International Journal of Modeling dan Optimasi, Vol. 3, No.

2, April 2013

Pemodelan dan Simulasi Lalu Lintas Perkotaan

Sinyal
Khodakaram Salimifard dan Mehdi Ansari

dari persimpangan [9]. Dengan memanfaatkan
kebijakan kontrol yang sesuai, sebuah sinyal Abstrak-Lalu Lintas memainkan peran penting dalam lalu
lintasyang efektif
yang dirancang sesuai sinyal kontrol lalu lintas
perkotaandapat menurunkan manajemen. Dalam tulisan ini kami menerapkan Arena kotak alat simulasi
untuk pemodelan dan simulasi sistem sinyal lalu lintas perkotaan. Telah terbukti bahwa Arena dapat
digunakan dalam simulasi sistem sinyal lalu lintas, meskipun fakta bahwa Arena tidak dirancang untuk
pemodelan sinyal kontrol lalu lintas perkotaan. Kami disajikan studi kasus non-sepele untuk
menggambarkan bagaimana Arena mampu
10,7763 / IJMO.2013.V3.261
DOI:.172 masalah seperti sesak, berhenti delay, udara dan polusi suara, konsumsi bahan bakar,
ketidaknyamanan dan stres [10]
Kontrol kebijakan sistem kontrol lalu lintas dikelompokkan menjadi dua kategori utama. Strategi waktu
tetap, yang dilaksanakan secara off-line menggunakan kode efisiensi maksimum sistem lalu lintas
pemodelan berdasarkan.
Pada lalu lintas data penting dan bersejarah. Strategi ini tidak menggunakan informasi kondisi lalu lintas real
time. Indeks kendaraan Syarat-Perkotaan lalu lintas, lampu lalu lintas, simulasi kejadian diskrit, software
Arena.
Strategi termotivasi, yang melaksanakan sinkronisasi on-line dan optimalisasi program penjadwalan
sinyal. Strategi ini adalah lalu lintas sinyal reaktif kontrol
I.endahuluan
P sistem transportasi sangat penting untuk ekonomi dan keamanan bangsa [1].
Efektivitas sistem transportasi tergantung pada kemampuannya untuk mendukung gerakan diandalkan
orang, barang, dan kendaraan dari satu tempat ke tempat lain. Sebuah sistem lalu lintas perkotaan
adalah sistem transportasi namun kompleks penting yang terdiri dari kendaraan, pejalan kaki, lampu lalu
lintas, dan struktur jaringan lalu lintas [2], [3]. Masalah yang terkait dengan lalu lintas perkotaan semakin
penting, dan banyak peneliti berusaha keras untuk menyelesaikannya [2]. Jumlah besar kendaraan
menyebabkan masalah serius seperti misalnya kemacetan lalu lintas, polusi udara dan kebisingan, stres
untuk driver, dan bahan bakar dan konsumsi energi [4].
Bentuk terus menerus arus lalu lintas terutama model dari sudut pandang makroskopik pandang, yang
memiliki dipengaruhi dari teori hidrodinamik. Dalam hal ini, variabel umum seperti laju aliran, kepadatan,
dan kecepatan rata-rata menggambarkan arus lalu lintas. Di sisi lain, sudut pandang mikroskopis yang
berkonsentrasi pada kendaraan masing-masing perilaku-perilaku model bentuk diskrit dari arus lalu lintas
[5].
Perkotaan sinyal kontrol lalu lintas merupakan elemen penting dari keselamatan bagi pejalan kaki dan
kendaraan saat melintasi
kebijakanmemanfaatkan skema waktu sinyal yang otomatis menjawab kebutuhan lalu lintas [8].
dari sudut pandang metodologis, karena tujuan yang saling bertentangan yang berbeda, muncul
masalah serius ketika mengendalikan persimpangan bersinyal. Pertama, mencari fluiditas terbaik
kadang-kadang tidak sesuai dengan keselamatan terbaik. Mengendalikan lalu lintas dari sudut pandang
keamanan menyiratkan kendala pada durasi warna sinyal lalu lintas atau korelasi antara sinyal lalu lintas.
