Odstupy mezi vozidly v dopravním proudu a pravděpodobnost srážky se zvěří

Podobné dokumenty
Využití výsledků celostátního sčítání dopravy pro aktualizaci dopravně inženýrských metodik

Návrhová 50-ti rázová intenzita dopravy pohledem dostupných dat Ing. Jan Martolos, Ing. Luděk Bartoš, Ing. Dušan Ryšavý, EDIP s.r.o.

15-19 KLOKOČNÁ, SILNICE III/11315, PRŮZKUM INTENZIT AUTOMOBILOVÉ DOPRAVY

sídlo: Pařížská 1230/1, Plzeň telefon: BABYLON, SILNICE I/26 PRŮZKUM INTENZIT DOPRAVY

Obec Loděnice Husovo náměstí čp Loděnice u Berouna IČ: Obec Vráž Školní 259 Vráž IČ:

Měření dopravně-inženýrských dat ve městě Boskovice

Část I. Dopravní průzkumy. Ing. Michal Dorda, Ph.D.

TP 188 POSUZOVÁNÍ KAPACITY KŘIŽOVATEK A ÚSEKŮ POZEMNÍCH KOMUNIKACÍ

Matematické modelování dopravního proudu

TP 188 Posuzování kapacity křižovatek a úseků pozemních komunikací

TP 225 PROGNÓZA INTENZIT AUTOMOBILOVÉ DOPRAVY. Technické podmínky. Ministerstvo dopravy TP 225

Dopravní průzkum - Analytická část

Měření intenzit automobilové dopravy na vybraných profilech v okolí obce Líbeznice

TP 189 STANOVENÍ INTENZIT DOPRAVY NA POZEMNÍCH KOMUNIKACÍCH. Technické podmínky. Ministerstvo dopravy TP 189

Vyhodnocení sčítání dopravy v obci Telnice na ulici Palackého

TECHNICKÉ PODMÍNKY A SOFTWARE ZÁVĚR V OBORU DOPRAVNÍHO INŽENÝRSTVÍ. Ing. Jan Martolos, EDIP s.r.o. 1/39 ÚVOD INTENZITY DOPRAVY KAPACITNÍ POSOUZENÍ

2. Automobilová doprava

VYUŽITÍ VYBRANÝCH NOVĚ POSTAVENÝCH CYKLISTICKÝCH KOMUNIKACÍ A UŽÍVÁNÍ CYKLISTICKÝCH PŘILEB

Tento dokument je součástí systému TP online. Byl vytvořen zpracovatelem v elektronické podobě shodné se schváleným zněním MD.

Tento dokument je součástí systému TP online. Byl vytvořen v elektronické podobě z podkladů, dodaných zpracovatelem.

Základní pojmy (opakování)

Vyhodnocení průzkumu intenzit na. Ing. Michal Dorda, Ph.D.

2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat

ÚZEMNÍ PLÁN Š T Ě M Ě CH Y

Detekce interakčních sil v proudu vozidel

Audit bezpečnosti pozemních komunikací. Místo pro přecházení, silnice I/35, křižovatka se silnicí III/01873 u Hrachovce

Kapacita neřízených úrovňových křižovatek TP 188. Ing. Michal Dorda, Ph.D.

Vyhodnocení dopravního průzkumu ve městě Lišov

Dopravní inženýrství

KŘIŽOVATKA ZBOROVSKÁ X KRÁLE JIŘÍHO X JANA KOULY, DOPRAVNĚ INŽENÝRSKÉ POSOUZENÍ

Analýza výsledků měření intenzity dopravy na komunikaci I/7 u města Louny Ing. P. Beneš, PhD., Doc. Ing. J. Majtaník, CSc.

Hodnocení efektivity úpravy neřízených křižovatek

Kapacita jako náhodná veličina a její měření. Ing. Igor Mikolášek, Ing. Martin Bambušek Centrum dopravního výzkumu, v. v. i.

