PIANIFICAZIONE DEI TRASPORTI Modelli di distribuzione

Slides:



Advertisements
Presentazioni simili
Introduzione all’uso degli indicatori di valutazione ed ai metodi di valutazione Dott.ssa Gabriella Giuliano Direttore Sanitario CREAS-IFC-CNR giugno.
Advertisements

ALMA MATER STUDIORUM – UNIVERSITA’ DI BOLOGNA Presentazione del corso A.A Produzione dell’energia elettrica L.
Struttura a bassa emittanza per DA  NE Gamma Factory S. Guiducci Per la proposta di convertire DA  NE in una “gamma factory” occorre valutare la possibilita’
Sistemi per la Gestione Aziendale - Prof. Giuseppe Zollo, Cristina Ponsiglione 1 Sistemi per la Gestione Aziendale. AA Ingegneria Gestionale SGA.
1 Prof.ssa A.Comis. 2 Introduzione Definizione Classificazione Principi di equivalenza Regole per la risoluzione.
Le olivine incluse nei diamanti del Kaapvaal (Africa): nuove informazioni sulle relazioni di crescita tra diamante e inclusioni Università degli studi.
Consentono di descrivere la variabilità all’interno della distribuzione di frequenza tramite un unico valore che ne sintetizza le caratteristiche.
Il metodo STATIS (L’Hermier des Plantes, 1976; Escoufier, 1983; Lavit et al., 1994) STATIS = Structuration des Tableaux A Trois IndiceS Tecnica esplorativa.
Un'analisi per la provincia di Venezia
Ing. Christian Barberio
FUNZIONI INFRASTRUTTURALI
PIANIFICAZIONE DEI TRASPORTI Esercitazione sui modelli di generazione
Stima spesa standard (Ferraresi e Rizzo, 2014)
PIANIFICAZIONE DEI TRASPORTI Il modello di scelta modale
Procedure di controllo di qualità del dato analitico
Fotogrammetria - Lezione 3
Valutazione dell’incertezza associata alla mappa acustica dinamica di Milano Giovanni Zambon; Roberto Benocci; Maura Smiraglia; H. Eduardo Roman.
ANALISI TRASPORTISTICA PER L’AREA DELLA STAZIONE DI BOLZANO
Modelli statistici per l’analisi economica
RISPOSTA ALL'ECCITAZIONE NON PERIODICA NEL DOMINIO DEL TEMPO
1.3 - LA STRUTTURA PORTANTE: MATERIALI – IL LEGNO LAMELLARE
Branch and Bound Lezione n°19 Prof.ssa Rossella Petreschi
Modulo 2 Predisposizione di una proposta di progetto
La circonferenza nel piano cartesiano
Indicatori Europei di sostenibilità ambientale
Branch and Bound Lezione n°14 Prof.ssa Rossella Petreschi
Dal problema al processo risolutivo
1.3 - STRUTTURA PORTANTE - MATERIALI : IL LEGNO LAMELLARE
Crescita I: Paolo Sospiro
Controlli Automatici - A.A. 2003/2004
PIANIFICAZIONE DEI TRASPORTI La teoria dei grafi
Università di Cagliari
IL SISTEMA DI VALUTAZIONE DELLA PERFORMANCE della PROVINCIA DI PAVIA
DISTRIBUZIONI TEORICHE DI PROBABILITA’
La circonferenza nel piano cartesiano
DIRIGERE L’INNOVAZIONE
Antonio Sforza, Claudio Sterle
L’analisi del comportamento delle imprese (seconda parte)
Dal problema al processo risolutivo
PIANIFICAZIONE DEI TRASPORTI Regressione lineare
ELEMENTI DI DINAMICA DELLE STRUTTURE
Analisi delle Traiettorie: Modelli di Crescita Latente (LGM)
Dip. Economia Politica e Statistica
SELEZIONE DEI CONCETTI
Corso di Laurea in Scienze e tecniche psicologiche
Utilizzo razionale di un vasto numero di ricevitori GPS
Intervalli di Fiducia Introduzione Intervalli di fiducia per la media – Caso varianza nota Intervalli di fiducia per la media – Caso varianza non nota.
Accenni di analisi monovariata e bivariata
Modulo N.2: Business plan, Budget e Competenze di Gestione
Fisica: lezioni e problemi
Statistica Scienza che studia i fenomeni collettivi.
Programmare.
PROCEDURA per la misura e la relativa stima
Stima spesa standard (Ferraresi e Rizzo, 2012)
Non è sufficiente sapere, ma saper fare qualcosa con quello che si sa
La regolazione gerarchica della tensione
Metodi Quantitativi per Economia, Finanza e Management Lezione n°9 Regressione lineare multipla: le ipotesi del modello, la stima del modello.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°9 Regressione lineare multipla: le ipotesi del modello, la stima del modello.
Capitolo 1 Introduzione alla fisica
Strategie di progetto Si possono utilizzare le strategie tipiche dello sviluppo di un processo di ingegnerizzazione (es. ingegneria del software). Strategie.
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 9
Associazione tra due variabili
VALORE Cosa è ?.
I sistemi di equazioni di I grado
Associazione tra variabili qualitative
Numeri indice di prezzi e quantità
Variabile interveniente
Arantxa De La Hoz Codice Matricola:
Flusso del campo elettrico e teorema di Gauss
I sistemi di equazioni di 1° grado
Transcript della presentazione:

