Mô hình dự báo nhu cầu giao thông 4 bước

Mô hình phân tích nhu cầu đi lại đầu tiên phát triển vào những năm 1950

nhƣ là một công cụ tiên tiến của quy hoạch giao thông.

Phân tích, dự báo nhu cầu đi lại đƣợc sử dụng để phát triển thông tin trợ giúp

việc ra quyết định để phát triển và quản lý hệ thống giao thông, đặc biệt là giao

thông đô thị.

Quy trình này bao gồm bốn bƣớc:

1. Phát sinh hành trình (Trip generation – Hành trình xuất phát ở đâu?)

2. Phân phối hành trình, (Trip distribution - Hành trình đi đến đâu)

3. Phƣơng thức phân chia (Modal split – Loại mô hình nào đƣợc sử dụng,

phƣơng tiện giao thông cá nhân hoặc phƣơng tiện giao thông công cộng).

4. Ấn định mạng lƣới (Traffic assignment – Tuyến đƣờng nào đƣợc sử dụng

với mỗi loại mô hình).

Cao Văn Trƣờng _ QG10 _1051170069 Trang 81

Hình 4.1 Quy trình, dự báo phân tích nhu cầu đi lại theo mô hình 4 bước

Quy trình bốn bƣớc này sử dụng những mô hình toán học độc lập khác nhau

cho mỗi hợp phần của quy trình. Kết quả của bƣớc này thƣờng là dữ liệu đầu vào để

giải quyết các bƣớc tiếp theo

Sau đây trình bày từng bƣớc cụ thể:

Bƣớc 1. Phát sinh hành trình (Trip Generation)

Mô hình phát sinh hành trình dự báo và xác định số lƣợng lƣợt đi lại xuất

phát trong vùng phân tích (mức độ tổng thể), lƣợt đi lại của hộ gia đình (mức độ cá

thể) hoặc những nhóm tƣơng đƣơng.

Mục đích của bƣớc này nhằm xác định số chuyến đi phát sinh của từng vùng

trong khu vực nghiên cứu. Số chuyến đi của từng vùng phù thuộc vào đặc điểm sử

dụng đất và các đặc điểm kinh tế xã hội của ngƣời sử dụng giao thông cũng nhƣ các

yếu tố khác có liên quan đến giao thông vận tải.

Trip Generation: Phân loại theo lục đích chuyến đi gồm 2 loại chính là HB

(Home Based) và NHB (Non_Home Based).

Trong HB phân theo những loại sau:

 Chuyến đi công việc ( giữa Nhà và Nơi làm việc)

 Chuyến đi nhà và trƣờng học ( bao gồm cả trƣờng Đại học, Cao

đẳng,..)

 Mua sắm

Cao Văn Trƣờng _ QG10 _1051170069 Trang 82

 Chuyến đi đƣa đón

 Chuyến đi khác

Với 2 chuyến đi đầu ( Chuyến đi với mục đích công việc giữa Nhà và Nơi

làm việc, chuyến đi giữa Nhà và Trƣờng học) là chuyến đi bắt buộc trong phân tích

chuyến đi. Chuyến đi cuối cùng (Chuyến đi khác) ít đƣợc lựa chọn hơn: đi bệnh

viện, đi khám bệnh, chuyến đi làm nhƣng không đến nơi làm việc. Tùy thuộc vào

đặc điểm của khu vực, văn hóa và xã hội có thể ảnh hƣởng đến việc phân chia

chuyến đi.

Chuyến đi NHB có thể chia bằng hai loại chính: đi công việc và khác. Đi

công việc từ công ty đến công ty. Các chuyến đi này đều không liên quan đến Nhà.

