Octavius: Goudappels framework voor miscroscopische vervoersvraagmodellen - conceptuele beschrijving
LuukBrederode
7 views
11 slides
Oct 17, 2025
Slide 1 of 11
1
2
3
4
5
6
7
8
9
10
11
About This Presentation
Dit document beschrijft de aanleiding voor de ontwikkeling van Octavius: goudappels software framework voor microscopische vervoersvraagmodellering. Het beschrijft achtereenvolgens:
- de eigenschappen van het framework die tevens het uitgangspunt waren bij de ontwikkeling ervan.
- de structuur van ...
Slide Content
1
Octavius: Goudappels framework voor
miscroscopische vervoersvraagmodellen
-conceptuele beschrijving
Date: 20251017
Version: 1.01
Auteur: Luuk Brederode ([email protected])
Octavius: Goudappels framework voor
miscroscopische vervoersvraagmodellen
-conceptuele beschrijving
Date: 20251017
Version: 1.01
Auteur: Luuk Brederode ([email protected])
2
Inhoud
1 Inleiding ........................................................................................................................................... 3
1.1 Context: strategische vervoersvraagmodellen ...................................................................... 3
1.2 Gewenste eigenschappen van traditionele strategische vervoersvraagmodellen ................ 3
2 Eigenschappen van Octavius ........................................................................................................... 4
2.1 Uitbreidbaarheid: Octavius als framework ............................................................................ 4
2.2 Afhankelijkheden tussen keuzes: overstap naar tour-based micromodellering ................... 4
2.2.1 Van trip- naar tour-based .................................................................................................. 5
2.2.2 Van macro naar micro ....................................................................................................... 5
2.3 Vergelijkbaarheid ................................................................................................................... 5
2.3.1 Gebruik van statistical noise elimination technique (SNET) .............................................. 5
2.3.2 Gebruik van Quenched Randomness In Utility Simulation (QRIUS) .................................. 5
2.4 Stabiliteit: gebruik van maximale random utility en maximale entropie condities ............... 6
2.5 Multimodale tours ................................................................................................................. 6
3 Structuur van Octavius .................................................................................................................... 7
3.1 Keuzemodel ........................................................................................................................... 7
3.1.1 Segmenten ......................................................................................................................... 7
3.2 Discretisatie............................................................................................................................ 7
3.3 Koppeling tussen modules ..................................................................................................... 7
3.4 Niet generieke features ......................................................................................................... 8
3.4.1 Regionalisatie ..................................................................................................................... 8
3.4.2 Attractieconstraints ........................................................................................................... 8
4 Vergelijking Octavius met traditionele modellen ............................................................................ 9
5 Population synthesizer .................................................................................................................. 10
Literatuur ............................................................................................................................................... 11
Inhoud
1 Inleiding ........................................................................................................................................... 3
1.1 Context: strategische vervoersvraagmodellen ...................................................................... 3
1.2 Gewenste eigenschappen van traditionele strategische vervoersvraagmodellen ................ 3
2 Eigenschappen van Octavius ........................................................................................................... 4
2.1 Uitbreidbaarheid: Octavius als framework ............................................................................ 4
2.2 Afhankelijkheden tussen keuzes: overstap naar tour-based micromodellering ................... 4
2.2.1 Van trip- naar tour-based .................................................................................................. 5
2.2.2 Van macro naar micro ....................................................................................................... 5
2.3 Vergelijkbaarheid ................................................................................................................... 5
2.3.1 Gebruik van statistical noise elimination technique (SNET) .............................................. 5
2.3.2 Gebruik van Quenched Randomness In Utility Simulation (QRIUS) .................................. 5
2.4 Stabiliteit: gebruik van maximale random utility en maximale entropie condities ............... 6
2.5 Multimodale tours ................................................................................................................. 6
3 Structuur van Octavius .................................................................................................................... 7
3.1 Keuzemodel ........................................................................................................................... 7
3.1.1 Segmenten ......................................................................................................................... 7
3.2 Discretisatie............................................................................................................................ 7
3.3 Koppeling tussen modules ..................................................................................................... 7
3.4 Niet generieke features ......................................................................................................... 8
3.4.1 Regionalisatie ..................................................................................................................... 8
3.4.2 Attractieconstraints ........................................................................................................... 8
4 Vergelijking Octavius met traditionele modellen ............................................................................ 9
5 Population synthesizer .................................................................................................................. 10
Literatuur ............................................................................................................................................... 11
3
1 Inleiding
Dit document bevat een conceptuele beschrijving van Octavius: Goudappels framework voor
microscopische strategische vervoersvraagmodellen. Octavius is ontwikkeld als standalone back-end
rekenmodule en is momenteel alleen gekoppeld aan OmniTRANS als front-end. Dit document bevat
alleen een conceptuele beschrijving; de OmniTRANS help (vanaf versie 8.1.4) bevat de benodigde
informatie om Octavius als modeltoepasser in te zetten. In OmniTRANS maakt Octavius gebruik van
een population synthesizer die (kort) in hoofdstuk 5 wordt besproken.
1.1 Context: strategische vervoersvraagmodellen
Vervoersvraagmodellen beschrijven de verplaatsingspatronen van reizigers. Verplaatsingspatronen
zijn een resultante van gedragskeuzes die reizigers maken voor- en tijdens de reis. Zoals in alle
modellen is er ook binnen vervoersvraagmodellen een spanningsveld tussen accuraatheid enerzijds en
de beschikbaarheid van middelen anderzijds. In deze context is vooral de beschikbaarheid van
waargenomen data waarmee verbanden tussen gedrag en meetbare variabelen worden geschat
beperkend. Daarnaast spelen beschikbare (tijds)budgetten om modellen te realiseren en de
beschikbare rekentijd om modellen toe te passen een beperkende rol. Om deze redenen worden
aannames gedaan. Zo bevatten strategische vervoersvraagmodellen alleen de meest bepalende
gedragskeuzes: de reisfrequentie, bestemmingskeuze en vervoerswijzekeuze en zijn conditioneel aan
aannames over de routekeuze (bijvoorbeeld dat altijd de snelste of kortste route wordt gebruikt).
Sommige strategische vervoersvraagmodellen beschrijven aanvullende gedragskeuzes omtrent
bijvoorbeeld vertrektijdstipkeuze, auto-, abonnements- en rijbewijsbezit. De beschikbare data dicteert
ook het detailniveau van de gedragskeuzemodellen, het aantal persoons- en huishoudsegmenten dat
onderscheiden wordt is veelal het maximaal haalbare gegeven de schattingsdata en/of beschikbare
rekentijd.
1.2 Gewenste eigenschappen van traditionele strategische vervoersvraagmodellen
Strategische vervoersvraagmodellen worden gebruikt om verwachte effecten van een
maatregelenpakket op de lange termijn (5 jaar of meer in de toekomst) te bepalen. Dit leidt tot de
volgende gewenste eigenschappen voor strategische vervoersvraagmodellen.
