Para citar este trabalho use um dos padrões abaixo:
A definição dos parâmetros mais adequados, que permitam uma melhor aproximação das condições observadas do fluxo de tráfego, tem sido um constante desafio nas atividades de modelagem macroscópica. O potencial das técnicas de aprendizado de máquina como ferramenta de apoio para esses propósitos permanece amplamente inexplorado em processos de macrossimulação. Neste sentido, propõe-se um método para a calibração automática dos parâmetros das funções de desempenho, do modelo de alocação de tráfego, por meio de um processo de otimização, utilizando um algoritmo genético, integrado à plataforma de simulação macroscópica. Essa técnica será aplicada a três tipos de função de desempenho (BPR, Akçelik e Cônica), permitindo uma avaliação comparativa da eficiência da técnica em si e do potencial de representação das condições observadas.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo