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

Podobné dokumenty
BRNOSAFETY 2014 TÉMATA PREZENTACE Brno konference

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

Měření závislosti statistických dat

Toolboxy analýzy a modelování stochastických systémů

Chyby měření 210DPSM

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)

Možnosti snižování negativních vlivů dopravních omezení pomocí ITS INTELIGENTÍ DOPRAVA 2014

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář,

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

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

7. Rozdělení pravděpodobnosti ve statistice

BAYESOVSKÉ ODHADY. Michal Friesl V NĚKTERÝCH MODELECH. Katedra matematiky Fakulta aplikovaných věd Západočeská univerzita v Plzni

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

Nové pojetí kategorizace sítě páteřních komunikací v ČR. v kontextu aktuálně projednávané novely zákona o pozemních komunikacích (ZPK)

Grafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan

Fakulta dopravní Ústav řídicí techniky a telematiky

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

1. Statistická analýza dat Jak vznikají informace Rozložení dat

Centrum pro rozvoj dopravních systémů

10. Předpovídání - aplikace regresní úlohy

Rozvoj telematiky v plzeňském kraji a příjezdových komunikacích do Plzně. Roman Voříšek

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

KGG/STG Statistika pro geografy

Technický experiment, příprava, provedení, hodnocení výsledků

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

VYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová

A6M33SSL: Statistika a spolehlivost v lékařství Teorie spolehlivosti Přednáška 2

Tomáš Karel LS 2012/2013

ELTODO, a.s. Sídlo: Praha 4, Novodvorská 1010/14, PSČ Tel.: :

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

Inteligentní dálnice, smart cities

Pravděpodobnost a aplikovaná statistika

Aplikace teoretických postupů pro ocenění rizika při upisování pojistných smluv v oblasti velkých rizik

4 Parametrické odhady

Náhodná veličina a rozdělení pravděpodobnosti

Regresní a korelační analýza

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

Hodnocení efektivity úpravy neřízených křižovatek

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz.

Praktická statistika. Petr Ponížil Eva Kutálková

Obsah přednášky Jaká asi bude chyba modelu na nových datech?

Regresní a korelační analýza

Informace o připravovaných. telematických aplikacích na dálnici D1

INFLUENCE OF SPEED RADAR SIGN ON VELOCITY CHANGE IN THE SELECTED LOCATION

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

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina

Tomáš Karel LS 2012/2013

AVDAT Nelineární regresní model

Dopravní inženýrství

Směrový průzkum ve městě Boskovice

Hodnocení a modelování populačních dat na příkladu epidemiologie vážných chorob: I. Analýza dat, princip predikcí.

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky

ÚMRTNOST OBYVATELSTVA ČESKÉ A SLOVENSKÉ REPUBLIKY; NÁVRH KONSTRUKCE NOVÝCH ÚMRTNOSTNÍCH TABULEK

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

TLOUŠŤKOVÁ A VÝŠKOVÁ STRUKTURA A JEJÍ MODELOVÁNÍ

VŠB Technická univerzita Ostrava BIOSTATISTIKA

Různé možnosti využití systémů vážení vozidel za pohybu (WIM)

Moderní přestupkové systémy a jejich dopady nejen na bezpečnost silničního provozu

Diskrétní náhodná veličina

2 Hlavní charakteristiky v analýze přežití

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

Biostatistika Cvičení 7

7 Regresní modely v analýze přežití

Regresní a korelační analýza

Detekce interakčních sil v proudu vozidel

4. Aplikace matematiky v ekonomii

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

PRAVDĚPODOBNOST A STATISTIKA 1 Metodický list č 1.

TECHNICKÁ UNIVERZITA V LIBERCI

vzorek vzorek

Pravděpodobnost, náhoda, kostky

VÝVOJ PLODNOSTI VE STÁTECH A REGIONECH EVROPSKÉ UNIE PO ROCE 1991

Analýza přežití Základy analýzy klinických dat: Analýza přežití

Analýza dat na PC I.

