Embed Size (px)
Citation preview
MODELIRANJE, SIMULACIJE I UPRAVLJANJE PROMETOM
dr. sc Ljupko Šimunović, dipl. ing.Fakultet prometnih znanosti, Zagreb
Zavod za gradski promet
TEMELJNI ZAJEDNIČKI KONCEPTI
Kompleksnost prirode i društva
Pod pojmom “kompleksno” podrazumijeva se nešto vrlo složeno
što nije moguće do kraja opisati i jednostavno riješiti.
Kompleksnost označava mnogobrojnost pojava i odnosa.
Klasično matematičko modeliranje je neuspješno ukoliko “sve” o
sustavu nije precizno određeno i poznato
RJEŠAVANJE KOMPLEKSNOSTI
Inžinjerski pristup – pokušava riješiti kompleksnost metodama bliskim čovjeku (izradom kvalitativnih modela, a ne kvantitativnih)
Kvalitativnim modeliranjem u odnosu na matematičko smanjujemo preciznost, ali zato povećavamo primjenjivost modela (neizrazita -fuzzy logika, expertni sustavi, neuronske mreže, agenti-inteligentni, softverski, pokretni..)
Fuzzy logika (Lofti Zadeh) npr. vrlo niska temepratura i vrlo, vrlo niska temperatura
Expert systems – sustavi koji probavaju nadomjestiti ljudskog eksperta u specifičnom području
REALNI SUSTAV
Realni sustav je dio stvarnoga svijeta koji čini jednu
funkcionalnu cjelinu, pa se kao takav može relativno izdvojiti i
promatrati i izučavati.
Realnim sustavom smatra se i nešto što u stvarnosti ne postoji,
nego je zamišljeno (planirano) napraviti u budućnosti.
Sustav se sastoji od dijelova koji su međusobno povezani
vezama i nazivaju se podsustavi.
Pomoću tih veza podsustavi međusobno djeluju jedan na
drugoga tako da svi zajedno čine jednu cjelina.
ISTRAŽIVANJE I ANALIZA SUSTAVA
Realni sustav koji se istražuje, često je vrlo složen isastoji se od velikog broja podsustava i veza, pa nijedovoljno poznat
Na temelju onoga što se zna o sustavu radi se njegovmodel koji treba poslužiti za daljnje proučavanjesustava i eksperimentiranje s njime.
Granica sustava s okolinom mora biti odabrana tako dasustav, odnosno njegov model, obuhvaća samofenomene od interesa.
Okolina sustava modelira se tako da se ne uključujudetalji i uzročne veze među njima, nego se daje samonjihov sažeti prikaz (npr. slučajna razdioba dolazaka usustav).
MODELIRANJE REALNIH SUSTAVA
Modeliranje je stvaranje (oblikovanje, formiranje) modela nekog
realnog postojećeg ili hipotetskog sustava tj. onog koji se tek kani
sagraditi
Model je pojednostavljeni prikaz dijela stvarnog svijeta koji je
usredotočen na određene elemente koji se smatraju važnima za
analizu i istraživanje s određene točke gledišta (Ortuzar i
Wilumsen, 2006.)
Model u odnosu na stvarni sustav treba sadržavati samo one
najbitnije elemente originala koji mogu proizvesti potrebne
informacije od interesa.
MODELIRANJE REALNIH SUSTAVA
Model nije kopija orginala, ali mora posjedovati sličnost nekih
svojstava ovisno o svrsi modeliranja
Aproksimacije su pojednostavljenja koja se uvode sa svrhom da
model na željenoj razini točnosti bude što jednostavniji i pogodniji
za korištenje ali i zbog nedostatnog poznavanja detalja (uzročno-
posljedičnih veza)
Model reprezentira sustav sa određenom razinom aproksimacije
To znači da model opisuje sustav samo s određenom razinom
točnosti..
MODELIRANJE REALNIH SUSTAVA
MODELIRANJE REALNIH SUSTAVA
Model je napravljen zato da bi poslužio boljem razumijevanju i/ili
daljnjem proučavanju tog sustava i eksperimentiranju s njim.
Ideja je da model posluži za reprodukciju ponašanja sustava kako
bi se na temelju analize rezultata simulacije verificirala hipoteza o
strukturi ili ocijenili pojedini kvantitativni parametri.
