Sei sulla pagina 1di 22

Università di Cagliari

DICAAR – Dipartimento di Ingegneria Civile, Ambientale e


architettura
Sezione Trasporti

PIANIFICAZIONE DEI TRASPORTI

Esercitazione 3

A.A. 2016-2017 Ing. Francesco Piras Ing. Giovanni Tuveri


Il modello di distribuzione
Fornisce l’aliquota di spostamenti p[d/osh]
generati dalla zona o che si recano nella zona d,
per lo scopo s nell’arco temporale h.

Dod  f * d od Uniforme

Fattore di crescita Dod  f o * d od Vincolo semplice


(Metodo)
Dod  f od * dod Vincolo doppio
Esempio: fattore di crescita uniforme τ

Matrice dei viaggi all’anno base Spostamenti totali


1 2 3 4 ∑i previsti all’anno t

 T /t
1 5 50 100 200 355
2 50 5 400 300 455
3 50 100 5 100 255
4 100 200 250 20 570 Spostamenti totali
∑j 205 355 455 620 1635 all’anno base
IPOTESI: il fattore di crescita del traffico
nell’aera di studio nei prossimi 3
Matrice futura dei viaggi, stimata
anni sarà del 20%:
con τ=1,2 applicato a tutte le celle

1
1
6
2
60
3
120
4
240
∑i
426
T  (1  0,20)  t
2 60 6 120 360 546

Tij    tij
3 60 120 6 120 306
4 120 240 300 24 684
∑j 246 426 546 744 1962
Esempio: fattore di crescita singolarmente vincolato

Matrice dei viaggi con la crescita Spostamenti generati


vincolata all’origine dalla zona i all’anno t

1
1

5
2

50
3

100
4

200
∑i

355
Target
Oi
400
 i  Ti / ti
2 50 5 400 300 455 460 Spostamenti generati
3 50 100 5 100 255 400 dalla zona i all’anno base
4 100 200 250 20 570 702
∑j 205 355 455 620 1635 1962 Il numero di spostamenti per ogni cella si
determina moltiplicando ogni riga per:
Matrice futura dei viaggi espansa
con la crescita vincolata all’origine target Oi
Target i 
i
1 2 3 4 ∑i
Oi
1 5,6 56,3 112,7 225,4 400 400

Tij   i  tij
2 50,5 5,1 101,1 303,3 460 460
3 78,4 156,9 7,8 156,9 400 400
4 123,2 246,3 307,9 24,6 702 702
∑j 257,7 424,6 529,5 710,2 1962 1962
Fattore di crescita doppiamente vincolato

 i  fattori di crescita per le origini


j  fattori di crescita per le destinazioni
I metodi iterativi che consentono di ottenere una matrice di viaggi che
soddisfi entrambi i set di fattori di crescita comprendono il calcolo di un set
intermedio di coefficienti di correzione che devono poi essere applicati in modo
appropriato alle celle di ogni riga o di ogni colonna.
Algoritmo bi-proporzionale di FURNESS (1965): introduce i “ fattori di
bilanciamento” Ai e Bj
Tij  tij i j Ai B j  tij ai b j
I fattori ai e bj (o Ai e Bj) devono essere calcolati iterativamente in modo da
soddisfare i seguenti vincoli:
T
j
ij  Oi T
i
ij  Dj
Esempio: fattore di crescita doppiamente vincolato

La condizione più importante richiesta per la convergenza di questo metodo è


che i fattori di crescita producano valori totali previsti di generazione a
attrazione Ti, Tj tali che:

  t     t
i
i
j
ij
j
j
i
ij T
Problema di espansione della matrice doppiamente vincolata
τi = target
1 2 3 4 ∑i target Oi
Oi/∑i
1 5,00 50,00 100,00 200,00 355,00 400,00 1,127
2 50,00 5,00 100,00 300,00 455,00 460,00 1,011
3 50,00 100,00 5,00 100,00 255,00 400,00 1,569
4 100,00 200,00 250,00 20,00 570,00 702,00 1,232
∑j 205,00 355,00 455,00 620,00 1635,00
target Dj 260,00 400,00 500,00 802,00 1962,00
Γj = target
1,268 1,127 1,099 1,294
Dj/∑j
Passo 1: calcolare gli ai
• Fissare tutti i fattori bj = 1
• Calcolare gli ai = (target Oi)/∑i

target
1 2 3 4 ∑i ai
Oi
1 5,00 50,00 100,00 200,00 355,00 400,00 1,127
2 50,00 5,00 100,00 300,00 455,00 460,00 1,011
3 50,00 100,00 5,00 100,00 255,00 400,00 1,569
4 100,00 200,00 250,00 20,00 570,00 702,00 1,232
∑j 205,00 355,00 455,00 620,00
target
260,00 400,00 500,00 802,00 1962
Dj
bj 1,000 1,000 1,000 1,000
Passo 2: calcolare i bj
• Aggiornare la matrice
( k 1)
 tij ai b j
(k ) (k ) (k )
tij

