Università di Cagliari

DICAAR – Dipartimento di Ingegneria Civile, Ambientale e

architettura
Sezione Trasporti

PIANIFICAZIONE DEI TRASPORTI

Modelli di distribuzione

A.A. 2016-2017 Prof. Italo Meloni

Argomenti
❑ Definizioni e notazioni

❑ Metodo del fattore di crescita

➢ Fattore di crescita uniforme
➢ Fattore di crescita singolarmente vincolato
➢ Fattore di crescita doppiamente vincolato
➢ Limiti dei metodi del Fattore di crescita

❑ Modelli sintetici o gravitazionali

➢ Modello di distribuzione gravitazionale
➢ Calibrazione e validazione
Il modello a quattro stadi

GENERAZIONE

DISTRIBUZIONE

SCELTA MODALE

SCELTA DEL
PERCORSO
Matrice dei viaggi
Matrice bi-dimensionale
le cui celle di ciascuna
riga i contengono i
viaggi che hanno origine
in quella zona e
destinazione nelle zone
delle corrispondenti
colonne.

[minusc] tij, oi, dj : osservazioni relative al campione

[MAIUSC] Tij, Oi, Dj : target o valori che si vogliono modellizzare
Le matrici possono essere ulteriormente disaggregate per classi di
individui (n) e/o per modo (k): Tijkn, Oikn, etc.
Vincoli

T j
ij = Oi Ti
ij = Dj

In una qualunque matrice O/D:

1. La somma dei viaggi* in una riga dovrebbe essere uguale al
numero totale dei viaggi generati da quella zona.
2. La somma dei viaggi* in una colonna dovrebbe
corrispondere al numero di viaggi attratti dalla zona.

*(ricavati dal modello di generazione/attrazione)

Vincoli

Tj
ij = Oi T
i
ij = Dj

Modello doppiamente vincolato: il modello soddisfa

entrambe le condizioni (sono disponibili informazioni
affidabili per stimare entrambi Oi e Dj);
Modello singolarmente vincolato: è verificata solo una
delle due condizioni e cioè si dispone di informazioni
solo su uno dei due vincoli (modello vincolato all’origine
o alla destinazione)
Costo generalizzato di viaggio
❑ Rappresenta una misura che combina tutti i principali
attributi che sono associati alla disutilità del viaggio.

❑ È una funzione lineare degli attributi del viaggio

pesati da coefficienti che rappresentano la relativa
importanza degli attributi così come percepiti dal
viaggiatore.

❑ È uno dei parametri più importanti, tramite il quale si

cerca di spiegare perché uno spostamento avviene
verso una determinata direzione, con un certo modo, su
un dato percorso.
Costo generalizzato di viaggio

Cij = a t + a t + a t + a 4 t nij + a 5Fij + a 6 j + 

v
1 ij
w
2 ij
t
3 ij
t ijv è il tempo di viaggio a bordo del veicolo per andare da i a j;
t ijw è il tempo di camminata da e per la fermata (stazione);
t ijt è il tempo di attesa alla fermata;
t nij è il tempo di interscambio, se esiste;
Fij è la tariffa pagata per andare da i a j (anche il carburante per il mezzo privato);
j è un costo terminale (tipicamente di parcheggio) associato al viaggio da i a j;
 è una penalità modale, cioè un parametro che rappresenta tutti gli altri attributi
non inclusi nella misura generalizzata, per esempio la sicurezza, il comfort e la
convenienza (prevalenza per un modo o avversione per un altro);
a 1... 6Sono i pesi associati a ciascun elemento del costo; hanno generalmente una
dimensione appropriata per convertire ciascun attributo nella stessa unità, per
esempio, monetaria o temporale.
Costo generalizzato espresso in:

Cij = a t + a t + a t + a 4 t nij + a 5Fij + a 6 j + 

v
1 ij
w
2 ij
t
3 ij
UNITÀ MONETARIE: UNITÀ DI TEMPO:
▪ a1: il valore del tempo (o più ▪a1= 1;
precisamente il valore del tempo a
▪a2 = 2÷3;
bordo del veicolo) in quanto la sua
unità è denaro/tempo; ▪a3 = 2÷3;
▪ a2: il valore del tempo pedonale ▪a5..6 = “durata del denaro”
(a2= 2÷3a1);
▪ a3: il valore del tempo d’attesa
(a3= 2÷3a1);
▪ a5 = 1;
Costo generalizzato espresso in:

Cij = a t + a t + a t + a 4 t nij + a 5Fij + a 6 j + 

v
1 ij
w
2 ij
t
3 ij

 Attraverso il costo generalizzato descriviamo le caratteristiche

del sistema di offerta che si possono far variare per valutare
gli effetti che una variazione ipotizzata del sistema genera
sulla mobilità.

