Two distribution methods for multiagent traffic simulations

مدل سازی و شبیه سازی نقش مهمی در تحلیل شبکه های حمل و نقل بازی می کند. با استفاده گسترده از منابع اطلاعات شخصی در زمان واقعی، رفتار شبیه سازی به شدت به واکنش مسافران فردی به اطلاعات دریافت شده وابسته است. به عنوان یک نتیجه، برای مدل شبیه سازی مستلزم تمرکز فردی است، و شبیه سازی چند گانه، پارادایم امیدوار کننده در این زمینه است. با این حال، نشان دادن حرکات تعداد واقع گرایان مسافر در زمان اجرا منطقی، نیازمند محاسبات قابل توجهی است. همچنین نیاز به روش های مناسب، معماری و الگوریتم هایی دارد که به ویژگی های شبکه های حمل و نقل احترام می گذارند. در این مقاله دو مدل شبیه سازی چند منظوره را نشان می دهد که شبیه سازی های ترافیکی چندتایی تکراری را نشان می دهد. مدل اول مدل پایه مبتنی بر دیجیتال است که در آن مسافران مستقیما تعامل ندارند و از یک نمودار اصلی جریان ترافیک استفاده می کنند تا به طور مداوم سرعت آنها را محاسبه کنند. مدل دوم ماشین بر اساس مبتنی بر، که در آن مسافران با همسایگان خود را در ارتباط با سرعت خود را به محیط اطراف خود را تعامل. سپس الگوهای را برای توزیع این شبیه سازی ها در یک محیط با کارایی بالا تعریف می کنیم. اولین عامل مبتنی بر عامل است و عوامل را به طور مساوی بین واحدهای محاسبه موجود توزیع می کند. الگوی دوم بر پایه محیط زیست و محیط زیست در واحدهای مختلف پارتیشن بندی می شود. نتایج نشان می دهد که توزیع مبتنی بر عامل با شبیه سازی مدل مبتنی بر اساسی کارآمد تر است، در حالی که توزیع مبتنی بر محیط با شبیه سازی های مبتنی بر خودرو موثرتر است.