Uncertainty of Traffic Congestion Estimation Using Nationwide Pseudo Trip Data and Agent-Based Simulation
Uncertainty of Traffic Congestion Estimation Using Nationwide Pseudo Trip Data and Agent-Based Simulation
复制标题
使用全国伪行程数据和基于代理的仿真进行交通拥堵估计的不确定性
DOI：
10.1109/bigdata55660.2022.10020749
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Sekimoto Yoshihide
中科院分区：
文献类型：
--
作者：
Tewari Aayush;Pang Yanbo;Sekimoto Yoshihide
现实世界的交通模拟可以帮助更好地了解一个地区对基础设施的需求。此类模拟需要数字化的基础设施信息、具有代表性的人员流动数据和高效的计算资源。计算资源和基于代理的交通模拟器的进步使得在模拟环境中模拟现实世界的交通状况成为可能。道路、建筑等基础设施的数字化基础设施数据集，实现了基础设施的全面可视化。然而，具有代表性的人们的出行数据的可用性和可访问性仍然是一些研究的一部分。此外，由于资源限制，交通模拟通常仅限于地理区域，并使用交通数据样本而不是整个人口。本文使用一种新颖的移动数据集开放式 Pseudo-PFLOW（它代表日本整个人口）对千叶县进行全面的交通建模。我们使用多代理流量模拟（MATSim）工具作为基于代理的模拟器。此前已证明这对于模拟大型场景非常有效。主要研究问题集中于通过基于代理的建模改进 Pseudo-PFLOW 数据集中的代理轨迹数据，并验证 MATSim 在网络拥塞和全面模拟的资源需求方面的有效性。
A real-world traffic simulation can help better understand the need for infrastructure facilities in a region. Such simulations require digitized infrastructure information, well-represented people movement data, and efficient computing resources. Advances in computing resources and agent-based traffic simulators have made it possible to simulate real-world traffic conditions in a simulated environment. Digitized infrastructure datasets of roads, buildings, and other infrastructure facilities have enabled comprehensive visualization of infrastructure. However, the availability and accessibility of well-represented people’s mobility data are still part of some research. Additionally, due to resource limitations, traffic simulations are typically limited to geographic regions and use samples of traffic data rather than the entire population.This paper uses a novel mobility dataset, open Pseudo-PFLOW, which is a whole representation of the entire population of Japan, for a full-scale traffic modeling of Chiba prefecture. We used Multi-Agent Traffic Simulation (MATSim) tool, as an agent-based simulator. This has previously proven efficient for simulating large scenarios. The main research question focuses on improving agent trajectory data from the Pseudo-PFLOW dataset by agent-based modeling and validating the effectiveness of MATSim on network congestion and resource requirements of full-scale simulations.
登录
查看更多内容
DOI：
10.48550/arxiv.2205.00657
发表时间：
2022-05
期刊：
ArXiv
影响因子：
--
作者：
Takehiro Kashiyama;Y. Pang;Y. Sekimoto;T. Yabe
通讯作者：
Takehiro Kashiyama;Y. Pang;Y. Sekimoto;T. Yabe
使用智能手机 GPS 的大数据进行基于代理的建模来模拟道路旅行：在美国大陆的应用
DOI：
10.1109/bigdata47090.2019.9006339
发表时间：
2019
期刊：
2019 IEEE International Conference on Big Data (Big Data)
影响因子：
--
作者：
Sashikanth Gurram;V. Sivaraman;Jonathan T. Apple;A. Pinjari
通讯作者：
A. Pinjari
DOI：
10.3929/ethz-b-000394347
发表时间：
2019-12
期刊：
--
影响因子：
--
作者：
A. Ilahi;Miloš Balać;K. Axhausen
通讯作者：
A. Ilahi;Miloš Balać;K. Axhausen
地理空间隐私和安全
DOI：
10.5311/josis.2019.19.608
发表时间：
2019
期刊：
J. Spatial Inf. Sci.
影响因子：
--
作者：
Grant McKenzie;C. Kessler;Clio Andris
通讯作者：
Clio Andris
PFlow：重构人流回收大规模社会调查数据
影响因子：
1.6
作者：
Y. Sekimoto;R. Shibasaki;H. Kanasugi;Tomotaka Usui;Yasunobu Shimazaki
通讯作者：
Yasunobu Shimazaki