Travel demand matrix estimation methods integrating the full richness of obse...
Platos2022 matrixkalibratie op reistijden congestiepatronen en intensiteiten zonder gebruik van wensvraag - eerste toepassing in NoordBrabant.pptx
1. - 1
Eerste grootschalige toepassing
in Noord-Brabant
Ivo Hilderink (provincie Noord-Brabant)
Luuk Brederode (Dat.Mobility / TU Delft) - spreker
Matrixkalibratie
met STAQ
vrijdag 25 maart 2022
Matrixkalibratie met STAQ
2. -
Het lot van een verkeerskundige op een VinEx
barbecue
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 2
Goh, wat vervelend voor je…
‘Verkeerskundige’
Kan allerhande redenen hebben. De
prioritering van ander verkeer, stimuler..
Hmzz, ken je de situatie eigenlijk wel?
‘Verkeerskundige’
Nee, ik zit bijna nooit in de auto; dat
vind ik zonde van de tijd
‘Typische
Vinex
bewoner’
Ik stond vandaag toch weer in een file!
Waarom draaien ‘jullie’ daar geen extra
asfalt?
‘Verkeerskundige’
Wat weet je eigenlijk wel van files?
‘Verkeerskundige’
Mijn PhD gaat er over! En onlangs heb
ik het resultaat toegepast in Brabant….
‘Typische
Vinex
bewoner’
‘Typische
Vinex
bewoner’
‘Typische
Vinex
bewoner’
3. -
Files en strategische verkeersmodellen…
Om de relevantie van dit werk te peilen voor jullie (als gebruikers en ontwikkelaars van
strategische modellen) wil ik jullie een drietal multiple choice vragen voorleggen
Open een browser op je telefoon en ga naar Vevox.app …
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 3
4. -
Wat is de beste maat voor file-omvang als je
verkeersinformatie luistert?
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 4
Join: vevox.app ID: 126-346-371 POLL
OPEN
1. Filelengtes
8.33%
2. Reistijdvertragingen
87.5%
3. anders...
4.17%
5. -
Wat is de beste maat voor file-omvang als je
een strategische studie doet?
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 5
Join: vevox.app ID: 126-346-371
1. Filelengtes
3.7%
2. Reistijdvertragingen/vvu’s
51.85%
3. Fileduur
0%
4. Filezwaarte (=lengte*duur)
44.44%
POLL
OPEN
6. -
Hoe beoordelen we of een strategisch
verkeersmodel files goed beschrijft?
Door te vergelijken met:
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 6
Join: vevox.app ID: 126-346-371 POLL
OPEN
1. Waargenomen filelengten
25.93%
2. Waargenomen reistijdvertragingen/vvu’s
7.41%
3. Waargenomen fileduur
0%
4. Waargenomen filezwaarte (=lengte * duur)
11.11%
5. 'Waargenomen' i/c verhoudingen of wensvraag
55.56%
7. -
Waarom beoordelen we vooral op I/C
verhoudingen ipv reistijdvertragingen?
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 7
Waarnemingen
Intensiteit [vtg/u/strook]
Toedelingsmodel
Snelheid
[km/u]
Intensiteit [vtg/u/strook]
Snelheid
[km/u]
8. -
Waarom beoordelen we vooral op I/C
verhoudingen ipv reistijdvertragingen?
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 8
Waarnemingen
Intensiteit [vtg/u/strook]
Toedelingsmodel
Snelheid
[km/u]
Omdat een traditioneel statisch model wegvakken met congestie niet kan beschrijven
zijn gemodelleerde snelheden op/boven capaciteit niet als vertragingen interpreteerbaar.
Intensiteit [vtg/u/strook]
Snelheid
[km/u]
9. -
Waarom kunnen we in Noord-Brabant wel
beoordelen op reistijdvertragingen?
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 9
Waarnemingen
Intensiteit [vtg/u/strook]
Toedelingsmodel
Snelheid
[km/u]
Intensiteit [vtg/u/strook]
Snelheid
[km/u]
STAQ is wél in staat om wegvakken met congestie te beschrijven. We kunnen dus ook
echte reistijdvertragingen uitrekenen.
