Integrating uncertainties and stochastic effects into transportation network models at trip generation

Transportation network models contain numerous variables describing features of the physical network. Many of these variables are based on hypotheses or estimations. Integration of the implicated uncertainty is only partial. The Monte Carlo method is an effective tool for evaluating scenarios where certain variables could not be described precisely. This paper explores the application of the MC method with proposed random variable structure covering uncertainties of trip generation. Evaluation of repeated assignments show increasing detail of traffic flow values per link and a variety of distribution functions. Details of the analysis illustrate the difficulties which might arise when adopting the MC method.

---

W modelach sieci transportowych wiele zmiennych opisuje cechy fizyczne sieci. Integracja wynikowej niepewności jest tylko częściowa. Wiele tych zmiennych jest opartych na hipotezach i oszacowaniach. Metoda Monte Carlo jest efektywną narzędziem oceny scenariuszy, w których pewne zmienne nie mogą być opisane dokładnie. W artykule rozważano zastosowanie metody MC z zaproponowaną strukturą zmiennych losowych opisujących niepewność podczas generowania podróży. Powtarzanie obliczeń powoduje rosnącą dokładność wartości potoku ruchu na łuku i różnorodność funkcji rozkładu. Szczegóły analizy ilustrują trudności, które mogą pojawiać się podczas stosowania metody MC.