Professional Documents
Culture Documents
Galic Ivana FPZ 2015 Diplo Sveuc
Galic Ivana FPZ 2015 Diplo Sveuc
Ivana Gali
USPOREDBA METODA ZA UPRAVLJANJE
PRILJEVNIM TOKOVIMA NA PRIMJERU
ZAGREBAKE OBILAZNICE
DIPLOMSKI RAD
Zagreb, 2015.
Sveuilite u Zagrebu
Fakultet prometnih znanosti
DIPLOMSKI RAD
Mentor:
Student:
Zagreb, 2015.
Saetak
U ovom radu opisane su temeljne pretpostavke uvoenja sustava upravljanja priljevnim
tokovima urbanih autocesta uslijedzaguenja te je prikazan pregled najee koritenih
metoda upravljanja priljevnim tokovima. Takoer, analizirane su mogunosti primjene
metoda umjetne inteligencije za upravljanje priljevnim tokovima. Na izraenom modelu
zaobilaznice grada Zagreba, uz koritenje postojeih prometnih podataka simulirana je
navedena obilaznica uz pomo simulatora CTMSIM.Analizom rezultata simulacije
usporeeni surezultati u sluaju kanjenja, vremena putovanja i gustoe. Iz tih rezultata
razvidno je manje zaguenje tijekom uporabe algoritama za upravljanje priljevnim
tokovima.
Summary
This diploma thesis describesthe main reasons forthe introduction oframp metering due
tocongestionand givesan overview ofthe most commonly usedmethods of managingthe
mainstream flows. Possibilities of applyingartificial intelligence methodsfor ramp metering
are analysed also. Using parameters of thebypass of the city of Zagreb a simulation model
is createdand simulated usingof existing trafficdata. The macroscopicsimulatorCTMS is
used for simulation. The analysis ofthe simulation resultsare compared according todelay,
travel timeanddensity. From theseresultsare reflected inlesscongestionby usingalgorithmsto
managethe inflowstreams.
Sadraj
1.
Uvod .............................................................................................................................. 1
2.
3.
4.
2.1.
2.2.
2.3.
3.2.
3.3.
3.4.
3.5.
SWARM .............................................................................................................. 17
4.1.1.
4.2.
4.2.1.
5.
6.
7.
6.1.
6.2.
Zakljuak ..................................................................................................................... 42
Literatura ............................................................................................................................. 44
Popis kratica ........................................................................................................................ 46
1. Uvod
Posljednjih godina s rastom stanovnitva i gradova poveana je potreba i za
prometnom infrastrukturom. Dosadanje prometnice postaju pretijesne za sadanji obim
prometa koji se neprestano poveava. To je vidljivopogotovo u podrujima velikih
gradova. Primjer za to naveden u ovom radu odnosi se na grad Zagreb i uz njegove
prometne potrebe vezane uz zagrebaku obilaznicu. Ova obilaznica, koja je vorite svih
prometnih putova preko Hrvatske, ujedno je i najvea gradska obilaznica Republike
Hrvatske. Na postojeoj obilaznici svakodnevno dolazi do poveanja prosjenog
godinjeg dnevnog prometa (PGDP) zbog ega dolazi do znaajnog pada razine
uslunosti. To za posljedicu ima esta i neugodna prometna zaguenja u pojedinim
dijelovima dana. Izrazit problem predstavljaju i prometne nesree te njihove posljedice
koje dodatno utjeu na zaguenje glavnih prometnih tokova. Sve navedeno znaajno
utjee na pad stupnja prometne uslunosti (LOS Levelof Service) za korisnike koji su u
tranzitu. U ovom radu predlae se mogunost rjeavanja navedenih prometnih problema
uporabom informacijsko-komunikacijskih tehnologija i novousvojenih kompleksnih
sustava i procesa o kojima e biti rijei u prvim poglavljima ovoga rada.
Za sve probleme vezane uzstupanj prometne uslunosti autoceste, ve se due
vrijeme u svijetu razmatraju metode upravljanjapriljevnim tokovima tzv.rampmetering. U
hrvatskom jeziku nema izravnog prijevoda, ve pojam moemo definirati kao skupinu
prometnih signala koji upravljaju prometnim priljevnim tokovima na ulazima autoceste.