Kendala ini menyiratkan keterbatasan pada manajemen lalu lintas fluiditas. Di sisi lain, pengguna jaringan
lalu lintas seperti pejalan kaki, kendaraan darurat, dan sepeda sering memiliki kepedulian persimpangan
persimpangan [9]. Tujuan-tujuan yang saling bertentangan membutuhkan pilihan manajemen, yang akan
mendukung unsur-unsur tertentu atas orang lainberikut:.
Sisa kertas ini disusun sebagai Kajian literatur yang komprehensif tentang topik tersebut dirangkum
dalam Bagian II. Bagian III menyajikan karakteristik analisis sistem antrian. Simulasi lalu lintas dijelaskan
dalam Bagian IV. Metodologi yang diusulkan dari makalah ini terdiri dari studi kasus, model simulasi,
pengumpulan data dan hasil simulasi disajikan dalam Bagian V. Akhirnya, kertas disimpulkan dalam
Bagian VI.
Persimpangan atau jalur lainnya [6]. Waktu antara arus yang berbeda dikontrol oleh sinyal lalu lintas yang
dapat menyebabkan konflik aliran diselesaikan. Ini adalah alasan pertama bagi
II.L
ITERATURE
penemuan sinyal lalu lintas di awal 1900-an [7]. Sebuah sistem kontrol sinyal lalu lintas perkotaan adalah
sistem yang kompleks ditandai dengan keacakan, meledak, dan ketidakpastian [8]. Memanfaatkan model
diandalkan yang dapat mencerminkan perilaku sistem kontrol lalu lintas sangat penting untuk menyadari
sinyal lalu lintas kontrol real-time. Sistem kontrol lalu lintas mengurangi sebanyak mungkin keterlambatan
oleh kendaraan tersandung oleh jaringan
Naskah diterima 30 Januari 2013; direvisi 1 April 2013. Khodakaram Salimifard adalah dengan Departemen
Manajemen Industri, Teluk Universitas Persia, Bushehr 75.168 Iran (e-mail: salimifard @ pgu.ac.ir)Persia.
Mehdi Ansari adalah dengan Departemen Manajemen Industri, Teluk Universitas , Bushehr 75.168 Iran (e-mail:
m20264ansari@yahoo.com).
R
eview Sebuah keragaman komprehensif spesifikasi seperti penyaringan
eksponensial, prosedur statistik nonparametrik, spektral dan lintas-spektral, dan pembelajaran
berturut-turut telah digunakan oleh para peneliti [11] untuk atribut lalu lintas Model dan sekarang prediksi
jangka pendek untuk sistem. Selain itu, beberapa peneliti yang tertarik dalam peramalan lalu lintas
perkotaan menggunakan berbagai metode, seperti ARIMA [12], umum model linear, dan jaringan saraf
[13]. Menariknya, Smith et al. [14] di kemiripan dari norma sejarah, regresi, time series, dan model
jaringan saraf menemukan bahwa model regresi nonparametrik bermakna melebihi kinerja dibandingkan
dengan model-model lain [15].
International Journal of Modeling dan Optimasi, Vol. 3, No. 2, April 2013
173 Selama dekade terakhir, para peneliti telah
membuatbesar
simulasi Lalu Lintastelah terbukti menjadi
upaya yang berguna dan biaya untuk mengembangkan sinyal cocok strategi kontrol untuk
pendekatan yang efektif untuk menyediakan
real time jaringan lalu lintas informasi lalu lintas [12]. Baras et al. [16] digunakan acak-dot
mendukung penemuan insiden dan analisis
insiden [28]. teori proses untuk membuat sebuah model matematika dari suatuperkotaan
sistem simulasi lalu lintasdan model dibagi ke
sistem kontrol lalu lintas. Mereka menyarankan bahwa melakukan
berbagai klasifikasi yang berbeda. Salah satu
dasar kontrol delay bebas merepotkan karena banyak faktor yang perlu
klasifikasi adalah pembagian antara
makroskopik, akan diukur dalam perhitungan. Kemajuan baru dalam
model mikroskopik dan mesoscopic [28]. Teori
kontrol cerdas telah menyebabkan pemanfaatan luas
model mikroskopis [29] memprediksi mood
tunggal dan cerdas buatan dalam sinyal kontrol lalu lintas perkotaan [17].
kendaraan individu kedua jenis kontinyu dan
diskrit seperti arsitektur kontrol hirarkis dari sistem lalu lintas
kecepatan kendaraan pribadi dan lokasi . Tapi
makroskopik diselidiki oleh Wei et al. [11]. Hong et al. [18] menerapkan
model membuat siap penggambaran yang luas
dari kelas arus lalu lintas kontrol kabur ke dalam sinyal kontrol lalu lintas perkotaan.
