AUTOMATISK KALIBRERING AF RUNDKØRSLER I VISSIM VED HJÆLP AF GENETISK ALGORITME
Oversat titel
AUTOMATIC CALIBRATION OF ROUNDABOUTS IN VISSIM WITH GENETIC ALGORITHM
Forfatter
Yde-Nielsen, Anders
Semester
4. semester
Uddannelse
Udgivelsesår
2018
Resumé
Dette kandidatspeciale undersøger og opbygger et system til automatisk kalibrering af VISSIM-modeller af rundkørsler ved at matche simulerede rejsetider med observerede rejsetider fra COWIs DataFromSky. Med MATLAB og VISSIMs COM‑modul varieres fem udvalgte kalibreringsparametre inden for køreadfærd og konfliktområder, og kvaliteten måles som forskellen mellem modellerede og observerede rejsetider. To kalibreringsstrategier afprøves: en tilfældig (brute force) generering af parametersæt og en adaptiv genetisk algoritme, der justerer parametre på baggrund af resultaterne fra tidligere simuleringer. Den genetiske algoritme giver løbende forbedringer og mere konsistente resultater end tilfældig søgning. På trods af en vellykket kalibreringsproces viser resultaterne dog, at modellen ikke i tilstrækkelig grad genskaber trafikadfærden under trængsel i de mest belastede timer, mens VISSIM ved lavere belastning kan modellere rejsetiderne tilfredsstillende.
This master’s thesis develops and evaluates an automatic calibration system for VISSIM roundabout microsimulation by matching simulated travel times to observed travel times derived from COWI’s DataFromSky. Using MATLAB and VISSIM’s COM module, five selected calibration parameters within driving behavior and conflict areas are varied, and model quality is assessed by the difference between simulated and observed travel times. Two calibration strategies are tested: a random (brute force) generation of parameter sets and an adaptive genetic algorithm that updates parameters based on results from previous simulations. The genetic algorithm produces steady improvements and more consistent outcomes than random search. Despite a successful calibration process, the results indicate that the model does not adequately capture traffic behavior during congestion in peak hours, whereas VISSIM represents travel times well under lower demand.
[Dette resumé er genereret med hjælp fra AI direkte fra projektet (PDF)]
Emneord