Algoritmo meta-heurístico mono-objetivo guiado por velocidad, volumen y longitud de colas para calibrar modelos de micro-simulación de flujo de tráfico vehicular CORSIM

Abstract

En este trabajo se adaptan tres algoritmos meta-heurísticos mono-objetivo para abordar la calibración de modelos de micro-simulación de flujo de tráfico vehicular CORSIM. Estos tres algoritmos meta-heurísticos son especializados en problemas de alta complejidad que cuentan con diferentes enfoques: Coevolución cooperativa basada en evolución diferencial (DECC-G), Muestreo múltiple de descendientes (MOS) y un Algoritmo memético basado en encadenamiento de búsquedas locales (MA-SW-Chains). Para comparar el desempeño de estos tres algoritmos, se definieron tres experimentos con diferentes niveles de complejidad proporcionados por el Departamento de Transportes de Nevada (NDOT por sus siglas en inglés). Para determinar la calidad de la calibración, se tiene en cuenta la estadística GEH (aprobada por la Federal Highway Administration) y la discrepancia entre las variables de velocidad, volumen y longitud de colas de los modelos calibrados y los datos tomados en campo.