INTENZITA DOPRAVY na komunikaci I/7 květen Hodnověrnost tvrzení je dána hodnověrností důkazů

SUDOP Praha a.s. Olšanská 1a Praha 3. MÚK Trojice. Říjen Závěrečná zpráva. Zakázka č. 09-P2-31

II/101 Drahelčice DOPRAVNÍ PRŮZKUM. Ing. Petr Novotný, Ph.D. Ing. Petr Novotný, Ph.D., MBA

Charakterizace rozdělení

Téma 22. Ondřej Nývlt

AKTUALIZACE VÝPOČTOVÝCH MODELŮ PRO STANOVENÍ KAPACITY OKRUŽNÍCH KŘIŽOVATEK

Vyhodnocení sčítání dopravy na průjezdním úseku silnice II/418 v obci Sokolnice

Statistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I

TP 219 DOPRAVNĚ INŽENÝRSKÁ DATA PRO KVANTIFIKACI VLIVŮ AUTOMOBILOVÉ DOPRAVY NA ŽIVOTNÍ PROSTŘEDÍ. Technické podmínky. Ministerstvo dopravy TP 219

Kuřim jižní obchvat. Dopravně inženýrský posudek

SILNIČNÍ A MĚSTSKÉ KOMUNIKACE Úvod STABILNÍ MOBILNÍ

Náhodná veličina a rozdělení pravděpodobnosti

KGG/STG Statistika pro geografy

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

FAKULTA DOPRAVNÍ VYHODNOCENÍ PRŮZKUMU RYCHLOSTÍ A SMĚROVOSTI DOPRAVY VE VYBRANÝCH LOKALITÁCH KATASTRU OBCE KAMENICE. Ústav dopravních systémů

Sledování a vyhodnocování dopravních konfliktů v rámci projektu Konflikt

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Vývoj sběru intenzit dopravy. Ing. Petr Neuwirth Centrum dopravního výzkumu, v. v. i.

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

Definice spojité náhodné veličiny zjednodušená verze

Význam národních dopravních průzkumů pro strategii rozvoje silniční dopravy

OBYTNÁ ZÓNA LOKALITA ZAHRÁDKY

URČENÍ PŘEPOČTOVÝCH KOEFICIENTŮ SILNIČNÍCH VOZIDEL PODLE VSTUPNÍCH DOB DETERMINATION OF COEFFICIENTS OF ROAD VEHICLES ACCORDING TO ENTRY TIMES

Fyzikální korespondenční seminář MFF UK

MATEMATIKA III V PŘÍKLADECH

Příloha 1. Výstup pod Baštou. - propojení ulic Palackého a Podhorské (Mostecké) Hluková studie. Člen České asociace akustiků, o.s. Datum:

FRAGMENTACE KRAJINY DOPRAVNÍ A SÍDELNÍ INFRASTRUKTUROU A OCHRANA PŮDY

OSTROV GENEREL CYKLISTICKÉ DOPRAVY

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Výběrové charakteristiky a jejich rozdělení

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

Chyby měření 210DPSM

Kapacita větve mimoúrovňové křižovatky Pražský okruh x K Barrandovu. Abstrakt. 1. Úvod. 2. Dopravní průzkum

MANUÁL 2018 Problematika datové základny pro výpočet hluku z dopravy, změny v CSD

y = 0, ,19716x.

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

1. Přednáška. Ing. Miroslav Šulai, MBA

Příloha č. 1. Posouzení přínosů realizace severovýchodní části obchvatu města Hořovice

Okružní křižovatky. Ing. Michal Dorda, Ph.D.

Komplexní dopravní koncepce města Český Krumlov. A3 Kontinuální profilové sčítání dopravy

MODELY DOPRAVY A DOPRAVNÍ EXCESY. 3. cvičení

Predikční modely nehodovosti a jejich využití při hodnocení efektivity investic do infrastruktury Petr Šenk

Odpověď na žádost o poskytnutí informace dle zákona 106/1999 Sb., o svobodném přístupu k informacím.

