मोटरवे कार्य क्षेत्र में देरी और कतार की लंबाई के अनुमान के लिए न्यूरल नेटवर्क-वेवलेट सूक्ष्मसिमुलेशन मॉडल

हाल ही में, लेखकों ने मोटरवे ट्रैफिक फ्लो पैटर्न का अनुकरण करने और जाम की विशेषताओं को निकालने के लिए एक नया मेसोस्कोपिक-वेवलेट मॉडल विकसित किया। उस अनुसंधान के विस्तार के रूप में, इस पेपर में, कार्य क्षेत्रों में ट्रैफिक देरी और कतार की लंबाई के अनुमान के लिए प्रत्येक व्यक्तिगत वाहन के यात्रा समय को ट्रैक करने के लिए एक नया न्यूरल नेटवर्क-वेवलेट सूक्ष्मसिमुलेशन मॉडल प्रस्तुत किया गया है। यह मॉडल बदलते ट्रैफिक फ्लो स्थितियों में एकल वाहन की गतिशीलता को शामिल करता है। मेसोस्कोपिक-वेवलेट मॉडल से प्राप्त जाम की विशेषताओं का उपयोग लेवेनबर्ग-मार्क्वार्ट बैकप्रोपैगेशन (BP) न्यूरल नेटवर्क में किया जाता है ताकि ट्रैफिक फ्लो को मुक्त प्रवाह, संक्रमणकालीन प्रवाह, और स्थिर कतार के साथ जाम प्रवाह के रूप में वर्गीकृत किया जा सके। न्यूरल नेटवर्क मॉडल को अनुकरणीय डेटा का उपयोग करके प्रशिक्षित किया गया है और अनुकरणीय और वास्तविक दोनों डेटा का उपयोग करके परीक्षण किया गया है। प्रस्तुत गणना मॉडल को दो और तीन लेनों वाले पांच मोटरवे के उदाहरणों पर लागू किया गया है और विभिन्न प्रवेश प्रवाह या मांग पैटर्न के साथ एक लेन बंद करने के साथ। नया सूक्ष्मसिमुलेशन मॉडल बड़े पैमाने के मॉडलों की तुलना में अधिक सटीक है और सूक्ष्मिक मॉडलों की तुलना में काफी अधिक कुशल है।