교통 예측

Transportation forecasting
Road Space Requirements.png

교통 예측은 미래에 특정 교통 시설을 이용할 차량이나 사람의 수를 추정하는 시도이다.예를 들어, 예측은 계획된 도로 또는 다리의 차량 수, 철도 노선의 승객 수, 공항을 방문하는 승객 수 또는 항구를 방문하는 선박 수를 추정할 수 있다.트래픽 예측은 현재 트래픽의 데이터 수집부터 시작됩니다.이 교통 데이터는 현재 상황에 맞는 교통 수요 모델을 개발하기 위해 인구, 고용, 여행 요금, 여행 비용 등과 같은 다른 알려진 데이터와 결합됩니다.인구, 고용 등에 대한 예측 데이터를 제공하면, 일반적으로 각 도로 구간 또는 철도 역에 대해 해당 교통 인프라의 각 세그먼트에 대해 추정되는 미래 교통량을 추정하게 됩니다.현재의 기술은 동적 데이터, 빅데이터 등에 대한 액세스를 용이하게 하여 현재 [1]추정치의 예측 가능성과 정확성을 크게 향상시키는 새로운 알고리즘을 개발할 기회를 제공합니다.

교통 예측은 교통 정책, 계획 및 엔지니어링에서 몇 가지 핵심 목적을 위해 사용된다. 즉, 교량이 얼마나 많은 차선을 가져야 하는지, 비용 편익 분석 및 사회적 영향 평가를 사용하여 프로젝트의 재정 및 사회적 실행 가능성을 추정하기 위해, 그리고 환경적 영향을 계산하기 위해 사용된다.예를 들어 대기 오염과 소음과 같은 협정.

4단계 모델

예측과 제공의 악순환

합리적인 계획 프레임워크 내에서 교통 예측은 1950년대 디트로이트 메트로폴리탄 지역 교통 연구 및 시카고 지역 교통 연구(CATS)에서 메인프레임 컴퓨터에 처음 구현된 순차적 4단계 모델 또는 도시 교통 계획(UTP) 절차를 따릅니다.

토지 이용 예측이 프로세스를 시작합니다.일반적으로 인구 증가 등 지역 전체에 대한 예측이 이루어진다.이러한 예측은 지역 토지 이용 분석에 대한 통제 총계를 제공한다.일반적으로 지역은 구역으로 나뉘며, 추이 또는 회귀 분석에 의해 인구와 고용이 각각 결정된다.

전통적인 도시 교통 계획 시스템 모델의 4단계는 다음과 같다.

  • 트립 발생은 토지 이용 및 가구 인구통계 및 기타 사회경제적 요소의 함수로서 트립 목적별로 각 구역의 트립 출발지 또는 목적지를 결정한다.
  • 트립 분포는 엔트로피 최대화 모델과 동등한 중력 모델 함수를 사용하는 목적지와 원점을 일치시킵니다.구형 모델에는 반복 비례 [2]피팅의 일종인 프라타 또는 퍼니스 방법이 포함됩니다.
  • 모드 선택은 특정 전송 모드를 사용하는 각 출발지와 도착지 간의 트립 비율을 계산합니다(이 모달 모델은 로짓 형식일 수 있습니다).
  • 루트 할당은, 특정 모드에 의한 송신원과 행선지간의 트립을 루트에 할당합니다.종종 (고속도로 경로 할당의 경우) Wardrop의 사용자 균형 원칙이 적용되며(내시 균형과 동일), 여기서 각 운전자(또는 그룹)는 다른 모든 운전자가 동일한 행동을 하는 것을 조건으로 최단(이동 시간) 경로를 선택한다.문제는 이동 시간이 수요의 함수인 반면, 수요는 이동 시간의 함수, 이른바 2단계 문제라는 것입니다.또 다른 접근방식은 Stackelberg 경쟁 모델을 사용하는 것입니다.이 경우 사용자("팔로어")는 트래픽 매니저와 같은 "리더"의 액션에 응답합니다.이 리더는 팔로워들의 반응을 예상합니다.

고전적 모델 다음에는 합의된 의사결정 기준과 파라미터 세트에 따른 평가가 있다.대표적인 기준은 비용 편익 분석이다.이러한 분석은 네트워크 할당 모델이 필요한 용량을 식별한 후에 적용할 수 있습니다.이러한 용량은 가치가 있습니까?예측과 의사결정 단계를 프로세스의 추가 단계로 식별하는 것 외에 예측과 의사결정이 UTP 프로세스의 각 단계에 침투한다는 점에 유의해야 한다.계획은 미래를 다루고 예측에 의존합니다.

액티비티 기반 모델

활동 기반 모델은 특정 활동(예: 일, 여가, 쇼핑 등)이 수행되는 장소와 시기를 예측하는 또 다른 종류의 모델이다.

