Sei sulla pagina 1di 85

CORSO DI PIANIFICAZIONE DEI TRASPORTI A.A.

2012/2013

I MODELLI DI DOMANDA DI TRASPORTO

Prof. Ing. Ennio Cascetta


Dipartimento di Ingegneria dei Trasporti
Universit degli Studi di Napoli Federico II

Sommario
Introduzione
Richiami di teoria dellutilit aleatoria
Modelli di domanda a quattro stadi
Modello di generazione
Modello di distribuzione
Modello di scelta modale
Modello di scelta del percorso

Elasticit della domanda

Esempio numerica
2

Sommario
Introduzione
Richiami di teoria dellutilit aleatoria
Modelli di domanda a quattro stadi
Modello di generazione
Modello di distribuzione
Modello di scelta modale
Modello di scelta del percorso
Elasticit della domanda
Esempio numerico

Introduzione

MODELLO DI
DOMANDA

VARIABILI
SOCIOECONOMICHE

FLUSSO DI
DOMANDA
OD

MODELLO DI
SCELTA DEL
PERCORSO

FLUSSO DI
PERCORSO

COSTI DI
PERCORSO

Introduzione
Modello di domanda di trasporto:
Relazione matematica che consente di associare ad un dato sistema di
attivit e di offerta di trasporto il valore medio del flusso di domanda in
un determinato periodo di riferimento con le sue caratteristiche
rilevanti:
dod[K1, K2, ..., Kn] = d(SE, T, )

dove:
dod[K1, K2, ..., Kn] : flusso medio di spostamenti fra le zone o e d aventi
caratteristiche K1, K2,
SE : vettore di variabili socio-economiche, relative al sistema delle
attivit (numero di famiglie residenti o di posti di lavoro nei diversi
settori in ciascuna zona dellarea di studio)
T : vettore di variabili di livello di servizio (es. tempi di viaggi, costi
monetari, distanze da percorrere a piedi, tempi di viaggio per spostarsi
fra le coppie di zone con i diversi modi disponibili)

: vettore di coefficienti o di parametri del modello


5

Introduzione
Spostamento
Risultato di una serie di scelte compiute dallutente del servizio di
trasporto
La dimensione di scelta definita da un insieme di alternative
disponibili, dai valori dei relativi attributi e dai condizionamenti in
atto
Tipologie di scelta
lungo periodo
(scelte di mobilit)

luogo di residenza
luogo di lavoro
possesso di un veicolo

breve periodo
(scelte di spostamento)

frequenza degli spostamenti per un certo


motivo
fascia oraria
luogo di destinazione
modo di trasporto
percorso
6

Introduzione
Elementi di classificazione dei modelli di domanda
Tipologia delle
scelte simulate

Modelli di mobilit o di contesto


Modelli di viaggio
Modelli per la domanda di spostamento

Concatenamento
delle scelte

Modelli per la domanda di viaggi o sequenze di


spostamenti
Modelli di partecipazione alle attivit

Approccio
Ipotesi di base

Modelli disaggregati
Modelli aggregati
Modelli comportamentali

Modelli non comportamentali

Sommario
Introduzione
Richiami di teoria dellutilit aleatoria
Modelli di domanda a quattro stadi
Modello di generazione
Modello di distribuzione
Modello di scelta modale
Modello di scelta del percorso

Elasticit della domanda

Esempio numerico
8

Richiami di teoria dellutilit aleatoria


Richiami di teoria dellutilit aleatoria
Ipotesi generali

I modelli di utilit aleatoria (o casuale) si basano sulla ipotesi


che ogni utente sia un decisore razionale ovvero un
massimizzatore dellutilit percepita relativa alle proprie scelte.

a) Il generico utente i nelleffettuare la scelta considera tutte le


mi alternative disponibili che costituiscono il suo insieme di
scelta I i. Linsieme di scelta pu essere differente per utenti
diversi.
b) Il decisore i associa a ciascuna alternativa j del suo insieme di
scelta una utilit o attrattivit percepita Uij e sceglie
lalternativa che massimizza tale utilit.

Richiami di teoria dellutilit aleatoria


Richiami di teoria dellutilit aleatoria
Ipotesi generali
c) Lutilit associata a ciascuna alternativa di scelta dipende da
una serie di caratteristiche misurabili o attributi propri
dellalternativa stessa e del decisore i
U ij = U i (X ij)
con
X ij vettore degli attributi relativi allalternativa j e al decisore i
d) Lutilit associata dal generico decisore i allalternativa j non
nota con certezza allosservatore esterno (analista), e pertanto
rappresentata con una variabile aleatoria.

10

Richiami di teoria dellutilit aleatoria


Richiami di teoria dellutilit aleatoria
Ipotesi generali
La probabilit che lutente i scelga lalternativa j, condizionata al
suo insieme di scelta I i, data dalla probabilit che tale
alternativa sia quella di massima utilit percepita:

p i j I i Pr U ij U ki
posto:

i
j

ij

U ij V ji ij

k j ; k I i

j I i

utilit sistematica (media o valore atteso dellutilit


percepita tra
tutti gli utenti che hanno lo stesso insieme
di scelta dellutente i )
residuo aleatorio (rappresenta lo scostamento dellutilit
percepita dal valore medio)

11

Richiami di teoria dellutilit aleatoria


Richiami di teoria dellutilit aleatoria
Ipotesi generali
e posto:

si ha:

i
j

EU

E V ji V ji

Var ij ij2
Dunque:

i
j

2
ij

Var U
i
j

E ij 0

Var V ji 0

p i j I i Pr U ij U ki

k j ; k I i

p i j / I i Pr V ji Vki ki ij

k j , k I i
12

Richiami di teoria dellutilit aleatoria


Richiami di teoria dellutilit aleatoria
Ipotesi generali
Dalla relazione:

p i j / I i Pr V ji Vki ki ij

k j , k I i

si evince che la probabilit di scelta di unalternativa dipende dai valori


delle utilit sistematiche di tutte le alternative disponibili e dalla
distribuzione congiunta dei residui aleatori.