Stabiliteit: Maatregelenpakketten voor mobiliteitssystemen kennen typisch een lange levensduur
(decennia). Daarom rekenen strategische vervoersvraagmodellen idealiter toe naar de situatie
waarin reizigers hun gedrag hebben aangepast aan de nieuwe situatie; niet naar de situatie op de
dag nadat het maatregelenpakket gerealiseerd is. Het is dus wenselijk dat uitkomsten van
strategische modellen een betekenisvolle stabiele systeemtoestand beschrijven (zoals maximale
entropie condities en/of het gebruikersevenwicht (Wardrop, 1952).
Vergelijkbaarheid: Vanwege de lange voorspellingshorizon van strategische modellen bestaat er
een grote onzekerheid rondom de modelinput. Hierdoor zijn uitkomsten van strategische
modellen alleen in relatieve zin tot een referentie scenario betekenisvol. Daarom moeten idealiter
alle verschillen tussen modeluitkomsten te herleiden zijn naar verschillen in modelinput, en niet
een gevolg zijn van random processen (zoals in stochastische modellen) of verschillen in de mate
waarin de uitkomsten voldoen aan de gekozen stabiele systeemtoestand.
Beide gewenste eigenschappen worden volledig ingevuld door macroscopische
vervoersvraagmodellen zoals de stedelijk/regionale zwaartekrachtmodellen van Goudappel en het
LMS/NRM van de rijksoverheid.
1 Inleiding
Dit document bevat een conceptuele beschrijving van Octavius: Goudappels framework voor
microscopische strategische vervoersvraagmodellen. Octavius is ontwikkeld als standalone back-end
rekenmodule en is momenteel alleen gekoppeld aan OmniTRANS als front-end. Dit document bevat
alleen een conceptuele beschrijving; de OmniTRANS help (vanaf versie 8.1.4) bevat de benodigde
informatie om Octavius als modeltoepasser in te zetten. In OmniTRANS maakt Octavius gebruik van
een population synthesizer die (kort) in hoofdstuk 5 wordt besproken.
1.1 Context: strategische vervoersvraagmodellen
Vervoersvraagmodellen beschrijven de verplaatsingspatronen van reizigers. Verplaatsingspatronen
zijn een resultante van gedragskeuzes die reizigers maken voor- en tijdens de reis. Zoals in alle
modellen is er ook binnen vervoersvraagmodellen een spanningsveld tussen accuraatheid enerzijds en
de beschikbaarheid van middelen anderzijds. In deze context is vooral de beschikbaarheid van
waargenomen data waarmee verbanden tussen gedrag en meetbare variabelen worden geschat
beperkend. Daarnaast spelen beschikbare (tijds)budgetten om modellen te realiseren en de
beschikbare rekentijd om modellen toe te passen een beperkende rol. Om deze redenen worden
aannames gedaan. Zo bevatten strategische vervoersvraagmodellen alleen de meest bepalende
gedragskeuzes: de reisfrequentie, bestemmingskeuze en vervoerswijzekeuze en zijn conditioneel aan
aannames over de routekeuze (bijvoorbeeld dat altijd de snelste of kortste route wordt gebruikt).
Sommige strategische vervoersvraagmodellen beschrijven aanvullende gedragskeuzes omtrent
bijvoorbeeld vertrektijdstipkeuze, auto-, abonnements- en rijbewijsbezit. De beschikbare data dicteert
ook het detailniveau van de gedragskeuzemodellen, het aantal persoons- en huishoudsegmenten dat
onderscheiden wordt is veelal het maximaal haalbare gegeven de schattingsdata en/of beschikbare
rekentijd.
1.2 Gewenste eigenschappen van traditionele strategische vervoersvraagmodellen
Strategische vervoersvraagmodellen worden gebruikt om verwachte effecten van een
maatregelenpakket op de lange termijn (5 jaar of meer in de toekomst) te bepalen. Dit leidt tot de
volgende gewenste eigenschappen voor strategische vervoersvraagmodellen.
Stabiliteit: Maatregelenpakketten voor mobiliteitssystemen kennen typisch een lange levensduur
(decennia). Daarom rekenen strategische vervoersvraagmodellen idealiter toe naar de situatie
waarin reizigers hun gedrag hebben aangepast aan de nieuwe situatie; niet naar de situatie op de
dag nadat het maatregelenpakket gerealiseerd is. Het is dus wenselijk dat uitkomsten van
strategische modellen een betekenisvolle stabiele systeemtoestand beschrijven (zoals maximale
entropie condities en/of het gebruikersevenwicht (Wardrop, 1952).
Vergelijkbaarheid: Vanwege de lange voorspellingshorizon van strategische modellen bestaat er
een grote onzekerheid rondom de modelinput. Hierdoor zijn uitkomsten van strategische
modellen alleen in relatieve zin tot een referentie scenario betekenisvol. Daarom moeten idealiter
alle verschillen tussen modeluitkomsten te herleiden zijn naar verschillen in modelinput, en niet
een gevolg zijn van random processen (zoals in stochastische modellen) of verschillen in de mate
waarin de uitkomsten voldoen aan de gekozen stabiele systeemtoestand.
Beide gewenste eigenschappen worden volledig ingevuld door macroscopische
vervoersvraagmodellen zoals de stedelijk/regionale zwaartekrachtmodellen van Goudappel en het
LMS/NRM van de rijksoverheid.
4
2 Eigenschappen van Octavius
Als gevolg van de maatschappelijke transitie waarin niet het bezit maar het gebruik van goederen en
diensten centraal staat en de groei aan nieuwe mobiliteitsdiensten die daarop inspelen, is er behoefte
aan vervoersvraagmodellen die meer en complexere gedragskeuzen kunnen beschrijven. Dit leidt tot
drie aanvullende gewenste eigenschappen voor strategische vervoersvraagmodellen:
uitbreidbaarheid,
het kunnen beschrijven van afhankelijkheden tussen keuzes; en
het kunnen beschrijven van multimodale tours.
Deze eigenschappen zijn aanvullend aan de stabiliteits- en vergelijkbaarheids-eigenschappen uit
paragraaf 1.2. Octavius is ontwikkeld om te voldoen aan alle vijf gewenste eigenschappen. Hieronder
wordt, per eigenschap, uiteengezet hoe deze is gerealiseerd in Octavius; de volgorde is daarbij zo
gekozen dat de meest fundamentele keuzes als eerste worden besproken.
2.1 Uitbreidbaarheid: Octavius als framework
Met name door de digitalisering en de groei aan mobiliteitsdiensten is het onzeker wat de set aan
meest bepalende gedragskeuzes zal zijn in het prognosejaar. Het is daarom van belang dat strategische
vervoersvraagmodellen relatief makkelijk uit te breiden zijn met nieuwe keuzes. Voorbeelden van
potentieel bepalende gedragskeuzes die nu niet in strategische vervoersvraagmodellen beschouwd
worden zijn:
De keuze tussen fysieke en digitale bijeenkomst;
De keuze tussen thuis, op kantoor of op een Mobiliteitshub te werken,
De keuze voor aanschaf van een bepaald type OV- of MaaS-abonnement,
De keuze tussen de aanschaf van benzine/diesel, elektrisch of waterstof auto,
De keuze voor gebruik van deelmobiliteitsdiensten (deelauto, deelscooter, ..)