Situasi sementara model mesoscopic termasuk
campuran Bingham [19] menyarankan disebut metode fuzzy-neuro untuk
aspek kedua mikroskopis dan model
makroskopik. kontrol lalu lintas perkotaan. Sistem pakar kabur dan buatan
Oleh karena itu, model makroskopik hanya
bisa menggambarkan entitas dan jaringan saraf diperiksa sebagai alat untuk mengendalikan
tindakan atau komunikasi mereka dengan
loyalitas yang rendah. Meskipun keputusan dalam sistem lalu lintas perkotaan [20]. langsung
Modelmesoscopicdengan loyalitas gabungan
mewakili entitas di pendekatan kontrol sinyal dibuat oleh Choy [21] untuk mempekerjakan
tingkat proporsional tinggi dibandingkan
dengan agen hybrid dibagi makroskopik dengan dukungan online kabur pembelajaran.
Satu, itu adalah tenang di sejumlah besar lebih
rendah tingkat dalam menggambarkan Porche dan LaFortune [22] memperkenalkansinyal langsung
tindakandan interaksi dibandingkan dengan
model mikroskopis. rencana optimasi untuk sistem lalu lintas skala besar.
Antara berbagai jenis lalu lintas tersebut teknik simulasi, teknik simulasi mikroskopis yang paling cocok
untuk simulasi kondisi lalu lintas yang sebenarnya III. AQ
UEUING
V
iew OF THE
S
ystem
dan memeriksa kebijakan pengendalian [28].
Sebuah sistem lalu lintas perkotaan dapat dilihat sebagai sistem antrian, di mana jalan, persimpangan,
dan sinyal lalu lintas melayani arus lalu lintas. Satu dapat menganalisis sistem antrian menggunakan tiga
IV. METODOLOGI kelas
yang berbeda dari metode: metode analisis, pendekatan, dan simulasi. Metode analisis dapat digunakan
untuk sistem antrian biasa dengan karakteristik yang sempurna. Hal ini terutama situasi ketika evaluasi
kinerja yang bersangkutan hanya nilai-nilai rendah. Model analitis taat hanya jika satu membuat
anggapan yang tepat. Pokoknya, ketika masalah berubah menjadi lebih kompleks atau ketika ukuran
kinerja yang bersangkutan mengandung distribusi, metode pendekatan atau simulasi mungkin lebih tepat
[23]. Biasanya sistem antrian di alam dapat dianggap sebagai salah satu diskrit. Sistem ini mengubah
tahap di atas pondasi terjadi, seperti kedatangan kendaraan dan finishing layanan.
A. Studi Kasus
Bushehr adalah salah satu kota utama di bagian selatan Iran. Dalam tulisan ini, simulasi kejadian diskrit
telah diterapkan untuk menyediakan model simulasi persimpangan lalu lintas yang terisolasi. Kami
berkonsentrasi pada salah satu persimpangan utama dari sistem lalu lintas perkotaan dari Bushehr.
Seperti digambarkan dalam Gambar. 1, sistem lalu lintas terdiri dari jalan-jalan Emam, Bazargani,
Bahonar dan Helali. Emam Street adalah jalan utama dari sistem lalu lintas. Mobil melintasi
persimpangan memiliki pilihan untuk pergi langsung atau beralih ke salah satu sisi jalan. Kontrol
persimpangan lampu lalu lintas menggunakan kebijakan tiga fase yang terdiri hijau, kuning, dan merah
lampu coding. Jika lampu hijau, kendaraan menunggu bisa lurus atau berbelok ke kiri atau kanan, A.
Discrete acara Simulasi
tergantung hanya pada keputusan driver. Sebuah
model simulasi kejadian diskrit berkonsentrasi pada kali event yang dapat terjadi karena ini adalah
satu-satunya saat ketika sistem akan mengubah suasana hati. Memeriksa sistem dalam antara waktu
acara sekuensial tidak penting untuk simulator [24].
