Beta 1


Title Vurdering af usikkerheder ved trafikmodellering
Author Knudsen, Mette Aagaard ([affiliation name could not be established])
Supervisor Nielsen, Otto Anker (Trafikmodelgruppen, Center for Trafik og Transport, Danmarks Tekniske Universitet, DTU, DK-2800 Kgs. Lyngby, Denmark)
Rich, Jeppe (Trafikmodelgruppen, Center for Trafik og Transport, Danmarks Tekniske Universitet, DTU, DK-2800 Kgs. Lyngby, Denmark)
Institution Technical University of Denmark, DTU, DK-2800 Kgs. Lyngby, Denmark
Thesis level Master's thesis
Year 2006
Abstract The superior purpose of this project is to examine the uncertainties connected with traffic modelling. In the present project the uncertainties associated with traffic modelling has been classified as uncertainties connected with context, data, parameters, model and results. The classification is based on a model uncertainty structure set up in the article “Defining Uncertainty A Conceptual Basis for Uncertainty Management in Model-Based Decision Support” from 2003 written by W.E. Walker from Delft university of Technology. Context is covering choicesrelated to the leveof detail in the model, which limits the possibilities of the model. Uncertainties concerning the results are covering an overall valuation of the single uncertainty contributions and how these influence each other. The treatment of uncertainties related to traffic modelling is divided into two analyses: a quantitative examination of model uncertainties and a comparative static sensitivity analysis of model results with stochastic parameter values. The analysis of model uncertainties which has been carried out has been structured as superior analysis of the model parameters influence of the model results. A four-step model, the Næstved model and the software program Traffic Analyst from Rapidis, has been used for this purpose. Initially the model, the program, and the programs possibilities are valuated based on the five uncertainty types. Subsequently the focus of the project is concentrated around the parameter uncertainties and how these affect the results. A sensitivity analysis is carried out, to highlight the consequences of the parameter uncertainties of the Næstved model. The sensitivity analysis of the model in use and the implied calculation tool is not a type of analysis which evaluates the quantity of the uncertainties related to the present model, though it is an analysis, which valuates different parameter uncertainties influence on the model results. The analysis is carried out through a Monte Carlo simulation, containing a hundred repeated calculations with normal distributed parameter values. For the hundred stochastic simulated parameter values it is assumed that the original parameter values of the model can vary with a normal distributed error term were the standard deviation is proportional with the average values. The applied model, the Næstved model, is constructed as a traditional four-step model with feedback calculations. The results of the traffic assignment update the travel resistance of the network, which is used for renewed calculations of the trip distribution and the mode choice. The travel demand in terms of trip amount is in the current model set to be constant and without influence on the travel resistance. Themodel is valuated as a rough traffic model. This is based on the lacking details associated with the road users not being divided into more homogenous groups and on the traffic modelling in a single 24 hour time interval. Valuation of the model is compared with the accessible possibilities within Traffic Analyst. Generally seen, the model is more sophisticated than other regional and city traffic models. The comparatively rough model for Næstved and surroundings, is evaluated to be sufficient for the work with the sensitivity analysis of the parameters in the model, were every single adjustment simplifies the analysis. The software programme in use, Traffic Analyst, is valuated to be a fine tool for modelling in a four-step model. This is caused by the possibility it provides for the use of far more details than implied in the present model. This is among others, caused by the fact that the traffic is modelled based on recommended theory and that the programme is undergoing a fluent update as a result of the close interaction between CTT, DTU and the producer Rapidis. For this project it has been necessary to keep the calculations and the evaluation of the results within a reasonable and clear size. By this reason, it has been necessary with simplifications and generalisations. Therefore the parameters has been divided into five parameter groups, were each group is used for the same part of the calculations in the traditional four-step model. The amount of