PIANIFICAZIONE DEI TRASPORTI Modelli di distribuzione Università di Cagliari DICAAR – Dipartimento di Ingegneria Civile, Ambientale e architettura Sezione Trasporti PIANIFICAZIONE DEI TRASPORTI Modelli di distribuzione A.A. 2016-2017 Prof. Italo Meloni

Argomenti Definizioni e notazioni Metodo del fattore di crescita Fattore di crescita uniforme Fattore di crescita singolarmente vincolato Fattore di crescita doppiamente vincolato Limiti dei metodi del Fattore di crescita Modelli sintetici o gravitazionali Modello di distribuzione gravitazionale Calibrazione e validazione

Il modello a quattro stadi GENERAZIONE DISTRIBUZIONE SCELTA MODALE SCELTA DEL PERCORSO

Matrice dei viaggi Matrice bi-dimensionale le cui celle di ciascuna riga i contengono i viaggi che hanno origine in quella zona e destinazione nelle zone delle corrispondenti colonne. [minusc] tij, oi, dj : osservazioni relative al campione [MAIUSC] Tij, Oi, Dj : target o valori che si vogliono modellizzare Le matrici possono essere ulteriormente disaggregate per classi di individui (n) e/o per modo (k): Tijkn, Oikn, etc.

Vincoli In una qualunque matrice O/D: La somma dei viaggi* in una riga dovrebbe essere uguale al numero totale dei viaggi generati da quella zona. La somma dei viaggi* in una colonna dovrebbe corrispondere al numero di viaggi attratti dalla zona. *(ricavati dal modello di generazione/attrazione)

Vincoli Modello doppiamente vincolato: il modello soddisfa entrambe le condizioni (sono disponibili informazioni affidabili per stimare entrambi Oi e Dj); Modello singolarmente vincolato: è verificata solo una delle due condizioni e cioè si dispone di informazioni solo su uno dei due vincoli (modello vincolato all’origine o alla destinazione)

Costo generalizzato di viaggio Rappresenta una misura che combina tutti i principali attributi che sono associati alla disutilità del viaggio. È una funzione lineare degli attributi del viaggio pesati da coefficienti che rappresentano la relativa importanza degli attributi così come percepiti dal viaggiatore. È uno dei parametri più importanti, tramite il quale si cerca di spiegare perché uno spostamento avviene verso una determinata direzione, con un certo modo, su un dato percorso.

Costo generalizzato di viaggio è il tempo di viaggio a bordo del veicolo per andare da i a j; è il tempo di camminata da e per la fermata (stazione); è il tempo di attesa alla fermata; è il tempo di interscambio, se esiste; è la tariffa pagata per andare da i a j (anche il carburante per il mezzo privato); è un costo terminale (tipicamente di parcheggio) associato al viaggio da i a j; è una penalità modale, cioè un parametro che rappresenta tutti gli altri attributi non inclusi nella misura generalizzata, per esempio la sicurezza, il comfort e la convenienza (prevalenza per un modo o avversione per un altro); Sono i pesi associati a ciascun elemento del costo; hanno generalmente una dimensione appropriata per convertire ciascun attributo nella stessa unità, per esempio, monetaria o temporale.

Costo generalizzato espresso in: UNITÀ MONETARIE: a1: il valore del tempo (o più precisamente il valore del tempo a bordo del veicolo) in quanto la sua unità è denaro/tempo; a2: il valore del tempo pedonale (a2= 2÷3a1); a3: il valore del tempo d’attesa (a3= 2÷3a1); a5 = 1; UNITÀ DI TEMPO: a1= 1; a2 = 2÷3; a3 = 2÷3; a5..6 = “durata del denaro”

Costo generalizzato espresso in: Attraverso il costo generalizzato descriviamo le caratteristiche del sistema di offerta che si possono far variare per valutare gli effetti che una variazione ipotizzata del sistema genera sulla mobilità. Il costo, così espresso, è un compromesso tra disutilità soggettiva e oggettiva: il valore del tempo considerato dovrebbe essere quello soggettivo (percepito), e non quello oggettivo, basato sul valore di risorse consumate.