B. Lalu lintas Simulasi
Sejak awal, simulasi telah diterapkan pada berbagai sektor, seperti manufaktur, jasa, pertahanan,
kesehatan, dan pelayanan publik. Simulasi diakui sebagai instrumen teknis kedua terutama digunakan
dalam bidang manajemen operasi [25]. Simulasi lalu lintas telah berkembang menjadi alat yang produktif
untuk menghadapi kebutuhan penting dari pemodelan transportasi dan pemeriksaan. Simulasi memiliki
kemampuan dalam pemodelan sifat kompleks dari suatu sistem transportasi yang sebenarnya [26].
Dengan menciptakan model komputer dan bergerak melalui waktu, simulasi umumnya digambarkan
sebagai representasi dinamis dan kuat dari proses dunia yang sebenarnya dilakukan [27].
Gambar. 1. Arus lalu lintas dari persimpangan.
B. Model simulasi
Dalam makalah ini kami telah diterapkan Arena 10 software [30] untuk pemodelan dan simulasi studi
kasus. Arena adalah visual modeling dan simulasi alat interaktif yang kuat dan terutama digunakan untuk
membuat animasi dan dinamis model [31]. Ini adalah instrumen yang sangat efektif dan berlaku untuk
simulasi call center, sistem antrian telekomunikasi, dan proses bahan manufaktur.
Model yang ditampilkan pada Gambar. 2 adalah model dasar dari sistem lalu lintas. Model ini terdiri
dari 16 modul umum disebut Buat, Proses, Putuskan dan Buang. Kami telah menggunakan dari 4 Buat
modul menunjukkan kedatangan kendaraan ke pusat persimpangan. Juga, 4 modul Proses menunjukkan
lampu lalu lintas, dan 4 Putuskan modul merupakan percabangan probabilitas kendaraan. 4 lainnya
Buang modul capture mobil meninggalkan sistem lalu lintas.
Gambar. 2. Model Simulasi persimpangan.
C. Hasil simulasi
Hasil berikut berasal dari simulasi berjalan untuk jangka waktu satu minggu.
1) waktu tunggu rata-rata kendaraan Tabel I merupakan waktu tunggu (dalam jam) mobil di antrian yang
berbeda. Misalnya, kendaraan yang masuk dari Helali jalan harus menunggu 13,9 detik di belakang
lampu lalu lintas. Kali ini adalah 26 detik untuk Emam JalanI:.
TABEL W
Menanti
T
IME OF
endaraan
K
Menunggu waktu rata Setengah lebar Min Max Proses 1 0,00002193 0 000.000.034 0,0 0,000688 Proses 2
0,00393959 0,000024898 0,0 0,0112497 Proses 3 0,00386486 0,000032327 0,0 0,01124707 Proses 4 0,00724130
0,000033388 0,0 0,02014854
2) panjang antrian kendaraan Kami mengamati bahwa rata-rata, hampir 12 (11,7456) kendaraan. Tabel II
merupakan panjang antrian yang berbeda dari persimpangan. Hal ini mudah comprehendible bahwa jalan
dari Emam Street menuju Bazargani Street adalah hambatan dari sistem. Hal ini sebanding dengan jalur
lain. Oleh karena itu, salah satu kebijakan kontrol lalu lintas terbaik bisa menjadi peningkatan lamanya
waktu lampu lalu lintas terkait diatur ke "green".
International Journal of Modeling dan Optimasi, Vol. 3, No. 2, April 2013
174
L
ENGTH
Menunggu waktu rata Setengah lebar Min Max Proses 1. 0,03761578 ,0007033024 0,0 5.0 Proses 2. 1,5603
0,017104466 0,0 14,0 Proses 3. 1,1946 0,011587921 0,0 14,0 Proses 4. 11,7456 0,083718716 0,0 53,0
3) Persentase bercabang kendaraan Persentase kendaraan berputar dijelaskan pada Tabel III. Seperti
dapat dilihat, 679.080 mobil memasuki sistem. Emam Street dan Bazargani Jalan memainkan peran
paling penting dalam manajemen lalu lintas yang sebenarnyaIII:.