To je
podruja inteligentnog
kolone. Osnovne mjere za procjenu razine usluga na cestama na koje moe utjecati
upravljanje priljevnim tokovima su vrijeme putovanja, odgoda putovanja i gubitak
produktivnosti. Tri temeljne strategije kod upravljanja priljevnim tokovima su strategija
jedno vozilo po intervalu, vie vozila po intervalu i strategija dvotranog mjerenja.
dnevnim
migracijama
do
od
mjesta
zapoljavanja,
obrazovanja,
priljevnim
tokovima
na
ulazima
autoceste.
To
je
jedan
od
slaba disciplina
ulaze iz manje prometne u prometniju ulicu. Podruje gdje ova dva toka prometa zapravo
dolaze u dodir je poznato kao nizvodno usko grlo. Naslici 2. je prikazana lokacija
nizvodnoga grla blizu ulaza na cestu uinak priljeva prometa na okolnu lokalnu cestovnu
mreu (eng. Spilllback).
Ul
az
na
ra
m
pa
Autocesta
Efekt preljeva
prometa
Gradska prometnica
poveanu
zaguenja, situacija postaje sve tea. Jedno istraivanje koje je Teksaki prometni zavod
proveo u 75 velikih gradova diljem Sjedinjenih Drava pokazalo je da je prosjean broj
sati koje svaki stanovnik provede godinje u prometnim guvama porastao sa 16 sati u
1982. godini na 62 sata u 2000. godini. Razdoblje u kojem postoji vea vjerojatnost za
stvaranje prometne guve produljilo se s 4,5 sati na 7 sati dnevno. Azijske zemlje kao i
Europa suoavaju se sa slinim problemima [5]. Prisutne su velike nesuglasice u
metodama izrauna trokova nastalih zbog zaguenja u prometu, no u svakom sluaju
iznosi su ogromni. Procijenjeno je kako je u 2000. godini samo na podruju 75 najveih
metropola bilo 3,6 milijardi sati kanjenja to je uzrokovalo dodatnu potronju od 21,6
milijardi litara goriva i 67,5 milijardi USD izgubljene produktivnosti, ili oko 0,7 %
nacionalnog bruto domaeg proizvoda (BDP-a). Takoer se procjenjuje da je godinji
troak zbog zaguenja za svakog vozaa u SAD-u bio oko 1.000 USD u velikim
gradovima te oko 200 USD u manjim gradovima. U izvjeu Radovi na cestama i
trokovi zaguenja prometa 2005. profesor PhilGoodwin, procjenjuje da su samo radovi
na cestama u Engleskoj uzrokovali oko 5% ukupnog zaguenja prometa proizvodei 4,2
milijarde funti trokova godinje [6]. U nesreama u RH godinje u prosjeku pogine oko
600 osoba, to je po procijenjenoj vrijednosti EU od 1 1,2 milijuna eura po osobi to
ini gubitak od 600 milijuna eura godinje. Pribrojimo li tome trokove lijeenja i
rehabilitacije ozlijeenih, prijevremene invalidske mirovine i slino dolazimo i do 15%
BDP-a ukupnih eksternih trokova prometa koliko se procjenjuje u europskim
tranzicijskim zemljama.
Realno gledano, zasad nije mogue potpuno rijeiti problem prometnih guvi.
AnthonyDowns, autor knjige StuckinTraffic - CopingWith Peak-HourTrafficCongestion,
zakljuio je: Unato svim strategijama koje se poduzimaju kako bi se u budunosti
smanjile prometne guve, one e se u gotovo svim dijelovima svijeta vjerojatno jo vie
poveati. Stoga vam ne preostaje nita drugo nego da se naviknete na njih.
Postoje dvije metode izrauna trokova zaguenja:
- TOP DOWN metoda - koristi se ve oko 50 godina i njome se izraunavaju ukupni
ekonomski trokovima u bazi podataka iz svih izvora, potom se izraunava proporcija
zaguenja po uzorcima (%)koja se mnoi s ukupnim trokovima. Npr. procijenjeni ukupni
trokovi zaguenja u Engleskoj su 20 milijardi funti godinje pa 5% zaguenja zbog
radova na cesti iznosi ukupno 1 milijardu funti godinje.
od
najuinkovitijih
metodaupravljanja
prometom
na
gradskim
putovanja
satima
odnosnim
VKT(engl.
cilja optimizacije za razmatrani sustav kontrole prometa. TTD kriterij se esto koristi u
kombinaciji s TTS kriterijima za izraun brzine prometa (MS= TTD/TTS) [1].
