Sei sulla pagina 1di 14

1. Un nuovo algoritmo per il problema dell’equilibrio dinamico deterministico

di Giuseppe Bellei*, Guido Gentile* e Lorenzo Meschini*

1.1. Introduzione

L’oggetto di questo lavoro è l’assegnazione dinamica intraperiodale vista come equilibrio dinamico, o Dynamic Traffic Assignment (DTA), nel caso in cui la domanda sia specificata attraverso un modello di scelta del percorso deterministico. Estendendo al caso dinamico il primo principio di Wardrop, la DTA deterministica viene definita come lo stato in cui nessun utente può ridurre il proprio costo di viaggio cambiando unilateralmente percorso (Smith, 1993;

Heydecker e Addison, 1996). In particolare, si assume che gli utenti, in qualità di decisori razionali perfettamente informati, associno ad ogni percorso il suo costo effettivo, cioè il costo che sarebbe effettivamente sperimentato spostandosi lungo

di

esso, e quindi scelgano un percorso di costo minimo. Si noti che la DTA è diversa dall’Instantaneous DTA, dove gli utenti scelgono

in

base ai costi di percorso istantanei, dati dalla somma dei costi dei relativi archi

valutanti nell’istante di partenza dall’origine. Per via del tipo di consistenza temporale che si deve assicurare, la DTA è più difficile da formulare e risolvere rispetto all’Instantaneous DTA. In letteratura, la DTA deterministica viene prevalentemente formulata come un problema di disequazioni variazionali a dimensioni finite o infinite, nei flussi entranti e nei costi di percorso (Smith, 1993; Wie et al., 1995; Huang e Lam, 2002), oppure nei flussi entranti e nei costi d’arco (Chen and Hsueh, 1998). Peraltro, esistono altri approcci di formulazione: Janson e Robles (1993) formulano la DTA come un problema di programmazione non-lineare bi-livello nei flussi entranti d’arco; Bellei e Bielli (1996) presentano una formulazione di punto fisso nei flussi entranti d’arco, dove il Dynamic Network Loading (DNL) viene introdotto come sotto-problema (Wu et al., 1998); Wisten e Smith (1997) propongono un problema di controllo ottimo nelle probabilità condizionate d’arco. In un recente articolo (Bellei, Gentile e Papola, 2002) viene presentata una nuova formulazione di punto fisso della DTA stocastica nei profili temporali dei flussi entranti d’arco, dove il concetto di mappa di carico della rete, o Network

Università di Roma “La Sapienza”.

1

Loading Map (NLM), la quale fornisce i flussi d’arco per dati flussi di domanda consistentemente con certe prestazioni d’arco (Cantarella, 1997), viene esteso al caso dinamico, così da evitare l’introduzione del DNL come sotto-problema. Inoltre viene presentato un efficiente algoritmo risoluto ad enumerazione implicita dei cammini per il caso del Logit, dove la consistenza temporale della configurazione dei flussi d’arco attraverso le funzioni di prestazione d’arco viene ottenuta solo congiuntamente all’equilibrio. Il contributo innovativo del presente lavoro è quello di estendere questo approccio al caso in cui il modello di scelta del percorso sia deterministico. A tal fine, viene proposto un nuovo algoritmo per valutare la NLM nel caso deterministico, dove si tiene conto esplicitamente delle traiettorie sulla rete tracciate dai flussi di domanda. Contrariamente a quasi tutti gli altri modelli di caricamento presenti in letteratura, il metodo proposto consente di discretizzare l’orizzonte temporale in intervalli “lunghi” (5-10 minuti), in quanto non viene assunta l’ipotesi che il minimo tempo di percorrenza d’arco sia maggiore della durata di un intervallo temporale. Ciò consente di risolvere in tempi di calcolo e risorse di memoria accettabili istanze del problema definite su reti di grandi dimensioni. Janson e Robles (1993) mettono in evidenza che la formulazione della DTA nei flussi d’arco non necessita dell’enumerazione esplicita dei cammini, ma richiede che la scelta del percorso dipenda esclusivamente dai tempi di spostamento. Questa limitazione viene superata nel presente lavoro dal punto di vista formale, anche se l’algoritmo proposto per la valutazione della NLM richiede costi di percorso necessariamente proporzionali ai tempi di spostamento. L’algoritmo può essere anche utilizzato nel contesto di una simulazione Monte Carlo per valutare la NLM nel caso di una assegnazione stocastica in cui il modello di scelta del percorso è di tipo Probit. Al fine di concentrare l’attenzione sugli aspetti innovativi qui introdotti e per semplificare la notazione, verrà considerata una singola classe di utenti e una domanda origine-destinazione fissa, riguardando la sola scelta del percorso come elastica. Dal lato dell’offerta, le prestazioni d’arco vengono valutate mediante un modello macroscopico link-based con vicolo di capacità sulla sezione finale e rappresentazione esplicita delle code, fondato sulla approssimazione di fluido mono-dimensionale. Tale modello è non-separabile rispetto al tempo, perché le prestazioni ad un dato istante dipendono dalla precedente storia dei flussi entranti, ma è separabile rispetto allo spazio, perché il fenomeno dello spillback non viene rappresentato.

