Upload
rusti
View
36
Download
0
Tags:
Embed Size (px)
DESCRIPTION
Het ritdistributiemodel H01I6A Verkeerskunde basis. Ben Immers. Traffic and Infrastructure Department of Civil Engineering Faculty of Engineering Katholieke Universiteit Leuven. Gebieds- gegevens. Ritproductie/ ritattractie. Transport netwerken. Trip-ends. Verplaatsings- weerstanden. - PowerPoint PPT Presentation
Citation preview
Het ritdistributiemodel H01I6A Verkeerskunde basis
Ben Immers
Traffic and InfrastructureDepartment of Civil Engineering
Faculty of EngineeringKatholieke Universiteit Leuven
H01I6A Verkeerskunde basis 2
Het klassieke verkeersprognosemodel
Gebieds-gegevens
Ritproductie/ritattractie
Vervoersstromen
Trip-ends
Verplaatsings-weerstanden
H-B tabellen
Distributie/vervoerwijzekeuze
Toedeling
Transportnetwerken
H01I6A Verkeerskunde basis 3
Vertrekken en aankomsten in de avondspits (auto)
DeparturesAankomsten
Brussels Leuven
Mechelen
Lier
Zaventemairport
Aarschot
H01I6A Verkeerskunde basis 4
Zone j
Zone i
Pij
Pij = de verplaatsing van zone i naar zone jPijv = de verplaatsing van zone i naar zone j met vervoerwijze v
H01I6A Verkeerskunde basis 5
Visualisatie H-B matrix: wenslijnen
H01I6A Verkeerskunde basis 6
Doel van dit deelmodel
We verdelen de verplaatsingen met vertrekpunt i over de mogelijke bestemmingen
We verdelen de verplaatsingen met aankomstpunt j over de mogelijke herkomsten
Resultaat: herkomst-bestemmingsmatrix (H-B matrix)
Toegepaste methodieken Groeifactormodel Zwaartekrachtmodel
H01I6A Verkeerskunde basis 7
Doel van de berekeningsstapvervoerwijzekeuze
Vaststellen welke vervoerwijze m gebruikt wordt voor een verplaatsing van i naar j
Resultaat vervoerwijze-specifieke vertrekken en aankomsten vervoerwijze-specifieke H-B matrices vervoerwijze-specifieke routekeuze
Methodiek in verschillende fasen van de berekening
na ritproductie/attractie na distributie simultaan met distribution simultaan met routekeuze
H01I6A Verkeerskunde basis 8
Sequentieel model 1
Productie/attractie
Vervoerwijzekeuze
Toedeling
Vervoerwijzekeuze heeft geen invloed op distributie
Distributie
H01I6A Verkeerskunde basis 9
Sequentieel model 2
Productie/attractie
Vervoerwijzekeuze
Distributie
Toedeling
Distributie heeft geen invloed op vervoerwijzekeuze
H01I6A Verkeerskunde basis 10
Simultaan model
Productie/attractie
Vervoerwijzekeuze
Distributie
Toedeling
Vervoerwijzekeuze heeft wel invloed op distributie en omgekeerd
H01I6A Verkeerskunde basis 11
Aankomsten
Vertrekken 1 2 j n
1 T11 T12 T1n O1
2 T21 T22 T2n O2
i Tij Oi
m Tm1 Tm2 Tmn Om
D1 D2 Dj Dn
Generieke vorm van een H-B matrix
ij
ij OT
T Tijij ij j
j
T D
H01I6A Verkeerskunde basis 12
Groeifactormodel Bestaande H-B matrix is uitgangspunt
Zwaartekrachtmodel Matrix met weerstanden is uitgangspunt
Distributie
H01I6A Verkeerskunde basis 13
Distributie
Bepaal Tij
Met als randvoorwaarde:
zowel vertrekken als aankomsten zijn bekend (double constrained)
vertrekken zijn bekend (single constrained) aankomsten zijn bekend (single constrained) geen randvoorwaarden (unconstrained)
Vaak aparte tabellen voor motief (wo-we), tijd (spits) en persoonskenmerk (autobezit, etc.)
