De haalbaarheid en meerwaarde van quasi-dynamisch toedelen en vertrektijdstipkeuzemodellering binnen de BBMA Martijn Heynickx Kobus Zantema 9 MAART 2016
Inhoud Aanleiding Proces Case studie Quasi-dynamisch toedelen Vertrektijdstipkeuze Conclusies
Aanleiding
bottlenecks, terugslag, filedruk, ... Aanleiding In 2014: BBMA audit op vraag van PS: “Verbeter het model verder door de modellering van vertrektijdstipkeuze en congestiemodellering te verbeteren...” Geregeld vragen vanuit omgeving en projecten Behoefte vanuit inhoud en toepassingen voor verbreding eigen inzichten en analysemogelijkheden bottlenecks, terugslag, filedruk, ...
Aanleiding
Aanleiding
Aanleiding Resultaten en randvoorwaarden: Realistischere reistijdbepaling (vb. betere match met “gemeten reistijden”) Onderdeel van en embedded in heel schattingsproces BBMA, geen “aanhangsel” Toepasbaar tav. projecteffecten Enkel voor automodaliteit Inclusief kruispuntmodellering Rekentijden moeten acceptabel blijven
Proces
Proces Beslissing voor go collectief vanuit kernteam Start van 2 ontwikkeltrajecten bewust in “intermezzo”-periode, ontwikkelwerk dus niet als onderdeel van actualisatie Uitvoering door Dat.Mobility/Goudappel in opdracht van provincie Noord-Brabant Aanstelling van klankbordgroep met RWS/WVL en Panteia/Significance Resultaten zijn over het algemeen plausibel geacht
Proces Vervolg: Implementatie en uitrol in de BBMA (onderdeel van actualisatie v2017) Aandacht voor hoger benodigd detail in input, maar ook bij controle! Daarbij extra toelichting en uitleg nodig tav. interpretatie resultaten bij stakeholders Afstemming parameters? Verklaarbaarheid resultaten?
Case study
Beschrijving Case study Avondspitstoedeling bij aansluiting Rosmalen op de A59 Variant met capaciteitsuitbreiding
Statisch model (vigerend BBMA) Referentie Variant
Quasi-dynamisch toedelen
Stroomschema BBMA 1.RitKeuze 2. Vervoerwijzekeuze 3. Bestemmingskeuze SocioData RitGeneratieModel 1.RitKeuze Vertrekken en Aankomsten per zone 2. Vervoerwijzekeuze ZwaarteKrachtModel (ZKM) 3. Bestemmingskeuze HbMatrices per vervoerwijze Statische evenwichtsToedeling 4. RouteKeuze Reistijden op HB niveau (skimmatrix) Multirouting toedeling Statische AON toedeling Wegvakintensiteiten, wegvaksnelheden Baanvak/lijn-intensiten Baanvak/lijnsnelheden Wegvakintensiteiten, fietssnelheden 15
Van Statisch naar STAQ 1.RitKeuze 2. Vervoerwijzekeuze SocioData RitGeneratieModel 1.RitKeuze Vertrekken en Aankomsten per zone 2. Vervoerwijzekeuze ZwaarteKrachtModel (ZKM) 3. Bestemmingskeuze 1 2 4a 3a 5a 6a HbMatrices per vervoerwijze STAQ 4. RouteKeuze Reistijden op HB niveau (skimmatrix) Multirouting toedeling Statische AON toedeling Wegvakintensiteiten, wegvaksnelheden Baanvak/lijn-intensiten Baanvak/lijnsnelheden Wegvakintensiteiten, fietssnelheden
Wat is STAQ? Voorbeeld met een statisch toedeling Capaciteit= 6000 vtg/u Capaciteit= 4000 vtg/u A B Vraag= 4200 vtg/u Wat is de lengte van de wachtrij en de reistijd van A naar B na 1 uur? Volgens een traditioneel statisch model: Geen fysieke wachtrij, vertraging in de bottleneck Reistijd wordt berekend met een reistijdfunctie:
Wat is STAQ? Voorbeeld met dynamisch model Capaciteit= 6000 vtg/u Capaciteit= 4000 vtg/u Status 3 Status 2 Status 1 A B B Vraag= 4200 vtg/u Wat is de lengte van de wachtrij en de reistijd van A naar B na 1 uur? In een realistisch dynamisch toedelings model: - File lengte: 1150m - Reistijd: 12 min. 6000 Flow (veh/h) 4000 2000 v1 ,v3 100 200 300 400 Density(veh/km) v2
Wat is STAQ? Capaciteit= 6000 vtg/u Capaciteit= 4000 vtg/u A B Vraag = 4200 vtg/u Wat is de lengte van de wachtrij en de reistijd van A naar B na 1 uur? In STAQ: Squeezing… - File lengte: 1150m - Reistijd: 12 min. Queuing…
Statisch vs Quasi-dynamisch (referentie) STAQ
Statisch vs Quasi-dynamisch (variant) STAQ
Vertrektijdstipkeuze