활동 기반 모델의 주요 전제는 여행 수요가 사람들이 필요로 하거나 수행하기를 원하는 활동에서 파생되며, 여행 결정은 일정 결정의 일부를 형성한다는 것입니다.그 후 여행은 시스템의 속성 중 하나로 간주됩니다.따라서 여행 모델은 활동 일정 결정의 구성 요소로서 의제의 맥락에서 설정됩니다.

활동 기반 모델은 배출물 및 대기 오염 노출과 같은 환경 문제를 모델링하는 4단계 모델 이외의 다른 가능성을 제공합니다.Shiftan은 거의 10년 [3]전에 환경 목적의 명백한 이점을 인정했지만, 노출 모델에 대한 적용은 여전히 드물다.활동 기반 모델은 최근 배출량과 대기질을 [5]예측하기 위해 사용되고 있습니다.[6] 또한 더 나은 총 노출 추정치를 제공하는 동시에 [7][8]활동에 대한 개별 노출을 세분화할 수 있다.따라서 이러한 분류는 노출 오분류를 줄이고 건강 영향과 대기질 간의 관계를 보다 [9]정확하게 설정하는 데 사용할 수 있다.정책 입안자는 활동 기반 모델을 사용하여 시간 활동 패턴을 변경하여 노출을 줄이거나 [10][11]모집단의 특정 그룹을 대상으로 하는 전략을 고안할 수 있다.

통합 교통 - 토지 이용 모델

이러한 모델은 미래의 활동 위치에 대한 운송 네트워크 및 운영 변경의 영향을 예측하고 운송 수요에 대한 이러한 새로운 위치의 영향을 예측하기 위한 것이다.

드라이버별 모델

데이터 과학 및 빅데이터 기술이 운송 모델링에 사용 가능해짐에 따라, 연구는 개별 [12]수준에서 전체 도시의 개별 운전자들의 행동을 모델링하고 예측하는 방향으로 나아가고 있습니다.여기에는 개별 운전자의 출발지와 목적지와 유틸리티 기능에 대한 이해가 포함됩니다.이 작업은 ANPR 카메라와 같은 도로 네트워크에서 수집된 운전자별 데이터와 소셜 네트워크 프로필, 상점 카드 구매 데이터 및 검색 엔진 기록 등의 개인에 대한 다른 데이터를 결합함으로써 수행할 수 있습니다.이는 보다 정확한 예측과 특정 운전자의 맞춤형 우선순위 부여를 위한 트래픽 제어 능력의 향상으로 이어질 뿐만 아니라 지방정부와 국가정부가 식별 가능한 개인에 대한 데이터를 더 많이 사용함에 따라 윤리적 문제도 야기할 수 있습니다.이러한 부분적인 개인 데이터의 통합은 솔깃하지만, 대량 감시에 대한 비판과 관련하여 그 가능성에 대한 상당한 사생활 우려가 있다.

참고 항목: 스마트 시티의 소셜 네트워킹 서비스 및 보안 감시 문제에 대한 개인 정보 보호 문제

선행 단계

UTP 프로세스에서는 스텝으로 식별되지 않지만 UTP 분석 프로세스에서는 많은 데이터 수집이 이루어집니다.인구 조사와 토지 이용 데이터는 가정 면접 조사와 여행 조사와 함께 수집된다.홈 인터뷰 조사, 토지 이용 데이터 및 특별 여행지 조사는 UTP 분석 도구에 대한 정보를 제공한다.

데이터 수집, 관리 및 처리, 모델 추정, 계획 산출을 위한 모델 사용은 UTP 프로세스에서 많이 사용되는 기술입니다.초기 미국에서는 공공 도로국(연방 고속도로 관리국의 전신)이 개발한 데이터 수집 방법(교통량 계산 절차, "어디서 오는 길이고 어디로 가는 길" 비상선, 홈 인터뷰 기술)을 통해 인구 조사 데이터가 증가했다.CATS에서는 네트워크 코딩 프로토콜과 분석 또는 트래픽 존의 개념이 등장했습니다.

모델 추정은 기존 기술을 사용했으며, 계획은 연구에서 개발된 모든 모델을 사용하여 개발되었습니다.현재와 그때의 주요 차이점은 초기에 사용된 BPR 데이터 수집 기법과 더불어 운송 계획에 특화된 분석 자원의 개발이다.

비평

교통 예측의 순차적이고 종합적인 특성은 많은 비판을 받아왔다.개선은 이루어졌지만, 특히 여행 수요의 활동 기반을 마련하는 것은 아직 해야 할 일이 많습니다.1990년대에 모델 연구에 대한 연방정부의 투자는 물리학자들이 개발한 로스앨러모스 국립 연구소의 트란심스 프로젝트에 대부분 투입되었습니다.슈퍼컴퓨터와 상세한 시뮬레이션을 사용하는 것이 실제보다 개선될 수 있지만, 기존 모델보다 더 나은(더 정확한) 것으로는 아직 입증되지 않았습니다.상용 버전은 [13]IBM으로 분사되었으며, 오픈 소스 버전도 TRANSIMS 오픈 [14][15]소스로 활발하게 유지되고 있습니다.