De keuze voor wonen op een plek met extreem lage parkeernorm
De gewenste uitbreidbaarheid van beschreven gedragskeuzes heeft tot de keuze geleid om het
(software-) framework dat het vervoersvraagmodel doorrekent en de (specificatie van de)
gedragsmodellen en samenhang daartussen als losse onderdelen naast elkaar te laten bestaan.
Octavius is alleen het framework wat moet worden gevuld met (specificatie en/of kalibratie van) een
set aan gedragsmodellen om een vervoersvraagmodel voor een bepaalde regio en/of toepassing te
realiseren. Het framework is geïmplementeerd als Java code, terwijl de gedragsmodellen worden
gespecificeerd in OmniTRANS/Ruby.
2.2 Afhankelijkheden tussen keuzes: overstap naar tour-based micromodellering
Veel van de gewenste nieuwe gedragskeuzes kennen een afhankelijkheid van eerder gemaakte
keuzes en/of keuzes van anderen. Zo kun je bijvoorbeeld:
Alleen gebruik maken van een deelmodaliteit wanneer je deze lopend oppikt of oppikt
op een plek waar je het vervoermiddel gebruikt voor het voortransport naar de
deelmodaliteit toe achterlaat om het later weer op te halen.
Alleen gebruik maken van een modaliteit in eigen bezit wanneer niet iemand anders in
het huishouden deze al in gebruik heeft
Alleen een rit als passagier maken wanneer iemand anders in het huishouden met een
rijbewijs bereid is om op te treden als chauffeur
Alleen gebruik maken van een deelmobiliteitsdienst wanneer niet alle voertuigen al in
gebruik zijn door andere reizigers
2 Eigenschappen van Octavius
Als gevolg van de maatschappelijke transitie waarin niet het bezit maar het gebruik van goederen en
diensten centraal staat en de groei aan nieuwe mobiliteitsdiensten die daarop inspelen, is er behoefte
aan vervoersvraagmodellen die meer en complexere gedragskeuzen kunnen beschrijven. Dit leidt tot
drie aanvullende gewenste eigenschappen voor strategische vervoersvraagmodellen:
uitbreidbaarheid,
het kunnen beschrijven van afhankelijkheden tussen keuzes; en
het kunnen beschrijven van multimodale tours.
Deze eigenschappen zijn aanvullend aan de stabiliteits- en vergelijkbaarheids-eigenschappen uit
paragraaf 1.2. Octavius is ontwikkeld om te voldoen aan alle vijf gewenste eigenschappen. Hieronder
wordt, per eigenschap, uiteengezet hoe deze is gerealiseerd in Octavius; de volgorde is daarbij zo
gekozen dat de meest fundamentele keuzes als eerste worden besproken.
2.1 Uitbreidbaarheid: Octavius als framework
Met name door de digitalisering en de groei aan mobiliteitsdiensten is het onzeker wat de set aan
meest bepalende gedragskeuzes zal zijn in het prognosejaar. Het is daarom van belang dat strategische
vervoersvraagmodellen relatief makkelijk uit te breiden zijn met nieuwe keuzes. Voorbeelden van
potentieel bepalende gedragskeuzes die nu niet in strategische vervoersvraagmodellen beschouwd
worden zijn:
De keuze tussen fysieke en digitale bijeenkomst;
De keuze tussen thuis, op kantoor of op een Mobiliteitshub te werken,
De keuze voor aanschaf van een bepaald type OV- of MaaS-abonnement,
De keuze tussen de aanschaf van benzine/diesel, elektrisch of waterstof auto,
De keuze voor gebruik van deelmobiliteitsdiensten (deelauto, deelscooter, ..)
De keuze voor wonen op een plek met extreem lage parkeernorm
De gewenste uitbreidbaarheid van beschreven gedragskeuzes heeft tot de keuze geleid om het
(software-) framework dat het vervoersvraagmodel doorrekent en de (specificatie van de)
gedragsmodellen en samenhang daartussen als losse onderdelen naast elkaar te laten bestaan.
Octavius is alleen het framework wat moet worden gevuld met (specificatie en/of kalibratie van) een
set aan gedragsmodellen om een vervoersvraagmodel voor een bepaalde regio en/of toepassing te
realiseren. Het framework is geïmplementeerd als Java code, terwijl de gedragsmodellen worden
gespecificeerd in OmniTRANS/Ruby.
2.2 Afhankelijkheden tussen keuzes: overstap naar tour-based micromodellering
Veel van de gewenste nieuwe gedragskeuzes kennen een afhankelijkheid van eerder gemaakte
keuzes en/of keuzes van anderen. Zo kun je bijvoorbeeld:
Alleen gebruik maken van een deelmodaliteit wanneer je deze lopend oppikt of oppikt
op een plek waar je het vervoermiddel gebruikt voor het voortransport naar de
deelmodaliteit toe achterlaat om het later weer op te halen.
Alleen gebruik maken van een modaliteit in eigen bezit wanneer niet iemand anders in
het huishouden deze al in gebruik heeft
Alleen een rit als passagier maken wanneer iemand anders in het huishouden met een
rijbewijs bereid is om op te treden als chauffeur
Alleen gebruik maken van een deelmobiliteitsdienst wanneer niet alle voertuigen al in
gebruik zijn door andere reizigers
5
Om dergelijke afhankelijkheden tussen keuzes goed te modelleren dienen de omstandigheden waarin
een keuze gemaakt wordt bekend te zijn op het niveau van de individuele reiziger. Dit vereist een
overstap naar tour-based micromodellering, waar de trip-based macroscopische aanpak altijd de norm
was voor vervoersvraagmodellering.
2.2.1 Van trip- naar tour-based
Enerzijds vereist het kennen van de omstandigheden waarin gedragskeuzen gemaakt worden dat de
ruimtelijke consistentie tussen trips gewaarborgd wordt (de startlocatie van een rit moet gelijk zijn aan
de eindlocatie van de vorige rit). Dit veroorzaakt de overstap van trip-based naar tour-based
modelleren. Voor sommige afhankelijkheden tussen gedragskeuzes is tevens vereist dat de temporele
consistentie tussen trips en tours gewaarborgd wordt (de starttijd van een rit moet later zijn dan de
eindtijd van de activiteit op de startlocatie). Hiervoor is de overstap naar activity-based modelleren
noodzakelijk. Deze overstap is vooralsnog niet gemaakt, dit is nog een mogelijk toekomstig
onderzoekstraject. Het Octavius framework is op dit moment tour-based.
2.2.2 Van macro naar micro
Anderzijds vereist het kennen van de omstandigheden waarin gedragskeuzen gemaakt worden het
toekennen van één discrete keuze per gedragskeuzetype per reiziger, ofwel: micromodellering.