• Calcolare ai = (target Oi)/∑i [=1] e bj = (target Dj)/∑j

target
1 2 3 4 ∑i ai
Oi
1 5,63 56,34 112,68 225,35 400,00 400,00 1,000
2 50,55 5,05 101,10 303,30 460,00 460,00 1,000
3 78,43 156,86 7,84 156,86 400,00 400,00 1,000
4 123,16 246,32 307,89 24,63 702,00 702,00 1,000
∑j 257,77 464,57 529,51 710,14
target
260,00 400,00 500,00 802,00 1962
Dj
bj 1,009 0,861 0,944 1,129
Passo 3: calcolare gli ai
• Aggiornare la matrice
( k 1)
 tij ai b j
(k ) (k ) (k )
tij

• Calcolare ai = (target Oi)/∑i e bj = (target Dj)/∑j [=1]

target
1 2 3 4 ∑i ai
Oi
1 5,68 48,51 106,40 254,50 415,09 400,00 0,964
2 50,99 4,35 95,46 342,53 493,33 460,00 0,932
3 79,11 135,06 7,41 177,15 398,73 400,00 1,003
4 124,22 212,08 290,73 27,82 654,85 702,00 1,072
∑j 260,00 400,00 500,00 802,00
target
260,00 400,00 500,00 802,00 1962
Dj
bj 1,000 1,000 1,000 1,000
Passo 4: calcolare i bj
• Aggiornare la matrice
( k 1)
 tij ai b j
(k ) (k ) (k )
tij

• Calcolare ai = (target Oi)/∑i [=1] e bj = (target Dj)/∑j

target
1 2 3 4 ∑i ai
Oi
1 5,48 46,74 102,53 245,25 400,00 400,00 1,000
2 47,54 4,06 89,01 319,39 460,00 460,00 1,000
3 79,36 135,49 7,43 177,72 400,00 400,00 1,000
4 133,17 227,35 311,67 29,82 702,00 702,00 1,000
∑j 265,54 413,64 510,64 772,18
target
260,00 400,00 500,00 802,00 1962
Dj
bj 0,979 0,967 0,979 1,039
Passo 5: calcolare gli ai
• Aggiornare la matrice
( k 1)
 tij ai b j
(k ) (k ) (k )
tij

• Calcolare ai = (target Oi)/∑i e bj = (target Dj)/∑j [=1]

target
1 2 3 4 ∑i ai
Oi
1 5,36 45,20 100,39 254,72 405,68 400,00 0,986
2 46,55 3,92 87,16 331,72 469,36 460,00 0,980
3 77,70 131,02 7,27 184,58 400,58 400,00 0,999
4 130,39 219,85 305,17 30,97 686,38 702,00 1,023
∑j 260,00 400,00 500,00 802,00
target
260,00 400,00 500,00 802,00 1962
Dj
bj 1,000 1,000 1,000 1,000
Passo 6: calcolare i bj
• Aggiornare la matrice
( k 1)
 tij ai b j
(k ) (k ) (k )
tij

• Calcolare ai = (target Oi)/∑i [=1] e bj = (target Dj)/∑j

target
1 2 3 4 ∑i ai
Oi
1 5,29 44,57 98,99 251,16 400,00 400,00 1,000
2 45,62 3,85 85,42 325,11 460,00 460,00 1,000
3 77,59 130,83 7,26 184,31 400,00 400,00 1,000
4 133,35 224,85 312,12 31,68 702,00 702,00 1,000
∑j 261,85 404,10 503,79 792,26
target
260,00 400,00 500,00 802,00 1962
Dj
bj 0,993 0,990 0,992 1,012
Passo 7: calcolare gli ai
• Aggiornare la matrice
( k 1)
 tij ai b j
(k ) (k ) (k )
tij

