Experimento de Reprogramação do Horário de Partida OD Dinâmico

O processo de reprogramação do horário de partida OD dinâmico modifica a demanda de tráfego para ajustar o horário de partida das viagens de modo que os veículos cheguem no horário de chegada desejado, apesar das diferenças nos tempos de viagem devido à variação na congestionamento em novos cenários. Mudanças no horário de partida são realizadas, que estão na mesma ordem de tempo que a segmentação de tempo na Demanda de Tráfego especificada no cenário modelado. Por exemplo, se a Demanda de Tráfego em um cenário base é composta por matrizes OD em intervalos de 10 minutos, como seria gerado por um Cenário de Ajuste de Partida OD Estática, então o Experimento de Reprogramação do Horário de Partida Dinâmico será capaz de reprogramar a demanda em um cenário futuro, mais congestionado, para fornecer aos viajantes um perfil de horários de chegada que corresponda ao cenário base em passos de 10 minutos.

A teoria por trás do experimento de reprogramação do horário de partida OD dinâmico é descrita na Seção Teórica.

Processo

O Experimento de Reprogramação do Horário de Partida OD Dinâmico requer três insumos:

• Um Cenário Dinâmico com uma Demanda de Tráfego desagregada onde as matrizes OD definem janelas de partida, bem como definem o perfil temporal da demanda. Este cenário representa o teste do ano futuro onde, devido ao congestionamento, os tempos de viagem aumentaram.

• Um Objeto de Atribuição de Caminho gerado em um cenário base. Este cenário representa o ano atual, calibrado com dados de perfil observados, onde se presume que os viajantes terminam as viagens em seu horário de chegada desejado.

• Funções de Penalidade de Chegada para adicionar um "custo" de chegar cedo ou tarde ao destino.

Um Resultado de Reprogramação do Horário de Partida OD Dinâmico executará uma atribuição DUE Mesoscópica e ajustará a demanda usando um Método de Médias Sucessivas para minimizar o custo das viagens e convergir para uma solução onde mudanças mínimas são feitas nas matrizes OD.

O intervalo de tempo utilizado no experimento de reprogramação deve ser considerado. Ele é implicitamente definido na Demanda de Tráfego e é baseado no perfil observável de fluxos nos dados reais usados para calibrar o modelo. Se o intervalo for definido muito longo, as diferenças de tempo fornecidas às funções de penalidade serão grandes e os altos custos resultantes ocultarão quaisquer mudanças nos tempos de viagem. Em geral, os intervalos de tempo devem ser pequenos para permitir pequenos incrementos de tempo na reprogramação. No entanto, se forem muito curtos, há o risco de ajustar excessivamente o perfil de horário de partida a dados que contêm ruído estocástico, ruído que é averiguado em períodos mais longos.

Experimento de Reprogramação do Horário de Partida OD Dinâmico

Um Experimento de Reprogramação do Horário de Partida OD Dinâmico é criado como um experimento em um Cenário Dinâmico. Um Resultado de Reprogramação do Horário de Partida OD Dinâmico é criado sob o experimento para executar o ajuste.

O experimento possui as mesmas abas e controles de um DUE Mesoscópico, pois a atribuição é feita usando um DUE Meso. Há uma aba extra para controlar o processo de reprogramação.

A aba de Parâmetros de Reprogramação especifica o número máximo de iterações, a lacuna de convergência e intervalos adicionais no início e no final do período modelado para aceitar aquelas viagens que agora partem ou chegam fora do período originalmente modelado.

A aba de Parâmetros de Reprogramação também especifica o objeto de Atribuição de Caminho usado para definir os horários base, as funções de penalidade de chegada e a proporção de viagens nas matrizes base que podem ser movidas entre os intervalos de tempo.

Executando um Experimento de Reprogramação do Horário de Partida OD Dinâmico

O Resultado do Experimento de Reprogramação do Horário de Partida OD Dinâmico é o objeto que executa o experimento. O objeto resultado é usado para especificar a semente aleatória, ou múltiplas sementes aleatórias se estas forem necessárias para controlar a variabilidade no modelo usando Sementes Aleatórias do Modelo de Simulação Mesoscópica.

Os resultados do experimento são as mudanças nas matrizes OD, que podem ser salvas como um novo objeto de demanda e matrizes associadas.

A aba de resultados também fornece uma visão dos resultados do experimento mostrando os valores Rgap para cada iteração.