Úloha 1: Lineární kalibrace

Regrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA

Pravděpodobnost, náhoda, kostky

Vysoká škola báňská Technická univerzita Ostrava TEORIE ÚDRŽBY. učební text. Jan Famfulík. Jana Míková. Radek Krzyžanek

KMA Písemná část přijímací zkoušky - MFS 2o16

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM

DETEKCE DOPRAVY KLASIFIKACE VOZIDEL MONITORING DOPRAVNÍHO PROUDU

Exponenciální modely hromadné obsluhy

Dopravní informace a dopravní data pro veřejnou správu

JAKÉ MÍSTO MÁ DATOVÁ ANALYTIKA V PROSTŘEDÍ SOCIÁLNÍCH, HUMANITNÍCH NEBO BIO- SOCIÁLNÍCH OBORŮ

Teorie náhodných matic aneb tak trochu jiná statistika

DOPRAVNĚ-INŽENÝRSKÉ POSOUZENÍ DOPADŮ DOPRAVNÍCH OPATŘENÍ V LÍBEZNICÍCH

Smíšené regresní modely a možnosti jejich využití. Karel Drápela

Normální (Gaussovo) rozdělení

1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,

Pravděpodobnost a matematická statistika

Jak chránit obce před kamiony. Zklidňování dopravy. Petr Pokorný

Odhad stavu matematického modelu křižovatek

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

Matematické modelování dopravního proudu

Transkript:

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

Obsah Kapacita pozemních komunikací Funkce přežití Kaplan-Meier a parametrické Weibullovo rozdělení Měření a zpracování dat Výsledky Závěr a diskuse

Definice kapacity Obecná definice Nejvyšší (očekávatelný) počet vozidel, který projede profilem za daný časový interval Problémy nejvyšší?, čas, pokles kapacity po vzniku kongesce, náhodnost Naše definice Intenzita vedoucí ke vzniku kolony, nikoliv intenzitu na výjezdu z kolony Náhodná veličina Agregační interval pět minut Zaměřeno na kapacitu dálničních uzavírek (2 > 1 jízdní pruh)

Funkce přežití Matematický zápis S t = P T > t = 1 P T t = 1 F(t) Princip Popisuje pravděpodobnost přežití v závislosti na délce života Dopravní analogie: čas -> intenzita Pravděpodobnost vzniku kolony v závislosti na intenzitě

Kaplan-Meierův odhad (PLM) Matematický zápis S t = j: t j <t n j d j n j Cenzorovaná data Sledování ukončeno před vznikem události Událost = úmrtí, selhání, porucha, apod., zde vznik kolony Výrazně zlepšují odhad průběhu funkce přežití Např. ukončení studie před úmrtím pacienta

(Ne)parametrické funkce přežití Kaplan-Meierův odhad Klasický Kaplan-Meierův odhad je neparametrická metoda Funkce přežití je čistě empirická křivka, není popsána žádnými parametry Vlastnosti intenzity nesplňují všechny předpoklady pro její použití -> chyba Weibullovo rozdělení Jedno z typických teoretických rozdělení v analýze přežití Popsáno dvěma parametry měřítka a tvaru Parametry lze fitovat (=hledat optimální hodnoty) tak, aby co nejlépe popisovalo pravděpodobnost vzniku kolony v závislosti na intenzitě

Měření a zpracování dat Měřená lokalita Uzavírka D5 v km 31,04-36,22 na podzim roku 2016 (2x 14 dní) Měření probíhalo v rámci pilotního testování systému ZIPMANAGER Data z detektoru Wavetronics cca 100 m před začátkem uzavírky Event data průjezd jednotlivých vozidel

ZIPMANAGER Mobilní telematický systém reagující na aktuální stav dopravy Soustava detektorů, proměnného dopravního značení a řídícího SW Omezuje dovolenou rychlost (harmonizace dopravního proudu), zakazuje předjíždění nákladních vozidel, varuje před rizikem/existencí kolony Harmonizace má snížit riziko vzniku kolony (oddálit její vznik)

