weixin_47687315的博客

阿利亚加，在土耳其，位于伊兹密尔以北约50公里;它是土耳其爱琴海地区30个伊兹米尔省区之一，对国民经济至关重要。Aliaga是Petkim的所在地，Petkim是土耳其最大的石化企业之一。2011年，Petkim在土耳其500强工业企业中排名第12位（伊斯坦布尔工业商会，2012年，访问日期：2012年7月3日）;该企业包括14个工厂和7个辅助单位。根据土耳其统计局的数据，2011年阿利亚加的人口为68 432人; 56 440人居住在中心社区，11 992人居住在周边村庄（土耳其统计研究所，2011年）。

慕尼黑大都市区的MATSim情景是2010年建立的。主要目标是模拟当地空气污染物和全球温室气体排放，以及它们的水平如何随着不同的政策措施而变化-在汇总和空间分类的水平上。因此，该方案被用于EMT的开发和测试 (EmissionModeling Tool，见第36章)。有关示例说明在一天内产生总体NO2私家车和货运车辆排放的示例，请参见图58.1。来自visum的网络信息被转换成MATSim格式，从而形成了由17个888节点和41个942链路组成的网络。然后，该运输供应与来自不同来源的旅行需求相关联; 基于M

MATSim新加坡方案实施并维护在FCL (未来城市实验室)，SEC的研究计划 (新加坡-全球环境可持续发展ETHCenter) 和新加坡国家研究基金会创建的一部分 (卓越和技术企业校园)。该方案涵盖了整个新加坡地区，人口约为500万，其中包括来往于邻国马来西亚的交通。新加坡为基于代理和活动的建模方法提供了一个很好的研究案例: 一个人口稠密的城市，拥有广泛的公共交通基础设施以及先进的交通和定价政策。

旅行需求基本上取自2000年和2005年的全国旅行调查（瑞士联邦统计局，2006年）（瑞士微观人口普查），尽管这一抽样大大低估了货运，忽略了非瑞士居民的跨境交通。因此，虽然在现实中，人们可能会在严重的洪水情况下放弃工作活动，从而导致额外的经济成本，但MATSim代理总是会设法到达他们的工作地点并工作，无论情况有多糟糕。为了进行验证，我们从不同的来源获得了城市、州和国家层面的统计数据（ASTRA，2006），从而得出了苏黎世内城的123条测量链路，这些链路以贝尔维尤为中心，半径为12公里。

本书的最后一部分总结了MATSIM场景，如图52.1中的地图所示，并在http://matsim.org/scolutions中列出。尽管存在基于免费和公共数据的真实场景，如圣地亚哥或科特布斯场景（第84或66章），但由于数据隐私问题，许多场景是不公开的。然而，了解适用于情景创建的一般方法和途径，并理解在这些过程中面临的问题，可能会极大地支持和鼓励新情景的构建。以下各章提供了关于研究区域、人口和需求产生、活动地点、网络、模拟模式、校准和验证、取得的结果以及相关项目的信息。

本章解释如何从微观经济角度解释Matsim的基于代理的框架，以及如何将其用于运输政策的经济评估，例如BCA（Benfit-Cost Analysis）。本章正文部分摘自Mkickh-ofer(2014，第2.3节）。通常，经济政策评估的过程包括三个步骤：首先，通过建立用户对政策的反应模型来预测系统的变化（第51.1节）。其次，对这些变化进行一些（潜在的货币）估价（第51.2节）。第三，适用适当的聚合规则（第51.3节）。正如将在下一节中显示的，这些步骤既不完全独立，也不完全相互依赖。

本章证明了MATSim的移动性仿真已经非常接近实现KWM的粒子离散化实例。为了完全一致，需要 (i) 使用JDEQSim (或在QSim中实现实际的后向波速)，并 (ii) 通过链路的流量 (对应于其最大的流量) 来限制链路的流入三角形FD)。

原则上，智能体的选择集可以先验地计算出来，然后在AMATSIM仿真运行期间保持不变。然而，必须对每个相关的系统状态进行预计算（例如，在策略更改之前和ER一个策略更改之前）。或者，MATSIM可以用于在迭代循环中生成代理的选择集（第1.2节）。如等式（49.1）所示，选择集的产生影响模拟选择。这种机制最简单的说明是，从来没有出现在选择集中的备选方案不能被选择。类似地，在选择模型不变的情况下，在选择集中包含某些低（高）概率的备选方案会降低（增加）它们被选择的概率。

