Perencanaan System Transportasi KotaTrip AssignmentPuguh B. Prakoso, M.Sc.Trip Assignment1Traffic Assignment/Route Assignment adalah tahapan permodelan transport untuk mengestimasi aliran lalu lintas/pembebanan lalu lintas (traffic flow/traffic load) pada tiap jalur/rute pada suatu jaringan jalan. Contoh input dasarnya adalah: OD matrik, yang menggambarkan jumlah arus perjalanan antar zone Jaringan (network); dapat dilengkapi dengan data: kecepatan, kapasitas, BPR function, dll sesuai dengan jenis analisis BPR function, dll sesuai dengan jenis analisis Output pada umumnya adalah: Pembebanan lalu lintas (link flows/links loads) Volume lalu lintas di tiap rute/jalur Analisis lanjutan: V/C Ratio, LOS, Loss of Travel Time, Travel Speed, etc2Traffic Assignment/Route AssignmentAlgoritma Traffic Assignment: All-or-Nothing Assignment (AoN) STOCH Assignment Incremental Assignment Capacity Restraint User Equilibrium (UE) Stochastic User Equilibrium (SUE)Stochastic User Equilibrium (SUE) System Optimum3Traffic Assignment/Route AssignmentPerbedaan Algoritma menunjukkan hasil yang berbedaAll-or-Nothingvs Equilibrium AssignmentSource: Haider M. and Brian Gregoul (2009), Traffic Assignment Models (Draft) Travel Demand Models4All-or-Nothing Assignment Semua traffic flow antara pasangan zona asal-tujuan ditetapkan berdasarkan jalur terpendek (shortest path)/tercepat yang menghubungkan asal dan tujuan Merupakan algoritma yang sederhana dan biasanya kurang realistis, karena hanya satu jalur antara tiap pasangan asal-tujuan yang digunakan, walaupun jika ada jalur-jalur lain yang sama, hampir sama travel time dan travel cost nya nya Data yang dibutuhkan hanya OD matrik dan jaringan transportasi dan travel time di tiap jalur/link, kapasitas dan volume-delay functions tidak dibutuhkanSource: Haider M. and Brian Gregoul (2009), Traffic Assignment Models (Draft) Travel Demand Models5STOCH Assignment Dikembangkan oleh Dial (1971) Merupakan algoritma yang mendistribusikan perjalanan antara pasangan asal-tujuan melalui beberapa alternatif jalur yang menghubungkan daerah asal-tujuan tersebut Proporsi perjalanan pada tiap jalur adalah sebanding dengan probabilitas pemilihan jalur tersebut (dihitung dengan logit route choice model) Adalah algoritma pengembangan dari AoN, dimana multiple paths (beberapa Adalah algoritma pengembangan dari AoN, dimana multiple paths (beberapa jalur) dari asal ke tujuan digunakan Sama seperti AoN, model ini tidak mempertimbangkan kapasitas jalur, sehingga analisis kemacetan diabaikan Data yang dibutuhkan hampir sama dengan AoNSource: Haider M. and Brian Gregoul (2009), Traffic Assignment Models (Draft) Travel Demand Models6Incremental Assignment Merupakan algoritma yang mendistribusikan perjalanan dalam jumlah langkah iterasi yang lebih kecil, dimana hanya pecahan dari demand total yang disebarkan Penyebaran perjalanan pada tiap langkahnya adalah identik dengan AoN, kecuali bahwa travel time dari tiap jalur dihitung ulang berdasarkan kapasitas jalur setelah tiap pecahan perjalanan dilakukan (proses iterasi). Kenaikan (increment) setalah iterasi sebelumnya menggunakan hasil kalkulasi travel(increment) setalah iterasi sebelumnya menggunakan hasil kalkulasi travel time yang terupdate dari langkah sebelumnya Jumlah increment yang besar akan menghasilkan hasil yang lebih realistis Kapasitas jalur adalah faktor utama dalam perhitungan travel time, sehingga data kapasitas pada tiap jalur diperlukanSource: Haider M. and Brian Gregoul (2009), Traffic Assignment Models (Draft) Travel