Professional Documents
Culture Documents
PL SB
PL SB
1. UVOD
2. MODELI PLANIRANJA SAOBRAĆAJA
Definisanje pojma model i modelovanje
Model generisanja putovanja
Model prostorne raspodele putovanja
Model raspodele putovanja na vidove prevoza
Modeli raspodele tokova na mrežu
Osobine modela
Koristi od primene modela
3. ZAKLJUČNA RAZMATRANJA
1. UVOD
1. Treba li da putujem?
2. Kuda bi trebalo da idem?
3. Kada bi trebalo da putujem?
4. Kako bi trebalo da putujem (pešice ili nekim prevoznim sredstvom)?
5. Kojim putem bi trebalo da idem?
Kalibracija modela vrši se u sva četiri koraka kako bi se odrazili specifični uslovi
predmetnog područja studije, odnosno, svaki od modela približio realnom stanju.
2.2 Model generisanja putovanja
U stručnoj praksi se najčešće za prognozu obima kretanja koristi model višestruke linearne
regresijske analize.
Prema ovom modelu pretpostavlja se linearna veza između zavisno promenljive Y i jedne ili
više nezavisno promenljivih (X1, X2, ..., Xn) oblika:
Y = bo + b1X1 + b2X2 + …….+ bnXn , …………….(1)
gde su bo, b1, b2, ...., bn parametri modela, koji se utvrđuju metodom najmanjih kvadrata.
Zavisnost se utvrđuje na skupu podataka koji opisuju postojeće stanje, a na osnovu
planiranih vrednosti nezavisno promenljivih (X1, X2, ..., Xn) vrši se prognoza budućeg obima
putovanja. Veoma često osnovu za prognozu budućih kretanja predstavljaju radna kretanja,
kao najmasovnija kretanja koncentrisana u relativno kratkim vremenskim periodima.
Parametri bi se utvrđuju metodom najmanjih kvadrata:
gde je:
Yi – snimljena vrednost,
Yi* - modelska vrednost.
U slučaju linearne zavisnosti:
Y = α+βX ............................(4)
n XY X Y
β= ..........................(5)
n X 2 X
2
Y ( X )
α= ..........................(6)
n n
Regresiona analiza – primer:
Na osnovu podataka o gustini stanovanja (X1), broju stanovnika po zonama (X2), broju
članova po domaćinstvu (X3) i podacima iz ankete o broju putovanja (Y) , datim u tabelama
2 i 3, potrebno je:
1. Na osnovu pojedinačnih grafičkih prikaza, Y = f(Xi) , izvršiti analizu i izabrati
odgovarajuću nezavisnu promenljivu (obrazložiti kriterijum izbora);
2. Za izabranu nezavisno promenljivu Xi naći jednačinu regresione prave.
Tabela 2. Gustina stanovanja, broj stanovnika i broj članova domaćinstava po zonama (od 1 do 7).
Tabela 3. Gustina stanovanja, broj stanovnika i broj članova domaćinstva po zonama ( od zone 8 do 14).
Rešenje:
n XY X Y
β= ..............................(7)
n X 2 X
2
β = 2.29 ..............................(8)
Y ( X )
α= ..............................(9)
n n
α = 1939,49 ........................(10)
Y = 1939.49+2.29X ..........................(11)
r = 0.769 .........................(12)
2.3 Model prostorne raspodele putovanja
Prognozirani broj kretanja na dan između zona i i j, po ovom modelu, izračunava se pomoću
formule:
gde je:
Tij – budući broj kretanja iz i u j,
tij – sadašnji broj kretanja iz i u j,
F – faktor porasta za čitavo područje za koje se radi prognoza.
n n
Ti Tj
F n
n
............................(14)
ti tj
gde je:
∑Tj – ukupan broj kretanja u ciljnoj godini,
∑tj – ukupan broj kretanja u baznoj godini.
Data je matrica razmene kretanje (tabela 5) u postojećem stanju. Na osnovu modela
jedinstvenog faktora rasta prognozirati buduću razmenu kretanja između zona. Postojeće stanje
je prikazano u tabeli 5.
Tabela 5. Postojeća razmena kretanja između
zona.
gde je:
i, j – zona,
ti – suma kretanja u zone i,
tj – suma kretanja u zone j,
F – faktor porasta,
Ti – ukupan broj putovanja.
Prognoza
Na osnovu ove relacije dobija se buduća matrica međuzonske razmene kretanja, prikazana u
tabeli 6.
Kod prve grupe modela zakonitosti odnosa između pojedinih vidova prevoza se utvrđuju na bazi
podataka o karakteristikama izvornih i ciljnih zona putovanja, kao što su stepen motorizacije,
veličina dohotka, broj domaćinstva sa automobilom ili bez njega itd.
Kod modela kojima se odnos između pojedinih vidova – načina prevoza procenjuju na
osnovu zakonitosti ponašanja pojedinaca tzv. Bihevioristički modeli, utvrđuje se verovatnoća
da će putnik, koji pripada određenoj socio – ekonomskoj grupi stanovnika, izabrati jedan od
vidova prevoza.
Generalno, kod modela vidovne raspodele putovanja, u pogledu primene parametara koji
utiču na opredeljenje putnika pri izboru načina kretanja, situacija je nešto povoljija nego u
prethodnim grupama modela četvorostepenog lanca.
Metod diverzionih krivih
Najčešće primenjeni model kojim se utvrđuje međuzonska raspodela putovanja je metod
diverzionih krivih.
Pomoću diverzionih krivih računaju se proporcionalni odnosi u vidovnoj raspodeli za zadate
faktore ili njihove kombinacije koje ne moraju biti uvek linearne.
Primer metoda diverzionih krivih
Tabela 7. Matrica radnih kretanja zona-zona (put/dan).
Tabela 9. Matrica procenata učešća pešačkih kretanja u ukupnim radnim kretanjima (%).
Prilikom izbora putanje između zone izvora i zone cilja osobe koje putuju ne koriste
identične puteve što se objašnjava sledećim odnosima:
pojedinci različito vrednuju alternative koje su im na raspolaganju, i
učesnici u saobraćaju, pre svega vozači, u jednom trenutku teže da uspostave ravnotežu
između inteziteta saobraćaja i mogućnosti mreže.
Modeli opterećenja putne mreže (modeli pripisivanja) služe za lociranje onih putovanja na
putnu mrežu, koja su u prethodnom postupku distribuirana po zonama i načinima.
Na osnovu matrice interzonske razmene putovanja (tabela 11) nacrtati linije želja za date
zone.
Tabela 11. Međuzonska razmena putovanja
(put/dan).
Na slici 7 prikazan je zonski sistem zadatog područja.
Modeli omogućavaju simuliranje različitih okolnosti koje se mogu predvideti, a time i efekte
koji prouzrokuju pojedine planerske veličine.
Uz primenu računara, mogu se testirati za kratko vreme brojne alternative razvoja.
Formiranje, kalibrisanje i testiranje sopstvenog modela doprinosi shvatanju zavisnosti
planerskih veličina među sobom od strane radnog tima, pa je u tom smislu veoma značajan
rezultat, koji se izražava u sticanju planerskog iskustva i planerske filozofije.
Kada je radni tim već ovladao tehnikom, moguće je kroz testirane programe značajno
povećati produktivnost i skratiti vreme za dobijanje prognoznih veličina u potrebnom broju
alternativa.