Các yếu tố ảnh hƣởng đến phát sinh chuyến đi:

Phát sinh chuyến đi cá nhân (Productions): Những yếu tố chính ảnh

hƣởng đến phát sinh chuyến đi nhƣ:

 Sở hữu xe ôtô và xe máy

 Quy mô hộ gia đình

 Kích cở hộ gia đình

 Tính chất khu vực(KCN,KDC…)

 Mật độ cƣ trú

 Khả năng tiếp cận

Với 4 yếu tố đầu đã đƣợc xem xét, nghiên cứu trong các nghiên cứu về phát

sinh chuyến đi hộ gia đình, trong khi các yếu tố khác liên quan đến các nghiên cứu

phát sinh chuyến đi của khu vực, yếu tố cuối ít đƣợc dùng.

Thu hút chuyến đi cá nhân ( Attractions)

Yếu tố liên quan, quan trọng nhất là diện tích các KCN, khu vui

chơi…Ngoài ra còn 1 số yếu tố khác cũng ảnh hƣởng.

Cao Văn Trƣờng _ QG10 _1051170069 Trang 83

Hình 4.2 Định nghĩa chuyến đi theo mục đích

Nguồn: Tài liệu hướng dẫn Cube của Citilabs.

Hình 4.3 Phát sinh và hấp dẫn hành trình

Hai phƣơng pháp truyền thống là phân tích phân loại chéo và phân tích hồi

quy. Trong đồ án này sử dụng phƣơng pháp hồi quy để tính toán.

Phương pháp phân tích hồi qui (Regression analysis):

Phân tích hồi qui là phƣơng pháp thống kê mà giá trị trung bình (mean) của

một hay nhiều biến ngẫu nhiên là đƣợc dự đoán dựa vào điều kiện của các biến

ngẫu nhiên (đã tính toán) khác. Cụ thể, có hồi qui tuyến tình, hồi qui lôgic, hồi qui

Poisson và học có giám sát. Phân tích hồi qui không chỉ là trùng khớp đƣờng cong

(lựa chọn một đƣờng cong mà vừa khớp nhất với một tập điểm dữ liệu); nó còn phải

trùng khớp với một mô hình với các thành phần ngẫu nhiên và xác định

(deterministic and stochastic components). Thành phần xác định đƣợc gọi là bộ dự

đoán (predictor) và thành phần ngẫu nhiên đƣợc gọi là phần sai số (error term).

Cao Văn Trƣờng _ QG10 _1051170069 Trang 84

Một hàm hồi quy tổng quát nhƣ sau:

Yi = ai + β1X1 + β2X2 + … + βnXn + εi

Trong đó:

- Yi = là số hành trình phát sinh ra trong vùng i.

- ai = số thực.

- β1…. βn: = hệ số hồi quy.

- X1…Xn = biến số ngẫu nhiên (các biến số đại diện cho một yếu tố ảnh

hƣởng đến số lƣợt đi lại ví dụ nhƣ dân số, hộ gia đình…

- εi = hệ số hiệu chỉnh (số dƣ).

Các giá trị ao, β1, β2,… βk, εi đƣợc xác định bằng phƣơng pháp hồi quy.

Bƣớc 2. Phân phối hành trình (Trip distribution)

Sau khi dự báo đƣợc nhu cầu đi lại phát sinh ra trong vùng phân tích, mục

tiêu tiếp theo là phải xác định đƣợc những hành trình này đi đâu trong số các hành

trình xuất phát từ một điểm đi và đến nhiều điểm đến.

Hình 4.4 Sự phân phối hành trình

Có ba yếu ảnh hƣởng tới sự phân chia này:

+ Số lƣợng hành trình phát sinh từ điểm xuất phát.

+ Sự hấp dẫn của vùng đến.

+ Trở kháng (Chi phí, thời gian đi lại).

Phƣơng pháp thông dụng để xác định sự phân phối hành trình là dùng mô

hình phân phối hấp dẫn (Gravity mode), phƣơng pháp này xác định rõ số hành trình

đi lại giữa điểm xuất phát và điểm đến nhƣ là một hàm số về thuộc tính đi và đến

(thuộc tính OD) và chi phí đi lại giữa chúng:

Cao Văn Trƣờng _ QG10 _1051170069 Trang 85

Trong đó:

Tij = Hành trình từ vùng i đến vùng j.