Il modello di distribuzione Fornisce l’aliquota di spostamenti p[d/osh] generati dalla zona o che si recano nella zona d, per lo scopo s nell’arco temporale h. Uniforme Fattore di crescita Vincolo semplice (Metodo) Vincolo doppio Modello gravitazionale

Metodo del Fattore di Crescita Uniforme Quando in previsione si conosce solo una percentuale generale di crescita degli spostamenti relativa all’area di studio Vincolo semplice Quando si dispone di un solo modello: o di generazione o di attrazione. In previsione, pertanto, si conoscerà solo il numero di spostamenti generati o attratti da ogni zona Vincolo doppio Quando si dispone di due modelli: di generazione e di attrazione. In previsione, pertanto, si conoscerà il numero di spostamenti sia generati che attratti da ogni zona

Metodo del Fattore di Crescita Uniforme Tutte le relazione OD crescono in modo Uniforme (ipotesi irrealistica, eccetto forse nel caso di previsioni di brevissimo periodo) Vincolo semplice Consente di tener conto di variazioni differenziate o nella generazione o nella attrazione tra le diverse zone, per effetto per esempio della localizzazione di nuove residenze (se si conosce il vettore di generazione), o di centri commerciali (se si conosce il vettore di attrazione) Vincolo doppio Consente di tener conto di variazioni differenziate nella generazione e nella attrazione delle diverse zone, per effetto, per esempio, della realizzazione di nuove residenze in alcune zone e di centri commerciali in altre.

Esempio: fattore di crescita uniforme τ Matrice dei viaggi all’anno base Matrice futura dei viaggi, stimata con τ=1,2 applicato a tutte le celle IPOTESI: il fattore di crescita del traffico nell’aera di studio nei prossimi 3 anni sarà del 20%: Spostamenti totali previsti all’anno t 1 2 3 4 ∑i 5 50 100 200 355 400 300 455 255 250 20 570 ∑j 205 620 1635 Spostamenti totali all’anno base 1 2 3 4 ∑i 6 60 120 240 426 360 546 306 300 24 684 ∑j 246 744 1962

Esempio: fattore di crescita singolarmente vincolato Spostamenti generati dalla zona i all’anno t Matrice dei viaggi con la crescita vincolata all’origine Matrice futura dei viaggi espansa con la crescita vincolata all’origine Il numero di spostamenti per ogni cella si determina moltiplicando ogni riga per: 1 2 3 4 ∑i Target Oi 5 50 100 200 355 400 300 455 460 255 250 20 570 702 ∑j 205 620 1635 1962 Spostamenti generati dalla zona i all’anno base 1 2 3 4 ∑i Target Oi 5,6 56,3 112,7 225,4 400 50,5 5,1 101,1 303,3 460 78,4 156,9 7,8 123,2 246,3 307,9 24,6 702 ∑j 257,7 424,6 529,5 710,2 1962

Fattore di crescita doppiamente vincolato I metodi iterativi che consentono di ottenere una matrice di viaggi che soddisfi entrambi i set di fattori di crescita comprendono il calcolo di un set intermedio di coefficienti di correzione che devono poi essere applicati in modo appropriato alle celle di ogni riga o di ogni colonna. Algoritmo bi-proporzionale di FURNESS (1965): introduce i “fattori di bilanciamento” Ai e Bj I fattori ai e bj (o Ai e Bj) devono essere calcolati iterativamente in modo da soddisfare i seguenti vincoli:

Note Questo metodo fornisce, in poche iterazioni, soluzioni che si discostano del 3-5% dal valore di spostamenti previsto nei vincoli di generazione e attrazione (non vale la pena imporre una precisione superiore). Il metodo di Furness cerca di produrre il numero minimo di correzioni alla matrice di base t necessarie per soddisfare i vincoli relativi ai totali di generazione e attrazione futuri.

Esempio: fattore di crescita doppiamente vincolato La condizione più importante richiesta per la convergenza di questo metodo è che i fattori di crescita producano valori totali previsti di generazione a attrazione Ti, Tj tali che: Problema di espansione della matrice doppiamente vincolata 1 2 3 4 ∑i target Oi τi = target Oi/∑i 5,00 50,00 100,00 200,00 355,00 400,00 1,127 300,00 455,00 460,00 1,011 255,00 1,569 250,00 20,00 570,00 702,00 1,232 ∑j 205,00 620,00 1635,00 target Dj 260,00 500,00 802,00 1962,00 Γj = target Dj/∑j 1,268 1,099 1,294

Passo 1: calcolare gli Ai Fissare tutti i fattori bj = 1 e risolvere per ai; in questo contesto “risolvere per ai” significa trovare i fattori di correzione ai che soddisfano i vincoli di generazione: 1 2 3 4 ∑i target Oi Ai 5,63 56,34 112,68 225,35 400,00 1,00 50,55 5,05 101,10 303,30 460,00 78,43 156,86 7,84 123,16 246,32 307,89 24,63 702,00 ∑j 257,77 464,57 529,51 710,14 target Dj 260,00 500,00 802,00 1962,00

