Zufällige Seeds in Verkehrsmodellen

November 2022 – Technical Note #75

Tessa Hayman

Product Specialist

Tessa Hayman erklärt die verschiedenen Quellen der Stochastizität in Mikro- und Meso-Experimenten in Aimsun Next und wie man sie kontrolliert.

Alle dynamischen Szenarien enthalten eine Form der Stochastik, die durch die Wahl eines Zufallsstarts definiert wird. Diese technische Notiz erklärt die verschiedenen Quellen der Stochastizität in Mikro- und Meso-Experimenten in Aimsun Next und wie Sie diese kontrollieren können.

Die Unsicherheit von Verkehrsmodellen ist ein Aspekt, der bei der Verwendung ihrer Ergebnisse sorgfältig bedacht werden muss. Während die Ungewissheit statischer Modelle durch die Ungewissheit der Eingangsparameter verursacht wird, weisen dynamische Modelle aufgrund der Stochastizität der Zufallszahlenreihen, die zur Festlegung der Eingangsparameter verwendet werden, eine zusätzliche Variabilität in ihren Ergebnissen auf. Diese Reihen werden auf der Grundlage zufälliger Seeds generiert, um sicherzustellen, dass bei jeder Replikation die gleichen Ergebnisse erzielt werden.

In Aimsun Next werden standardmäßig alle zufälligen Seeds automatisch aus einem einzigen (Master-)Seed generiert, der in der Replikation angegeben ist. Wenn jede Replikation einen anderen (Master-)Zufallskeim hat, führen alle in der Simulation auftretenden stochastischen Prozesse (Fahrzeugparameter, Fahrzeugabfahrtszeiten, Pfadwahl usw.) zu unterschiedlichen Ergebnissen. Es kann jedoch Anwendungsfälle geben, in denen Sie feiner steuern müssen, was sich zwischen den Replikationen ändert; dafür gibt es fünf verschiedene Seeds in den Replikationsattributen, die unabhängig voneinander eingestellt werden können.

(Master) Zufallsauswahl

Der in der Hauptregisterkarte einer Replikation enthaltene Zufalls-Seed wird verwendet, um alle Seeds zu erzeugen, die in den Replikationsattributen nicht auf einen bestimmten Wert (ungleich 0) gesetzt sind, und kann daher alle Aspekte der Simulation beeinflussen, die durch die unten beschriebenen spezifischen Seeds gesteuert werden. Darüber hinaus steuert es stets die Rundung der Fahrten in einer Dezimalmatrix und die Generierungszeiten (Abfahrtszeiten) der einzelnen Fahrzeuge, wenn die Ankünfte gleichmäßig, normal oder exponentiell eingestellt sind.

Fahrzeuggeneration Saatgut

Dieser Seed wird verwendet, um die Eigenschaften jedes Fahrzeugs aus den abgestumpften Normalverteilungen des Fahrzeugtyps zu generieren. Dazu gehören unter anderem die Fahrzeuglänge, die max. gewünschte Geschwindigkeit, Vorausschauvariabilität, Einhaltung des Verkehrsmanagements, Geschwindigkeitsakzeptanz, maximale Vorbeifahrtzeit. Wenn Sie für einen Parameter eine Abweichung von 0 festlegen, variiert er nicht mehr mit dem Zufallswert, aber er variiert auch nicht mehr zwischen Fahrzeugen desselben Typs in derselben Simulation.

Fahrzeugzuweisung Saatgut

Dieser Seed wird verwendet, um den Weg eines Fahrzeugs aus einer Reihe von Wegen auszuwählen, die von DUE oder SRC berechnet oder als OD-Routen eingegeben wurden. Jeder Trassentyp und jede Trasse innerhalb des Trassentyps hat eine Nutzungswahrscheinlichkeit, und dieser Seed wird verwendet, um eine Trasse aus der Auswahlmenge auszuwählen. Sie wirkt sich daher immer dann aus, wenn mehrere Routen für dasselbe OD-Paar verfügbar sind.