TABLE KENDARAAN percabangan
jalan Jumlah di% Jumlah out% Bazargani 288.113 42,0 232.987 34,0 Bahonar 66.534 11,0 92.337 15,0 Helali 51.932
0,07 89.703 13,0 Emam 272.501 40,0 264.070 38,0
4 ) analisis Skenario dalam rangka untuk mengevaluasi kinerja sistem sinyal lalu lintas dan arus lalu lintas
yang dihasilkan, kita telah menganalisis sistem berdasarkan kebijakan kontrol yang berbeda. Seperti
yang ditunjukkan pada Tabel IV, skenario mewakili kebijakan waktu untuk kode lampu hijau dari
masing-masing sinyal lalu lintas. Skenario didefinisikan berdasarkan pengamatan kami yang luas dari
sistem di bawah kebijakan operasional yang nyata.
Seperti diilustrasikan pada Gambar. 3, sistem melakukan berbeda di bawah masing-masing skenario.
Misalnya, jika kebijakan timing nomor 9 diterapkan, panjang antrian di Emam Jalan mencapai 24 mobil
rata-rata, sementara itu akan serendah 9 untuk Helali JalanIV:.
TABLE SKENARIO OPERASIONAL PENGATURAN
Skenario Emam Bazargani Bahonar Helali 1 36 44 13 9 2 33 47 17 14 3 29 35 9 24 4 25 29 12 21 5 16 22 10 17 6 22
26 17 11 7 11 29 21 14 8 19 38 19 11 9 24 41 11 9 10 21 36 19 13
Gambar . 3 menunjukkan bahwa sistem memiliki kinerja umumnya lebih baik jika kebijakan waktu 5
diterapkan. Yaitu, panjang antrian di seluruh sistem mencapai nilai terendah. Dalam hal ini, sistem
melakukan dalam kondisi ideal.
40 30 20 10 0 1

502 3 4 5 6 7 8 9 10
Skenario
Q
u
e
u
e
L
e
n
g
t
h
Emam Bazargani Bahonar Helali
Gambar. 3. Kinerja sistemII:.
TABLE Q
UEUE
International Journal of Modeling dan Optimasi, Vol. 3, No. 2, April 2013
V. RINGKASAN kontrol lalu lintas perkotaan merupakan salah satu masalah penting di
semua negara. Ada banyak upaya dan penelitian akademis untuk menyelesaikan masalah. Simulasi
merupakan suatu pendekatan yang dapat dimanfaatkan untuk secara ilmiah mengatasi masalah itu.
Arena adalah alat simulasi secara luas digunakan untuk pemodelan dan simulasi sistem kejadian diskrit.
Namun, tidak dirancang untuk digunakan untuk memodelkan sistem lalu lintas perkotaan. Dalam tulisan
ini, kita disajikan pemodelan simulasi dan analisis kontrol sinyal lalu lintas perkotaan. Sebuah sistem
sinyal lalu lintas digambarkan sebagai set modul Arena. Telah terbukti bahwa Arena dapat digunakan
untuk model lalu lintas perkotaan jika hati-hati dimanfaatkan. Hasil penelitian ini digunakan untuk
meningkatkan arus lalu lintas dari persimpangan. Hasil penelitian menunjukkan bahwa pendekatan
pemodelan yang diusulkan dapat digunakan sebagai dasar untuk analisis kebijakan kontrol yang berbeda
seperti waktu periode hijau atau merah dari lampu lalu lintas.
R
EFERENCES
[1] V. Tyagi, S. Darbha1, dan KR Rajagopal , "Sebuah tinjauan dari model matematika untuk arus lalu lintas," International
Journal of Advanced Eng Sci Appl Math, vol. 1, 2009, hlm. 53-68. [2] M. Chabrol, D. Sarramia, dan N. Tchernev, "sistem lalu
lintas perkotaan metodologi pemodelan," International Journal of Economics Produksi: Pengendalian dan Pengelolaan Sistem
Produktif, vol. 99, 2006, pp. 156-176. [3] M, Papageorgiou, C, Diakaki, V. Dinopoulou, A. Kotsialos, dan Y. Wang, "Ulasan
strategi pengendalian lalu lintas jalan," di Proceedings of the IEEE, vol. 91, ada 12, pp. 2043-2067. [4] JB Sheu, "A arus lalu
lintas pendekatan pemodelan komposit untuk insiden-responsif tugas lalu lintas jaringan," Physica A, vol. 367, 2006, hlm.
