A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
Calibration protocol for PARAMICS microscopic traffic simulation model: application of neuro-fuzzy approach
This study investigated the challenges of calibration of the PARAMICS microscopic simulation model for the local traffic conditions in the Kingdom of Saudi Arabia. It proposed an adaptive neuro-fuzzy inference system (ANFIS) based calibration protocol for the PARAMICS model. The developed ANFIS model performs adequately in modeling the queue length as a function of two key calibration parameters, namely mean headway time and mean reaction time. The selected values of the calibration parameters obtained through the ANFIS modeling approach were used as the input parameters for the PARAMICS model. The error indices such as mean absolute errors and mean absolute percentage errors of the developed ANFIS model in predicting the queue lengths varied between 1.11 and 1.24, and between 3.44 and 4.06, respectively. The conformance of the PARAMICS output and the measured queue length indicates the validity of the proposed calibration protocol.
Dans le cadre de cette étude, on a examiné les défis que présente le calibrage du modèle de simulation microscopique PARAMICS reproduisant les conditions de trafic local au Royaume d’Arabie saoudite. On a proposé un protocole de calibrage fondé sur un système adaptatif neuronal à inférence floue (ANFIS) pour le modèle PARAMICS. Le modèle d’ANFIS développé fonctionne de manière adéquate en matière de la modélisation du temps de la file d’attente en fonction de deux paramètres de calibrage clés, soit l’intervalle entre les passages et le temps moyen de réaction-perception. On a utilisé les valeurs choisies des paramètres de calibrage obtenus par l’approche de modélisation ANFIS comme paramètres d’entrée pour le modèle PARAMICS. Les indices d’erreur soit l’écart moyen et l’écart moyen en pourcentage mesurés entre les prévisions du modèle d’ANFIS développé et le temps de la file d’attente variaient entre 1,11 et 1,24, et entre 3,44 et 4,06, respectivement. La conformité des résultats PARAMICS avec le temps mesuré de la file d’attente indique la validité du protocole de calibrage proposé. [Traduit par la Rédaction]
Calibration protocol for PARAMICS microscopic traffic simulation model: application of neuro-fuzzy approach
This study investigated the challenges of calibration of the PARAMICS microscopic simulation model for the local traffic conditions in the Kingdom of Saudi Arabia. It proposed an adaptive neuro-fuzzy inference system (ANFIS) based calibration protocol for the PARAMICS model. The developed ANFIS model performs adequately in modeling the queue length as a function of two key calibration parameters, namely mean headway time and mean reaction time. The selected values of the calibration parameters obtained through the ANFIS modeling approach were used as the input parameters for the PARAMICS model. The error indices such as mean absolute errors and mean absolute percentage errors of the developed ANFIS model in predicting the queue lengths varied between 1.11 and 1.24, and between 3.44 and 4.06, respectively. The conformance of the PARAMICS output and the measured queue length indicates the validity of the proposed calibration protocol.
Dans le cadre de cette étude, on a examiné les défis que présente le calibrage du modèle de simulation microscopique PARAMICS reproduisant les conditions de trafic local au Royaume d’Arabie saoudite. On a proposé un protocole de calibrage fondé sur un système adaptatif neuronal à inférence floue (ANFIS) pour le modèle PARAMICS. Le modèle d’ANFIS développé fonctionne de manière adéquate en matière de la modélisation du temps de la file d’attente en fonction de deux paramètres de calibrage clés, soit l’intervalle entre les passages et le temps moyen de réaction-perception. On a utilisé les valeurs choisies des paramètres de calibrage obtenus par l’approche de modélisation ANFIS comme paramètres d’entrée pour le modèle PARAMICS. Les indices d’erreur soit l’écart moyen et l’écart moyen en pourcentage mesurés entre les prévisions du modèle d’ANFIS développé et le temps de la file d’attente variaient entre 1,11 et 1,24, et entre 3,44 et 4,06, respectivement. La conformité des résultats PARAMICS avec le temps mesuré de la file d’attente indique la validité du protocole de calibrage proposé. [Traduit par la Rédaction]
Calibration protocol for PARAMICS microscopic traffic simulation model: application of neuro-fuzzy approach
Reza, Imran (author) / Ratrout, Nedal T / Rahman, Syed Masiur
2016
Article (Journal)
English
| British Library Online Contents | 2016
Simulation and Modeling for Traffic Collaborative Controlapplying the S - Paramics
| British Library Conference Proceedings | 2014
Customized simulation Modeling Using PARAMICS Application Programmer Interface
| British Library Conference Proceedings | 2001