Прогнозирование перевозок
Прогнозирование транспорта — это попытка оценить количество транспортных средств или людей, которые будут использовать конкретное транспортное средство в будущем. Например, прогноз может оценить количество транспортных средств на запланированной дороге или мосту, пассажиропоток на железнодорожной линии, количество пассажиров, посещающих аэропорт, или количество судов, заходящих в морской порт. Прогнозирование трафика начинается со сбора данных о текущем трафике. Эти данные о трафике объединяются с другими известными данными, такими как население, занятость, частота поездок, транспортные расходы и т. д., для разработки спроса модели на трафик для текущей ситуации. Ввод в него прогнозируемых данных о населении, занятости и т. д. приводит к оценкам будущего трафика, обычно оцениваемого для каждого рассматриваемого сегмента транспортной инфраструктуры, например, для каждого сегмента дороги или железнодорожной станции. Современные технологии облегчают доступ к динамическим данным, большим данным и т. д., предоставляя возможность разрабатывать новые алгоритмы, которые значительно улучшат предсказуемость и точность текущих оценок. [1]
Прогнозы трафика используются для нескольких ключевых целей в транспортной политике, планировании и проектировании : для расчета пропускной способности инфраструктуры, например, сколько полос движения должно иметь мост; оценить финансовую и социальную жизнеспособность проектов, например, используя анализ затрат и выгод и оценку социального воздействия ; и для расчета воздействия на окружающую среду , например, загрязнения воздуха и шума.
Четырехшаговые модели [ править ]
В рамках рационального планирования прогнозы транспорта традиционно следовали последовательной четырехэтапной модели или процедуре планирования городского транспорта (UTP), впервые реализованной на мэйнфреймах в 1950-х годах в рамках исследования трафика в столичном районе Детройта и исследования транспорта в районе Чикаго (CATS).
Прогнозирование землепользования запускает этот процесс. Обычно прогнозы делаются для региона в целом, например, по приросту населения. Такие прогнозы предоставляют контрольные суммы для анализа местного землепользования. Обычно регион делится на зоны и путем трендового или регрессионного анализа определяются численность населения и занятость для каждой.
Четыре этапа классической модели системы планирования городского транспорта:
- Генерация поездок определяет частоту отправления или назначения поездок в каждой зоне в зависимости от цели поездки, в зависимости от землепользования, демографических характеристик домохозяйства и других социально-экономических факторов.
- Распределение поездок сопоставляет пункты отправления и пункты назначения, часто используя функцию гравитационной модели , эквивалентную модели максимизации энтропии . Более старые модели включают метод Фратара или Фернесса, тип итеративной пропорциональной подгонки . [2]
- Выбор режима рассчитывает долю поездок между каждым пунктом отправления и назначения, в которых используется конкретный вид транспорта (эта модальная модель может иметь логит- форму).
- При назначении маршрута поездки между пунктами отправления и назначения распределяются по маршруту определенным видом транспорта. Часто (для назначения маршрута по шоссе) Уордропа принцип равновесия пользователей применяется (эквивалент равновесия Нэша ), при котором каждый водитель (или группа) выбирает кратчайший (по времени в пути) путь, при условии, что все остальные водители делают то же самое. Сложность в том, что время в пути является функцией спроса, а спрос является функцией времени в пути, так называемая двухуровневая проблема . Другой подход заключается в использовании модели конкуренции Штакельберга , где пользователи («последователи») реагируют на действия «лидера», в данном случае, например, диспетчера трафика. Этот лидер предвидит реакцию последователей.
После классической модели проводится оценка по согласованному набору критериев и параметров решения. Типичным критерием является анализ затрат и выгод. Такой анализ может быть применен после того, как модель распределения сети определит необходимую мощность: стоит ли такая мощность? Помимо определения этапов прогнозирования и принятия решений как дополнительных этапов процесса, важно отметить, что прогнозирование и принятие решений пронизывают каждый этап процесса UTP. Планирование имеет дело с будущим и зависит от прогнозирования.
Модели, основанные на деятельности [ править ]
Модели, основанные на деятельности, — это еще один класс моделей, которые прогнозируют для людей, где и когда будут выполняться определенные действия.(например, работа, отдых, шоппинг, ...).
Основная предпосылка, лежащая в основе моделей, основанных на деятельности, заключается в том, что спрос на поездки определяется деятельностью, которую люди нуждаются или желают выполнять, при этом решения о поездках являются частью решений по планированию. В таком случае путешествие рассматривается лишь как один из атрибутов системы. Таким образом, модель поездки задается в контексте повестки дня как компонент решения о планировании деятельности.
