SUMO'da trafik çemberinin simülasyon modelinde artificial neural network tabanlı boşluk kabul modellerinin uygulanması

Dönel kavşaklarda ve trafik dairelerinde çeşitli operasyonel ve tasarım alternatiflerinin etkisi, mikroskobik simülasyon yazılımları kullanılarak değerlendirilebilir. Çoğu mikroskobik simülasyon yazılımı, bu amaç için belirli tesislere genelleştirilemeyecek varsayılan temel modelleri kullanır. Trafik daireleri ve dönel kavşaklardaki trafik operasyonlarının etkinliği, sürücülerin boşluk reddetme-kabul davranışından büyük ölçüde etkilendiğinden, konuma özgü verileri kullanarak sürücünün boşluk kabul davranışını doğru bir şekilde modellemek esastır. Bu makalenin amacı, uygulama programlama arayüzünü kullanarak SUMO'da Artificial Neural Network (ANN)-tabanlı bir boşluk kabul modeli uygulamanın fizibilitesini değerlendirmektir. Örnek olay olarak New Jersey'deki bir trafik çemberi seçilmiştir. Bir durak kontrollü ve iki verim kontrollü kavşak için ayrı ANN modelleri, toplanan yer gerçeği verilerine dayalı olarak eğitilmiştir. ANN tabanlı modelin çıktısı daha sonra SUMO modeliyle karşılaştırıldı ve varsayılan boşluk kabul parametreleri saha verileriyle eşleşecek şekilde değiştirilerek kalibre edildi. Analiz sonuçlarına dayanarak, ANN-tabanlı modelin avantajı, seçilen çıktı değişkenlerinin gözlemlenen alan değerlerine göre doğruluğunda ve ayrıca simülasyon modelinde kontrolsüz kavşaklarda gerçekçi araç geçişlerinde yattığı sonucuna varılmıştır.