les 4 - het ritdistributiemodel-b · 2011-03-09 · visualisatie h-b matrix: wenslijnen. h01i6a...
TRANSCRIPT
Het ritdistributiemodelH01I6A 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
i
j
ij OT =∑
T Tij
ij
∑ =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
� Σ Tij = Oi voor i = 1…..mj
� Σ Tij = Dj voor j = 1….ni
� 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 deweerstand 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 = evenwichtsfactoren
tij = 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
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 ∗ tijai , 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
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 machtsfunctie
� functiewaarden in tabel
Bijv. f(cij) = cij-α . e-βcij
De parameters α en β (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 gegeneraliseerde 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 + γ ---------
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
� γ = een coëfficiënt, die vaak recht evenredig is met het inkomen (γ = ± 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
Reistijd verdeling autoverplaatsingen
0
5
10
15
20
25
30
35
40
45
0-10 10-20 20-30 30-40 40-50 50-60 > 60
minuten
pro
cent
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-α (negatieve machtsfunctie)
� f(cij) = e-βcij (negatief exponentiele functie)
� f(cij) = cij-α . e-βcij (combinatie van beide)
� (Tabel met discrete waarden)
Reistijd verdeling autoverplaatsingen
0
5
10
15
20
25
30
35
40
45
0-10 10-20 20-30 30-40 40-50 50-60 > 60
minuten
pro
cent
H01I6A Verkeerskunde basis 29
Enige analytische distributiefuncties
F(cij)
cij
cij-0.4
cij0.5
exp(-0.12cij)
exp(-0.05cij)
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
ijzc
x ebF∗−
∗=
102010
)20(
)10( ∗∗+∗− == cccee
F
F
10110100
)110(
)100( ∗∗+∗− == cccee
F
F
Weerstandsverschil heeft een gelijke invloed bij grote en kleine weerstanden
H01I6A Verkeerskunde basis 32
� Lognormale functie
� Functie met discrete waarden
Distributiefuncties
)(ln
)(
2dzca
vZ
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 74 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 eij
cij( ).
=−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 4j
∑ 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
A
B
C
100
100
200
Voorspelde
Dj 200 150 50
400
H01I6A Verkeerskunde basis 44
Voorbeeld van berekening met multimodale zwaartekrachtmodel
� Distributiefunctiewaarden per vervoerwijze
Waarden van de distributiefunctie
A B C
auto
A fiets
o.v.
20 10 2
10 5 1
4 3 1
auto
B fiets
o.v.
10 20 5
5 10 2
3 4 2
auto
C fiets
o.v.
2 5 20
1 2 10
1 2 4
)(m
ij
m
ij cF
H01I6A Verkeerskunde basis 45
Voorbeeld van berekening met multimodale zwaartekrachtmodel
Gesommeerde waarden distributiefunctie
A B C Voorspelde
Oj
A
B
C
34 18 4
18 34 9
4 9 34
56
61
47
100
100
200
56 61 47 164
Voorspelde
Dj 200 150 50 400
� Distributiefunctie gesommeerd over vervoerwijzen
∑m
m
ij
m
ij cF )(
∑i
∑j
H01I6A Verkeerskunde basis 46
Voorbeeld van berekening met multimodale zwaartekrachtmodel
� Resultaat: totale verplaatsingen
Verplaatsingen (alle vervoerwijzen) met zwaartekrachtmodel
A B C Σjai
A
B
C
78 22 0
50 48 2
72 80 48
100
100
200
1,01
1,23
7,85
Σi 200 150 50 400
bj 2,27 1,14 0,18
H01I6A Verkeerskunde basis 47
Voorbeeld van berekening met multimodale zwaartekrachtmodel
� Resultaat: verplaatsingen per vervoerwijze
Verplaatsingen per vervoerwijze
A B C Totaal
Oim
Totaal
Oiauto
A fietso.v.
46 12 023 6 09 4 0
582913
100
autoB fiets
o.v
28 28 214 14 08 6 0
582814
100
autoC fiets
o.v
36 44 2818 18 1418 18 6
1085042
200
autoTotaal fietsDj
m o.v.
110 84 3055 38 1435 28 6
22410769
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 = θ LSij
Waarbij:
� LSij = ln Σ exp (Vijm’)
m∈ij
� 0 < θ ≤ 1
H01I6A Verkeerskunde basis 50
Het klassieke verkeersprognosemodel
Gebieds-gegevens
Ritproductie/ritattractie
Vervoersstromen
Trip-ends
Verplaatsings-weerstanden
H-B tabellen
Distributie/vervoerwijzekeuze
Toedeling
Transportnetwerken