H01I6A Verkeerskunde basis 14
Distributieberekening
Tij = Oi voor i = 1…..m j
Tij = Dj voor j = 1….n i m + n – 1 onafhankelijke vergelijkingen m n onbekenden
stelsel is onbepaald additionele randvoorwaarden nodig: weerstand tussen zones
Verkeer verdeelt zich over H-B relaties naar rato van een functie van de
weerstand tussen de H-B relatie(s) (Hogere weerstand minder verplaatsingen)
Informatie over weerstand historisch: groeifactor methode synthetisch: zwaartekrachtmodel
H01I6A Verkeerskunde basis 15
Groeifactormodel
Gegeven: Een oude matrix (a priori matrix)
Gevraagd: Schat een nieuwe matrix
Oplossing: Verhoog alle cellen evenredig met groeifactor zodat nieuwe producties en/of attracties overeenkomen met de resultaten uit het ritgeneratiemodel (randvoorwaarden)
Onderscheid naar: single constrained groeifactor double constrained groeifactor
H01I6A Verkeerskunde basis 16
Groeifactormodel
uniforme groeifactor groeifactormodel met één randvoorwaarde groeifactormodel met dubbele randvoorwaarden Toepassing Furness vereffeningsmethode:Tij = ai bj tij
ai = gi1 gi2 …bj = Gj1 Gj2 …
ai en bj = evenwichtsfactorentij = a-priori H-B matrix (basismatrix)
H01I6A Verkeerskunde basis 17
1 2 3 4 j predicted
Oi 1 5 50 100 200 355 400 2 50 5 100 300 455 460 3 50 100 5 100 255 400 4 100 200 250 20 570 702
i 205 355 455 620 1635 1962
1 2 3 4 j predicted
Oi 1 5.6 56.3 112.7 225.4 400 400 2 50.5 5.1 101.1 303.3 460 460 3 78.4 156.9 7.8 156.9 400 400 4 123.2 246.3 307.9 24.6 702 702
i 257.7 464.6 529.5 701.2 1962 1962
Voorbeeld groeifactormethode met producties als randvoorwaarde
H01I6A Verkeerskunde basis 18
1 2 3 4 j predicted
Oi 1 5 50 100 200 355 400 2 50 5 100 300 455 460 3 50 100 5 100 255 400 4 100 200 250 20 570 702
i 205 355 455 620 1635
predicted Dj
260
400
500
802
1962
1 2 3 4
j predicted
Oi 1 5.2 43.6 97.2 254.0 400.0 400 2 44.7 3.8 83.7 327.9 460.1 460 3 76.7 128.7 7.2 187.4 400.0 400 4 133.4 223.9 311.9 32.6 701.8 702
i 260.0 400.0 500.0 801.9 1961.9
predicted Dj
260
400
500
802
1962
Table Error! No text of specified style in document.-1 Example of doubly-constrained growth factor
Voorbeeld groeifactormethode met dubbele randvoorwaarden
H01I6A Verkeerskunde basis 19
“Furness” procedure
Algoritme: herhaal tot convergentie: vereffenen producties vereffenen attracties
Dit “Furness” proces convergeert naar een stabiele oplossing
Mathematisch:
Tij = ai bj tij
ai , bj = evenwichtsfactoren (“balancing factors”)tij = a priori HB tabel
H01I6A Verkeerskunde basis 20
1 2 3 4 j predicted
Oi 1 5 50 100 200 355 400 2 0 50 0 0 50 460 3 50 100 5 100 255 400 4 100 200 250 20 570 702
i 155 400 355 320 1230
predicted Dj
260
400
500
802
1962
1 2 3 4
j predicted
Oi 1 3.4 0.7 61.0 355.3 420.4 400 2 0 388.2 0 0 388.2 460 3 65.5 2.8 5.9 345.7 419.9 400 4 191.1 8.3 433.1 101.0 733.5 702
i 260.0 400.0 500.0 802.0 1962.0
predicted Dj
260
400
500
802
1962
Table Error! No text of specified style in document.-1 Example of a non-converging Furness process.Error! Bookmark not defined.
