CALIBRAÇÃO DE MACROMODELO DE ALOCAÇÃO DE TRÁFEGO COM SUPORTE DE FERRAMENTAS DE APRENDIZADO DE MÁQUINA

Vol 2, 2023 - 162824
Relatórios de Teses e Dissertações em Andamento
Favoritar este trabalho
Como citar esse trabalho?
Resumo

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.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade de São Paulo
Eixo Temático
  • 1. Modelos e Técnicas de Planejamento de Transportes
Palavras-chave
Macrossimulação; Calibração; aprendizado de máquina