Systematic comparison of trip distribution laws and models

قوانین توزیع سفر برای توصیف تقاضای سفر مورد نیاز در حمل و نقل و برنامه ریزی شهری پایه گذاری می شوند. چندین روش در سالهای گذشته مورد توجه قرار گرفته است. یکی از آنها قوانین به اصطلاح گرانشی است که تعداد سفرهای مربوط به جمعیت در مبدا و مقصد و فاصله با آن کاهش می یابد. بیان ریاضی این قانون شبیه قانون گرانش نیوتن است که نام آن را توضیح می دهد. یکی دیگر از رویکردهای محبوب، الهام از نظریه فرصت های مداخله است که استدلال می کند که فاصله بر انتخاب مقصد تاثیری ندارد و تنها نقش یک جایگزین برای تعداد فرصت های مداخله بین آنها را بازی می کند. در این مقاله، ما یک مقایسه کامل بین این دو رویکرد را در توانایی آنها در تخمین جریان رفت و آمد با آزمون آنها در برابر داده های سفر تجربی در مقیاس های مختلف و از کشورهای مختلف انجام می دهیم. نسخه های مختلف گرانش و قوانین فرصت های مداخله، از جمله قانون تابش اخیرا پیشنهاد شده، برای برآورد احتمال اینکه یک فرد باید از یک واحد به دیگری رفت و به نام قانون توزیع سفر باشد، مورد استفاده قرار می گیرد. بر اساس این قوانین توزیع احتمالی، شبکه های رفت و آمد با مدل های مختلف توزیع سفر شبیه سازی می شوند. ما نشان می دهیم که قانون گرانش بهتر از قوانین فرصت های مداخله برای تخمین جریان های رفت و آمد، برای حفظ ساختار شبکه و برای توازن توزیع فاصله، هرچند که در پیش بینی جریان های رفت و آمد در فواصل بزرگ، موفق نیست، بهتر است. در نهایت، ما نشان می دهیم که روش های مختلفی را می توان در نبود اطلاعات دقیق برای کالیبراسیون استفاده کرد، زیرا تنها پارامتر آن فقط به مقیاس واحد جغرافیایی بستگی دارد.