Smisao modeliranja je u smanjivanju opasnosti i rizika koji bismo
mogli imati od naših akcija i postupaka istraživanja na stvarnom
sustavu
Teorija sličnosti predstavlja skup matematičkih metoda i postupaka pomoću kojih se moguodrediti parametri (dimenzije, oblik i sl.) modela i pomoću kojih se rezultati eksperimentiranja na modelu mogu pretvoriti u pouzdane veličine originala.
REALAN SUSTAV I MODELI
Realan
sustav
Mjerljivi
ulazi u
sustav
Model
logična zamjena
realnog sustava
Mjerljivi
izlazi iz
sustava
Zadani
ulazi u
sustav
Izračunati
izlazi iz
sustava
Realan
sustav
REALAN SUSTAV I MODELI
MODELIRANJE REALNIH SUSTAVA
Smatra se da su prvi tehnički modeli razvijeni u brodogradnji (V.
Britanija, inženjer J. Reed) - mali drveni model broda s kojim je
vršen eksperiment u kupaćoj kadi krajem 19. st.
Tragični događaj prevrtanja broda CAPITAIN, 1870, kada se
utopilo 472 putnika, potaknuo je razvoj modeliranja brodova i
eksperimentiranje pomoću njihovih modela.
Po uzoru na brodogradnju kasnije se razvijaju eksperimentalni
modeli i u drugim tehničkim područjima (modeli brodova, modeli
zrakoplova, modeli automobila...)
KLASIFIKACIJA MODELA
KLASIFIKACIJA MODELA
Fizički (konkretni, praktični) modeli su stvarne tvorevine
materijalne i energetske prirode, obično u 3D obliku
Fizički modeli s istom materijalnom i energetskom prirodom:
umanjeni modeli, prototipovi (mostovi, zgrade, avioni,
automobili elektrodistributivne mreže)
Fizički modeli s različitom prirodom npr. tok fluida = prometni
tok, kinetička teorija plinova = pješački tok)
KLASIFIKACIJA MODELA
Apstraktni modeli (teorijski) - generalizacija konkretnih pojmova,
matematička formula, misaoni modeli, sudovi, stavovi, simboli
Matematički model opisuje sustav pomoću skupova varijabli i
jednadžbi, koje opisuju odnose među varijablama s ciljem
analize ponašanja i optimiranja sustava
Nematematičko modeliranje: verbalni opisi, grafovi, dijagrami,
simboli, eksperimentalno
STATIČKI I DINAMIČKI MODELI
Matematički modeli mogu biti:
1) statički i dinamički
Statički modeli – matematički opis sustava u stacionarnom stanju,
gdje su vrijednosti ulaznih i izlaznih varijabli konstantne, ali ne i
nužno jednake (linearno, nelinearno, analitičko programiranje..)
Budući da nema promjene varijabli njihova je derivacija nula i one
ne zavise o vremenu
Dinamički modeli ovise o vremenu pa su promjene varijabli
prikazane kao derivacije po vremenu odnosno kao diferencijalne
jednadžbe (promjene kroz vrijeme)
LINEARNI I NELINEARNI MODELI
2) Linearni i nelinearni
• Ako jednadžbe modela pokazuju linearnost u grafičkom
predstavljanju promjene varijable, modele smatramo linearnim, i
obrnuto.
• Nelinearne modele radi pojednostavljenog prikazivanja možemo
linearizirati. Tada oni gube na točnosti, ali na jednostavan način
prikazuju promjene i međusobne zavisnosti među varijablama.
DETERMINISTIČKI I STOHASTIČKI MODELI
3) deterministički i stohastički
Deterministički modeli su oni čije se ponašanje može predvidjeti,
odnosno u kojim je novo stanje sustava u potpunosti određeno
prethodnim stanjem (isti ulazni podaci daju uvijek isti izlazni
rezultat).
Stohastički modeli su oni čije se ponašanje ne može unaprijed
predvidjeti, ili se mogu odrediti vjerojatnosti promjene stanja
sustava.
Za stohastičke modele je karakteristično slučajno ponašanje,
odnosno postojanje slučajnosti (slučajnih promjenjivih) u sustavu
DETERMINISTIČKI I STOHSTIČKI MODEL
Deterministički model - stanje sustava Sn mijenja se pod utjecajem
aktivnosti A u stanje Sn+1.
