Ramverk för kalibrering av trafikmodeller inom Mobile Millennium Stockholm

Magnus Franssonmagnus.fransson@sweco.se

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?