ACTUM Path-baseret dynamisk bil-assignment Rasmus Dyhr Frederiksen rdf@rapidis.com
Lidt baggrund Modellering af rutevalg for biltrafik Basis: Tur-mønstre (hvorfra, hvortil) Model af vejnet Beskrivelse af rejsendes præferencer Hvad beregnes: Trafikstrømme Hastigheder Rejsetider og længder fra sted til sted
Lidt baggrund Statisk & dynamisk modellering Statisk modellering Modellerer en gennemsnitssituation for en tidsperiode Simplere modellering, simplere data, mindre beregning Men har svært ved at modellere trængsel tilstrækkeligt godt Især med hensyn til kø-opbygning & afvikling, samt tilbagestuvning Dynamisk modellering Modellerer en tidsperiode dynamisk tilstanden i netværket ændrer sig over tid biler er på specifikke steder på specifikke tidspunkter Mere krævende data, mere kompliceret model, større beregning Men kan modellere flaskehalse, kø-opbygning & afvikling, samt tilbagestuvning detaljeret
Lidt baggrund Hvorfor udvikle ny model Metoder har udviklet sig Teknik har udviklet sig kraftigt hvilket i sig selv giver nye metode muligheder Der er opsamlet erfaringer fra mange forskellige værktøjer og tilgange
Lidt baggrund Hvorfor udvikle ny model Mange eksisterende værktøjer med forskellige svagheder, eksempelvis: Stor detaljeringsgrad men lille område eller omvendt Manglende konvergens beregninger giver forskellige resultater endog meget forskellige Dårlig modellering af valg af rute alle rejsende minimerer samlet rejsetid for eksempel Mange værktøjer antager begrænset regnekraft og ram
ACTUM Forskningsprojekt Disaggregeret model baseret på aktivitets-model tilgang I stedet for x biler fra zone til zone, beskrives en kæde af aktiviteter/rejser for 1 person for 1 dag Metode dialog med Otto Anker Nielsen & Thomas Kjær Rasmussen Transport DTU
ACTUM Path-baseret rutevalgsmodel Traditionelt beregnes ruter dynamisk og smides væk Rute-bidrag til trafik summes og midles løbende En god tilgang når computer-hukommelse er begrænset - på bekostning af regnetid Men med regnemaskiner med f.eks. 256 GB ram er der andre muligheder Mere kompliceret modelmæssigt, men mindre regnetid & hurtigere konvergens Dette er der arbejdet med i ACTUM
ACTUM Path-baseret rutevalgsmodel Klassisk: 1. Indledningsvis: Tomt net, ingen trængsel skiltet hastighed 2. Beregn zone-zone ruter og tilføj trafik til kanter 3. Opdater rejsehastigheder 4. Gå til 2 (eller stop)
ACTUM Path-baseret rutevalgsmodel Path-baseret: 1. Indledningsvis: Tomt net, ingen trængsel skiltet hastighed 2. For hver rejse/zonepar opdater sæt af ruter a. Undersøg om sæt af ruter skal udvides b. Evt. tilføje ekstra rute/slet dårlige ruter 3. For hver rejse/zonepar fordel trafik på sæt af ruter F.eks. vha. pathsize-logit 4. Opdatér rejsehastigheder 5. Gå til 2 (eller stop)
ACTUM Path-baseret rutevalgsmodel Eksempel på sæt af ruter Vægtet med fordeling af rejse(r) For 1 rejsende er det reelt sandsynligheden for brug af forskellige ruter
ACTUM Path-baseret rutevalgsmodel På vej til brug i LTM 2.0 Bedre konvergens, lavere regnetid
Mål for project ACTUM Dynamisk bil-rutevalg En solid model-tilgang: Teknik Konvergens, dynamisk bruger-ekvilibrium Baseret på en reel modellering af rejsendes præferencer Realistisk & detaljeret modellering af trængsel og rejsetid, inkl. kryds Modellering af gennemsnitssituation ikke simulering af 1 tilfældigt udfald Detaljeret & disaggregeret beskriver gennemsnitlige valg for 1 bil Rimelig regnetid fuldt parallelliseret Skal udnytte moderne computer hardware (stor server) Skal kunne benytte gængse modeldata (f.eks. LTM, OTM), stor skala
Model Path-baseret med tidslige ruter Opregning af trafik, trængsel- og kø-modellering med udgangspunkt i INDY-modellens tilgang (Bliemer) Eksplicit kobling til og modellering af kryds (vigtige flaskehalse)
Model Hvordan holdes styr på trafik & rejsetid Opregning for hver kant Pt. bruges 6 sekunder In-flow, out-flow Evt. trafikophobning Og dermed kø-længde hhv. kø-fri længde For en givet ankomst tid: Køretid kø-tid exit fra kant Time... τ+2 τ+1 queue τ Distance Tilbagestuvning ved fuld kø. Altid balance i knuder for I/O-flow per tick
