SVEUILITE U ZAGREBU

FAKULTET PROMETNIH ZNANOSTI

Ivana Gali
USPOREDBA METODA ZA UPRAVLJANJE
PRILJEVNIM TOKOVIMA NA PRIMJERU
ZAGREBAKE OBILAZNICE

DIPLOMSKI RAD

Zagreb, 2015.

Sveuilite u Zagrebu
Fakultet prometnih znanosti

DIPLOMSKI RAD

USPOREDBA METODA UPRAVLJANJA

PRILJEVNIH TOKOVA NA PRIMJERU
ZAGREBAKE OBILAZNICE
COMPARISON OF METHODS FOR RAMP
METERING ON THE EXAMPLE OF ZAGREB
BYPASS

Mentor:
Student:

doc. dr. sc. Edouard Ivanjko

Ivana Gali, 0135218360

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.

Kljune rijei: Umjetna inteligencija; zaguenje; upravljanje priljevnim tokovima; model

zaobilaznice; simulacija

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.

Keywords:Artificial Intelligence; congestion;managethe inflowstreams; bypass model;

simulation

Sadraj
1.

Uvod .............................................................................................................................. 1

2.

Problem upravljanja priljevnim tokovima ..................................................................... 3

3.

4.

2.1.

Problemi zaguenja autocesta ................................................................................ 5

2.2.

Mjere razine usluge ............................................................................................... 9

2.3.

Motivacija koritenja upravljanja priljevnim tokovima ...................................... 10

Najee metode za upravljanje priljevnim tokovima................................................. 12

3.1.

Strategija jedno vozilo po intervalu ..................................................................... 14

3.2.

Strategija vie vozila po intervalu ...................................................................... 14

3.3.

Strategija dvotranoga mjerenja ......................................................................... 14

3.4.

ALINEA algoritam .............................................................................................. 15

3.5.

SWARM .............................................................................................................. 17

Primjena metoda umjetne inteligencije u upravljanju priljevnim tokovima ............... 19

4.1.

Adaptivni neuro-fuzzy algoritam u upravljanju priljevnim tokovima ................. 20

4.1.1.
4.2.

Metode prikupljanja podataka ..................................................................... 22

Primjena Q-Learing algoritma ............................................................................. 24

4.2.1.

Q-Learning algoritam .................................................................................. 26

5.

Model zaobilaznice grada Zagreba .............................................................................. 27

6.

Simulacijski rezultati ................................................................................................... 34

7.

6.1.

CTMSIM simulator ............................................................................................. 34

6.2.

Rezultati simulacije ............................................................................................. 36

Zakljuak ..................................................................................................................... 42

Literatura ............................................................................................................................. 44
Popis kratica ........................................................................................................................ 46

Popis slika ............................................................................................................................ 47

Prilog ................................................................................................................................... 49

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

jedan od najuinkovitijih sustava upravljanja koji je zasnovan na stvarnom

vremenskom mjerenju prometnih parametara. Implementacija ovog sustava povezana je

sa novim servisima upravljanja cestovnim prometom iz

podruja inteligentnog

transportnog sustava (ITS).

U nastavku rada bit e opisani glavni razlozi uvoenja sustava upravljanja
priljevnim tokovima uslijedzaguenje cestovnog prometa koje predstavlja stanje koje
karakterizira smanjenje brzine protoka,

poveanje vremena putovanja i poveanje

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.

U nastavku rada bit e prikazan pregled algoritama koji se koriste u upravljanju

priljevnim tokovima urbanih autocesta. Algoritmi za upravljanje priljevnim tokovima
razlikuju se od ostalih po tome jer im je temeljna svrha optimizirati parametre procesa
priljeva priljevnih tokova u glavni tok autoceste kako bi se ostvarile to manje smetnje u
protonosti glavnog toka. Prikazani su najee koriteni algoritmi, meu njima i
ALINEA koja se ubraja u skupinu tzv. lokalnih algoritama.Princip funkcioniranja mu je
dosta jednostavan, ali daje zadovoljavajue rezultate s obzirom na implementaciju i
jednostavnost njegove prirode. Predstavlja najkoriteniji algoritam na europskom sustavu
za autoceste. Prikazan je i SWARM algoritam razvijen kao dio napredne tehnologije
openitog upravljanja priljevnim tokovima. On predstavlja kompetitivan i prometno
ovisan algoritam upravljanja priljevnim tokovima. Osnovni mu je cilj zadrati gustou
glavnog toka ispod definirane razine u stvarnom vremenu.
U zavrnom dijelu rada prikazani su rezultati simulacijskog prikaza zagrebake
obilaznice. Za prikaz rezultata o prometnom modelu upravljanja priljevnim tokovima
uporabljen je program CTMSIM izraen u MATLAB-u. Za izraun simulacije
uporabljeni su realni podaci iz Zagreba koje daju rezultate o priljevnom i ulaznom toku.
Prikazani su rezultati uporabe ALINEA i SWARM algoritma te usporedba sa situacijama
kada ih ne koristimo. Svi grafovi su prikazani kroz vremenski period od 24 sata. Na
temelju dobivenih simulacijskih rezultata prikazani su rezultatepo njihovom potencijalu
za daljini razvoj i primjenu na zagrebakoj zaobilaznici.

2. Problem upravljanja priljevnim tokovima

U ovom radu bit e razraen problem upravljanja prometom napriljevnim
tokovima zagrebake obilaznice. Grad Zagreb, kao najvee i najvanije prometno
krianje u kojemu se odvija ukupno 30% prometa Republike Hrvatske, ishodite je i cilj
mnogih putovanja koja se ostvaruju preko est pravaca razliitih autocesta (A1, A2, A3,
A4, A6 i budua A11).Svi oni zavravaju ili zapoinju na postojeoj zagrebakoj
obilaznici. Od europskih koridora tu se presijecaju koridori X, Xa i Vb.
Uz prometno optereenje tranzitnim prometom, danas zagrebaka obilaznica
preuzima i veliki dio lokalnog prometa grada Zagreba. Neki dijelovi obilaznice ve danas
su postali gradskom prometnicom na kojoj oko 70% prometa koji se njome odvija otpada
na tzv. gradski promet (posebice dionica Jankomir Luko i vor Luko). S obzirom na
ubrzan razvitak ireg podruja Grada Zagreba i Zagrebake upanije, moe se oekivati
zadravanje visoke stope rasta prometnog optereenja to vodi k uvjetima odvijanja
prometa neprimjerenim cestama visoke razine uslunosti. Na postojeoj obilaznici
neprestano dolazi do poveanja prosjenog godinjeg dnevnog prometa (PGDP) zbog
ega dolazi do znaajnog pada razine uslunosti. To za posljedicu ima znaajna 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[4].

Problem dananjice je konstantno poveanje urbanog prometa. To poveanje

rezultira svakodnevnim zaguenjima to je vidljivo na primjeru situacije iz Slike 1.
Urbane autoceste su dizajnirane na nain da omoguuju vrlo brzo i sigurno odvijanja
prometa. Najvei dio autocesta projektiran je tako da mogu podnositi velika prometna
optereenja, no pridimenzioniranju njihovoga kapaciteta teko se moepredvidjeti budua
promjena prometne potranje na priljevnim tokovima koja e utjecati na propusnost
glavnog toka. Urbane autoceste kljuni su dio prometnih mrea svih velikih gradova jer
rastereuju gradske prometnice. Skoro svaki dan svjedoci smo veeg broja prometnih
zastoja ili barem usporenja prometa. U prostornim i vremenskim dimenzijama prometni
zastoji su uobiajeni na dijelovima autoceste u blizini velikih urbanih podruja u ranim
3

jutarnjim ili kasnim poslijepodnevnim satima. Spomenute probleme zaguenja moemo

pripisati

dnevnim

migracijama

do

od

mjesta

zapoljavanja,

obrazovanja,

itd.[1].Upotrebe sustava upravljanje priljevnim vozilima predstavlja jedan od moguih

naina kakosprijeiti navedeni problem.