10
U
ra lazn
m a
pa
Slika 3. Osnovna upravljaka instalacija ulazne rampe na dijelu autoceste [1]
11
12
poglavito iz
13
14
ALINEA algoritam je
j drukiji od drugih algoritama za upravljanje priljevnim
tokovima zbog toga to koristi sustav zatvorene petlje u upravljanju,
upravljanju, dok ostali sustavi
koriste otvorene petlje. ALINEA algoritam koristi jednadbu pri odreivanju
odre
stupnja
proputanja tokova kojii se prilijevaju
prilijeva u glavni tok autoceste:
r(t) = r(t-1)
1) + [0-0 (t)],
(1)
15
gdje je :
O - eljeni prag zauzea kapaciteta glavnog toka(%);
0 izmjereno zauzee u vremenskom periodu t(%);
r(t 1) dobiveni stupanj proputanja u prethodnom vremenskom periodu;
- regulatorni parametri; tvorci algoritma preporuuju postavljanje vrijednosti ovog
parametra na 70 vph [9].
= ,
16
3.5. SWARM
Na samom poetku SWARM (eng. System-Wide AdaptiveRampMetering)
algoritam bio je razvijen kao dio napredne tehnologije openitog upravljanja priljevnim
tokovima pod nazivom ATMS (eng. Advanced TransportationMenagment System).
Predstavlja kompetitivan i prometno ovisan algoritam upravljanja priljevnim tokovima.
Osnovni mu je cilj zadrati gustou glavnog toka ispod definirane razine u stvarnom
vremenu.
Algoritam SWARM koristi dvije vrste upravljake logike. S pravom ih zbog
njihove kompleksnosti moemo nazvati i zasebnim algoritmom funkcionalno
objedinjenim u jedan. Prva vrsta upravljake logike obuhvaena je SWARM 1
algoritmom te se obavlja na globalnoj razini. Djeluje na cijeli sustav koritenjem
predviene vrijednosti gustoe na lokacijama uskih grla za upravljanje. Pozitivna strana
SWARM1 algoritma je mogunost predvianja lokacije uskoga grla na autocesti uz
pomo povijesnih podataka o parametrima glavnoga toka. Ukupni SWARM algoritam je
vie preventivan, a manje odzivan na ve gotov sluaj zaguenja. Ukupna kvaliteta ovisi
o stupnju predvianja nastajanja uskih grla.
17
18
transportnog
procesa
koritenjem
informacijsko-komunikacijske
19
ovisi o eljenoj
21
u iduem
em poglavlju detaljnije obraditi.
Bilo je potrebno izgraditi odgovarajuii model autoceste u odgovarajuem
odgovaraju
mikrosimulacijskom
rosimulacijskom alatu kako bi mogao biti dizajniran prikladni algoritam za
upravljanje priljevnim
im tokovima na promatranoj obilaznici. CTMSIM je odgovarajui
odgovaraju
mikrosimulacijski alat izmeu
izmeu glavnih i priljevnih tokova na autocesti. Uz umjeravanje
parametara navedenih prometnih tokova nudi se i mogunost
mogu nost komparacije, dizajna i
ugradnje razliitih algoritama
tama stupnja proputanja priljevnih tokova. To ga ini izuzetno
pogodnim za implementaciju i testiranje ANFIS algoritma, ali i drugih algoritama.
Grafiko suelje CTMSIM alata vidljivo je na Slici 6.
Slika 6.
6 Suelje CTMSIM makrosimulacijskog alata [2]
22
Nakon rune
ne korekcije priljevnog toka sa 100 vph na 10 vph, situacija je nakon 17 minuta
tijekom simulacije bila kako je prikazano na Slici 8.
23
nain
in
koji
se
nagra
nagrauje,
znak
je
inteligencije.
Ojaano
ano
u
uenje
(eng.