Hiertoe worden de kansverdelingen over de keuzealternatieven uit de gedragskeuzemodellen binnen
Octavius
1
, niet gebruikt om alle reizigers ‘op te splitsen’ over de keuzealternatieven (zoals in een
macromodel), maar om elke reiziger één discrete keuze te laten maken die over groepen reizigers
gezien tezamen voldoen aan de kansverdelingen uit de gedragsmodellen.
2.3 Vergelijkbaarheid
De gewenste vergelijkbaarheidseigenschap wordt binnen Octavius gerealiseerd door twee
verschillende algoritmen voor de discretisatie van de uitkomsten van de gedragsmodellen: SNET en
QRIUS. Per keuzemodel verschilt welke methode het meest geschikt is en de methode kan daarom per
keuzemodel ingesteld worden.
2.3.1 Gebruik van statistical noise elimination technique (SNET)
De Statistical Noise Eliminiation Technique (SNET) zorgt ervoor dat de discretisatiefout bij het
omzetten van de macroscopische uitkomsten van de gedragsmodellen naar (microscopische) keuzes
van individuele reizigers minimaal is, en dat (bij het doorrekenen van scenario’s) het aantal reizigers
dat gedragskeuze(n) verandert t.o.v. de referentiesituatie minimaal is. SNET is gepatenteerd
(Brederode and Klein Kranenbarg, 2023); voor een conceptuele beschrijving wordt verwezen naar
(Brederode, 2022).
2.3.2 Gebruik van Quenched Randomness In Utility Simulation (QRIUS)
In plaats van SNET kan in Octavius ook gebruik gemaakt worden van Quenched Randomness In Utility
Simulation (QRIUS). Deze methode wordt gebruikt in situaties waar SNET niet goed mee om kan gaan,
zoals grote aantallen alternatieven en kleine segmentgroottes. QRiUS benaderd de oplossing waarbij
de discretisatiefout minimaal is (in tegenstelling tot SNET die het garandeert) en garandeert daarnaast
dat reizigers alleen logische keuzeveranderingen maken: een reiziger kiest keuze A in plaats van B
alleen als A aantrekkelijker is geworden en/of B minder aantrekkelijk. In tegenstelling tot SNET bepaalt
QRiUS de keuze van een agent niet op basis van de logit probability, maar door het alternatief met de
hoogste utility (inclusief error term) te selecteren. QRiUS zet de error term per agent per alternatief
1
die overigens geschat zijn op basis van data over groepen reizigers en in die zin nog altijd macroscopisch van
aard zijn
Om dergelijke afhankelijkheden tussen keuzes goed te modelleren dienen de omstandigheden waarin
een keuze gemaakt wordt bekend te zijn op het niveau van de individuele reiziger. Dit vereist een
overstap naar tour-based micromodellering, waar de trip-based macroscopische aanpak altijd de norm
was voor vervoersvraagmodellering.
2.2.1 Van trip- naar tour-based
Enerzijds vereist het kennen van de omstandigheden waarin gedragskeuzen gemaakt worden dat de
ruimtelijke consistentie tussen trips gewaarborgd wordt (de startlocatie van een rit moet gelijk zijn aan
de eindlocatie van de vorige rit). Dit veroorzaakt de overstap van trip-based naar tour-based
modelleren. Voor sommige afhankelijkheden tussen gedragskeuzes is tevens vereist dat de temporele
consistentie tussen trips en tours gewaarborgd wordt (de starttijd van een rit moet later zijn dan de
eindtijd van de activiteit op de startlocatie). Hiervoor is de overstap naar activity-based modelleren
noodzakelijk. Deze overstap is vooralsnog niet gemaakt, dit is nog een mogelijk toekomstig
onderzoekstraject. Het Octavius framework is op dit moment tour-based.
2.2.2 Van macro naar micro
Anderzijds vereist het kennen van de omstandigheden waarin gedragskeuzen gemaakt worden het
toekennen van één discrete keuze per gedragskeuzetype per reiziger, ofwel: micromodellering.
Hiertoe worden de kansverdelingen over de keuzealternatieven uit de gedragskeuzemodellen binnen
Octavius
1
, niet gebruikt om alle reizigers ‘op te splitsen’ over de keuzealternatieven (zoals in een
macromodel), maar om elke reiziger één discrete keuze te laten maken die over groepen reizigers
gezien tezamen voldoen aan de kansverdelingen uit de gedragsmodellen.
2.3 Vergelijkbaarheid
De gewenste vergelijkbaarheidseigenschap wordt binnen Octavius gerealiseerd door twee
verschillende algoritmen voor de discretisatie van de uitkomsten van de gedragsmodellen: SNET en
QRIUS. Per keuzemodel verschilt welke methode het meest geschikt is en de methode kan daarom per
keuzemodel ingesteld worden.
2.3.1 Gebruik van statistical noise elimination technique (SNET)
De Statistical Noise Eliminiation Technique (SNET) zorgt ervoor dat de discretisatiefout bij het
omzetten van de macroscopische uitkomsten van de gedragsmodellen naar (microscopische) keuzes
van individuele reizigers minimaal is, en dat (bij het doorrekenen van scenario’s) het aantal reizigers
dat gedragskeuze(n) verandert t.o.v. de referentiesituatie minimaal is. SNET is gepatenteerd
(Brederode and Klein Kranenbarg, 2023); voor een conceptuele beschrijving wordt verwezen naar
(Brederode, 2022).
2.3.2 Gebruik van Quenched Randomness In Utility Simulation (QRIUS)
In plaats van SNET kan in Octavius ook gebruik gemaakt worden van Quenched Randomness In Utility
Simulation (QRIUS). Deze methode wordt gebruikt in situaties waar SNET niet goed mee om kan gaan,
zoals grote aantallen alternatieven en kleine segmentgroottes. QRiUS benaderd de oplossing waarbij
de discretisatiefout minimaal is (in tegenstelling tot SNET die het garandeert) en garandeert daarnaast
dat reizigers alleen logische keuzeveranderingen maken: een reiziger kiest keuze A in plaats van B
alleen als A aantrekkelijker is geworden en/of B minder aantrekkelijk. In tegenstelling tot SNET bepaalt
QRiUS de keuze van een agent niet op basis van de logit probability, maar door het alternatief met de
hoogste utility (inclusief error term) te selecteren. QRiUS zet de error term per agent per alternatief
1
die overigens geschat zijn op basis van data over groepen reizigers en in die zin nog altijd macroscopisch van
aard zijn
6
vast (o.b.v. een random seed op basis van de unieke eigenschappen van de agent), waardoor in
scenario berekeningen geen matching van agents nodig is (zoals bij SNET).
2.4 Stabiliteit: gebruik van maximale random utility en maximale entropie condities
De gewenste stabiliteitseigenschap wordt binnen de gedragsmodellen bereikt door uitsluitend gebruik
te maken van modellen die uitkomsten leveren die voldoen aan random utility maximalisatie of
entropie maximalisatie condities. Alhoewel nog niet toegepast, kunnen feedback loops toegevoegd
worden aan het framework (Klein Kranenbarg, 2022); indien nodig dienen in de toekomst nog
mechanismen toegevoegd te worden (bijvoorbeeld het middelen van uitkomsten over iteraties of het
diagonaliseren van tussenresultaten) om er voor te zorgen dat deze ook leiden tot een bepaald
evenwicht.