13

Richiami di teoria dellutilit aleatoria


Richiami di teoria dellutilit aleatoria
Ipotesi generali
I modelli di utilit aleatoria possono essere rappresentati sinteticamente in
forma vettoriale, adottando le seguenti definizioni:

pi

vettore delle probabilit di scelta, di dimensione (m i x 1), con


elementi p i [ j ] (m i il n. di altern. disp.)
vettore dei valori di utilit percepita, di dimensione (m i x 1), con
elementi U ij
vettore dei valori di utilit sistematica, di dimensione (m i x 1), con
elementi V ij
vettore dei residui aleatori, di dimensione (m i x 1), con elementi ij

f ( )

la funzione di densit di probabilit congiunta dei residui aleatori

F ( )

la funzione di distribuzione congiunta dei residui aleatori

Ui
Vi

14

Richiami di teoria dellutilit aleatoria


Richiami di teoria dellutilit aleatoria
Ipotesi generali
In forma vettoriale si pu scrivere:
Ui= Vi + i
p i = p i (V i )

tale relazione anche detta mappa di scelta ed un vettore di


numeri compresi tra 0 ed 1, essendo delle probabilit di scelta
Un modello di utilit aleatoria si dice invariante o additivo se la
funzione di densit di probabilit congiunta, f ( ), indipendente
dal vettore delle utilit sistematiche:
f ( / V ) = f ( )
15

Richiami di teoria dellutilit aleatoria


Richiami di teoria dellutilit aleatoria
Ipotesi generali
Espressione dellutilit sistematica
Lutilit sistematica rappresenta la media dellutilit percepita fra
tutti gli individui che hanno gli stessi valori degli attributi
Essa espressa come funzione di attributi,
alternative e al decisore:

X kji , relativi alle

V j X kji

Si assume, in generale, che lutilit sistematica sia una funzione


lineare degli attributi o di loro trasformazioni funzionali:

V j X ij k k X kji T X ij

V ji X ij k k f k X kji T f X ij
16

Richiami di teoria dellutilit aleatoria


Richiami di teoria dellutilit aleatoria
Ipotesi generali
Classificazione degli attributi
attributi di livello di servizio: attributi propri del sistema di
trasporto (es. tempi, costi, frequenza dei servizi, comfort etc.)
attributi del sistema di attivit: attributi dipendenti dalluso del
territorio dellarea di studio (es. numero di negozi o numero di
scuole di una zona)
attributi socio-economici: attributi propri dellutente o del suo
nucleo familiare (es. possesso di patente, numero di autovetture
possedute in famiglia etc.)

attributi generici: attributi che compaiono con stessa forma


funzionale e stesso coefficiente k in pi di una alternativa
attributi specifici: attributi che compaiono con forme funzionali
e/o coefficienti k diversi in diverse alternative
17

Richiami di teoria dellutilit aleatoria


Richiami di teoria dellutilit aleatoria
Ipotesi generali
Attributo Specifico dellAlternativa (ASA)
variabile ombra che vale 1 per lalternativa j e zero per le altre
il suo coefficiente detto Costante Specifica dellAlternativa (CSA)
tale costante rappresenta una specie di termine noto dellutilit
sistematica e pu essere visto come la differenza fra lutilit media e
quella spiegata dagli altri attributi X ikj utilizzati
Le probabilit di scelta delle alternative dei modelli invarianti
dipendono dalla differenza delle CSA rispetto ad unalternativa di
riferimento. In altri termini se le CSA comparissero in tutte le utilit
sistematiche, qualsiasi combinazione di tali costanti che desse luogo
alle stesse differenze tra le CSA delle diverse alternative produrrebbe
gli stessi valori delle probabilit di scelta, dunque le CSA non
potrebbero essere stimate statisticamente
Pertanto gli ASA si possono introdurre al pi nelle utilit sistematiche
di tutte le alternative eccetto una.
18

Richiami di teoria dellutilit aleatoria


Richiami di teoria dellutilit aleatoria
Ipotesi generali
Cause di aleatoriet dell'utilit percepita
attributi omessi: variabili non osservabili direttamente, di difficile
valutazione o comunque non incluse nel vettore di attributi (es.
comfort di marcia, affidabilit del tempo totale di viaggio)
errori di misura degli attributi considerati nella funzione di utilit
sistematica (es. attributi di livello di servizio ricavati con un
modello di rete)
presenza di attributi strumentali cio variabili che sostituiscono
gli attributi che effettivamente influenzano la utilit percepita
delle alternative (es. attributi di preferenza modale che
sostituiscono variabili di comfort, privacy, immagine ecc. di un
certo modo di trasporto, il numero di addetti al commercio
localizzati in una certa zona che sostituisce la numerosit e la
variet dei negozi)
variazioni di gusti o di preferenze fra i decisori (es. distanza da
percorrere a piedi) e, per lo stesso decisore, nel tempo a causa
del verificarsi di diverse condizioni fisiche o psicologiche
errori nelle valutazione degli attributi da parte del decisore (es.
valutazioni errate del tempo di viaggio)

