CHƯƠNG 2 XÂY DỰNG MÔ HÌNH DỰ BÁO LƯU LƯỢNG GIAO THÔNG THEO LOẠI HÌNH PHƯƠNG TIỆN ĐỐI VỚI HÀ NỘI
2.3. Trích chọn thông tin và xây dựng mô hình dự báo
2.3.2. Xây dựng mô hình phân bổ chuyến đi
Đầu vào: Số chuyến đi của 320 phân vùng trong thành phố Hà Nội, khoảng cách giữa hai vùng được tính theo khoảng từ trung tâm vùng.
Tên File: Trip_MODEL.CSV
Tập thuộc tính Tij: Số chuyến đi từ vùng i đến vùng j Dij: Khoảng cách từ vùng i đến vùng j Gi: Số chuyến đi phát sinh của vùng i Aj: Số chuyến đi thu hút của vùng j Đầu ra: Kết quả xây dựng mô hình.
Mô hình này được xây dựng dựa trên định luật vạn vật hấp dẫn của Newton: “Lực hấp dẫn tỷ lệ thuận với tích của hai khối lượng và tỷ lệ nghịch với bình phương khoảng cách giữa hai vật”
Kiểm định mối tương quan giữa tổng số chuyến đi giữa các vùng và cự ly giữa các vùng với trục tung là số chuyến đi của vùng i đến vùng j, trục hoành là cự ly giữa 2 vùng.
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn Hình 2. 9: Mối tương quan số chuyến đi và cự ly vận chuyển
Mô hình phân bổ chuyến đi được được phát biểu như sau: Số chuyến đi từ vùng i đến vùng j được tính bằng tích của số chuyến đi phát sinh tại vùng i với số chuyến đi thu hút của vùng j và tỷ lệ nghịch với khoảng cách của hai vùng theo công thức:
D C A T G
ij j i
ij
(CT5)
Để xây dựng hàm hồi quy tuyến tính, ta phải biến đổi phép toán trên về dạng hàm tuyến tính bằng cách logarit tự nhiên về công thức sau:
) ( ) ln(
) ln(
) ln(
)
ln(Tij Gi Aj Dij C
(CT6.1)
Trong đó : G là số chuyến đi phát sinh của vùng i A là số chuyến đi thu hút của vùng j
Dij là khoảng cách giữa vùng i và j
,,,C là các hệ số cần xác định
Sau khi tiến hành thực nghiệm, kết quả xây dựng mô hình dựa trên hàm hồi quy tuyến tính với các thuộc tính trên ta có kết quả phân tích đánh giá các thông số mô hình như sau:
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn Hình 2. 10: Thông số đánh giá, phân tích mô hình phân bổ chuyến đi
Với hệ số tương quan bội R =0,82. Mức độ ảnh hưởng của biến phụ thuộc là 68% là một kết quả có thể chấp nhận được.
Hàm tỷ lệ thuận với số chuyến đi của G và A, đồng thời tỷ lệ nghịch với khoảng cách giữa 2 vùng.
Với độ tin cậy trên cùng kiểm định kết quả mô hình và thực tế ta hoàn toàn có thể sử dụng để làm đầu vào cho bước 3. Tuy nhiên để tăng tính khách quan trong thực tế, một lần nữa em sử dụng biến giả để điều chỉnh tổng số chuyến đi của từng vùng bằng hệ số Dummy theo công thức
HSDC ij
j i
ij C
D A
T G
(CT7)
Và công thức trên được biến đổi về dạng hàm tuyến tính ) )
ln(
) ln(
) ln(
)
ln(Tij Gi Aj Dij HSDC C
(CT7.1)
Trong đó : Gi là số chuyến đi phát sinh của vùng i Aj là số chuyến đi thu hút của vùng j
Dij là khoảng cách giữa vùng i và j
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
HSDC là biến giả với các giá trị:
-1: nếu (thực tế /lý thuyết) < 0,7 lần
1: nếu thực tế/ lý thuyết > 2 lần
0: nếu trong khoảng 0,7 đến 2
,,,C là các hệ số cần xác định
Sau khi tiến hành thử nghiệm, kết quả xây dựng mô hình dựa trên hàm hồi quy tuyến tính với các thuộc tính trên ta có kết quả phân tích đánh giá các thông số mô hình với biến giả như sau:
Hình 2. 11: Thông số đánh giá, phân tích mô hình phân bổ chuyến đi khi có biến giả Hệ số tương quan bội R =0,94 cao hơn so với kết quả phân bổ chuyến đi khi chưa có biến giả (0,82). Mức độ ảnh hưởng của biến phụ thuộc là 89%
cũng cao hơn so với kết quả trước có giá trị là 68%.
Hàm tỷ lệ thuận với số chuyến đi của G và A, đồng thời tỷ lệ nghịch với khoảng cách giữa 2 vùng.
Mô hình phân bổ chuyến đi xây dựng được với kết quả là:
] 08 . 0 ) 02 , 1 ( )
27 . 1 ( ln ) 348 . 0 ( ln ) 343 , 0 (
exp[ln
G A D HSDC
Tij i j ij (CT7.2)