Voorbeeld van een niet convergerend Furness proces
H01I6A Verkeerskunde basis 21
Nadelen groeifactormodel
verplaatsingen van en naar nieuwe ruimtelijke ontwikkelingen kunnen niet worden berekend
betrouwbaarheid a-priori gegevens bepaalt resultaat
methodiek convergeert niet altijd tot een stabiele oplossing
methodiek houdt geen rekening met veranderingen in het netwerk
H01I6A Verkeerskunde basis 22
Zwaartekrachtmodel
Vergelijking met Groeifactormodel:
in plaats van een a priori matrix starten met matrix gevuld met waarden uit distributiefunctie
Daarna het “Furness” proces toepassen
Mathematisch betekent dit:
Tij = ai * bj * f(cij)
Zwaartekrachtmodel (Gravity model) vanwege overeenkomst met Newtons graviteitswet
H01I6A Verkeerskunde basis 23
Zwaartekrachtmodel
Waarde van de distributiefunctie vervult de rol van a-priori matrix
Tij = ai * bj * f(cij)
ai en bj = de evenwichtsfactoren (balancing factors)
f(cij) = distributiefunctie
Model met één randvoorwaarde: ai of bj = 1
H01I6A Verkeerskunde basis 24
Distributiefunctie
De distributiefunctie geeft weer: De bereidheid tot het maken van een verplaatsing als functie van de weerstand
Mathematische vorm: exponentiele functie machtsfunctie combinatie exponent en macht functiewaarden in tabel
Bijv. f(cij) = cij- . e-c
ij
De parameters en (of de functiewaarden in de tabel) worden door
calibratie bepaald
H01I6A Verkeerskunde basis 25
Weerstanden
Alles wat een reiziger als verplaatsingsweerstand ervaart
Notatie: cij = tripcost
Eenheden (meestal): tijd kosten lineaire combinatie van tijd of kosten = gegeneraliseerde tijden of kosten
Voorbeeld: gewogen reistijd openbaar vervoer:
1 * echte reistijd + 2 * voor- en natransporttijd + 3 * wachttijd
H01I6A Verkeerskunde basis 26
Gegeneraliseerde weerstandsfunctie
gegeneraliseerde tijden gegeneraliseerde kosten kijv zijv = tijv + --------- ink zijv = de gegeneraliseerde tijden van zone i naar zone j met vervoerwijze v tijv = de tijden van zone i naar zone j met vervoerwijze v kijv = de kosten voor een verplaatsing van zone i naar zone j met
vervoerwijze v ink = inkomen = een coëfficiënt, die vaak recht evenredig is met het inkomen ( = 3)
het individuele verplaatsingsgedrag wordt veelal gerealiseerd binnen een individueel kostenbudget en tijdbudget
H01I6A Verkeerskunde basis 27
Korte en lange afstand
De meeste verplaatsingen zijn over de korte afstand Maar ook verplaatsingen over de lange afstand zijn belangrijk
want verkeersdrukte is evenredig met de voertuigkilometers
H01I6A Verkeerskunde basis 28
Distributiefunctie
Aantal verplaatsingen naar een bestemming zal dalen naarmate de weerstand naar die bestemming toeneemt
Weerstandseffect komt tot uitdrukking via de distributiefunctie f(cij)
f(cij) = cij- (negatieve machtsfunctie)
f(cij) = e-cij (negatief exponentiele functie)
f(cij) = cij- . e-c
ij (combinatie van beide)
(Tabel met discrete waarden)
H01I6A Verkeerskunde basis 29
Enige analytische distributiefuncties
H01I6A Verkeerskunde basis 30
Eigenschappen distributiefunctie
aantal verplaatsingen is eindig
de distributiefunctie is monotoon dalend (minder verplaatsingen als de weerstand toeneemt)
een zelfde weerstandsverschil heeft bij een grotere weerstand een kleinere invloed
H01I6A Verkeerskunde basis 31
Exponentiele distributiefunctie
ijzcx ebF
102010
)20(
)10( ccc eeFF
10110100
)110(
)100( ccc eeFF
Weerstandsverschil heeft een gelijke invloed bij grote en kleine weerstanden
H01I6A Verkeerskunde basis 32
Lognormale functie
Functie met discrete waarden
Distributiefuncties
)(ln)(
2 dzcavZ
ijvv
ijvebF
vijv kZ FF )( ZZkZ ijvvijv