1.2. Il modello matematico

Poiché l’analisi è condotta in contesto dinamico, le variabili del modello sono profili temporali, qui rappresentati come funzioni C 1 a tratti della variabile tempo τ, definita nel periodo di analisi [0, Θ]. Gli spostamenti degli utenti sulla rete stradale sono rappresentati attraverso un grafo fortemente connesso G = (N, A), dove N è l’insieme dei nodi e A è l’insieme

2

degli archi. Ogni arco a è identificato dal suo nodo iniziale TL(a), detto coda, e dal suo nodo finale HD(a), detto testa: a = (TL(a), HD(a)). Le origini e le destinazioni degli spostamenti degli utenti costituiscono un sotto-insieme C di nodi, detti centroidi. Nel seguito si assume che, spostandosi dal nodo x alla destinazione d, gli utenti considerano l’insieme K xd di tutti i cammini aciclici da x a d. L’insieme degli archi che escono e entrano, rispettivamente, in un dato nodo x, sono dette stella in uscita e stalla in entrata: FS(x) = {aA: TL(a) = x} e BS(x) = {aA: HD(a) = x}. La topologia dei cammini viene descritta mediante la seguente notazione insiemistica:

A k xd

insieme degli archi che costituiscono il cammino kK xd ;

A k xd a insieme degli archi che costituiscono il sotto-cammino kK xd tra x e la

K a TL(a)d

coda di aA k xd ; sotto-insieme dei cammini kK TL(a)d che cominciano con l’arco a.

Per quanto riguarda la domanda e i flussi viene utilizzata la seguente notazione:

d od (τ) flusso di domanda degli utenti che viaggiano dall’origine o alla destinazione d o partendo all’istante τ ;

d

profilo temporale del vettore dei flussi di domanda, di dimensioni

(D

× 1), dove D = |C|(|C|-1);

f a (τ)

flusso dei veicoli che entrano nell’arco a all’istante τ ;

f

profilo temporale del vettore dei flussi entranti d’arco, di dimensioni

(|A| × 1)

P k od (τ) probabilità che gli utenti seguono il percorso kK od partendo all’istante τ ;

P profilo temporale del vettore delle probabilità di scelta, di dimensioni

(K × 1), dove K = oC, dC |K od |;

p a d (τ) probabilità di usare l’arco a per chi viaggia verso la destinazione d,

condizionata al trovarsi nel nodo TL(a) all’istante τ;

p profilo temporale del vettore delle probabilità condizionate d’arco, di dimensioni (|A||C| × 1). Nel seguito i profili temporali dei flussi di domanda, riferiti all’istante di partenza dall’origine, sono assunti fissati, strettamente positivi nell’intervallo [0, ], con 0 < < Θ, e nulli altrove. Per quanto riguarda le prestazioni viene utilizzata la seguente notazione:

c a (τ) costo dell’arco a per gli utenti che vi entrano nell’stante τ ;

c profilo temporale del vettore dei costi d’arco, di dimensioni (|A| × 1);

t a (τ) istante di uscita dall’arco a per gli utenti che vi entrano nell’istante τ ;

t a -1 (τ)

istante di entrata nell’arco a per gli utenti che vi escono nell’istante τ ;

t

profilo temporale del vettore degli istanti di uscita, di dimensioni (|A| × 1);

C k xd (τ) costo effettivo del cammino kK xd per gli utenti che lasciano il nodo x all’istante τ ;

C profilo temporale del vettore dei costi generalizzati dei percorsi

relativi alle coppie o-d, di dimensione (K × 1); T k xd a (τ) istante di entrata nell’arco aA k xd per gli utenti che seguono il