Stohsticki model - stanje sustava Sn može se promijeniti u jedno od
stanja S'n+1, S''n+1 ili S'''n+1 pod utjecajem aktivnosti A.
Deterministički model Stohastički model
KAKO NAPRAVITI PRAVI MODEL
Preporuke za izradu modela (Gordon, 1969.)
Model treba obuhvatiti samo fenomene od interesa
Suviše složene i detaljne modele teško je razumjeti i vrjednovati
Model ne smije biti odveć jednostavan bez nužnih varijabli ili s velikim stupnjem agregiranja
Model je razumno rastaviti na više jednostavnih modula s točno određenom funkcijom
U razvoju modela preporučuje se primjena već provjerenih metoda za razvoj algoritma koje trebaju omogućiti bolje razumijevanje modela u svim fazama razvoja
Potrebna je provjera logičke i kvantitativne ispravnosti modela
ŠTO JE SIMULACIJA
Nakon što je izrađen model, pristupa se samom simuliranju
Simulacija je eksperimentalna metoda koja omogućuje
proučavanje stvarnog procesa uz pomoć modela na računalu.
Poseban program za računalo koji omogućava simulaciju naziva se
simulator
Izvođenjem simulacije dobivaju se različiti izlazni podatci koji se
mogu analizirati, uspoređivati i izvesti zaključci o ponašanju samog
sustava
MODELIRANJE I SIMULACIJA
Zaigler: modeliranje i simulaciju čine niz aktivnosti za izradu
modela realnog sustava i njegovu simulaciju na računalu
Računalo
SIMULACIJA KAO NAČIN PROUČAVANJA SUSTAVA
Simulirati se može neki stvarni sustav:
a) pomoću drugog realnog sustava za koji pretpostavljamo ili znamo
da ima slična svojstva kao original (npr. pokusne životinje na kojima
se u medicini vrše pokusi kod istraživanja novih lijekova)
Eksperimentiranje na samom sustavu remeti normalan rad sustava,
pa je takvo eksperimentiranje veoma skupo, opasno ili nepraktično
(nuklearna elektrana, automobilska industrija,)
b) pomoću modela (simulatori za vožnju automobila, zrakoplova,
vlaka, simulator letenja)
PODJELA SIMULACIJSKIH POSTUPAKA
Simulacija može biti:
vremenski kontinuirana ili
vremenski diskretna
Kod kontinuirane simulacije stanje sustava odnosno modela određeno je u svakom trenutku vremena (varijable stanja mijenjaju se kontinuirano)
Veličine se mogu odrediti u bilo kojem vremenu
Kod diskretne simulacije varijable stanja se mijenjaju u određenim vremenskim trenucima (što se događa između može se samo pretpostaviti)
PODJELA SIMULACIJSKIH POSTUPAKA
PODJELA SIMULACIJSKIH POSTUPAKA
Postoji i podjela na determinističku i stohastičku simulaciju.
Ova podjela govori o tome može li se rezultat simulacije
predvidjeti sa sigurnošću ili ovisi o nekoj vjerojatnosnoj varijabli
stanja.
IZVOĐENJE SIMULACIJE
Izvođenjem simulacije može se pratiti ponašanje modela iz čega se
može zaključiti kakvo bi bilo ponašanje stvarnog sustava.
Stvarnim promjenama stanja sustava odgovaraju promjene stanja
modela tijekom simulacije.
Sustav se sastoji od podsustava, a modeli od varijabli (koje predstavljaju
neka svojstva sustava), koeficijenata i matematičkih operatora koji
predstavljaju stanja sustava odnosno modela u pojedinom trenutku
U svakom vremenskom trenutku sustav/model se nalazi u nekom stanju.
IZVOĐENJE SIMULACIJE
Razlika između količine (m, e, i) koja u nekom vremenskom
intervalu uđe u sustav (spremnik) i količine koja koja u tom istom
intervalu izađe mora se u spremniku akumulirati, tj. za vrijednost te
razlike mora se promijeniti količina m, e ili i.