Öffentliche Verkehrsmittel Samen

Dieser Seed wird verwendet, um für Fahrzeuge des öffentlichen Verkehrs die Abfahrtszeit am Anfang der Linie (wenn im Fahrplan eine Abweichung eingestellt wurde) und die Verweilzeit an jeder Haltestelle (wenn im Fahrplan eine Abweichung eingestellt wurde) einzustellen. Sie wirkt sich auch auf die Probenahme von Fahrzeugparametern für Fahrzeuge des öffentlichen Verkehrs aus (die bei Privatfahrzeugen durch das Erzeugungsprogramm gesteuert wird).

Saatgut für die Verkehrsverwaltung

Dieses Saatgut wird verwendet, wenn ein Zufallsprozess mit einer Verkehrsmanagementmaßnahme verbunden ist, z. B. der Ort, die Größe und das Auftreten eines periodischen Abschnittsereignisses oder die Wahl einer Teilstrecke im Zusammenhang mit einer Zwangsabbiegung. Die Einhaltung einer Verkehrsmanagementmaßnahme hängt nicht von diesem Seed ab, da sie eine in den Fahrzeugeigenschaften gespeicherte Zufallszahl verwendet und daher vom Fahrzeuggenerierungs-Seed abhängig ist.

Wenn Sie möchten, dass zwei Replikationen nur in einigen der oben genannten Aspekte gleich sind, aber nicht in allen, können Sie in den Replikationsattributen die gleiche Untersaat festlegen. Da die Nachfrage- und Generierungszeiten immer vom Hauptseed abhängen, müssen Sie, wenn Sie sie zwischen den Replikationen festlegen wollen, denselben Hauptseed beibehalten und verschiedene Unterseeds für die Prozesse festlegen, die sich zwischen den Replikationen unterscheiden sollen.

Da zufällige Seeds verwendet werden, um einen Wert aus einer Verteilung zu entnehmen oder eine Auswahl auf der Grundlage von Wahrscheinlichkeiten zu treffen, besteht eine weitere Möglichkeit zur Beseitigung der Stochastizität darin, eine Abweichung auf Null zu setzen oder eine einzige Option zur Auswahl zu haben. Beachten Sie jedoch, dass dadurch auch Abweichungen innerhalb derselben Simulation entfernt werden, nicht nur zwischen verschiedenen Replikationen.

Zufälliges Saatgut

Wie man die Stochastik vollständig beseitigt

Meister

Verwenden Sie ganzzahlige Matrizen und setzen Sie die Ankunftszeiten auf konstant

Öffentliche Verkehrsmittel Samen

Setzen Sie die Abweichung in den Fahrplänen für die Abfahrtszeiten und die Verweilzeiten sowie für alle Parameter der Fahrzeugtypen, die Transitlinien bedienen, auf 0

Seeds for traffic management

Setzen Sie die Abweichung in periodischen Abschnittsereignissen auf 0, setzen Sie eine einzige Option für erzwungene Abzweigungen und Zieländerungen, erzwingen Sie die kürzeste Route für die Aktualisierung des En-Route-Pfads

Vehicle allocation seed

einen einzigen Pfad pro OD-Paar und Zeitintervall haben

Fahrzeuggeneration Saatgut

Setzen Sie die Abweichung für alle Fahrzeugtyp-Parameter auf 0

Sie können die Auswirkungen dieser Änderungen überprüfen, indem Sie mehrere Replikationen erstellen und verschiedene Sub-Seeds oder das Master-Seed ändern und dann die Verteilung der Outputs vergleichen und die Veränderung des Flusses in jedem Abschnitt bewerten. Im Folgenden wird beispielsweise die Auswirkung einer Änderung des Master-Random-Seeds für verschiedene Ausgaben dargestellt. Zwei Modelle wurden bewertetDer erste hatte exponentielle Ankünfte und eine dezimale Nachfrage, der zweite hatte konstante Ankünfte und eine ganzzahlige Nachfrage.

Interessant ist, dass die Variation des Flusses zwischen den Replikationen deutlich geringer ist, wenn alle OD-Zellen in den Matrizen eine ganzzahlige Anzahl von Reisen haben, selbst wenn sich der Master-Zufallswert ändert. Denken Sie also daran, dass die Zufallsauswahl zwar bestimmt, ob es eine Variation gibt, die Amplitude der Variation aber von den Eigenschaften des Modells abhängt.

