Experimento de Reprogramação Dinâmica do Horário de Partida OD¶

O processo dinâmico de reagendamento do horário de partida OD modifica uma demanda de tráfego para ajustar o horário de partida das viagens de modo que os veículos cheguem no horário de chegada preferido, apesar das diferenças em seus tempos de percurso devido à variação do congestionamento em novos cenários. São feitas alterações no horário de partida, que são da mesma ordem de tempo que a segmentação temporal na Demanda de Tráfego especificado no cenário modelado. Por exemplo, se a Demanda de Tráfego em um cenário base for composta por matrizes OD em intervalos de 10 minutos, como seria gerado por um Cenário de Ajuste de Partida OD Estática, então o Experimento Dinâmico de Reprogramação do Horário de Partida poderá 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 intervalos de 10 minutos.

A teoria por trás do experimento Dynamic OD Departure Time Rescheduling é descrita no Seção de Teoria.

Processo¶

O Dynamic OD Departure Time Rescheduling Experiment requer três entradas:

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

• A Objeto de atribuição de caminhos gerado em um cenário base. Este cenário representa o ano atual, calibrado com dados de perfil observados, no qual se assume que os viajantes concluem as viagens em seu horário de chegada preferido.

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

Um Dynamic OD Departure Time Rescheduling Result executará uma simulação mesoscópica DUE atribuição e ajustar a demanda usando um Método das Médias Sucessivas para minimizar o custo das viagens e convergir para uma solução em que sejam feitas alterações mínimas nas matrizes OD.

O intervalo de tempo usado no experimento de reprogramação deve ser considerado. Ele é definido implicitamente em Demanda de Tráfego e baseia-se no perfil observável dos fluxos nos dados reais usados para calibrar o modelo. Se o intervalo for definido como longo demais, as diferenças de tempo fornecidas às funções de penalidade serão grandes e os altos custos resultantes mascararão quaisquer alterações nos tempos de viagem. Em geral, os intervalos de tempo devem ser pequenos para permitir pequenos incrementos de tempo no reescalonamento. No entanto, se forem curtos demais, há risco de sobreajustar o perfil de horário de partida a dados que contêm ruído estocástico, ruído que é suavizado em períodos mais longos.

Experimento de Reprogramação Dinâmica do Horário de Partida OD¶

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

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

A aba Rescheduling Parameters especifica o número máximo de iterações, o gap de convergência e intervalos adicionais no início e no fim do período modelado para aceitar aquelas viagens que agora partem ou chegam fora do período originalmente modelado.

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

Execução de um experimento dinâmico de reprogramação do horário de partida OD¶

O Dynamic OD Departure Time Rescheduling Experiment Result é o objeto que executa o experimento. O objeto de resultado é usado para especificar a semente aleatória, ou múltiplas sementes aleatórias se forem necessárias para controlar a variabilidade no modelo usando Sementes Aleatórias do Modelo de Simulação Mesoscópica.

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

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