461-478. [5] W. Wen, dan CL Yang, "Sebuah sistem kontrol lampu lalu lintas dinamis dan otomatis untuk memecahkan masalah
kemacetan jalan," WIT Transaksi di Lingkungan Dibangun (Urban Transport), vol. 89, 2006, pp. 307-316. [6] Z. Liu, "Sebuah
Survei Metode Intelijen di Perkotaan Traffic Signal Control," Alfonso Basilico Jurnal Ilmu Komputer dan Keamanan Jaringan,
vol.7, no.7, Juli 2007. [7] W. Wen, "A dinamis dan otomatis lampu lalu lintas sistem pakar kontrol untuk memecahkan masalah
kemacetan jalan, "sistem pakar dengan Aplikasi, vol. 34, 2008, hlm. 2370-2381. [8] M. Dotoli, MP Fanti, dan C. Meloni,
"Sebuah sinyal formulasi rencana waktu untuk pengendalian lalu lintas perkotaan," Control Engineering Practice, vol. 14, 2006,
pp. 1297-1311. [9] F. Boillot, S Midenet, dan JC Pierrele e, "The real-time sistem kontrol lalu lintas perkotaan Cronos: Algoritma
dan eksperimen," Transportasi Penelitian Bagian C, vol. 14, 2006, pp. 18-38. [10] LB de Oliveira, dan E. Camponogara, "model
Multi-agen kontrol prediktif dari sinyal perpecahan dalam jaringan lalu lintas perkotaan," Transportasi Penelitian Bagian C, vol.
18, 2010, hlm. 120-139. [11] J. Wei, A. Wang, dan N. Du, "Studi Self-Organizing Pengendalian Sinyal Lalu Lintas di Jaringan
Perkotaan Berdasarkan Cellular Automata," transaksi IEEE pada teknologi kendaraan, vol. 54, tidak ada. 2, Maret 2005. [12] SC
Wong, WT Wong, CM Leung, dan CO Tong, "optimasi berbasis Kelompok dari TRANSYT Model lalu lintas tergantung waktu
untuk pengendalian lalu lintas daerah," Transportasi Penelitian bagian B, vol. 36, tidak ada. 4, pp. 291-312, 2002. [13] K.
Sekiyama, J. Nakanishi, I. Takagawa, T. Higashi, dan T. Fukuda, "kontrol Selforganizing jaringan sinyal lalu lintas perkotaan," di
IEEE Int. Conf. Sistem, Man, Cybernetics, vol. 4, 07-10 Oktober 2001, pp. 2481-2486. [14] BL Smith, MJ Demetsky, dan PK
Durvasula, "A multiobjective Optimization Model Flexroute Transit Layanan Desain," Journal of Angkutan Umum, vol. 6, tidak
ada. 1, pp. 81-100, 2003. [15] M. Chabrol, D. Sarramia, dan N. Tchernev, "pemodelan Generik dan simulasi untuk Urban Traffic
System," ESM2001, Praha, Republik Ceko, 2001, hlm. 976- 980. [16] JS Baras, WS Levine, dan TL Lin, "proses Discrete-titik
waktu dalam estimasi antrian lalu lintas perkotaan," IEEE Trans. Autom. Kontrol, vol. AC-24, pp. 12-27, 1979.
175
[17] A. Barisone, D. Giglio, R. Minciardi, dan R. Poggi, "Sebuah model lalu lintas makroskopik untuk real-time
optimasi daerah perkotaan bersinyal," di Prosiding konferensi IEEE tentang keputusan dan kontrol, USA, 2002, hlm.
900-903. [18] W. Hong dan XQ Mu, "Sebuah metode kontrol fuzzy koperasi untuk lampu lalu lintas," Journal of
Sistem Simulasi, vol. 13, tidak ada. 5, 2001, hlm. 551 553. [19] E. Bingham, "Penguatan belajar di neuro sinyal
kontrol lalu lintas," European Journal of Operation Research, vol. 131, 2002, hlm. 232-241. [20] M. Patel dan N.
Ranganathan, "IDUTC: Sebuah sistem cerdas pengambilan keputusan untuk aplikasi pengatur lalu lintas perkotaan,"
transaksi IEEE pada teknologi kendaraan, vol. 50, Mei 2001, hlm. 816-829. [21] MC Choy dan D. Srinivasan, "Hybrid
agen kooperatif dengan penguatan pembelajaran online untuk pengendalian lalu lintas," di Proc. 2002 IEEE Int. Conf.
