C. Weis, B. Jäggi, A. Horni IVT, ETH Zurich

Slides:



Advertisements
Ähnliche Präsentationen
Vortrag von Stephanie Weirauch Jens Pleger Peter Jancke Frank Wejmelka
Advertisements

Algorithm Engineering
Graphen Ein Graph ist eine Kollektion von Knoten und Kanten. Knoten sind einfache Objekte. Sie haben Namen und können Träger von Werten, Eigenschaften.
Wirkungsabschätzung und Bewertung von Mobilitätsmanagement im gesamtstädtischen und regionalen Kontext Max Bohnet (TU Hamburg-Harburg) Mechtild Stiewe.
Kompetenzorientierter Unterricht
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2012.
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2011.
Methoden Fragen zur Vorlesung?. Methoden Hausaufgabe 2 Was sind die wichtigsten Merkmale von deskriptiver, korrelativer und experimenteller.
Algorithmentheorie 6 – Greedy-Verfahren
Prof.Dr.S. Albers Prof. Dr. Th. Ottmann
Vorlesung Informatik 2 Algorithmen und Datenstrukturen Halbzeit: Was haben wir bisher gelernt? Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (21 – Kürzeste Wege) T. Lauer.
Warentest Kartennutzung und Kartenkritik. Wie gut ist eine thematische Karte? Ansatz zur Kartenkritik: vom Nutzer und dessen Aufgaben ausgehend orthogonal.
Grundlegende Analysen & Zwischendarstellungen
Vortrag 11: Reengineering - Refactoring
Algorithmen und Komplexität
Verteilte Algorithmen
Kürzeste Wege in Straßennetzwerken Problemstellung –von einem Start zu einem Ziel (point-to-point) –(un)gerichteter Graph, Kantenkosten = Reisezeiten.
Nachholung der Vorlesung vom Freitag
4. Markov-Ketten 4.1. Übergangsmatrizen
Dieter Bergmann, Lichtenfels
Themenfeld „Daten und Zufall“ – arithmetisches Mittel – Klassenstufe 5/6 Ariane Dubiel, Azida Shahabuddin, Sandra Mense.
(Un-)sicherheiten in der Ökosystemmodellierung
Vortrag über Graphen Von Jörg Hendricks.
Prof. Dr. Gerhard Schmidt pres. by H.-J. Steffens Software Engineering SS 2009Folie 1 Objektmodellierung Objekte und Klassen Ein Objekt ist ein Exemplar.
Spezifikation von Anforderungen
QueueTraffic und Warteschlangen
Externe Bewertung in IB-Biologie
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung 1 SS 2001 Algorithmus von Dijkstra.
Effiziente Algorithmen
Chi Quadrat Test Tamara Katschnig.
Diskrete Mathematik II
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation
§3 Allgemeine lineare Gleichungssysteme
Umlegung Zwischenfragen PPT → Netz A. Horni IVT, ETH Zurich.
Vorbesprechung Serie 9 Ax(ExR(x) Q(x)) wird identifiziert mit Ax(EzR(z) Q(x)) Skript S.101 & 102: ~AxP(x) Ex~P(x) ~ExP(x) Ax~P(x) Ax(P(x)/\Q(x)) AxP(x)
Die Struktur von Untersuchungen
EK Produktion & Logistik
Kompetenz -, Lern - und Prüfungsbereiche Anforderungsbereiche
Anregung für die Gestaltung von differenzierten Aufgabenstellung
Ex-ante Kosten-Nutzen-Untersuchungen kooperativer Verkehrstelematik
Lernmodelle und Experimentelle Untersuchungen
Andreas Horni Übung C: Umlegungsmodelle.
Computer Algebra für Brüche --- angepasst an Ausbildungszwecke
Examen IB Geschichte.
0: Initialisierung Startknoten als Arbeitsknoten und als definitiv markieren Restliche Knoten als unerreichbar markieren (d=∞) Aktuelle Reisezeit zum Startknoten.
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung Suche des kürzesten Weges in einem Netz.
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung Voronoi-Diagramme.
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung der Algorithmus von Floyd.
Der A*-Algorithmus.
Geoinformationssysteme
Programmiersprachen II Vorbesprechung Klausur Prof. Dr. Reiner Güttler Fachbereich GIS HTW.
Übung 2 Einführung in die Ökonomie 18. April 2016.
Univ.-Prof. Dr. L. Müller-HagedornSofia 2007 Marketing 1 Kapitel 4 Nach der Bearbeitung des 4. Kapitels sollten Sie in der Lage sein, q Kennzahlen aufzuzeigen,
Spärliche Kodierung von Videos natürlicher Szenen Vortragender: Christian Fischer.
 Gegenstandsbereich der Testtheorie: Analyse der Charakteristika von Tests:  Güte von Tests.  Struktur von Tests.  Schwierigkeit von Tests.  Gruppenunterschiede.
NMS ENTWICKLUNGSBEGLEITUNG BUNDESWEITES VERNETZUNGSTREFFEN APRIL 2009 Herzlich Willkommen!
3. 1) XY-Methode (1) Inhalt, Funktion, Ziel
Der Dijkstra-Algorithmus
Mathematik Thema: Terme und Variablen
Vorstellen und Herleiten der Horner Schemas
 Präsentation transkript:

C. Weis, B. Jäggi, A. Horni IVT, ETH Zurich Repetitorium 4-Stufen- {Ansatz | Algorithmus | Verfahren …} Übung C: Bemerkungen Eure Fragen → Fokus: Prüfung C. Weis, B. Jäggi, A. Horni IVT, ETH Zurich 1

Verkehrsmodelle Z.B. politisches Ziel: Transitverkehr auf Westring und nicht Stadt-querend Massnahmen Bsp.: Flankierende Massnahmen

Verkehrsmodelle → Vier-Stufen-Verfahren Wirkung von Massnahmen (z.B. FLAMA, …) Modell für Verkehrsnachfrage 4-Stufen- {Ansatz | Algorithmus | Verfahren …} Multi-Agentenverfahren Verfahren

4 2 3 1 Verkehrserzeugung Verkehrsanziehung Verkehrsverteilung Verkehrsmittelwahl Umlegung (Routenwahl) 4 2 3 1 4 2 4→? 3 4→? Zürich Zug Frauenf Zug Ff Zürich Ziel Quelle S 2 4 6 6 12 3 S 12 4-Stufen-Ansatz 4 4

Daten und (Teil-)Modelle Übung C Umlegungsmodelle (inkl. Routensuchalgorithmen) (z.B.: Dijkstra, MSA,..) z.B. Gravitationsmodell (Furness) Übung B Entscheidungsmodell (z.B. Logit) z.B. Varianzanalyse

Entscheidungsmodelle (3. Schritt …) Lernziele: Verständnis der Eigenschaften des Logit-Modells (Komponenten der Nutzenfunktion, IIA-Eigenschaft) Verständnis der Maximum-Likelihood-Methode zur Parameterschätzung Interpretation der Modellergebnisse (Parameterwerte, Zeitwerte, Elastizitäten) Anwendung zur Prognose der Auswahlwahrscheinlichkeiten in einem Planzustand

Umlegungsmodelle (4. Schritt …) BPR Wardrop-Gleichgewicht: Alle Wege, die zwischen einem Quelle-Ziel-Paar benutzt werden, haben dieselbe Reisezeit (generalisierten Kosten). Alle nicht benutzten Wege zwischen einem Quelle-Ziel-Paar haben eine höhere Reisezeit (generalisierte Kosten)

Umlegungsmodelle (4. Schritt …) Lernziele: Umlegung im Vier-Stufen-Ansatz einordnen können Zusammenhang Nutzenmaximierung → Gleichgewicht verstehen MSA ausführen können (siehe Übung) Auch für mehrere Quell-Zielpaare Verstehen, wie sich der MSA-Umverteilungsparameter f auf die Konvergenz des Verfahrens auswirkt (→ Oszillationen etc.) Verstehen warum es für Umlegung iterative Verfahren braucht Berechnung der schnellsten (günstigsten) Route von A nach B → Dijkstra ausführen können ReisezeitStrecke = f (BelastungStrecke) berechnen können → BPR

Übung C: Dijkstra Arbeitsknoten = B - Schritt I + II Arbeitsknoten = E - Schritt I + II Knoten Aktuelle Reisezeit zum Startknoten [min] Vorgänger-Knoten definitiv A - x B 4 C 13 ∞ D 14 E 6 F 8