Dopravní studie Hradec Králové, květen 2018 Ing. Jiří Shejbal 1

Statistika nehodovosti první čtvrtletí 2018

Vybraná rozdělení náhodné veličiny

7. Rozdělení pravděpodobnosti ve statistice

MEZINÁRODNÍ KONFERENCE. Dopravní VaV centrum CDV PLUS BVV Veletrhy Brno

KONCEPCE OCHRANY MIGRAČNÍCH KORIDORŮ VELKÝCH SAVCŮ A ÚZEMNÍ SYSTÉM EKOLOGICKÉ STABILITY

Stanovení intenzit dopravy - TP 189

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Statistika nehodovosti 1. čtvrtletí 2016

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

Dopravní inženýrství. Přednáška 6 Prognóza dopravy. Doc. Ing. Miloslav Řezáč, Ph.D. Katedra dopravního stavitelství, Fakulta stavební, VŠB-TU Ostrava

Statistika nehodovosti 3. čtvrtletí 2016

ZJIŠTĚNÍ ÚČINNOSTI ZAŘÍZENÍ PRO PROVOZNÍ INFORMACE V OBCI KOKORY

Náhodné chyby přímých měření

Analýza nehodovosti a návrh bezpečnostních opatření v obci Šebrov-Kateřina

ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK

1. ÚVOD 1.1. ZÁKLADNÍ ÚDAJE: Studie problémových úseků sil.ii/449 v koridoru Červenka Smržice. Havlíčkovo nábřeží 38, Ostrava

5. Není nutno čekat na nehody Ing. Jiří Ambros, CDV, Vlasta Michková, ŘSD ČR

I. D i s k r é t n í r o z d ě l e n í

Náhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1

Statistika II. Jiří Neubauer

Otázky k měření centrální tendence. 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení?

Transkript:

Odstupy mezi vozidly v dopravním proudu a pravděpodobnost srážky se zvěří Ing. Jan Martolos (EDIP s.r.o.), RNDr. Petr Anděl, CSc. (Evernia s.r.o.) Anotace Článek informuje o modelu stanovení pravděpodobnosti srážky živočich a s vozidlem na pozemní komunikaci. Analyzuje rozložení velikosti odstupů mezi vozidly v dopravním proudu. Klíčová slova odstupy mezi vozidly, pravděpodobnost srážek se zvěří Annotation XXXX Key words traffic flow gaps, probability of collision between animal and vehicle Úvod Bariérový efekt pozemních komunikací a s ním související mortalita živočichů závisí na celé řadě faktorů, které můžeme rozdělit na faktory týkající se živočichů a faktory týkající se komunikace. Na straně živočichů se jedná především o: etologii daného druhu a z toho vyplývající základní vzorce chování, migrační tlak, vyplývající z potravních či populačních vztahů, charakter ekosystémů v hodnocené lokalitě. Na straně komunikace se jedná o: typ komunikace a z toho vyplývající technické řešení, směrové a výškové uspořádání v dané lokalitě, intenzita dopravy. Pravděpodobnost srážky vozidla se zvěří závisí tedy mimo jiné i na intenzitě dopravy na komunikaci, konkrétně na velikosti odstupů mezi vozidly. Odstupy v dopravním proudu Dopravní proud je sled vozidel pohybujících se v jednom (nebo více) jízdních pruzích v jednom směru. Základní charakteristiky dopravního proudu jsou: intenzita (vyjadřuje se ve vozidlech za časový interval hodinu, den) rychlost (průměrná, okamžitá, ) hustota (počet vozidel na daném úseku komunikace v čase) časový odstup délkový odstup Odstup mezi vozidly může být definován jako: Časový odstup vozidel doba mezi průjezdem čel dvou vozidel jedoucích v jízdním proudu za sebou Délkový odstup vozidel vzdálenost čel dvou vozidel jedoucích v jízdním proudu za sebou 1

