IHOP Sampers med bättre modellering av trängsel i storstäder CTS-dagen Borlänge 2013-11-26.

En presentation över ämnet: "IHOP Sampers med bättre modellering av trängsel i storstäder CTS-dagen Borlänge 2013-11-26."— Presentationens avskrift:

1 IHOP Sampers med bättre modellering av trängsel i storstäder CTS-dagen Borlänge 2013-11-26

2 Syftet med IHOP  Göra prognoser och samhällsekonomiska analyser av åtgärder som påverkar trängsel i vägnätet mer tillförlitliga  Testa att byta statisk utbudsmodell i Sampers mot dynamisk  Varför?  Påverkan av trafikflödena på restider vid trängsel återspeglas inte tillfredställande i statiska utbudsmodeller 2

3 Nuvarande modellsystem Efterfråge- modell Statiska resekostnader I ”trängsel”- utredningar För låg känslighet av restider mot bilvolymer Fel prognos av förändringar I efterfrågan Resultat inte tillförlitliga vid hög trängsel Inkonsistensen omöjliggör SEK EMME Efterfrågematriser Traversal matrix factorized to 15 min intervals CONTRAM/ DYNAMEQ Dynamiska resekostnader Traversal matrix factorized to 15 min intervals Traversala matriser per 15 min intervall 3

4 Målet i IHOP Efterfråge- modell Dynamiska Resekostnader Korrekt känslighet av restiderna mot bilvolymerna Rätt prognos av förändringar I efterfrågan Tillförlitliga resultat Trovärdiga SEK Dynamisk utbudsmodell Dynamiska OD- Matriser 4

5 Omfattning av IHOP  Testa att integrera 2-3 dynamiska utbudsmodeller (DTA) med (en version av) Sampers  Beskriva Sampers integrerat med DTA  Rekommendation till TrV:  Ska Emme bytas mot DTA i Sampers?  Om ja, vilket DTA ska användas i integrationen 5

6 Projektorganisation  WSP, SWECO, KTH  Referensgrupp: forskare, konsulter, Trafikverket  2 workshops: alla intressenter  Februari 2013 - februari 2014 6

7 Innan workshop 1  Marknaden för DTA: 3 typer DTA, 14 utvecklare  Enkät 90 frågor, svar om 16 program  7 kan fungera i loopen med efterfrågemodell  Semidynamiska  Transcad DTA,  VISUM ICA,  Omnitrans STAQ  Analytiska dynamiska  Omnitrans Madam  VISUM DUE  Simulering  AIMSUN  Transmodeler 7

8 Frågor lösta vid Workshop 2013-05-21  Vilket område ska omfattas?  Statiska regionala modeller (inkl. SAMM) kvar i Sampers, bygga dynamisk AB-län integrerat med EF- modell  Hämta saknade matriser (gods, kollutbud) från SAMM-modellen  Vilka program (av 7) för dynamisk utbudsberäkning ska testas?  Genuint dynamiska mesomodeller:  en analytisk modell (Omnitrans eller VISUM DUE) och  en simuleringsmodell (AIMSUN eller Transmodeler) 8

9 Efter workshopen  Bestämma DTA programmet  Transmodeler  Visum DUE  WSP jobbar med Transmodeler  SWECO jobbar med Visum DUE  Testa läsa/skriva matriser  Kodning vägnät Transmodeler  Kodning vägnät VISUM  Integrering med efterfrågemodell  Efterfrågemodellen  Regent: Individbaserad version av Lutrans 9

10 Efterfrågemodellen REGENT  Utvecklat av Daniel Jonsson för ett annat projekt  Individbaserat, syntetisk befolkning  Programmerad i C#  Logitmodeller som i Lutrans  Mycket snabb (2 min arbetsresor för SAMM)  Ej val av tidpunkt 10

11 Kodning vägnät  Databehov förutom Emme  Svängfickor  Tillåtna sväng körfält-till-körfält  Trafiksignaler  För Transmodeler  Korsningsgeometri  Nätet från Dynameq duger inte  NVDB, körfält från Dynameq och Emme, trafiksignaler från Dynameq  För VISUM  Från Dynameq+Emme 11