Slika1.Stanja na zagrebakoj obilaznici tijekom zaguenja

Za sve te probleme vezane uz autoceste u svijetu se ve due vrijeme razmatraju

metode upravljanja priljevnim tokovima. Takav koncept je SAD imao ve 60-tih godina
prologa stoljea, dok je u Europu stigao tek 80-ih godina. U Europskoj Uniji je 2001.
godine pokrenut projekt pod nazivom CENTRICO kako bi bili procijenjeni sustavi
upravljanja priljevnim tokovima ubrzanih autocesta te kako bi na temelju njih bio
napravljen standard na cijelom podruju. Takvi sustavi upravljanja priljevnim tokovima
esto se ujedinjuju pod engleskim nazivom rampmetering[2].U hrvatskom jeziku nema
izravnog prijevoda, ve je pojam definiran kao skupinu prometnih signala koji upravljaju
prometnim

priljevnim

tokovima

na

ulazima

autoceste.

To

je

jedan

od

najuinkovitijihsustava upravljanja koji je zasnovan na stvarnovremenskom mjerenju

prometnih parametara s podruja inteligentnog transportnog sustava (ITS).Predstavlja
sustav koji prilikom prevelikog optereenja na glavnom toku onemoguava priljevnim
vozilima prikljuivanje na glavni tok. Prikljuivanje je onemogueno sve dok se situacija
ne raisti ili ako vrijeme ekanja na priljevnoj rampi prelazi prihvatljive granice ekanja
vozaa ili pak ako red ekanja na priljevnoj rampi postane predug.
4

Glavni operativni razlozi uvoenja upravljanja priljevnim tokovima autocesta su:

-

manja zaguenja i poboljanje protonosti glavnih prometnih tokova na autocesti;

smanjenje vremena putovanja autocestom kao i poveanje pouzdanosti u

planiranju potrebnog vremena za putovanje autocestom;

smanjenje prometne potranje za koritenje autocestom pri kratkim putovanjima;

smanjenje rizika od nastajanja nesrea;

unaprjeenje okolia nastalo kao rezultat smanjenja buke i potronje goriva.

Svrha uvoenja prvoga i drugogaoperativnog razloga je osiguranje stanja u kojem

ukupni broj vozila koji ulazi na autocestu zajedno s vozilima u glavnom toku autoceste
bude nii od kapaciteta koji upuuje na postojanje zaguenja na tom dijelu autoceste.
Cilj treega operativnoga razloga je stvaranje upravljivog zastoja na prilazima autoceste
kako bi se sprijeila kratka putovanja autocestom prilikom vrnih optereenja. etvrti
operacijski razlog ima ulogu usklaivanja brzine i gustoepriljevnoga toka s glavnim.
Time se sugerira vozaima, koji se ukljuuju u glavni tok autoceste pravi trenutak u
kojem se smiju ukljuiti u glavni tok, a da je pritom rizik od nesree najmanji. Peti
operacijski razlog rezultat je prvih triju operacijskih razloga[1].

2.1. Problemi zaguenjaautocesta

Zaguenje cestovnog prometa je stanje

karakterizirano smanjenjem brzine

protoka, duinom vremena putovanja i poveanjem kolone. Period ekstremnog zaguenja

kolokvijalno nazivamo prometni ep(eng. trafficjam). Simulacija zaguenja ukazuje da
u jakom i slobodnom protoku, ep nastaje spontano, a moe biti uzrokovan manjim
dogaajima. Problem koji je ve ranije spomenut najprimjetniji je u bliziniveih
gradova. Posljedice zaguenja autocesta manifestiraju sepokazateljima koji se preteito
odnosena to da prometna potranja premauje kapacitet ceste, da se svakodnevno
poveava broj nesrea i incidenata, da su esti radovi na prometnicama zbog kojih se
promet prebacuju iz lokalnog prometa na autocestu te da se u prometnim
epovimastvara kolona vozila koja pokuavaju ui na autocestu. Gradovi diljem svijeta

nali su se na rubu masovne prometne eksplozije. Situacija se dodatno pogorava zbog

nekoliko razloga:
-

neplanirani gradovi - prometnice su uske i loe izvedene,ne postoji odredba o

skaliranju cestovne infrastrukture s porastom gradova;

rast stanovnitva ini neuspjenom klasinu strategije upravljanja prometom

slaba disciplina

vozai se ne dre prometne discipline pogotovo na

raskrijima; topogorava ionako pretrpanu prometnu situaciju,vozai nerijetko

prolaze kroz crveno svjetlo to izaziva dodatne blokade i ove probleme ini
josloenijima;
-

alternativna prometna sredstva zemlje s brzo rastuim gospodarstvom imaju

sve vie vozila na gradskim prometnicama, a zbograzraenogsustave javnoga
gradskoga prijevozaljudima esto ne preostaje drugi izbor osim uporabe osobnoga
vozila; dodatna sloenost ovoga problema ogleda se u tome to ljudi doivljavaju
posjedovanje osobnog automobila znakom blagostanja, dok javni prijevoz
povezuju s niim drutvenim slojevima;

smanjeni prorauni znaajan iznos sredstava potrebno je uloiti u upravljaku

prometnu infrastrukturu koja se moe nositi s rastuim prometom, a takva
infrastruktura ukljuuje mjerenja i analize u stvarnom vremenu te podatke o
prometu uz usredotoenost na otkrivanje zaguenja [1].
Uobiajen razlog zaguenja gradskih cesta je u gustoi prometnih tokova koji

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).

Mjesto formiranja uskog grla

Ul
az
na

ra
m

pa

Autocesta

Efekt preljeva
prometa
Gradska prometnica

Slika 2. Mjesto formiranja uskog grla i efekti preljeva prometa [2]

Posljedica zaguenja prometa su vieznane i uzrokuju vie problema:

-

zastoj gubitak vremena i vozaa putnika; kako je za veinu vonja

predstavlja neproduktivnu aktivnost, zaguenje smanjuje regionalnu
ekonomiju i produktivnost (prihod), odnosno generira dodatni troak;

kanjenje zaguenje moe izazvat prekasni dolazak na posao, poslovni

sastanak, kolovanje ili bilo koji dogovor za koji je vaan toan i
pravovremeni dolazak;

gubitak goriva i poveano zagaenje okolia u prometnom zaguenju

prekomjerno se troi pogonsko gorivo i poveava oneienje okolia zbog
rada motora u mjestu, eeg ubrzanja i koenja;

efekt prelijevanja vozai nekontrolirano trae alternativne putove

zaguenim glavnim arterijama, koristei sekundarne ceste to uzrokuje
poveanje prometa u inae mirnim naseljima;

stres poveanje stresa i frustracije vozaa uzrokuje

poveanu

potencijalnu opasnost da doe do nesree;

-

oteane hitne intervencije blokiran promet moe onemoguiti prolaz

vozilima hitne pomoi da dou pravovremeno do odredita gdje su
potrebni [3].

Prometno zaguenje je ozbiljan problem u mnogim gradovima u svijetu i dovodi

do milijardi dolara gubitaka godinje. Iako se ulae mnogo napora da se smanje prometna

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.

- BOTTOM UP metoda - koristi se zadnjih 40 godina i izraunava troak

zaguenja po specifinim radovima, utvruje koliko ukupno radova ima te se mnoi
prosjeni troak s brojem ukupnih radova. Za isti primjer, uz ukupno 1,3 milijuna radova
puta 5,3 dana (koliko prosjeno traje pojedina intervencija na cesti) rezultira s 6,9
milijuna dana radova godinje. Prosjeni troak zaguenja po danu je 633 funte (20
sekundi kanjenja po vozilu)to rezultira s 4,3 milijarde funta godinje [1].
Jedna

od

najuinkovitijih

prometnicama pod domenom

metodaupravljanja

prometom

na

gradskim

ITS-a je metodaupravljanja priljevnim tokovima

rampmetering. Glavni cilj te metode je smanjiti i zadrati sposobnost protjecanja prometa

na cesti reguliranjem pristupa ulaznim rampama matice prometa. Upravljanje priljevnim
tokovima ograniava broj vozila koji se prikljuuju cijeloj prometnici koja ulazi na cestu
te ih povremeno skladiti na ulaznu rampu.