10. -
Dat uit zich ook in congestiepatronen: Case study
Rijstroken toegevoegd
Kruispuntcapaciteit
uitgebreid
Uit: Brederode et al (2019)
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 10
11. -
Toedeelresultaten referentie situatie
Legenda:
Bandbreedten: intensiteiten (vtg/h ochtendspits)
Kleuren: snelheid (als percentage van vrije snelheid)
Bollen: Omvang verticale wachtrijen (VVU’s)
Toedeelresultaten statisch toedelingsmodel
Toedeelresultaten STAQ
80% 100%
0%
308
Uit: Brederode et al (2019)
vrijdag 25 maart 2022
Matrixkalibratie met STAQ
12. -
Toedeelresultaten scenario met maatregelen
1. Bottleneck op afrit verdwijnt
2. Bottleneck op snelweg verdwijnt
3. Meer verkeer via Berlicumseweg
4. Intensivering van bottlenecks en
spillback stroomafwaarts
5. Minder vertraging op ring Den Bosch
6. Meer instroom vanuit ring Den Bosch,
activatie van nieuwe bottleneck op
knooppunt
1
2
4
4
3
5
6
3
4
1
2
Toedeelresultaten statisch toedelingsmodel
Toedeelresultaten STAQ
Legenda:
Bandbreedten: intensiteiten (vtg/h ochtendspits)
Kleuren: snelheid (als percentage van vrije snelheid)
Bollen: Omvang verticale wachtrijen (VVU’s)
80% 100%
0%
308
Uit: Brederode et al (2019)
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 12
13. -
Multi Source
Matrix
Calibration
Grootschalige toepassing op het
provinciale verkeersmodel van de
provincie Noord-Brabant
Ontwikkeltraject uitgevoerd door DAT.Mobility in
opdracht van de
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 13
14. -
Aanleiding en projectdoel
• In de Brabant Brede Model Aanpak (BBMA) wordt STAQ in plaats van een traditionele
toedelingsmethode gebruikt.
• Dit zorgt voor een accuratere beschrijving van effecten van congestie.
• Het biedt tevens kansen om op tellingen beïnvloed door congestie te kalibreren (geen
wensvraag nodig) en om ook te kalibreren op filelocaties en reistijden
• Bij aanvang van dit project was een prototype implementatie van deze nieuwe
matrixkalibratie methodiek (MSMC) beschikbaar en beschreven in een wetenschappelijk
paper.
• De scope van dit project is om de praktische meerwaarde van deze methode te
onderzoeken
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 14
15. -
Dataverzameling – waargenomen intensiteiten
• Telset overgenomen van BBMB 2018 (456 pae-tellingen)
• Tellocaties met <5% ongehinderd verkeer of <5% ongehinderde routes (in de apriori
toedeling) verwijderd uit telset omdat deze (bijna) alleen netwerk informatie bevatten
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 15
Aantal % van tellocaties
Tellocaties met <5% ongehinderd verkeer 21 5%
Tellocaties met <5% ongehinderde routes 14 3%
Tellocaties met 1 van beide onder 5% 21 5%
• Meer info:
• slides 10-11 van 20200205 - matrixkalibratie op
intensiteiten congestiepatronen en reistijden.pptx
• slide 14 van 20201120 - stavaza matrixkalibratie met
STAQ.pptx
16. -
Legenda:
Bandbreedten: intensiteiten (pae/h ochtendspits)
Kleuren: snelheid (als percentage van vrije snelheid)
Bollen: Omvang verticale wachtrijen (VVU’s)
80% 100%
0%
Dataverzameling – apriori toedeling
• Voor consistente reistijden overgestapt naar 2 uurs
• Voor eenvoud gebruik gemaakt van pae toedelingen
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 16
Reguliere BBMB 1 uurs toedeling BBMB 2 uurs PAE toedeling
Run20 rerun @ 19.105
17. -
Vergelijking reguliere en pae 2u toedelingen
• Overgestapt van 1 naar 2 uurs toedeling
• Nodig om realistische reistijden te verkrijgen, zie slides 18-21 van 20210414 - stavaza
matrixkalibratie met STAQ.pptx
• Verschillen in filelocaties zijn –afgezien van de twee locaties waar als gevolg van een
ondertussen verholpen bug verschillen optreden- nihil
• Verschillen in wachtrijlengten zijn groot: in de 2 uurs toedeling zijn wachtrijen (en daarmee
reistijden) veel groter.