 Il costo, così espresso, è un compromesso tra disutilità

soggettiva e oggettiva: il valore del tempo considerato
dovrebbe essere quello soggettivo (percepito), e non quello
oggettivo, basato sul valore di risorse consumate.
Il modello di distribuzione
Fornisce l’aliquota di spostamenti p[d/osh]
generati dalla zona o che si recano nella zona d,
per lo scopo s nell’arco temporale h.

Dod = f * d od Uniforme

Fattore di crescita Dod = f o * d od Vincolo semplice

(Metodo)
Dod = f od * d od Vincolo doppio

Modello gravitazionale Dod = ai b j f (Cij )

Metodo del Fattore di Crescita

•Quando in previsione si conosce solo una

Uniforme percentuale generale di crescita degli
spostamenti relativa all’area di studio

•Quando si dispone di un solo modello: o di

Vincolo generazione o di attrazione. In previsione,
semplice pertanto, si conoscerà solo il numero di
spostamenti generati o attratti da ogni zona

•Quando si dispone di due modelli: di

Vincolo generazione e di attrazione. In previsione,
doppio pertanto, si conoscerà il numero di spostamenti
sia generati che attratti da ogni zona
Metodo del Fattore di Crescita
•Tutte le relazione OD crescono in modo
Uniforme Uniforme (ipotesi irrealistica, eccetto forse nel
caso di previsioni di brevissimo periodo)
•Consente di tener conto di variazioni
differenziate o nella generazione o nella
Vincolo attrazione tra le diverse zone, per effetto per
esempio della localizzazione di nuove residenze
semplice (se si conosce il vettore di generazione), o di
centri commerciali (se si conosce il vettore di
attrazione)
•Consente di tener conto di variazioni
Vincolo differenziate nella generazione e nella
attrazione delle diverse zone, per effetto, per
doppio esempio, della realizzazione di nuove residenze
in alcune zone e di centri commerciali in altre.
Esempio: fattore di crescita uniforme τ

Matrice dei viaggi all’anno base Spostamenti totali

1 2 3 4 ∑i previsti all’anno t

 =T /t
1 5 50 100 200 355
2 50 5 400 300 455
3 50 100 5 100 255
4 100 200 250 20 570 Spostamenti totali
∑j 205 355 455 620 1635 all’anno base

IPOTESI: il fattore di crescita del traffico

nell’aera di studio nei prossimi 3
Matrice futura dei viaggi, stimata
anni sarà del 20%:
con τ=1,2 applicato a tutte le celle

1
1
6
2
60
3
120
4
240
∑i
426
T = (1 + 0,20)  t
2 60 6 120 360 546

Tij =   tij
3 60 120 6 120 306
4 120 240 300 24 684
∑j 246 426 546 744 1962
Esempio: fattore di crescita singolarmente vincolato

Matrice dei viaggi con la crescita Spostamenti generati

vincolata all’origine dalla zona i all’anno t

1
1

5
2

50
3

100
4

200
∑i

355
Target
Oi
400
 i = Ti / ti
2 50 5 400 300 455 460 Spostamenti generati
3 50 100 5 100 255 400 dalla zona i all’anno base
4 100 200 250 20 570 702
∑j 205 355 455 620 1635 1962 Il numero di spostamenti per ogni cella si
determina moltiplicando ogni riga per:
Matrice futura dei viaggi espansa
con la crescita vincolata all’origine target Oi
Target i =
i
1 2 3 4 ∑i
Oi
1 5,6 56,3 112,7 225,4 400 400

Tij =  i  tij
2 50,5 5,1 101,1 303,3 460 460
3 78,4 156,9 7,8 156,9 400 400
4 123,2 246,3 307,9 24,6 702 702
∑j 257,7 424,6 529,5 710,2 1962 1962
 Fattore di crescita doppiamente vincolato

 i = fattori di crescita per le origini

j = fattori di crescita per le destinazio ni
✓I metodi iterativi che consentono di ottenere una matrice di viaggi che
soddisfi entrambi i set di fattori di crescita comprendono il calcolo di un set
intermedio di coefficienti di correzione che devono poi essere applicati in modo
appropriato alle celle di ogni riga o di ogni colonna.
✓Algoritmo bi-proporzionale di FURNESS (1965): introduce i “ fattori di
bilanciamento” Ai e Bj
Tij = tij i  j Ai B j = tij ai b j
✓I fattori ai e bj (o Ai e Bj) devono essere calcolati iterativamente in modo da
soddisfare i seguenti vincoli:
T
j
ij = Oi Ti
ij = Dj
Note
✓ Questo metodo fornisce, in poche iterazioni, soluzioni
che si discostano del 3-5% dal valore di spostamenti
previsto nei vincoli di generazione e attrazione (non
vale la pena imporre una precisione superiore).