Mezera mezi vozidly doba mezi průjezdem zádi a čela dvou vozidel jedoucích za sebou a nebo dvou protijedoucích vozidel Vzniklé odstupy se využívají pro: zařazení jiných vozidel do dopravního proudu toho se využívá například na křižovatkách teorii odstupů mezi vozidly na křižovatkách využívají postupy určující kapacitu křižovatek, přecházení chodců chodci využijí dostatečně dlouhý odstup pro překonání komunikace, překonání komunikace zvěří obdobně jako pro člověka, tvoří komunikace bariéru v pohybu i pro zvěř (právě této problematice se budeme věnovat v druhé části článku). Poissonovo rozdělení pravděpodobnosti V teorii dopravního proudu bývá rozdělení časových odstupů vyjadřováno různými způsoby. Mohou to být modely analytické nebo stochastické (náhodné) založené na výsledcích přímých měření dopravního proudu. Ze stochastických modelů jsou nejčastěji používány pravděpodobnostní modely Poissonův model, negativně exponenciální model, atd. Nejvhodnějším modelem pro popis výskytu jednotlivých odstupů se, v souladu s výsledky dřívějších obdobných měření [3], ukázalo Poissonovo rozdělení. Podmínky použití Poissonova modelu (tzv. Adams-Kinzer kritéria): vozidla v dopravním proudu udržují různé odstupy, které jsou závislé na hustotě a rychlosti dopravního proudu, všechna vozidla se mohou pohybovat volně, nejsou ve vzájemné interakci, předjíždění je vždy umožněno (odpovídá úrovni kvality dopravy A), průjezd vozidla sledovaným místem na komunikaci je náhodný, pravděpodobnost výskytu odstupu určité délky ve zvoleném časovém intervalu je (přibližně) úměrná délce intervalu. Přestože shoda skutečného rozdělení odstupů s teoretickým Poissonovým rozdělením není úplná, pro naše účely (aplikace na výpočet pravděpodobnosti srážky se zvířetem) je dostatečná (zvířata se také nechovají přesně podle vzorců). Poznámka: Jak ukážeme dále, tento model je dostatečně přesný. Větší odchylka byla zaznamenána u míst, kde byl dopravní proud ovlivněn například blízkou křižovatkou (zejména světelné řízenou), nebo dlouhým úsekem bez možnosti předjíždění. Sledujme náhodný jev: v odstupu délky t se vyskytne x vozidel. Poissonovo rozdělení s náhodnou veličinou X má tvar: 2

P( X ) = e λ X λ X! λ > 0 je jediný parametr tohoto rozdělení. Známe-li jej, je Poissonovo rozdělení plně určeno. Střední hodnota náhodné veličiny je µ = λ a rozptyl σ 2 = λ. Máme dopravní proud o intenzitě I (voz/h). Za časový interval t (s) projede tedy určitým místem komunikace (v průměru) I t vozidel. 3600 Poznámka Hodnota 3600 jmenovateli zlomku vyjadřuje počet sekund v jedné hodině. Vzhledem k tomu, že parametr λ vyjadřuje právě střední hodnotu počtu vozidel, které za interval t projedou určitým místem na komunikaci, platí: I = t 3600 λ (2) Pokud nepředpokládáme výskyt vozidla v sledovaném intervale (tj x=0), ale hledáme výskyt odstupu určité délky (resp. delší než t sekund), má pravděpodobnost (1) následující tvar: P ) λ ( X = 0 = e (3) Tím se mění původní diskrétní pravděpodobnostní rozdělení na rozdělení spojité (negativně exponenciální) časový odstup je také jev spojitý. Příklad Komunikace s intenzitou I=360 voz/h λ = 360 t t = 3600 Distribuční funkce pravděpodobnosti výskytu odstupu délky má pak tvar P( t) = e. = Pravděpodobnost výskytu odstupu delšího než s je pak P ( ) e = 0,37 = 37% Na obrázku 1 jsou pak vyneseny distribuční funkce výskytů odstupů (tj. pravděpodobnost výskytu odstupu delšího než daný čas) pro různé intenzity dopravy. t (1) 3

pravděpodobnostp vyýskytuodstupu delšího než t (s) 0% 90% 80% 70% 60% 50% 40% 30% 20% % 0% I=150 voz/h I=350 voz/h I=700 voz/h I=2 000 voz/h 0 5 15 20 25 30 35 40 délka odstupu - t(s) Obrázek 1: Výskyt časových odstupů při různých intenzitách dopravy Obdobným grafem lze vyjádřit závislost pravděpodobnost výskytu odstupu většího než X s v závislosti na intenzitě dopravy na komunikaci viz obrázek 2. Obrázek 2: Závislost pravděpodobnosti výskytu odstupu dané délky na intenzitě dopravy Dopravní průzkumy Pro účely podrobné analýzy odstupů bylo přistoupeno k vlastnímu měření. Bylo využito automatického detektoru dopravy (radaru), který umožňuje zaznamenávat přesné časy průjezdu vozidel a tím určit velikost odstupů mezi jednotlivými vozidly. Radar byl vždy po dobu jednoho týdne nasazen celkem na 19 stanovištích na komunikacích II. III. tříd a na místních komunikacích. Seznam stanovišť, doba a čas měření a odhad ročních průměrných denních intenzit (RPDI) (ve voz/den) jsou shrnuty v tabulce 1. 4