• Door een 2 uurs toedeling te gebruiken zijn de (apriori) reistijden al veel beter op het
niveau van de waargenomen reistijden.
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 17
18. -
Dataverzameling – convergentie toedeling
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 18
Reguliere toedeling
Convergeert in 8 iteraties tot DG < 5E-04
Rekentijd: 1:28 uur
PAE toedeling
Convergeert in 9 iteraties tot DG < 5E-04
Rekentijd: 1:17 uur
PAE 2u toedeling
Convergeert in 13 iteraties tot DG < 5E-04
Rekentijd: 1:41 uur
Conclusie
• Toedelen duurt rond de 1.5 uur.
• Pae is iets sneller dan regulier, want minder routes
• Pae 2u is iets langzamer dan regulier, want is
gevoeliger door hogere vertragingen
Om bruikbare resultaten te leveren moet een strategische
toedeling het gebruikersevenwicht bereiken. Dit is bereikt
wanneer de ‘duality gap’ (DG) waarde kleiner dan 5E-04 is.
19. -
Resultaten – overzichtsdashboard
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 19
Gemiddelde afwijking per tellocatie neemt in 5 iteraties af
naar 7%
Gemiddelde afwijking per reistijdtraject daalt van 25 naar
12%
Gemiddelde kalibratie effect per HB paar bedraagt 0.20%
Tekort (overschot) aan verkeer
op (niet)file locaties benaderd 0
Verloop van doelfunctie waarde (samenvattende maat die
het algoritme probeert te minimaliseren)
NB: stippellijnen en cursieve
cijfers in de grafieken
representeren afwijkingen van
de vigerende BBMB kalibratie
322
90
0
NB, het max aantal iteraties is
(arbitrair) op 5 gesteld
0.13
21. -
Resultaten - congestiepatronen
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 21
Rang waargenomen
FileZwaarte Koplocatie
in BBMB
2018?
In pae-toedeling
BBMB 2018?
in MSMC zonder
reistijden? in MSMC?
1 A27 noord (Gorinchem) ( 303_a27_hm28.5 )
2 A2 noord (Maarheeze) ( 306_a2_hm175.6 )
3 A58 oost (Eindhoven) ( 302_a58_hm25.0 )
4 A2 noord (eindhoven) ( 306_a2_hm175.6 )
5 A16 noord (Dordrecht) ( 410_301_a16_hm44.0 )
6 A2 noord (Utrecht) ( 308_a2_hm109.7 )
7 A67 west (Eindhoven) ( 309_a67_hm27.3 )
8 A58 oost (Tilburg) ( vild093_a58 )
9 A2 zuid (Den Bosch) ( 618_a2_hm96.7 )
10 A67 west (Eindhoven) ( 311_a67_hm32.5 )
11 A58 oost (Eindhoven) ( 307_a58_hm18.5 )
12 A58 oost (Tilburg-centrum) ( 319_a58_hm44.2 )
13 A50 zuid (Oss) ( vild161_a50 )
14 A59 west (Den Bosch) ( vild820_a59 )
15 A59 noord (Nijmegen) ( vild505_a59 )
16 A50 west (Veghel) ( vild418_a50 )
Niet hier, maar grote kiemen
binnen kp Hooipolder
Kiem die in sommige iteraties
(met verschil van 1 voertuig)
verdwijnt
22. -
Resultaten - trajectvertragingen
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 22
• Op alle trajecten scoort MSMC beter
dan synthetisch
• Afwijkingen dalen van gemiddeld 25%
naar gemiddeld 12% per traject
• In absolute zin dalen afwijkingen van:
• tussen 25 sec en 5 minuten; naar
• tussen 12 sec en 2 minuten
• Detail-analyses wijzen uit dat
inconsistenties in brondata een betere
fit voorkomen
• NB: deze analyse bevat alleen trajecten
waar (volgens google reistijden)
vertraging door wachtrijvorming plaats
vindt
23. -
Resultaten - rekentijden
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 23
• MSMC heeft alle vijf iteraties nodig om de genoemde fit op reistijden te bereiken. MSMC is
daarmee ca 11% sneller dan de huidige methode.
