مدل‌سازي تقاضاي سفر با استفاده از بلوك‌هاي آماري: مطالعه موردي شهر تهران

Travel Demand Modeling Using Census Blocks Case study: Tehran city

در اين مقاله با استفاده از بلوك‌هاي آماري شهر تهران به مدل‌سازي تقاضاي سفر در سيستم‌هاي اطلاعات مكاني پرداخته شده است. براي نيل به اين هدف از 3191 بلوك آماري شهر تهران به عنوان نواحي ترافيكي جهت نمايش مبدا- مقصدهاي سفر استفاده شد. پس از آماده‌سازي اطلاعات مكاني و توصيفي مورد نياز در محيط GIS، به براورد توليد و جذب سفر براي هر يك از نواحي ترافيكي پرداخته شد. براي اين منظور، مدل‌هايي به تفكيك اهداف سفر با استفاده از روش رگرسيون چند متغيره توسعه داده شدند. سپس با توجه به ميزان توليد و جذب سفر تخمين زده شده براي هر يك از نواحي و فاصله مكاني بين آن‌ها، با استفاده از مدل جاذبه به توزيع سفر ميان آن‌ها پرداخته شد. براي بهبود مدل‌سازي توزيع سفر از طول كوتاه‌ترين مسير موجود بر روي شبكه معابر به‌عنوان فاصله ميان نواحي استفاده شد. در نهايت ماتريس مبدا- مقصد كه خروجي نهايي توزيع سفر است، به‌دست آمد. اين ماتريس حجم تقاضاي سفر روزانه ميان مكان‌هاي مختلف را نشان مي‌دهد و مي‌تواند كمك شايان توجه‌اي به تصميم‌گيران و برنامه‌ريزان حمل‌و‌نقل براي توسعه و مديريت بهينه حمل‌و‌نقل شهري كند.

In this article, the travel demand in Tehran is modeled in GIS, using census blocks. For this purpose, 3191 census blocks of the city are used as traffic analysis zones. In the model, they are considered as the origin and destination of the travel. Proper geodemographic data needed for modeling the travel demand are gathered and linked to the census blocks. After data preparation, the trip production and attraction for each block is calculated, using multiple regression method. Different types of travel (i.e. for different purposes such as work, study, shopping etc.) cannot be explained by one model only. Therefore, several models are developed for each type of travel considering appropriate parameters. In the next stage, the distribution of trips is designed according to the calculated trip production and attraction, and the distance between the census blocks. The shortest path distance along the street network is considered as the distance between blocks. Then proper friction (impedance) functions are considered for each travel type. Afterwards, separate gravity models are developed for each travel type, in order to distribute estimated trips. Eventually, the origin-destination matrix is achieved as the output of trip distribution. Using this matrix, daily trips between various locations are estimated. In conclusion, having good knowledge of demands and trip spatial patterns between zones can be very helpful to transportation planners and decision makers in improving and managing urban transportation system.