2.2. Mjere razine usluge

Generalno postoje tri osnovne mjere za procjenu razine usluge (eng.LOS - Levelof
Service)cesta na koje moe utjecati upravljanje priljevnim tokom, a to su vrijeme
putovanja (eng. TT-travel time), odgoda putovanja i gubitak produktivnosti. Vrijeme
putovanja je jednostavna mjera koja moe pruiti odgovor na pitanje koje se odnosi na
podatak koliko je vremena potrebno jednom vozilu da prijee promatrani dio ceste.
Odgoda putovanja se moe izraunati kao razlika izmeu stvarnih VHT(engl.
vehiclehourstravelled)vrijeme

putovanja

satima

odnosnim

VKT(engl.

vehiclekilometrestravelled) kilometri koje je prolo vozilokroz vrijednost dok ide

brzinom slobodnog toka [sec/veh]. Gubitak produktivnosti je zapravo mjera propusnosti
postrojenja. Definirana je kao broj izgubljenih traka-kilometara-sati na cesti zbog
smanjenoga protoka prometa, dok se vozila u zaguenju prometa umjesto u uvjetima
slobodnog toka [7].
Dodatno, definirana su dva nova kriterija: ukupno vrijemeputovanja svih vozila
(eng. total time spent)TTS potroeno u prometnoj mrei i ukupna udaljenost
putovanja(eng. total travel distance)TTD. TTS vrijednost ukljuuje ukupno vrijeme
ekanja(eng. total waiting time)TWT na ulaznoj rampi i ukupno vrijeme putovanja(eng.
total travel time)TTT provedeno u prometnoj mrei: TTS = TTT + TWT. Minimalizacija
TTS kriterija ukljuuje takoer minimalizaciju vremena ekanja ulazne rampe koja je dio

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].

2.3. Motivacija koritenja upravljanja priljevnim tokovima

Kao dio upravljakog procesa, koriste se cestovni signali na ulaznoj rampi da
upravljaju koliinom ili veliinomskupine ulazeih vozila. Cijeli sustav se zasniva na
stvarnim podacima prikupljenim preko cestovnih senzora. Takav sustav sadrava
potrebne signalne ureaje i znakove kako bi se sudionike prometa na vrijeme upozorilo i
obavijestilo o radu rampe.Radi pouzdanog rada sustav koristi prilian broj senzora.
Senzori su uglavnom smjeteni na ulaznoj rampi i na glavnoj cesti. Oni prate i mjere te
vre procjene toka prometa, brzinuvozila, brzinu ulazne rampe te detektore prevelike
duljine reda ekanja na priljevnom toku. Osnovna instalacija toga sustava na dionici
urbane autoceste je prikazana naSlici 3. Postavljena je samojedna lokalna ulazna rampa.
Lokalni upravljaki posluiteljna ulaznoj rampi je povezan sa sredinjim upravljakim
posluiteljem. Podatci prikupljeni putem navedenih senzora skupljaju se u posluitelje na
ulaznoj rampi i autocesti. Informacije iz tih posluitelja potom se distribuiraju do glavnog
posluitelja kojim potom prosljeuje relevantne informacije viim razinama upravljanja
kao to su lokalni odnosno regionalni prometni upravljaki centri. Nakon razmjene
informacija mogue je pouzdano i efikasno upravljati ulaznom rampom. Dodatno moe
postojati veza s ostalima prometnim upravljakim sustavima kao to su varijabilno
ogranienje brzine, informiranje vozaa ili sprjeavanje promjene prometne trake [1].

10

U
ra lazn
m a
pa
Slika 3. Osnovna upravljaka instalacija ulazne rampe na dijelu autoceste [1]

11

3. Najee metode za upravljanje priljevnim tokovima

Ve dugi niz godina postoje metode za upravljanje priljevnim tokovima na
autocestama.U samom poetku, za upravljanje priljevnim tokovima koritene su izolirane
ili lokane upravljake metode (algoritmi) koje su upravljale priljevnim tokovima na
pojedinom ulazu na autocestu. Kasnije su se poele primjenjivati koordinirane metode
upravljanja koje prikupljaju i dijele informacije o zauzeu na svakoj ulaznoj rampi te ih
meusobno razmjenjuju.Najvea mogua vrijednost propusnosti prilaza autocesti ovisi o
tipu strategije koja se koristi kod upravljanja priljevnim tokovima. Tri su vrste strategija
pri upravljanju pristupom glavnim priljevnim tokovima. Svaka se razlikuje prema vrsti i
rasporedu prometne signalizacije, kao i dizajniranju mehanizma rada algoritma.
Algoritmi za upravljanje priljevnim tokovima razlikuju se od ostalih po tome jer
im je temeljna svrha optimizirati parametre procesa priljeva priljevnih tokova u glavni
tok autoceste kako bi bile ostvarene to manje smetnje u protonosti glavnog toka.
Algoritme kao takve moemo podijeliti u dvije skupine:
1. Izolirane ili lokalne kod kojih je algoritam primijenjen na pojedinom prilazu
autocesti neovisno o stanju prometa na drugim prilazima. Ovu skupinu ine dva
tipa algoritma, upravljanje bez povratne veze i upravljanje s povratnom vezom.
Algoritmi upravljani bespovratnom vezom usporeuju trenutne podatke o zauzeu
detektora sa povijesnim podacima o zauzeu za svaku detekcijsku lokaciju kako
bi odabrao odgovarajui nain upravljanja za slijedei upravljaki period ili imaju
vremenski fiksno podeene naine upravljanja. Algoritmi upravljanja bezpovratne
veze prilagoavaju nain upravljanja kako bi smanjili izmjereno zauzee na
detektorima na eljeno zauzee koristei usporedbu sa podeenim referentnim
zauzeem glavnog toka.
2. Koordiniranealgoritam je primijenjen u meusobno ovisnom upravljanju
priljevnim tokovima u odreenoj skupini prilaza autocesti koji pokriva navedeni
algoritam, to je skupina algoritama koja uzima u obzir prometno stanje cijelog
prometnog sustava autoceste dok lokalna skupina algoritama donosi odluke o
vrijednosti toka koji se proputa na prilazima neovisno o ukupnoj situaciji.
Ovi algoritmi dodatno se dijele na:

12

A)Kooperativne razlikuju se od klasinih koordiniranih algoritama po

tome to se nakon prorauna stupnja proputanja toka na svakom prilazu
dodatno proraunavaju promjene na tim vrijednostima. Promjene se
proraunavaju prema informacijama o cijelom sustavu autocesta kako bi se
izbjeglo zaguenje na uskim grlima ili proputanje prevelike koliine
priljevnog prometnog toka s pojedinih prilaza. Najvea mana ovog algoritma
je to je osjetljiv na iznenadne kritine situacije zaguenja

poglavito iz

razloga to se promjene proraunavaju po ad hoc prirodi. Danas ih gotovo

nema u operacionalnoj upotrebi budui da

predstavljaju novi pristup

upravljanju. Najee se koristi ALINEJA ili neka njezina izvedenica.