3

w x d (τ)

percorso kK xd lasciando il nodo x all’istante τ ; valore del minimo costo effettivo di cammino all’istante τ tra tutti i

percorsi dell’insieme K xd ;

w profilo temporale del vettore dei minimi costi attuali di cammino, di dimensioni (|N||C| × 1). Il modello di offerta è fondato su un modello di deflusso macroscopico in cui gli utenti sono rappresentati come particelle di un fluido mono-dimensionale parzialmente comprimibile (Cascetta, 2001) e i profili temporali delle prestazioni sono assunti continui. Inoltre, vengono introdotti vincoli di capacità sulle sezioni finali degli archi, in modo da rappresentare esplicitamente le code dei veicoli. In questo contesto vale la regola FIFO, ma i profili temporali dei flussi entranti d’arco sono intrinsecamente discontinui, perché, quando scompare la coda su un arco, il flusso uscente passa istantaneamente dalla capacità ad un valore legato al flusso entrante. Con riferimento ai profili temporali degli istanti di uscita, assumendo la debole ipotesi che tutte le code scompaiono entro l’istante , per dati τ΄ < τ˝ si ha pertanto:

t a (τ) < t a (τ΄) , T k xd a (τ) < T k xd b (τ΄).

(1)

In base all’equazione (1), in ogni istante τ ove la derivata del profilo temporale esiste, risulta:

(2)

dt a (τ)/dτ > 0 , dT k xd a (τ)/dτ > 0.

La monotonicità espressa dalla (1) assicura che i profili temporali degli istanti di uscita siano invertibili. E’ opportuno osservare che la (1) e la (2) valgono anche per i profili temporali inversi degli istanti di uscita. Assumendo l’ipotesi che i costi siano additivi, il costo effettivo del cammino kK xd all’istante τ è dato dalla somma dei costi degli archi aA k xd che lo costituiscono, ciascuno riferito all’istante T k xd a (τ) in cui gli utenti che lasciano il nodo x in τ raggiungono il nodo TL(a); cioè:

(3)

C k xd (τ) = aA k xd c a (T k xd a (τ)).

1.2.1. Modello di prestazione d’arco

I fenomeni di congestione vengono formalmente rappresentati assumendo che i

profili temporali degli istanti di uscita e dei costi d’arco dipendano dai profili temporali dei flussi entranti d’arco:

t = t( f ),

(4)

c = c( f ).

(5)

I funzionali di prestazione (4) e (5) sono qui specificati con riferimento al

modello di arco-nodo presentato in Bellei, Gentile, Papola (2002), dove: a) il generico arco a, di lunghezza L a e massima velocità consentita V a , consiste in n a corsie parallele con capacità veicolare Q; b) il generico nodo x rappresenta una

4

intersezione semaforizzata con ciclo fisso di durata CT x , dove ogni arco entrante aBS(x) ha una fase dedicata con frazione di rosso effettivo r a , così che la

capacità dell’arco risulta ridotta a Q a = n a Q(1-r a ). L’arco viene quindi rappresentato considerando due fasi in serie: una fase di corsa, che simula il tempo

di percorrenza dell’arco incluso il ritardo dovuto alla coda di sovra-saturazione;

una fase di attesa, che rappresenta il ritardo dovuto alla coda di sotto-saturazione propria di un servizio ad intermittenza. Assumendo, per quanto riguarda la fase di corsa, che i veicoli viaggino alla massima velocità consentita, fino a quando si devono accodare, e, per quanto riguarda la fase di attesa, che i veicoli subiscono il ritardo medio di sotto- saturazione, gli istanti di uscita che ne risultano possono essere espressi come

segue:

t

a

(

τ

)

 

L r

a

a

+

2

CT

(

HD a

)

τ +

τ

V

a

k

BQa

+

21

a

a

(

+

(

1

)

rf

aa

(

τ

)
)

1

Q

⋅−−

L

V

r

a

CT

(

HD a

)

  +

2

Q

a

a

)

τ

τ

BQa

k

f

a

EQa

(

τ

)

, τ

k

1

=



≤≤

ττ

d

τ

,

τ

k

BQa

k

BQa

≤≤

ττ

EQa

k

, (6)

dove τ BQ a k +L a /V a e τ EQ a k +L a /V a sono, rispettivamente, gli istanti in cui la coda

di sovra-saturazione compare e scompare sull’arco a per la k-esima volta.