ReinforcementLearning,, RL)
RL je jednaa od osnovnih tehnika tehnologije inteligentnih
agenata (IA). Uenik
enik ili kreator odluka je potaknut izvriteljem i onim s ime doe u
kontakt iz okoline. Izvritelj ima niz senzora za promatranje stanja okoline i za izvoenje
izvo
potrebnih akcija kako bi primijenio
primijenio stanje okoline. Najvanije karakteristike izvritelja su
24
Za tonu
nu prezentaciju interakcije, pretpostavit emo
emo da izvritelj i okolina komuniciraj u
nizovima diskretnih
skretnih vremenskih koraka: t=0, 1, 2, za svaki korak tizvritelj dobije
odreenu sliku okoline st
S, gdje je S niz moguih
ih stanja. Sukladno tome, akcija atA(st)
je odobrena, gdje je A(st) niz akcija koje su dostupne u stanju st.. Korak poslije, kao
posljedica
edica njegovih akcija, izvritelj dobije numeriku
numeri
nagradu, rt+1R
R i nae se u tom
novom stanju st+1.
1. Izvritelj dobiva nagradu ili kaznu kako bi bio potaknut da se usmjeri
ka finalnom stanju. Slika 9.
9 prikazuje interakciju izvritelj - okolina. Promjena iz
i jednog
stanja u drugo prikazana je kao
(1)
gdje je Si stanje u koraku i,ai je moguaa akcija dostupna u svakom stanju za vrijeme
koraka i,rije nagrada koju izvritelj dobije za vrijeme koraka i za koritenje akcije ai.
Jedno od najveih
ih postignua
postignu
u RL je bio razvoj TemporalDifferences OffOff
PolicyAlgorithm poznatog kao Q-Learning.
Q Learning. Upravljanje priljevnim tokovima za kontrolu
strategije razvijenu u ovom istraivanju
istraiv
izvodi izvritelj, agent.
25
4.2.1. Q-Learning
Learning algoritam
Q-Learning
Learning prua izvritelju
izvri
priliku da naui politiku kontroliranja. Za
nedeterministike okoline QQ funkcija je redefinirana kao oekivana
ekivana vrijednost Qn(s, a) iz
prethodno definirane vrijednosti za deterministiki
deterministi sluaj.Primjenjujui
i pravilo uenja:
u
(2)
gdje je razina uenja:
(3)
Q ipak konvergiraQ*,gdje
gdje jeQ*
je * optimalna akcija za vrijednost funkcije,Qn(s,
funkcije,
a) je
oekivana
ekivana vrijednost prethodno definirane vrijednosti za sluaj
slu aj deterministike
deterministi
funkcije
za akciju a
i stanje s
i Qn-1(s', a')
je oekivana
ekivana vrijednost prethodno definirane
vrijednosti
rijednosti za novu akciju a' na sljedeem stanju s'. Parametar je diskontna stopa u
intervalu 01, n je stopa uenja,
u
ponavljanja, n (s, a))
ponavljanja [14].
26
Slika 10.Prikaz
10
spoja autocesta oko grada Zagreba [11]
27
ireg
ireg podruja
podru
Grada Zagreba i Zagrebake
ke upanije, moe se
oekivati
ekivati zadravanje visoke stope rasta prometnog optereenja
optere enja na svim spomenutim
dionicama. Dakle, nije nimalo neoekivano
neo ekivano to se u pojedinim dijelovima dana tamo
skoro svakodnevno javljaju znaajna
zna
prometna zaguenja. Ona su naroito
naro
izraena
tijekom ljetne turistike
ke sezone te u razdoblju blagdana sa produenim vikendima. Izrazit
problem za zaguenje glavnih prometnih tokova predstavljaju prometne nesree
nesre i njihove
posljedice. Sve navedeno utjee
utje na znaajan
ajan pad stupnja prometne uslunosti za korisnike
autoceste koji su u tranzitu. Na Slici 11.. prikazana je obilaznica grada Zagreba koja je u
sreditu teme ovoga rada. Sastoji se od 32 vora,
vora, a protee se od Zapreia
Zaprei do Ivanja
Reke u duini od oko 44 km.
