基于活动的交通模型的贝叶斯校准
应用统计
2022-09-07 v2 机器学习
摘要
我们考虑基于活动的交通模拟器的校准与不确定性分析问题。基于活动的模型（ABMs）依赖于对个体出行者行为的统计建模来预测大都市区的高阶出行模式。输入参数通常通过使用最大似然从出行者调查中进行估计。我们开发了一种使用高斯过程仿真器借助交通流数据校准这些参数的方法。我们的方法扩展了传统仿真器以处理交通模拟器的高维和非平稳特性。我们引入了一种深度学习降维模型，该模型与高斯过程模型联合估计以近似模拟器。我们使用若干模拟示例以及通过校准伊利诺伊州布卢明顿模型的关键参数来展示该方法。
引用
@article{arxiv.2203.04414,
title = {Bayesian Calibration for Activity Based Models},
author = {Laura Schultz and Joshua Auld and Vadim Sokolov},
journal= {arXiv preprint arXiv:2203.04414},
year = {2022}
}