1

PEMILIHAN RUTE

(TRAFFIC/TRIP ASSIGNMENT)

Maksud:

suatu proses dimana jumlah perjalanan antara dua buah zona (hasil sebaran perjalanan) dengan menggunakan moda angkutan tertentu (dari tahap pemilihan moda) dialokasikan (assigned) ke rute-rute yang terdapat pada jaringan transportasi.

Tujuan:

mengestimasi seakurat mungkin jumlah perjalanan di setiap ruas pada suatu jaringan transportasi.

Basic Assignment process

TRIP MATRIX

NETWORK

DATA

ROUTE

SELECTION

and LOADING

OUTPUTS (e.g.

link flows, inter-

zonal costs)

The Stages in the Basic Assignment Process

2

Pemilihan rute tergantung pada alternatif

terpendek, tercepat, dan termurah, dan

juga diasumsikan bahwa pemakai jalan

mempunyai informasi yang cukup

(misalnya tentang kemacetan jalan)

sehingga mereka dapat menentukan rute

yang terbaik.

Kondisi Keseimbangan Jaringan Jalan

Proses pengalokasian pergerakan yang

menghasilkan suatu pola rute arus pergerakan

dapat dikatakan berada dalam keadaan

keseimbangan jika setiap pelaku perjalanan tidak

dapat lagi mencari rute yang lebih baik untuk

mencapai zona tujuannya karena mereka telah

bergerak pada rute terbaik yang tersedia.

(Prinsip 1 Wardrop)

METODE PEMILIHAN RUTE

Tujuan tahapan ini adalah mengalokasikan setiap pergerakan antarzona ke berbagai rute yang paling sering digunakan oleh seseorang yang bergerak dari zona asal ke zona tujuan.

Keluaran tahapan ini adalah informasi arus lalu lintas pada setiap ruas jalan, termasuk biaya perjalanan antarzonanya (Tamin, 1990)

Gambar, Pasangan zona asal-tujuan yang mempunyai dua rute

alternatif.

Rute 1

(kapasitas 1500

kend/jam)

Rute 2

(kapasitas 4000

kend/jam)

A B

3

Gambar Jaringan sederhana dan waktu tempuh ruas.

(Sumber: Black, 1981)

2

1 4 5

3

(10)

(10)

(10)

(10) (10)

(20)

(15)

(20)

Zona i Zona d

Model all-or-nothing

Model ini merupakan model pemilihan rute

yang paling sederhana, yang

mengasumsikan bahwa semua pengendara

meminimumkan biaya perjalanannya, dan

semua pengendara dari zona asal i ke zona

tujuan d memilih rute yang sama.

Metode ini menganggap bahwa semua

perjalanan dari zona asal i ke zona tujuan d

akan mengikuti rute terbaik.

Example problem

Traffic Assignment:

Assign the vehicle trips shown in the following O-D trip table to the network, using the all-or-nothing assignment technique. To summarize your results, list all of the links in the network and their corresponding traffic volume after loading.

Origin-Destination Trip Table

From/to

Trips between Zones

1 2 3 4 5

1 - 100 100 200 150

2 400 - 200 100 500

3 200 100 - 100 150

4 250 150 300 - 400

5 200 100 50 350 -

4

Highway Network: Solution

The all-or-nothing technique simply assumes that

all of the traffic between a particular origin and

destination will take the shortest path (with

respect to time).

For example, all of the 200 vehicles that travel

between node 1 and node 4 will travel via nodes

1-5-4.

The tables shown below indicate the routes that

were selected for loading as well as the total

traffic volume for each link in the system after all

of the links were loaded.

Nodes Link Path

Travel Time

Volume

From To

1 2 1-2 8 100

3 1-2, 2-3 11 100

4 1-5, 5-4 11 200

5 1-5 5 150

2 1 2-1 8 400

3 2-3 3 200

4 2-4 5 100

5 2-4, 4-5 11 500

3 1 3-2, 2-1 11 200

2 3-2 3 100

4 3-4 7 100

5 3-4, 4-5 13 150

4 1 4-5, 5-1 11 250

2 4-2 5 150

3 4-3 7 300

5 4-5 6 400

5 1 5-1 5 200

2 5-4, 4-2 11 100

3 5-4, 4-3 13 50

4 5-4 6 350

5

Link Volume

1-2 200

2-1 600

1-5 350

5-1 450

2-5 0

5-2 0

2-3 300

3-2 300

2-4 600

4-2 250

3-4 250

4-3 350

4-5 1300

5-4 700

Total traffic for each link, after all the links were loaded:

Model pembebanan “multi-path”

asumsi: pengendara tidak mengetahui informasi yang tepat mengenai rute terbaik.

atau dengan perkataan lain, pengendara memilih rute terbaik, tetapi tidak tahu dengan pasti rute terbaik tersebut (Burrel, 1969).

pengendara tidak tahu waktu perjalanan yang pasti antara dua titik simpul. Yang diketahui hanya perkiraannya saja.

model dibentuk dari perkiraan waktu tempuh ini.

persepsi yang berbeda akan menyebabkan rute yang dipilih berbeda.