B)Nadmetajue imaju preteito dvije upravljake logike po kojima
proraunavaju stupanj proputanja priljevnog prometnog toka s prilaza.
Obino se radi o lokalnoj ili globalnoj upravljakoj logici. Svaka vrsta
upravljake logike ponudi vlastitu vrijednost za stupanj proputanja priljevnog
toka pojedinog prilaza. Odabere se ona vrijednost koja je manja. Ovo je danas
najrairenija podskupina algoritama za upravljanje priljevnim tokovima u
operativnoj upotrebi.
C)Integriraneod ove tri podskupine algoritama, ovi su najzanimljivija i
najsofisticiranija podskupina; definira ih se kao upravljaki sustav koji ima
cilj optimizirati proces upravljanja priljevnim tokovima integracijom razliitih
tipova upravljakih algoritama koji kao ulaz koriste irok spektar prometnih
parametara. Oni mogu biti integrirani svi u jedinstven algoritam ili mogu
djelovati jednostavno pomou posebnih integracijskih modula. Takoer, esto
imaju precizan cilj u upravljanju koji moe biti eksplicitno ili implicitno vezan
za upravljaku akciju. Uglavnom ova skupina algoritama ima kompleksu
logiku rada i zahtjevni proraun. Od iznimne im je vanosti kvaliteta ulaznih
podataka. Danas je ova podskupina algoritama jo u eksperimentalnoj fazi pa
se stoga u praksi gotovo i ne koristi. Implementirani su u pilot projekte u
sklopu njihove provjere na stvarnom prometnom sustavu.

13

3.1. Strategija jedno vozilo po intervalu

Ova strategiju omoguava jednom vozilu ulazak u glavni tok autoceste za vrijeme
trajanja svakoga signalnoga ciklusa semafora. Klasini signalni ciklus semafora se sastoji
od zelenoga, utoga i crvenoga svjetlosnoga indikatora. U sluaju upravljanja priljevnim
tokovima koristi se samo zeleni i crveni indikator semafora. Treptajue uto svjetlo u tom
sluaju znai da je sustav iskljuen. Duljina zelenoga svjetlosnoga signala bi trebala biti
postavljena na vrijednosti koje osiguravaju dovoljno vremena za prolazak jednoga
automobila preko linije za zaustavljanje. Dok s druge strane, duljina crvenoga intervala
trebala bi biti dovoljno dugaka za zaustavljanje vozila koje se nalazilo iza vozila koje se
ukljuilo u glavni tok autoceste. Istraivanja su pokazala je minimalni ciklus u trajanju 4
sekunde premalen jer se njime ne postie cilj da se svako vozilo zaustavi prije nego se
prikljui glavnom toku autoceste. Bilo koja dekoncentracija ili nepanja vozaa pri
pokretanju vozila na zeleno svjetlo semafora uzrokuje nepotrebno troenje vremena
ciklusa zelenog svjetla. Zato je razumnije minimalno trajanje ciklusa od 4,5 sekunde
strajanjem crvenoga svijetla od 2,5 sekunde [1].

3.2. Strategija vie vozila po intervalu

Ova strategija omoguava prolazak dvaju ili vie vozila u glavni tok za vrijeme
trajanja zelenog svjetla. Osnova ove strategije zasniva se naproputanja dvaju automobila
za vrijeme trajanja zelenog svijetla. Moe se proputati tri ili vie vozila, ali time se
poveava i mogunost nesrea [1].

3.3. Strategija dvotranoga mjerenja

Strategija je to koja zahtijeva dvije trake na prilazu autoceste. Temelji se na tome
da se upravlja mijenjanjem trajanja ciklusa za svaku prometnu traku zasebno. Ciklusi
koje upravljanje koristi mogu, ali ne moraju, biti sinkronizirani. U mnogim sluajevima
sinkronizacija je napravljena na nain da se nikada ne ukljuuje zeleno svijetlo za obje
trake istovremeno. Intervali izmeu dva zelena indikatora su sinkronizirani kako bi bio
osiguran stalan razmak izmeu dva vozila u razliitim trakama [1].

14

3.4. ALINEA algoritam

Ubraja se u skupinu lokalnih algoritama. Princip funkcioniranja
niranja mu je dosta
jednostavan, a daje zadovoljavajue
zadovoljavaju
rezultate s obzirom naa implementaciju i
jednostavnostnjegove
njegove prirode. Njegova vanost se oituje pri bilo kojoj analizi i
usporedbi

algoritma za upravljanje priljevnim tokovima. Predstavlja

redstavlja najkoriteniji

algoritam na europskom sustavu za autoceste. ALINEA

AL
je tip algoritma koji se temelji na
logikoj
koj strukturi povratne veze od strane
strane detektora glavnog toka autoceste. Cilj ovog
algoritma je dinamiki
ki odrati razinu
raz
zauzea kapaciteta dijelova autoceste na koju se
prelijeva
jeva sporedni tok ispod predefinirane granice zauzea
zauze dotinog
nog toka [1].ALINEA
algoritam radi na principu da je na svakoj
akoj traci autoceste samo jedan detektor.
detektor On se
postavlja nie od prilaza autocesti na kojoj se nalazi ugraeni algoritam [8].

Slika 4. Lokacija detektora algoritma ALINEJA u odnosu na klasini

klasini [1]

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].

Jedan od nedostataka ovoga algoritma je pretpostavka kako vozilo prolazi

udaljenost od zaustavne linije na prilazu od detektora do detektora, prethodno
pretpostavljenim intervalom. Ako je detektor previe udaljen od prilaza autoceste ili je
pretpostavljeni vremenski interval premalen, kako bi pretpostavka bila tona, koristit
emo sljedeu jednadbu :

r(t) = r(t-1) + [O (t)] + [O- (t)] + [ (t) (t - 1)],

Kr
=/(T) - > 0

= ,

T interval uzrokovanja (s)

broj kolnikih traka
- daljina vozila ( km)
trenutano zauzee kapaciteta autocesta u vremenskom periodu t(%)
koeficijent kalibracije ulaza.21

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.

U algoritmu SWARM 1 gustoa na uskim grlima predvia se upotrebom linearne

regresije na podatke prikupljene u neposrednoj prolosti te primjenom procesa
Kalmanovog filtriranja. Parametar Tcrit predstavlja vremenski raspon predvianja koji
najee iznosi nekoliko minuta. Parametar Viak gustoe predstavlja razliku izmeu
predviene gustoe i unaprijed definirane granine gustoe koja predstavlja razinu
zasienja na uskom grlu. Viak gustoe je zamijenjen s (trenutnim) parametrom potrebne
gustoe kako bi se izbjegla gustoa u Tcrit.[10].

Potrebna gustoa = Trenutna gustoa (Viak gustoe/ Tcrit)

Odgovarajue smanjenje prometnog volumena na pojedinom detektoru rauna se:

17

Smanjenje prometnog volumena = (Lokalna gustoa potrebna

gustoa)*(Broj traka)*(Udaljenost do slijedeeg sektora)
Smanjenje prometnog volumena ( ili viak ako je lokalna gustoa manja od
potrebne gustoe) distribuira se prema drugim ulaznim rampama u sektoru u skladu s
unaprijed definiranim distribucijskim faktorima baziranim na potranji, duljini reda
ekanja i dr.
Na lokalnoj razini funkcionira SWARM2B algoritam. Koristi stvarno vremenske
podatke o lokalnim prometnim uvjetima prikupljenim senzorom postavljenim na poetku
svake ulazne rampe. Predstavlja tradicionalni lokalni sustav za upravljanje ulaznim
rampama.

Moe se mijenjati ovisno o lokaciji i situaciji te moe biti bilo koji od

postojeih lokalnih upravljakih sustava. Koristi tradicionalne empirike metodologije za

lokalno upravljanje priljevnim tokovima na prilazima autoceste. Koeficijent mjerenja u
ovom algoritmu

prilagoen je na nain prema kojemu se gustoa prometnog toka

zadrava ispod kritine.

Napomenuti algoritmi se paralelno odvijaju te daju razliite vrijednosti pri emu
nadreeno SWARM upravljanje odabire minimalnu vrijednost kao konanu. Danas je
SWARM algoritam jedan od najboljih algoritama u upravljanju priljevnim tokovima koji
se primjenjuje u praksi.

