Università di Cagliari

DICAAR – Dipartimento di Ingegneria Civile, Ambientale e

architettura
Sezione Trasporti

PIANIFICAZIONE DEI TRASPORTI

Esercitazione sui modelli di generazione

A.A. 2016-2017 Ing. Francesco Piras Ing. Giovanni Tuveri

 Argomenti
2

1. Introduzione

2. Metodo del fattore di crescita (Growth Factor)

3. Regressione zonale

4. Regressione familiare
 Introduzione
3

 Esempi applicativi
 Esercitazione pratica

CONSEGNA ENTRO IL 10
MAGGIO!!!
Per qualsiasi dubbio e la consegna, scrivete a:

france.piras90@gmail.com

gio.tuv@hotmail.it
 Metodo del fattore di crescita (growth factor)
4

gi : numero di spostamenti generati dalla zona i all’anno 0

Gi : il numero di spostamenti previsti per la zona i all’anno t

fi : fattore di crescita

Gi = fi gi
 Metodo del fattore di crescita (growth factor)
5

fi : fattore di crescita

Pi: popolazione residente zona i

Ii : reddito medio zona i

Ci : numero di auto possedute nella zona i

fi = f(Pit, Iit, Cit)/f(Pi0, Ii0, Ci0)

 Metodo del fattore di crescita
6
 Metodo del fattore di crescita
7

Si consideri una zona con le seguenti caratteristiche:

Tipologia di Numero Reddito ($ Abitanti Viaggi/giorno

famiglia mese)
0 auto 180 4.000 4 6
1 auto 80 18.000 4 8
2 o più auto 40 50.000 6 11

In seguito a una diminuzione delle tasse d’importazione e un incremento del reddito

reale del 30% ci si aspetta che nei prossimi cinque anni il 50% delle famiglie
attualmente senza auto ne acquistino una. Stimare quanti viaggi zonali sarebbero
generati in questo caso; verificare se il metodo utilizzato è realmente il miglior
metodo utilizzabile
.
Metodo del fattore di crescita
8

Il numero di spostamenti generati in un giorno è pari a:

ti  180  6  80  8  40 11  2160

Fattore di crescita funzione del solo numero di auto

C id 210
Fi  c   1,75 Ti  Fi t i  1,75  2160  3780
Ci 120

Fattore di crescita funzione del solo reddito

I id
Fi  c  1,3 Ti  Fi t i  1,3  2160  2808
Ii

Fattore di crescita funzione del numero di auto e del reddito

f ( I id , C id )
Fi  c c
 1,3  1,75  2,275 Ti  Fi t i  2,275  2160  4914
f ( I i , Ci )
 Metodo del fattore di crescita
9

 Metodo del fattore di crescita: metodo semplice

ma piuttosto grossolano
 Se ipotizziamo che il numero di viaggi a famiglia
rimangano costanti nel tempo è possibile stimare il
numero di viaggi come:

Ti  90  6  170  8  40  11  2340

Si preferisce utilizzare altri metodi (regressione

zonale, regressione familiare, analisi per categoria)
 Metodo del fattore di crescita
10

ESERCITAZIONE PRATICA
 Ricostruire la matrice O/D degli spostamenti tra i

vari comuni all’anno 2001

 Utilizzare
in Excel Tabella Pivot oppure la funzione
SOMMA.PIÙ.SE
 Metodo del fattore di crescita
11

 Applicare il metodo del fattore di crescita ai totali di

generazione della matrice OD al 2001, per fare una
previsione all’anno 2011. Quindi costruire la matrice
OD al 2011 e confrontare i dati rilevati con i dati
stimati.
 Calcolare il fattore di crescita per ogni zona di origine
 Moltiplicare gli spostamenti generati da ogni zona
d’origine per il fattore di crescita
 Confrontare i dati così stimati con i dati rilevati
 Descrizione formale del modello
12

X
Y β

Individuazione Y (variabili dipendenti)

Y = f(βX)
Individuare tipologia modello –
forma funzionale f
(descrittivo/comportamentale)

Specificazione delle variabili esogene,

attributi del fenomeno
(X, variabili indipendenti)

Calibrazione dei parametri incogniti

(β, coefficienti)
 Modello di regressione zonale
13

Consiste nel trovare una relazione lineare tra il numero di

viaggi prodotti o attratti da ciascuna zona e il valore
medio di alcune caratteristiche socioeconomiche delle
famiglie che risiedono in ciascuna zona.