✓ Il metodo di Furness cerca di produrre il numero

minimo di correzioni alla matrice di base t necessarie
per soddisfare i vincoli relativi ai totali di
generazione e attrazione futuri.
Esempio: fattore di crescita doppiamente vincolato

La condizione più importante richiesta per la convergenza di questo metodo è

che i fattori di crescita producano valori totali previsti di generazione a
attrazione Ti, Tj tali che:

  t =    t
i
i
j
ij
j
j
i
ij =T

Problema di espansione della matrice doppiamente vincolata

τi = target
1 2 3 4 ∑i target Oi
Oi/∑i
1 5,00 50,00 100,00 200,00 355,00 400,00 1,127
2 50,00 5,00 100,00 300,00 455,00 460,00 1,011
3 50,00 100,00 5,00 100,00 255,00 400,00 1,569
4 100,00 200,00 250,00 20,00 570,00 702,00 1,232
∑j 205,00 355,00 455,00 620,00 1635,00
target Dj 260,00 400,00 500,00 802,00 1962,00
Γj = target
1,268 1,127 1,099 1,294
Dj/∑j
 Passo 1: calcolare gli Ai
Fissare tutti i fattori bj = 1 e risolvere per ai; in questo contesto “risolvere per
ai” significa trovare i fattori di correzione ai che soddisfano i vincoli di
generazione:
Hp : b j =  j B j = 1
 Oi
Tij = tij i Ai 
 j
Tij =  t ij i Ai = Oi  Oi =  i Ai oi  =  i Ai  Ai = 1
   oi 
Oi =  Tij  Tij = tij i
j
O = T  Oi =  Tij 
 i   i  Tij
ij O =
 Oi =  Tij 
 
j j j
j j

1 2 3 4 ∑i target Oi Ai
1 5,63 56,34 112,68 225,35 400,00 400,00 1,00
2 50,55 5,05 101,10 303,30 460,00 460,00 1,00
3 78,43 156,86 7,84 156,86 400,00 400,00 1,00
4 123,16 246,32 307,89 24,63 702,00 702,00 1,00
∑j 257,77 464,57 529,51 710,14
target Dj 260,00 400,00 500,00 802,00 1962,00
 Passo 2: calcolare i Bj dati gli Ai
Con i valori di ai trovati al punto precedente risolvere per bj, in modo da
soddisfare i vincoli di attrazione:
Hp. : Ai = 1
 Dj
Tij = tij i  j B j  ij  ij i j j
 T = t   B = D j  D j =  j j  ij i  j
B t  B =
 j  tij i
  i  
 Tij = tij i  j B j
i i
D = T   
 j   D j =  Tij  D j =  Tij
i
D = T
 j 
ij
i
 i  i ij
i

1 2 3 4 ∑i target Oi
1 5,68 48,51 106,40 254,50 415,09 400,00
2 50,99 4,35 95,46 342,53 493,33 460,00
3 79,11 135,06 7,41 177,15 398,73 400,00
4 124,22 212,08 290,73 27,82 654,85 702,00
∑j 260,00 400,00 500,00 802,00
target Dj 260,00 400,00 500,00 802,00 1962,00
Bj 0,80 0,76 0,86 0,87
 Passo 3(a): calcolare gli Ai tenendo i Bj
Mantenendo fissi i fattori bj risolvere per ai e ripetere i passi (2) e (3) fino a
quando le variazioni non saranno sufficientemente piccole.