Red na
izlazu
Kapacitet
izlaznog
toka
Kapacitet
ulaznog
toka
Red na
ulazu
Akumulacija
SUSTAVSKA DINAMIKA
Statički model se prikazuje algebarskim jednadžbama i
vrijednosti varijabli ne ovise o vremenu (npr. mjerenje visine
stanovnika slučajnim redoslijedom, po abecedi)
Dinamički modeli pokazuju promjene varijabli u vremenu i
njihovo se ponašanje prikazuje sustavom diferencijskih
jednadžbi.
Sustav diferencijalnih jednadžbi opisuje beskonačno male
promjene sustava u malim intervalima vremena Δt vremenu
(kad vremenski pomak teži prema 0)
Iz vrijednosti varijabli modela u času t računaju se promjene
u malome vremenskom intervalu dt te se njihovim
pribrajanjem (oduzimanjem) izračunava vrijednost varijabli
stanja sustava u času t+dt.
OPISIVANJE DINAMIČKIH MODELA
SUSTAVSKA DINAMIKA
Simulacija, kao eksperimentalna metoda, ne mora dovesti do
optimalnog rješenja.
Kod provođenja simulacijskih eksperimenata možemo odabrati
najpovoljnije rješenje između onih koje smo simulacijom ispitali.
DIGITALNA RAČUNALA, KONTINUIRANE I DISKRETNE
SIMULACIJE
Današnja računala su po svojoj prirodi diskretna-digitalna
Prilikom izvođenja kontinuirane simulacije na digitalnom
računalu, kontinuirani sustav aproksimira se diskretnim.
Ako se vremenski intervali skrate može se približiti kontinuiranoj
simulaciji tako da se i pomoću digitalnih računala može izvoditi
približno kontinuirana simulacija
Međutim, prava kontinuirana simulacija može izvoditi samo na
analognim računalima.
KORACI SIMULACIJSKOGA PROCESA
Osnovni su koraci simulacijskoga procesa sljedeći (kako su ih
formulirali Law i Kelton, 1982. godine (2)):
Definicija cilja simulacijske studije.
Identifikacija sustava.
Prikupljanje podataka o sustavu i njihova analiza.
Izgradnja simulacijskog modela.
Izgradnja simulacijskoga programa.
Verificiranje simulacijskog programa.
Vrjednovanje simulacijskog modela.
Planiranje simulacijskih eksperimenata i njihovo izvođenje.
Analiza rezultata eksperimenata.
Zaključci i preporuke.
VERIFIKACIJA I VALIDACIJA SIMULACIJSKOG PROGRAMA
Provjera simulacijskog programa (verifikacija) je postupak kojim se
provjerava ponaša li se model onako kako je zamišljeno (procjene korektnosti
simulacijskog programa).
Provjera se provodi npr. prethodnim izračunavanjem očekivanog stanja
modela i zatim simuliranjem.
Ako se izračunati rezultati ne podudaraju s rezultatima dobivenim
simuliranjem, znači da model nije ispravan.
Vrednovanje simulacijskog programa (validacija, valjanost, ispravnost),
za razliku od provjere modela (procjene korektnosti modela), validacijom se
ispituje predstavlja li model sa željenom točnošću stvarni, realan sustav ili ne.
U provjeri modela ispituje se ispravno ponašanje modela bez obzira na
opisani sustav, a u vrednovanju se ispituje koliko dobro je sustav opisan
modelom (stupanj preklapanja rezultata simulacije i realnog sustava).
SIMULACIJSKI PROCES
PAUZA
PROMETNI SUSTAV, MODELIRANJE I
SIMULACIJA
Prometni sustav je skup elemenata tehničke, tehnološke,
organizacijske, ekonomske i pravne naravi čiji je cilj prijevoz ljudi i
dobara, prijenos energije i vijesti, te reguliranje njihova toka na
određenom području.
Modelima se omogućava opisivanje složenih fenomena u prometu:
Modeliranje mreže (projektiranje i izgradnja novih dionica,
čvorišta..)