 Spiegano solo la variazione nel comportamento fra

zone
 Valori totali rispetto a valori medi
 Modello di regressione zonale
14

 La calibrazione di un modello zonale è un processo

passo per passo (stepwise) e consiste nel testare a
turno ciascuna variabile finché non si trova il miglior
modello
 Per trovare il miglior modello occorre verificare:
• Ttest
• segno delle variabili
• numero delle variabili
• R2
• valore della costante
• Ftest
 Regressione zonale
15

Si considerino i seguenti modelli di attrazione, stimati utilizzando

un pacchetto software standard (i t-ratio sono forniti in
parentesi):
R2=0,900

R2=0,925

R2=0,996

Dove Y sono gli spostamenti zonali attratti per lavoro, X1 è il numero

totale di impiegati nella zona, X2 è il numero di impiegati nel settore
industriale nella zona, X3 è il numero di impiegati nel settore
commerciale nella zona e X4 è il numero di impiegati nei servizi
 Regressione zonale
16

Scegliere il modello più appropriato, spiegando i pro e i contro di

ogni modello
Per individuare il modello che meglio rappresenta il fenomeno
considerato utilizziamo i seguenti criteri:
• Ttest
• segno delle variabili
• numero delle variabili
• R2
• valore della costante
N. variabili
N. Variabili R2 Intercetta
significative
Model 1. 1 1 0,900 123,2
Model2. 3 3 0,925 40,1
Model 3. 2 1 0,996 -1,7
 Regressione familiare
17

Le variazioni intrazonali possono essere ridotte diminuendo la dimensione delle

zone ( e quindi aumentando il numero di zone), ma ciò implica:
• Modelli più costosi
• Errori di campionamento maggiori

Modelli di regressione familiare

L’unità di base è la famiglia (household) presa come vettore di dati di input in
modo da portare all’interno del modello tutta la variabilità osservata delle
caratteristiche della famiglia e dei suoi viaggi.
 Regressione familiare
18

Si considerino i seguenti modelli di generazione dei viaggi per le due

ore di punta del mattino per motivo lavoro, stimati utilizzando una
regressione lineare familiare:
y  0,50  2,0 x1  1,5x 2 R 2  0,589
(2,5) (6,9) (5,6)
y  0,01  2,3 x1  1,1Z1  4,1Z 2 R 2  0,601
(0,9) (4,6) (1,9) (3,4)

dove y sono i viaggi per famiglia realizzati per motivo lavoro nella
punta del mattino, x1 è il numero di lavoratori in famiglia, x2 è il
numero di auto in famiglia, Z1 è una variabile dummy che assume il
valore 1 se la famiglia possiede un'auto e Z2 è un'altra variabile
dummy che assume il valore 1 se la famiglia possiede due o più auto.
 Regressione familiare
19

Scegliere uno dei modelli spiegando chiaramente le ragioni che

stanno alla base della scelta.
• Ttest
• segno delle variabili
• numero delle variabili
• R2
• valore della costante
• Variabile dummy

N. variabili
N. Variabili R2 Intercetta
significative
Model 1. 2 2 0,589 0,5
Model2. 3 3 0,601 0,01
 Regressione familiare
20

Rappresentare graficamente entrambi i modelli usando un

sistema di assi appropriato
Modello 2
Modello 1
16 18
n. spostamenti per famiglia

14 16

n. spostamenti per famiglia

14
12
12
10 0 auto 0 auto
10
8 1 auto 1 auto
8
2 auto 2 auto
6 6
4 4
2 2
0 0
0 2 4 6 0 1 2 3 4 5 6
n. componenti della famiglia
n. componenti della famiglia
 Regressione familiare
21

Se nella zona vi sono 1000 famiglie (con una media di due

lavoratori a famiglia), delle quali il 50% non ha auto, il 35% ha
solo un'auto e il resto esattamente due auto, stimare il numero
totale di viaggi generati dalla zona Oi, con entrambi i modelli.