Číslo Stanoviště Komunikace Odhad RPDI 1. Rokycany II/183 2527 2. Holoubkov III/2341 439 3. Dobřany II/180 4157 4. Aš II/216 5730 5. Zbůch I/26 8671 6. Mirošov II/117 793 7. Třemošná I/27 7645 8. Rokycany-B.Němcové MK 4387 9. Plzeň-Radčická III/18050 3769. Plzeň-Borská MK 12763 11. Plzeň-Valcha III/18043 4278 12. Králův Dvůr III/2363 1807 13. Františkovy Lázně III/21330 5519 14. Dobrotice III/1882 591 15. Oldřichov v Hájích III/2904 3246 16. Stráž nad Nisou MK 54 17. Jenišovice III/28719 907 18. Písková Lhota II/611 4194 19. Malá Skalice II/304 1234 Tabulka 1: Seznam stanovišť využitých při analýze Na dálnicích a silnicích I. třídy bylo využito dat z automatických detektorů spravovaných Ředitelstvím silnic a dálnic. Analýza shromážděných dat se zaměřila na: odvození obecných vztahů rozdělení odstupů podle velikosti a závislosti na intenzitě dopravy, stanovení charakteristických rozložení velikosti odstupů pro potřeby aplikace na pravděpodobnost srážky zvěře s vozidlem. Průměrný odstup vozidel Již dříve jsme uvedli, že hodnota průměrného odstupu (průměr ze souboru naměřených odstupů) není veličinou relevantní pro další úvahy. Nicméně bylo i průzkumy ověřeno, že průměrný odstup odpovídá převrácené hodnotě intenzity dopravy (za daný časový úsek). Označme velikost průměrného časového odstupu OP. Na obrázku 3 je vynesena zjištěná závislost mezi hodnotou denní intenzity na stanovišti (RPDI) a průměrného odstup. 5

Obrázek 3: Vztah mezi průměrným časovým odstupem a RPDI Průměrný odstup v sekundách lze pak z hodnoty RPDI (voz/den) určit vztahem: 86400 O = RPDI P (s). (5) Konstanta 86400 je počet sekund za den (24*60*60). Vztah (5) byl ověřen regresní analýzou naměřených dat, koeficient determinace byl 0,98. Rozložení odstupů Detektory zaznamenávaly velikost jednotlivých odstupů mezi vozidly po 1 sekundě až do 25 sekund a poté po jedné minutě až do 20 minut. Z toho důvodu byla analýza rozložení výskytu odstupů mezi vozidly rozdělena do dvou kroků na analýzu s krokem jedna sekunda až do 25. sekundy a na analýzu s krokem jedna minuta až do 20. minuty. Analýza byla prováděna s relativními hodnotami, aby se dala jednotlivá stanoviště porovnávat mezi sebou. Vše si ukažme na jednom konkrétním případě. Příklad Bylo zvoleno stanoviště v Plzni, na místní komunikaci Borská. Intenzita dopravy I = 12 763 voz/den, teoretická průměrná hodinová intenzita I = 12 763 / 24 = 530 voz /h. Pro sledování vybrán interval t = 25s (intervaly až do délky 25s). λ = 530 25 3600 = 3,69 Na obrázku 4 je porovnání rozložení zjištěných hodnot časových odstupů teoretickým Poissonovo rozdělením. 6

Obrázek 4: Rozdělení pravděpodobnosti časových odstupů, příklad Pokud chceme vyjádřit pravděpodobnost, že časový odstup nabude hodnoty menší než, nebo rovné zvolené hodnotě dostáváme obrázek 5. Obrázek 5: Distribuční funkce pravděpodobnosti časových odstupů, příklad Analýza potvrdila, že Poissonovo rozdělení dobře aproximuje rozložení odstupů vozidel v dopravním proudu. Přesnější výsledky byly dosaženy analýzou souboru hodinových měření, kde se eliminoval vliv zjednodušení převodu denní intenzity dopravy na intenzitu hodinovou. V dalších úvahách je již počítáno s hodinovými intenzitami dopravy, tj. zohledňují se denní variace intenzit dopravy. 7

