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 C1 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 Kxd 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) = {a∈A: TL(a) = x} e BS(x) = {a∈A: HD(a) = x}. La
topologia dei cammini viene descritta mediante la seguente notazione insiemistica:
Akxd insieme degli archi che costituiscono il cammino k∈Kxd;
Akxda insieme degli archi che costituiscono il sotto-cammino k∈Kxd tra x e la
coda di a∈Akxd;
TL(a)d
Ka sotto-insieme dei cammini k∈KTL(a)d che cominciano con l’arco a.
Per quanto riguarda la domanda e i flussi viene utilizzata la seguente notazione:
dod(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);
fa(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)
Pkod(τ) probabilità che gli utenti seguono il percorso k∈Kod partendo
all’istante τ ;
P profilo temporale del vettore delle probabilità di scelta, di dimensioni
(K × 1), dove K = ∑ o∈C, d∈C |Kod|;
pad(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,
Ω], con 0 < Ω < Θ, e nulli altrove.
Per quanto riguarda le prestazioni viene utilizzata la seguente notazione:
ca(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);
ta(τ) istante di uscita dall’arco a per gli utenti che vi entrano nell’istante τ ;
ta-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);
Ckxd(τ) costo effettivo del cammino k∈Kxd 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);
Tkxda(τ) istante di entrata nell’arco a∈Akxd per gli utenti che seguono il

3
percorso k∈Kxd lasciando il nodo x all’istante τ ;
wx (τ)
d
valore del minimo costo effettivo di cammino all’istante τ tra tutti i
percorsi dell’insieme Kxd;
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 Ω, per
dati τ΄ < τ˝ si ha pertanto:
ta(τ) < ta(τ΄) , Tkxda(τ) < Tkxdb(τ΄). (1)
In base all’equazione (1), in ogni istante τ ove la derivata del profilo temporale
esiste, risulta:
dta(τ)/dτ > 0 , dTkxda(τ)/dτ > 0. (2)
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
k∈Kxd all’istante τ è dato dalla somma dei costi degli archi a∈Akxd che lo
costituiscono, ciascuno riferito all’istante Tkxda(τ) in cui gli utenti che lasciano il
nodo x in τ raggiungono il nodo TL(a); cioè:
Ckxd(τ) = ∑ a∈Akxd ca(Tkxda(τ)). (3)

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 La e massima velocità consentita Va , consiste in na
corsie parallele con capacità veicolare Q; b) il generico nodo x rappresenta una

4
intersezione semaforizzata con ciclo fisso di durata CTx , dove ogni arco entrante
a∈BS(x) ha una fase dedicata con frazione di rosso effettivo ra , così che la
capacità dell’arco risulta ridotta a Qa = na⋅Q⋅(1-ra). 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:
 La ra 2 ⋅ CTHD ( a )
τ + + , τ EQ a k −1 ≤ τ ≤ τ BQ a k
 Va 2 ⋅ (1 − (1 − ra ) ⋅ f a (τ ) Qa )
ta (τ ) =  , (6)
 L r ⋅ CT ( )  1
τ
f (τ ′) ⋅ d τ ′, τ BQ a k ≤ τ ≤ τ EQ a k
a

 Qa ∫ k a
HD a
τ BQ a + V + + ⋅
k a

 a 2  τ BQa

dove τBQ ak +La /Va e τEQ ak +La /Va 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 gli utenti che vi entrano nell’istante τ si assume
semplicemente dato da:

ca (τ ) = η ⋅ ( ta (τ ) − τ ) + ma (τ ) , (7)

dove ma 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 k∈K od è utilizzato all’istante τ, cioè la probabilità di
scelta Pkod(τ) è positiva, allora il costo effettivo Ckod(τ) è uguale al minimo costo
effettivo wod(τ) per viaggiare tra o e d partendo nello stesso istante;
- vice versa, se il cammino k non è utilizzato, cioè Pkod(τ) = 0, allora il suo costo
effettivo può essere più grande del minimo costo effettivo.
Formalmente, si ha:

{
wxd (τ ) = min Ckxd (τ ) : k ∈ K xd , } (8)

5
(
Pkod (τ ) ⋅ Ckod (τ ) − wod (τ ) = 0 . ) (9)

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

∑ k∈K od
Pkod (τ ) = 1 , (10)

Pkod (τ ) ≥ 0 . (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:
P(τ) ∈ P(C(τ)). (12)

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 Pkod(τ) del generico cammino k∈K od
all’istante τ è uguale al prodotto delle probabilità condizionate degli archi a∈Akod
che lo costituiscono, ciascuna riferita all’istante Tkoda(τ) in cui gli utenti che
partono da o in τ raggiungono TL(a); cioè:

Pkod (τ ) = ∏ a∈Akod
(
pad Tkod a (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:
HD ( a )d
Pkod (τ ) = pad (τ ) ⋅ Pj ( ta (τ ) ) , (14)

6
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:

pad (τ ) = ∑ TL ( a ) d
Pk (τ ) . (15)
k∈K a ( )
TL a d

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

pad (τ ) ⋅ wTL
d
( a ) (τ ) = ∑ Pk
TL ( a ) d
(τ ) ⋅ CkTL(a )d (τ ) . (16)
k∈K a ( )
TL a d

Poiché i cammini dell’insieme KaTL(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:

∑ HD ( a ) d
pad (τ ) ⋅ Pj
HD ( a ) d
( t (τ ) ) ⋅ ( c (τ ) + C
a a
HL ( a ) d
j ( t (τ ) ) ) ,
a
j∈K

e può essere riscritto come:

 
pad (τ ) ⋅  ca (τ ) ⋅ ∑ Pj ( ) ( ta (τ ) ) + ∑ ( t (τ ) ) ⋅ C ( t (τ ) )  .
HD a d HD( a ) d HL( a ) d
Pj
 a j a
 j∈K
HD ( a ) d
j∈K
HD ( a ) d

