बड़े पैमाने पर माइक्रोसिमुलेशन के लिए एजेंट-आधारित डिमांड-मॉडलिंग ढांचा

माइक्रोसिमुलेशन ट्रैफिक डिमांड मॉडलिंग में increasingly महत्वपूर्ण होता जा रहा है। पारंपरिक चार-चरण मॉडलों की तुलना में प्रमुख लाभ यह है कि प्रत्येक यात्री का व्यक्तिगत रूप से सिमुलेट करना संभव है। प्रत्येक व्यक्ति के लिए निर्णय लेने की प्रक्रियाएं शामिल की जा सकती हैं। ट्रैफिक डिमांड उन विभिन्न निर्णयों का परिणाम है जो व्यक्तियों द्वारा लिए जाते हैं; ये निर्णय योजनाओं की ओर ले जाते हैं जिन्हें व्यक्ति फिर अनुकूलित करने की कोशिश करते हैं। इसलिए, ऐसे माइक्रोसिमुलेशन मॉडलों को सभी दिए गए व्यक्तियों के लिए उपयुक्त प्रारंभिक डिमांड पैटर्न की आवश्यकता होती है। चुनौती सामान्य इनपुट डेटा से व्यक्तिगत डिमांड पैटर्न बनाने की है। व्यवहार में, इनपुट डेटा की एक बड़ी विविधता है, जो गुणवत्ता, स्थानिक रिज़ॉल्यूशन, उद्देश्य और अन्य विशेषताओं में भिन्न हो सकती है। एक लचीले डिमांड-मॉडलिंग ढांचे के लिए चुनौती विभिन्न डेटा प्रकारों को जोड़कर व्यक्तिगत डिमांड पैटर्न का उत्पादन करना है। इसके अतिरिक्त, मॉडलिंग ढांचे को अन्य मॉडलों, कार्यक्रमों, और ढांचों के लिए पोर्टेबिलिटी प्रदान करने के लिए सटीक इंटरफेस परिभाषित करने की आवश्यकता है, और इसे बड़े पैमाने पर अनुप्रयोगों के लिए उपयुक्त होना चाहिए जो कई लाखों व्यक्तियों का उपयोग करते हैं। क्योंकि मॉडल को दिए गए इनपुट डेटा के अनुसार अनुकूलित किया जाना चाहिए, ढांचे को नए एल्गोरिदम और मॉडलों के साथ आसानी से विस्तारित किया जा सकता है। बड़े पैमाने पर परिदृश्यों के लिए प्रस्तुत डिमांड-मॉडलिंग ढाँचा सभी आवश्यकताओं को पूरा करता है। दो अलग-अलग परिदृश्यों (ज़्यूरिख, स्विट्ज़रलैंड, और जर्मन राज्यों बर्लिन और ब्रैंडेनबर्ग) के लिए डिमांड मॉडलिंग करके, ढांचा विभिन्न इनपुट डेटा, तीसरे पक्ष के उत्पादों के लिए इंटरफेस, स्थानिक रिज़ॉल्यूशन और आखिरी लेकिन कम से कम, मॉडलिंग प्रक्रिया के पहलुओं में अपनी लचीलापन दिखाता है।