A) Zufälliges Saatgut (Bedarf aus statischem Traversal):
Abbildung 2: Unterschiede zwischen den Replikationen für die untersuchten KPIs
Abbildung 3: Flussunterschiede zwischen den Replikationen
B) Zufallsauswahl (gerundeter Bedarf aus statischem Traversal):
Abbildung 5: Unterschiede zwischen den Replikationen für die untersuchten KPIs
Abbildung 6: Flussunterschiede zwischen den Replikationen

Weitere Technische Hinweise

Hybride Makro-Meso-Simulationen in Aimsun Next

August 2020: Tessa Hayman erklärt, wie Sie hybride Makro-Meso-Simulationen in Aimsun Next 20 durchführen und das Beste aus beidem für Modellierungen auf regionaler Ebene miteinander kombinieren.

  • Hast du eine Frage? Nimm Kontakt auf.

    Wir sind hier um zu helfen!

  • Hast du eine Frage? Nimm Kontakt auf.

    Wir sind hier um zu helfen!

TEILEN

Zitieren Aimsun Next

Aimsun Next 23

Aimsun (2023). Aimsun Next 23 User's Manual, Aimsun Next Version 23.0.0, Barcelona, Spanien. Zugriff am: July. 19, 2023. [Online].
Verfügbar: https://docs.aimsun.com/next/23.0.0/


Aimsun Next 20.0.5

Aimsun (2021). Aimsun Next 20.0.5 User's Manual, Aimsun Next Version 20.0.3, Barcelona, Spanien. Accessed on: May. 1, 2021. [In software].
Available: qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html

Aimsun Next 23

@manual {​​​​​​​​AimsunManual,

title = {​​​​​​​​Aimsun Next 23 User's Manual}​​​​​,
author = {​​​​​​​​Aimsun}​​​​​​​​,
edition = {​​​​​​​​​​​​​​​Aimsun Next 23.0.0}​​​​​​​​​​​​​​​,
address = {​​​​​​​​​​​​​​​Barcelona, Spain}​​​​​​​​​​​​​​​,
year = {​​​​​​​​​​​​​​​2023. [Online]}​​​​​​​​​​​​​​​,
month = {​​​​​​​​​​​​​​​Accessed on: Month, Day, Year}​​​​​​​​​​​​​​​,
url = {​​​​​​​​​​​​​​​https://docs.aimsun.com/next/23.0.0/}​​​​​​​​​​​​​​​,
}​​​​​​​​​​​​​​​


Aimsun Next 20.0.5

@manual {​​​​​​​​AimsunManual,

title = {​​​​​​​​Aimsun Next 20.0.5 User's Manual}​​​​​​​​,
author = {​​​​​​​​Aimsun}​​​​​​​​,
edition = {​​​​​​​​​​​​​​​Aimsun Next 20.0.5}​​​​​​​​​​​​​​​,
address = {​​​​​​​​​​​​​​​Barcelona, Spain}​​​​​​​​​​​​​​​,
year = {​​​​​​​​​​​​​​​2021. [In software]}​​​​​​​​​​​​​​​,
month = {​​​​​​​​​​​​​​​Accessed on: Month, Day, Year}​​​​​​​​​​​​​​​,
url = {​​​​​​​​​​​​​​​qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html}​​​​​​​​​​​​​​​,
}​​​​​​​​​​​​​​​

Aimsun Next 23

TY - COMP
T1 - Aimsun Next 23 User's Manual
A1 - Aimsun
ET - Aimsun Next Version 23.0.0
Y1 - 2023
Y2 - Accessed on: Month, Day, Year
CY - Barcelona, Spain
PB - Aimsun
UR - [In software]. Verfügbar: https://docs.aimsun.com/next/23.0.0/


Aimsun Next 20.0.5

TY - COMP
T1 - Aimsun Next 20.0.5 User's Manual
A1 - Aimsun
ET - Aimsun Next Version 20.0.5
Y1 - 2021
Y2 - Accessed on: Month, Day, Year
CY - Barcelona, Spanien
PB - Aimsun
UR - [In software]. Available: qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html