waktu perjalanan bersifat random, dengan „mean‟ adalah waktu yang sebenarnya.

lihat gambar berikut: (angka di samping ruas adalah waktu dalam menit)

1

2

4

5

3

zone i zone j

10

10

10

20

10

10

20

15

untuk berjalan dari 1 ke 3, misal pilihannya: 1 - 2 - 3

1 - 4 - 3 1 - 5 - 3.

untuk mewakili sifat random pilihan seorang pengendara, bisa dengan menggunakan dadu. Angka 1 dan 2 melambangkan waktu sebenarnya, angka 3 dan 4 untuk waktu kurang 20 %, dan angka 5 dan 6 untuk waktu lebih 20 %.

contoh: distribusi perkiraan waktu perjalanan (waktu sebenarnya, 20 % lebih dan 20 % kurang)

Link travel times (menit)

Network node to node connections

1-2 1-4 1-5 2-3 2-4 4-3 4-5 5-3

sebenarnya 10 10 20 20 10 15 10 10

lebih 20 % 12 12 24 24 12 18 12 12

kurang 20 % 8 8 16 16 8 12 8 8

6

yang dipilih adalah rute 3 (1-5-3).

untuk pengendara berikutnya dilakukan hal yang sama.

untuk jaringan yang besar dan jumlah zona yang banyak, cara seperti di atas mustahil untuk dilakukan secara manual.

contoh, untuk seorang pengendara:

rute 1 rute 2 rute 3

node to node 1 - 2 - 3 1 - 4 - 3 1 - 5 - 3

lemparan dadu 3,5 6,5 4,2

waktu perkiraan 8, 24 12, 18 16, 10

route travel time 32 30 26

Model pembebanan “probabilistic”

dalam meminimumkan transport impedance, pengendara memasukkan faktor-faktor lain dalam pertimbangannya (misal: keamanan, pemandangan yang indah, dll).

pemilihan rute tertentu dilakukan dengan teori probabilitas.

setiap alternatif rute mempunyai peluang tertentu.

jumlah peluang setiap alternatif adalah satu.

mekanisme oleh Dial (1971) adalah: rute yang lebih panjang mempunyai peluang yang lebih kecil dibandingkan dengan rute yang pendek.

Florian and Fox (1976) mengusulkan model berikut:

dimana:

p(r) = probabilitas memilih rute r

tr = waktu perjalanan pada rute r

q = parameter yang akan dikalibrasi

i

i

r

t

trp

exp

exp)(

q

q

contoh untuk kasus sebelumnya, misal: q = 0,2.

dari rumus di atas didapat: p(1) = 0,212

p(2) = 0,576

p(3) = 0,212.

jika total perjalanan adalah 1000, maka:

• 212 perjalanan akan menggunakan rute 1-2-3

• 576 perjalanan akan menggunakan rute 1-4-3

• 212 perjalanan akan menggunakan rute 1-5-3.

7

Model Pembebanan Bertahap

termasuk ke dalam model pembebanan yang “capacity restrained”.

teori „arus lalu lintas yang dinamis‟ menjelaskan bahwa waktu tempuh akan bervariasi tergantung pada jumlah lalu lintas yang melewatinya.

waktu tersebut tidak tetap seperti pada kondisi „zero-flow‟.

penggunaan model „capacity restrained‟ memerlukan hubungan antara waktu tempuh dengan arus lalu lintas .Persamaan Davidson (ataupun, bentuk hubungan kecepatan-volume yang lain) dapat digunakan.

Prinsip utama model ini adalah membagi MAT total menjadi beberapa bagian MAT (misalnya 10 %) dengan menggunakan suatu set faktor proporsional pn dengan pn = 1.

Setiap bagian dari MAT tersebut dibebankan ke jaringan jalan secara bertahap.

Pada akhir setiap tahap, biaya perjalanan semua rute dihitung ulang dengan menggunakan arus lalu lintas yang telah dibebankan sebelumnya.

Perhatikan sepasang zona asal-tujuan dengan 3 buah

rute seperti gambar di bawah. Terdapat pergerakan

sebesar 2.000 kendaraan dari A ke B. Hitung jumlah

kendaraan pada masing-masing rute dengan model

pembebanan bertahap!

Terdapat 5 (lima) contoh kasus yang akan dibahas, yaitu:

Kasus 1: fraksi pembebanan seragam sebesar 25%

Kasus 2: fraksi pembebanan seragam sebesar 10%

Kasus 3: fraksi pembebanan seragam sebesar 5%

Kasus 4: fraksi pembebanan tidak seragam

(40%, 30%, 20%, dan 10%)

Kasus 5: fraksi pembebanan tidak seragam

(10%, 20%, 30%, dan 40%).