2.5 Multimodale tours
Het goed kunnen beschrijven van het gebruik van een combinatie van vervoerwijzen om een rit of tour
te maken vereist dat de vervoerswijzekeuze binnen een rit kan wijzigen, rekening houdend met
omstandigheden die voor de betreffende reiziger gelden op de startlocatie en -tijd van de rit. Alhoewel
nog niet geïmplementeerd in de huidige versie van het framework is reeds in een prototype gebaseerd
op een oudere versie van het framework bewezen dat het beschrijven van multimodale tours middels
het concept van composite modes binnen Octavius past (Voorhorst, 2021).
vast (o.b.v. een random seed op basis van de unieke eigenschappen van de agent), waardoor in
scenario berekeningen geen matching van agents nodig is (zoals bij SNET).
2.4 Stabiliteit: gebruik van maximale random utility en maximale entropie condities
De gewenste stabiliteitseigenschap wordt binnen de gedragsmodellen bereikt door uitsluitend gebruik
te maken van modellen die uitkomsten leveren die voldoen aan random utility maximalisatie of
entropie maximalisatie condities. Alhoewel nog niet toegepast, kunnen feedback loops toegevoegd
worden aan het framework (Klein Kranenbarg, 2022); indien nodig dienen in de toekomst nog
mechanismen toegevoegd te worden (bijvoorbeeld het middelen van uitkomsten over iteraties of het
diagonaliseren van tussenresultaten) om er voor te zorgen dat deze ook leiden tot een bepaald
evenwicht.
2.5 Multimodale tours
Het goed kunnen beschrijven van het gebruik van een combinatie van vervoerwijzen om een rit of tour
te maken vereist dat de vervoerswijzekeuze binnen een rit kan wijzigen, rekening houdend met
omstandigheden die voor de betreffende reiziger gelden op de startlocatie en -tijd van de rit. Alhoewel
nog niet geïmplementeerd in de huidige versie van het framework is reeds in een prototype gebaseerd
op een oudere versie van het framework bewezen dat het beschrijven van multimodale tours middels
het concept van composite modes binnen Octavius past (Voorhorst, 2021).
7
3 Structuur van Octavius
Een vervoersvraagmodel gebouwd in Octavius bestaat uit een opeenvolging van modules die elk een
eigen (type) gedragskeuze beschrijven. Binnen elke module wordt een keuzemodel doorgerekend wat
de verdeling over de keuzealternatieven bepaald. Deze verdeling wordt vervolgens omgezet
(gediscretiseerd) naar keuzes per individuele reiziger in de gemodelleerde populatie. De populatie is
een lijst met daarin alle inwoners in het model met alle voor de keuzemodellen relevante persoons-
en huishoudkenmerken en is input voor Octavius. OmniTRANS bevat een population synthesizer
(hoofdstuk 5) om de populatie te genereren.
3.1 Keuzemodel
Het keuzemodel verdeelt reizigers in de populatie over een gegeven set aan discrete
keuzealternatieven. De invoer van een keuzemodel bestaat uit de definitie van de verzameling aan
discrete keuzealternatieven en de parameters en verklarende variabelen die het keuzemodel gebruikt
om reizigers over alternatieven te verdelen. De uitvoer van een keuzemodel bestaat uit een (continue)
verdeling van reizigers over de keuzealternatieven (bij gebruik van SNET), danwel de achterliggende
utility voor ieder keuzealternatief (bij gebruik van QRiUS).
De wiskundige vorm van een keuzemodel in Octavius is niet voorgeschreven, in de huidige versie wordt
een constrained maximum entropie formulering (voor de population synthesizer) en random utility
maximization formulering (voor alle andere keuzemodellen) gebruikt.
3.1.1 Segmenten
De meeste keuzemodellen zijn gedesaggregeerd, wat wil zeggen dat er verschillende segmenten
(deelpopulaties) bestaan waarvoor andere parameters en (mogelijk) andere verklarende variabelen
gelden. Een segment is gedefinieerd als een set van eigenschappen van de reiziger. Dit kunnen
persoons- en huishoudeigenschappen zijn (bijvoorbeeld het geslacht, de leeftijd of het aantal auto’s in
het huishouden), maar dit kunnen ook eerder gemaakte keuzes zijn (bijvoorbeeld of de reiziger een
bepaalde activiteit heeft uitgevoerd of de locatie van de laatst uitgevoerde activiteit).
3.2 Discretisatie
De discretisatiestap in Octavius bepaalt de keuze die elke individuele reiziger in de module maakt
zodanig dat, in het geval van SNET, de discretisatiefout minimaal is en in het geval van QRIUS, de
discretisatiefout beperkt wordt; en -wanneer het een toepassing van Octavius op een scenario betreft-
zodanig dat het aantal reizigers dat van keuze wijzigt ten opzichte van het referentie scenario logisch
en proportioneel is. De discretisatiefout is de afwijking tussen de (continue) verdeling uit het
keuzemodel en de frequentieverdeling over keuzealternatieven na discretisatie. De invoer van de
discretisatie bestaat (per segment) in het geval van SNET uit de continue verdeling van reizigers over
de keuzealternatieven en in het geval van QRIUS uit de utility voor alle keuzealternatieven, en de set
aan reizigers dat voor de betreffende keuze staat; de uitvoer bestaat uit de keuzes van alle reizigers,
toegevoegd als eigenschap aan elke reiziger.
3.3 Koppeling tussen modules
Elke module start met de populatie en selecteert daaruit (per segment) alle reizigers die voor de keuze
staan die in de betreffende module wordt gemodelleerd. De segmentatie is module specifiek, waarbij
geldt dat:
alleen eigenschappen (persoons/huishoudkenmerken en/of keuzes) die toegevoegd zijn in
eerdere modules gebruikt kunnen worden; en
3 Structuur van Octavius
Een vervoersvraagmodel gebouwd in Octavius bestaat uit een opeenvolging van modules die elk een
eigen (type) gedragskeuze beschrijven. Binnen elke module wordt een keuzemodel doorgerekend wat
de verdeling over de keuzealternatieven bepaald. Deze verdeling wordt vervolgens omgezet
(gediscretiseerd) naar keuzes per individuele reiziger in de gemodelleerde populatie. De populatie is
een lijst met daarin alle inwoners in het model met alle voor de keuzemodellen relevante persoons-
en huishoudkenmerken en is input voor Octavius. OmniTRANS bevat een population synthesizer
(hoofdstuk 5) om de populatie te genereren.
3.1 Keuzemodel
Het keuzemodel verdeelt reizigers in de populatie over een gegeven set aan discrete
keuzealternatieven. De invoer van een keuzemodel bestaat uit de definitie van de verzameling aan
discrete keuzealternatieven en de parameters en verklarende variabelen die het keuzemodel gebruikt
om reizigers over alternatieven te verdelen. De uitvoer van een keuzemodel bestaat uit een (continue)
verdeling van reizigers over de keuzealternatieven (bij gebruik van SNET), danwel de achterliggende
utility voor ieder keuzealternatief (bij gebruik van QRiUS).
