Ennakoivan analytiikan konseptointi: Poikkeavan ruuhkan erottaminen tavallisesta ruuhkasta

Satu Innamaa, Antti Seise

Research output: Book/ReportReport

Abstract

Tässä työssä tavoitteena oli selvittää alustavasti, voidaanko poikkeava ruuhka erottaa tavalli-sesta ruuhkasta. Tämä esiselvitys perustui yhden vuoden laajuisten aineistojen analyysiin. Häiriöttömien, normaalin kelin päivien liikennetilanteesta määritettiin kullekin parametrille (lii-kennemäärä, pistenopeus, matkanopeus) ns. normaalivaihteluväli. Sellaisten ajankohtien lii-kennetilannetta, jolloin tiejaksolla oli raportoitu onnettomuus, liikennettä haittaava tietyö tai huonoa / erittäin huonoa keliä, verrattiin tähän malliin. Poikkeava pistenopeus osoittautui erittäin tehokkaaksi indikaattoriksi erittäin huonon kelin olo-suhteissa (poikkesi normaalista 81 % ajasta). Pistenopeuden ja liikennemäärän yhdistelmä erotteli 87 % erittäin huonon kelin tilanteista normaalista liikennetilanteesta. Huonolla kelillä vastaava osuus oli 45 %, onnettomuuksissa 38 % ja liikennettä haittaavissa tietöissä 26 %. Onnettomuuksissa tyypillisesti pistenopeus oli poikkeava suure, tietöissä liikennemäärä. Huo-non ja erittäin huonon kelin ajankohdat poikkesivat normaalista tyypillisesti nopeudeltaan. Suo-raviivaisesti samalla menetelmällä tehty keskimatkanopeusmalli (huom. malli täysin sama kuin matka-aikamalli) ei ollut yhtä tehokas kuin LAM-pisteisiin perustuva malli. Hyvän liikennemallin teko vaatii mm. matkanopeus- (tai matka-aika-)aineistolta tehokasta suodatusta, joka voidaan toteuttaa ajantasaisesti myös mallia käytettäessä. Jos matkanopeus- tai matka aikamalli tehdään suodatetuista aineistoista, sen pitäisi kyetä erottamaan poikkeavat tilanteet yhtä hyvin kuin lähelle sijoittuva LAM-piste. Lisäksi matkanopeusmallilla poikkeaman suuruus indikoi aluetta, johon häiriö vaikuttaa. Yksittäisen LAM-pisteen tiedoista vastaavaa päätelmää ei voi tehdä.
Original languageFinnish
PublisherVTT Technical Research Centre of Finland
Publication statusPublished - 2016
MoE publication typeD4 Published development or research report or study

