LTM 0.1 - Vejvalgsmodel - Otto Anker Nielsen
Aggregeringsniveauer - Zonestruktur, vejnet og zoneophæng 2 DTU Transport
Kommuneniveau 98 Zoner 3 DTU Transport
Zoneniveau 1 - Strategisk model 176 Zoner 21000 vejkanter 4 DTU Transport
Zoneniveau 2 -NTM model 907 Zoner 33000 vejkanter 5 DTU Transport
Zoneniveau 3 -NTM Regionale modeller 3670 Zoner 45000 vejkanter 6 DTU Transport
Veje 1 Niveau 1 Sammenhængende nationalt vejnet 7 DTU Transport
Veje 2 Niveau 2 (national model) Veje med regional funktion, store trafikveje 8 DTU Transport
Veje 3 Niveau 3 (regionale modeller) Trafikveje og store lokalveje (fordelingsveje) 9 DTU Transport
Vejvalgsmodellen, data Omfattende arbejde med etablering af digitalt vejnet Navteq Kombination af forskellige andre kilder (attributdata) Data, generel model (bl.a.) Vejtyper Antal kørespor Hastighed By/land Tællinger Svingrestriktioner (v1) Specielle data om færger (betaling, frekvens, ventetid, ) Vejklasse afgør modellens detaljeringsgrad 10 DTU Transport
Attributter på zoneophæng Fraction Andel af trafik fra zonen, der benytter ophænget. Input til rutevalgsmodellen AvLength Gennemsnitlig længde beregnet en gang for alle ved en rutevalgsberegning fra alle adresser til ophængspunktet i den mest detaljerede version af NavTeq vejnettet. 11 DTU Transport
Generelle principper i rutevalgsmodellen 12 DTU Transport
Vejvalgsmodel, version 0.1 National model (niveau 2) Metode Stokastisk brugerligevægt Forskellige nyttefunktioner (tidsværdier, di betalingsvilje, ilj trængsel) for forskellige turformål Fordeling af tidsværdier inden for et turformål Vejtypeafhængige speed-flow kurver Herunder forskel på 2- og flersporede veje Estimering Eksisterende nyttefunktioner baseret på tidligere studier Kalibrering på Storebæltssnit og færger Data Grove matricer Valideret vejnet Mange tællinger 13 DTU Transport
Generel speed-flow formel T T C T T t t b f 1 0 Cap 0 14 DTU Transport
Speed Flow Kurver 140,0 120,0 100,0 Motorvej Motortrafikvej Store veje Trafikveje Store lokalveje Has stighed 80,0 60,0 40,0 20,0 0,0 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Trafikbelastning 15 DTU Transport
Kalibrering af modellen 16 DTU Transport
Sammenhæng med net og matricer Rutevalgsmodeller afhænger af net, zoner og zoneophæng Matrixjusteringer sammenligner trafikudlagt med rutevalgsmodeller på net med tællinger Dvs. arbejdsprocessen er som følger Etablering af net, inkl. tællinger Zoner og zoneophæng Estimation af funktionsudtryk Etablering af basismatricer Kalibrering af rutevalgsmodel Justering af matricer mod tællinger (kalibrering) ing) 17 DTU Transport
Udgangspunkt Generelle præferencer fra Havnetunnelmodellen ll Grundigt dansk Stated Preference Skaleret til 2009 ud fra vækst i tidsværdier og kørselsomkostninger Korrigeret fra SP til RP ud fra AKTA RP/SP eksperiment (Nielsen & Vuk, 2008) Justeret til korrelerede tidsværdier for fri køretid og trængsel baseret på AKTA erfaringer (Ibid) 18 DTU Transport
Hovedproces i validering 1. Kalibrering i af rutevalgsmodel l med henblik på færger/broafgifter i Kattegat snittet 2. Validering af tælledata 1. Forskellige tællekilder mod hinanden 2. Tællinger versus model 3. Validering af rutevalgmodel 4. Første Matrix justering og nyt rutevalg 1. På basis heraf identificeres mulige flere tællefejl 2. Lokal validering af vejnet (f.eks. Hastigheder) 3. Validering af zoneophæng 5. Ny matrixjustering (på originalmatrix) 6. Og så fremdeles,. 19 DTU Transport