在 “合成现实” 中 “学习” 的 “代理” 是人工智能和/或多代理仿真中的常见术语，但它不属于运输建模的标准术语。本章从建模和仿真概念的角度解释了matsim的功能，这些概念在运输领域更为成熟。区分模型和模拟非常重要。模型描述了系统的某些方面;仿真评估模型。例如，简单的路线选择模型可以声明以25% 概率选择路线a和以75% 概率选择路线B。然后，对该模型的模拟从此分布中得出一个或多个实现 (路线选择)。一个人总是需要一个模型才能模拟。

本章从DTA的角度介绍MATSim。交通分配问题，无论是宏观的还是微观的，静态的还是动态的，基于行程的还是基于代理的，都是为了识别出行需求和出行供给 (网络条件) 相互一致的情况。旅行需求来自对网络状况做出反应的需求模型;这些是使用旅行需求作为输入的供应模型 (网络加载模型) 的输出。流量分配问题的解决方案描述了旅行需求和旅行供给之间的平衡。可能，此问题的最直观的数学公式是由固定点定义的: 找到生成网络条件的需求模式，从而导致相同的需求模式重新出现。

有关本章所述概念的注释文档可以在http://matsim.org/javadoc→main发行版下找到，方法是转到相应的类和接口文档条目。这些也应该指向例子。对于使用Matsim API进行编程，我们推荐https://github.com/matsim-org/matsim-example-project作为起点；特别是，这将澄清matsim如何可以用作Apache Maven插件。

本章描述新功能如何进入Matsim。它描述了Matsim团队和社区、Matsim项目中存在的不同角色、开发驱动程序和过程以及用于集成的工具。目标是提供开发过程的概述，以便用户能够快速访问Matsim社区，并能够根据某个角色为Matsim做出贡献。

Matsim4Urbansim”是一个适配器包，用于将Matsim用作Urbansim的旅行模型插件，Urbansim是一个著名的土地使用模拟（例如，Waddell et al.，2003年，见http://www.urbansim.org）。例如，UrbanSim有用于住宅选址、商业选址或开发和建筑建设的子模型，从而在各种条件和约束下创建综合的潜在城市或区域开发场景。交通基础设施在这种发展中发挥了重要作用；例如，交通便利的地区作为住宅和商业活动更具吸引力。

文档入口点:http://matsim.org/extensions→evacuation调用模块:http://matsim.org/javadoc→evacuation→RunEvancuationExample class选定出版物:Léammel(2011)； 勒阿梅尔等人。 （2009）本章提出了一个综合的方法来执行疏散模拟与Matsim使用疏散贡献。 该方法包括执行疏散分析的所有工作流程步骤：选择疏散区域和定义人群，指定行为参数（即疏散前的时间分布和疏散方式--汽车或行人）和分析模拟输出。 这些

Strippgen，2009)遇到了与早期同样用C/C++编写的并行DEQSIM（CharyPar et al.，2007a)相同的问题：在JavaBased Matsim和基于C/C++的外部包之间来回传输必要信息所需的时间耗尽了所有的性能增益。同时，标准的QSIM也得到了其他人的改进，例如跟踪活动链接，而不对没有活动的链接进行任何计算。团队在开始使用基于Java的Matsim时（参见46.2.1.4)，在并行计算方面拥有丰富的经验，并且拥有类似于今天的协议缓冲区的更一般的基于消息的方法。

新方法需要更少的QSIM迭代来达到目标得分，但需要更多的时间来重新规划。该方法产生了有希望的结果，减少了QSIM迭代的次数，以及在比当前方法便宜得多的硬件上运行大规模模拟的可能性，这需要昂贵的共享内存服务器。最重要的是，所有的重新规划都与在主机上运行的QSIM并行进行，因此等待重新规划操作的时间可以减少到零。PSIM使用来自前一个QSIM迭代的旅行时间信息来估计Agent日计划的执行情况，允许在QSIM迭代之间进行多次变异和评估迭代，以更快地探索Agent的解决方案空间，在更短的时间内产生更好的执行计划。

