ترجمه فارسی مقاله تعادل پیش بینی تصادفی برای واگذاری ترافیک پویا

چکیده

Stochastic effects significantly influence the dynamics of traffic flows. Many dynamic traffic assignment (DTA) models attempt to capture these effects by prescribing a specific ratio that determines how flow splits across different routes based on the routes’ costs. In this paper, we propose a new framework for DTA that incorporates the interplay between the routing decisions of each single traffic participant, the stochastic nature of predicting the future state of the network, and the physical flow dynamics. Our framework consists of an edge loading operator modeling the physical flow propagation and a routing operator modeling the routing behavior of traffic participants. The routing operator is assumed to be set-valued and capable to model complex (deterministic) equilibrium conditions as well as stochastic equilibrium conditions assuming that measurements for predicting traffic are noisy. As our main results, we derive several quite general equilibrium existence and uniqueness results which not only subsume known results from the literature but also lead to new results. Specifically, for the new stochastic prediction equilibrium, we show existence and uniqueness under natural assumptions on the probability distribution over the predictions.

چکیده به فارسی (ترجمه ماشینی)

اثرات تصادفی به طور قابل توجهی بر پویایی جریان ترافیک تأثیر می گذارد.بسیاری از مدل های واگذاری ترافیک پویا (DTA) سعی می کنند با تجویز یک نسبت خاص که تعیین می کند چگونه جریان در مسیرهای مختلف بر اساس هزینه های مسیرها تقسیم می شود ، این اثرات را ضبط کنند.در این مقاله ، ما یک چارچوب جدید برای DTA پیشنهاد می کنیم که شامل تعامل بین تصمیمات مسیریابی هر یک از شرکت کنندگان در ترافیک واحد ، ماهیت تصادفی پیش بینی وضعیت آینده شبکه و پویایی جریان فیزیکی است.چارچوب ما شامل یک اپراتور بارگذاری لبه است که مدل سازی جریان فیزیکی و یک اپراتور مسیریابی را مدل می کند که رفتار مسیریابی شرکت کنندگان در ترافیک را مدل می کند.فرض بر این است که اپراتور مسیریابی با ارزش و قادر به مدل سازی شرایط تعادل پیچیده (قطعی) و همچنین شرایط تعادل تصادفی با فرض اینکه اندازه گیری برای پیش بینی ترافیک پر سر و صدا است.به عنوان نتایج اصلی ما ، ما چندین مورد تعادل کاملاً کلی و نتایج منحصر به فرد را به دست می آوریم که نه تنها نتایج شناخته شده ای از ادبیات را ارائه می دهد بلکه منجر به نتایج جدید می شود.به طور خاص ، برای تعادل پیش بینی تصادفی جدید ، ما وجود و منحصر به فرد بودن را تحت فرضیات طبیعی در مورد توزیع احتمال بر پیش بینی ها نشان می دهیم.