Gravity Model Kalibrasi Berdasarkan

Data Traffic Count

• Gravity Model meniru hukum Newton (Fisika)
• Tarik menarik antara dua zona dipengaruhi
oleh bangkitan dan tarikan kedua zona
tersebut, dan oleh pemisah antara dua zona
tersebut.
 Deterrence Function
(Fungsi Hambatan)

Proporsi jumlah
perjalanan

Pemisah spatial
(jarak, waktu, biaya)
• Bangkitan zona kadang disederhanakan
dengan menggunakan variabel zona yang
diduga berpengaruh terhadap bangkitan zona.
• Tarikan zona kadang disederhanakan dengan
menggunakan variabel zona yang diduga
berpengaruh terhadap tarikan zona.
 Fungsi hambatan
(deterrence function / impedance function)
Fungsi hambatan yang populer dipergunakan dalam gravity model:
• Fungsi hambatan pangkat (power function)
• Fungsi hambatan exponensial (exponensial function)
Tij = K . Wi . Wj / Cijn (lihat contoh)
Tij = K . Wi . Wj . Exp(-β.Cij)

i = zona asal
j = zona tujuan
Tij = trip antar zona
Wi = variabel yang diduga berpengaruh terhadap bangkitan zona asal
Wj = variabel yang diduga berpengaruh terhadap tarikan zona tujuan
Cij = pemisah anta zona (jarak atau waktu tempuh atau biaya perjalanan)

K, n dan β = konstanta dan faktor yang harus dikalibrasi

Kalibrasi Berdasar Data Traffic Count
 P= 10000 peak hour pagi
E= 3000 P= 5000
1
2 E= 6000 travel time 1 2 3 4
1 70 40 60
5 2 70 50 10
10
3 40 50 40
10
6 300 4 60 10 40
10
20 900
7 9
1000 30 300
10 peak hour pagi
8
3 4
Trafic count
P= 20000
P=
E=
4000
8000
6-7 300
E= 2000
7-9 900
MAT ? 1 2 3 4 Pi
8-7 1000
1 10000
2 5000 9-7 300
3 20000
4 4000
Ej 3000 6000 2000 8000
 P= 10000

1
E= 3000
2
P=
E=
5000
6000 • Tijemp = Wi . Wj / Cijn
n 1.65
5
10
Di ubah2 mulai dari 1
10 OD empiris 1 2 3 4
6 300 1 54167.59 45460.165 93140.9 10000
10 2 13541.9 15728.941 895488.5 5000
20 900
7 9 3 136380.5 188747.3 363681.3 20000
1000 30 300 4 13971.13 537293.1 18184.066 4000
10 3000 6000 2000 8000
8
3 4
P= 4000 • Tij emp di trip assignment
P= 20000 E= 8000
E= 2000
menjadi volume ruas emp
Vijemp
Vij emp Vij data
• Vijemp sebagai X 6 7 192,769 300
dipasangkan dg data 7 9 699,737 900
8 7 1000
counting Vijdata sebagai Y 688,809
9 7 61,426 300
 P= 10000 Dengan n = 1.65
E= 3000 P= 5000
1 E= 6000
2

5
10

10
6 300
10
20 900
7 9
1000 30 300
10
Nilai
8
3 4 K
P= 4000
P= 20000 E= 8000
E= 2000

Tij = 0.0014 . Wi . Wj / Cij1.65

 P= 10000 MAT ? 1 2 3 4 Pi
E= 3000 P= 5000
1
1 10000
2 E= 6000
2 5000
3 20000
5 4 4000
10
Ej 3000 6000 2000 8000
10
6 300

20 900
10
Tij = 0.0014 . Wi . Wj / Cij1.65
7 9
1000 30 300 MAT ? 1 2 3 4 Pi
10 1 76 64 130 10000
8 2 19 22 1254 5000
3 4 3 191 264 509 20000
P= 4000 4 20 752 25 4000
P= 20000 E= 8000 Ej 3000 6000 2000 8000
E= 2000

Bila di masa depan ada

perubahan Oi dan Dj
Di masa depan
MAT ? 1 2 3 4 Pi
1 97 70 143 11000
2 14 20 1128 4500
3 199 385 636 25000
4 17 921 27 4200
Ej 2500 7000 2000 8000
 TUGAS 2
Waktu 2 minggu
• Soal : Dengan metode Furness, ramalkan
Matrix Asal Tujuan masa depan bila MAT
existing sbb
MAT Data 1 2 3 4
1   3000 5000 6000
2 3500 2000 35000
X adalah jumlah 3 digit terakhir NRP
3 3000 4000 X anda dikalikan 1000
4 5000 X 3000  

• dan bila Trip Production meningkat untuk zone

1 sd zone 4 masing-masing 2x, 1x, 3x, 5x dan
Trip Attraction meningkat untuk zone 1 sd
zone 4 masing2 5x, 2x, 3x, 1x.