Pi = Tổng số hành trình phát sinh từ vùng i.

Aj = Số hành trình hấp thu vào vùng j.

Fij = Hệ số trở kháng, thông thƣờng là hàm số tỷ lệ nghịch với thời gian di

chuyển giữa i và j.

Kij = Hệ số hiệu chỉnh về mặt kinh tế xã hội cho những hành trình xuất phát

từ i và đến vùng j, thƣờng lấy bằng 1.

Ta đã biết Ps và As đƣợc xác định đƣợc từ quá trình phát sinh hành trình,

tổng hành trình phát sinh ra phải bằng tổng hành trình hấp thu.

ΣPi = ΣAj.

Khi tổng số hành trình hấp thu cho mỗi vùng không bằng tổng số hành trình

hấp thu ban đầu, ta cần điều chỉnh lại nhân tố hấp thu. Ta phải tính toán lại nhân tố

hấp thu theo công thức sau:

Trong đó:

- Ajk = Nhân tố hấp thu hiệu chỉnh cho vùng hấp thu (cột) j lần thứ k.

- Ajk = Aj khi k=1

- Cjk = Tổng giá trị hấp thu (cột) thực tế cho vùng j lần thứ k

- Aj = tổng số hấp thu mong muốn thuộc vùng hấp thu (cột) j

- j = số thứ tự khu vực hấp thu

- n = số lƣợng khu vực

- k = số lần lặp

Bƣớc 3. Phân chia phƣơng thức

Sau khi hoàn thành công tác phân phối hành trình, công việc tiếp theo là phải

xác định đƣợc phƣơng thức đi lại bằng phƣơng tiện nào sẽ đƣợc sử dụng. Giai đoạn

Cao Văn Trƣờng _ QG10 _1051170069 Trang 86

này dự báo có bao nhiêu ngƣời sử dụng phƣơng tiện giao thông công cộng và bao

nhiêu ngƣời sử dụng phƣơng tiện giao thông cá nhân. Ở bƣớc này mô hình sử dụng

lý thuyết lựa chọn rời rạc cho trƣờng hợp nhiều lựa chọn hoặc lựa chọn Binary (mô

hình nhị phân) cho trƣờng hợp có 2 lựa chọn.

Phƣơng pháp thông thƣờng nhất đƣợc sử dụng là mô hình Logit.

Hình 4.4 Phân chia phương thức

Ở bƣớc thứ 3 của dự báo nhu cầu giao thông sử dụng mô hình lựa chọn logit

để tính toán. Trong Cube, mô hình đơn giản nhất đƣợc sử dụng là mô hình logit

tuyệt đối.

Mô hình lựa chọn đơn giản này chia tổng nhu cầu đi lại giữa hai lựa chọn

thay thế, nó đƣợc gọi là mô hình Binary. Điều này có thể đƣợc mở rộng bằng cách

thêm các phƣơng thức khác, do đó tạo thành một mô hình đa thức.

Đây là một ví dụ đơn giản của mô hình tổng cầu. Giả sử rằng trong một hệ

thống giao thông chỉ có hai phƣơng thức rời rạc cạnh tranh là Phƣơng tiện cá nhân

(Car) và giao thông công cộng (PT) - giữa một tập hợp các điểm đi và điểm đến.

Ngƣời sử dụng một hệ thống nhƣ vậy đƣợc gọi là sự lựa chọn nhị phân, bởi vì chỉ

có hai lựa chọn thay thế ( Cá nhân hoặc PT).

