fT
(i
DEVELOPMENT OF MAXIMUM ENTROPY ESTIMATOR FOR CALIBRATING TRIP DISTRIBUTION MODELS
T 3 8 8 . 4 1 3 W I D
SUMMARY DEVELOPMENT OF MAXIMUM ENTROPY (ME) ESTIMATOR FOR CALIBRATING TRIP DISTRIBUTION MODELS, Widiarjana, Nyoman Adi, 1999, Program Magister Sistem dan Teknik Jalan Raya, Program Pascasarjana, Institut Teknologi Bandung. With the growth of development the need for transport infrastructure is also increasing. To alleviate transportation problems good planning, supported by accurate data of travel patterns of the study areas, are needed. In developing countries where each area has a different and rapidly changing travel pattern, and with limited funds, time, and labor, it is difficult to obtain accurate patterns. Thus the development of a method which utilizes available patterns to produce accurate future patterns at relatively low cost, is needed. This study developed a method for approximating trip patterns, i.e. trip distributions, from total attraction and generations, based on the maximum entropy (ME) approach. Basically this method assumes movements as those from gas molecules moving unimpeded and dispersed. Several estimation methods have been developed earlier, i.e. the Non Linear Least Square (NLLS), Maximum Likelihood (ML) and Inference Bayes (IB) methods, and these were used as comparison for the developed estimation method. This study used the gravity model as trip distribution model with its three types of constraints (DCGR, PCGR and ACGR models), and three deterrence functions (exponential, power and Tanner's), and then compared and applied all the four estimation methods. The results of this study are: 1) the computer programme of the developed method (ME) performed well ; 2) with artificial data the most suitable one, with which the best approximations were obtained, are : for NLLS it is uniformly distributed data; for ME it is wide ranging data; 3) for the East Java study'case, for private car movements in 1991, the combination of NLLS, DCGR and Tanner's function produced the best approximation, i.e. RMSE=139.8794 and R2=0.9765, which is only slightly better than with ME; 4) the trip patterns influence the results of estimation; different patterns need different parameter values and model combinations. The study recommends to expand and test the method with other real data.
iv
RINGKASAN PENGEMBANGAN METODA ESTIMSI MAKSIMUM ENTROPI (ME) UNTUK MENGKALIBRASI M)DEL-MDDEL SEBARAN PERGERAKAN, Nyoman Adi Widiarjana, 1999, Program Magister Sistem dan Teknik Jalan Raya, Program Pascasarjana, Institut Teknologi Bandung. Perkembangan zaman yang makin maju, kebutuhan akan prasarana transportasi makin meningkat. Agar tidak terjadi permasalahan transportasi dibutuhkan perencanaan yang baik dengan didukung data pola pergerakan daerah studi yang akurat. Di negara - negara berkembang di mana setiap daerah mempunyai pola pergerakan yang berbeda dan cepat berubah, dan dengan keterbatasan dana , waktu dan tenaga, sangat sulit memperoleh pola yang akurat. Untuk itu diperlukan pengembangan suatu metoda yang memanfaatkan pola yang ada sehingga dapat menghasilkan pola masa depan yang akurat dengan biaya yang relatip murah. Studi ini mengembangkan sebuah metoda untuk memperkirakan pola perjalanan, yaitu sebaran pergerakan dari bangkitan dan tarikan, berdasarkan pendekatan maksimum entropi. Prinsip dasar dari metoda ini adalah menganggap pergerakan yang terjadi seperti molekul gas yang bergerak bebas dan menyebar. Berbagai metoda estimasi telah dikembangkan sebelumnya, yaitu metoda estimasi Non Linear Least Square (NLLS), Maximum Likelihood (ML) dan Inference Bayes (IB), dan ini digunakan sebagai pembanding terhadap metoda estimasi yang dikembangkan. Pada penelitian ini digunakan model sebaran pergerakan model gravity dengan tiga pembatasnya (DCGR, PCGR dan ACGR) dengan tiga fungsi hambatannya ( ekponensial, power dan Tanner), dan membandingkan dan menerapkan keempat metoda estimasi tersebut. Hasil-hasil yang telah dicapai pada penelitian ini adalah: 1) program }computer dari metoda estimasi yang dikembangkan (ME) dapat berfungsi baik; 2) dengan data artifisial, data yang paling sesuai dan memberikan hasil terbaik untuk NLLS adalah data dengan penyebaran yang seragam; untuk ME adalah data dengan penyebaran yang sangat bervariasi; 3) untuk studi kasus Jawa Timur, untuk data pergerakan kendaraan pribadi tahun 1991, kombinasi NLLS, DCGR dan fungsi Tanner memberikan hasil pendekatan yang terbaik yaitu RMSE=139,8794 dan R2=0, 9765, yang sedikit lebih baik dibandingkan ME; 4) pola pergerakan sangat menentukan hasil estimasi, pola yang berbeda akan memberikan pendekatan nilai parameter dan kombinasi yang berbeda. Diharapkan penelitian ini dapat lebih dikembangkan dan diuji dengan data rill yang lain. v