km
28
Ljubljane jer postoji vie ulaza i izlaza to dodatno zaguuje prometnu mreu. Meutim,
Me
znaajna
ajna razlika je u tome to se ljubljanska obilaznica sastoji od niza
niza autocesta i brzih
cesta koji ine
ine prsten oko Ljubljane, dok
zaokruena oko grada. Zaobilaznice za Ljubljanu i za Zagreb imaju veliku vanost jer ih
neposredno povezuje s nekoliko susjednih zemalja. Jo je jedan faktor zajedniki
zajedni
objema
zaobilaznicama: slove kao prometno najubojitije autoceste u Europi. Ljubljana
Lju
naime jest
najubojitija prijestolnica u Europi,
Europi dok autoceste u Hrvatskoj
rvatskoj imaju najvei
najve stupanj
smrtnosti. Ako uzmemo u obzir da hrvatske autoceste imaju gotovo tri puta manje
prometa nego susjedne
dne
ostvariti pri naglim porastima prometne gustoe u pici turistike sezone. Sustav bi
takoer uspjeno mogao biti ugraen i na prilazima brzih gradskih cesta. Na hrvatskim
autocestama
tokovima zbog vee udaljenosti izmeu vorova i relativno male gustoe prometa.
Uslijed poveanje gustoe prometa na zagrebakoj obilaznici, trebalo bi provesti
testiranje s algoritmima koji u svojoj logici rada imaju mogunost predvianja nastajanja
uskih grla. Algoritmi s takvim mogunostima su SWARM ili ak ANFIS uz
odgovarajuu nadogradnju. To su algoritmi koji bi, teorijski gledano, mogli ostvariti
dobre rezultate u upravljanju priljevnim tokovima na prilazima autoceste u glavni tok
poglavito iz razloga to svoj rad temelje na prepoznavanju uzroka nastajanja uskih grla
koja se periodino pojavljuju na ovoj obilaznici.
U nastavku rada izvrit e se ralamba sustava upravljanja priljevnim tokovima na
zagrebakoj obilaznici iz razloga postojanja dnevnih vrnih optereenja zbog ustaljenih
dnevnih migracija stanovnitva (migracijama do i od mjesta zapoljavanja, obrazovanja, i
sl.), a to je vidljivo na Slici 13.
30
31
Slika 14. Prometne nesreee s nastradalim osobama i poginule osobe po policijskim upravama 2012/2013
[13].
32
33
6. Simulacijski rezultati
U ovom poglavlju bit ee prikazani i analizirani rezultati simulacije zagrebake
zagreba
obilaznice. Za prikaz rezultata o prometnom modelu upravljanja priljevnim tokovima
uporabljen je program CTMSIM izraen
izra
u MATLAB-u.. Za izraun
izra
simulacije
uporabljeni su realni podaci
daci iz Zagreba koje daju rezultate o priljevnom i ulaznom toku.
Prikazani su rezultati uporabe ALINEA i SWARM algoritma te usporedba kada ih ne
koristimo. Svi grafovi su prikazani kroz vremenski period od 24 sata. Oekivani
O
O
rezultati
su poboljanje protonosti
nosti vozila na glavnom toku te smanjenje vremena.
34
Na Slici 17.vidimo
vidimo dio poetnog
etnog prozora CTMSIM simulatora u tijeku simulacije. Gornji
dijagram je dijagram prometnog toka u odnosu na milje/segmenti
milje/segmenti autoceste. Takoer
Tako
na
njemu imamo dvije linije: crvenu i crnu. Crvena linija odnosi se na maksimalni protok za
koji je projektirana autocesta, dok je crna linija dinamika
dinami ka linija koja pokazuje simulirani
tijek toka u pojedinanim
nim segmentima koji ne moe biti vii od crvene linije. Na slici je
prikazan i donji dijagram koji ukazuje na prometnu gustou
gusto u po pojedinim segmentima.
Crvenom linijom je oznaena
ena vrijednost slobodnog toka, koja je fiksna, dok crna linija
oznaava
ava ponaanje prometne gustoe
gusto poo pojedinim segmentima pa je dinamike
dinami
prirode.
Na donjem dijelu (oznaka
oznaka density mile)) vidljivo je kako je plava dinamika
dinami
linija na
35
jednom dijelu poviena iznad crne linije slobodnog toka. Na tom dijelu se prikazuje
poetak stvaranja zaguenja tj. poveanje stvaranja prometne gustoe u tom segmentu.