Il

costo

d’arco

per

+ m

 

utenti

che

vi

entrano

nell’istante

τ

si

assume

(

)

τ ,

(7)

gli

a

semplicemente dato da:

ctτ

=⋅η

aa

(

)

(

(

)

ττ

)

dove m a è il profilo temporale del costo monetario e η è il valore del tempo.

1.2.3. Modello deterministico di scelta del percorso

Nell’ipotesi che gli utenti siano decisori razionali perfettamente informati e che quindi scelgano un cammino di costo effettivo minimo, il modello deterministico

di scelta del percorso può essere formulato tramite la seguente estensione al caso

dinamico del primo principio di Wardrop:

- se il generico cammino kK od è utilizzato all’istante τ, cioè la probabilità di scelta P k od (τ) è positiva, allora il costo effettivo C k od (τ) è uguale al minimo costo effettivo w o d (τ) per viaggiare tra o e d partendo nello stesso istante;

- vice versa, se il cammino k non è utilizzato, cioè P k od (τ) = 0, allora il suo costo effettivo può essere più grande del minimo costo effettivo. Formalmente, si ha:

d

x

w

()

τ

=

min

{

xd

k

C

()

τ

:

kK

xd

}

,

5

(8)

PCwτ

k

ko

od

()

(

od

()

d

())

ττ−=

0

.

(9)

Chiaramente, le probabilità di scelta devono soddisfare le seguenti condizioni:

k

od

P

k

K

od

(

τ

)

od

P

k

0

.

(

τ

)

=

1

,

(10)

 

(11)

Si noti che, quando c’è più di un cammino di costo effettivo minimo tra una coppia o-d, la configurazione delle probabilità di scelta che risolve il sistema (8)÷(11) non è unica. Ne segue che le probabilità di scelta che risultano dal modello deterministico di scelta del percorso devono essere formalmente espresse attraverso una mappa uno-molti:

(12)

P(τ) P(C(τ)).

1.2.4. Modello di caricamento della rete tutto o niente

In questo paragrafo viene formulato il modello di carico della rete tutto o niente estendendo al caso deterministico la formulazione ad enumerazione implicita dei cammini presentata in (Bellei, Gentile e Papola, 2002), che è fondata sul concetto di probabilità condizionata d’arco. Per definizione, la probabilità di scelta P k od (τ) del generico cammino kK od all’istante τ è uguale al prodotto delle probabilità condizionate degli archi aA k che lo costituiscono, ciascuna riferita all’istante T k od a (τ) in cui gli utenti che partono da o in τ raggiungono TL(a); cioè:

od

od

P

k

()

τ

=

a

od

k

A

(

pT

a

d

od

ka

())

τ

.

(13)

L’idea che ispira la formulazione ad enumerazione implicita dei cammini è quella di decomporre la scelta del percorso in una sequenza di scelte d’arco esercitate in ciascun nodo tra gli archi della sua stella in uscita, durante lo spostamento verso la destinazione. In generale questa decomposizione è possibile solo se, in ciascun nodo, le probabilità condizionate d’arco sono uguali per tutti gli utenti diretti verso la stessa destinazione, a prescindere dal sotto-cammino fin li utilizzato. Nel caso di scelta del percorso deterministica, data una qualsiasi configurazione dei costi, c’è sempre qualche punto della mappa uno-molti (12) in corrispondenza del quale detta condizione è soddisfatta simultaneamente per tutti gli archi. Riferendosi a tali punti, in base alla (13) si ha pertanto:

P

od

()

τ

(

HD a

ka

= pPτ

j

d

()

)

d

(

t

a

(

τ

))

,

6

(14)

dove a è il primo arco del cammino k e il cammino j coincide con k a meno di a. Inoltre, al fine di determinare la probabilità condizionata del generico arco a, ci si può riferire agli eventuali utenti che partono dalla sua coda, ottenendo così:

p

d

a

(

τ

)

=

k

K

TL(a)d

a

TL

P

k

(

a

)

d

(

τ

)

.

(15)

Moltiplicando entrambi i membri della (15) per w TL(a) d (τ), in base alla (9) si ha:

d

pw

a

TL

d

(

τ

)

⋅=

(

a

)

(

τ

)

k

TL

a

K

(

a

)

d

P

TL

a

(

)

d

(

)

C

TL

a

(

)

d

(

kk

ττ

)

.