18

4. Primjena metoda umjetne inteligencije u upravljanju

priljevnim tokovima
Danas su moderne autoceste pod utjecajem pojaane prometne potranje i sve
tee mogu ispuniti traenu razinu usluge. U veini sluajeva nema ni prostora za gradnju
dodatne infrastrukture. Kako bismo se nosili s velikim svakodnevnim promjenama u
prometnoj potranji, za upravljanje priljevnim tokovima primjenjuju se razni pristupi s
autonomnim svojstvima kao to je automatsko ispravljanje (samouenje, eng. selflearning). Trend pojaane prometne potranje je posebno aktivan u gusto naseljenim
podrujima gdje se dnevna prometna zaguenje dogaaju redovno tijekom pice.
Zaguenje je vaan problem u cestovnom prometu jer moe znaajno smanjiti razinu
uslunosti (LOS Levelof Service) korisnicima prometa. Prometno zaguenje izaziva
kanjenje koje uzrokuje gubitak vremena vozaima i putnicima kao i pojaanu potronju
goriva.
Uzimajui u obzir gore navedene injenice, jasno je kako je vano razviti
uinkovite metode upravljanje prometom autoceste kako bi se ublailo zaguenje i
osigurao inicijalno planiran LOS. Takve metode kontrole prometa su u djelokrugu
Inteligentnog

transportnog

procesa

koritenjem

informacijsko-komunikacijske

infrastrukture i ureaja, a danas su tome dodana i autonomna svojstva kao to su

samouenje, samoprilagodba, samokonfiguracija, i druga.
U prethodnom poglavlju opisan je rad najrairenijih algoritama za upravljanje
priljevnim tokovima u operativnoj primjeni. Cilj ovoga rada je i pokuaj stvaranja novog
kontrolora koji e biti baziran na neuronskim mreama i neizrazitoj logici. U umjetnoj
inteligenciji ovi sustavi se nazivaju hibridnim. Izabrana je ova metoda poglavito iz
razloga to se danas rijetko koriste metaheuristike metodologije u rjeavanju
razmatranog problema.

19

4.1. Adaptivni neuro-fuzzy algoritam u upravljanju priljevnim

tokovima
Sinteza neizrazite logike i neuronskih mrea oznaava se u MATLAB okruenju
akronimom ANFIS. Akronim oznaava adaptiveneuro-fuzzyinference system, tj.
algoritam koji na principu umjetnih neuronskih mrea modelira parametre sustava
neizrazitih pravila odnosno FIS-a (eng. Fuzzyinteference system). Parametri su u obliku
AKO-ONDA pravila, znaajke funkcija pripadnosti, broj ulaza, i slino. Sve ga to ini
svojevrsnom bliskom kopijom ljudskog rasuivanja o upravljanju prometnim tokovima
na autocesti kao to je ve ranije opisano. Motiv zbog kojeg rabimo ovaj algoritam je
nemogunost odreivanja preciznih granica funkcije pripadnosti pri pojedinim ulazima
FIS-a. Osnovna i temeljna ideja ANFIS algoritma je da se na temelju poznatih
ulazno/izlaznih skupina podataka konstruira FIS pri kojemu se funkcije pripadnosti
prilagoavaju samostalnim koritenjima algoritama povratnog rasprostiranja pogreke ili
kombinacije s metodom najmanjih kvadrata hibridni algoritam uenja. Prilagodbe
omoguuju neizrazitom sustavu da ui na temelju ulazno/ izlaznih skupina podataka.
Rad ANFIS algoritma za iskljuivo upravljanje priljevnim tokovima je prikazan
na Slici 5.Sustav upravljanja ANFIS za upravljanje priljevnim tokovima koristi jedan od
ve

postojeih algoritama na segmentu autoceste nad kojim se primjenjuje sustav

upravljanjapriljevnim tokovima.U naem sluaju uporabljen je SWARM algoritam.

SWARM algoritam ili bilo koji dugi algoritam, funkcionira normalno, ali se ulazni i
izlazni podatci procesuirani od strane algoritma biljee u posebnu bazu podataka po
principu jedan par (ulaz-izlaz) - jedan element u tablici. Zatim se na temelju tih podataka
inicijalizira poetni neizraziti sustav MATLAB naredbom genfis[2].
Adaptivna neuronska mrea prilagoava parametre funkcije pripadnosti
neizraziti sustava i gradi bazu znanja na temelju baze podataka parova za uenje.
Neuronska mrea stvara novi neizraziti sustav koji je prilagoen potrebnom nainu
reagiranja na specifine i nespecifine situacije u prometnom sustavu autoceste. Opim
znanjem o upravljanju algoritam bi u teoriji trebao prepoznati situacije koje su sline
situacijama kojima je prilagoen te na njih odgovarati u skladu s tim nauenim opim
znanjem. Cilj je odrediti jesu li njegovi odgovori zaista bolji od SWARM algoritma i
kako utjeu na parametre prometnog sustava autoceste. Neizrazita logika bi cijelom
sustavu trebala dati dodatni stupanj kvalitete u odluivanju. Trenutak kad je uenje
20

zavreno kao i pitanje odabira algoritma, odabire operater. Odabir

ovisi o eljenoj

kakvoii djelovanja cijelog sustava te o odluci eli li se algoritam postaviti u funkciju

lokalno ili globalno.

Slika 5.Koncept rada ANFIS algoritma za iskljuivanje

ivanje upravljanja priljevnim tokovima [2]

Struktura ANFIS algoritma sastoji se od procesa izgradnje adaptivne mree koja

je u stvari velika skupina razliitih
razli
unaprijednih neuronskih mrea s mogunou
mogu
nadzornog uenja.
enja. Adaptivna mrea
mrea je mrena struktura koja se sastoji do vorova i
usmjerenih veze putem kojih su vorovi povezani. vorovi
vorovi su organizirani u mreu
unutar koje su neki (ili ak svi) vorovi prilagodljivi to znaii da njihovi izlazi ovise o
parametrima koji se mijenjaju kroz
kr mreu prolazeii kroz razne veze i vorove koji
dovode parametre do promatranog vora.
vora. Sukladno spomenutom, primjenu vrijednosti
parametara provode adaptivni i neadaptivni vorovi
vorovi mree, ali u sprezi s pravilima uenja
u
koji specificiraju na koji e
se nain
in ti parametri mijenjati kako bi se minimalizirala
popisana mjera pogreke.

21

4.1.1. Metode prikupljanja podataka

Za prikupljanje skupa podataka za uenje
u enje u prometnom modelu upravljanja
priljevnim tokovima na zagrebakoj
zagreba
obilaznici koriten je simulacijski program
prog
CTMSIM
izraen
en u MATLAB okruenju. Prije samog procesa prikupljanja
prikupljanja podataka postavljen je
hipotetski model budue
e ANFIS strukture, odnosno konano
kona no dobivenog neizrazitog
sustava. Donijeli smo odluku to e biti izlaz FIS-a koji ee generirati ANFIS algoritam
algo
i
koji ee to ulaz biti u smislu najboljeg opisivanja sustava i produkcije najmanje pogreke
prilikom uenja. Izlaz emo definirati kao veliinu
veli inu toka koju moe propustiti algoritam na
prilazima autoceste. Izlaze i potencijalne ulaze generirat emo
emo uz pomo CTMSIM
simulacijskog alata kojega emo

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

Osnovni princip rada programa oituje

o
se kroz provoenje sljedeeg
eg eksperimenta s
jednostavnim modelom autoceste. Uzimamo 8 segmenata/elija
segmenata/ elija pri emu je svaki
segment duljine 1 milje. Na prilazu u petom segmentu prouzrokovano je usko grlo jer
smo vrijednosti priljevnog toka u tom segmentu poveali
pove ali za 100 vph to je, logino,
logi
dovelo do pogoranja parametara prometnog toka. U ovom sluaju
slu aju prosjeno
prosje
vrijeme
putovanja autocestom prikazano je na Slici 7.