Taj dogaaj indicira donji dijagram koji segmente u kojima su vrijednosti gustoe manje
od vrijednosti slobodnog toka prikazuje u obliku zelenih, naranastih, crvenih i utih
pravokutnika. Iznad vrijednosti slobodnog toka koriste se crveni pravokutnici kao
indikatori nastajanja uskih grla dok naranasti pravokutnici sugeriraju pojaano
pranjenje stvorenog zaguenja. Mjesta gdje je simulacija stabilizirana na vrijednost
ispod gustoe slobodnog toka prikazuju zeleni pravokutnici to ujedno znai potpuno
smanjenje gustoe koje uzrokuje poveanje maksimalne propusnosti.
36
Slika 18.Odnos vremena putovanja, u odnosu prema trajanju simulacije po pojedinim algoritmima
Slika 19. Odnos vremena putovanja, u odnosu na simulacijsko vrijeme dio od 16 do 18 sati gdje dolazi
do promjene
37
Slika 21. Prikaz glavnog toka u usporedbi d prometnim tokom jedne elije
39
Slika 22.Graf
Graf odnosa gustoe
gusto e i trajanja simulacije po pojedinim algoritmima
40
41
7. Zakljuak
Kao to tema (naslov) ovoga rada govori, odnosno kako je u uvodu najavljeno, u
ovome raduprikazana je, a zatim i napravljena usporedba metoda upravljanjapriljevnih
tokova na primjeru zagrebake obilaznice. Cilj rada je izvriti
ralambu sustava
rjeavanja
podatcima
koji
su
karakterizirani
znaajnim
prometnim
punu bi ulogu
sustav mogao ostvariti pri naglim porastima promete gustoe u jeku turistike sezone.
Openito na hrvatskim autocestama struka predlae primjenu lokalnih algoritama za
upravljanje priljevnim tokovima zbog vee udaljenosti izmeu vorova i relativno male
gustoe prometa.
Za prikaz rezultata o prometnom modelu upravljanja priljevnim tokovima
uporabljen je program CTMSIM izraen u MATLAB-u. Za izraun simulacije
uporabljeni su realni podatci iz Zagreba koji daju rezultate priljevnom i ulaznom toku.
Kako bismo mogli dizajnirati odgovarajui algoritam za upravljanje priljevnim tokovima
na
toj
obilaznici,
izradili
smo
odgovarajui
model
autoceste
CTMSIM
42
putovanja u porastu, ali stagnira do prometnog zaguenja 16:00 18:00 sati. Nakon 16:00
sati dogaaju se, naime, promjene. Algoritam bez upravljanja proljevnim tokovima
poinje znaajno rasti zbog ega pojedino vozilo poinje provoditi due vremena na
autocesti. Time se, naravno, to pokazalo kao najloije rjeenje u ovom segmentu analize.
Nadalje, uporabom algoritama ALINEA i SWARM uviamo istovjetne rezultate, a ti su
se rezultati pokazali kao najkvalitetniji. Analize su takoer pokazale da je ostvarena mala
razlika izmeu ALINEA I SWARM algoritma.
Analizom rezultata simulacije usporedili smo rezultate u sluaju kanjenja,
vremena putovanja i gustoe. Iz tih rezultata jasno se vidi da uporaba algoritama za
upravljanje priljevnim tokovima daje uoljivo bolje rezultate od onih bez upravljanja.
Kod parametara kanjenja vea je propusnost zapravo nepovoljnija jer to je vei broj
automobila u glavnom toku, to e se odraziti na pad brzine glavnog toka i onda time
uzrokovati kanjenje.
Prikazana
43
Literatura
1. Gali, I.: Analiza metoda upravljanja priljevnim tokovima urbanih autocesta, zavrni
rad, Fakultet prometnih znanosti, Zagreb 2013.
2.Greguri, M.:Upravljanje priljevnim tokovima na zagrebakoj obilaznici, diplomski rad
Fakultet prometnih znanosti, Zagreb 2011.
3.Galovi, B., Marui ., Guri J.: Rukovoenje kriznim situacijama kod prometnih
zaguenja, Hrvatska akademija znanosti i umjetnosti Zagreb 2007.
4. http://hac.hr/odnosi-s-javnoscu/informacije-i-obavijesti/nova-obilaznica-grada-zagreba
(lipanj, 2015)
5. http://wol.jw.org/hr/wol/d/r19/lp-c/102005848#h=17 (lipanj 2015.)
