مطالعه تطبیقی مدل های تخصیص ترافیک تصادفی لوجیت- مبنا

پس از کاربرد مدل لوجیت به عنوان مدل انتخاب مسیر در الگوریتم های اولیه تخصیص ترافیک تصادفی، مدل های دیگری برای غلبه بر ضعف نظری آن در به حساب آوردن همپوشانی مسیرها توسعه یافته اند. این مدل ها فرم بسته و راحتی محاسباتی لوجیت را حفظ می کنند، در حالی که نیازی به شبیه سازی و تلاش های محاسباتی پروبیت ندارند. هدف از این مقاله، ارزیابی مهمترین این مدل ها در مقایسه با یکدیگر است. مدل های مورد بررسی عبارتند از: مدل لوجیت چندگانه (MNL)، دو مدل MNL اصلاح شده با نام های C-logit و PS-logit، و دو مدل از خانوده مقدارحدی تعمیم یافته با نام های لوجیت آشیانه ای متقاطع (CNL) و لوجیت ترکیبی دوتایی (PCL). این مقایسه ها در سطوح مختلف ازدحام شبکه (تقاضای مبدا- مقصد) و مقادیر متفاوت پراکنش درک کاربران شبکه (پارامتر مقیاس) انجام شده و نیز با نتایج تخصیص ترافیک قطعی مقایسه شد. نتایج برای یک شبکه نه گره ای و شبکه نیوین نشان می دهد که با افزایش سطح ازدحام، الگوهای کلی جریان های کمانی تخصیص های تصادفی به جریان های کمانی تخصیص قطعی نزدیک می شوند؛ در حالی که اختلاف این جریان های کمانی در چهار مدلی که تاثیر همپوشانی مسیرها را در نظر می گیرند، نسبت به مدل MNL افزایش می یابد. هم چنین، با افزایش پراکنش درک کاربران، اختلاف جریان های کمانی در تخصیص های تصادفی نسبت به مدل MNL و هم نسبت به تخصیص قطعی زیاد می شوند. به علاوه، نتایج مدل های مورد بررسی برای شبکه سوفالز نشان می دهند که جریان های مسیری در تخصیص های تصادفی نسبت به تخصیص قطعی دارای انتروپی به مراتب بیشتری هستند، و بنابراین مدل های تصادفی از این نظر جواب های محتمل تری تولید می کنند.

کلیدواژه ها:

تخصیص ترافیک تصادفی ، مدل انتخاب مسیر ، مدل لوجیت ، مقدارحدی تعمیم یافته ، همپوشانی مسیرها