Tất cả hành trình

Cao Văn Trƣờng _ QG10 _1051170069 Trang 87

Quá trình này bắt đầu bằng cách tính toán chi phí tổng quát giữa địa điểm đi

và địa điểm đến bằng các phƣơng thức. Thông thƣờng, chi phí này là sự kết hợp

tuyến tính của các chi phí tiền tệ (giá vé, nhiên liệu, vv) và thời gian (đi bộ, chờ đợi,

trung chuyển, thời gian trong xe, vv). Cũng có thể sử dụng một hằng số phụ gần

đúng nào đó của các yếu tố chi phí để có thể dễ dàng xác định đƣợc số lƣợng, ví dụ

nhƣ sự tiện lợi của dịch vụ xe buýt, hoặc chất lƣợng xe chạy trên đƣờng. Gọi chi phí

đi lại bằng Phƣơng tiện cá nhân là CCar và PT là Cpt. Giả sử rằng có một nhu cầu

tổng là D và cuộc hành trình trong một thời gian nhất định. Theo mô hình Logit

tuyệt đối thì xác suất của việc lựa chọn Phƣơng tiện cá nhân (P

)và PT (P

)

đƣợc đƣa ra bởi các phƣơng trình dƣới đây:

Với λ là tham số quy mô.

Các dự báo nhu cầu xe cá nhân ( D

)và PT ( D

) là:

Các trƣờng hợp của mô hình đƣợc xác định bởi một hằng số dƣơng nhƣ tham

số quy mô, đƣợc gọi là λ trong các phƣơng trình trên. Biểu đồ dƣới đây cho thấy sự

nhạy của mô hình với các giá trị khác nhau của λ.

Nếu λ = 0 mô hình này là hoàn toàn không nhạy với chi phí và nhu cầu đƣợc

chia đều giữa mỗi lựa chọn có sẵn. Chú ý rằng Pcar = 1/2 và Ppt = 1/2 khi λ = 0.

Khi λ tăng, độ nhạy của mô hình logit này tăng theo, dần dần phân bổ nhu cầu nhiều

hơn để lựa chọn với chi phí thấp hơn. Con số "mô hình logit nhạy" cho thấy mô

hình trở nên nhạy hơn với sự khác biệt về chi phí khi λ = 0,01, 0,02 và 0,04.

Cao Văn Trƣờng _ QG10 _1051170069 Trang 88

Cuối cùng, khi λ tiến tới vô cùng, mô hình sẽ phân bổ tất cả các nhu cầu thay

thế với chi phí thấp nhất. Giá trị của tham số quy mô sẽ phụ thuộc vào bản chất của

sự lựa chọn, đặc trƣng nhu cầu các đơn vị chi phí. Ví dụ:

Nguồn: Tài liệu hướng dẫn sử dụng CUBE của Citilabs

Hình 4.5 Độ nhạy mô hình Logit

Bƣớc 4. Ấn định tuyến đƣờng (Traffic assignment)

Đây là giai đoạn cuối cùng sau khi xác định phƣơng thức phân chia, mục

đích là phải xác định đƣợc tuyến đƣờng nào (cho mỗi phƣơng thức) đƣợc sử dụng

cho những hành trình từ điểm đi đến điểm đến.

Cao Văn Trƣờng _ QG10 _1051170069 Trang 89

Quá trình ấn định tuyến đƣờng bao gồm sử dụng các phƣơng pháp sau:

Phương pháp 1: Tất cả hoặc không có gì.

Hầu hết hành trình đƣợc chỉ định cho những tuyến tuyến đƣờng ngắn nhất.

Hình 4.7 Tất cả hoặc không có gì ( All or nothing)

Phương pháp 2: Phương pháp cân bằng, phƣơng pháp này bao gồm các

bƣớc sau:

1. Áp dụng một phƣơng pháp 1 (tất cả hoặc không có gì).

2. Tính toán thời gian hành trình mới (liên quan đến lƣu lƣợng và ách tắc

giao thông)

3. Tính toán lại hành trình ngắn nhất với sự tăng trƣởng giao thông

4. Kiểm tra lại tất cả các tuyến xem có thời gian đi lại là tƣơng đƣơng hay

không, nếu không, lặp lại bƣớc 1, ngƣợc lại, kết thúc quá trình.