινδία. Δίνεται έμφαση στα πρότυπα ακολουθίας οχημάτων και για τα ίδια δεδομένα εφαρμόζεται το μοντέλο του Gipps, ένα γνωστό μοντέλο ακολουθίας οχημάτων που χρησιμοποιείται ως μοντέλο αναφοράς στην παρούσα έρευνα. Επειδή πολλοί παράγοντες επηρεάζουν τη συμπεριφορά του οδηγού, εξετάζεται κατά πόσο βελτιώνεται το μοντέλο ενσωματώνοντας περισσότερες μεταβλητές. Επιπλέον, εξετάζεται η δυναμική βαθμονόμη ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The objective of this research is to develop more accurate, robust and reliable microscopic models. Anintegrated methodological framework based on non–parametric approaches is proposed for estimationof data–driven microscopic traffic simulation models. The methodology is implemented using differentma-chine learning techniques such as clustering, classification, locally weighted regression, splinefitting, Gaussian processes, Kernel support vector machines and neural networks. The methodology isdemonstrated using real trajectory data from three different sources and specifically an experimentfrom Naples, NGSIM data and non–lane disciplinary trajectory data from India. The focus is given oncar–following models and Gipps’ model, one of the most extensively used car–following models, iscalibrated against the same data in order to be used as a reference benchmark. Many parametersaffect driving behavior and it is explored how the performance of the models is improved by includingmore explanat ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/44979
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/44979
ND
44979
Εναλλακτικός τίτλος
Towards data-driven microscopic traffic simulation models
Συγγραφέας
Παπαθανασοπούλου, Βασιλεία του Γεώργιος
Ημερομηνία
2018
Ίδρυμα
Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ). Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Έργων Υποδομής και Αγροτικής Ανάπτυξης
Εξεταστική επιτροπή
Αντωνίου Κωνσταντίνος
Koutsopoulos Haris
Punzo Vincenzo
Γιαννής Γεώργιος
Βλαχογιάννη Ελένη
Σπυροπούλου Ιωάννα
Pereira Francisco
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και Τεχνολογία
Επιστήμη Πολιτικού Μηχανικού
Άλλες Επιστήμες Μηχανικού και Τεχνολογίες
Λέξεις-κλειδιά
Μοντέλα βασισμένα σε δεδομένα; Μικροσκοπικά μοντέλα κυκλοφοριακής προσομοίωσης; Μοντελοποίηση κυκλοφορίας; Μηχανική μάθηση; Δυναμική βαθμονόμηση; Δδομένα NGSIM; Μη τήρηση λωρίδων κυκλοφορίας
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
199 σ., εικ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)