• MSMC heeft slechts drie iteraties nodig om een betere fit op tellingen te bereiken dan die van de
huidige methode. Wanneer de fit op trajectvertragingen niet beschouwd zou worden is MSMC ca
40% sneller dan de huidige methode
• Er zijn een drietal aandachtspunten bij deze vergelijking:
• BBMB genereert elke iteratie nieuwe routes, MSMC doet dat niet. Hierdoor is MSMC in het voordeel.
• BBMB deelt personenauto en vracht apart toe, MSMC deelt pae’s toe. Hierdoor is MSMC in het voordeel.
• BBMB doet 1 uurs toedeling; MSMC 2 uurs. Hierdoor is BBMB in het voordeel
aantal STAQ iteraties
rekentijd STAQ + routesets
type SMC rekentijd SMC totale rekentijd aantal STAQ iteraties
rekentijd STAQ+lower level rekentijd upper level totale rekentijd
10 04:10:00 kiem 00:09:06 04:19:06 12 02:56:36 01:10:40 04:07:16
10 03:37:58 tellingen 01:56:36 05:34:34 15 02:57:30 00:59:20 03:56:50
10 03:38:44 kiem 00:09:27 03:48:11 14 02:47:04 00:45:44 03:32:48
10 03:39:53 tellingen 02:00:22 05:40:15 13 02:38:49 00:20:28 02:59:17
13 02:39:51 00:00:00 02:39:51
40 15:06:35 04:15:31 19:22:06 67 13:59:50 03:16:12 17:16:02
MSMC 5mln routes 2 uur
BBMB2018 kalibratie 5mln routes 1 uur
24. -
Conclusies 1
• In dit project is de prototype implementatie van Multi-Source Matrix Calibration (MSMC)
geschikt gemaakt voor toepassing op (grote) stedelijk/regionale netwerken.
• MSMC maakt gebruik van aanvullende informatie over bottlenecks uit de STAQ toedeling
• Daardoor kan:
• MSMC direct op tellingen beïnvloed door congestie kalibreren (geen wensvraag nodig);
• MSMC ook op waargenomen filelocaties en trajectvertragingen kalibreren.
• MSMC houdt ook rekening met de effecten van kruispuntmodellering
• De methodiek achter MSMC kan ook op meerdere klassen weggebruikers kalibreren, maar
dat is nog niet geïmplementeerd
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 24
25. -
Conclusies 2
• MSMC is in dit project succesvol toegepast op de BBMB:
• De fit op tellingen is beduidend beter dan die o.b.v. de methode uit BBMB2018
• Alle filelocaties worden gerealiseerd
• Verschillen in waargenomen trajectvertragingen zakken van gemiddeld 25% naar 12% en zijn een factor
10 lager dan die o.b.v. de methode uit BBMB2018
• De afwijking t.o.v. de apriori HB matrix is ca 23% lager dan die o.b.v. de methode uit BBMB2018
• De rekentijd voor kalibratie inclusief trajectvertragingen is ca 11% lager dan die van de huidige methode
• De rekentijd voor kalibratie exclusief trajectvertragingen is ca 40% lager dan die van de huidige methode
• Bij doorontwikkeling naar definitieve implementatie zullen rekentijden nog fors dalen
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 25
26. -
Aanbevelingen
• Door de accuratere beschrijving van effecten van congestie vereist STAQ het modelleren
van een volledige spitsperiode (in Noord Brabant lijkt 2 uur voldoende). De huidige
modellering van 1 ‘representatief uur’ leidt tot substantiële onderschatting van reistijden.