Modello 1

Y  500  (0,5  2  2  0)  350  (0,5  2  2  1,5 1)  150  (0,5  2  2  1,5  2)  5575

Modello 2
Y  500  (0,01  2,3  2  0)  350  (0,01  2,3  2  1,11)  150  (0,5  2,1 2  4,11)  5610
 Regressione zonale
22

ESERCITAZIONE PRATICA
 Eseguire un'analisi dei dati socioeconomici tramite

statistica descrittiva.
 Media

 Varianza

 Curtosi

 Indicedi asimmetria
 Valore massimo e valore minimo

 Grafici (Istogrammi, grafici a torta)

 Regressione zonale
23

 Utilizzando i dati all'anno 2001, costruire un

modello di attrazione di regressione zonale
semplice sulla base degli spostamenti totali per
motivo lavoro con mezzo auto (conducente o
passeggero) e del numero totale di impiegati di ogni
zona; l'esercizio comprende anche il calcolo dei
valori per il test t e per il test F. Quindi, inserendo
nel modello i dati del 2011, verificarne
l'affidabilità.
 Regressione zonale
24

 Utilizzando i dati all'anno 2001, costruire tutti i possibili

modelli di generazione di regressione zonale multipli (con
almeno due variabili; sono 11 in totale), per stimare il numero
medio di viaggi generati da ogni famiglia per motivazione
lavoro con mezzo auto (conducente o passeggero), utilizzando
le seguenti variabili:
 N° medio di auto possedute a famiglia
 Reddito medio a famiglia
 N° medio di componenti a famiglia
 N° medio di occupati a famiglia

Utilizzare la funzione di Excel Analisi Dati/ Regressione

 Regressione zonale
25

Per utilizzare la funzione Regressione:

 File-Opzioni-Componenti aggiuntivi-Vai-Strumenti di

analisi
 Dati-Analisi Dati-Regressione

 Regressione

 Intervallo di input Y: spostamenti

 Intervallo di input X: variabili

 Livello di confidenza 90%

 Etichette: sì
 Regressione zonale
26

 Per ogni modello verificare:

 Numero di variabili significative
 Segno delle variabili
 Ttest

 R2

 Test F
 Intercetta

 Commentare i risultati ottenuti per ogni modello

Chiarimenti esercitazione 2
Chiarimenti esercitazione 2
Per poter forzare la regressione a passere per
l’origine l’intercetta NON DEVE avere prossimo allo
zero in termini assoluti, ma
DEVE AVERE VALORE TRASCURABILE RISPETTO AI
PRODOTTI DEL VALORE MEDIO DELLE VARIABILI
PER IL RISPETTIVO COEFFICIENTE

yˆ  ˆ0  ˆ1 x1  ˆ2 x2  ...  ˆn xn

ˆ0  ˆ1 x1; ˆ0  ˆ2 x2 ;...; ˆ0  ˆn xn  βˆ 0  0
 Chiarimenti esercitazione 2
OUTPUT RIEPILOGO

t-critico  =INV.T(p; n-k-1)

Statistica della regressione
R multiplo 0,851237853
F-critico =INV.F(p; k; n-k-1)
R al quadrato 0,724605883
R al quadrato corretto 0,70342172
n: n°di osservazioni di input
Errore standard 0,066182102
p: probabilità considerata (10%  0,10)
Osservazioni 29
k: n°di variabili considerate (l’intercetta è esclusa)
ANALISI VARIANZA
gdl SQ MQ F Significatività F
Regressione 2 0,29964129 0,149820645 34,2050752 5,24096E-08
Residuo 26 0,113881836 0,004380071

Totale 28 0,413523126

Coefficienti Errore standard Stat t Valore di significatività Inferiore 95% Superiore 95% Inferiore 90,0% Superiore 90,0%
Intercetta -0,410942456 0,114749999 -3,581197907 0,00137927 -0,646814454 -0,175070457 -0,606662108 -0,215222804
X1 0,666209989 0,106627885 6,247990281 1,30268E-06 0,447033235 0,885386744 0,48434356 0,848076419

X2 -2,62212E-06 4,44125E-06 -0,590401419 0,56001878 -1,17512E-05 6,507E-06 -1,01972E-05 4,95296E-06