19

Richiami di teoria dellutilit aleatoria


Alcuni modelli di utilit aleatoria
E possibile ottenere diverse forme funzionali dei
modelli di utilit aleatoria assumendo diverse funzioni
di distribuzione di probabilit congiunte per i residui
aleatori

I modelli che studieremo sono:


Logit Multinomiale
Logit gerarchizzato ad un livello
Logit gerarchizzato a pi livelli (cenni)
Probit
20

Richiami di teoria dellutilit aleatoria


Alcuni modelli di utilit aleatoria
E possibile ottenere diverse forme funzionali dei
modelli di utilit aleatoria assumendo diverse funzioni
di distribuzione di probabilit congiunte per i residui
aleatori

I modelli che studieremo sono:


Logit Multinomiale
Logit gerarchizzato ad un livello
Logit gerarchizzato a pi livelli (cenni)
Probit
21

Richiami di teoria dellutilit aleatoria


Modello Logit Multinomiale
Ipotesi: residui aleatori j indipendentemente ed identicamente
distribuiti (i.i.d.) secondo una variabile aleatoria (v.a.) di Gumbel
con media nulla e parametro
Funzione di distribuzione di probabilit marginale di ciascun
residuo:

F j ( x ) Prob( j x ) exp exp( x / )


dove la costante di Eulero ( 0,577)

Media e varianza della variabile di Gumbel:

E ( j)= 0

Var ( j ) = 2

Covarianza nulla:

2
6

Cov( j , h ) 0

j , h I
22

Richiami di teoria dellutilit aleatoria


Modello Logit Multinomiale
Da quanto detto risulta che le utilit percepite Uj , somma di una
costante Vj e della variabile aleatoria j , sono anche esse
variabili aleatorie di Gumbel con funzione di distribuzione di
probabilit, media e varianza pari a:

E (U j ) V j

Var ( U j )

2
6

La matrice varianza-covarianza una matrice identit


proporzionale alla varianza di j

23

Richiami di teoria dellutilit aleatoria

Modello Logit Multinomiale


La variabile di Gumbel gode dellimportante propriet di stabilit
rispetto alla massimizzazione:
il massimo di variabili di Gumbel indipendenti e di uguale
parametro ancora una variabile di Gumbel di parametro

se Uj , j = 1,, N, sono v.a. di Gumbel indipendenti con medie


diverse Vj ma uguale parametro , il massimo di tali variabili:
UM = max

j = 1,,N {Uj

ancora una v.a. di Gumbel di parametro e media VM pari a:


VM = E[UM ] = Y

detta utilit inclusiva

Y = ln j exp (Vj / )

detta variabile logsum


24

Richiami di teoria dellutilit aleatoria


Modello Logit Multinomiale
In base a questa propriet possibile dimostrare che la
probabilit di scelta dellalternativa j pu essere espressa in
forma chiusa come:

p j

exp V j /

exp Vk /
m

k 1

25

Richiami di teoria dellutilit aleatoria


Modello Logit Multinomiale
Propriet del modello Logit Multinomiale
Dipendenza dalle differenze di utilit sistematiche

exp V j /

1
p j m

exp Vk / 1 k j exp Vk V j /
k 1

La probabilit di scelta dipende dalla differenza dei valori delle


utilit sistematiche; i valori non cambiano se sommo a tutte le utilit
sistematiche lo stesso valore
V' V k
j
j

p( j )

exp (V j k ) /
m

exp (V
h 1

k) /

exp k / exp V j /
m

exp k / exp Vh /
h 1

exp V j /
m

exp V
h 1

/
26

Richiami di teoria dellutilit aleatoria


Modello Logit Multinomiale
Propriet del modello Logit Multinomiale
Influenza della varianza dei residui

2 2
Var ( U j ) =
6

Ad una minore varianza dei residui corrisponde un


parametro pi piccolo e quindi una maggiore probabilit di
scelta dellalternativa di massima utilit sistematica,
probabilit che al tendere della varianza a zero tende a uno
(modello di utilit deterministica)
Viceversa, al crescere della varianza dei residui, ovvero al
crescere di , gli esponenti Vj / tendono ad assumere lo
stesso valore (zero) e le diverse alternative tendono ad
essere equiprobabili con probabilit di scelta pari a 1/m

27

Richiami di teoria dellutilit aleatoria


Modello Logit Multinomiale
Propriet del modello Logit Multinomiale
Influenza della varianza dei residui

exp(V A / )
1
p( A )

exp(V A / ) exp(VB / ) 1 exp (VB V A ) /

Fonte: Cascetta (2009)

P(A)

=2
=1
=0.5

=2
0.5

=0.5

=1

VB-VA
-6

-4

-2

6
28

Richiami di teoria dellutilit aleatoria


Modello Logit gerarchizzato a un livello
La probabilit di scelta dellalternativa elementare, j , si calcola come:

p j p j / k pk
con
p [ j ] probabilit di scelta dell'alternativa j
p [ j /k ] probabilit di scelta dell'alternativa j dato il gruppo k
p [ k ] probabilit di scelta del gruppo k

o, 0

j/k
j

Lutilit percepita associata alla scelta dellalternativa j fra tutte quelle


appartenenti al gruppo k, Uj/k, pu essere espressa come:

U j / k Vj j / k

j I k , k

E( j / k ) = 0

j I k , k

Var ( j / k ) 2 2 / 6

j I k , k

Logit Multinomiale
nel cesto k
29

Richiami di teoria dellutilit aleatoria


Modello Logit gerarchizzato a un livello

La probabilit di scelta condizionata, p [ j /k ], data da:

p j / k probU j / k U i / k

probV j Vi i / k j / k

i I k ,i j

nellipotesi che i residui aleatori j/k siano i.i.d. secondo una


variabile di Gumbel di parametro , si ottiene:

p j / k

exp V j /

iI k exp Vi /
30

Richiami di teoria dellutilit aleatoria


Modello Logit gerarchizzato a un livello

La probabilit di scegliere il gruppo k, p [ k ], equivale a scegliere


unalternativa appartenente a tale gruppo tra tutte quelle
disponibili; tale probabilit pu essere ottenuta associando ad
ogni gruppo k una utilit complessiva Uk*, ottenuta come
lutilit dellalternativa pi conveniente, ovvero come il
massimo delle utilit delle alternative del gruppo stesso:

U k* maxU j maxV j j / k k
jI k

jI k

Ricordando che il massimo di variabili di Gumbel ancora una


variabile di Gumbel con lo stesso parametro e media pari a:

Vk* EU k* E maxV j j / k ln jI k exp (V j / ) Yk


jI k

U k* Yk k* k Yk k*

Logsum

dove k* lo scostamento di Uk*


dal valore medio, Yk
31

Richiami di teoria dellutilit aleatoria


Modello Logit gerarchizzato a un livello

Si ipotizza che i residui k* siano i.i.d. secondo una variabile di


Gumbel a media nulla e parametro 0:

E k* = 0

Var k* 2 o2 / 6

k
k

si ha:

pk probU k* U h* probYk Yh h* k*
exp Yk / 0
exp Yk
pk

h exp Yh / 0 h exp Yh

h k

/ o

32

Richiami di teoria dellutilit aleatoria


Modello Logit gerarchizzato a un livello

Pertanto si ha:

exp V j /

exp Yk
p j p j / k pk

iI k exp Vi / h exp Yh

Var j Var k* 2 o2 / 6

Cov i , j E k i / k k j / k E k E k j / k E k i / k E i / k j / k
2

Cov i , j Var k

i,j k

Var k Var j Var j / k

2
6

2
o

k
33

Richiami di teoria dellutilit aleatoria


Alcuni modelli di utilit aleatoria
E possibile ottenere diverse forme funzionali dei
modelli di utilit aleatoria assumendo diverse funzioni
di distribuzione di probabilit congiunte per i residui
aleatori

I modelli che studieremo sono:


Logit Multinomiale
Logit gerarchizzato ad un livello
Logit gerarchizzato a pi livelli (cenni)
Probit
34

Richiami di teoria dellutilit aleatoria


Modello Logit gerarchizzato a pi livelli

Il processo di scelta rappresentato da un albero a pi livelli


Le alternative elementari rappresentano sempre le foglie finali
dellalbero di scelta

35

Richiami di teoria dellutilit aleatoria


Modello Logit gerarchizzato a pi livelli

ESEMPIO DI APPLICAZIONE AL MODELLO DI SCELTA


MODALE

Fonte: Cascetta (2009) 36

Richiami di teoria dellutilit aleatoria


Confronto modelli Logit e Logit
gerarchizzati
LOGIT

Nessuna gerarchizzazione assenza di correlazione

37

Richiami di teoria dellutilit aleatoria


Alcuni modelli di utilit aleatoria
E possibile ottenere diverse forme funzionali dei
modelli di utilit aleatoria assumendo diverse funzioni
di distribuzione di probabilit congiunte per i residui
aleatori

I modelli che studieremo sono:


Logit Multinomiale
Logit gerarchizzato ad un livello
Logit gerarchizzato a pi livelli (cenni)
Probit
38

Richiami di teoria dellutilit aleatoria

Modello Probit

Il modello Probit si basa sullipotesi che i residui aleatori j siano


distribuiti secondo una variabile aleatoria Normale Multivariata
(MVN) con media nulla e covarianze qualsiasi:

E j 0

Var j

12
...

2
j

Cov j h jh

i1

... 1i

... 1 j

... 1m

...

...

...

...

... i2

... ... ...


j1 ... ji

Matrice
varianza-covarianza

...

...

...

...

...

... ij

... im

...

...

...

...

... 2j

... jm

...

...

...

m1 ... mi ... mj

...