• Om met verdere spitsverbreding om te kunnen gaan: gebruik maken van semi dynamische
versie STAQ (naar 24 x 1 uur kalibraties in combinatie met vertrektijdstipkeuzemodel)
• Bij omzetten naar productie-code moeten we overstappen van de huidige Matlab- naar een
andere solver. Daartoe laten we eerst een stagair/afstudeerder zo veel mogelijk solvers
testen binnen de huidige prototype omgeving.
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 26
27. -
Literatuur
• Wetenschappelijk paper over methodiek achter MSMC:
https://www.researchgate.net/publication/344810288_Travel_Demand_Matrix_Estimation_for
_Strategic_Road_Traffic_Assignment_Models_with_Strict_Capacity_Constraints
• Platos 2021 presentatie over de methodiek achter MSMC:
https://www.slideshare.net/LuukBrederode/20200311-platos2020-matrixkalibratie-op-
intensiteiten-congestiepatronen-en-reistijden-fontsembedded
• Volledige project rapportage inclusief oplegnotitie: op verzoek te verkrijgen
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 27
29. -
Waarom kijken sommige modellen naar
‘wensvraag’?
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 29
Intensiteit [vtg/u/strook]
Snelheid
[km/u]
Waargenomen intensiteit/snelheid
Gemodelleerde intensiteit/snelheid o.b.v. apriori HB matrix
Gemodelleerde intensiteit/snelheid na kalibratie op intensiteiten
De kalibratie haalt verkeer uit de matrix om de lagere gemeten intensiteit te matchen.
Maar er had verkeer bij gemoeten om file te veroorzaken!
30. -
Waarom kijken sommige modellen naar
‘wensvraag’?
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 30
Intensiteit [vtg/u/strook]
Snelheid
[km/u]
Waargenomen intensiteit/snelheid
Gemodelleerde intensiteit/snelheid o.b.v. apriori HB matrix
Gemodelleerde intensiteit/snelheid na kalibratie op wensvraag*
De hoeveelheid ‘missend’ verkeer wordt o.b.v. vuistregels ingeschat en toegevoegd aan
de waargenomen intensiteit, in de hoop dat de kalibratie dan wel goed uit komt.
Ingeschatte wensvraag
*de gemodelleerde intensiteit/snelheid is in dit voorbeeld niet te voorspellen omdat
deze afhankelijk is van condities op omliggende wegvakken en gevoeligheid van
routekeuze
31. -
Hoe doen we het in Noord-Brabant?
vrijdag 25 maart 2022
Matrixkalibratie met STAQ 31
• We gebruiken STAQ om te bepalen wat de condities op omliggende wegvakken zijn
• Want netwerkcondities bepalen wat we eigenlijk meten:
• Alleen intensiteiten gemeten op blauwe en blauw/grijze wegvakken bevatten informatie over
vervoersvraag. STAQ kan met beide typen uit de voeten.
• Intensiteiten gemeten op grijze en rode wegvakken moet worden gebruikt voor netwerkkalibratie,
niet voor vervoersvraagkalibratie
Vervoersvraag
Capaciteit van stroomafwaartse bottleneck
Capaciteit van stroomopwaartse bottleneck
Mix van vervoersvraag en capaciteit van
stroomopwaartse bottleneck
Notes de l'éditeur
Karien vragen plaatje te tekenen van de verkeerskundige (ik) die met een trui met een kruis door een auto erop (Aptroot) en één geitenwollensok aan zijn voet op een barbequeue staat in een Vinex wijk (veel auto’s geparkeerd, kaal; krijsende baby’s, dikke mensen)
NB: over methodiek vertel ik vrijwel niets omdat dat vorig jaar al tijdens mijn Platos presentatie aan bod is gekomen: https://www.slideshare.net/LuukBrederode/20200311-platos2020-matrixkalibratie-op-intensiteiten-congestiepatronen-en-reistijden-fontsembedded