Demand Models7User Equilibrium (UE) Adalah model yangmenyebarkan perjalanan ke suatu jaringan sehingga tidak ada pengguna individual yang dapat mengurangi travel time mereka dengan memilih suatu alternatif rute lainnya Adalah metode yang paling umum digunakan dalam transportation planning Asumsinya adalah pejalan/traveller akan memilih rute yang meminimalkan travel time mereka, sehingga jika mereka menemukan jalur tercepat, maka mereka akan mengambilnya Menggunakan asumsi yang relatif lebih realistis UE adalah metode iteratif, dimana penyebaran perjalanan akan terus dilakukan sampai kriteria konvergensi dicapai, atau sampai jumlah iterasi yang telah ditetapkan Kelemahan yang paling mendasar adalah bahwa dalam metode ini diasumsikan setiap user/pejalan mempunyai informasi yang sempurna mengenai jalur dalam jaringan, dan mereka mengetahui semua jalur yang memungkinkan perjalanan mereka dan kondisi kemacetan jalur-jalur tersebut setiap saat. Dalam keadaan nyata, pejalan tidak akan pernah melakukan perjalanan tepat sesuai dengan yang diprediksikan UE modelSource: Haider M. and Brian Gregoul (2009), Traffic Assignment Models (Draft) Travel Demand Models8Capacity Restraint Adalah model yang menggunakan pendekatan matematis yang lebih lanjut dari UE Pada tiap iterasinya, semua perjalanan disebarkan dalam cara AoN Masalah yang timbul pada metode ini adalah bahwa arus perjalanan melalui suatu jaringan tidak akan mencapai keseimbangan, dan algoritma ini bisa selamanya membebani atau tidak membebani beberapa pasangan jalur, tidak perduli berapa banyak iterasi yang dilakukan perduli berapa banyak iterasi yang dilakukan Keakuratannya sangat tergantung dati jumlah iterasi yang ditetapkan, dimana satu perbedaan jumlah iterasi saja dapat menimbulkan berbedaan hasil yang signifikan Seperti metode Incremental Assignment, data kapasitas jalur dibutuhkanSource: Haider M. and Brian Gregoul (2009), Traffic Assignment Models (Draft) Travel Demand Models9Stochastic User Equilibrium (SUE) Adalah model yangsangat mirip dengan UE, kecuali bahwa tiap pejalan diasumsikan tidak mempunyai informasi yang sempurna Bentuk error dalam keputusan dalam pengambilan rute diperkenalkan dalam metode ini Hasil dari estimasinya mirip dengan UE, kecuali bahwa rute-rute yang kurang atraktif akan mempunyai jumlah pembebanan kecil, dimana pada UE pembebanan pada rute-rute ini akan berjumlah nol Digunakan dalam banyak permodelan transportasi tingkat lanjut Membutuhkan semua data pada algoritma-algoritma lainnya untuk menghasilkan hasil analisis yang akurat dan realistis Dibandingkan UE, metode ini bisa dikategorikan sebagai metode yang lebih realistisSource: Haider M. and Brian Gregoul (2009), Traffic Assignment Models (Draft) Travel Demand Models10System Optimum Adalah model yang melakukan penyebaran perjalanan ke dalam jaringan sehingga jumlah total travel time dalam jaringan tersebut minimum Namun masing-masing individual travel time tidak diminimalkan Sehinggatidak ada transport user yang dapat merubah jalur tanpa meningkatkan jumlah total travel time dalam jaringanSource: Haider M. and Brian Gregoul (2009), Traffic Assignment Models (Draft) Travel Demand Models11Perbandingan AlgoritmaSource: Haider M. and Brian Gregoul (2009), Traffic Assignment Models (Draft) Travel Demand Models12Perbandingan AlgoritmaSource: Haider M. and Brian Gregoul (2009), Traffic Assignment Models (Draft) Travel Demand Models13Perbandingan AlgoritmaSource: Haider M. and Brian Gregoul (2009), Traffic Assignment Models (Draft) Travel Demand Models14