实施需求响应型交通的成本效益分析

这些结果和其他相关结果将在下一节中讨论。在MATSim中，时间以午夜后的秒为单位。4结果本节检查示范通勤路线的模拟结果。因此，本文讨论了交通方式统计、货币距离率的变化以及DRT场景的不同初始需求。首先，重要的是考虑初步运输模式的基线情况统计。交通需求的产生方式是，在模拟基准情景的第一次迭代开始时，65%的交通需求由汽车承担。因此，公共交通的模式划分为35%。图3显示了初始模态分割以及在模拟的10次迭代过程中代理的调整。在基线情况下，超过10%的代理从公共交通转向汽车使用。需要注意的是，在这个示例中，所有代理都可以使用所有交通工具，因此可以在任何时候无障碍地使用汽车。此外，在这个示例性模拟中，道路网络上只有169个代理，这意味着交通堵塞的概率非常低。因此，使用汽车的计划的分数更高，因为使用汽车时没有等待时间。因此，运输模式统计数据的这些变化是合理的。图3：第3.2节中已经描述的初始模式统计，改变货币距离率，以检查基准情况下价格变化对交通工具选择的影响。这是通过使用不同的货币距离率进行四次模拟实现的，如表1所示。在第一轮中，公共交通和汽车均未实施货币距离费率。

图3中绘制了相应的运输模式统计学家。在第二次和第三次跑步中，汽车行驶距离的价格提高了。这些跑步主要是为了获得对结果反应模式的第一印象。尽管第三次行驶的汽车的货币距离率比第二次行驶增加了100倍，但模式划分仅略有变化。这表明，主要决定因素是不同交通工具的货币距离率之间的关系。因此，在第四轮中，汽车的货币距离率是公共交通的十倍。总的来说，正如经济学理论所预测的那样，这些价格变化改变了运输方式的选择。因此，基线情况通常被认为是合理的。有趣的是，由于货币距离的变化，这两种交通方式的计划分数开始趋于一致。迭代运行1 2 3 4货币距离率：CARTCAR-0.2ptcar-0.002ptcar-0.00154pt-0.0001540 65%35%35%65%65%35%1 62%38%62%38%62%38%38%62%38%2 63%37%58%42%58%42%59%41%35%52%48%54%57%43%4 70%30%49%51%49%55%51%5 71%29%55%47%53%51%6%45%42%42%56%56%7%58%48%52%8 72%28%38%62%42%58%48%52%9 78%22%38%62%42%58%48%52%10 76%24%34%66%36%64%45%55%表1：不同货币距离率的模拟运行最后，应该更仔细地考虑DRT情景模拟的结果。如前所述，该场景产生了两种不同的需求，以比较不同市场份额下DRT的使用情况。

结果总结在表2中。首先，需要指出的是，在新引入DRT服务的情况下，公共交通系统的用户主要转向门到门的服务。与不提供DRT的情况相比，公共交通在模式划分中的份额甚至减少了2%。此外，与没有DRT的情况相比，在模拟的十次迭代中，car传输不会增加。由于引入了新的DRT服务，网络上的总人数减少了。类似地，在DRT已经在模式分割中占有30%的份额的情况下，网络上的车辆更少。值得注意的是，该模拟揭示了DRT份额中最小的波动，为了进行比较，考虑了基线情况的运行1，因为在DRT场景中，所有交通工具的货币距离率设置为零。交通用户更可能转向汽车而不是DRT。DRT覆盖的旅行的得分与汽车覆盖的旅行的得分非常接近。然而，大多数代理决定使用汽车，因为汽车的性能往往稍好一些。因此，可以假设，如果适当的成本适当地集成到软件中，模式选择将是不同的。