... m2

Funzione densit
di probabilit
39

Richiami di teoria dellutilit aleatoria


Modello Probit

Con questa ipotesi, anche le utilit percepite Uj sono distribuite


secondo una normale multivariata, con medie Vj e varianze e
covarianze pari a quelle dei residui j

La probabilit di scelta dellalternativa j per il decisore i pu


essere espressa formalmente come la probabilit congiunta che
lutilit Uji assuma un valore compreso in un intervallo
infinitesimo e che le utilit delle altre alternative abbiano un
valore minore

Tale probabilit va integrata per tutti i valori che Uj pu


assumere:

p j U1 U j ...U j

exp 1 / 2( U V )T 1( U V )
...U m U j
dU1 ..dU m
1/ 2
N
( 2 ) det
40

Richiami di teoria dellutilit aleatoria


Modello Probit

Il modello Probit fornisce, in generale, valori delle probabilit di


scelta molto simili a quelli forniti dai modelli Logit e Logit
Gerarchizzato qualora si assuma la stessa matrice varianzacovarianza dei residui aleatori

Esso permette per una maggiore flessibilit della matrice


varianza-covarianza, i cui elementi possono essere
direttamente specificati

Il modello Probit non si presta al calcolo analitico delle


probabilit di scelta, poich non possibile ottenere una
soluzione in forma chiusa

Per il calcolo delle probabilit di scelta Probit si ricorre a metodi


numerici approssimati, quali il metodo Monte-Carlo
41

Richiami di teoria dellutilit aleatoria


Modelli avanzati per i sistemi di trasporto
(v. corso prof. Papola)

Modello Cross-Nested Logit (CNL)


Generalizzazione del modello Logit Gerarchizzato ad un livello
basata
sullipotesi
che
ciascuna
alternativa
possa
contemporaneamente appartenere a pi di un gruppo, con
differenti gradi di appartenenza.

Modelli di Valore Estremo Generalizzato (GEV)


Costituiscono unintera classe di modelli di utilit aleatoria. Essi
infatti sono definiti da una formulazione matematica generale di
cui occorre specificare di volta in volta una funzione
caratteristica che goda di alcune particolari propriet.
La specificazione dei residui delle varie alternative tale che
essi hanno la stessa varianza e, in genere, possono avere
covarianze diverse da zero e positive.
42

Richiami di teoria dellutilit aleatoria


Modelli avanzati per i sistemi di trasporto
(v. corso prof. Papola)

Modello Mixed Logit


Lutilit pari a:

U j Vj j Vj j j
dove le j sono v.a. Normali a media nulla e matrice di
covarianza qualsiasi e le j sono v.a. indipendenti di Gumbel a
media nulla e parametro di varianza ; il modello noto in
letteratura come Multinomial Probit with Logit Kernel. In
generale, le ipotesi poste sulla distribuzione dei residui j e j
non sono restrittive in quanto essi possono seguire una
distribuzione qualsiasi, e ci genera una classe di modelli di
utilit aleatoria denominati mixed models; in particolare, quando
i residui j sono v.a. di Gumbel indipendentemente ed
identicamente distribuite il modello) noto in letteratura come
Mixed Logit.
43

Sommario
Introduzione
Richiami di teoria dellutilit aleatoria
Modelli di domanda a quattro stadi
Modello di generazione
Modello di distribuzione
Modello di scelta modale
Modello di scelta del percorso
Elasticit della domanda
44

Modelli di domanda a quattro stadi


diod [s, h, m, k] = d(SE, T)
i
o, d

=
=

categoria socioeconomica degli utenti


zone di origine e di destinazione dello
spostamento
motivo, o coppie di motivi per i quali ci si
sposta, dato o, d
periodo o fascia oraria nella quale avvengono
gli spostamenti, dato s, o, d
modo, o sequenza di modi, con cui lo
spostamento effettuato, dato h, s, o, d
percorso utilizzato per lo spostamento, dato
m, h, s, o, d
45

Modelli di domanda a quattro stadi


Dimensioni di scelta coinvolte:
numero di spostamenti, x, da effettuare per il
motivo s nella fascia oraria h
destinazione d verso la quale recarsi
modo di trasporto m da utilizzare
percorso k da seguire

46

Modelli di domanda a quattro stadi


Modello ad aliquote parziali (struttura pi comune 4 stadi):

diod[s,h,m,k] = dio.[s,h](SE,T) pi[d/osh](SE,T)


pi[m/oshd](SE,T)
pi[k/oshdm](SE,T)
dio.[s,h](SE,T)

modello di emissione o frequenza degli


spostamenti, fornisce il numero medio di individui
di categoria i che si spostano da o per il motivo s
nellintervallo temporale h

pi[d/osh](SE,T)

modello di distribuzione degli spostamenti,


fornisce la percentuale di utenti di categoria i che,
spostandosi da o per il motivo s nel periodo h, si
recano nella zona di destinazione d
47

Modelli di domanda a quattro stadi


Modello ad aliquote parziali (struttura pi comune 4 stadi):

diod[s,h,m,k] = dio.[s,h](SE,T) pi[d/osh](SE,T)


pi[m/oshd](SE,T)
pi[k/oshdm](SE,T)
pi[m/oshd](SE,T)

modello di scelta del modo (o di ripartizione


modale), fornisce la percentuale di utenti di
categoria i che, spostandosi fra o e d per il motivo
s nel periodo h, utilizzano il modo di trasporto m.

pi[k/oshdm](SE,T)

modello di scelta del percorso, fornisce la


percentuale di utenti di categoria i che,
spostandosi fra o e d per il motivo s nel periodo h
con il modo m, utilizzano il percorso k
48

Sistemi di modelli per la domanda di


spostamento

49

Modelli di domanda a quattro stadi

Fornisce il numero medio di spostamenti, dio.[s,h], effettuati


nellintervallo temporale h per il motivo s dagli utenti della categoria i,
con origine nella zona o

dio.[s,h] = no[i] mi[o,s,h]


dove:

no[i]

il numero di utenti appartenenti alla categoria i che si


trovano nella zona o

mi[o,s,h] il numero medio di spostamenti effettuati dal generico


individuo di categoria i, a partire da o, per il motivo s
nellintervallo h

50

Modelli di domanda a quattro stadi


Modelli di emissione, o di frequenza degli spostamenti
Modelli non comportamentali
(descrittivi)
Modelli del tipo indice per
categoria:
il
numero
medio
di
spostamenti mi[o,s,h]

stimato direttamente per


ogni categoria omogenea
di utenti, senza esprimerlo
in funzione di variabili
esplicative (indice
di
emissione)
Esempio di indici giornalieri di
emissione degli spostamenti urbani