Publication series

SeriesVTT Tutkimusraportti
NumberVTT-R-00513-16

Keywords

  • situational picture
  • analytics

Cite this

Innamaa, S., & Seise, A. (2016). Ennakoivan analytiikan konseptointi: Poikkeavan ruuhkan erottaminen tavallisesta ruuhkasta. VTT Technical Research Centre of Finland. VTT Tutkimusraportti, No. VTT-R-00513-16
Innamaa, Satu ; Seise, Antti. / Ennakoivan analytiikan konseptointi : Poikkeavan ruuhkan erottaminen tavallisesta ruuhkasta. VTT Technical Research Centre of Finland, 2016. (VTT Tutkimusraportti; No. VTT-R-00513-16).
@book{6781312589d54fcca71031c77bb5d6a5,
title = "Ennakoivan analytiikan konseptointi: Poikkeavan ruuhkan erottaminen tavallisesta ruuhkasta",
abstract = "T{\"a}ss{\"a} ty{\"o}ss{\"a} tavoitteena oli selvitt{\"a}{\"a} alustavasti, voidaanko poikkeava ruuhka erottaa tavalli-sesta ruuhkasta. T{\"a}m{\"a} esiselvitys perustui yhden vuoden laajuisten aineistojen analyysiin. H{\"a}iri{\"o}tt{\"o}mien, normaalin kelin p{\"a}ivien liikennetilanteesta m{\"a}{\"a}ritettiin kullekin parametrille (lii-kennem{\"a}{\"a}r{\"a}, pistenopeus, matkanopeus) ns. normaalivaihteluv{\"a}li. Sellaisten ajankohtien lii-kennetilannetta, jolloin tiejaksolla oli raportoitu onnettomuus, liikennett{\"a} haittaava tiety{\"o} tai huonoa / eritt{\"a}in huonoa keli{\"a}, verrattiin t{\"a}h{\"a}n malliin. Poikkeava pistenopeus osoittautui eritt{\"a}in tehokkaaksi indikaattoriksi eritt{\"a}in huonon kelin olo-suhteissa (poikkesi normaalista 81 {\%} ajasta). Pistenopeuden ja liikennem{\"a}{\"a}r{\"a}n yhdistelm{\"a} erotteli 87 {\%} eritt{\"a}in huonon kelin tilanteista normaalista liikennetilanteesta. Huonolla kelill{\"a} vastaava osuus oli 45 {\%}, onnettomuuksissa 38 {\%} ja liikennett{\"a} haittaavissa tiet{\"o}iss{\"a} 26 {\%}. Onnettomuuksissa tyypillisesti pistenopeus oli poikkeava suure, tiet{\"o}iss{\"a} liikennem{\"a}{\"a}r{\"a}. Huo-non ja eritt{\"a}in huonon kelin ajankohdat poikkesivat normaalista tyypillisesti nopeudeltaan. Suo-raviivaisesti samalla menetelm{\"a}ll{\"a} tehty keskimatkanopeusmalli (huom. malli t{\"a}ysin sama kuin matka-aikamalli) ei ollut yht{\"a} tehokas kuin LAM-pisteisiin perustuva malli. Hyv{\"a}n liikennemallin teko vaatii mm. matkanopeus- (tai matka-aika-)aineistolta tehokasta suodatusta, joka voidaan toteuttaa ajantasaisesti my{\"o}s mallia k{\"a}ytett{\"a}ess{\"a}. Jos matkanopeus- tai matka aikamalli tehd{\"a}{\"a}n suodatetuista aineistoista, sen pit{\"a}isi kyet{\"a} erottamaan poikkeavat tilanteet yht{\"a} hyvin kuin l{\"a}helle sijoittuva LAM-piste. Lis{\"a}ksi matkanopeusmallilla poikkeaman suuruus indikoi aluetta, johon h{\"a}iri{\"o} vaikuttaa. Yksitt{\"a}isen LAM-pisteen tiedoista vastaavaa p{\"a}{\"a}telm{\"a}{\"a} ei voi tehd{\"a}.",
keywords = "situational picture, analytics",
author = "Satu Innamaa and Antti Seise",
note = "SDA: SHP: TransSmart",
year = "2016",
language = "Finnish",
series = "VTT Tutkimusraportti",
publisher = "VTT Technical Research Centre of Finland",
number = "VTT-R-00513-16",
address = "Finland",

}

Innamaa, S & Seise, A 2016, Ennakoivan analytiikan konseptointi: Poikkeavan ruuhkan erottaminen tavallisesta ruuhkasta. VTT Tutkimusraportti, no. VTT-R-00513-16, VTT Technical Research Centre of Finland.

Ennakoivan analytiikan konseptointi : Poikkeavan ruuhkan erottaminen tavallisesta ruuhkasta. / Innamaa, Satu; Seise, Antti.

VTT Technical Research Centre of Finland, 2016. (VTT Tutkimusraportti; No. VTT-R-00513-16).