Übung C: Dijkstra Arbeitsknoten = E - Schritt I + II Trage in allen Nachbarknoten des aktuellen Arbeitsknotens die Distanz zum Startknoten ein, falls diese kleiner ist, als der eingetragene Wert. Merke mir in diesem Fall in den Nachbarknoten den aktuellen Arbeitsknoten als Vorgänger. Arbeitsknoten = E - Schritt I + II Knoten Aktuelle Reisezeit zum Startknoten [min] Vorgänger-Knoten definitiv A - x B 4 C 13 D 14 E 6 F 8 Arbeitsknoten = F - Schritt I + II Knoten Aktuelle Reisezeit zum Startknoten [min] Vorgänger-Knoten definitiv A - x B 4 C 11 F D 20 14 E 6 8

Prüfung Zusammenfassung (selber mitbringen), keine eigenen Notizen Dijkstra kommt noch rein! Häufig kommt (Prüfungen der Vorjahre ansehen!): Dijkstra Umlegung: MSA Erreichbarkeiten Verkehrsmittelwahl (Entscheidungsmodelle) Allgemeine Fragen (nicht zuviel Zeit investieren in der Prüfung) Gravitationsmodelle, Furness

Häufig kommt: … Erreichbarkeiten Lernziele: Verständnis für die Bedeutung der Erreichbarkeit und deren einzelner Komponenten Berechnung von Erreichbarkeiten mittels der Formel: Xi: Einwohnerzahl Fij: Gewichtungsfunktion b: Konstante kij: Reisekosten ij: zwischen Orti und Ortj

Eure Fragen … Wie genau muss der Rechenweg verfolgt werden können? Genügt es, wenn man die Rechnungen mit Zahlen schreibt oder braucht es Variablen? I.a. reichen Zahlen ausser es ist explizit nach der Formel gefragt. I.d.R. suchen wir aber nach Wissen und nicht nach Fehlern → zeigen was man grundsätzlich weiss bevor man sich in den Zahlen verheddert. 13 13

Eure Fragen … (Prüfung SS 07) In welche Phasen lässt sich ein Verkehrsplanungsprozess unterteilen? Wo werden dabei Verkehrsmodelle eingesetzt und wozu werden sie jeweils verwendet? Siehe Vorlesung 1, Planungsprozess nach Heidemann 3 Arten von Befragungen? Unterscheidung z.B. nach Struktur, Zielgruppe, Art des Kontakts… (siehe Vorlesung 2, Folie 32) Beschreiben sie kurz die drei Komponenten eines Verkehrsmodells und ihre Funktion. SS 2007: - Input (Verkehrsangebot, Siedlungsstruktur) - Wirkungsmodell - Output (Wirkungen) 14 14

Eure Fragen … (Prüfung HS 07) Was ist eine stated preference Befragung? Für welche verkehrsplanerischen Fragestellungen sind SP-Befragungen besonders geeignet? Nennen Sie zwei Arten einer SP-Befragung? SP-Befragung: Entscheidungen des Befragten in hypothetischen Situationen (dieses Jahr nicht im Detail behandelt, siehe aber Vorlesung 9, Folie 35 bzw. Repetitorium, Folie 8…) Wann und wie (Beispiel) wird im Vier-Stufen-Modell die Varianzanalyse eingesetzt? 1. Schritt 15 15

Eure Fragen … (Prüfung HS 07) Verschiedene Arten von Strassengebühren? Siehe Vorlesung 9: Unterscheidung nach Zweck der Maut: Maut Bauliche und betriebliche Kosten Staumaut Internalisierung der Staukosten Umweltmauten Internalisierung des Lärms und der Emissionen Beispiele für Anwendungen: Maut Ö, F, I, E, N, USA, viele Brücken und Tunnel Staumaut Singapur, London, HOT-lanes auf US- Autobahnen Umweltmauten Lärmabgaben für laute Flugzeuge

Eure Fragen … (Prüfung HS 07) Unterschied zw. Nutzer-Gleichgewicht, stochastischem Gleichgewicht und Systemoptimum det. UE: Wardrop 1. Prinzip, perfekt informiert stoch. UE: Wardrop 1. Prinzip, nicht perfekt informiert SO: Wardrop 2. Prinzip, minimale Gesamtkosten Was sind Widerstandsfunktionen? t = f(Belastung, …), z.B. BPR Was meint 'independence of irrelevant alternatives' genau? Vorlesung „Entscheidungsmodelle“, Folien 50-57 Was ist das Down Paradoxon? Vorlesung „Gleichgewicht und Modellierung“, Folien 59-60