Klaas FrisoWim Korver

Colloquium Vervoersplanologisch Speurwerk20 en 21 november 2008

Onzekerheden in prognosemodellen van het wegverkeer.

Wat kunnen we er mee in netwerkmodellen ?

bron: documentaire Beperkt Houdbaar

“Onzekerheden in modellen”

- Resultaat van een verkeersprognose is een puntschatting

- Daar worden normaliter geen betrouwbaarheidsmarges bij gegeven

- Puntschatting is afhankelijk van vele factoren (complexe modellen)

- Belang om inschatting van betrouwbaarheid van de puntschatting te geven, wordt steeds groter:- vergelijking van alternatieven- verwachte tolopbrengsten- toetsing aan normering luchtkwaliteit

Aanleiding

Er is geen eenduidige methode beschikbaar omtrent het bepalen onzekerheden in verkeersprognoses

Overzicht van bronnen van onzekerheid in verkeersprognoses (netwerkmodellen)

Welke methoden zijn er om betrouwbaarheidsmarges te bepalen ?

Hoe presenteer je deze vervolgens ?

Inhoud

Bronnen van onzekerheid

Modelinvoer:- Netwerk- Sociaal-demografische gegevens- Autokosten- Beleidsscenario

Modelparameters- Productie/attractie model- Weerstandsberekening- Matrixschatting- Toedelingsmodel

Onzekerheid in modelinvoer is van grotere invloed dan onzekerheid in modelparameters

Analyse gemeentelijke verkeersprognoses

- Vergelijking groeiverwachtingen o.b.v. data uit Saneringstool op gemeentelijke wegen (gemeenten met meer dan 100 wegvakken in ST)

Ede

Apeldoorn

Lelystad

Oss

Rotterdam

Breda

Almere

Zwolle

Barneveld

Tilburg

Weert

Deurne

Amsterdam

Venlo

Deventer

Enschede

Utrecht

Arnhem

Uden

Veghel

Haarlemmermeer

De Bilt

Woerden

Dordrecht

Zeist

Heusden

Roosendaal

Gemert-Bakel

Zaanstad

Westland

Eindhoven

Groningen

Velsen

Doetinchem

Roermond

Oosterhout

Utrechtse Heuvelrug

Nijmegen

Helmond

Vught

's-Gravenhage

Heerlen

Maastricht

Amersfoort

Sittard-Geleen

Etten-Leur

Zutphen

Delft

's-Hertogenbosch

Bergen op Zoom

Gilze en Rijen

Hilversum

Valkenswaard

Alkmaar

Haarlem

Amstelveen

Harderwijk

Katwijk

Leiden

Zoetermeer

Waalre

Veldhoven

Alphen aan den Rijn

Spijkenisse

Landgraaf

Ridderkerk

Purmerend

Nieuwegein

Vlaardingen

Geldrop-Mierlo

Schiedam

Zwijndrecht

Beverwijk

RijswijkVeenendaal

Leidschendam-Voorburg

Sliedrecht

Bussum

Voorschoten

Heemstede

Oegstgeest

Gem_07.shp -7% - 0% 1% - 10%11% - 20%21% - 30%31% - 40%

Groei 2006-2010

- Behoorlijke variatie in groei:van –7% (Roermond) tot +39%

(Almere)

- Meeste groei tussen 0% en 10%

- Nulgroei in Amsterdam en Utrecht

- Lichte groei in Rotterdam

- Aanmerkelijke groei in bv. Arnhem, Delft, Heerlen en Rijswijk

- Gemiddelde groei tussen 2006 en 2020 is 18%, waarvan 8% reeds tussen 2006 en 2010

Analyse gemeentelijke verkeersprognoses

- Groei per stedelijkheidsklasse

- Weinig onderscheidend, m.u.v. stedelijkheidsklasse 1 (grote steden)

- Groei in stedelijkheidsklasse 5 in alle perioden boven gemiddelde- Spreiding tussen 10% en 20%- Spreiding grote gemeenten (G4) richting 10%

Stedelijkheidsklasse 2006-2010 2010-2015 2015-2020 2006-2020

Gemiddeld 1 5% 3% 4% 13%

2 10% 6% 7% 24%

3 9% 2% 6% 18%

4 8% 5% 5% 19%

5 11% 5% 8% 26%

Totaal 8% 4% 6% 19%

2006-2010 2010-2015 2015-2020

Standaard-deviatie 1 18% 15% 12%

2 20% 14% 11%

3 19% 13% 12%

4 15% 13% 10%

5 15% 12% 8%

Totaal 19% 14% 11%

Methodieken

- Monte Carlo Simulatie- bepaling verdelingsfunctie d.m.v. herhaling

- Response Surface Methodology- zoeken naar relatie tussen verklarende variabelen en

resultaatvariabele (response)

- Kriging Interpolatie- afkomstig uit geostatistiek: interpolatie stochastische variabele

op niet-waargenomen locatie o.b.v. nabijgelegen locaties

- Pragmatische analyse- vergelijking van verschillende toedelingen- bad-case benadering- bepalen mobiliteitsruimte

- Expert view- expert team- verkenningenfase, ex-post onderzoek, ervaring

Ranking methodieken

Methodiek Doorlooptijd Kosten Theoretische onderbouwing

Transparantie

Monte Carlo Simulatie 2 3 3 2

Response Surface Methodology 4 4 2 4

Kriging interpolation 5 5 1 3

Pragmatische analyses 1 1 5 1

Expert view 3 2 4 5

Beoordelingscriteria

- Ranking is niet equidistant- Geen voorkeur voor methodiek uit te spreken- Afhankelijk van beschikbare middelen, tijd en gewenste kwaliteit

Conclusies en aanbevelingen

Conclusies:- Groeiende behoefte aan inzicht in bandbreedte van resultaten van

netwerkmodellen

- Afhankelijk van doel van onderzoek bepalen welk betrouwbaarheidsniveau vereist is- Vergelijking van alternatieven vraagt eenvoudiger rekenmodellen- Milieustudies of tolstudies vraagt nauwkeurigere rekenmodellen

Aanbevelingen:- “Oude” prognoseberekeningen onder de loep nemen -> inzicht in

kwaliteit/betrouwbaarheid van modelresultaten

- Aandacht benodigd voor inschatting van bandbreedtes omtrent vrachtverkeer

- Meerdere toekomsten modelleren- Regionaal niveau: WLO-scenario’s- Gemeentelijke niveau: scenario met alle geplande ontwikkelingen

vs. scenario met alleen de vastgestelde plannen

Tot slot

Onzekerheid in verkeersprognoses is zeker 10% (als ondergrens te hanteren)

Met veel inspanning d.m.v ingewikkelde methoden kan dit wellicht worden verbijzonderd.

Verwachting is dat naarmate de methode complexer is, dat de berekende onzekerheidsmarges zal toenemen.