Tij = tij i  j Ai B j  Tij =  (tij i  j Ai B j ) = Oi Oi =  i Ai  tij  j B j  Ai =
 Oi
  j    i  tij  j B j
 Tij = tij i  j Ai B j
j j
    j

O = T Oi =  Tij Oi =  Tij O =  T

 i  ij  j  j 

i ij
 j j

1 2 3 4 ∑i target Oi ai
1 5,48 46,74 102,53 245,25 400,00 400,00 0,96
2 47,54 4,06 89,01 319,39 460,00 460,00 0,93
3 79,36 135,49 7,43 177,72 400,00 400,00 1.00
4 133,17 227,35 311,67 29,82 702,00 702,00 1.07
∑j 265,54 413,64 510,64 772,18
target Dj 260,00 400,00 500,00 802,00 1962,00
Passo 3(b): calcolare i Bj tenendo gli Ai

 Dj
j i j  ij i i  j

Tij = tij i  j Ai B j  =  B =
 j  tij i Ai
D j B t A
  
 Tij = tij i  j Ai B j
i
D = T  
 j   D j =  Tij
i
D = T
 j 
ij
i
 i ij
i

1 2 3 4 ∑i target Oi
1 5,36 45,20 100,39 254,72 405,68 400,00
2 46,55 3,92 87,16 331,72 469,36 460,00
3 77,70 131,02 7,27 184,58 400,58 400,00
4 130,39 219,85 305,17 30,97 686,38 702,00
∑j 260,00 400,00 500,00 802,00
target Dj 260,00 400,00 500,00 802,00 1962,00
Bj 0,78 0,74 0,84 0,91
Passo 4: ricalcolo Ai e Bj
1 2 3 4 ∑i target Oi Ai
1 5,29 44,57 98,99 251,16 400,00 400,00 0,95
2 45,62 3,85 85,42 325,11 460,00 460,00 0,91
3 77,59 130,83 7,26 184,31 400,00 400,00 1,00
4 133,35 224,85 312,12 31,68 702,00 702,00 1,10
∑j 261,85 404,10 503,79 792,26
target Dj 260,00 400,00 500,00 802,00 1962,00

1 2 3 4 ∑i target Oi
1 5,25 44,12 98,24 254,25 401,85 400,00
2 45,30 3.81 84,78 329,11 462,99 460,00
3 77,.04 129,50 7,21 186,58 400,34 400,00
4 132,41 222,57 309,77 32,07 696,82 702,00
∑j 260,00 400,00 500,00 802,00
target Dj 260,00 400,00 500,00 802,00 1962,00
Bj 0,77 0,73 0,84 0,92

STOP
Limiti dei metodi del fattore di crescita

• Risultano ragionevoli solo per orizzonti di

pianificazione di breve periodo

• Eventuali parti inosservate della matrice relativa

all’anno base non vengono modificate nelle previsioni

• Non possono tenere in considerazione variazioni nel

costo di viaggio dovute a miglioramenti nella rete,
perciò questi metodi hanno un limitato utilizzo nelle
analisi di politiche che introducono nuovi modi, nuovi
collegamenti, diverse tariffe e nuove zone
Modello di distribuzione gravitazionale

• Per poter prevedere la struttura dei viaggi quando si

verificano importanti cambiamenti nella rete

• Si basa su ipotesi sul comportamento di gruppi di

viaggiatori e su come questo è influenzato da fattori
esterni (es. numero totale di viaggi realizzati,
distanza percorsa etc.)

• Stima il numero di spostamenti di ciascuna cella della

matrice senza utilizzare direttamente la struttura dei
viaggi osservata (“modelli sintetici”)
Forma funzionale
Fattore di Popolazione della città di
proporzionalità origine i e destinazione j
Pi Pj
1) Tij = Distanza tra la coppia i e j
d ij2
2) Tij = Oi D j f (cij )

f(cij):
•Funzione generalizzata del costo di viaggio che contiene uno o
più parametri da calibrare
•“Funzione di deterrenza”: rappresenta l’impedenza a spostarsi
al crescere della distanza (tempo) o del costo dello spostamento
Modello gravitazionale (esempio)
Oi = numero di spostamenti generati dalla zona i
Dod = Oi D j exp( − Cij ) Dj = numero di spostamenti attratti dalla zona j
exp(-βCij) = funzione di deterrenza

Processo di calibrazione dei parametri

(Metodo dell’entropia)

Modello da
Dod = 3.2Oi D j exp( −0.75Cij ) utilizzare per la
previsione
Calibrazione e validazione
❑ Prima di utilizzare un modello di gravitazione
è necessario calibrarlo, in quanto occorre
essere sicuri che i suoi parametri siano tali che
il modello riproduca il più vicino possibile la
struttura degli spostamenti dell’anno base.

❑ Si ricorre poi alla validazione per assicurarsi

che il modello sia appropriato per le probabili
decisioni che saranno testate mediante il suo
utilizzo (verificare che il modello riproduce con
sufficiente accuratezza uno stato noto del
sistema).
Vantaggi e svantaggi del modello

Tecniche statistiche di verifica dei risultati

Richiede la calibrazione di un modello

Richiede una grande mole di dati