Hoe statistische ruis in verkeersmodellen wordt geëlimineerd
De nieuwste mobiliteitsprognoses gemaakt met onze unieke microvraagmodelleringstechniek Octavius, onderscheiden zich doordat ze op persoonsniveau rekenen, waardoor er in de basis kansberekeningen nodig zijn. Binnen Octavius hebben we een unieke methode ontwikkeld om de statistische ruis die hierdoor wordt geïntroduceerd, te elimineren. Zo blijven modelruns onderling goed vergelijkbaar. Dat is cruciaal om zuivere conclusies te kunnen trekken bij het vergelijken van verschillende situaties. Maar wat is statistische ruis en hoe voorkomen we dit?
Wat is statistische ruis?
In tegenstelling tot wat het geval is in traditionele verkeersmodellen modelleert Octavius ritketens op persoonsniveau. Dit gebeurt aan de hand van kansberekeningen, waardoor er toevallige verschillen kunnen optreden bij het vergelijken van varianten of scenario's. Stel, er is een bepaalde kans dat iemand met de auto gaat óf met de fiets. In de eerste variant van de berekening kiest een persoon de auto en in de tweede variant kiest dezelfde persoon de fiets, terwijl dit niks met de wijzigingen in de variant te maken heeft en alleen maar voortkomt uit de kansverdeling. Dit noemen we statistische ruis. In traditionele modellen treedt dit niet op, maar wel in de nieuwe verkeersmodellen die op basis van individuele persoonskenmerken werken.
Het voorkomen van statistische ruis
Ondanks het nadeel van deze ruis, hebben micromodellen inhoudelijk veel voordelen ten opzichte van de bestaande verkeersmodellen. We hebben daarom een unieke methode ontwikkeld om het nadeel van statistische ruis te voorkomen: Statistical Noise Elimination Technique oftwel SNET. Aangezien dit een unieke methode is voor het feitelijk oplossen van een wiskundig probleem, hebben we hier octrooi op aangevraagd.
SNET houdt bij het zoeken naar een optimale oplossing in de variant rekening met de gevonden oplossing in de referentievariant. Vervolgens gaat het op zoek naar de optimale oplossing waarbij inwoners zoveel mogelijk dezelfde keuze maken en alleen nieuwe inwoners, of inwoners waarvoor een wijziging plaatsvindt, een andere keuze maken. Dit betekent dat de gesimuleerde personen in alle varianten zoveel mogelijk dezelfde keuze maken wanneer de wijzigingen in de variant niet op hen van toepassing zijn. Als alle te onderzoeken varianten dus dezelfde referentie hebben, kun je ze onderling zuiver vergelijken met een minimum aan ruis. Hiermee biedt OmniTRANS Horizon, waarin deze microvraagmodelleringstechniek verwerkt is, alle voordelen van het modelleren op persoonsniveau, waarbij we net als voorheen, modelvarianten goed met elkaar kunnen vergelijken.
De figuur hieronder geeft een voorbeeld waarbij binnen een micromodel een scenario is doorgerekend en vergeleken met een referentievariant met als enige verschil dat er in de omcirkelde zone 180 inwoners zijn toegevoegd. De linker afbeelding is zonder ruisonderdrukking doorgerekend. Zichtbaar is dat overal in het studiegebied verschillen optreden, die niet te herleiden zijn tot de toevoeging van de 180 inwoners. Beleidsmatig gezien levert deze doorrekening geen bruikbare beslisinformatie op door de ruis die in de modelvariant optreedt. De rechter afbeelding toont de doorrekening met ruisonderdrukking. Hierbij is duidelijk zichtbaar wat het effect is van de 180 extra inwoners. De keuzes van de overige gesimuleerde personen zijn gelijk zoals in de referentievariant. Hierdoor treedt geen ruis op en levert het effect van dit scenario duidelijke informatie op voor beleidsmakers.
De eliminatie van statische ruis uitgelegd
Meer weten?
Meer weten over OmniTRANS Horizon en onze microvraagsimuleringstechniek Octavius? Bekijk hier de veelgestelde vragen inclusief antwoorden.