Modeliranje prometa (prometne analize, prometno planiranje,
upravljanje prometom, nadzor ( monitoring ) i kontrola prometa
Modeli iz domene zaštite okoliša CO2, NO2
PROMETNI SUSTAV, MODELIRANJE I
SIMULACIJA
Za mnoge pojave u prometu moguće je napraviti matematički model koji
se može opisati na računalu i kroz simulaciju otkriti njegovo ponašanje
koje je blisko s ponašanjem stvarnog sustava
Simulacije se koriste za:
- analizu varijantnih rješenja planiranih objekata u projektnoj fazi
- optimiranje projektnih elemenata (tip i oblik raskrižja, širina trakova,
oblikovni elementi)
- analiza i optimiranje različitih prometnih regulacija (dinamičko
upravljanje prometom, stvarno vremenska navigacija, ramp metering,
naplata cestarine, ...)
- analiza budućih stanja sustava – npr. povećanje prometnog
opterećenja,
- analiza sustava u uvjetima izvanrednih situacija, evakuacije, radova
na cesti, prometnih nezgoda (incident management) i dr.
SIMULACIJSKI PROCES
STVARNI (REALNI) SUSTAV
MODEL SUSTAVA
SIMULACIJE NA MODELU
PROMETNI MODELI
Traffic Flow Models
Level of Details Operationalisation
Micro Meso Macro Analytical Simulation
PROMETNI MODELI
• MAKRO-MODELI/SIMULACIJE
• Agregiranje podataka (uvid u ponašanje sustava kao cjeline)
• Prosječan tok, brzina i gustoća (umjesto pojedinačnog kretanja vozila)
• Velik obuhvat (autoceste, regija, ..)
• Primjena: predviđanje prometne potražnje, 4 koračni model prometnog planiranja
• Software: VISSUM, CUBE, TRIPS, Emme
MESOSKOPSKI MODELI
Mezoskopski su hibridi modeli sastavljeni od elemenata makro i mikro
modela
Primjena: geometrija ceste, tajmiranje signalnih planova na raskrižjima na
koridoru ili u gradu
Software: SATURN, CORSIM, TRANSCAD, EMME/3, AIMSUN
PROMETNI MODELI
• MIKRO MODELI/SIMULACIJE
• Svaki entitet u struji (kretanje i njihove interakcije) tretira se individualno (agenti)
• Zbog visoke rezolucije matematička rješenja su jako složena
• Obuhvat: raskrižje ili cestovni segment (koridor)
• Primjena: navigacija, ponašanje vozača, mjenjanje prometnog traka, gap, sljeđenje automobila, akceleracija-deakceleracija
• Mikro modeli: cellular automata model, queue model or car following model, lane changing model, gap acceptance model, models of intersection controls
• Softveri: ARCADY. EMME/2 i AIMSUN, INTEGRATION, VISSIM, orTRIPS and DYNASIM, PARAMICS, TRAFNETSIM, FRESIM, HUTSIM
PROMETNI MODELI
1. makroskopski
2. mezoskopski
3. mikroskopski
PROMETNI MODELI
PROMETNI MODELI
PROMETNI MODELI
NANOSKOPSKI MODELI - SIMULACIJE????
Modeliranje vozila
Modeliranje vozača
Modeliranje kretanja
SPEKTAR ALATA ZA PROMETNE ANALIZE
Alati najviše razvijani u SAD-u, Europi, Australiji i Japanu
Faze analize prijevoznog procesa
Stu
panj agre
gacije
PROMETNI MODELI
Po
sto
jeći s
imu
lacijs
ki m
od
eli
POPULARNI MIKROSIMULACIJSKI MODELIP
osto
jeći m
ikro
sim
ula
cijs
ki m
od
eli
Po
sto
jeći m
ikro
sim
ula
cijs
ki m
od
eli
POPULARNI MIKROSIMULACIJSKI MODELI
KLASIFIKACIJA MODELA BAZIRANA NA
PROMETNIM UVJETIMAP
osto
jeći m
ikro
sim
ula
cijs
ki m
od
eli
MODELIRANI OBJEKTI
Po
sto
jeći m
ikro
sim
ula
cijs
ki m
od
eli
ASPEKTI PROMETNE SIMULACIJE
1. Promet je makroskopski dinamički sustav sastavljen od velikog broja komponenti (podsustava)
2. Velik broj aktivnih sudionika/korisnika i interakcije među njima