8

Pembebanan ke-

Fraksi Rute 1 Rute 2 Rute 3

Arus Biaya Arus Biaya Arus Biaya

0 0 0 10 0 15 0 12,5

1 500 500 20 0 15 0 12,5

2 500 500 20 0 15 500 20

3 500 500 20 500 17,5 500 20

4 500 500 20 1000 20 500 20

Total 2000

Kasus 1: Fraksi pembebanan seragam sebesar 25% Pembebanan ke-

Fraksi Rute 1 Rute 2 Rute 3

Arus Biaya Arus Biaya Arus Biaya

0 0 0 10 0 15 0 12,5

1 200 200 14 0 15 0 12,5

2 200 200 14 0 15 200 15,5

3 200 400 18 0 15 200 15,5

4 200 400 18 200 16 200 15,5

5 200 400 18 200 16 400 18,5

6 200 400 18 400 17 400 18,5

7 200 400 18 600 18 400 18,5

8 200 500 20 700 18,5 400 18,5

9 200 500 20 800 19 500 20

10 200 500 20 1000 20 500 20

Total 2000

Kasus 2: Fraksi pembebanan seragam sebesar 10%

Pembebanan ke- Fraksi Rute 1 Rute 2 Rute 3

Arus Biaya Arus Biaya Arus Biaya

0 0 0 10 0 15 0 12,5

1 100 100 12 0 15 0 12,5

2 100 200 14 0 15 0 12,5

3 100 200 14 0 15 100 14

4 100 250 15 0 15 150 14,75

5 100 250 15 0 15 250 16,25

6 100 300 16 50 15,25 250 16,25

7 100 300 16 150 15,75 250 16,25

8 100 300 16 250 16,25 250 16,25

9 100 400 18 250 16,25 250 16,25

10 100 400 18 300 16,5 300 17

11 100 400 18 400 17 300 17

12 100 400 18 450 17,25 350 17,75

13 100 400 18 550 17,75 350 17,75

14 100 400 18 600 18 400 18,5

15 100 450 19 650 18,25 400 18,5

16 100 450 19 750 18,75 400 18,5

17 100 450 19 750 18,75 500 20

18 100 450 19 850 19,25 500 20

19 100 550 21 850 19,25 500 20

20 100 550 21 950 19,75 500 20

Total 2000

Kasu

s 3

: F

raksi

pem

beb

an

an

sera

gam

seb

esar

5%

Pembebanan ke-

Fraksi Rute 1 Rute 2 Rute 3

Arus Biaya Arus Biaya Arus Biaya

0 0 0 10 0 15 0 12,5

1 800 800 26 0 15 0 12,5

2 600 800 26 0 15 600 21,5

3 400 800 26 400 17 600 21,5

4 200 800 26 600 18 600 21,5

Total 2000

Kasus 4: Fraksi pembebanan tidak seragam

(40%, 30%, 20%, dan 10%)

9

Pembebanan ke-

Fraksi Rute 1 Rute 2 Rute 3

Arus Biaya Arus Biaya Arus Biaya

0 0 0 10 0 15 0 12,5

1 200 200 14 0 15 0 12,5

2 400 200 14 0 15 400 18,5

3 600 200 14 600 18 400 18,5

4 800 1000 30 600 18 400 21,5

Total 2000

Kasus 5: Fraksi pembebanan tidak seragam

(10%, 20%, 30%, dan 40%).

Resume:

Kasus # Rute 1 Rute 2 Rute 3

Kasus 1 500 1000 500

Kasus 2 500 1000 500

Kasus 3 550 950 500

Kasus 4 800 600 600

Kasus 5 1000 600 400

Kalibrasi Model

kalibrasi adalah proses mencari nilai parameter model yang terbaik.

tujuan mengkalibrasi adalah untuk meminimumkan perbedaan volume pada setiap ruas jalan antara hasil model dengan data yang didapat dari survey.

untuk suatu jaringan jalan dengan jumlah total ruas jalan adalah n, salah satu kriteria kalibrasi dapat dirumuskan sebagai berikut:

n

i

ii QQz1

2ˆ an meminimumk

metode kalibrasi yang lain misalnya dengan metode maximum-likelihood.

pada model pembebanan „multi path‟, yang harus dikalibrasi adalah distribusi waktu perjalanan (dimana waktu ini dipilih secara acak).

pada model pembebanan „probabilistic‟, yang harus dikalibrasi adalah nilai parameter q.

pada model „pembebanan bertahap‟, yang harus dikalibrasi adalah fraksi dan/atau tahapan pembebanan.

10

Contoh kalibrasi untuk model pembebanan „probabilistic‟:

• misal hasil survey memberikan data sebagai berikut: 215 perjalanan pada rute 1 (1-2-3) 575 perjalanan pada rute 2 (1-4-3) 210 perjalanan pada rute 3 (1-5-3)

ruas jalan 1-2 1-4 1-5 2-3 4-3 5-3

data survey 215 575 210 215 575 210

hasil model (q=0) 333 333 333 333 333 333

• jika q = 0, probabilitas setiap rute adalah sama sebesar 0,333

• perbandingan antara hasil model dengan data adalah:

• nilai z = 175.234

network link 1-2 1-4 1-5 2-3 4-3 5-3

survey traffic 215 575 210 215 575 210

hasil model (q=0,20) 212 576 212 212 576 212

• cari nilai q yang lain.

• nilai terbaik adalah q = 0,20 dengan z = 28

• jika q = 0,19 nilai z = 388, dan jika q = 0,21 nilai z = 532.