Zpracování dat Agregace Filtrování chybných záznamů Agregace do 1, 3 a 5 minutových intervalů Nákladní vozidlo = ekvivalent 2 osobních vozidel (PCE = 2) Hledání vzniku kolony Tříminutový interval pokles průměrné rychlosti pod 40 km/h Vyhledání počátku poklesu pod 40 km/h kolaps dopravního proudu Intenzita (PCE) za 5 minut před kolapsem kapacita ( událost ) Intenzity mezi obdobími kolon cenzorovaná data

Hledání funkce přežití PLM Intenzita při kolapsu Počet událostí Vystaveno riziku Podíl přežití 89 1 7214 0,9999 0,9999 90 1 7058 0,9999 0,9997 93 1 6620 0,9998 0,9996 126 2 1498 0,9987 0,9951 129 1 1207 0,9992 0,9943 130 2 1120 0,9982 0,9925 157 1 52 0,9808 0,8947 160 1 35 0,9714 0,8692 162 1 24 0,9583 0,8329 Celkový podíl přežití

Hledání funkce přežití Weibullovo rozdělení Weibullovo rozdělení Popisuje rozdělení pravděpodobnosti náhodné veličiny a odvozené funkce vč. funkce přežití Definováno (nejčastěji) dvěma parametry Hledání parametrů Fitování parametrů na data Suma kvadrátů chyby (metoda nejmenších čtverců) Empirická vs. predikovaná distribuční funkce vzniku kolon v závislosti na intenzitě

Hledání funkce přežití Weibullovo rozdělení Příklad nafitované funkce období harmonizace

Výsledky Srovnání kapacity před a po aktivaci systému ZIPMANAGER Distribuční funkce kapacity = doplněk funkce přežití F t = 1 S(t)

Výsledky Predikce vzniku kolon bez řízení dopravy s pomocí harmonizace Výsledná funkce přežití z kontrolního období je použita na data z období po aktivaci harmonizačních schémat 70 kolon* 40 kolon

Závěr a diskuse Zpracování dat Vytvořen soubor postupů zpracování dat pro zpracování v analýze přežití Konkrétní definice a parametry se mohou lišit v závislosti na situaci Bylo by vhodné využít detektor(y) v uzavírce a datovou fúzi pro kontrolu místa vzniku kolony Na použitých datech nelze ověřit, zda v některých případech kolona nevznikla až v uzavírce Zejména definice kolony a délka agregačního intervalu by měly být předmětem dalšího zkoumání a patrně se budou lišit dle situace

Závěr a diskuse Analýza přežití Využití metod analýzy přežití se potvrdilo jako efektivní a užitečný nástroj pro některé aplikace, zejména z oblasti predikce kolon apod. Přístup je náročný na sběr a zpracování dat PLM se oproti předpokladům a dostupné literatuře neosvědčilo, jelikož intenzita není lineárně rostoucí veličina, což vede k rozporu mezi dvěma předpoklady při používání PLM Fitování parametrických rozdělení na kumulativní počet kolon v závislosti na intenzitě při jejich vzniku se zdá být funkční náhradou Weibullovo rozdělení je typické, avšak ne nutně nejvhodnější

Závěr a diskuse Kapacita uzavírky a ZIPMANAGER Kolony vznikají při velmi širokém rozptylu intenzit Pravděpodobnost vzniku kolony roste nelineárně S ohledem na počet výskytů intenzit je však rozdělení intenzit při vzniku kolon relativně rovnoměrné Využití harmonizace snížilo riziko vzniku kolony o 40-46 % Existuje-li již kolona, nemůže vzniknout další klesá počet vystavení riziku v praxi je pokles počtu kolon nelineární

Děkuji vám za pozornost. Ing. Igor Mikolášek igor.mikolasek@cdv.cz telefon: +420 541 641 704 Centrum dopravního výzkumu, v. v. i. Líšeňská 33a, 636 00 Brno www.cdv.cz