Модели, основанные на деятельности, предлагают другие возможности, чем четырехэтапные модели, например, для моделирования экологических проблем, таких как выбросы и воздействие загрязнения воздуха. Хотя их очевидные преимущества с точки зрения охраны окружающей среды были признаны Шифтаном почти десять лет назад, [3] приложения к моделям воздействия остаются редкими. Модели, основанные на деятельности, недавно использовались для прогнозирования выбросов. [4] и качество воздуха. [5] [6] Они также могут обеспечить более точную общую оценку воздействия, а также позволяют дезагрегировать индивидуальное воздействие по видам деятельности. [7] [8] Таким образом, их можно использовать для уменьшения ошибочной классификации воздействия и более точного установления взаимосвязи между воздействием на здоровье и качеством воздуха. [9] Политики могут использовать модели, основанные на активности, для разработки стратегий, которые уменьшают воздействие за счет изменения временных моделей активности или ориентированы на конкретные группы населения. [10] [11]
землепользования модели транспорт — Интегрированный
Эти модели предназначены для прогнозирования влияния изменений в транспортной сети и операциях на будущее местоположение деятельности, а затем прогнозирования влияния этих новых мест на спрос на перевозки.
Модели для каждого водителя [ править ]
Поскольку наука о данных и технологии больших данных становятся доступными для моделирования транспорта, исследования движутся в сторону моделирования и прогнозирования поведения отдельных водителей в целых городах на индивидуальном уровне. [12] Это потребует понимания происхождения и назначения отдельных водителей, а также их полезных функций. Это можно сделать путем объединения данных о каждом водителе, собранных в дорожных сетях , таких как мои камеры ANPR , с другими данными о людях, такими как данные из их в социальных сетях профилей , данные о покупках по картам магазинов и история поисковых систем . Это приведет к более точным прогнозам, расширению возможностей контроля дорожного движения для индивидуальной приоритезации конкретных водителей, но также и к этическим проблемам, поскольку местные и национальные правительства будут использовать больше данных об идентифицируемых лицах. Хотя интеграция таких частично личных данных заманчива, существуют серьезные опасения по поводу возможности конфиденциальности , связанные с критикой массовой слежки .
Предшествующие шаги [ править ]
Хотя это и не идентифицируется как этапы процесса UTP, сбор большого количества данных процесс анализа UTP предполагает . Собираются данные переписи населения и землепользования, а также опросы на дому и опросы в поездках. Опросы домашних интервью, данные о землепользовании и специальные исследования привлекательности поездок предоставляют информацию, на основе которой используются инструменты анализа UTP.
Сбор, управление и обработка данных; оценка модели; и использование моделей для составления планов — широко используемые методы в процессе UTP. Вначале в США данные переписи населения дополнялись методами сбора данных, разработанными Бюро дорог общего пользования (предшественником Федерального управления шоссейных дорог ): процедурами подсчета трафика, кордоном «откуда вы едете» и куда ты идешь?», а также методы домашнего собеседования. Протоколы кодирования сетей и понятие зон анализа или трафика возникли в CATS.
Для оценки модели использовались существующие методы, а планы разрабатывались с использованием любых моделей, разработанных в ходе исследования. Основное различие между настоящим и тем временем заключается в разработке некоторых аналитических ресурсов, специфичных для планирования перевозок, в дополнение к методам сбора данных BPR, которые использовались в первые дни.
Обзор [ править ]
Последовательный и совокупный характер прогнозирования транспорта подвергся серьезной критике. Несмотря на то, что были достигнуты улучшения, в частности, создание базы для удовлетворения спроса на поездки, многое еще предстоит сделать. В 1990-х годах большая часть федеральных инвестиций в модельные исследования пошла на проект Transims в Национальной лаборатории Лос-Аламоса , разработанный физиками. Хотя использование суперкомпьютеров и детальное моделирование могут быть улучшением практики, еще предстоит доказать, что они лучше (более точны), чем традиционные модели. Коммерческая версия была передана IBM. [13] версия с открытым исходным кодом также активно поддерживается как TRANSIMS Open-Source. [14] [15]
за 2009 год В отчете Счетной палаты правительства отмечалось, что федеральный обзор моделирования транспорта сосредоточен больше на требованиях к процессам (например, имела ли общественность адекватную возможность комментировать?), чем на результатах транспортировки (таких как сокращение времени в пути или сохранение выбросов загрязняющих веществ или парниковых газов ). в пределах национальных стандартов). [16]
Одним из основных упущений при использовании транспортных моделей на практике является отсутствие какой-либо обратной связи с транспортными моделями по землепользованию. Инвестиции в автомагистрали и транзит не только реагируют на землепользование , но и формируют его. [17]
См. также [ править ]
- Управление воздушным движением
- Журнал транспорта и землепользования
- Предвзятость оптимизма
- Прогнозирование эталонного класса
- Управление дорожным движением
- Узкое место в трафике
- ТРАНУС
Примечания [ править ]
- ^ «Создание единого алгоритма управления системами дорожного движения. [Социальное воздействие]. ИТС. Центр и испытательный стенд интеллектуальных транспортных систем» . SIOR, Открытый репозиторий социального воздействия .
- ^ Робинсон, Даррен, изд. (12 ноября 2012 г.). «6» . Компьютерное моделирование устойчивого городского проектирования: физические принципы, методы и приложения . Рутледж. п. 157. ИСБН 9781136539350 . Проверено 6 октября 2017 г.
- ^ Шиптан Ю. (2000). «Преимущество моделирования на основе деятельности для целей качества воздуха: теория против практики и будущие потребности». Инновации . 13 (1): 95–110. дои : 10.1080/135116100111685 . S2CID 143098156 .