Model Håndtering af kryds Kryds modelleres eksplicit Hybrid: Kapacitet af svingbevægelser beregnes løbende med gennemsnitsmodeller fra statisk Kapacitet bruges i dynamisk modellering Detaljerede svingbevægelser bruges til fordeling af trafik & tilbagestuvning
Model Overordnet algoritme Path-baseret: 1. Indledningsvis: Tomt net, ingen trængsel skiltet hastighed 2. For hver rejse/zonepar opdater sæt af ruter a. Undersøg om sæt af ruter skal udvides b. Evt. tilføje ekstra rute/slet dårlige ruter 3. For hver rejse/zonepar fordel trafik på sæt af ruter F.eks. vha. pathsize-logit 4. Network Loading a. Fyld trafik på kanter fra rute-bidrag (tidsafhængigt) b. Opdatér kø-størrelser (tidsafhængigt) c. Opdatér rejsehastigheder (tidsafhængigt) d. Opdatér ruter med nye rejse/kø-tider (ankomst til kant, fri kørsel, kø-tid, afgang fra kant) 5. Gå til 2 (eller stop)
Model Shortest Path i et dynamisk netværk Det vil sige et netværk hvor rejsetider på kanter afhænger af ankomst-tidspunktet til kanter Shortest-path beregning er simpel for et givet tidspunkt (givet FIFO) Omvendt bedste afgangstidspunkt er et umuligt problem og kan kun beregnes i små net Pragmatisk mulighed beregn ruter for et antal tidspunkter omkring det ideelle tidspunkt, og fordel trafik
Model Network Loading 4. For alle ticks (6 sekunder) a. For alle paths i. Opdater status i denne tick og bidrag kant-trafik In-flow Position langs kant (før og i kø) Position i kø Out-flow b. Opdater kø-størrelser ved alle knuder og kryds
Model Bil-køer Biler er i en kø i et stykke tid, og bevæger sig frem i den Køer opstår når der er større inflow end der er outflow på en kant eller op til en svingbevægelse F.eks. pga. stigende trafik Eller pga. et kryds eller kapacitetsindskrænking hvor veje fletter sammen
Test Lille eksempel Fald i kapacitet fra kant 2 til 4
Test Lille eksempel - tilbagestuvning
Test Eksempel - animation 6 sekunders trin Urealistisk eksempel (Næstved) med ekstra kø Men illustrerer køer der tilbagestuver og opløses
Test Data - OTM 3500 kanter 2000 kryds (1200 rigtige ) 10000 mikrozoner 3 mio disaggregerede enkelture (ca. 2.5 mio rejsende) fordelt på mikrozoner
Test OTM beregning 32 kerner, 70 GB Ram (der bruges ca. 20 GB ram) Regnetid 18 timer 3-5 paths per rejsende i snit i valgsæt/rutebundt 21 iterationer, knap 1 time pr. iteration 5 trafikant-klasser Edges in graph: Link: 5974, Connector: 19420, Turn: 11693, ExplodedConnector: 58041. 10-08-2016 08:16:28 Total number of unique paths: 10733559 10-08-2016 08:16:33 CategoryID: 1 Paths - Avg per trip: 4.81, Min: 1, Max: 9, Avg edges: 61.38, Avg length: 24.93 10-08-2016 08:16:36 CategoryID: 2 Paths - Avg per trip: 4.53, Min: 1, Max: 9, Avg edges: 65.31, Avg length: 26.63 10-08-2016 08:16:50 CategoryID: 3 Paths - Avg per trip: 4.29, Min: 1, Max: 9, Avg edges: 51.09, Avg length: 19.05 10-08-2016 08:16:53 CategoryID: 4 Paths - Avg per trip: 3.64, Min: 1, Max: 9, Avg edges: 46.95, Avg length: 16.96 10-08-2016 08:16:55 CategoryID: 5 Paths - Avg per trip: 3.40, Min: 1, Max: 9, Avg edges: 51.27, Avg length: 21.53 Assignment calculation time: 18:32:25.1028959
Test OTM Beregning Trafikstrømme (16-17)
Test OTM Beregning kø-længder (16-17)
Konklusion & status Proof-of-concept Reelt modellering ikke heuristik Modellerer en gennemsnitssituation ikke simulation af tilfældig dag håndterer kryds fornuftigt mht. kapacitet og flaskehalse God konvergens (dynamisk) bruger-ekvilibrium Mulighed for detaljeret & disaggregeret model på eksisterende data i stor skala Rimelig regnetid kan bruge mange CPU kerner fuldt ud Effektivt software framework etableret Men: Stadig på forskningsstadie ikke driftsklart endnu Modellering af kø-opbygning og afvikling er pt. lidt for optimistisk
Videre arbejde Model overdrages til Transport DTU til kalibrering og test Der skal arbejdes videre med beregning og opdatering af kø-længder, finpudsning af metode & tur-mønstre Inddrage afrejsetidspunkt i (dynamisk) brugerekvilibrium pt. ligger rejsestart helt fast pr. rejse Kalibrering til observerede strømme og køer mht. parametre Test-beregning på LTM data for større område På sigt optimering af regnetid men ikke så vigtig pt.
Referencer DTA Primer fra TRB Bliemer INDY modellen Thomas Kjær Rasmussen - Traffic assignment models in large-scale applications (Ph.D. Thesis)