Slika 7. CTMSIM prikaz detekcije uskog grla [2]

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

Slika 8. CTMSIM prikaz rjeenja uskog grla [2]

Ovim je primjerom prikazana vanost utjecaja regulacije priljevnih tokova na parametre

glavnog toka. U ovom sluaju
slu
promatralo se prosjeno
no trajanje putovanja cijelom
autocestom (eng. Travel Time)
Time u minutama. Zbog ogranienja priljevnog toka u segmentu
5 sa 100 vph na 10 vph, prosjeno
prosje no trajanje putovanja autoceste se skratilo na 4 minute.
Taj rezultat upuuje
uje na potrebu razmatranja mogunosti
mogu nosti automatske regulacije priljevnih
tokova pogotovo iz razloga to u naem sluaju
slu aju primijenjen jednostavan model autoceste,
aut
dok su u stvarnosti sustavi autoceste znatno kompleksniji i dinaminiji.
dinaminiji. Stoga je teko s
njima runo upravljati [2].

4.2. Primjena Q-Learing

Learing algoritma
Standardni rampmetering algoritmi, kakva je ALINEA,
A, ne mogu se nositi sa
irokim opsegom primjene u prometnoj
p
potranji. Istraivaii su zato poeli
po
razvijati i
primjenjivati razne pristupe inteligentne kontrole utemeljene na uenju.
u enju. Nauiti
Nau
reagirati
na

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

proba i traenje pogreke te nagrada. Uenik

U enik ili autonomni izvritelj koji osjea
osje svoju
okolinu ili djeluje u njoj, moe kroz probe odabrati optimalnu akciju ili akcije koje vode
veoj nagradi. Veaa nagrada ujedno znai
zna i veu uslunost upravljanje dionice urbane
autoceste.

Slika 9. Interakcija agent-okruenje [14]

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))

(s, a)) je aurirano stanje i akcija tijekom n

je ukupan broj posjeta za ovaj par stanjestanje-akcija do n -tog

ponavljanja [14].

26

5. Model zaobilaznice grada Zagreba

U ovom radu bit e
e prikazan

model zaobilaznice grada Zagreba na potezu

Zaprei Ivanja Reka. Zagreb je najvanije i najvee

najve e prometno krianje u kojem se
odvija 3'% ukupnog prometa Republike Hrvatske, ishodite
ishodite je i cilj mnogih putovanja
koji se danas ostvaruju preko est pravaca autoceste(A1,
(A1, A2, A3, A4, A6 i budua
budu A11).
Njihov poetak
etak ili kraj je na obodnoj junoj prometnici zagrebake
zagreba ke obilaznice. Autocesta
A1, najdulja autocesta, preko vorita Luko povezuju Zagreb s Karlovcem, Gospiem,
Gospi
Zadrom, ibenikom, Splitom i Ploama,
Plo
dok A6 preko vora Luko
ko povezuje Zagreb s
Rijekom najveim lukim
kim
kim sreditem Republike Hrvatske. Autocesta A3 je druga
autocesta po duini u Republici Hrvatskoj. Vodi od Bregane preko Zagreba i Slavonskog
Broda na granicu sa Srbijom. Autocesta A4 ide od Goriana
Gori
na maarskoj
arskoj granici prema
Zagrebu i povezuje Zagreb s Varadinom i akovcem.
akovcem. Autocesta A2 protee se od
Macelja na hrvatsko-slovenskoj
slovenskoj granici preko Krapine do vora Jankomir.
omir. Ove autoceste
su ve izgraene
ene i nalaze se u sustavu prometne mree ireg podruja
podru
grada Zagreba.
Autocesta A11 budua
a je autocesta koja ee kada bude dovrena povezivati gradove
Sisak i Veliku Goricu sa Zagrebom i Zagrebakom
Zagreba
zranom
nom lukom. Njezina
meunarodna
unarodna oznaka, koja apostrofira njezinu vanost, je E70 (europska
europska autocesta 70).
70

Slika 10.Prikaz
10
spoja autocesta oko grada Zagreba [11]

27

Zbog svog karaktera zagrebaka

zagreba
obilaznica u znaajnoj
ajnoj mjeri slui i kao dio
mree gradskog
skog prometa, a neki dijelovi obilaznice ve danas su postali gradskom
prometnicom tako da oko 70% prometa koji se po njoj odvija otpada na tzv. gradski
promet (posebice dionica Jankomir Luko i vor Luko).
ko). S obzirom da smo svjedoci
ubrzanog razvitka

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

Slika 11. Zagrebaka obilaznica

28

Slika 12. Obilaznica Ljubljana

I u nekim europskim gradovima postoje slini

sli ni problemi kakve imamo na
zagrebakoj
koj obilaznici. Za potrebe ove analize uzeli smo primjer Ljubljane. Na Slikama
11. i 12. vidimo
idimo usporedbu dvaju gradova (gornja
(
se odnosi naa Zagreb, a donja na
Ljubljanu).. Na prvi pogled zapaamo da oba ova grada imaju dosta prometnih vorova na
svojim obilaznicama. Prosjena
Prosje
duljina jednog vora u Ljubljani se odnosi na 1,13
1
km
dok u Zagrebu

iznosi 1,,37 km. Vidljivo je da u Zagreb ima sloenije

sloenij vorove od

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

zagreba ka obilaznica nije u potpunosti

zagrebaka

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

Italija i Austrija, PGDP (prosjeni

(p
ni godinji dnevni promet)

dravnih cesta i autocesta u 2013.godini iznosio je samo 6,643

6
vozilato
to je daleko ispod
europskih vrijednosti.
S obzirom da Hrvatske autoceste imaju jako nisku prosjenu
nu prometnu gustou,
gusto
ali visok stupanj smrtnosti, ugradnja sustava za upravljanje priljevnim tokovima u
poetku
etku bi imala preteito sigurnosnu zadau.
zada u. Na temelju navedenih svjetskih iskustava
iskusta
to se i predlae. U sluaju
aju zagrebake
z
obilaznice
ce treba promatrati sustav sa stvarnostvarno
vremenskim podatcima koji su karakterizirani znaajnim
zna ajnim prometnim optereenjima
optere
u
pojedinim dobima dana na pojedinim voritima.
voritima. Svoju punu ulogu ovaj sustav mogao bi
29

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

predlae se primjena lokalnih algoritama za upravljanje priljevnim

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

Slika 13. Prikaz PGDP-a

PGDP a u 2015. godini na hrvatskim autocestama [12]

Sustav za upravljanje priljevnim tokovima imao bi znaajnu

zna nu ulogu u poboljanju
prometne sigurnosti na ovim osjetljivim dijelovima prometnice. Poznato je da stanje
sigurnosti cestovnog prometa ovisi o gustoi
gusto prometa i znaajkama
ajkama prometnih smjerova.
Temeljem sustava praenja
enja stanja sigurnosti i prikupljenih podataka
podataka uoava
uo
se pravilnost
da na podruju
ju s porastom gustoe
gusto e prometa raste i broj prometnih nesrea,
nesre ali su najtee
posljedice (poginuli i teko ozlijeeni)
ozlije eni) razmjerno blae nego u podrujima
podru
rjee
naseljenosti i slabije gustoe
gusto
prometa. Na Slici 14. vidimo da se na podrujima
podru
Zagrebake, Splitsko-dalmatinske,
dalmatinske, Osjeko-baranjske
Osje
baranjske i Istarske upanije dogaa
doga 59% od
ukupnog broja prometnih nesrea
nesre a na hrvatskim cestama. U 2013. godini zabiljeen je
manji broj prometnih nesrea
nesre u odnosu na 2012.godinu, kao i manji broj poginulih osoba
u tim nesreama. Meutim,
utim, vidljivo je takoer
tako er da je broj poginulih u Zagrebakoj
Zagreba

31

upaniji znatno iznad broja poginulih po ostalim upanijama. U Zagrebakoj

Zagreba
upaniji u
2013. godini dogodilo se vie od 2.500
2
nesrea s vie od 70 poginulihh osoba.

Slika 14. Prometne nesreee s nastradalim osobama i poginule osobe po policijskim upravama 2012/2013
[13].