51

Modelli di domanda a quattro stadi


Modelli di emissione, o di frequenza degli spostamenti
Modelli di utilit aleatoria (comportamentali)
Simulano il comportamento di scelta dellutente e, pertanto,
sono usati soprattutto per la simulazione di spostamenti non
sistematici (casa-acquisti, casa-sport, casa-tempo libero,
ecc.):

mi[o,s,h] = x x pi[x/o,s,h]

Numero medio
di spostamenti

dove pi[x/o,s,h] la probabilit che un individuo della


categoria i effettui x spostamenti (x = 0, 1, 2, ) a partire
da o, per il motivo s nellintervallo h.
i
exp
(
V
i
x / osh / )
p x/osh
i
exp
(
V
j=o ,...,n
j / osh / )
52

Modelli di domanda a quattro stadi


Modello di distribuzione
Fornisce laliquota di spostamenti di utenti di categoria i che, partendo
dalla zona o per il motivo s nel periodo h, si reca alla destinazione d.

Vd / osh

lutilit sistematica associata alla zona di destinazione d

Attributi di attrattivit
Misurano la capacit attrattiva di una zona di destinazione (coeff. k positivi):

N. addetti per spostamenti Casa-Lavoro


N. iscritti nelle scuole per spostamenti Casa-Studio
N. addetti al commercio per spostamenti Casa-Acquisti

Attributi di costo
Misurano il costo generalizzato connesso allo spostamento da o a d (coeff. k
negativi):
Distanza in linea daria tra centroidi
Variabili di costo generalizzato pi complesse, per i diversi modi disponibili

53

Modelli di domanda a quattro stadi


Modello di distribuzione

Ad 1 e 2Cod
pd / osh
1
2Cod '
A

e
d ' d'

Esempi di modelli gravitazionali:

Vd = 1 X1,d + 2 X2,d
X1,d = ln Ad

X2,d = - Cod

exp 1 ln Ad 2Co d
pd / osh
d ' exp 1 ln Ad ' 2Co d '

exp ln Ad 1 2Co d
pd / osh
1
exp
ln
A
d '
d ' 2Co d '

Ad 1 e 2Co d
pd / osh
1
2Co d '
A

e
d ' d '
54

Modelli di domanda a quattro stadi


Modello di scelta del modo (o di ripartizione modale)

Il modello di scelta del modo, fornisce laliquota di spostamenti


di utenti di categoria i che, recandosi dalla zona o alla zona d
per il motivo s nel periodo h, usa il modo m

Questi modelli sono quasi sempre comportamentali; forma pi


utilizzata modello Logit multinomiale

p m / od
i

exp V i m / od
2

i
exp
V
m ' / od

m '1

55

Modelli di domanda a quattro stadi


Modello di scelta del modo (o di ripartizione modale)
Tipologie di attributi:
attributi di livello di servizio: sono relativi alle caratteristiche
del servizio offerto dal singolo modo (es. tempo di viaggio,
costo monetario, regolarit del servizio, numero di trasbordi,
ecc.); coefficienti negativi
attributi socio-economici: relativi a caratteristiche del
decisore o del nucleo familiare di appartenenza (es. reddito
familiare, dotazione automobilistica, sesso, et, ecc.)
attributi specifici dellalternativa (ASA) o di preferenza
modale: per tener conto delle caratteristiche che non sono
misurabili (confort, privacy, ecc.)
56

Modelli di domanda a quattro stadi


Modello di scelta del modo (o di ripartizione modale)
Esempio:
Vp = 1Tp,p
Va = 1Tp,a + 2Tb,a + 3Ca + 4NA + 5 AUTO
Vc = 1Tp,c + 2Tb,c + 3Cc + 7Twc + 6TPL
AUTO, TPL: variabili di preferenza modale

C : costo monetario (var. generica)


Tp, Tb, Tw : tempo a piedi, a bordo e di attesa dei vari modi
(var. generiche)

NA : disponibilit dellauto (numero di auto possedute dalla


famiglia del decisore diviso per il numero di patentati)
57

Modelli di domanda a quattro stadi


Modello di scelta del modo (o di ripartizione modale)
Rapporti di reciproca sostituzione: rapporti fra i
coefficienti degli attributi di livello di servizio; ad
esempio il Valore del Tempo (Value Of Time):

VOT =

t
c

h
1

euro
1

= /h

58

Modelli di domanda a quattro stadi


Modello di scelta del modo (o di ripartizione modale)
Esempio di modello con Logit Gerarchizzato

modi collettivi
auto

treno

guidatore

passeggero

aereo

bus

lento veloce notturno


59

Modelli di domanda a quattro stadi


Modello di scelta del modo (o di ripartizione modale)
Specificazione di un modello Logit Multinomiale di
scelta modale per spostamenti C-L per la citt di
Parma
V piedi 1TWL
Vbici 2TB 3 NB / NAD 4 BICI
Vmoto 2TC 5GC 6 NC / NAD 7 MOTO
Vauto 8TA 9CA 10CENTRO 11CFAM 12 NA 13 AUTO
Vbus 8TB 9CB 14 NINT 15BUS