De wiskundige vorm van een keuzemodel in Octavius is niet voorgeschreven, in de huidige versie wordt
een constrained maximum entropie formulering (voor de population synthesizer) en random utility
maximization formulering (voor alle andere keuzemodellen) gebruikt.
3.1.1 Segmenten
De meeste keuzemodellen zijn gedesaggregeerd, wat wil zeggen dat er verschillende segmenten
(deelpopulaties) bestaan waarvoor andere parameters en (mogelijk) andere verklarende variabelen
gelden. Een segment is gedefinieerd als een set van eigenschappen van de reiziger. Dit kunnen
persoons- en huishoudeigenschappen zijn (bijvoorbeeld het geslacht, de leeftijd of het aantal auto’s in
het huishouden), maar dit kunnen ook eerder gemaakte keuzes zijn (bijvoorbeeld of de reiziger een
bepaalde activiteit heeft uitgevoerd of de locatie van de laatst uitgevoerde activiteit).
3.2 Discretisatie
De discretisatiestap in Octavius bepaalt de keuze die elke individuele reiziger in de module maakt
zodanig dat, in het geval van SNET, de discretisatiefout minimaal is en in het geval van QRIUS, de
discretisatiefout beperkt wordt; en -wanneer het een toepassing van Octavius op een scenario betreft-
zodanig dat het aantal reizigers dat van keuze wijzigt ten opzichte van het referentie scenario logisch
en proportioneel is. De discretisatiefout is de afwijking tussen de (continue) verdeling uit het
keuzemodel en de frequentieverdeling over keuzealternatieven na discretisatie. De invoer van de
discretisatie bestaat (per segment) in het geval van SNET uit de continue verdeling van reizigers over
de keuzealternatieven en in het geval van QRIUS uit de utility voor alle keuzealternatieven, en de set
aan reizigers dat voor de betreffende keuze staat; de uitvoer bestaat uit de keuzes van alle reizigers,
toegevoegd als eigenschap aan elke reiziger.
3.3 Koppeling tussen modules
Elke module start met de populatie en selecteert daaruit (per segment) alle reizigers die voor de keuze
staan die in de betreffende module wordt gemodelleerd. De segmentatie is module specifiek, waarbij
geldt dat:
alleen eigenschappen (persoons/huishoudkenmerken en/of keuzes) die toegevoegd zijn in
eerdere modules gebruikt kunnen worden; en
8
(de clustering van) eigenschappen per module anders kan zijn. Zo kan bijvoorbeeld het
geslacht en de leeftijd relevant zijn in een bepaalde module, terwijl alleen de leeftijd relevant
is voor een volgende module. Tegelijkertijd kan de eerste module segmenteren op alleen het
totaal aantal ritten dat een reiziger op een dag maakt; terwijl de tweede module segmenteert
op het aantal ritten per motief.
Toepassing van het keuzemodel en discretisatie binnen de module levert dezelfde populatie terug,
aangevuld met de keuzes gemaakt in de module. De koppeling tussen modules vindt dus plaats via
de populatie.
3.4 Niet generieke features
Naast de generieke modules waarbinnen telkens de relevante segmentatie uit de populatie wordt
afgeleid, een Keuzemodel wordt doorgerekend en gediscretiseert bevat Octavius ook niet-generieke
modules. Deze worden hieronder kort aangestipt.
3.4.1 Regionalisatie
De regionalisatie module stelt de gebruiker in staat om alternatief specifieke constanten te
corrigeren zodat de modeluitkomsten overeen komen met geaggregeerde targets (bijvoorbeeld:
aantallen trips per motief, ritlengtefrequentieverdelingen en/of modal split op studiegebied niveau).
3.4.2 Attractieconstraints
Bestemmingskeuzemodellen in Octavius kunnen worden voorzien van attractieconstraints. Deze
toevoeging is een doorontwikkeling van de methode beschreven in (Vos, 2022).
(de clustering van) eigenschappen per module anders kan zijn. Zo kan bijvoorbeeld het
geslacht en de leeftijd relevant zijn in een bepaalde module, terwijl alleen de leeftijd relevant
is voor een volgende module. Tegelijkertijd kan de eerste module segmenteren op alleen het
totaal aantal ritten dat een reiziger op een dag maakt; terwijl de tweede module segmenteert
op het aantal ritten per motief.
Toepassing van het keuzemodel en discretisatie binnen de module levert dezelfde populatie terug,
aangevuld met de keuzes gemaakt in de module. De koppeling tussen modules vindt dus plaats via
de populatie.
3.4 Niet generieke features
Naast de generieke modules waarbinnen telkens de relevante segmentatie uit de populatie wordt
afgeleid, een Keuzemodel wordt doorgerekend en gediscretiseert bevat Octavius ook niet-generieke
modules. Deze worden hieronder kort aangestipt.
3.4.1 Regionalisatie
De regionalisatie module stelt de gebruiker in staat om alternatief specifieke constanten te
corrigeren zodat de modeluitkomsten overeen komen met geaggregeerde targets (bijvoorbeeld:
aantallen trips per motief, ritlengtefrequentieverdelingen en/of modal split op studiegebied niveau).
3.4.2 Attractieconstraints
Bestemmingskeuzemodellen in Octavius kunnen worden voorzien van attractieconstraints. Deze
toevoeging is een doorontwikkeling van de methode beschreven in (Vos, 2022).
9
4 Vergelijking Octavius met traditionele modellen
Tabel 1 geeft een samenvattend overzicht van de belangrijkste systeem- en gedragsaannames en
opgenomen gedragskeuzes in de traditionele macroscopische vervoersvraagmodellen enerzijds en
Octavius anderzijds. Waar relevant is verwezen naar de paragraaf waarin de betreffende eigenschap
besproken wordt.