Danas stopa na sto tisua

tisu poginulih stanovnika iznosi 8,6. Prisjetimo se da je
najdramatinije
nije bilo 1979. godine kada je bilo 1.605 poginulih osoba.. To je bila stopa od
34 poginula na sto tisua
a stanovnika. Samo u najrazvijenijim europskim zemljama koje
k
najvie ulau u sigurnost cestovnog prometa danas se ta stopa kree
kre oko etvero
poginulih. Kada ee sigurnost
sigurno prometa na hrvatskim cestama, pa i na zagrebakoj
zagreba
zaobilaznici, dosegnuti tu razinu, ovisi o naporu
naporu cjelokupnog drutva, ulaganjima u
poveanje
anje sigurnosti cestovnog prometa te osobito o razvitku prometne infrastrukture
infrastr
svih sudionika u prometu.

32

Slika 15. Prikaz broja stradalih sudionika u nesreama

nesre ama po autocestama u razdoblju 2006. 2010 [7]

Buduii da je u ovom radu teite na zagrebakoj

koj obilaznici koja je segment
autocesta A3, A1, A4 i A11 iz navedenog grafa sa Slike 15.moemo
moemo uoiti
uo
podatke za
cjelovitu

autocestu A3.. Iz tih podataka mogue

mogu
jeuoiti kako je ona meu
me

najnesigurnijim autocestama u Republici Hrvatskoj. Uoavamo

Uo avamo smanjenje
smanjenj broja smrtno
stradalih za 10,3%
3% dok se broj tee povrijeenih
povrije
osoba poveao
ao za 21,1%, a lake
povrijeenih
enih za 0,6% u odnosu na 2009. godinu. Ti podatci sugeriraju da su potrebna
daljnja ulaganja u podizanje stupnja sigurnosti na toj autocesti, a jedna od moguih
mogu mjera
je svakako i sustav upravljanja priljevnim tokovima prometa.

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.

Slika 16. Zagrebaka obilaznica

6.1. CTMSIM simulator

Za prikupljanje podataka u prometnom modelu upravljanja priljevnim tokovima
na zagrebakoj
koj obilaznici koriten je program CMTSIM
CMTSI izraen
en u MATLAB okruenju.

34

Kako bismo mogli dizajnirati odgovarajui

odgovaraju i algoritam za upravljanje priljevnim tokovima
na toj obilaznici, potrebno je izraditi odgovarajui
odgovaraju i model autoceste u odgovarajuem
odgovaraju
makrosimulacijskom alatu. CTMSIM je makrosimulacijski alat interakcije glavnih i
priljevnih tokova na autocesti. Mikrosimulacijski alat CTMSIM slui za provedbu
makrosimulacije prometnih tokova na autocesti s naglaskom na upravljanje ulaznim i
izlaznim tokovima u svrhu poboljanja parametara glavnog toka. Okruenje
Okr
CTMSIM
alata vidimo na Slici 17.

Slika 17. Suelje CTMSIM makrosimulacijskog alata

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.

6.2. Rezultati simulacije

Za rezultate simulacije usporeeni su rezultati vremena putovanja i kanjenja koji
se odnose na zagrebaku obilaznicu. Gotovi rezultati su uporabljeni u lokalnom algoritmu
ALINEA (oznaena crvenom bojom), SWARM algoritmu (oznaen zelenom) i
upravljanju priljevnim tokovima (oznaeno plavom). Travel Time prosjeno je vrijeme
putovanja svih vozila koja ele koristiti kapacitet autoceste u odnosu prema trajanju
simulacije u minutama. Vremenski period u kojem smo promatrali je 24 sata. U poetku
vidimo da je vrijeme putovanja u porastu, ali stagnira do prometnog zaguenja koje se
dogaa oko 16:00 sati i traje priblino 2 sata. Nakon 16:00 sati dogaaju se velike
promjene. Algoritam bez upravljanja proljevnim tokovima poinje gotovo konstantno
rasti tj. vozilo poinje provoditi due vremena na autocesti ime se ono pokazalo kao
najloije rjeenje u ovom segmentu analize. Takoer uporabom algoritama ALINEA I
SWARM uviamo istovjetne rezultate, a ti su se rezultati pokazali kao najkvalitetniji. Na
Slici 19.prikazan je uveani graf stanja prometa od 16:00 do 18:00 sati na kojemu je
vidljiva mala razlika izmeu ALINEA I SWARM algoritma.

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 20. prikazuje odnos stvaranja kanjenja pojedinih algoritama prema

vremenu trajanja simulacije. Interval mjerenja je 24 sata. Kanjenje definiramo kao
razliku izmeuu stvarnog VHT-a
VHT (VehicleHoursTraveled) i VHT-aa kojeg bi vozila
ostvarila u sluaju
aju potpuno neometanog glavnog toka pri maksimalnoj dozvoljenoj brzini.
Jedinica mjerenja je vozilo po satu.

Slika 20.Graf odnosa kanjenja i trajanja simulacije po pojedinom algoritmu

Parametri kanjenja nam daju drukije

druk
tumaenje
nje kvalitete reakcije algoritma s
obzirom na parametar VHT. Kanjenje je puno opseniji parametar od VHT parametra.
VHT prati skup vozila glavnog i priljevnog toka na poetku
po etku i na kraju promatranog
segmenta autoceste. Broj vozila na ulazu i izlazu promatranog
promatranog segmenta autoceste biti
bit e
razliit
it zbog priljeva vozila sa sporednih prilaza. Za parametre VHT je bolje to je vea
ve i
dua propusnost priljevnih tokova, jer ee na kraju simulacije vie vozila proi
pro promatrani
segment autoceste te ee biti krae
kra provedeno
edeno vrijeme vozila na autocesti i prilazima. Kod
parametara kanjenja vea
a propusnost daje nepovoljniji rezultat jer to vie automobila
imamo u glavnom toku, to e
e dovesti do pada vrijednosti brzine glavnog toka i uzrokovati
kanjenje. Vidimo da situacija
situacija bez upravljanja ima mali stupanj propusnosti. Razlog tome
je to vozai,
i, za razliku od situacije u gradskoj mrei gdje su brzine manje, ekaju vee
38

razmake izmeuu dvaju vozila koja se na autocesti bre kreu.

kre u. Primjeujemo
Primje
kako i
ALINEA i SWARM algoritmi biljee poveano
ano kanjenje zbog pojaanog
poja
proputanja
priljevnih tokova.

Slika 21. Prikaz glavnog toka u usporedbi d prometnim tokom jedne elije

Na Slici 21. prikazan je prometni tok u jednom

jednom segmentu, u ovom sluaju
slu
uzet je
smo segment 23 vora
vora Velika Kosnica gdje se dogaaju
doga
najve zaguenje u
najvee
popodnevnim satima. Iz grafa na Slici 21.moemo
moemo vidjeti da je prometni tok u 23.
segmentu znatno manji od ulaznog toka. Rezultat toga je zaguenje i kanjenje jer sam
segment ne moe primiti
imiti toliki broj vozila u odreenom
enom vremenskom intervalu.
Sljedeii dijagram nam pokazuje
pok
gustou prometnog toka (Slika
lika 22.).
22. Gustoa
prometnog toka predstavlja broj vozila na jedinici duljine prometnice, po prometnoj traci,
po smjerovima za jednosmjerne prometnice,
prometnice, odnosno u oba smjera za dvosmjerne. Pojam
gustoee vezan je prostorno za odsjek ili prometnu dionicu, a vremenski za trenutno
stanje. Vidljivo je da je gustoa
gusto a konstantna tijekom cijeloga dana. Meutim,
Me
u vremenu
od 16:00 do 18:00
00 sati vidljivo je poveanje
anje na strani bez algoritma dok su se ALINEA I
SWARM i u ovom sluaju
aju
aju pokazali kao idealno rjeenje kod ovog problema.

