Kan vi lita pÃ¥ trafikprognoser?

More documents

Recommendations

Info

fördelningen påminner mycket om en normalfördelning men är beräkningstekniskt lättare att hantera. Sannolikheten Pi för att en individ väljer alternativ i blir då: P i = eµV i e µV j ∑ j∈C där µ är en skalparameter och C är mängden av möjliga alternativ för individen Vi kan inte avgöra vilket alternativ individen uppfattar som bäst utan bara beräkna sannolikheten för att ett visst alternativ väljs. Skalparametern µ som ingår i modellen är omvänt proportionell mot standardavvikelsen för slumptermen ε i . Ju större "slumpdel" desto mindre skalparameter µ. Skalparametern µ går dock inte att skatta separat, utan de parametrar som vi skattar är en produkt av skalparametern och de sanna parametrarna βi. Strukturerade logitmodeller Om man vill att modellerna ska återspegla val på olika nivåer i en beslutsstruktur så uppstår problem med antagandet om att εi−termerna är oberoende och identiskt fördelade. Det kan t ex gälla om man vill studera det kombinerade valet av resfrekvens, destinationsval och färdmedelsval. I det fallet kan olika färdmedelsalternativ till samma destination uppfattas som mer lika av individen med avseende på den slumpmässiga termen än samma färdmedelsalternativ till olika destinationer (dvs D1F1 och D1F2 uppfattas som mer lika än D1F1 och D2F1). Ett sätt att hantera detta är att tillåta statistiskt beroende mellan slumptermerna genom s k strukturerade logitmodeller. Logitmodeller av den strukturerade typen används vanligen i modellsystem för trafikprognoser. En strukturerad logitmodell i tre nivåer med resgenerering, destinationsval och färdmedelsval på de olika nivåerna skulle kunna ha följande utseende: Resfrekvens 0 1 Destination D1 D2 ....... DJ Färdmedel F1 F2 ...... FJ F1 F2 ...... FJ F1 F2 ...... FJ De undre nivåerna påverkar val i överliggande nivå. Färdmedelsvalet inverkar på destinationsvalet och destinationsvalet i sin tur påverkar resegenereringen. Koppling mellan nivåerna sker i modellerna med sk logsummor som i princip är logaritmen för summan av den typ som uppträdde i uttrycket för valsannolikheten Pi ovan. I ovanstående bild skulle logsumman i 8
kopplingen mellan färdmedelsval och destinationsval föra över tillgängligheten till de olika destinationerna i form av restider och kostnader vägda med sina parametrar för alla tillgängliga färdmedel. Logsumman kan sägas beskriva den förväntade maximala nyttan av alla alternativ på en underliggande nivå. Indata När logitmodeller skattas, görs det på ett datamaterial som visar hur individer har valt mellan olika alternativ. Det finns två metoder att ta fram underlag att skatta logitmodeller på. Den ena bygger på hur individer faktiskt har betett sig och den andra på hur individer påstår att dom skulle bete sig i en given situation. Metoder som bygger på observationer av faktiskt beteende kallas Revealed Preferences (RP). Resultatet vid resvaneundersökningar där intervjupersoner får föra resedagbok är av denna kategori. Metoder som grundar sig på intervjupersoners uttalande om hur de skulle reagera i olika tänkta situationer kallas Stated Preferences (SP). Fördelen med RP-teknik gentemot SP-teknik är att man faktiskt vet hur folk har betett sig och slipper förlita sig på vad folk säger att dom skulle göra i en viss situation. RP-undersökningar är emellertid kostsamma eftersom ett stort underlag krävs för att få tillräcklig variation i de variabler som ingår i modellen. I många naturliga beslutssituationer samvarierar vissa variabler som t ex restid och reskostnad. Utan tillräcklig variation kan det då vara svårt att med RPteknik identifiera den separata betydelsen av restid respektive reskostnad och därmed hur individerna värderar sin tid. En SP-undersökning behöver däremot inte bli lika omfattande eftersom man själv kan se till att valsituationerna varierar enligt vissa statistiska principer. En annan fördel med SP-teknik är att man kan undersöka effekten av förändringar utan att genomföra dem i verkligheten (som t ex värdet av regnskydd vid busshållplatsen). Skattning av parametrar Parametervärdena β 1 ...β k i nyttofunktionen bestäms vanligen med den sk Maximum Likelihood metoden. Detta är en statistisk skattningsmetod som innebär att man söker de parametervärden som gör att den skattade modellen med största möjliga sannolikhet stämmer med det observerade beteendet i dataunderlaget. Det leder i allmänhet till att modellen reproducerar genomsnittsvärden i dataunderlaget. 2.3 Nätverksjämvikter I trafik- och godstransportmodeller representeras den verkliga transportinfrastrukturen av ett transportnätverk. I sin enklaste form motsvaras faktiska vägar av länkar och korsningar av noder. Nätverket kan också vara mera komplext med noder som utgör övergångar mellan olika nätverk, t ex övergång från lastbilstransport till järnvägstransport. Vidare behöver inte en länk motsvara en verklig fysisk länk, utan länken kan också representera sjö- eller flygrutter. Till varje länk finns det en kostnadsfunktion som anger kostnaden att färdas mellan noderna som länken sammanbinder. Kostnaden brukar anges i generaliserad kostnad, vilket uttrycker kostnaden i monetära termer att färdas på länken. Faktiska kostnader, t ex bensinkostnader, läggs ihop med tidskostnader i form av restid, väntetid, omlastningstid etc. Detta implicerar att man ansätter ett tidsvärde. Antag att vi har en länk av viss längd. När vägen är nästan tom tar det en viss tid att färdas på länken. Denna tid beror på vilken vägtyp det är frågan om, t ex vilken hastighetsbegränsning 9
Page 1 and 2: Kan vi lita på trafikprognoser? -
Page 3 and 4: 2 Grundbegrepp 2.1 Fyrstegsmodeller
Page 5 and 6: I en enkelt begränsad modell tänk
Page 7: 2.2 Logitmodellen Inledning Logitmo
Page 11 and 12: Generaliserad kostnad per trafikant
Page 13 and 14: hög- respektive ett lågutveckling
Page 15 and 16: Ett enkelt exempel på hur man ber
Page 17 and 18: Det är svårt att använda sig av
Page 19 and 20: varugrupper. För vissa enskilda va
Page 21: gärder är ju det avgörande hur k

Kan vi lita pÃ¥ trafikprognoser?

Create successful ePaper yourself

Delete template?

Save as template?