Passo 2: calcolare i Bj dati gli Ai Con i valori di ai trovati al punto precedente risolvere per bj, in modo da soddisfare i vincoli di attrazione: 1 2 3 4 ∑i target Oi 5,68 48,51 106,40 254,50 415,09 400,00 50,99 4,35 95,46 342,53 493,33 460,00 79,11 135,06 7,41 177,15 398,73 124,22 212,08 290,73 27,82 654,85 702,00 ∑j 260,00 500,00 802,00 target Dj 1962,00 Bj 0,80 0,76 0,86 0,87

Passo 3(a): calcolare gli Ai tenendo i Bj Mantenendo fissi i fattori bj risolvere per ai e ripetere i passi (2) e (3) fino a quando le variazioni non saranno sufficientemente piccole. 1 2 3 4 ∑i target Oi ai 5,48 46,74 102,53 245,25 400,00 0,96 47,54 4,06 89,01 319,39 460,00 0,93 79,36 135,49 7,43 177,72 1.00 133,17 227,35 311,67 29,82 702,00 1.07 ∑j 265,54 413,64 510,64 772,18 target Dj 260,00 500,00 802,00 1962,00

Passo 3(b): calcolare i Bj tenendo gli Ai 1 2 3 4 ∑i target Oi 5,36 45,20 100,39 254,72 405,68 400,00 46,55 3,92 87,16 331,72 469,36 460,00 77,70 131,02 7,27 184,58 400,58 130,39 219,85 305,17 30,97 686,38 702,00 ∑j 260,00 500,00 802,00 target Dj 1962,00 Bj 0,78 0,74 0,84 0,91

Passo 4: ricalcolo Ai e Bj STOP 1 2 3 4 ∑i target Oi Ai 5,29 44,57 98,99 251,16 400,00 0,95 45,62 3,85 85,42 325,11 460,00 0,91 77,59 130,83 7,26 184,31 1,00 133,35 224,85 312,12 31,68 702,00 1,10 ∑j 261,85 404,10 503,79 792,26 target Dj 260,00 500,00 802,00 1962,00 1 2 3 4 ∑i target Oi 5,25 44,12 98,24 254,25 401,85 400,00 45,30 3.81 84,78 329,11 462,99 460,00 77,.04 129,50 7,21 186,58 400,34 132,41 222,57 309,77 32,07 696,82 702,00 ∑j 260,00 500,00 802,00 target Dj 1962,00 Bj 0,77 0,73 0,84 0,92

Limiti dei metodi del fattore di crescita Risultano ragionevoli solo per orizzonti di pianificazione di breve periodo Eventuali parti inosservate della matrice relativa all’anno base non vengono modificate nelle previsioni Non possono tenere in considerazione variazioni nel costo di viaggio dovute a miglioramenti nella rete, perciò questi metodi hanno un limitato utilizzo nelle analisi di politiche che introducono nuovi modi, nuovi collegamenti, diverse tariffe e nuove zone

Modello di distribuzione gravitazionale Per poter prevedere la struttura dei viaggi quando si verificano importanti cambiamenti nella rete Si basa su ipotesi sul comportamento di gruppi di viaggiatori e su come questo è influenzato da fattori esterni (es. numero totale di viaggi realizzati, distanza percorsa etc.) Stima il numero di spostamenti di ciascuna cella della matrice senza utilizzare direttamente la struttura dei viaggi osservata (“modelli sintetici”)

Distanza tra la coppia i e j Forma funzionale Popolazione della città di origine i e destinazione j Fattore di proporzionalità Distanza tra la coppia i e j f(cij): Funzione generalizzata del costo di viaggio che contiene uno o più parametri da calibrare “Funzione di deterrenza”: rappresenta l’impedenza a spostarsi al crescere della distanza (tempo) o del costo dello spostamento

Modello gravitazionale (esempio) Oi = numero di spostamenti generati dalla zona i Dj = numero di spostamenti attratti dalla zona j exp(-βCij) = funzione di deterrenza Processo di calibrazione dei parametri (Metodo dell’entropia) Modello da utilizzare per la previsione

Calibrazione e validazione Prima di utilizzare un modello di gravitazione è necessario calibrarlo, in quanto occorre essere sicuri che i suoi parametri siano tali che il modello riproduca il più vicino possibile la struttura degli spostamenti dell’anno base. Si ricorre poi alla validazione per assicurarsi che il modello sia appropriato per le probabili decisioni che saranno testate mediante il suo utilizzo (verificare che il modello riproduce con sufficiente accuratezza uno stato noto del sistema).

Vantaggi e svantaggi del modello Tecniche statistiche di verifica dei risultati Richiede la calibrazione di un modello Richiede una grande mole di dati