فهرست نشریات علمی دسترسی آزاد ایران

پس از کاربرد مدل لوجیت به عنوان مدل انتخاب مسیر در الگوریتم‌های اولیۀ تخصیص ترافیک تصادفی، مدل‌های دیگری برای غلبه بر ضعف نظری آن در به حساب آوردن همپوشانی مسیرها توسعه یافته‌اند. این مدل‌ها فرم بسته و راحتی محاسباتی لوجیت را حفظ می‌کنند، در حالی که نیازی به شبیه‌سازی و تلاش‌های محاسباتی پروبیت ندارند. هدف از این مقاله، ارزیابی مهمترین این مدل‌ها در مقایسه با یکدیگر است. مدل‌های مورد بررسی عبارتند از: مدل لوجیت چندگانه (MNL)، دو مدل MNL اصلاح‌شده با نام‌های C-logit و PS-logit، و دو مدل از خانوده مقدارحدی تعمیم‌یافته با نام‌های لوجیت آشیانه‌ای متقاطع (CNL) و لوجیت ترکیبی دوتایی (PCL). این مقایسه‌ها در سطوح مختلف ازدحام شبکه (تقاضای مبدأ- 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 نُه‌گره‌ای و شبکه نیوین نشان می‌دهد که با افزایش سطح ازدحام، الگوهای کلی جریان‌های کمانی تخصیص‌های تصادفی به جریان‌های کمانی تخصیص قطعی نزدیک می‌شوند؛ در حالی که اختلاف این جریان‌های کمانی در چهار مدلی که تأثیر همپوشانی مسیرها را در نظر می‌گیرند، نسبت به مدل MNL افزایش می‌یابد. هم‌چنین، با افزایش پراکنش درک کاربران، اختلاف جریان‌های کمانی در تخصیص‌های تصادفی نسبت به مدل MNL و هم نسبت به تخصیص قطعی زیاد می‌شوند. به علاوه، نتایج مدل‌های مورد بررسی برای شبکه سوفالز نشان می‌دهند که جریان‌های مسیری در تخصیص‌های تصادفی نسبت به تخصیص قطعی دارای انتروپی به مراتب بیشتری هستند، و بنابراین مدل‌های تصادفی از این نظر جواب‌های محتمل‌تری تولید می‌کنند.