下一节将解释这一重要的实施和其他重要的后续步骤，以实现真实的交通模拟。迭代最初没有约30%的DRTcar DRT pt car DRT pt0 65%0%35%45%29%26%1 61%4%35%42%31%28%2 59%9%32%43%28%3 61%9%31%44%32%24%4 63%9%28%51%27%22%5 62%13%48%32%19%6 67%12%21%56%27%17%7 65%15%56%27%17%8 64%14%22%54%28%18%9%15%54%16%16%16%59%26%15%表2：不同初始DRT使用份额的模拟运行5下一步本节描述了全面模拟的必要扩展和下一步，以及对哥廷根和周边地区DRT供应商的后续成本效益分析。在下一篇论文的范围内，将基于哥廷根、博文登和罗斯多夫的真实调查数据进行多智能体模拟。因此，有必要根据移动数据生成代理活动计划。通过整合不同的数据源，有不同的方法为每个阶段生成具有社会经济数据的合成剂群体。旨在产生接近真实总体的相关工作通常基于具有额外蒙特卡罗抽样的迭代比例拟合设计。Müller和Axhausen（2011年）以及Zhu和Ferreira（2014年）的研究就是一个例子。关于合成种群生成的另一种方法是应用离散选择模型的概念，如Anderson等人（2014年）所述。除了生成合成剂人群外，自行车作为一种交通方式的实施对于得出一个现实的交通预测非常重要，因为在格廷根，目前全市的自行车交通方式份额为28%（LK Argus 2016）。

因此，有必要扩展MATSim框架，将自行车作为交通工具。Ziemke等人（2017年）提出了实施建议。此外，为了进行成本效益分析，有必要集成theMATSim软件的一些扩展。该分析的一个基本特征是将排放等负面外部影响货币化。因此，有必要实施MATSim的任务包。因此，每次车辆离开道路时都会计算排放量，不同发动机类型、使用年限、排量和交通状况（例如自由流或拥堵）的成本也会有所不同（MATSim 2019）。此外，还应考虑驾车者找到停车场所需的时间，否则驾驶成本将不会完全反映出来（Horni等人，2013年）。与成本效益分析相关的其他因素，如旅行时间、等待时间，以及各种交通工具的内部成本，如燃油或票价，可以如本项目工作中所示，整合到评分功能中。为了对评分功能进行有意义的校准，可以使用模式选择模型的参数。最后，用一些分析工具来扩展软件会很有帮助。唯一的统计数据是交通方式统计数据，但对不同交通工具的分数、出行时间和出行距离进行比较，对于全面分析该主题非常有帮助和重要。通过将这些关键的后续步骤添加到模拟场景中，可以对DRTo FF进行全面的成本效益分析。据此，可以得出结论。6结论本文研究了使用交通模拟软件MATSim进行成本效益分析的技术实施要求。

作为一种创新工具，此类计算可以有效地支持规划部门在未来交通项目设计中的工作。例如，可以调查支持正在考虑的项目的人口比例。在即将进行的一项研究中，在将其应用于现实世界场景之前，设计了一个小的说明性场景来测试模拟方法。演示了如何建立基本的模拟，以及如何通过公共交通和DRT进行扩展。此外，还演示了情景如何变化，例如通过不同交通工具的货币距离率。最后，给出了结果，并说明了下一步需要采取的措施。所提出的方法应被视为多智能体运输模拟软件MATSim能力的证明。使用的可能性是多方面的，似乎可以任意扩展。总之，可以得出结论，该软件适用于DRT服务的成本效益分析。最重要的是，最重要的内部和外部成本，如各种运输方式和排放的使用成本，可以整合到模拟场景中，从而在使用格廷根和周边地区的移动数据时，能够评估DRT服务的成本和效益。致谢我们衷心感谢欧盟地平线2020研究与创新项目根据第800267号玛丽·斯科多夫斯卡·居里赠款协议提供的资金。参考文献Agarwal，A.，Ziemke，D.，和Nagel，K.（2019）。在具有异质交通条件和收入依赖性的交通场景中校准选择模型参数。运输信件，第1-10页。Anderson，P.，Farooq，B.，Efthrymiou，D.，和Bierlaire，M.（2014）。