3. Ciljevi sudionika mogu biti individualni i društveni (optimum sustava: optimum korisnika)
4. Prisutnost neovisnih varijabli operatora ili sudionika izvan kontrole (vrijeme, broj korisnika)
5. Varijable mogu biti stohastičke (slučajne) i vremenski promjenjive
6. Zakonitosti interakcije čovjek-stroj zasnovane na ljudskoj percepciji
SKALA PRIMJENE
Transportne mreže pokrivaju veliko područje
Skala primjene varira od malog tipa, oko 20 km, 50
čvorova i 1000 vozila, do velikog tipa, 200 čvorova i više tisuća vozila
PARAMICS može simulirati čak 1 milijun vozila s 3000
čvorova
Visoko specifični ciljevi imaju malu skalu primjene
OGRANIČENJA PROMETNIH SIMULACIJA
Rezolucija: razina detalja
Vjernost/točnost: stupanj realnosti
Veličina sustava - mreže koju treba pokriti
Brzina simulacije: brzina simulacije usporediva s realnim
vremenom
Resursi: računalni resursi, vrijeme programiranja
SIMULACIJA PROMETNOG SUSTAVA
SIMULACIJE PROMETA U GRADSKOJ MREŽI
SIMULACIJA PROMETNOG SUSTAVA
3D simulacija urbanog raskrižja s tramvajem, pješacima i
biciklima
SIMULACIJA PJEŠAČKOG PROMETNOG
SUSTAVA
4-D SIMULACIJA TRANZITNOG TERMINALA
PAUZA
UPRAVLJANJE PROMETA
UVOD Automatika - znanstvena disciplina koja se bavi upravljanjem
sustava
Znanost koja se bavi općim zakonitostima upravljanja i vođenja
procesa – Kibernetika
Regulacija – jednostavni način vođenja (održavanje neke izlazne
veličine nepromijenjenom, uspoređivanjem željenog sa stvarnim
stanjem)
Upravljanje je širi pojam od regulacije jer uključuje još i optimalno i
adaptivno ponašanje (ulazne varijable utječu na izlazne - upravljanje
dizalom, paljenje i gašenje svjetla, uključivanje-isključivanje pojedine
faze na semaforu, autopilot, alarm, paljenje goriva u motoru..)
Vođenje je najširi pojam koji pored automatskog upravljanja
obuhvaća sustave zaštite, signalizacije i registracije (adaptivni
sustavi, ITS,
REGULACIJA, UPRAVLJANJE, VOĐENJE PROCESA
Regulacijski procesFeed Back: na osnovi izlaznih
informacija sistema intervenira
se na ulaz sistema
Upravljački procesUnaprijedno vođenje je utemeljeno je na pozitivnoj vezi
Vođenje procesa
.
OV
IS
okolina
Us
US
y
AVU
In
okolina
OV
IS
okolina
Us
regulator
x
y0
okolinan
MJ
ymOV
IS
okolina
Us
regulator
x
y0
okolinan MJ
ym
jedinica za
prilagodbu
y
uvjeti vođenja
US – upravljački sustav
OV – objekt vođenja
IS – izvršna sprava
A – algoritam
In – informacije o poremećajima
Us – upravljački signal
RAMP METERING - ZATVORENA PETLJA ILI FEED BACK KONTROLA SISTEMA
UNAPRIJEDNO VOĐENJE – SEMAFOR AKTIVIRAN PROMETOM (INDUKTIVNA PETLJA)
PROCES VOĐEN RAČUNALOM (PR. ADAPTIVNOG UPRAVLJANJA
1.Vremenski ustaljeno upravljanje
2.Plan prilagođen raznim periodima u danu
(ovisno o prometu)
UPRAVLJANJE PROMETOM (TM),
Upravljanje prometom (TM), je praćenje, nadzor i upravljanje prometa
Vezano za prometne entitete (vozila), upravljanje prometnih tokova
Bazira se na povećanju propusne moći prometnica
Svrha propustiti što više vozila
Temelj teorija prometnog toka
Da bi se to postiglo optimalno upravljanje potrebno je prometne parametre (brzinu,
gustoću, razmak) održavati na određenoj razini
Neke od mjera:
upravljanje parkiranjem,
control management,
Incident management
Fleet management
ramp metering,
route guidance
upravljanje signalizacijom,
održavanje..