基于代理的仿真意味着大量数据基于代理的运输需求模型需要管理和集成比传统聚合模型大几个数量级的数据源。在真正的需求描述中，正如我们在新加坡的MATSim实施中看到的那样，空间数据代表的是单个建筑物和地块，而不是区域;旅行需求采用完整的活动日记的形式，根据每个人的个人人口统计属性，为每个人提供联系旅行，而不是特定时间段内从区域到区域的总行程数。

文档入口点:http://matsim.org/extensions→emissions调用模块:http://matsim.org/javadoc→emissions→RuneMissionToolOnlineExampleclass、RuneMissionToolOfflineExample class本章介绍了H-Ulsmann等人开发和测试的排放建模工具。 （2011）和Kickh-ofer等人的进一步改进。 （2013年）。 本章的正文是Kickh-ofer(2014)中EmissionModel

可及性的改善被定义为拟议的运输或基础设施计划的中心目标 (Geurs等人，2012b)，可及性通常是精确定义的定量措施。巴蒂 (2009) 将无障碍概念的起源追溯到20世纪20年代的位置理论和区域经济规划，汉森的论文被广泛引用，通常被认为是可访问性的第一个真正定义，将其定义为互动机会的潜力。更详细地，Morris等人 (1979) 将可访问性定义为 “使用特定运输系统从给定位置到达活动的难易程度”。

对于大多数MATSim用户来说，Via (第444章) 的免费分支将是满足他们可视化需求的一个很好的解决方案。但是，如果项目需求超出了Via免费版本的给定 (和固定) 能力，则MATSimoutput可视化还有另一种 (尽管不是那么时尚) 选择OTFVis。OTFVis是 “即时可视化工具” 的短期产品，旨在支持使用MATSim进行实时模拟运行的实际可视化。因此，OTFVis的一个目的是调试matsim (输入) 数据。

Via是一种可视化和分析MATSim仿真结果的应用。与MATSim不同，Via不是开源的;它是由Senozon AG开发的专有商业sosm软件，Senozon AG是一家ETH分拆公司，由两名参与MATSim开发的前博士生创立。公司成立不久，就开始了第一个 (潜在的) 客户演示;缺乏视觉材料是一个明显的障碍。向客户解释他们的问题的所有答案都包含在一个巨大的事件文件中，这并不令人满意;图片甚至动画使他们更容易理解。因此，在公司成立后，可视化工具的工作就开始了。

Cadyts (动态交通模拟的校准)-根据GPLv3 (GNU通用公共许可证3.0版) 获得许可-从交通计数和车辆重新识别数据校准DTA (动态交通分配) 模拟器的总旅行需求模型。Cadyts与DTA微模拟器广泛兼容，可以通过简约界面将其钩入。正如第47章和第48章正式解释的那样，DTA旨在动态旅行需求模型 (定义活动旅行计划的选择) 与动态网络供应模型 (捕获时空网络流和拥塞演变) 之间的一致性。Cadyts。

我们引入了MATSim扩展，允许开发人员在BDI (信念欲望意图) 系统中对代理的决策进行编程，而实际行动和环境感知则在matsim1中发生。分层抽象计划 (包含子目标) 和感知 (来自环境的信息)，以及有关当前情况的信息。例如，我们用它来模拟bushfire2疏散中的居民，以及疏散场景中的事件控制器。居民可能会从火灾模拟中接收有关丛林大火的信息，以及来自事件控制器代理的警告和消息。他们很可能不得不接孩子，检查邻居并与其他家庭成员交流，等等。他们的计划可以进行决策，这将导致在MATSim内执行操作。

近年来，运输规划和交通管理层对无法预见或仅部分可预见的情况的兴趣有所增加。出租车和汽车共享会发生部分可预见的事件。例如，有计划的出租车旅行的代理人不能预先知道当他们需要一辆出租车时哪辆出租车是可用的。当使用汽车共享时，代理人可能会走到汽车共享站，检查是否有车可用。如果不是，代理可以决定等待，或者改变计划，切换到另一种运输方式。道路事故、恐怖袭击或地震等灾难都是完全不可预测事件的例子。如前所述，传统的模拟方法（在Default-MATSIM中使用）使用迭代过程计算供需平衡。

