Analiza możliwości zastosowania sztucznych sieci neuronowych do kalibracji modeli mikrosymulacyjnych

Komputerowe modele ruchu drogowego są powszechnie wykorzystywane do analiz przepustowości i sprawności sieci drogowo-parkingowej. Budowa modeli mikrosymulacyjnych jest procesem długotrwałym i złożonym. Jednym z najbardziej czasochłonnych etapów jest kalibracja modelu. Możliwe jest znaczne przyspieszenie tego procesu poprzez wykorzystanie sztucznych sieci neuronowych do szacowania potencjalnie najkorzystniejszych kombinacji parametrów modelu ruchu. W pracy przedstawiono sposób budowy sieci neuronowych na potrzeby modelowania ruchu na wybranym odcinku drogi oraz zaproponowano procedurę umożliwiającą kalibrację mikrosymulacyjnego modelu ruchu.

---

Computer traffic models are widely used for analysis of the capacity and efficiency of road network. Construction of traffic models is a long and complex process. One of the most timeconsuming stages of the calibration model, which aim is to reflect real traffic condition. This process can be greatly accelerated by the use of artificial neural networks to generate potentially best combinations of parameters for the traffic model. The paper presents a method of building neural networks for traffic modeling, and proposes a procedure for the calibration process.

---

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018)