Tabel 1: aannames en gedragskeuzes in vervoersvraagmodellen
Traditionele vervoersvraagmodellen Octavius raamwerk
Voorbeeld in Nederland Huidige modellen GC LMS/NRM Ondersteund in
raamwerk
Geïmplementeerd in
Almere, Zwolle
Systeem
-
aannames
Aggregatieniveau (2.2.2) Macroscopisch, geaggregeerd Macroscopisch,
gedesaggregeerd
Microscopisch
Eenheid van mobiliteit (2.2.1) Trip based Tour based Tour based
Theoretisch raamwerk (2.4) Entropie maximalisatie Random utility
maximalisatie
Random Utility
maximalisatie,
discretisatiefout
minimalisatie
Wiskundige vorm Zwaartekrachtmodel Nested logit model Nested logit model + SNET + QRIUS
Ruimtelijke consistentie van ritten (2.2.1) √ √ √
Temporele consistentie van ritten (2.2.1)
√
Gedrags
-
aannames
Gedrag afhankelijk van herkomstzone √ √ √ √
Gedrag afhankelijk van
persoons/huishoudeigenschappen
√ √ √
Gedrag afhankelijk van eerder gemaakte eigen
keuzes (2.2.2)
√ √
Gedrag afhankelijk van keuzes door andere
huishoudleden (2.2.2)
√
Gedrag afhankelijk van keuzes door anderen
buiten huishouden (2.4)
√
Gedragskeuzes
Autobezit zone-gemiddeld √ √ als variabele
Rijbewijsbezit
√ √ als variabele
Abonnementsbezit
√ √
Reisfrequentie
√ √ √
Ritfrequentie √ √ √ √
Bestemmingskeuze √ √ √ √
Vervoerwijzekeuze √ √ √ √
Vertrektijdstipkeuze
√ √
MaaS-abonnementsbezit
√
Deelauto beschikbaarheid
√
Toekomstige gedragskeuzes (2.1)
√
4 Vergelijking Octavius met traditionele modellen
Tabel 1 geeft een samenvattend overzicht van de belangrijkste systeem- en gedragsaannames en
opgenomen gedragskeuzes in de traditionele macroscopische vervoersvraagmodellen enerzijds en
Octavius anderzijds. Waar relevant is verwezen naar de paragraaf waarin de betreffende eigenschap
besproken wordt.
Tabel 1: aannames en gedragskeuzes in vervoersvraagmodellen
Traditionele vervoersvraagmodellen Octavius raamwerk
Voorbeeld in Nederland Huidige modellen GC LMS/NRM Ondersteund in
raamwerk
Geïmplementeerd in
Almere, Zwolle
Systeem
-
aannames
Aggregatieniveau (2.2.2) Macroscopisch, geaggregeerd Macroscopisch,
gedesaggregeerd
Microscopisch
Eenheid van mobiliteit (2.2.1) Trip based Tour based Tour based
Theoretisch raamwerk (2.4) Entropie maximalisatie Random utility
maximalisatie
Random Utility
maximalisatie,
discretisatiefout
minimalisatie
Wiskundige vorm Zwaartekrachtmodel Nested logit model Nested logit model + SNET + QRIUS
Ruimtelijke consistentie van ritten (2.2.1) √ √ √
Temporele consistentie van ritten (2.2.1)
√
Gedrags
-
aannames
Gedrag afhankelijk van herkomstzone √ √ √ √
Gedrag afhankelijk van
persoons/huishoudeigenschappen
√ √ √
Gedrag afhankelijk van eerder gemaakte eigen
keuzes (2.2.2)
√ √
Gedrag afhankelijk van keuzes door andere
huishoudleden (2.2.2)
√
Gedrag afhankelijk van keuzes door anderen
buiten huishouden (2.4)
√
Gedragskeuzes
Autobezit zone-gemiddeld √ √ als variabele
Rijbewijsbezit
√ √ als variabele
Abonnementsbezit
√ √
Reisfrequentie
√ √ √
Ritfrequentie √ √ √ √
Bestemmingskeuze √ √ √ √
Vervoerwijzekeuze √ √ √ √
Vertrektijdstipkeuze
√ √
MaaS-abonnementsbezit
√
Deelauto beschikbaarheid
√
Toekomstige gedragskeuzes (2.1)
√
10
5 Population synthesizer
De population synthesizer kent een lange doorontwikkeling. Reeds in 2013 is er al een Goudappel
population synthesizer; destijds alleen op persoonsniveau en geïmplementeerd in excel/vba
(Brederode and Waanders, 2013); het gaat dan om de multizone IPF implementatie uit dat paper. Na
diverse toepassingen binnen macroscopisch gedesaggregeerde modelsystemen en een aantal ad-hoc
toepassingen (binnen verkeersmodel Stedendriehoek (Kager, 2019), de Maas-potentiescan (Koopal et
al., 2020) en verscheidene stage- en afstudeeronderzoeken) is deze excel/vba versie in 2018
doorontwikkeld in OmniTRANS/Ruby zodat deze ook zonale randtotalen op huishoudniveau kan
meenemen in het kader van Octavius.
Slide 14 van (Brederode, 2024) illustreert de methodische werking van de huidige population
synthesizer, een volledige beschrijving is niet beschikbaar. In 2024 is deze versie geport naar Java en
geoptimaliseerd/geparalleliseerd, waarmee de rekentijden zo klein zijn geworden dat de population
synthesizer met gemak heel Nederland (zonder sampling) kan synthetiseren in iets meer dan 2 uur.
In alle implementaties hebben we een waterscheiding aangebracht tussen de invoerdata (seeds,
margins, huishoudcomposities) enerzijds en de software implementatie die deze data gebruikt om de
synthetische populatie te genereren anderzijds. Hierdoor is de synthesizer toe te passen op elke
combinatie van persoons/huishoudkenmerken, zolang seeds, margins en huishoudcompositie data
voorhanden is.
We werken voortdurend aan methodologische verbeteringen, meest recentelijk:
• het handhaven van de koppeling tussen personen en huishoudens tijdens de
discretisatiestap (de Jong, 2025)
• het integreren van een population simulator voor tussenliggende jaren (de Jong, 2025;
Meelhuijsen, 2024)
5 Population synthesizer
De population synthesizer kent een lange doorontwikkeling. Reeds in 2013 is er al een Goudappel
population synthesizer; destijds alleen op persoonsniveau en geïmplementeerd in excel/vba
(Brederode and Waanders, 2013); het gaat dan om de multizone IPF implementatie uit dat paper. Na
diverse toepassingen binnen macroscopisch gedesaggregeerde modelsystemen en een aantal ad-hoc
toepassingen (binnen verkeersmodel Stedendriehoek (Kager, 2019), de Maas-potentiescan (Koopal et
al., 2020) en verscheidene stage- en afstudeeronderzoeken) is deze excel/vba versie in 2018
doorontwikkeld in OmniTRANS/Ruby zodat deze ook zonale randtotalen op huishoudniveau kan
meenemen in het kader van Octavius.
Slide 14 van (Brederode, 2024) illustreert de methodische werking van de huidige population
synthesizer, een volledige beschrijving is niet beschikbaar. In 2024 is deze versie geport naar Java en
geoptimaliseerd/geparalleliseerd, waarmee de rekentijden zo klein zijn geworden dat de population
synthesizer met gemak heel Nederland (zonder sampling) kan synthetiseren in iets meer dan 2 uur.
In alle implementaties hebben we een waterscheiding aangebracht tussen de invoerdata (seeds,
margins, huishoudcomposities) enerzijds en de software implementatie die deze data gebruikt om de
synthetische populatie te genereren anderzijds. Hierdoor is de synthesizer toe te passen op elke
combinatie van persoons/huishoudkenmerken, zolang seeds, margins en huishoudcompositie data
voorhanden is.