calculations is bounded to calculation of parameter variation of each of the five parameter groups and one single calculation with similar parameter variation of all the parameters. The calculations are carried out with increased standard deviation of the parameters. In this way the following are examined: · influence of the model results, caused buy the variation of the single parameter groups · influence of the model results, at equal percentage modifications of all the parameter groups · change of model results when the standard deviation of the parameters are increased For the result evaluation, some model results have been chosen for whom, the effects of the parameter spread is examined. Here some selected results are given to highlight both results of the four-step model and results of the single model steps. The results are treated in the shape that they are generated within the model calculations. The following model results are chosen for investigation: · number of trips by car · number of trips with public transportation · travel resistance within the network · number of vehicles on the separate links · speed of the separate links The evaluation of the results is systematically carried out for the different calculations for the five model results. This lead to 30 analyses, which highlights how variation of some parameters influences on the results and which parameters that has the largest influence on the separate results. Afterwards the amount of traffic is increased and a small analysis is carried out of the problems related to congestion. It is valuated if the parameters influences differently on the results when the net is affected by congestion. The analysis of the parameter variation generally shows the results which were expected. Variation of parameters which are directly used in the model expressions clearly influences on the current model results. It is as well seen that the uncertainties for the single calculations of the four-step model is transferred to the following model steps. On the other hand, no clear effect is shown on the reverse feedback calculation, were the travel resistance is influenced by the travel demand. The analysis of the model influenced by congestion does not show as clear changes as expected. This might be caused by the model settings for traffic amounts larger than the capacity restraints. For traffic amounts lager that the capacity restraints, the speed s set to be constant, this speed level could be to high compared to the large amount of traffic which are applied to the net. Thereby it could occur that the travel times, will not be as reduced as characteristic as it should and that the travel times then would not influence the travel resistance in a measurable way. Too high cueing speed could be the explanation of the effects of congestion not having shown the expected outcomes. The unexpected outcome can as well be explained by the large changes in traffic amounts that make the results unable to show reliable tendencies as a course of congestion. Calculations carried out on the original traffic amounts shows a clear tendency of the normal distributed parameter values giving normal distributed results. This means that the results made upon parameter uncertainties probably can be specified with a probability interval. The results do as well show linear relations between changed parameter variation and changed variation of results. This indicates that the expectations to the consequence of the parameter uncertainties can be valuated based on the size of the parameter variation and the linear relations. Results with variation of trip generation parameters and thereby the variation of the basic amount of trips shows for several analysis the largest influence on the variation of the results. The variation of the amount of trips primary gives changes that do not affect the pattern of the results, but more general affects the traffic amounts and the variation of the traffic amounts for the whole model. The rest of the parameter variations on the other hand courses changes of the model result patterns. This describes the model uncertainties as the variation of the trip amount can be seen as the daily variation. Analysis of the effects cause by the parameter uncertainties is to great extend connected to the specific model with its specific adjustments. But it is assumed that several of the tendencies probably can be transferred into more general expectations of uncertainties related to model calculations carried out with Traffic Analyst. To be able to give specific connections will necessitate a number of complementing analysis as for example more specific analysis of the model in question or analysis of other traffic models, which uses the same modelling tool.