(16)

Poiché i cammini dell’insieme K a TL(a)d coincidono, a meno dell’arco a, con quelli dell’insieme K HD(a)d , in base alla (14) e alla (3) il secondo membro della (16) diventa:

j

K

HD(a)d

pP

a

τ

j

d

(

)

(

HD a

)

d

(

t

a

(

))

(

ττ

c

a

⋅+

(

)

C

HL a

(

)

(

d

t

ja

(

τ

)))

,

e può essere riscritto come:

p

d

a

()

ττ

 

c

a

⋅⋅

()

jK

(

HD a

)

d

(

Pt

j

a

HD a

)

d

(

(

τ

))

+

jK

HD(a)d

PtCt

j

a

τ

ja

(

HD a

)

d

(

(

))

(

HL a

)

d

(

(

τ

))

 

.

In base alla (10) e alla (9), dalla (16) si ha quindi:

p

ddd

()

ττ⋅+c

()

wt

(

HD a

)

a

(

τ

w

(

TL a

(

(

))

aa

)

(

τ

)

)

=

0

.

(17)

Per definizione, le probabilità condizionate d’arco devono anche soddisfare le seguenti condizioni:

a

FS TL a

(

(

d

p τ

a

(

)

0

.

))

p a d (

τ

)

=

1

,

(18)

 

(19)

Si noti che il sistema (17)÷(19) coincide con la specificazione deterministica della probabilità associata alla scelta del generico arco a. Le probabilità condizionate d’arco che ne derivano devono quindi essere formalmente espresse attraverso una mappa uno-molti:

(20)

Chiaramente, data una configurazione delle prestazioni, l’insieme delle configurazioni delle probabilità di scelta di percorso ottenute componendo la mappa uno-molti (20) attraverso l’equazione (13) è solamente un sotto-insieme di

p p(w, c, t).

7

quello che risulta dalla (12). Tuttavia, poiché quando si risolve il problema di assegnazione occorre determinare un qualsiasi punto della mappa delle scelte, detta circostanza non costituisce un limite significativo del modello ad enumerazione implicita dei cammini. Poiché i cammini dell’insieme K xd possono essere partizionati in base al loro primo arco, l’equazione (8) può essere riscritta come:

{

w

d

xk

()

τ

=

min

C

xd

()

τ

:

a ∈∈FS

x

()

, k

K

xd

a

} .

(21)

Poiché i cammini dell’insieme K a TL(a)d coincidono, a meno dell’arco a, con quelli dell’insieme K HD(a)d , in base alla (3) il secondo membro della (21) diventa:

min

{

c

a

(

τ

)

+ C

HD a

j

(

)

d

(

t

a

(

τ

))

:

a ∈∈FS

x

, j

(

)

K

(

)

HDad

}

,

(22)

che, essendo la minimizzazione associativa, può essere riscritto come:

{

min min

{

c a (

τ

)

(

+ C

HD a

j

)

d

( t

a (

τ

))

:

HD a

(

)

d

}

j ∈∈K

:

a

FS

(

x

)

}

.

Infine, poiché il termine c a (τ) è comune a tutti i termini del minimo interno, in base alla (8) la (21) diventa:

{

w

d

xa

()

ττ=+c

min

()

w

d

HD a

(

)

(

t

a

(

τ

))

:

a FS

(

x

)

}

.

(23)

Si noti che la (23) coincide con la specificazione deterministica della soddisfazione associata alla scelta dell’arco nel generico nodo x. Per questo motivo i minimi costi attuali di cammino possono essere riferiti come soddisfazioni di nodo. La relazione ricorsiva (23) viene formalmente espressa dal seguente funzionale:

(24)

w = w(c, t).

Applicando la regola FIFO e quella di conservazione dei veicoli (Cascetta, 2001, pag. 376) tra la coda e la testa di ogni arco, il flusso f a d (τ) diretto alla destinazione d che entra nell’arco a all’istante τ è dato da:

dd

f

a

()

=⋅ 

()

 

ττ

p

a

d

(

TL a

)

d

(

τ

)

µ

+

b

BS

(

(

TL a

))

 

(

ft

bb

d

1

(

τ

))

t

b

1

(

τ

)

τ

 

 

,

(25)

dove d TL(a)d è nullo se TL(a)C e µ è il coefficiente di occupazione dei veicoli. Il flusso totale entrante nell’arco a è quindi:

f

a

()

τ

=

d

C

d

f

a

()

τ

.