We werken voortdurend aan methodologische verbeteringen, meest recentelijk:
• het handhaven van de koppeling tussen personen en huishoudens tijdens de
discretisatiestap (de Jong, 2025)
• het integreren van een population simulator voor tussenliggende jaren (de Jong, 2025;
Meelhuijsen, 2024)
11
Literatuur
Brederode, L., 2024. Octavius - Goudappels framework voor microscopische
vervoersvraagmodellering. https://www.slideshare.net/slideshow/octavius-goudappels-
framework-voor-microscopische-vervoersvraagmodellering/267905611
Brederode, L., 2022. Strategische micromodellen zonder statistische ruis - het kan.
https://www.slideshare.net/slideshow/strategische-micromodellen-zonder-statistische-ruis-
het-kan/265522648
Brederode, L., Klein Kranenbarg, P., 2023. SYSTEM AND METHOD FOR PROVIDING A TRAFFIC STATE
PREDICTION. 2029358. https://mijnoctrooi.rvo.nl/fo-eregister-
view/search/details/2029358_NP/0/0/1/10/0/0/0/null_nl_null/KG51bW1lcjooMjAyOTM1OC
kpIEFORCBwYXRlbnRSZWNvcmRTZXE6MQ==
Brederode, L., Waanders, M., 2013. Vergelijking kwaliteit synthetische populatieschatting van
LMS/NRM met andere veelgebruikte methoden. Presented at the Colloquium
Vervoersplanologisch Speurwerk, Rotterdam. https://www.cvs-
congres.nl/cvspdfdocs_2013/cvs13_047.pdf
de Jong, A.M., 2025. Maintaining household composition in synthetic populations for microscopic
travel demand models (info:eu-repo/semantics/masterThesis). Twente, Enschede.
https://essay.utwente.nl/105188/
Kager, R., 2019. Stedendriehoek gaat differentiëren naar doelgroep. Verkeerskunde.
https://www.verkeerskunde.nl/artikel/stedendriehoek-gaat-differentieren-naar-doelgroep
Klein Kranenbarg, P.W., 2022. Quantal response equilibria in sequential discrete choice models : a
framework for imposing equilibrium conditions on a microscopic travel demand model
(Master Thesis). Twente University, Enschede. https://essay.utwente.nl/89810/
Koopal, R., Brederode, L., Boomsma, R., 2020. MaaS-potentiescan voor heel Nederland op basis van
gsm-data. Tijdschr. Vervoer. 56, 49–62. https://vervoerswetenschap.nl/wordpress/wp-
content/uploads/2020/02/04-MaaS-potentiescan-voor-heel-Nederland-op-basis-van-gsm-
data.pdf
Meelhuijsen, B., 2024. Population simulation for microscopic travel demand model (internship
report). Twente University, Enschede.
Voorhorst, J., 2021. Adding multimodal trips with shared mobility to a microscopic demand model
(Masters Thesis). Twente University, Enschede.
https://www.utwente.nl/en/et/tem/education/Master/finished_graduation_projects/afstud
eerders_per_jaar_2/pdf/2021-msc-thesis-jesse-voorhorst-final-1.pdf
Vos, M., 2022. Adding attraction constraints to Octavius (ìnternship report). Twente, Enschede.
Wardrop, J.G., 1952. Road paper. some theoretical aspects of road traffic research. Proc. Inst. Civ.
Eng. 1, 325–362. https://doi.org/10.1680/ipeds.1952.11259
Literatuur
Brederode, L., 2024. Octavius - Goudappels framework voor microscopische
vervoersvraagmodellering. https://www.slideshare.net/slideshow/octavius-goudappels-
framework-voor-microscopische-vervoersvraagmodellering/267905611
Brederode, L., 2022. Strategische micromodellen zonder statistische ruis - het kan.
https://www.slideshare.net/slideshow/strategische-micromodellen-zonder-statistische-ruis-
het-kan/265522648
Brederode, L., Klein Kranenbarg, P., 2023. SYSTEM AND METHOD FOR PROVIDING A TRAFFIC STATE
PREDICTION. 2029358. https://mijnoctrooi.rvo.nl/fo-eregister-
view/search/details/2029358_NP/0/0/1/10/0/0/0/null_nl_null/KG51bW1lcjooMjAyOTM1OC
kpIEFORCBwYXRlbnRSZWNvcmRTZXE6MQ==
Brederode, L., Waanders, M., 2013. Vergelijking kwaliteit synthetische populatieschatting van
LMS/NRM met andere veelgebruikte methoden. Presented at the Colloquium
Vervoersplanologisch Speurwerk, Rotterdam. https://www.cvs-
congres.nl/cvspdfdocs_2013/cvs13_047.pdf
de Jong, A.M., 2025. Maintaining household composition in synthetic populations for microscopic
travel demand models (info:eu-repo/semantics/masterThesis). Twente, Enschede.
https://essay.utwente.nl/105188/
Kager, R., 2019. Stedendriehoek gaat differentiëren naar doelgroep. Verkeerskunde.
https://www.verkeerskunde.nl/artikel/stedendriehoek-gaat-differentieren-naar-doelgroep
Klein Kranenbarg, P.W., 2022. Quantal response equilibria in sequential discrete choice models : a
framework for imposing equilibrium conditions on a microscopic travel demand model
(Master Thesis). Twente University, Enschede. https://essay.utwente.nl/89810/
Koopal, R., Brederode, L., Boomsma, R., 2020. MaaS-potentiescan voor heel Nederland op basis van
gsm-data. Tijdschr. Vervoer. 56, 49–62. https://vervoerswetenschap.nl/wordpress/wp-
content/uploads/2020/02/04-MaaS-potentiescan-voor-heel-Nederland-op-basis-van-gsm-
data.pdf
Meelhuijsen, B., 2024. Population simulation for microscopic travel demand model (internship
report). Twente University, Enschede.
Voorhorst, J., 2021. Adding multimodal trips with shared mobility to a microscopic demand model
(Masters Thesis). Twente University, Enschede.
https://www.utwente.nl/en/et/tem/education/Master/finished_graduation_projects/afstud
eerders_per_jaar_2/pdf/2021-msc-thesis-jesse-voorhorst-final-1.pdf
Vos, M., 2022. Adding attraction constraints to Octavius (ìnternship report). Twente, Enschede.
Wardrop, J.G., 1952. Road paper. some theoretical aspects of road traffic research. Proc. Inst. Civ.
Eng. 1, 325–362. https://doi.org/10.1680/ipeds.1952.11259
Categories
TechnologyDownload
Download Slideshow Get the original presentation fileQuick Actions
Statistics
- Views 7
- Slides 11
- Age 65 days
Related Slideshows
11
8-top-ai-courses-for-customer-support-representatives-in-2025.pptx
JeroenErne2
85 views
10
7-essential-ai-courses-for-call-center-supervisors-in-2025.pptx
JeroenErne2
79 views
13
25-essential-ai-courses-for-user-support-specialists-in-2025.pptx
JeroenErne2
76 views
11
8-essential-ai-courses-for-insurance-customer-service-representatives-in-2025.pptx
JeroenErne2
62 views
21
Know for Certain
DaveSinNM
36 views
17
PPT OPD LES 3ertt4t4tqqqe23e3e3rq2qq232.pptx
novasedanayoga46
41 views