Toevoegen vertrektijdstipkeuzemodel SocioData RitGeneratieModel 1.RitKeuze Vertrekken en Aankomsten per zone 2. Vervoerwijzekeuze ZwaarteKrachtModel (ZKM) 3. Bestemmingskeuze VertrektijdstipkeuzeModel HbMatrices per vervoerwijze STAQ 4. RouteKeuze Reistijden op HB niveau (skimmatrix) Multirouting toedeling Statische AON toedeling Wegvakintensiteiten, wegvaksnelheden Baanvak/lijn-intensiten Baanvak/lijnsnelheden Wegvakintensiteiten, fietssnelheden
Vertrektijdstipkeuze (ToD) Als gevolg van congestie kan iemand besluiten om eerder of later te vertrekken Het model gaat uit van een gewenst vertrek- en aankomsttijdstip (OViN) Afwijking van deze gewenste tijdstippen, alsmede reistijd worden als ‘kosten’ meegenomen 7:00 8:00 9:00
Quasi-Dynamisch vs STAQ+ToD (ref) Zwaarte van de bottleneck neemt af als gevolg van vertrektijdstipkeuze (meer verkeer buiten de spits) Absolute afname bottleneck: 61 voertuigen
Quasi-Dynamisch vs STAQ+ToD (var) Door het verminderen van de bottleneck verschuift er minder verkeer naar de restdag Absolute afname bottleneck: 24 voertuigen De verschuiving kan natuurlijk ook komen door vertraging elders op de route
Effecten vertrektijdstipkeuze
Verschuiving op gebiedsniveau 1,46% 1,71% 2,13% 1,53% 1,99% 2,37% 6,03% 9,32% 9,92% 3,79% 1,65% 1,51% 1,72% 1,47% 1,89% 2,18% 5,67% 7,19% 9,24% 2,90% 2,20% 1,49% 1,64% 1,45% 1,84% 3,91% 7,85% 9,46% 2,50% 1,43% 1,48% 1,82% 1,63% 3,69% 4,32% 6,72% 1,90% 1,76% 1,85% 1,69% 3,86% 1,66% 2,93% 3,17% 7,45% 2,23% 1,56% 1,52% 1,50% 1,97% 1,54% 3,36% 2,96% 2,08% 1,83% 3,05% 1,42% 1,41% 2,11% 2,27% 1,87% 2,98% 1,78% 1,58% 0,00% 1,44% 2,40% 2,52% 2,03% 2,47% 1,60% 1,59% 2,62% 2,06% 1,79% Referentie: gebied 1 gebied 2 gebied 3 gebied 4 gebied 5 gebied 6 gebied 7 gebied 8 gebied 9 gebied 10 1,46% 1,71% 2,15% 1,48% 1,90% 2,29% 5,41% 8,85% 8,91% 2,76% 1,66% 1,51% 1,77% 1,47% 1,83% 2,23% 5,22% 6,82% 8,34% 2,48% 2,19% 1,49% 1,63% 1,45% 1,50% 1,82% 3,52% 7,23% 8,42% 2,16% 1,43% 1,72% 1,58% 3,58% 4,36% 6,23% 1,79% 1,64% 1,75% 3,72% 1,57% 2,90% 3,23% 6,98% 1,55% 1,68% 1,52% 3,56% 2,83% 2,02% 2,10% 1,73% 1,84% 1,42% 1,87% 1,41% 2,08% 2,09% 2,22% 2,75% 0,00% 1,44% 2,26% 1,88% 2,21% 1,54% 1,40% 2,44% Variant:
Convergentie en resultaten
Convergentie - STAQ
Convergentie - ToD iteratie ochtendspits avondspits totaal 2 0,028973 0,107573 0,079971 3 0,002701 0,016381 0,01126 4 0,000287 0,004201 0,002748 5 3,25E-05 0,001302 0,000829 6 3,75E-06 0,000345 0,000218 7 4,33E-07 0,000104 6,53E-05 8 3,98E-08 3,29E-05 2,07E-05 9 2,29E-09 1,07E-05 6,72E-06 10 1,89E-09 3,53E-06 2,22E-06 11 1,7E-09 1,18E-06 7,39E-07 12 1,69E-09 3,78E-07 2,38E-07 13 1,21E-07 7,66E-08 14 4,38E-08 2,81E-08 15 1,37E-08 9,21E-09 16 1,51E-09 1,57E-09 17 2,18E-09 7,35E-10 18 1,24E-09 1,54E-10 19 1,98E-10 7,57E-10 20 1,27E-09 1,43E-09 Als voorbeeld de convergentie in het uitsnedemodel (het beeld in de BBMB is gelijk) In iteratie 5 is het maximum verschil in reistijd tov iteratie 4 ongeveer 16 seconden (in de avondspits)
Convergentie - ZKM
Rekentijden BBMA met STAQ en TOD BBMB Routeset 4:30:00 Transportmodel 1 iteratie 5:27:00 8:34:00 - weerstandsmatrices 0:05:00 - zkm 0:43:00 - time of day 4:56:00 - jteration 1 1:48:00 - jteration 2 1:03:00 - jteration 3 1:06:00 - postprocessing 0:59:00 Totaal 3 iteraties met eindtoedeling (in min) 20:51:00 25:42:00
Indicatie: reistijden* *Disclaimer: De STAQ reistijden (rood) zijn gemaakt op basis van de oorspronkelijke statische matrices, de ZKM reistijden (blauw) zijn gemaakt zonder de parameters van ZKM te herschatten en zonder kalibratie. Hierbij is de hoeveelheid verkeer lager dan verwacht op de trajecten.
Conclusies
Conclusies STAQ zorgt voor een verbetering van de reistijdschatting door de betere congestiemodellering en dus een realistischere verkeersafwikkeling in het netwerk Vertrektijdstipkeuze leidt tot een verschuiving van verkeer uit de spits, oplossen van de bottlenecks leidt tot een terug-naar-de-spits effect. Dit volgt de lijn der verwachting Rekentijden nemen zelfs af Risicobeperking actualisatie: Door de tijd tussen actualisaties te gebruiken voor onderzoek Door tijdens de ontwikkeling ook het gehele schattingsproces te doorlopen worden hierin verrassingen vermeden
Vragen?
DAT.Mobility BV TEL 0570 666 111 MAIL info@dat.nl WEBSITE www.dat.nl