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

(
pad (τ ) ⋅ ca (τ ) + wHD
d
( a ) ( ta (τ ) ) − wTL( a ) (τ ) = 0 .
d
) (17)

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


seguenti condizioni:

∑ a∈FS (TL( a ) )
pad (τ ) = 1 , (18)

pad (τ ) ≥ 0 . (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:
p ∈ p(w, c, t). (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

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:

{
wxd (τ ) = min Ckxd (τ ) : a ∈ FS ( x ) , k ∈ K axd . } (21)

Poiché i cammini dell’insieme KaTL(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 ca (τ ) + C j
HD ( a )d
( ta (τ ) ) : a ∈ FS ( x ) , j ∈ K HD(a )d } , (22)

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

{ {
min min ca (τ ) + C j
HD ( a )d
( ta (τ ) ) : j ∈ K HD(a )d }: a ∈ FS ( x )} .
Infine, poiché il termine ca(τ) è comune a tutti i termini del minimo interno, in
base alla (8) la (21) diventa:

{
wxd (τ ) = min ca (τ ) + wHD
d
( a ) ( ta (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:
w = w(c, t). (24)
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 fad(τ) diretto alla
destinazione d che entra nell’arco a all’istante τ è dato da:

 dTL( a )d (τ )  ∂tb −1 (τ )  
f ad (τ ) = pad (τ ) ⋅ 
 µ
+ ∑ b∈BS (TL( a ) ) 
( )
 f bd tb −1 (τ ) ⋅
∂τ  
 , (25)
 
dove dTL(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
f ad (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.

d mappa di carico della rete

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):
f ∈ ω(p(w(c, t), c, t), t ; d). (28)
Sostituendo la (4) e la (5) nella (28), la DTA risulta formulata come un

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). (29)

1.4. Algoritmo risolutivo

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) = x0 , x(τ) = x i , τ ∈(τ i-1, τ i] , i = 1, … , I, (30.1)

x(τ 0) = x0 , 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 = (x0, … , 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:
sai 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 a∈A
ta0 = La /Va
for i = 1 to I
tai = max{tai-1 +(τ i -τ i-1) ⋅fai/Qa , τ i +La /Va}
next i
sa0 = 0.5⋅ra2⋅CTHD(a)
for i = 1 to I
sai = max{0.5⋅ra2⋅CTHD(a) ⋅[1/(1 -(1-ra) ⋅fai/Qa⋅(τ i -τ i-1)/(t i -t i-1)] , tai-1 -tai}

10
next i
for i = 0 to I
tai = tai+sai
next i
next a
end function

function c = ĉ(t)
for each a∈A
for i = 0 to I
cai = η⋅(tai-τ i) +mai
next i
next a
end function

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:
Ko(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 ;
K o (σ )
Tx (τ ) l’istante in cui un utente partito dall’origine o nell’istante τ raggiunge
il nodo x utilizzando l’albero Ko(σ).
L’algoritmo è basato sulla seguente approssimazione: Ko(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:
Ko(τ) = Koi , 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 Koi, per quanto
i i
riguarda lo spazio, e con gli intervalli (TxKo (τ i −1 ) , TxKo (τ i )] , per ogni nodo x, per
quanto riguarda il tempo. Si noti che i costi attuali minimi che corrispondono a
Koi-1 e Koi sono uguali nell’istante τ i-1 (posto che l’approssimazione introdotta sia

11
verificata). In base all’ipotesi di proporzionalità tra tempi e costi, ne segue che
i −1 i
anche i tempi di raggiungimento TxKo (τ i −1 ) e TxKo (τ i −1 ) di ciascun nodo x sono
uguali.
La NLM può dunque essere valutata dalla procedura label-setting di seguito
riportata, dove viene utilizzata la seguente notazione:
T xo i istante in cui un utente partito dall’origine o nell’istante τ i raggiunge
il nodo x utilizzando l’albero Koi;
oi
vx numero di veicoli che passano attraverso il nodo x durante l’intervallo
temporale (Txo i-1, Txo i] diretti da l’origine o verso tutte le destinazioni;
π xo i arco predecessore del nodo x nell’albero Koi;
oi
zx costo dall’origine o al nodo x sull’albero Koi;
Q insieme di nodi ordinati per costo dall’origine crescente.

function f = fNML(c, t ; d)
f=0,v=0,z=∞
for each o∈C
for i = 1 to I
zoo i = 0
Txo i = τ i
Q = {o}
do until Q = ∅
x = Q(1)
Q = Q \ {x}
for each a∈FS(x)
y = HD(a)
ψ = zxo i + ca(Txo i)
if zyo i > ψ then
π yo i = a
zyo i = ψ
Tyo i = ta(Txo i)
if y ∈ Q then Q = Q \ {y}
Q = Q ∪ {y}
end if
next a
loop
for each d∈C
vdo i = (dod i / µ)⋅(τ i -τ i-1)
next d
for each y∈N in decreasing topological order
a = π yo i
x = TL(a)
for each j | δ > 0 , δ = mis((τ j-1, τ j]∩(Txo i-1, Txo i])
fa j = fa j + vyo ⋅ δ / (Txo i-1-Txo i) / (τ j -τ j-1)

12
next j
vxo i = vxo i + vyo i
next y
next i
next o
end function

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 , f=0 , y=f
do until (||f -y||∞ < ε or k > kmax) and k > 0
k = k +1
t = t(f)
c = č(t)
y = fNML(c, t ; d)
f = f +1/k ⋅(y -f)
loop
end function

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