12 Nätkodning Urval från NVDB Geometrier Hastighet Riktning Ramp, rondell Klassning Dynameq Antal KF Trafiksignaler Handkodning Svåra fall Samt vid dålig kodning Kvalitet på NVDB varierar mellan kommuner Transmodeler 12

13 Trafiksignaler Utnyttjat import från Dynameq Koda om noden Signalen ligger efter vädersträck Skiljer mellan korsningskodning i Dynameq nät och NVDB  Generalisering av NVDB Data i Dynameq av begränsat värde Två signalreglerade korsningar på Södermalm en på Kungsholmen osv… 13

14 Nätverkskodning i VISUM  Grundnätet: Dynameq skarvat med Emme för resten av länet  PTV har tagit fram ett VB-script i excel för att översätta korsningskodning i Dynameq till VISUM.  Överföring av nät har fungerat men ännu med oklar kvalitet  Vissa initiala problem 14

15 Hur blir restiderna?  Vi har gjort preliminära jämförelser med data från floating car och modellberäknade tider för Dynameq  Transmodeler (okalibrerad): I vart fall inte sämre än Dynameq, men i regel kortare restider än FC.  VISUM: Inga resultat ännu, kötid saknas förnärvarande. 15

16 Matrisöverföring Inget problem i något av programmen Handlar om sekunder Test med en 8000*8000 matris  4 sekunder för inläsning till program i C#  1240*1240 läsa 6 mat. tar 0.3 sekunder  Skriva 6 matriser tar 2 sekunder 16

17 Integration Regent - Transmodeler:  Fungerande koppling till efterfrågamodell Regent  Regent ger resultat liknande LuTrans  Bilmatriser fördelas per 15 minuter mellan 6.45 och 8.15  Använder alla resor som startat efter 7.00 och som når destination före 8.15 TransModeler Regent Ny restid och avstånd Ny efterfrågan matriser Tilläggsmatris Utbud kollektivtrafik Tullmatris Tilläggsmatris Utbud kollektivtrafik Tullmatris Markanvändning Individdatabank Emme LuSIM Bilinnehav LuTRANS Population synthetizer 17

18 Integrering Transmodeler med Regent  Går inte att anropa Transmodeler från ett annat program.  Anropa Regent från Transmodeler efter varje DTA  Skimning görs nu för en vald kvart (med dynamiska tider)  Arbete pågår för att göra dynamiskt  Körtid med halvbra dator och 3 iterationer utbud – efterfrågan 24 timmar  Vi tror: Körtid med riktigt bra dator och 7 iterationer utbud – efterfrågan 24 timmar 18

19 Integrering VISUM med Regent Det är möjligt att anropa VISUM från Regent Loopen mellan efterfrågan och utbud fungerar I nuläget inga tider med köer från VISUM PTV jobbar på problemet Oklara restider Vet ej om det konvergerar ännu Oklara körtider än så länge 19

20 Nästa steg och problem  Restider Transmodeler till regent  Lite osmidigt  Kodning VISUM DUE  Går trögt?  Hur lång tid tar det till konvergens? (<=3h x tidsperioder x DUE_iterationer x EF/Utbud_iterationer x replikationer)  Testa trängselskatt  Tolka resultat  Testa prognos (2030?)  Behövs val av tidpunkt?  Praktiska frågor  Förvaltning av nät och modellen  Utbildning 20

21 Konceptuellt enkelt men många praktiska frågor Komplexitet Dataförsörjning Mer jobb med kalibrering och underhåll Längre beräkningstider Större datamängder Svårare att tolka resultat Utbildning 21

22 Organisationsförändringar IHOP från årsskiftet  Leonid Engelson nuvarande PL går till TrV  Deltar fortfarande från sin tjänst på KTH, men mindre  Svante Berglund (WSP) blir PL 22