Abstract Det overordnede formål med projektet er at undersøge usikkerheder forbundet med trafikmodellering. I nærværende projekt er usikkerhederne ved trafikmodellering inddelt i usikkerheder forbundet med kontekst, data, parametre,model og resultater. Inddelingen er valgt ud fra nogle opstillede rammer for modelusikkerheder, fundet i en artikel af bl.a. W.E. Walker fra Delft University of Technology ”Defining Uncertainty A Conceptual Basis for Uncertainty Management in Model-Based Decision Support” fra 2003. Kontekst dækker over valg og fravalg af modellens detaljering, som afgrænser modellens muligheder. Resultatusikkerhederne dækker over en samlet vurdering af de enkelte usikkerhedsbidrag og, hvorledes disse influerer på hinanden. Behandlingen af usikkerheder forbundet med trafikmodellering er opdelt i to analyser: en kvantitativ gennemgang af modelusikkerheder og en komparativ statisk følsomhedsanalyse af modelresultaterne med stokastiske parameterværdier. Den gennemførte analyse af modelusikkerheder er struktureret som en overordnet analyse af modelparametrenes indflydelse på modelresultaterne. Til formålet er anvendt en traditionel 4-trinsmodel, Næstvedmodellen og softwareprogrammet Traffic Analyst fra Rapidis. Indledningsvist vurderes modellen, programmet og programmets muligheder ud fra en usikkerhedsvurdering, der tager udgangspunkt i de fem typer usikkerhedskategorier. Efterfølgende er fokus i projektet koncentreret om parameterusikkerheder, og hvorledes de påvirker resultaterne. Til at belyse betydningen af parameterusikkerheder udføres en følsomhedsanalyse af Næstvedmodellen. Følsomhedsanalysen af den anvendte model og det anvendte beregningsværktøj er ikke en analyseform, som vurderer størrelsen af usikkerhederne forbundet med den pågældende model. Derimod er det en analyse, der vurderer forskellige parameterusikkerheders indflydelse på modelresultaterne. Den gennemføres ved Monte Carlo simuleringer, som består af 100 gentagne beregninger med normalfordelte parameterværdier. For de 100 stokastisk simulerede parameterværdier antages det, at modellens oprindelige parameterværdier kan variere med et stokastisk normalfordelt fejlled, hvor spredningen er proportional med middelværdierne. Den anvendte model, Næstvedmodellen, er opbygget som en traditionel 4-trinsmodel med feedbackberegninger. Resultaterne af rutevalgsberegningen opdaterer nettets rejsemodstand, som anvendes til nye beregninger af turfordeling og transportmiddelvalg. Modellens rejseefterspørgsel i form af antal ture er konstant uden påvirkning af nettets rejsemodstand. Modellen er vurderet som en grov trafikmodel grundet den manglende detaljering af trafikanterne i mere homogene grupper og pga. modellering af trafikken i et enkelt tidsinterval på 24 timer. Vurderingen af modellen er sammenholdt med de tilgængelige muligheder med Traffic Analyst, for overordnet set er modellen mere raffineret end mange andre regionale modeller og bytrafikmodeller. Den forholdsvis grove model over Næstved og omegn vurderes tilstrækkelig til arbejdet med følsomhedsanalysen af parametrene i modellen, hvor de enkle indstillinger forenkler analysen. Det anvendte software program, Traffic Analyst, vurderes som godt værktøj til 4-trinsmodellering, fordi det giver mulighed for langt flere detaljeringer, end der er anvendt i den pågældende model. Det skyldes bl.a., at trafikken modelleres ud fra anbefalet teori, og at programmet løbende opdateres pga. tæt samspil mellem CTT, DTU og producenten Rapidis. For dette projekt har det været nødvendigt at holde beregninger og resultatbehandlingen indenfor et rimeligt og overskueligt omfang. Det har derfor været nødvendigt med en række forenklinger og generaliseringer. Derfor er parametrene opdelt i fem parametergrupper, hvor hver gruppe anvendes til den samme del af beregningerne i den traditionelle 4-trinsmodel. Omfanget af beregninger er afgrænset til beregninger med parametervariation af hver enkelt af de fem parametergrupper og en enkelt beregning med ens parametervariation af samtlige parametre. Beregningerne gennemføres med øget parameterspredning. På den måde undersøges: · påvirkningen af modelresultaterne ved variation af de enkelte parametergrupper · påvirkningen af modelresultaterne