Upload
magnus-fransson
View
280
Download
1
Embed Size (px)
Citation preview
Ramverk för kalibrering av trafikmodeller inom Mobile Millennium Stockholm
Magnus [email protected]
Introduktion
Introduktion
Vad är syftet med Mobile Millennium Stockholm?- Estimera restider, genom att estimera hastigheten på vägen.- Prediktera restider.
Bildkälla: Work, D.B. et al. (2010)
Modell
Dataassimilering är en process där observationer av systemets tillstånd kombineras med en modellestimering av samma systems tillstånd för att ge en optimal uppskattning av det verkliga systemets tillstånd .
𝑣 𝑓=𝑣𝑡+𝑝 𝑓
eQ: Hur kombinerar vi dessa för att få den bästa möjliga estimeringen, av det verkliga tillståndet, ?
A: Genom att minimera felet, dvs. genom att bestämma ett schema som minimerar felets varians. I vårt fall använder vi EnKF.
Estimeringar av en skalär. Båda dessa estimeringar innehåller fel.
Introduktion
Introduktion
Man kan tänka sig att det ser ut såhär.
Mobile Millennium-Systemet
Kunde vi etablera förmågan att kalibrera dessa delar för att förbättra prestationen?
Introduktion
Mobile Millennium-SystemetSvängandelar, på – och avfartsflöden.
Fundamentala diagram, ett per länk.
Feltermer. (En för resp. indatakälla samt en för modellen i sig).
Kalibreringsobjekten
- Anpassa och integrera:1. En statistisk metod för kalibrering av de fundamentala diagrammens parametrar.2. En lokalsökningsalgoritm kallad Complex-metoden för kalibrering av alla andra parametrar.
- Jämföra modellens estimering av restider mot restider givna av Bluetooth-detektioner.
MethodMetod
MethodMetod – Jämförelse
Method
- Complex-metoden är iterativ och utnyttjar ett kluster av olika lösningar för att söka efter ett lokalt optima.
Metod - insikt i...
MetodMetod – ”snurran”
Experiment
- Bluetooth-sensorer som blå ballonger.
- 18 km mellan detektor 2 och 9.
- Simulering över 10 timmar.
- Tre stora motorvägskorsningar.
- 38 parametrar kalibrerades iterativt men det är runt 100 allt som allt.
- Induktiva slingor och probes som indatakällor.
I-15 Ontario, CA
2
9
Results & Analysis
- Medelabsolutprocentfel (MAPE) = 7.4 % för jämförelsedatumet.
- Mätdata visade sig vara oumbärligt för ett bra resultat (se fig. f).
- Men kalibreringen förbättrade resultatet jämfört med standardmodellen.
Experiment & resultat
Results & AnalysisRamverket
Databas
Kalibrerings-manager
(någon) Statistisk
metod
(någon) MålfunktionModell
(någon) Iterativ
kalibrerings-metod
Conclusion
- Har skapat ett flexibelt ramverk för kalibrering.
- Olika parametervärden gör skillnad, man bör därför kalibrera. Även om modellen är robust.
- I nuvarande implementering av modellen är indata ovärderliga.
Slutsats
- Diskussioner för kalibrering av Mobile Millennium Stockholm: Vänta på Bluetooth? Släcka varannan sensor? Andra förslag? Kan det bli bättre med tidsberoende OD-flöden?