Sistem Fuzzy, vol. 2, Mei 2002, hlm. 1015-1020. [22] I. Porche dan S. LaFortune, "Dinamis kontrol lalu lintas: metode
Desentralisasi dan terkoordinasi," di Proc. IEEE Conf. . Sistem Cerdas Transportasi, pp 930-935, 09-12 November
1997. [23] P. Songchitruksa dan EN keras, "Antrian simulasi stasiun survei pinggir jalan: Diblokir jalur lalu lintas,"
Transportasi Penelitian Bagian A, vol. 42, 2008, hlm. 857-873. [24] X. Yang dan W. Recker, "Studi Simulasi
propagasi informasi dalam sistem informasi lalu lintas terdistribusi mengorganisir diri," Transportasi Penelitian Bagian
C, vol. 13, 2005, hlm. 370-390. [25] JK Lee, YH Lim, dan SD Chi, "hirarkis pemodelan dan simulasi lingkungan untuk
sistem cerdas transportasi," Simulasi, vol. 80, tidak ada. 2, pp. 61-76, 2004. [26] Cicortas dan N. Somosi, "model
sistem multi-agen untuk simulasi lalu lintas perkotaan," di Proc. SACI'05: Kedua Rumania Hungaria Joint Symposium
on Applied Komputasi Intelijen, 2005. [27] ST Jeng, "Integrated manajemen insiden bebas hambatan, menggunakan
data mining dan sistem pakar," Guru tesis, Singapura: National University of Singapore, 2003. [28 ] E. Lopez-Neri, A.
Ramirez-Trevino, dan E. Lopez-Mellado, "kerangka pemodelan mikroskopis untuk simulasi sistem lalu lintas
perkotaan," dalam Prosiding Konferensi Internasional ke-7 pada simulasi Sistem dan Scientific Computing, Beijing,
China, 2008 . [29] E. López-Neri, A. Ramirez-Trevino, dan E. López-Mellado, "kerangka pemodelan untuk sistem lalu
lintas perkotaan mikroskopis simulasi," simulasi modeling Praktek dan Teori, 2009, di tekan. [30] D. Sadowski, V
Bapat, dan G Drake, "The ARENA Keluarga Produk: Perusahaan Modeling Solutions," di Proceedings of Simulasi
Conference, Sistem Modeling Corporation, 504 Beaver Street, Sewickley, Pennsylvania 15143, USA, Musim Dingin
1998, pp . 205-212. [31] DA Takus dan DM Profozich, "ARENA Software Tutorial," di Proceedings of Simulasi
Conference, Sistem Modeling Corporation, 504 Beaver Street, Sewickley, Pennsylvania 15143, USA, Musim Dingin
1997, hlm. 541-544.
Khodakaram Salimifard lahir di Borazjan, Iran, pada tahun 1962. Ia menerima gelar B.Sc. dalam manajemen industri
dari Shiraz Universitas Iran pada tahun 1983. Ia menerima gelar M.Sc. dalam manajemen industri dari Universitas
Tarbiat Modares, Iran pada tahun 1992. Dia menerima gelar Ph.D. Ilmu Manajemen dari Lancaster University Inggris
pada tahun 2002. Dia dengan Lancaster University departemen ilmu manajemen 1999-2002 mengajar kursus
penelitian operasional. Dr. Salimifard adalah asisten profesor Ilmu Manajemen di Departemen Manajemen Industri di
Teluk Universitas Persia, Bushehr Iran. Saat ini ia adalah kepala departemen. Kepentingan utama penelitian meliputi
pemodelan dan optimasi penjadwalan proyek dan proses bisnis menggunakan Petri jaring dan meta-heuristik (GA,
TS, SA, ACO). Juga, ia tertarik pada aplikasi jaring berwarna Petri (CPN), simulasi kejadian diskrit, dan
pemrograman matematika.
Mehdi Ansari memegang B.Sc. a gelar dalam manajemen industri dari Amol University, Iran. Ia menerima gelar
M.Sc. dalam penelitian operasional dari Teluk Universitas Persia, Bushehr Iran pada tahun 2011. kepentingan
utamanya penelitian meliputi pemodelan dan simulasi sistem lalu lintas perkotaan. Juga, ia tertarik pada aplikasi
industri Coloured Petri jaring, dan simulasi kejadian diskrit.