H01I6A Verkeerskunde basis 33
Zwaartekrachtmodel: voorbeelden van randvoorwaarden en
weerstanden
Weerstand cij (minuten) 1 2 3 4 1 3 11 18 22 2 12 3 13 19 3 15.5 13 5 7 4 24 18 8 5
Randvoorwaarden 1 2 3 4 Voorspelde
Oi 1 0.74 0.33 0.17 0.11 400 2 0.30 0.74 0.27 0.15 460 3 0.21 0.27 0.61 0.50 400 4 0.09 0.17 0.45 0.61 702
Voorspelde Dj
260
400
500
802
1962
F c eijcij( ) . 0 1
H01I6A Verkeerskunde basis 34
Zwaartekrachtmodel: voorbeeld van waarden distributiefunctie
Startmatrix = Tabel met weerstandfactor F(c ij ) = exp ( - 0.1 cij) 1 2 3 4
j voorspelde
Oi 1 0.74 0.33 0.17 0.11 1.35 400 2 0.30 0.74 0.27 0.15 1.49 460 3 0.21 0.27 0.61 0.50 1.59 400 4 0.09 0.17 0.45 0.61 1.32 702
i 1.34 1.51 1.53 1.37 5.75
voorspelde Dj
260
400
500
802
1962
H01I6A Verkeerskunde basis 35
Trips Tij as calculated by the gravity model 1 2 3 4
j ai
1 157 98 69 76 400 410.0 2 59 204 101 96 460 379.5 3 25 45 138 192 400 229.0 4 19 53 192 438 702 428.7
i 260 400 500 802 1962
bj 0.52 0.73 0.99 1.68
Zwaartekrachtmodel: resultaten
1 2 3 4 j predicted
Oi 1 5.2 43.6 97.2 254.0 400.0 400 2 44.7 3.8 83.7 327.9 460.1 460 3 76.7 128.7 7.2 187.4 400.0 400 4 133.4 223.9 311.9 32.6 701.8 702
i 260.0 400.0 500.0 801.9 1961.9
predicted Dj
260
400
500
802
1962
Vergelijking uitkomsten zwaartekrachtmodel en groeifactormodel
H01I6A Verkeerskunde basis 36
Interpretatie van de evenwichtsfactoren
Tij = Ai * Oi * Bj * Dj * F(cij)
Ai * Oi = ai ; met Oi = vertrekken uit zone i
Bj * Dj = bj ; met Dj = aankomsten in zone j
Tij = li * Qi * mj * Xj * F(cij)
Qi en Xj = polariteiten van de herkomst- en bestemmingszone
H01I6A Verkeerskunde basis 37
Calibratie van de distributiefunctie
Principe:
Gegeven een H-B tabel met waarnemingen
Neem aan dat voor deze H-B tabel een zwaartekrachtmodel geldt:
Tij = ai * bj * f(cij)
Parameters zijn ai , bj en de parameters in de distributiefunctie f(cij)
Calibreren betekent nu: Bepaal parameters zodanig dat een maximale aansluiting met de waargenomen H-B tabel wordt verkregen
H01I6A Verkeerskunde basis 38
Calibratie van de distributiefunctie
Zoek naar ‘best fit’ van distributiemodel met waarnemingen
Methodes: Trial and error Maximum likelihood (bijv. Poissonschatter)
Probleem bij schatting: men beschikt over intensiteiten en niet over
verplaatsingsgegevens (noodzakelijk om H-B tabel te reconstrueren)
H01I6A Verkeerskunde basis 39
Intrazonaal verkeer
veelal erg omvangrijk (zeker bij grote zones)
Oplossing
gebruik kleine zones en laat intrazonaal verkeer buiten beschouwing
bereken (maak een schatting) van de intrazonale weerstand en schat distributiefunctie voor alle verplaatsingen
H01I6A Verkeerskunde basis 40
Externe zones
Probleem: weerstanden naar externe zones zijn moeilijk nauwkeurig te bepalen
Oplossing:
bereken externe verplaatsingen op basis van groeifactormodel
pas tweetrapsberekening toe: eerst globale berekening voor gehele gebied, vervolgens nauwkeurige berekening voor studiegebied waarbij externe verplaatsingen uit eerste berekening als randvoorwaarde worden gehanteerd
H01I6A Verkeerskunde basis 41
Vervoerwijzekeuze
Berekening als onderdeel van de distributieberekening
simultaan keuzemodel voor distributie en vervoerwijzekeuze
aparte distributiefuncties per vervoerwijze (auto, o.v. en fiets)
aparte distributiefuncties per motief van verplaatsing (werken, overig)
aparte distributiefuncties per persoonskenmerk (autobeschikbaar, niet-autobeschikbaar)
H01I6A Verkeerskunde basis 42
Vervoerwijzekeuze
Invloedsfactoren:
kenmerken van de reiziger bezit (beschikbaarheid) vervoermiddel rijbewijsbezit
kenmerken van de vervoerwijze (reistijd, kosten, etc.)
