Algoritmo memético multi-objetivo para calibrar modelos de micro-simulación de flujo de tráfico vehicular CORSIM

Abstract

En este trabajo se propone el algoritmo multi-objetivo MOGBHS al cual se le fue adaptado tres (3) algoritmos de búsqueda local (HC, SA e ILS a los cuales se les adaptó una estrategia de dominancia, para situarlos en el marco multi-objetivo) con el objetivo de convertir al algoritmo multi-objetivo en diferentes propuestas meméticas multi-objetivo para la calibración de modelos de flujo de tráfico vehicular CORSIM. Adicionalmente en esta investigación se propusieron los algoritmos multi-objetivo NSGA-II y SPEA-2 a los cuales también se les aplicó una estrategia memética multi-objetivo. Tres modelos (McTrans, Reno e I-75) de tráfico vehicular CORSIM fueron calibrados con los algoritmo propuestos, al final, todos los parámetros de la calibración se encontraron dentro de los límites establecidos por el estadístico GEH (que calcula la diferencia entre el conteo entre los enlaces reales y simulados). Adicionalmente los test de Friedman y Wilcoxon indican que el algoritmo que presenta mejor comportamiento estadístico es el MOGBHS. Finalmente, se presenta una comparación entre el algoritmo MOGBHS y dos algoritmos del estado del arte, GASA, un algoritmo genético mono-objetivo que usa recocido simulado y SPSA, un algoritmo de perturbación simultánea de aproximación estocástica. Los resultados demostraron que en todos los experimentos el algoritmo MOGBHS y sus propuestas meméticas son superiores estadísticamente a GASA mientras que el SPSA fue superado estadísticamente por todos los algoritmos propuestos en esta investigación.