60

Parametri

Fonte: Cascetta (2009)

61

Modelli di domanda a quattro stadi


Modello di scelta del percorso
Il modello di scelta del percorso, fornisce laliquota
degli spostamenti effettuati da utenti di categoria i,
che utilizzano ciascun percorso k relativo al modo m,
per recarsi da o a d per lo scopo s nel periodo h

pi[k/modsh]

62

Modelli di domanda a quattro stadi


Modello di scelta del percorso
Ipotesi sui comportamenti di scelta:
scelta preventiva: scelta effettuata interamente
prima di iniziare lo spostamento
Es. servizio di trasporto continuo (rete stradale, rete
pedonale), servizio di trasporto discontinuo (ad orario)
con frequenze sufficientemente basse ed elevata
regolarit (rete ferroviaria)

scelta mista preventiva/adattiva: la scelta del


percorso pu essere variata anche durante lo
spostamento, adattandosi alle circostanze
incontrate durante il viaggio
Es. servizio di trasporto discontinuo (di linea) con
frequenza di servizio elevate e/o bassa regolarit
63

Modelli di domanda a quattro stadi


Modello di scelta del percorso
Fasi per lapplicazione del modello di scelta:
definizione delle alternative di scelta
individuazione dellinsieme delle possibili
alternative (insieme di scelta)
definizione del modello di scelta fra le alternative
possibili

64

Modelli di domanda a quattro stadi


Modello di scelta del percorso
Modelli di scelta del percorso per una rete stradale
(sistemi a servizio continuo) Scelta preventiva
Definizione delle alternative di scelta:
I diversi percorsi disponibili

Individuazione dellinsieme di scelta Kodm:

approccio esaustivo: tutti i percorsi elementari (senza circuiti)


(i problemi connessi alla difficolt di esplicitare tutti i possibili
percorsi possono essere superati con metodi di enumerazione
implicita)

approccio selettivo: sottoinsieme di percorsi ammissibili sulla


base del soddisfacimento di alcune regole euristiche
(es. un percorso non pu comprendere pi di un ingresso ed
una uscita dalla autostrada; non pu allontanarsi dalla
destinazione; non pu avere un costo medio percepito maggiore
di una prefissata percentuale rispetto al costo minimo etc)
65

Modelli di domanda a quattro stadi


Modello di scelta del percorso
Il pi elementare modello utilizzato quello di utilit
deterministica. In questo caso il percorso k pu essere utilizzato
solo se il suo costo gk il minimo fra quelli dei percorsi alternativi.
Si ottiene pertanto:

pk / osdm 1 se g k g h
0 altrimenti

h k

h, k K o d m

I modelli di utilit aleatoria di solito utilizzati per calcolare la


probabilit di scelta del percorso sono Logit e Probit.
Il modello Logit Multinomiale assume la forma:

exp( g k / )
pk / osdm
hKodm exp( gh / )
66

Modelli di domanda a quattro stadi


Modello di scelta del percorso
Esempio di modelli Logit multinomiale di scelta del percorso in
ambito urbano

67

Sommario
Introduzione
Richiami di teoria dellutilit aleatoria
Modelli di domanda a quattro stadi
Modello di generazione
Modello di distribuzione
Modello di scelta modale
Modello di scelta del percorso
Elasticit della domanda
Esempio numerico

68

Elasticit della domanda


Il livello di domanda risulta da dimensioni di scelta esterne, tipo la
destinazione, il modo, ecc.
RIGIDA
La domanda su dimensioni di scelta esterne non dipende dalle variazioni
di costo, ad es. la scelta del modo rigida rispetto alle variazioni del
tempo di viaggio
demand

cost

ELASTICA
La domanda su dimensioni di scelta esterne dipende dai costi
demand

cost

69

Elasticit della domanda

DOMANDA RIGIDA
CARATTERISTICHE
modelli pi semplici
mancanza di realismo se gli attributi di livello di servizio sono
sostanzialmente modificati

DEMANDA ELASTICA
CARATTERISTICHE
modelli ed algoritmi pi complessi
maggiore realismo
La simulazione degli effetti di politiche e di sistemi di controllo
che hanno impatti sulle dimensioni di scelta diverse da quelle del
percorso richiedono modelli a domanda elastica

70

Elasticit della domanda

DOMANDA RIGIDA
diod[s,h,m,k] = diodm[s,h] pi[k/oshdm]
DEMANDA ELASTICA
sul modo
diod[s,h,m,k]=diod[s,h] pi[m/oshd] pi[k/oshdm]
sulla destinazione e sul modo
diod[s,h,m,k]= dio.[s,h] pi[d/osh] pi[m/oshd] pi[k/oshdm]

71

Sommario
Introduzione
Richiami di teoria dellutilit aleatoria
Modelli di domanda a quattro stadi
Modello di generazione
Modello di distribuzione
Modello di scelta modale
Modello di scelta del percorso
Elasticit della domanda
Esempio numerico
72

Esempio numerico
STIMA DELLA DOMANDA DI MOBILITA
3 zone di traffico
ORA DI PUNTA : 07:30 8:30
CATEGORIA: Lavoratori (lav)
MOTIVO DELLO SPOST: Casa Lavoro
2 MODI DI TRASPORTO: AUTO E TRENO

