TY - JOUR A2 - Hassannayebi, Erfan AU - Mo, Baichuan AU - Ma, Zhenliang AU - Koutsopoulos, Haris N. AU - Zhao，金华市PY - 2021 DA - 2021/02/28 TI -校准路径选择和培训能力城市轨道交通仿真模型使用智能卡和火车运动数据SP - 5597130六世- 2021 AB -交通网络仿真模型通常用于城市轨道系统的性能和回顾性分析,利用广泛的自动收费(AFC)和自动车辆定位(AVL)数据。除了出发地到目的地的流量，这些模型的重要输入还包括乘客路径选择和列车运力。在文献中经常被忽视的列车运力是一个重要的输入，它具有许多可变因素。本文提出了一个基于仿真的优化(SBO)框架，利用AFC和AVL数据同时校准城市轨道系统的路径选择和列车能力。标定是一个带有黑盒目标函数的优化问题。对SBO求解方法的四个分支中的七个算法进行了评价。采用实验设计对算法进行评估，该设计包括五个场景，代表不同程度的路径选择随机性和拥挤敏感性。本研究以香港地下铁路系统的数据作为个案研究。 The data is used to generate synthetic observations used as “ground truth.” The results show that the response surface methods (particularly constrained optimization using response surfaces) have consistently good performance under all scenarios. The proposed approach drives large-scale simulation applications for monitoring and planning. SN - 0197-6729 UR - https://doi.org/10.1155/2021/5597130 DO - 10.1155/2021/5597130 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -