Abstract

The calibration of urban traffic microsimulation models is addressed in this paper, focusing on the multivariate distribution of traffic features. This allows to take into account day-to-day variability and possibly complex statistical dependencies, enabling robust validation and the computation of more accurate statistics. Variability in traffic models can be obtained, in principle, by suitably tuning origin-destination demand flows, but this becomes problematic for microsimulation models when complex multivariate distributions are considered, due to excessive dimensionality and nonlinearity. Thus, here we investigate how complex multivariate behavior can be achieved by suitably varying only a subset of the parameters ruling the microsimulation dynamics, without imposing any distribution on the demand flows. To this purpose, rather than looking for fixed values of the parameters, we exploit distribution models having the structure of mixtures of uniforms, through which the simulator parameter values can be randomly sampled, thus replacing the simulator inner randomization mechanism. We formalize the optimization of the mixture parameters through a maximum mean discrepancy principle involving the simulator dynamics, which leads to a large-dimensional non-differentiable problem that we solve through a method based on cross-entropy. Preliminary experiments concerning the application of the proposed methodology to the SUMO simulator show how it is possible to capture quite complex multivariate distributions of target flows varying only four parameters.

摘要

本文解决了城市交通微观模拟模型的校准问题，重点关注交通特征的多元分布。这允许考虑日常可变性和可能复杂的统计依赖关系，从而实现稳健的验证和更准确的统计计算。原则上，交通模型的可变性可以通过适当调整起点-终点需求流来获得，但是当考虑复杂的多变量分布时，由于过多的维度和非线性，这对于微观模拟模型来说会成为问题。因此，在这里，我们研究了如何通过仅适当地改变支配微观模拟动态的参数的一个子集来实​​现复杂的多变量行为，而不会对需求流施加任何分布。为此，我们不是寻找参数的固定值，而是利用具有制服混合结构的分布模型，通过它可以随机采样模拟器参数值，从而取代模拟器内部随机化机制。我们通过涉及模拟器动力学的最大平均差异原则来形式化混合参数的优化，这导致了我们通过基于交叉熵的方法解决的大维不可微问题。关于将所提出的方法应用于 SUMO 模拟器的初步实验表明，如何能够捕获仅改变四个参数的目标流的相当复杂的多变量分布。通过它可以对模拟器参数值进行随机采样，从而取代模拟器内部随机化机制。我们通过涉及模拟器动力学的最大平均差异原则来形式化混合参数的优化，这导致了我们通过基于交叉熵的方法解决的大维不可微问题。关于将所提出的方法应用于 SUMO 模拟器的初步实验表明，如何能够捕获仅改变四个参数的目标流的相当复杂的多变量分布。通过它可以对模拟器参数值进行随机采样，从而取代模拟器内部随机化机制。我们通过涉及模拟器动力学的最大平均差异原则来形式化混合参数的优化，这导致了我们通过基于交叉熵的方法解决的大维不可微问题。关于将所提出的方法应用于 SUMO 模拟器的初步实验表明，如何能够捕获仅改变四个参数的目标流的相当复杂的多变量分布。这导致了我们通过基于交叉熵的方法解决的大维不可微问题。关于将所提出的方法应用于 SUMO 模拟器的初步实验表明，如何能够捕获仅改变四个参数的目标流的相当复杂的多变量分布。这导致了我们通过基于交叉熵的方法解决的大维不可微问题。关于将所提出的方法应用于 SUMO 模拟器的初步实验表明，如何能够捕获仅改变四个参数的目标流的相当复杂的多变量分布。