Tællinger Tre primære kilder for version 0.1 MASTRA Oftest kun ADT/HDT Vejdirektoratets tælledatabase, også data fra Kommuner med aftale om brug af MASTRA Vejdirektoratets strømkort Fortolkede/bearbejdede data (validering) Formentlig ofte skønnede lastbiltal Afrundede til hele hundrede Problem for det sekundære vejnet for lastbiler Trafiktal fra København København og Frederiksbergs kommune Lastbilandele per strækning 3277 totaltællinger Kun 243 reelle lastbiltællinger 143 i København, 100 i resten af landet Disse bruges også til opdeling på personbiler, 20 DTU Transport
Totaltællinger, pt. 21 DTU Transport
Matrix Justering (MPME) Multiple Path Matrix Estimation (MPME) Mange mulige løsninger 3277 tællinger 6 turformål, 907 zoner, korte og lange ture = 9.871.788 celler Få ligninger med mange ubekendte Integreret med rutevalgsmodellen For hver rute justeres relativt til et vægtet snit af afvigelser langs ruten For et OD-par sammenvægtes justeringerne for ruterne med sandsynligheden for at ruterne benyttes Svarer til at den vægtede kvadratafvigelse mellem model og tællinger minimeres i Inden for det løsningsrum minimeres den vægtede kvadratafvigelse mellem originalmatricen og den justerede matrix 22 DTU Transport
Tværsnits vægtning Visse tværsnit har særlig betydning Kattegat Færger Nøglesnit (Lillebælt, Havnesnittet, Limfjorden, andre broer) Den grønne grænse 23 DTU Transport
Turformål Pendling Erhverv Indkøb Andet Normale lastbiler Lange lastbiler 24 DTU Transport
Korte og lange ture Kalibreringen i viste at lange ture har en større tidsværdi Flere personer per bil Den marginale værdi af fritid stiger med turlængden Turtype u 18 pas tott Personer/bil Korte ture Pendling 0,02 0,11 1,11 Erhverv 0,01 0,15 1,15 Indkøb 019 0,19 048 0,48 148 1,48 Andet 0,44 0,84 1,84 Lange ture Pendling 0,02 0,25 1,25 Erhverv 0,01 0,53 1,53 Indkøb 0,34 1,15 2,15 Andet 0,52 1,60 2,60 25 DTU Transport
Definition af lange ture Ture over Kattegatsnittet t t Ture med færgekrydsninger over 80 kr. per personbil 26 DTU Transport
Færgespecifikke parametre Skelnen mellem korte og lange ture Skelnen mellem normale og meget langsommelige færger (+90 min.) Kalundborg-Aarhus problematik 27 DTU Transport
Færgespecifikke variable Billetpris Rabat, lavsæson, højsæson Forskellig vægtning mellem forskellige turformål Billetniveau Personbiler Alm. lastbiler Lange lastbiler Antal afgange (frekvens) Lavsæson, højsæson Forskellig vægtning mellem forskellige turformål (inkl. lastbiler) Vægtning af frekvens, ankomsttid før afgang, og sejltid Også turformålspecifikt 28 DTU Transport
Generel nyttefunktion Length a x Drive cost k + +Cost_Disc_Car a x CoeffCost_Disc k +Cost_Low_Car Car a xcoeffcost CoeffCost_Low k +Cost_High_Car a x CoffCost_High k +(FFTimeCoefficient k ) x (FFtime a + (1+CCTimeCoefficient)CCtime + [ Avg_HEAD_Low a x CoeffHEAD_LOW k + Avg_HEAD_High a x CoeffHEAD_HIGH k ] x CoeffHead k + Arr_Pre_Dep a x CoeffArr_Pre_Dep k + Ferry_Travel_Time a x Coeff_Ferry_Travel_Time k ) +Errorterm a(k) Grønne koefficienter følger statistiske fordelinger 29 DTU Transport
De første resultater, 30 DTU Transport
Personbiltrafik 31 DTU Transport
Lastbiltrafik 32 DTU Transport
Biltrafik Hovedstads- regionen 33 DTU Transport
Spørgsmål 34 DTU Transport