文档的入口点: http://matsim.org/extensions → socnetsim调用模块: http://matsim.org/javadoc → socnetsim → runexamplesocialsimulation类所选出版物: Dubernet和Axhausen (2013)，Dubernet和Axhausen (2014)本章介绍了MATSim的扩展，以考虑我们所谓的联合决策。第28.2节解释了我们所谓的联合决策，并概述了为什么这些过程在运输中很重要。然后，第28.3节介绍了对

一般而言，目的地选择代表一个优化问题，其中每个代理根据目标函数搜索他或她的最佳目的地，受到各种约束，例如代理的旅行时间预算 - 以及与其他代理的交互 - 同时竞争空间- 基础设施中的时隙。MATSim 目的地创新模块提供了一个问题定制的启发式算法来解决这个问题。MATSim 的迭代基础需要一种机制（目标创新模块的主要组件），以确保在迭代过程中进行一致的概率选择。未观察到的异质性通常在目的地选择中占主导地位，通过随机误差项在适应性目标函数中捕获。

wagonSim 贡献允许使用 MATSim 的路线优化过程来为给定的铁路货运基础设施中的铁路货运货车找到最佳路径。在这里，网络链接定义了铁路，节点定义了火车站，而调度中转站定义了火车站的停靠点。货运机车由严格固定的时间表驱动，其中每辆机车都被指定为一条运输线路，一条运输路线和一次出发。货车对应于具有给定起点和目的地的代理（单程代理）。路线选择考虑了各种限制条件，即切换机车时的最短调车时间以及货运列车的最大重量和长度；它还区分了机车为调车而停和仅为等待而停（没有调车的可能性）。

ICT（信息和通信技术）最近的技术进步提供了新颖的在线车队管理工具，为更智能的运输服务开辟了广泛的可能性：灵活、响应需求、安全和能源/成本效率高。重大改进可以帮助传统交通运营，如常规公共交通或出租车，以及引入新的解决方案，如需求响应交通或个人快速交通。然而，尽管有种种好处，现代交通系统日益复杂，但由于缺乏精确的设计、实施和测试，增加了性能不佳甚至失败的风险。一种解决方案是使用模拟工具为验证运输服务模型提供广泛的可能性。

从运输规划的角度来看，拼车的基本要素--在时间和空间的精确点提供拼车的重要性--不适合考虑每小时车辆流量的传统模型。验证过程中包含的维度包括：从最后一个活动到接送站的距离、出发时间、租赁目的（次要旅游的主要目的）和租赁的时间长度。为了访问特定的汽车共享服务，个人必须成为该汽车共享计划的成员。作为MATSIM的一种模式选择，Carsharing以一种简化的方式被介绍，并且只是在基于往返的版本中，作为论文工作的一部分。代理完成他的活动，找到最近的车站，有一辆可用的汽车，并保留车辆（使它不能供其他代理使用），

MATSim 的标准 mobsim，QSim，最近已启用模拟多模式场景，如第 4.6 节所示。在本章中，介绍了一种较早的处理多模式场景的方法，即多模式链接贡献。如下所示，这是一种非常有效的方法，它考虑了人的骑车和步行速度来改进这些模式的隐形传态估计，而没有考虑模式交互。

新的基于动态事件的公共交通路由器。

一般来说，问题可以定义如下。给定：• 一组停靠点（二维点坐标），• 一组路线轮廓（连续停靠点序列），• 一组 GPS 点序列（二维点坐标序列）• 高分辨率导航网络（带属性的二维有向图），任务是将每个站点与网络链接相关联，并将每条路线转换为网络路径（链接的连接序列）。图 18.1 通过提供可用输入信息和正确输出的示例来说明问题。输入信息 GTFS（通用交通信息规范）是一种最近但已被广泛使用的用于指定公共交通系统的格式，由 Google 创建，用于为其地理信息应用程序提供信息。