Bariérový efekt komunikace Výsledky analýzy časových odstupů umožňují podrobnější hodnocení vlivu intenzity provozu na mortalitu živočichů a bariérový efekt komunikací na konkrétních lokalitách. Při kombinaci analýz časových mezer s odhadem rychlosti pohybu živočichů přes komunikaci v určitých režimech chování můžeme získat ilustrativní představu o míře průchodnosti dané komunikace i o vývoji tohoto parametru v různých denních dobách. Analogické analýzy mohou být použity při podrobné přípravě opatření na snižování mortality a bariérového efektu jako jsou např. ekodukty, nebo oplocení komunikací. Pro první hrubou aproximaci bylo stanoveno charakteristické rozložení velikosti odstupů pro jednotlivé kategorie komunikací. Byly stanoveny průměrné hodnoty RPDI pro jednotlivé kategorie komunikace (z výsledků Celostátního sčítání dopravy 2005) - viz tabulka 1. Kategorie komunikace Průměr RPDI (voz/den) Dálnice 23 900 Silnice I. třídy 9 700 Silnice II. třídy 3 400 Silnice III. třídy 2 360 Místní komunikace 6 800 Tabulka 1: Charakteristické hodnoty RPDI pro různé kategorie komunikací Takto stanovené charakteristické hodnoty jsou samozřejmě hrubým zjednodušením vzhledem ke skutečnému rozptylu hodnot RPDI na jednotlivých kategoriích komunikací, ale pro naše ilustrativní účely jsou využitelné. Pomocí odvozených obecných vztahů byly určeny výskyty časových odstupů během dne pro jednotlivé kategorie komunikací (charakteristickou hodnotu RPDI). Pro astanovení intenzity dopravy v jednotlivých hodinách dne bylo využito denních variací intenzit dopravy uvedených v [8]. Podíl odstupů různé velikosti na celkovém počtu odstupů (dálnice, RPDI 23900 voz/den) 0% 90% 120-180 Procentuální podíl výskytů odstupů dané velikosti 80% 70% 60% 50% 40% 30% 20% % 60-120 40-60 30-40 20-30 15-20 -15 5-3-5 1-3 0-1 0% 0-1 1-2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9- -11 11-12 12-13 Hodiny 13-14 14-15 15-16 16-17 17-18 18-19 19-20 20-21 21-22 22-23 23-24 Obrázek 3: Rozložení časových odstupů během běžného pracovního dne na charakteristické dálnici 8

Podíl odstupů různé velikosti na celkovém počtu odstupů (silnice I. třídy, RPDI 9700 voz/den) 0% Procentuální podíl výskytů odstupů dané velikosti 90% 80% 70% 60% 50% 40% 30% 20% % 300-600 240-300 180-240 120-180 60-120 40-60 30-40 20-30 15-20 -15 5-3-5 1-3 0-1 0% 0-1 1-2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9- -11 11-12 12-13 Hodiny 13-14 14-15 15-16 16-17 17-18 18-19 19-20 20-21 21-22 22-23 23-24 Obrázek 4: Rozložení časových odstupů během běžného pracovního dne na charakteristické silnici I. třídy Na obrázku 3 a 4 je rozložení časových odstupů mezi vozidly během dne na charakteristické dálnici a silnici I. třídy. Na charakteristické dálnici s RPDI 23 900 voz/24h se během denních hodin (6:00-22:00) nevyskytují časové odstupy větší než vteřin, zatímco na silnici I. třídy s nižším RPDI se vyskytují i minutové odstupy mezi vozidly. V nočním období (22:00 6:00) se na dálnici vyskytují odstupy mezi vozidly o délce 20 30 sekund, na silnici I. třídy se objevují i odstupy větší než dvě minuty. Aplikací těchto grafů na propustnost komunikace pro zvířata vzniknou obrázky 5 a 6. Ty ukazují propustnost dálnice a silnice I. třídy při přímém rychlém přeběhnutí zvířetem. Grafy demonstrují podíl pěti modelových stavů z hlediska propustnosti od zcela nepropustného, přes tři stavy relativně propustné, až po takové velikosti odstupů, kdy lze daný profil považovat za propustný. Přestože se jedná o silně zjednodušený modelový přístup, ze srovnání obou grafů je patrný zásadní rozdíl mezi oběma typy komunikací, a to především v nočních hodinách, které jsou z hlediska migrace zásadní. Průměrná dálnice je minimálně prostupná v podstatě celých 24 hodin, kdežto u průměrné silnice I. třídy je v nočních hodinách relativně vysoký podíl doby s dobrou prostupností. 9