(26)

In base alla (25), la (26) è espressa formalmente dal seguente funzionale:

8

f = ω( p, t ; d).

(27)

Si noti che, poiché il grafo è fortemente connesso, assumendo che le capacità degli archi siano strettamente positive, esiste un istante Θ < entro il quale tutti gli spostamenti si sono conclusi, così che i profili temporali dei flussi entranti d’arco sono nulli fuori dal periodo di analisi [0, Θ].

1.3. Formulazione dell’equilibrio dinamico

La formulazione ad enumerazione implicita dei cammini del modello DTA proposta nella precedente sezione, è sinteticamente rappresentata nello schema in figura 1, dove la freccia tratteggiata denota un qualsiasi punto della mappa uno- molti da cui esce.

mappa di carico della rete d p(w, t, c) p w ω( p, t ;
mappa di carico della rete
d
p(w, t, c)
p
w
ω( p, t ; d)
w(c, t)
f
t
c
t( f )
c( f )
modello di prestazione d’arco

Figure 1 – Formulazione del modello DTA ad enumerazione implicita dei cammini.

In analogia con il caso statico, la NLM è una relazione funzionale che consente di determinare, per date prestazioni d’arco t e c, una configurazione dei flussi d’arco f consistente con i flussi di domanda d attraverso il modello di scelta del percorso, che qui è stato formulato ad enumerazione implicita dei cammini introducendo le soddisfazioni di nodo w e le probabilità condizionate d’arco p. Nel caso di scelta del percorso deterministica, la NLM risulta dunque dalla combinazione della (24) e della (20) con la (27):

(28)

Sostituendo la (4) e la (5) nella (28), la DTA risulta formulata come un

f ω(p(w(c, t), c, t), t ; d).

9

problema di punto fisso nei profili temporali dei flussi entranti d’arco:

f ω(p(w(c( f ), t( f )), c( f ), t( f )), t( f ) ; d).

1.4. Algoritmo risolutivo

(29)

Al fine di implementare il modello DTA proposto, il periodo di analisi [0, Θ] viene suddiviso in I intervalli temporali identificati dalla sequenza di istanti (τ 0 , … , τ i , … ,τ I ), con τ 0 = 0 e τ I = Θ. Nel seguito si assume di approssimare il generico profilo temporale x mediante una funzione costante a tratti o lineare a tratti definita dai valori che esso prende in corrispondenza dei suddetti istanti, così che nei due casi si ha, rispettivamente:

x(τ 0 ) = x 0 ,

x(τ) = x i

, τ (τ i-1 , τ i ]

, i = 1, … , I,

(30.1)

x(τ 0 ) = x 0 ,

x(τ) = x i-1 + (τ -τ i-1 ) (x i -x i-1 ) /(τ i -τ i-1 )

, τ (τ i-1 , τ i ]

, i = 1, … , I.

(30.2)

In particolare, i profili temporali dei flussi si assumono costanti a tratti, mentre quelli delle altre variabili si assumono lineari a tratti. Grazie a questa ipotesi, il generico profilo temporale x può essere rappresentato numericamente mediante il vettore riga x = (x 0 , … , x i , … , x I ), di dimensioni (1 × I+1). Lo stato della rete all’istante τ 0 si assume noto; di seguito, senza perdita di generalità, la rete viene considerata inizialmente scarica.

1.4.1. Prestazioni d’arco

In base alle ipotesi (30), il modello di prestazione d’arco presentato nel paragrafo 1.2.1. è implementato dalla seguente procedura, simile a quella proposta in Bellei, Gentile e Papola (2002), i cui risultati sono leggermente difformi dalla (6) al fine di assicurare la regola FIFO. Viene utilizzata la seguente notazione:

s a i ritardo dovuto alla coda di sotto-saturazione per i veicoli che entrano nell’arco a all’istante τ i .

function t = t(f) for each aA t a 0 = L a /V a for i = 1 to I t a i = max{t a i-1 +(τ i -τ i-1 ) f a i /Q a , τ i +L a /V a } next i s a 0 = 0.5r a 2 CT HD(a) for i = 1 to I s a i = max{0.5r a 2 CT HD(a) [1/(1 -(1-r a ) f a i /Q a (τ i -τ i-1 )/(t i -t i-1 )] , t a i-1 -t a i }