ZONA1
3500 OCCUPATI
5000 ADDETTI

dlavodm=dlavoplav [d/o]plav [m/od]


ZONA 3
2500 OCCUPATI
3500 ADDETTI

33 minuti TOT

26 minuti TOT

(acc.+attesa+bordo)

(acc.+attesa+bordo)

22 minuti

15 minuti

10 minuti

21 minuti TOT

ZONA 2
7000 OCCUPATI
2000 ADDETTI

73

Esempio numerico
MODELLO DI EMISSIONE INDICE PER CATEGORIA
dlavo= OCCo m[o,lav,7:30-8:30]

m[o,lav,7:30-8:30] = 0,73
OCCUPATI
ZONA 1

3500

ZONA 2

7000

ZONA 3

2500

Emessi 7:30-8:30

ZONA 1

2555

ZONA 2

5110

ZONA 3

1825

74

Esempio numerico
MODELLO DI DISTRIBUZIONE
Modello non comportamentale

ADDETTI
ZONA 1

5000

ZONA 2

2000

ZONA 3

3500

Modello gravitazionale

(minuti)

1,3

-0,5

15

22

15

10

22

10

68%

12%

20%

44%

23%

34%

36%

16%

48%

75

Esempio numerico
MODELLO DI SCELTA MODALE

Due modi considerati: Auto e Treno


Hp: Stesso Tempo di percorrenza per i due modi
Servizio regolare : I=12
=6 minuti
Per raggiungere la stazione =6 minuti

p m / od

exp V i m / od

i
exp
V
m ' / od

m '1

= * + *
= * + *
76

Esempio numerico

AUTO
(minuti)

TRENO
(minuti)

15

22

26

33

15

10

26

21

22

10

33

26

31 = + +
( 5 + 6 + 22)

AUTO
(euro)

0,9

0,9

0,9

0,9


Costo del biglietto = 1,3

-0,32
-0,04

VOT= 7,5 (/h)

Strade a pedaggio
77

Esempio numerico

AUTO

TRENO

-0,2

-0,89

-0,75

-0,20

-1,4

-1,7

-0,89

-0,20

-0,69

-1,4

-0,20

-1,2

-0,75

-0,69

-0,20

-1,7

-1,2

-0,20

50%

62%

69%

50%

38%

31%

62%

50%

62%

38%

50%

38%

69%

62%

50%

31%

38%

50%

78

Esempio numerico
LE MATRICI O-D MODALI
dlavodm=dlavoplav [d/o]plav [m/od]
1

2555

5110

68%

12%

20%

*
3

50%

62%

69%

44%

23%

34%

62%

50%

62%

36%

16%

48%

69%

62%

50%

TOT
EMESSSI

866

189

357

1412

1387

585

1068

3040

453

185

434

1072

TOT ATTRATTI

2706

959

1859

5524

1825

79

Esempio numerico
LE MATRICI O-D MODALI

2555

5110

68%

12%

20%

*
3

50%

38%

31%

44%

23%

34%

38%

50%

38%

36%

16%

48%

31%

38%

50%

1825

TOT
EMESSSI

866

114

162

1142

837

585

646

2068

205

111

434

750

TOT ATTRATTI

1908

810

1242

3960
80

Esempio numerico
Intervento 1:
Costruzione di una nuova strada tra la zona 1 e la zona 3
EFFETTO: riduzione dei tempi di viaggio in auto del 15%

18 minuti

81

Esempio numerico
Intervento 1: Effetti sulla distribuzione degli spostamenti
1

15

18,7

15

10

18,7

10

Matrice di distribuzione prima


1

68%

12%

20%

44%

23%

36%

16%

Effetto della nuova


infrastruttura: riduzione del
15% del tempo di
percorrenza tra 1 e 3

Matrice di distribuzione dopo


1

67%

12%

22%

34%

44%

23%

34%

48%

38%

16%

46%

+ 34 spostamenti per
lavoro da 3 a 1

Aumento dell8% la probabilit


di andare da 1 a 3
82

Esempio numerico
Intervento 1: Effetti sulla scelta modale
PRIMA DELLINTERVENTO
1

50%

62%

69%

62%

50%

69%

62%

50%

38%

31%

62%

38%

50%

38%

50%

31%

38%

50%

DOPO LINTERVENTO
(

50%

62%

72%

50%

38%

28%

62%

50%

62%

38%

50%

38%

72%

62%

50%

28%

38%

50%

Ariducendo del 15% il costo per andare dalla zona 1 alla zona
3 con lauto c un aumento del 4% della probabilit di
scegliere lauto
43 spostamenti in pi in auto da 3 a 1

83

Esempio numerico
Intervento 2:
Costruzione di una nuova industria nella zona 1

Aumento del 10% numero di addetti nella zona 1

ADDETTI prima
dell intervento

ADDETTI dopo
l intervento

ZONA 1

5000

ZONA 1

5500

ZONA 2

2000

ZONA 2

2000

ZONA 3

3500

ZONA 3

3500

84

Esempio numerico
Intervento 2: Effetti sulla distribuzione degli spostamenti
Matrice di distribuzione prima
1

68%

12%

20%

44%

23%

34%

36%

16%

48%

Matrice di distribuzione dopo


1
1

70%

2
11%

1
(%)

1
(+ spostamenti
per lavoro
destinazione 1)

4%

67

7%

156

8%

53

19%

47%

22%

32%

39%

16%

45%

85