• Calcolare ai = (target Oi)/∑i e bj = (target Dj)/∑j [=1]

target
1 2 3 4 ∑i ai
Oi
1 5,25 44,12 98,24 254,25 401,85 400,00 0,995 0,46%
2 45,30 3,81 84,78 329,11 462,99 460,00 0,994 0,65%
3 77,04 129,50 7,21 186,58 400,34 400,00 0,999 0,08% STOP
4 132,41 222,57 309,77 32,07 696,82 702,00 1,007 -0,74%
∑j 260,00 400,00 500,00 802,00
target
260,00 400,00 500,00 802,00 1962
Dj
bj 1,000 1,000 1,000 1,000
Esempio: regressione+LOGIT+Fattore di crescita

Per poter simulare alcuni interventi nel settore dei trasporti che avranno
effetti nell’anno 2020, vi viene affidato l’incarico di calcolare le matrici
modali per la simulazione. Vi vengono fornite le seguenti informazioni:
a) modello di generazione di tipo regressivo disaggregato a livello familiare,
calibrato con dati al 2003:
Yi = 1 + 0.7 X1i + 1.3 X2i + 0.8 X3i
dove:
Yi = numero di spostamenti medi generati dalla famiglia i
X1i = numero di componenti della famiglia i
X2i = variabile binaria (= 1 se la famiglia i non possiede auto, 0 altrimenti)
X3i = variabile binaria (= 1 se la famiglia i possiede 1 o più auto, 0 altrimenti)
Esempio: regressione+LOGIT+Fattore di crescita

Per poter simulare alcuni interventi nel settore dei trasporti che avranno
effetti nell’anno 2020, vi viene affidato l’incarico di calcolare le matrici
modali per la simulazione. Vi vengono fornite le seguenti informazioni:
b) modello di scelta modale di tipo logit binomiale calibrato con dati al 2003:
Vauto = - Costoauto
Vbus = - Costobus

c) matrice O/D nella fascia di punta del mattino (7-9) riferita al 2000:

O/D 1 2 3
1 100 50 200
2 20 100 100
3 100 100 50
Esempio: regressione+LOGIT+Fattore di crescita

Per poter simulare alcuni interventi nel settore dei trasporti che avranno
effetti nell’anno 2020, vi viene affidato l’incarico di calcolare le matrici
modali per la simulazione. Vi vengono fornite le seguenti informazioni:
d) previsione al 2020 delle caratteristiche socio-economiche delle zone:
N° medio componenti a N° famiglie che non N° famiglie che
famiglia possiedono auto possiedono 1 o più auto
Zona 1 3 50 150
Zona 2 4 50 100
Zona 3 2 50 100

e) previsione al 2020 della matrice O/D dei costi generalizzati nella fascia di
punta del mattino, che riporta la differenza (Costobus – Costoauto) in euro:
O/D 1 2 3
1 1 2 1
2 5 -1 2
3 0,5 -0,5 5
Esempio: regressione+LOGIT+Fattore di crescita

1. Illustrare per punti i diversi passi da seguire per il


calcolo delle matrici modali al 2020.

2. Calcolare le matrici O/D auto e bus al 2020.

3. In quale punto dell’area di studio suggerireste dei


miglioramenti al bus?
Calcolo delle matrici modali
LOGIT binomiale:
1
P1  (V2 V1 )
P2  1  P1
1 e
1 1
Pauto  (Vbus Vauto )
 Pbus  1  Pauto
1 e 1  e (CostobusCostoauto )

Matrice auto Matrice bus


O/D 1 2 3 O/D 1 2 3
1 0,73 0,88 0,73 1 0,27 0,12 0,27
2 0,99 0,27 0,88 2 0,01 0,73 0,12
3 0,62 0,38 0,99 3 0,38 0,62 0,01
Spostamenti medi e totali
Yi = 1 + 0.7 X1i + 1.3 X2i + 0.8 X3i
Spostamenti medi a famiglia
0 auto 1+ auto
Zona 1 4,40 3,90
Zona 2 5,10 4,60
Zona 3 3,70 3,20

Spostamenti totali
Zona 1 805
Zona 2 715
Zona 3 505
Fattore di crescita (generazione)

2000 2020 fi
Zona 1 550 805 1,46
Zona 2 450 715 1,59
Zona 3 400 505 1,26

Spostamenti al 2020
O/D 1 2 3
1 293 220 293
2 159 238 318
3 253 126 126
Matrici modali al 2020

Spostamenti in auto al 2020


O/D 1 2 3
1 214 193 214
2 158 64 280
3 157 48 125

Spostamenti in bus al 2020


O/D 1 2 3
1 79 26 79
2 1 174 38
3 95 79 1
Miglioramenti al modo bus

Matrice bus
O/D 1 2 3
1 0,27 0,12 0,27
2 0,01 0,73 0,12
3 0,38 0,62 0,01