Dálnice % doby 0 90 80 70 60 50 40 30 20 0 1 2 3 4 5 6 7 8 9 11 12 13 14 15 16 17 18 19 20 21 22 23 24 hodiny P5-volné P4 P3 P2 P1-neprůchodné Obrázek 5: Propustnost charakteristické dálnice v jednotlivých hodinách běžného pracovního dne. Silnice I.třídy 0 90 80 % doby 70 60 50 40 30 20 0 1 2 3 4 5 6 7 8 9 11 12 13 14 15 16 17 18 19 20 21 22 23 24 hodiny P5-volné P4 P3 P2 P1-neprůchodné Obrázek 6: Propustnost charakteristické silnice I. třídy v jednotlivých hodinách běžného pracovního dne. Silnice II. a III. třídy jsou (vzhledem ke svému menšímu dopravnímu zatížení) menší bariérou, a to zejména v nočních hodinách. Záleží však vždy samozřejmě na konkrétní intenzitě dopravy na sledovaném úseku. Na místních komunikacích (v zastavěném území měst a obcí) není problematika srážky vozidla se zvířetem tak akutní (nepočítáme li domácí zvířata, která se však někdy po komunikaci spíše potulují, než že by jí přebíhala). Ve zvýšené míře se zde sice vyskytuje živočišný druh Homo sapiens sapiens, u kterého se však předpokládá, že využije pro překonání komunikace jen dostatečně velký odstup mezi vozidly. Závěr

Analýzou dat získaných měřením automatickým radarem se podařilo najít obecné vztahy určující distribuci velikosti časových odstupů mezi vozidly v dopravním proudu. Výsledky byly (mimo jiné) aplikovány v oblasti posuzování vlivu dopravy na živou přírodu. Na zjednodušených modelech je ukázán bariérový efekt komunikace s danou intenzitou dopravy pro volně žijící živočichy. Článek je publikován v rámci projektů výzkumu Ministerstva dopravy ČR č. 1F55A/065/120 Využití dopravně inženýrských dat a metod pro kvantifikaci vlivů dopravy na životní prostředí a č. 1F54L/007/120 Hodnocení vlivu silnic a dálnic na biodiverzitu okolí. Literatura [1] Projekt VaV č. 1F55A/065/120 Využití dopravně inženýrských dat a metod pro kvantifikaci vlivů dopravy na životní prostředí roční zpráva 2007, EDIP s.r.o. [2] Projekt VaV č. 1F45A/061/120 Způsob a přesnost stanovení celodenních intenzit automobilové dopravy na základě krátkodobých měření závěrečná zpráva projektu 2007, EDIP s.r.o. [3] Způsoby a výsledky analýzy rozdělení časových intervalů dopravního proudu, Ing. Bohumil Pistulka, in: ČVT silniční společnost, seminář Havířov 1970, Modernizace a rozvoj silnic, dálnic a místních komunikací. [4] Celostátní sčítání dopravy 2005, Ředitelství silnic a dálnic ČR, 2006 [5] Projekt VaV č. 1F54L/009/120 Metodika hodnocení hlukové zátěže v okolí dálnic na volně žijící živočichy roční zpráva 2007, EVERNIA s.r.o. [6] Projekt VaV č. 1F54L/007/120 Hodnocení vlivu silnic a dálnic na biodiverzitu okolí roční zpráva 2006, EVERNIA s.r.o. [7] Medelská, M. a kol., Dopravné inženierstvo, Alfa Bratislava, 1991 [8] TP 189 Stanovení intenzit dopravy na pozemních komunikacích, EDIP s.r.o., 2008 11