2009년 Government Accountability Office 보고서에 따르면 연방정부의 운송 모델 검토는 운송 결과(이동 시간 단축, 오염 물질 또는 온실가스 배출량 국가 [16]표준 내 유지 등)보다는 프로세스 요건(예를 들어 일반인이 충분한 의견을 제시할 기회가 있었는가?)에 초점을 맞췄다.

실제로 운송 모델을 사용할 때 가장 중요한 감독 중 하나는 토지 사용에 대한 운송 모델의 피드백이 없다는 것이다.고속도로와 교통 투자는 토지 이용에 반응할 뿐만 아니라 토지 이용도 형성합니다.[17]

「 」를 참조해 주세요.

메모들

  1. ^ "Creation of one algorithm to manage traffic systems. [Social Impact]. ITS. The Intelligent Transportation Systems Centre and Testbed". SIOR, Social Impact Open Repository.
  2. ^ Robinson, Darren, ed. (Nov 12, 2012). "6". Computer Modelling for Sustainable Urban Design: Physical Principles, Methods and Applications. Routledge. p. 157. ISBN 9781136539350. Retrieved 6 October 2017.
  3. ^ Shiftan Y. (2000). "The advantage of activity-based modelling for air-quality purposes: theory vs practice and future needs". Innovation. 13 (1): 95–110. doi:10.1080/135116100111685. S2CID 143098156.
  4. ^ Beckx C, Arentze T, Int Panis L, Janssens D, Vankerkom J, Wets G (2009). "An integrated activity-based modelling framework to assess vehicle emissions: approach and application". Environment and Planning B: Planning and Design. 36 (6): 1086–1102. doi:10.1068/b35044. S2CID 62582857.
  5. ^ Beckx C, Int Panis L, Van De Vel K, Arentze T, Janssens D, Wets G (2009). "The contribution of activity-based transport models to air quality modelling: a validation of the ALBATROSS - AURORA model chain". Science of the Total Environment. 407 (12): 3814–3822. Bibcode:2009ScTEn.407.3814B. doi:10.1016/j.scitotenv.2009.03.015. PMID 19344931.
  6. ^ Hatzopoulou M, Miller E (2010). "Linking an activity-based travel demand model with traffic emission and dispersion models: Transport's contribution to air pollution in Toronto". Transportation Research Part D. 15 (6): 315–325. doi:10.1016/j.trd.2010.03.007.
  7. ^ Dhondt; et al. (2012). "Health impact assessment of air pollution using a dynamic exposure profile: Implications for exposure and health impact estimates". Environmental Impact Assessment Review. 36: 42–51. doi:10.1016/j.eiar.2012.03.004.
  8. ^ Beckx C (2009). "Disaggregation of nation-wide dynamic population exposure estimates in The Netherlands: applications of activity-based transport models". Atmospheric Environment. 43 (34): 5454–5462. Bibcode:2009AtmEn..43.5454B. doi:10.1016/j.atmosenv.2009.07.035.
  9. ^ Int Panis L (2010). "New Directions: Air pollution epidemiology can benefit from activity-based models". Atmospheric Environment. 44 (7): 1003–1004. Bibcode:2010AtmEn..44.1003P. doi:10.1016/j.atmosenv.2009.10.047.
  10. ^ Int Panis L, et al. (2009). "Socio-Economic Class and Exposure to NO2 Air Pollution in the Netherlands". Epidemiology. 20 (6): S19. doi:10.1097/01.ede.0000362234.56425.2c. S2CID 72144535.
  11. ^ Int Panis L, et al. (2009). "Modelling Gender Specific Exposure to Air Pollution". Epidemiology. 20 (6): S19. doi:10.1097/01.ede.0000362233.79296.95. S2CID 72224225.
  12. ^ Fox, Charles (2018-03-25). Data Science for Transport. Springer.
  13. ^ Wayback Machine에서 Transims 2008-09-19 아카이브 완료
  14. ^ TRANSIMS 오픈 소스 - 홈
  15. ^ 교통 분석 및 시뮬레이션
  16. ^ U.S. Government Accountability Office (Sep 9, 2009). "Metropolitan Planning Organizations: Options Exist to Enhance Transportation Planning Capacity and Federal Oversight". U.S. Government Accountability Office. U.S. Government Accountability Office. Retrieved 7 October 2017.
  17. ^ van Wee, Bert (2015). "Viewpoint: Toward a new generation of land use transport interaction models". Journal of Transport and Land Use. 8 (3). Retrieved 7 October 2017.

레퍼런스