同样，优化过程完全集成到 MATSim 的行为丰富的多智能体模拟中，反映了乘客的反应，以及来自竞争交通服务和其他道路使用者的反应。由于每个运营商都旨在最大化他们的利润，因此产生的网络通常有利于运营商的业务目标，而不是模式用户的连接性和移动性。世界各地的非正式公共交通系统，通常被称为辅助公共交通系统，是面向市场的、自组织的公共交通系统的例子。因此，辅助公共交通的知识——以及它通过自我支持的交通服务识别和填补市场利基的能力——为解决正规公共交通公司的网络设计问题提供了一种有趣的方法。

使用Matsim结合简单的模式选择模块，随机替换所有计划支路中的所有运输模式，并对比小汽车更重要的模式进行简单的旅行时间估计，进行了导致模式份额变化的第一次案例研究。该数据模型已经支持了几个先进的公共交通建模方面：在一天的特定时间内沿路线变化的旅行速度（对于改进模拟的真实感很重要），在一天的特定时间内在路线上使用不同的车辆类型（对于时间表经济分析很有意义），以及重复使用公共交通车辆在一条或一条特定路线上计算车头时距（允许优化车辆部署规划，或研究延误传播）。在模拟中，让公共汽车在火车连接上运行是可能的。

区域通行费区域通行费的模拟--即一个人在该区域内任何地方开车时，必须在给定的时间内支付固定费用的通行费--从一个组合挑战中得到支持：如果一天早些时候开车通过收费区域，只有在一天晚些时候可以重新使用许可证，才可能支付罚款。例如，如果路由器持续地为一个具有高时间价值的合成人生成避免收费的路由，那么刚才描述的方法将不起作用，该合成人通常希望为更快的选择付费。然而，处理每个人的每一个细节，即不仅是货币的边际效用，而且是路径搜索时间的特定时间压力，是相当复杂的。正如你可以看到的，有一个区段，每个链接可以单独进入。

在Matsim与EV模型相关的研究始于2008/2009年，开展了一个电网项目；它的目标是发现潜在的瓶颈和/或限制由于未来电动汽车充电导致的Z城市低压电网的违规行为。从EV模型的研究中出现了一个框架，称为TESF（Transport Energy Simulation Framework）。这导致了各种框架的扩展，并能够模拟各种情景。本章对这些研究方向提供了建议，并作为在Matsim中建模电动汽车的起点。

显然，提出的停车模型应用是重要的、多样的，特别适合政策设计。(2014a) 的苏黎世案例研究和 Bemetz 和 Hohenfellner (2014) 描述了一种更复杂的停车和 EV（电动汽车）充电测试模型，具有各种类型的充电速度和价格。另一项在 MATSim 中建模停车的研究进行了审查，探索了个人性别和年龄的停车偏好。例如，在一天中的某些时间提高停车价格，或减少某个地区的停车供应，都会影响出行需求。停车模型与 MATSim 的集成是通过在智能体的整体计划评分函数中添加一个停车操作项来实现的，

本案例研究重点介绍了一些先前研究过的 MATSim 交通信号模拟方面。MATSim 并非始终是所有问题的交通信号控制“首选工具”。然而，代码库可以帮助模拟其他用例，例如疏散或航空运输场景；MATSim 的开源特性为扩展提供了钩子和接口。但必须考虑所需的工作量、当前的开发状态和具体的项目规划。本章的其余部分将更详细地介绍。在基于代理的学习方面，MATSim 的速度非常快——本案例研究平均每次迭代需要 17 秒的计算时间——用于评分、重新计划和输出。

不包含车辆 ID 的路线的后备方案：在上述方法中，车辆路线需要提供车辆 ID，否则 QSim 将抛出异常。出于多种原因——例如，特定车辆的排放计算或特定车辆的最大速度——可能有必要将不同的车辆类型分配给不同的人员、模式或行程。现在，使用车辆的最小速度和连杆的最大速度，可以在车辆之间分配自由行程时间，允许快速车辆获得更早的连杆退出时间，即使它们比慢速车辆进入得更晚。在这里，默认的模拟目前将所有车辆放在主位置--对于其他变体，需要编写或使用一些额外的代码，如汽车共享扩展（第22章）。

JOSM（Java Open Street Map Editor）（JOSM,2014）的插件可用，简化了创建和编辑Matsim Networks的过程。这个插件与JOSM完全集成，受益于它的内置功能。