kenmerken van de verplaatsing (motief, tijdstip, etc.)
H01I6A Verkeerskunde basis 43
Voorbeeld van berekening met multimodale
zwaartekrachtmodel Randvoorwaarden
Randvoorwaarden (auto, fiets, openbaar vervoer tezamen!)A B C Voorspelde Oi
ABC
100100200
VoorspeldeDj 200 150 50
400
H01I6A Verkeerskunde basis 44
Voorbeeld van berekening met multimodale
zwaartekrachtmodel Distributiefunctiewaarden per vervoerwijze
Waarden van de distributiefunctie A B C
autoA fiets
o.v.
20 10 210 5 1 4 3 1
autoB fiets
o.v.
10 20 5 5 10 2 3 4 2
autoC fiets
o.v.
2 5 20 1 2 10 1 2 4
)( mij
mij cF
H01I6A Verkeerskunde basis 45
Voorbeeld van berekening met multimodale
zwaartekrachtmodel
Gesommeerde waarden distributiefunctie A B C Voorspeld
eOj
ABC
34 18 418 34 9 4 9 34
56 61 47
100100200
56 61 47 164Voorspelde Dj 200 150 50 400
Distributiefunctie gesommeerd over vervoerwijzen
m
mij
mij cF )(
i
j
H01I6A Verkeerskunde basis 46
Voorbeeld van berekening met multimodale
zwaartekrachtmodel
Resultaat: totale verplaatsingen
Verplaatsingen (alle vervoerwijzen) met zwaartekrachtmodelA B C j ai
ABC
78 22 050 48 272 80 48
100100200
1,011,237,85
i 200 150 50 400bj 2,27 1,14 0,18
H01I6A Verkeerskunde basis 47
Voorbeeld van berekening met multimodale
zwaartekrachtmodel Resultaat: verplaatsingen per vervoerwijze
Verplaatsingen per vervoerwijzeA B C Totaal
Oim
TotaalOi
autoA fiets
o.v.
46 12 023 6 0 9 4 0
582913 100
autoB fiets
o.v
28 28 214 14 0 8 6 0
582814 100
autoC fiets
o.v
36 44 2818 18 1418 18 6
1085042 200
autoTotaal fietsDj
m o.v.
110 84 30 55 38 14 35 28 6
224107 69
Totaal Dj 200 150 50 400
H01I6A Verkeerskunde basis 48
Sequentieel keuzemodel distributie en vervoerwijzekeuze
berekening vervoerwijzekeuze na distributie berekening vervoerwijzekeuze voor distributie
Probleem: welke weerstand hanteren in distributiefunctie
gemiddelde weerstand? minimale weerstand?
H01I6A Verkeerskunde basis 49
Benadering met gebruikmaking logsom
Tij = ai * bj * exp (Vij)
Vij = utiliteit gemoeid met verplaatsing tussen i en j gerekend over alle vervoerwijzen
Vij = LSij
Waarbij:
LSij = ln exp (Vijm’)
mij
0 < ≤ 1
H01I6A Verkeerskunde basis 50
Het klassieke verkeersprognosemodel
Gebieds-gegevens
Ritproductie/ritattractie
Vervoersstromen
Trip-ends
Verplaatsings-weerstanden
H-B tabellen
Distributie/vervoerwijzekeuze
Toedeling
Transportnetwerken