10

next i for i = 0 to I t a i = t a i +s a next i next a end function

i

function c = ĉ(t) for each aA for i = 0 to I c a i = η⋅(t a i -τ i ) +m a next i next a end function

i

1.4.2. Caricamento della rete tutto o niente

In questo paragrafo viene presentato un nuovo algoritmo per la valutazione della NLM deterministica, dove si tiene conto esplicitamente delle traiettorie sulla rete tracciate dai flussi di domanda, ma che richiede costi di percorso necessariamente proporzionali ai tempi di spostamento. Lo scopo è quello di determinare, data una configurazione delle prestazioni d’arco, un particolare valore della NLM consistente con il fatto che tutti gli utenti che partono in un dato istante dalla generica origine siano caricati su uno stesso albero di minimo costo effettivo. Si noti che l’esistenza di tale albero è condizionata alla proporzionalità tra costi e tempi poiché solo in questo caso vale il principio di ottimalità (Pallottino and Scutellà, 1998). Sia dunque:

K o (τ)

l’albero di costo effettivo minimo che connette l’origine o a tutti i nodi sul quale vengono caricati gli utenti che partono all’istante τ ;

l’istante in cui un utente partito dall’origine o nell’istante τ raggiunge

il nodo x utilizzando l’albero K o (σ). L’algoritmo è basato sulla seguente approssimazione: K o (τ) può cambiare solo negli istanti τ i , i = 1, … , I, e quindi è costante all’interno di ciascun intervallo temporale (τ i-1 , τ i ]; cioè:

K o (τ) = K o i , τ (τ i-1 , τ i ] .

(31)

Ne segue che, per ogni origine o, è sufficiente effettuare una sequenza finita di caricamenti della rete, ciascuno dei quali propaga i flussi di domanda che partono da o durante un intervallo temporale (τ i-1 , τ i ] coerentemente con K o i , per quanto

riguarda lo spazio, e con gli intervalli

, per ogni nodo x, per

quanto riguarda il tempo. Si noti che i costi attuali minimi che corrispondono a K o i-1 e K o i sono uguali nell’istante τ i-1 (posto che l’approssimazione introdotta sia

T

K

o

x

(

σ

) (

τ

)

(

i

K

T

x

o

(

τ

i

1

)

,T

x

o

K

i

(

τ

i

)]

11

verificata). In base all’ipotesi di proporzionalità tra tempi e costi, ne segue che

anche i tempi di raggiungimento

uguali. La NLM può dunque essere valutata dalla procedura label-setting di seguito riportata, dove viene utilizzata la seguente notazione:

istante in cui un utente partito dall’origine o nell’istante τ i raggiunge il nodo x utilizzando l’albero K o i ; numero di veicoli che passano attraverso il nodo x durante l’intervallo temporale (T x o i-1 , T x o i ] diretti da l’origine o verso tutte le destinazioni; arco predecessore del nodo x nell’albero K o i ; costo dall’origine o al nodo x sull’albero K o i ;

Q insieme di nodi ordinati per costo dall’origine crescente.

di ciascun nodo x sono

i

K

T

x

o

1

(

τ

i

1

)

e

T

x

o

K

i

(

τ

i

1

)

T x o i

v x o i

π x o i z x o i

function f = f NML (c, t ; d) f = 0 , v = 0 , z = for each oC for i = 1 to I z o o i = 0

T x o i = τ i

Q = {o}

do until Q =

x = Q(1)

Q = Q \ {x} for each aFS(x) y = HD(a) ψ = z x o i + c a (T x o i ) if z y o i > ψ then

π y o i = a

z y

o i = ψ

T y o i = t a (T x o i )

if y Q then Q = Q \ {y} Q = Q {y} end if next a loop for each dC v d o i = (d od i / µ)(τ i -τ i-1 ) next d

for each yN in decreasing topological order

a

= π y

o i

x

= TL ( a )

= TL(a)

for each j | δ > 0 , δ = mis((τ j-1 , τ j ](T x o i-1 , T x o i ])

f a j = f a j + v y o

⋅ δ / (T x o i-1 -T x o i ) / (τ j -τ j-1 )

12

next j

v x o i = v x o i + v y

next y

next i

next o

end function

o i

1.4.3. Equilibrio dinamico

La formulazione di punto fisso ad enumerazione implicita dei cammini (29) viene risolta attraverso l’MSA mediante la seguente procedura.

function DTA

k = 0

do until (||f -y|| < ε or k > k max ) and k > 0 k = k +1

,

f = 0

,

y = f

loop

end function

t

= t(f)

c

= č(t)

y

= f NML (c, t ; d)

f

= f +1/k (y -f)