6. Goodwin, P.:Utilities' streetworksandthecostoftrafficcongestion, University oft he
West ofEngland, Bristol,2005.
7.Greguri,
M.,
Bunti,
M.,
korput,
P.,
CooperativeRampMeteringin
Ivanjko
E.,
Manduka
urban
InteligenttransportationsystemsdepartmentFacultyof
S.:
areas,
transport
andtrafficsciences,
XuYang,
Optimizationofthe
ALINEA
Ramp-
44
45
Popis kratica
ITS
TT
Travel time
Vrijeme putovanja
VHT
Vehiclehoursetravelled
VKT
Vehiclekilometerstravelled
LOS
Levelofservice
Razina usluge
TTS
Time to spent
TTD
TTT
RS
Road side
TWT
PGDP
FIS
Fuzzyinteference system
RL
ReinforcementLearning
Ojaano uenje
IA
Intelligent agent
Inteligentni agent
46
Popis slika
Slika 1.Stanja na zagrebakoj obilaznici tijekom zaguenja ....................................................4
Slika 2. Mjesto formiranja uskog grla i efekti preljeva prometa [2] ........................................7
Slika 3. Osnovna upravljaka instalacija ulazne rampe na dijelu autoceste [1].....................11
Slika 4. Lokacija detektora algoritma ALINEJA u odnosu na klasini [1] ...........................15
Slika 5. Koncept rada ANFIS algoritma za iskljuivanje upravljanja priljevnim tokovima
[2] ...........................................................................................................................................21
Slika 6. Suelje CTMSIM makrosimulacijskog alata [2] ......................................................22
Slika 7. CTMSIM prikaz detekcije uskog grla [2] .................................................................23
Slika 8. CTMSIM prikaz rjeenja uskog grla [2] ...................................................................24
Slika 9. Interakcija agent-okruenje [14] ...............................................................................25
Slika 10.Prikaz spoja autocesta oko grada Zagreba [11] ......................................................27
Slika 11. Zagrebaka obilaznica ............................................................................................28
Slika 12. Obilaznica Ljubljana ...............................................................................................29
Slika 13. Prikaz PGDP-a u 2015. godini na hrvatskim autocestama [12]..............................31
Slika 14. Prometne nesree s nastradalim osobama i poginule osobe po policijskim
upravama 2012/2013 [13].......................................................................................................32
Slika 15. Prikaz broja stradalih sudionika u nesreama po autocestama u razdoblju 2006.
2010 [7] ...............................................................................................................................33
Slika 16. Zagrebaka obilaznica ............................................................................................34
Slika 17. Suelje CTMSIM makrosimulacijskog alata ..........................................................35
Slika 18. Odnos vremena putovanja, u odnosu prema trajanju simulacije po pojedinim
algoritmima.............................................................................................................................37
Slika 19. Odnos vremena putovanja, u odnosu na simulacijsko vrijeme dio od 16 do 18
sati gdje dolazi do promjene ...................................................................................................37
47
48
Sveuilite u Zagrebu
Fakultet prometnih znanosti
10000
Zagreb
Vukelieva
4
METAPODACI
Naslov rada:
Autor:
Ivana Gali
Mentor:
Povjerenstvo za obranu:
, predsjednik
,
mentor
, lan
, zamjena
Vrsta studija:
sveuilini
Akademski naziv:
mag. ing. traff.
Datum obrane diplomskog
rada:
25.09.2015.
49
Sveuilite u Zagrebu
Fakultet prometnih znanosti
10000 Zagreb
Vukelieva 4
diplomski rad
iskljuivo rezultat mog vlastitog rada koji se temelji na mojim istraivanjima i oslanja se na
objavljenu literaturu to pokazuju koritene biljeke i bibliografija.
Izjavljujem kako nijedan dio rada nije napisan na nedozvoljen nain, niti je prepisan iz
necitiranog rada, te nijedan dio rada ne kri bilo ija autorska prava.
Izjavljujem takoer, kako nijedan dio rada nije iskoriten za bilo koji drugi rad u bilo kojoj
drugoj
visokokolskoj, znanstvenoj ili obrazovnoj ustanovi.
diplomskog rada
priljevnim tokovima na
Student/ica:
U Zagrebu,
15.9.2015
(potpis)
50