PROCESSING
FORMALNI OPIS RADA SUSTAVA SCATS
`
RUČNO UPRAVLJANJE (TEHNIČKIM) SUSTAVIMA
CENTRALNO AUTOMATSKO UPRAVLJANJE PROMETOM
CENTRALNO AUTOMATSKO UPRAVLJANJE PROMETOM
CENTRALNO AUTOMATSKO UPRAVLJANJE PROMETOM
CENTRALNO AUTOMATSKO UPRAVLJANJE PROMETOM
MIKROSIMULACIJA SLIJEĐENJA VOZILA
PONAŠANJE VOZAČA PRILIKOM SLIJEĐENJA VOZILA
Dovoljna udaljenost
Vozilo ispred ne utječe na vožnju uzastopnog vozila
Mala udaljenost
Potrebno smanjiti brzinu, a po potrebi i kočiti
MAKRO MODELIRANJE –4 - STUPANJSKO PROMETNO PLANIRANJE
Agregatni model jednostavan i razumljiv
Tra
dit
ion
al F
ou
r S
tep
Pro
ce
ss Trip Generation
Trip Distribution
Mode Choice
Route Assignment
GENERIRANJE PUTOVANJA
79
152
St. Gallen
2332
Herisau
1038
Waldkirch
1282
Gossau (SG)
1428
Teufen (AR)
1861
Gaiserwald
2674
Flawil
1996
Niederbüren
1630
Bühler220
Stein (AR)
39
Wittenbach
2359
Schlatt-Haslen
498
Speicher
1068
Mörschwil
335
Andwil (SG)
1160
Gais
2620
Oberbüren
861
Degersheim
1452
Untereggen
1138
Hundwil
1777
Waldstatt1980
Schwellbrunn
543
Eggersriet
757
Hauptwil-Gottshaus2541
Goldach
2238
Niederhelfenschwil
Att
ract
ion
Gen
erat
ion
DISTRIBUCIJA PUTOVANJA
80
152
St. Gallen
2332
Herisau
1038
Waldkirch
1282
Gossau (SG)
1428
Teufen (AR)
1861
Gaiserwald
2674
Flawil
1996
Niederbüren
1630
Bühler220
Stein (AR)
39
Wittenbach
2359
Schlatt-Haslen
498
Speicher
1068
Mörschwil
335
Andwil (SG)
1160
Gais
2620
Oberbüren
861
Degersheim
1452
Untereggen
1138
Hundwil
1777
Waldstatt1980
Schwellbrunn
543
Eggersriet
757
Hauptwil-Gottshaus2541
Goldach
2238
Niederhelfenschwil
Att
ract
ion
Gen
erat
ion
IZBOR NAČINA PUTOVANJA
81
152
St. Gallen
2332
Herisau
1038
Waldkirch
1282
Gossau (SG)
1428
Teufen (AR)
1861
Gaiserwald
2674
Flawil
1996
Niederbüren
1630
Bühler220
Stein (AR)
39
Wittenbach
2359
Schlatt-Haslen
498
Speicher
1068
Mörschwil
335
Andwil (SG)
1160
Gais
2620
Oberbüren
861
Degersheim
1452
Untereggen
1138
Hundwil
1777
Waldstatt1980
Schwellbrunn
543
Eggersriet
757
Hauptwil-Gottshaus2541
Goldach
2238
Niederhelfenschwil
?
DODJELA PUTOVANJA NA MREŽU
82
152
St. Gallen
2332
Herisau
1038
Waldkirch
1282
Gossau (SG)
1428
Teufen (AR)
1861
Gaiserwald
2674
Flawil
1996
Niederbüren
1630
Bühler220
Stein (AR)
39
Wittenbach
2359
Schlatt-Haslen
498
Speicher
1068
Mörschwil
335
Andwil (SG)
1160
Gais
2620
Oberbüren
861
Degersheim
1452
Untereggen
1138
Hundwil
1777
Waldstatt1980
Schwellbrunn
543
Eggersriet
757
Hauptwil-Gottshaus2541
Goldach
2238
Niederhelfenschwil
?
??
PROMETNI MODELI I UPRAVLJANJE - RESUME
Globalna razina
Proaktivna kontrola
Makroskopska simulacija
Lokalna razina
Kooperativno upravljanje-
kontrola
Mikroskopska simulacija
Razina vozila
Vozilo uslužna kontrola
Nanoskopska simulacija
HVALA NA POZORNOSTI!