Bibliografia

Bellei G., Bielli M. (1996) Dynamic traffic assignment in congested networks, in Advanced Methods in Transportation Analysis, ed.s Bianco L., Toth P., Springer Verlag, Heidelberg, Germany, 263-298 Bellei G., Gentile G., Papola N. (2002) A within-day dynamic traffic assignment model for urban road networks, submitted to Transportation Research. Cantarella G.E. (1997) A general fixed-point approach to multimode multi-user equilibrium assignment with elastic demand, Transportation Science 31, 107-128 Cascetta E. (2001) Transportation systems engineering: theory and methods, Kluwer Academic Publisher, Dordrecht, The Netherlands Chen H.K., Hsueh C.F. (1998) A model and an algorithm for the dynamic user-optimal route choice problem, Transportation Research B 32, 219-234 Heydecker B.G., Addison J.D. (1996) An exact expression of dynamic traffic equilibrium, in Proceedings of the 13th International Symposium on Transportation and Traffic Theory, ed. Lesort J.B., Elsevier, Amsterdam, 359-383 Huang H.J., Lam W.H.K. (2002) Modelling and solving the dynamic user equilibrium route and departure time choice problem in network with queues, Transportation Research B 36, 253-273 Janson B.N., Robles J. (1993) Dynamic traffic assignment with arrival time costs, in Transportation and Traffic Theory, ed. Daganzo C.F., Elsevier, Amsterdam, 171-184 Pallottino S., Scutellà M.G. (1998) Shortest path algorithms in transportation models:

13

classical and innovative aspects, in Equilibrium and advanced transportation modelling, ed.s Marcotte P., Nguyen S., Kluwer Academic Publisher, Dordrecht, The Netherlands,

245-281

Smith M.J. (1993) A new dynamic traffic model and the existence and calculation of dynamic user equilibria on congested capacity-constrained road networks, Transportation Research B 27, 49-63 Wie B.W., Tobin R.L., Friesz T.L., Bernstein D. (1995) A discrete time, nested cost operator approach to the dynamic network user equilibrium problem, Transportation Science 29, 79-92 Wisten M.B., Smith M.J. (1997) Distributed computation of dynamic traffic equilibria, Transportation Research C 5, 77-93 Wu J.H., Chen Y., Florian M. (1998) The continuous dynamic network loading problem: a mathematical formulation ad solution method, Transportation Research B 32, 173-187

Sommario

In questo lavoro, l’equilibrio dinamico, o Dynamic User Equilibrium, viene formalizzato e risolto come un problema di punto fisso ad enumerazione implicita dei cammini nei profili temporali dei flussi entranti d’arco, facendo riferimento al caso in cui la domanda è specificata attraverso un modello di scelta del percorso deterministico. In particolare, l’equilibrio viene formulato senza introdurre il caricamento dinamico della rete, o Dynamic Network Loading, come sotto-problema, ma estendendo al caso dinamico il concetto di mappa di carico della rete, o Network Loading Map, la quale fornisce i flussi d’arco per dati flussi di domanda consistentemente con certe prestazioni d’arco. L’algoritmo di assegnazione proposto riflette questo approccio, poiché la consistenza temporale della configurazione dei flussi d’arco attraverso la funzione di prestazione d’arco viene ottenuta solo congiuntamente all’equilibrio. Viene inoltre proposto un nuovo algoritmo per la valutazione della mappa di carico della rete nel caso deterministico, dove si tiene conto esplicitamente delle traiettorie sulla rete tracciate dai flussi di domanda, ma che richiede costi di percorso necessariamente proporzionali ai tempi di spostamento.

Abstract

In this paper, the Dynamic User Equilibrium is formulated and solved as an implicit path enumeration fixed point problem in terms of arc inflow temporal profiles, where travel demand is specified through a deterministic path choice model. By extending to the dynamic case the concept of Network Loading Map, yielding arc flows for given demand flows consistently with certain arc performances, the equilibrium is formulated without introducing the Dynamic Network Loading as a sub-problem. The proposed assignment algorithm reflects this approach as the temporal consistency of the flow pattern through the arc performance functions is attained only jointly with the equilibrium. A new algorithm is also presented to evaluate the Network Loading Map in the deterministic case, where the space-time trajectories followed by the demand flows are explicitly taken into account, but the path costs are necessarily proportional to travel times.

14