Research output: Book/ReportReport

TY - BOOK

T1 - Ennakoivan analytiikan konseptointi

T2 - Poikkeavan ruuhkan erottaminen tavallisesta ruuhkasta

AU - Innamaa, Satu

AU - Seise, Antti

N1 - SDA: SHP: TransSmart

PY - 2016

Y1 - 2016

N2 - Tässä työssä tavoitteena oli selvittää alustavasti, voidaanko poikkeava ruuhka erottaa tavalli-sesta ruuhkasta. Tämä esiselvitys perustui yhden vuoden laajuisten aineistojen analyysiin. Häiriöttömien, normaalin kelin päivien liikennetilanteesta määritettiin kullekin parametrille (lii-kennemäärä, pistenopeus, matkanopeus) ns. normaalivaihteluväli. Sellaisten ajankohtien lii-kennetilannetta, jolloin tiejaksolla oli raportoitu onnettomuus, liikennettä haittaava tietyö tai huonoa / erittäin huonoa keliä, verrattiin tähän malliin. Poikkeava pistenopeus osoittautui erittäin tehokkaaksi indikaattoriksi erittäin huonon kelin olo-suhteissa (poikkesi normaalista 81 % ajasta). Pistenopeuden ja liikennemäärän yhdistelmä erotteli 87 % erittäin huonon kelin tilanteista normaalista liikennetilanteesta. Huonolla kelillä vastaava osuus oli 45 %, onnettomuuksissa 38 % ja liikennettä haittaavissa tietöissä 26 %. Onnettomuuksissa tyypillisesti pistenopeus oli poikkeava suure, tietöissä liikennemäärä. Huo-non ja erittäin huonon kelin ajankohdat poikkesivat normaalista tyypillisesti nopeudeltaan. Suo-raviivaisesti samalla menetelmällä tehty keskimatkanopeusmalli (huom. malli täysin sama kuin matka-aikamalli) ei ollut yhtä tehokas kuin LAM-pisteisiin perustuva malli. Hyvän liikennemallin teko vaatii mm. matkanopeus- (tai matka-aika-)aineistolta tehokasta suodatusta, joka voidaan toteuttaa ajantasaisesti myös mallia käytettäessä. Jos matkanopeus- tai matka aikamalli tehdään suodatetuista aineistoista, sen pitäisi kyetä erottamaan poikkeavat tilanteet yhtä hyvin kuin lähelle sijoittuva LAM-piste. Lisäksi matkanopeusmallilla poikkeaman suuruus indikoi aluetta, johon häiriö vaikuttaa. Yksittäisen LAM-pisteen tiedoista vastaavaa päätelmää ei voi tehdä.

AB - Tässä työssä tavoitteena oli selvittää alustavasti, voidaanko poikkeava ruuhka erottaa tavalli-sesta ruuhkasta. Tämä esiselvitys perustui yhden vuoden laajuisten aineistojen analyysiin. Häiriöttömien, normaalin kelin päivien liikennetilanteesta määritettiin kullekin parametrille (lii-kennemäärä, pistenopeus, matkanopeus) ns. normaalivaihteluväli. Sellaisten ajankohtien lii-kennetilannetta, jolloin tiejaksolla oli raportoitu onnettomuus, liikennettä haittaava tietyö tai huonoa / erittäin huonoa keliä, verrattiin tähän malliin. Poikkeava pistenopeus osoittautui erittäin tehokkaaksi indikaattoriksi erittäin huonon kelin olo-suhteissa (poikkesi normaalista 81 % ajasta). Pistenopeuden ja liikennemäärän yhdistelmä erotteli 87 % erittäin huonon kelin tilanteista normaalista liikennetilanteesta. Huonolla kelillä vastaava osuus oli 45 %, onnettomuuksissa 38 % ja liikennettä haittaavissa tietöissä 26 %. Onnettomuuksissa tyypillisesti pistenopeus oli poikkeava suure, tietöissä liikennemäärä. Huo-non ja erittäin huonon kelin ajankohdat poikkesivat normaalista tyypillisesti nopeudeltaan. Suo-raviivaisesti samalla menetelmällä tehty keskimatkanopeusmalli (huom. malli täysin sama kuin matka-aikamalli) ei ollut yhtä tehokas kuin LAM-pisteisiin perustuva malli. Hyvän liikennemallin teko vaatii mm. matkanopeus- (tai matka-aika-)aineistolta tehokasta suodatusta, joka voidaan toteuttaa ajantasaisesti myös mallia käytettäessä. Jos matkanopeus- tai matka aikamalli tehdään suodatetuista aineistoista, sen pitäisi kyetä erottamaan poikkeavat tilanteet yhtä hyvin kuin lähelle sijoittuva LAM-piste. Lisäksi matkanopeusmallilla poikkeaman suuruus indikoi aluetta, johon häiriö vaikuttaa. Yksittäisen LAM-pisteen tiedoista vastaavaa päätelmää ei voi tehdä.

KW - situational picture

KW - analytics

M3 - Report

T3 - VTT Tutkimusraportti

BT - Ennakoivan analytiikan konseptointi

PB - VTT Technical Research Centre of Finland

ER -

Innamaa S, Seise A. Ennakoivan analytiikan konseptointi: Poikkeavan ruuhkan erottaminen tavallisesta ruuhkasta. VTT Technical Research Centre of Finland, 2016. (VTT Tutkimusraportti; No. VTT-R-00513-16).