ved lige store procentvise ændringer af samtlige parametergrupper · ændringen af modelresultaterne, når parameterspredningen øges. Til resultatbehandlingen er udvalgt enkelte modelresultater for hvilke, effekterne af parameterspredningerne er undersøgt. Her er udvalgt resultater, som skal belyse både resultaterne af hele 4-trinsmodellen, og resultaterne af de enkelte modeltrin. Resultaterne behandles, i den form de fremkommer ved modelberegningerne. Det er valgt at undersøge modelresultaterne: · antal ture med bil · antal ture med kollektiv transport · nettets rejsemodstand · antal køretøjer på de enkelte strækninger · hastighederne på de enkelte strækninger Resultatbehandlingen gennemføres systematisk for de forskellige beregningers effekt på de fem modelresultater. Det giver 30 delanalyser, som belyser hhv., hvorledes variation af nogle parametre påvirker de forskellige resultater, og hvilke parametre som har størst indflydelse på de enkelte resultater. Efterfølgende gennemføres en mindre analyse, hvor trafikmængderne er øget i et omfang, så der opstår trængselsproblemer i nettet. Her undersøges, om parametrene påvirker resultaterne anderledes i tilfælde med trængsel i nettet. Generelt viser analysen af parametervariationerne de umiddelbart forventede resultater. Dvs. at variationen af de parametre som anvendes direkte i modeludtrykkende påvirker de pågældende modeludtryk tydeligt. Ligeledes ses det, at usikkerhederne for de enkelte delberegninger i 4-trinsmodellen overføres til de efterfølgende modeltrin. Til gengæld ses ingen tydelig effekt af den modsatrettede feedbackberegning, hvor rejsemodstand påvirker rejseefterspørgslen. Analysen med trængsel i nettet viser ikke så markante ændringer som forventet, hvilket formentlig skyldes modelindstillingerne for trafikmængder overkapacitetsgrænserne. For trafikmængder over kapacitetsgrænsen sættes hastighederne til en defineret konstant hastighed. Den kan være for høj sammenlignet med de markant store trafikmængder, som er påført nettet. Således er det muligt, at rejsetiderne ikke reduceres så markant, som de burde, og at de dermed ikke har påvirket nettets rejsemodstand i en grad, som er mulig at påvise. For høje køhastigheder kan være årsagen til, at effekten ved trængsel ikke har vist de forventede udfald, men det kan også skyldes for store ændringer af trafikmængderne til, at resultaterne viser reelle tendenser som følge af trængsel. Beregningerne med de oprindelige trafikmængder viser en tydelig tendens til, at denormalfordelte parameterværdier giver normalfordelte resultater. Det betyder, at resultaterne ved medtagen af parameterusikkerheder formentligt kan angives med etsandsynlighedsinterval. Ligeledes viser resultaterne lineære sammenhænge mellem ændret parameterspredning og ændret spredning af resultaterne. Det indikerer, at forventningen til betydningen af parameterusikkerheder kan vurderes ud fra størrelsen af parameterspredning og den lineære sammenhæng. Resultaterne med variation af turgenerationsparametrene og dermed variation af detgrundlæggende antal ture viser størst påvirkning af resultaternes spredning for flere af analyserne. Men variationen af antallet af ture i modellen giver primært ændringer som ikke påvirker mønstre i resultaterne, men mere generelt ændrer trafikmængder og spredningen af trafikmængderne for hele modellen. De øvrige parametervariationer medfører derimod ændringer af mønstrene i modelresultaterne. Det beskriver modelusikkerhederne, idet variationen af antallet af ture på sin vis kan ses som medtagen af f.eks. daglig variation. Analyserne af effekten af parameterusikkerhederne er i høj grad knyttet til den specifikke model med de specifikke indstillinger. Men det er vurderet, at flere af tendenserne formentligt kan overføres til mere generelle forventninger til usikkerheder forbundet med modelberegninger med Traffic Analyst. Helt konkrete sammenhænge kræver en række supplerende analyser, f.eks. mere specifikke analyser af den pågældende model eller analyser af andre trafik-modeller, der anvender samme modelleringsværktøj.
Pages 155
Fulltext
Original PDF Mette_Aa_Knudsen_Hovedrapport.pdf (1.52 MB)
Admin Creation date: 2006-07-19    Update date: 2007-02-24    Source: dtu    ID: 190366    Original MXD