交通应用合成种群中的关联生成：图论解。交通研究记录，2429（1）：38-50。Bischo ff，J.和Maciejewski，M.（2016）。柏林市全城市私家车替换为自动出租车的模拟。《计算机科学百科全书》，83:237-244。比肖夫，J.，马切耶夫斯基，M.，和纳格尔，K.（2017）。全城共享出租车：柏林的一项模拟研究。2017年IEEE第20届智能交通系统国际会议（ITSC），第275-280页。IEEE。布里斯托，A.和内尔索普，J.（2000）。欧盟交通项目评估。交通政策，7（1）：51-60。Ciari，F.，Balmer，M.和Axhausen，K.W.（2008）。大型汽车共享系统的概念：基于代理方法的建模和评估。工作文件/IVT，517。奇奇，G.，克纳潘，L.，马切耶夫斯基，M.，亚萨尔，A-U-H.，贝勒曼斯，T.，和杨森，D.（2017）。使用sarl和matsim对需求响应型运输进行建模。爱思唯尔有限公司。Damart，S.和Roy，B.（2009年）。成本效益分析在法国公共交通决策中的应用。交通政策，16（4）：200-212。G"ossling，S.和Choi，A.S.（2015）。哥本哈根的交通转型：比较汽车和自行车的成本。生态经济学，113:106–113。Horni，A.，Montini，L.，Waraich，R.A.，和Axhausen，K.W.（2013）。一种基于代理的细胞自动机，用于停车模拟。交通信件，5（4）：167-175。Horni，A.，Nagel，K.和Axhausen，K.W.（2016）。多智能体传输模拟Matsim。无处不在的新闻伦敦。E.约翰逊、L.温斯洛特·希塞利厄斯、T.科林和A.雷特斯特朗（2017年）。公共交通评估：瑞典的区域政策和规划实践。城市、规划和交通研究，5（1）：59-77。卡杜拉，I.，基什费尔，B.，纽曼，A.，和蒂拉奇尼，A.（2015）。

公共交通最优定价：基于代理的边际社会成本法。运输经济和政策杂志（JTEP），49（2）：200-218。Kickh"ofer，B.（2009年）。在多因素刺激中的方法。LK Argus（2016）。Haushaltsbefragung zum Mobilit"atsverhlaten 2015-G"ottingen/Rosdorf/Bovenden。技术报告，Stadt G"ottingen和Zweckverband VerkehrsverbundSüd-Nidersachsen。VMackie，P.和Worsley，T.（2013）。运输评估实践的国际比较：综述报告。利兹利兹大学交通运输研究所。MATSim（2019）。MATSim——多智能体运输模拟——德国慕尼黑。https://www.matsim.org/gallery/munich[访问日期：2019年7月18日]。Müller，K.和Axhausen，K.W.（2011）。等级ipf：为瑞士创造一个综合人口。阿尔贝茨伯里希特·维尔凯尔斯和劳姆普拉农，718岁。Nagel，K.和Fl"otter"od，G.（2012）。基于代理的旅行任务：从Trips旅行到行为旅行者。《进化世界中的旅行行为研究》第12届国际旅行行为研究会议论文选集，第261-294页。国际旅行行为研究协会。Poletti，F.（2016）。MATSim多模式网络上的公共交通地图。苏黎世ETH硕士论文。Rieser，M.（2010）。将公交添加到基于代理的交通模拟中。瑞士联邦理工学院，苏黎世。TNS意见和DG行动（2013年）。欧洲特别晴雨表406——欧洲对城市流动性的态度。技术报告，欧洲委员会。UBA（2019年）。Fahrleistungen、Verkehrsaufwand和“ModalSplit”。https://www.umweltbundesamt.de/daten/verkehr/fahrleistungen-verkehrsaufwand-modal-split#textpart-1[访问日期：2019年6月6日]。朱永和费雷拉，J.（2014）。

土地利用和交通微观模拟的分解空间尺度合成人口生成。交通研究记录，2429（1）：168-177。Ziemke，D.，Metzler，S.，和Nagel，K.（2017）。在基于代理的运输模拟中对自行车运输进行建模。《计算机科学百科全书》，109:923–928。六、