39

Slika 22.Graf
Graf odnosa gustoe
gusto e i trajanja simulacije po pojedinim algoritmima

40

e, u odnosu na simulacijsko vrijeme dio od 16:00 do 18:00 sati gdje dolazi do

Slika 23. Odnos gustoe,
promjene

Analizom rezultata simulacije zagrebake

zagreba ke obilaznice dobili smo rezultate u
sluaju
aju kanjenja, vremena putovanja i gustoe.
gusto
U navedenim sluajevima
ajevima vidimo da
koritenje algoritama za upravljanje ima bolje rezultate za razliku od onih bez
upravljanja.
avljanja. Jedino se oituje
o
kod parametara kanjenja
njenja da je vea
ve propusnost u
konanici, nepovoljnija jer to vie automobila imamo u glavnom toku to e dovesti do
pada vrijednosti brzine glavnog toka i uzrokovati kanjenje. Prikazanaa je situacija gdje
bez upravljanja imamo mali stupanj propusnosti te kako ALINEA i SWARM algoritmi
biljee poveano
ano kanjenje zbog pojaanog
poja anog proputanja priljevnih tokova. Prikazani
rezultati pokazuju da je uporabom algoritama upravljanja priljevnim tokovima urbanih
autocesta moguee dobiti bolje rezultate uslunosti prometa na simuliranom modelu
zagrebake obilaznice te da oni lake rjeavaju oekivane prometne probleme.

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

upravljanja priljevnim tokovima na zagrebakoj obilaznici zbog postojanja dnevnih

vrnih optereenja koja se pojavljuju kao rezultat

ustaljenih dnevnih migracija

Zagrepana do i od mjesta zapoljavanja ili obrazovanja. Podatci o smrtnosti u prometu

u Zagrebakoj upaniji sugeriraju da su potrebna nova i vea ulaganja u podizanje
stupnja sigurnosti na toj autocesti, a jedna od moguih mjera za ostvarenje toga cilja je
svakako

i sustav upravljanja priljevnim tokovima prometa. Predloene mogunost

rjeavanja

navedenih prometnih problema vezane su za uporabu informacijsko-

komunikacijskih tehnologija i novousvojenih kompleksnih sustava i procesa.

U sluaju zagrebake obilaznice potrebno je u prvom redu promatrati sustav sa
stvarno-vremenskim

podatcima

koji

su

karakterizirani

znaajnim

optereenjima u pojedinim dobima dana na pojedinim voritima, a

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

makrosimulacijskom alatu u interakciji glavnih i priljevnih tokova na autocesti. Taj

mikrosimulacijski alat posluio je za provedbu makrosimulacije prometnih tokova na
autocesti s naglaskom na upravljanje ulaznim i izlaznim tokovima u svrhu poboljanja
parametara glavnog toka. Prikazani surezultatiuporabe ALINEA i SWARM algoritama te
usporedba kada ih ne koristimo. Svi rezultati su prikazani kroz vremenski period od 24

42

sata, a oekivali smo poboljanje protonosti vozila (prometa) na glavnom toku te

smanjenje vremena putovanja.
Za rezultate simulacije usporeeni su rezultati vremena putovanja i kanjenja na
zagrebakoj obilaznici. Rezultati u lokalnom algoritmu ALINEA,SWARM te
upravljanju priljevnim tokovima pokazuju u

poetnim periodima kako je vrijeme

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

je situacija bez upravljanja

koja rezultira niskim

stupnjem propusnosti, a zatim situacija kako ALINEA i SWARM algoritmi biljee

poveano kanjenje zbog pojaanog proputanja priljevnih tokova. Prikazani rezultati
kroz simulacije upuuju da koritenje algoritama ipak daje bolje rezultate na nain da
lake rjeavaju prometne probleme.

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,

University of Zagreb, 2013.

8. LianyuChu,

XuYang,

Optimizationofthe

ALINEA

Ramp-

meteringControlUsingGeneticAlgorithmwith Micro-simulation, Transport Research bord,

AnnualMeeting, 2003
9.http://www.ltrc.lsu.edu/TRB_82/TRB2003-002400.pdf (lipanj 2015.)
10. Panda H.: Kooperativno upravljanje priljevnim tokovima zagrebake obilaznice,
diplomski rad, Fakultet prometnih znanosti, Zagreb, 2014.
11.http://hac.hr/ (srpanj 2015,)
12. http://hac.hr/sites/hac.hr/files/cr-collections/1/pgdp_2014.pdf
13. Bilten o sigurnosti cestovnog prometa, Ministarstvo unutarnjih poslova, Zagreb 2014.
14. Ivanjko E., KoltovskaNeoska D., Greguri M., Vuji M., Jurkovi G., Manduka S.:
RampMeteringControlBased on the Q-LearningAlgorithm, CyberneticsandInformation

44

Technologies, SpecialIssue on ControlingTransportation Systems, Vol. 15 (2015), No. 5;

pp. 88-97, DOI: 10.1515/cait-2015-0019, 2015.

45

Popis kratica
ITS

Asynchronous Transfer Mode

Inteligentni transportni sustavi

TT

Travel time

Vrijeme putovanja

VHT

Vehiclehoursetravelled

Vrijeme putovanja u satima

VKT

Vehiclekilometerstravelled

Kilometri koje je prelo vozilo

LOS

Levelofservice

Razina usluge

TTS

Time to spent

Ukupno vrijeme putovanja svih vozila

TTD

Total travel distance

Ukupna udaljenost putovanja

TTT

Total travel time

Ukupno vrijeme putovanja

RS

Road side

Strana cestovne prometnice

TWT

Total waiting time

Ukupno vrijeme ekanja

PGDP

Prosjeni godinji dnevni promet

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

Slika 20. Graf odnosa kanjenja i trajanja simulacije po pojedinom algoritmu....................38

Slika 21. Prikaz glavnog toka u usporedbi d prometnim tokom jedne elije.........................39
Slika 22. Graf odnosa gustoe i trajanja simulacije po pojedinim algoritmima ....................40
Slika 23. Odnos gustoe, u odnosu na simulacijsko vrijeme dio od 16:00 do 18:00 sati
gdje dolazi do promjene .........................................................................................................41

48

Sveuilite u Zagrebu
Fakultet prometnih znanosti
10000
Zagreb
Vukelieva
4

METAPODACI

Naslov rada:

Usporedba metoda upravljanja priljevnim tokovima na primjeru

zagrebake obilaznice

Autor:

Ivana Gali

Mentor:

doc. dr. sc. Edouard Ivanjko

Naslov na drugom jeziku (engleski):

Comparison of methods for ramp metering on the example of Zagreb bypass

Povjerenstvo za obranu:

prof.dr.sc. Sadko Manduka

doc.dr.sc. Edouard Ivanjko

, predsjednik
,
mentor

dr.sc. Miroslav Vuji

, lan

pof.dr.sc. Hrvoje Gold

, zamjena

Ustanova koja je dodjelila akademski stupanj: Fakultet prometnih znanosti Sveuilita

u Zagrebu
Zavod:

Zavod za inteligentne transportne sustave

Vrsta studija:

sveuilini

Naziv studijskog programa:

Stupanj:

Inteligentni transportni sustavi i logistika

diplomski

Akademski naziv:
mag. ing. traff.
Datum obrane diplomskog
rada:
25.09.2015.

49

Sveuilite u Zagrebu
Fakultet prometnih znanosti
10000 Zagreb
Vukelieva 4

IZJAVA O AKADEMSKOJ ESTITOSTI I SUGLASNOST

Izjavljujem i svojim potpisom potvrujem kako je ovaj

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

Svojim potpisom potvrujem i dajem suglasnost za javnu objavu

pod naslovom

Usporedba metoda upravljanja

primjeru zagrebake obilaznice

na internetskim stranicama i repozitoriju Fakulteta prometnih znanosti, Digitalnom

akademskom
repozitoriju (DAR) pri Nacionalnoj i sveuilinoj knjinici u Zagrebu.

Student/ica:
U Zagrebu,

15.9.2015
(potpis)

50