- ^ Беккс С., Арентце Т., Инт Панис Л., Янссенс Д., Ванкерком Дж., Уэтс Г. (2009). «Комплексная система моделирования на основе видов деятельности для оценки выбросов транспортных средств: подход и применение». Окружающая среда и планирование B: Планирование и дизайн . 36 (6): 1086–1102. дои : 10.1068/b35044 . S2CID 62582857 .
- ^ Беккс С., Инт Панис Л., Ван Де Вел К., Арентце Т., Янссенс Д., Уэтс Г. (2009). «Вклад транспортных моделей, основанных на деятельности, в моделирование качества воздуха: проверка цепочки моделей АЛЬБАТРОС - АВРОРА». Наука об общей окружающей среде . 407 (12): 3814–3822. Бибкод : 2009ScTEn.407.3814B . doi : 10.1016/j.scitotenv.2009.03.015 . ПМИД 19344931 .
- ^ Хацопулу М., Миллер Э. (2010). «Связь модели спроса на поездки, основанной на деятельности, с моделями выбросов и дисперсии дорожного движения: вклад транспорта в загрязнение воздуха в Торонто». Транспортные исследования, часть D. 15 (6): 315–325. дои : 10.1016/j.trd.2010.03.007 .
- ^ Дондт; и др. (2012). «Оценка воздействия загрязнения воздуха на здоровье с использованием профиля динамического воздействия: последствия для оценок воздействия и воздействия на здоровье». Обзор оценки воздействия на окружающую среду . 36 : 42–51. дои : 10.1016/j.eiar.2012.03.004 .
- ^ Беккс С. (2009). «Дезагрегирование общенациональных оценок динамического воздействия на население в Нидерландах: применение транспортных моделей, основанных на активности». Атмосферная среда . 43 (34): 5454–5462. Бибкод : 2009AtmEn..43.5454B . дои : 10.1016/j.atmosenv.2009.07.035 .
- ^ Инт Панис Л (2010). «Новые направления: эпидемиология загрязнения воздуха может выиграть от моделей, основанных на деятельности». Атмосферная среда . 44 (7): 1003–1004. Бибкод : 2010AtmEn..44.1003P . дои : 10.1016/j.atmosenv.2009.10.047 . hdl : 1942/11256 .
- ^ Инт Панис Л. и др. (2009). «Социально-экономический класс и воздействие загрязнения воздуха NO2 в Нидерландах». Эпидемиология . 20 (6): С19. дои : 10.1097/01.ede.0000362234.56425.2c . S2CID 72144535 .
- ^ Инт Панис Л. и др. (2009). «Моделирование гендерно-специфического воздействия загрязнения воздуха» . Эпидемиология . 20 (6): С19. дои : 10.1097/01.ede.0000362233.79296.95 . S2CID 72224225 .
- ^ Фокс, Чарльз (25 марта 2018 г.). Наука о данных для транспорта . Спрингер.
- ↑ Transims . Архивировано 19 сентября 2008 г. в Wayback Machine.
- ^ TRANSIMS с открытым исходным кодом - Главная
- ^ Транспортный анализ и моделирование
- ^ Счетная палата правительства США (9 сентября 2009 г.). «Организации городского планирования: существуют варианты повышения потенциала транспортного планирования и федерального надзора» . Счетная палата правительства США . Счетная палата правительства США . Проверено 7 октября 2017 г.
- ^ ван Ви, Берт (2015). «Точка зрения: к новому поколению моделей взаимодействия землепользования и транспорта» . Журнал транспорта и землепользования . 8 (3) . Проверено 7 октября 2017 г.
Ссылки [ править ]
- Майкл Мейер, Эрик Дж. Миллер . Планирование городского транспорта, McGraw-Hill, 2-е издание, 2000 г. ISBN 0-07-242332-3
- Аскотт, Элизабет. 2006. Анализ затрат и выгод от эстакады Wonderworld в Сан-Маркосе, штат Техас. Прикладной исследовательский проект. Техасский государственный университет. http://ecommons.txstate.edu/arp/104/
- Майкл Г. МакНелли, 2000. Четырехшаговая модель. В: Справочник по транспортному моделированию, под ред. Дэвид А. Хеншер и Кеннет Дж. Баттон, 35–52. http://www.its.uci.edu/its/publications/papers/CASA/UCI-ITS-AS-WP-00-5.pdf
- Майкл Г. МакНелли, 2000. Подход, основанный на деятельности. В: Справочник по транспортному моделированию, под ред. Дэвид А. Хеншер и Кеннет Дж. Баттон, 53–69. http://www.its.uci.edu/its/publications/papers/CASA/UCI-ITS-AS-WP-00-4.pdf
- Георг Херткорн, (2005) Микроскопическое моделирование зависящего от времени спроса на трафик и моделей транспортных потоков. Диссертация (немецкий язык), Немецкий аэрокосмический центр, Институт транспортных исследований. http://elib.dlr.de/21014/1/fb_2004-29_v2.pdf