Abstract
Tämän tutkimuksen tarkoituksena oli selvittää lyhyen aikavälin matka-aikaennusteiden tekemistä sekä sitä, kuinka hyvin matka-aika saadaan estimoitua pistemittausten avulla. Tutkimuskohteina olivat valtatie 4 Lahden ja Heinolan välillä sekä Kehä I. Koejaksot on varustettu automaattisilla matka-ajanseurantajärjestelmillä.
Ennustemalleja tehtiin kahdella eri menetelmällä: neuroverkkoihin ja sumeaan logiikkaan perustuen. Mallien hyvyyttä verrattiin olemassa olevan järjestelmän antaman tiedon tarkkuuteen. Ennusteiden hyvyyttä tarkasteltiin tilastollisesti ja matka-aikatiedotuksen näkökulmasta.
Valtatien 4 ennustemallit ennustivat tarkasteluhetkeä seuraavan minuutinaikana linkeille lähtevien ajoneuvojen keskimatka-aikaa viimeksi mitattujen liikennetietojen perusteella. Oikein ennustettujen matka-aikojen osuus vaihteli voimakkaasti linkiltä toiselle.
Kehä I:lle tehtiin sekä estimaatti- että ennustemallit. Estimaattimalleilla pyrittiin estimoimaan tietyn linkin matka-aika muiden mittaustietojen perusteella tilanteessa, jossa kyseisen linkin matka-ajan mittaaminen ei onnistu. Tuloksena oli, että ennustemallit antoivat selvästi parempia tuloksia kuin estimaattimallit.
Kaikki sumean mallin tuloksille lasketut tilastolliset virhetermit olivat neuromallin vastaavia virheitä suurempia. Neuromalli toimi sumeaa mallia paremmin myös matka-aikatiedotuksen näkökulmasta tarkasteltuna. Sumeita malleja keskenään vertailtaessa nähtiin, että Gödelin algebran mukainen mallioli hiukan similaarista mallia parempi. Nykyjärjestelmä estimoi ruuhkaliikennettä sumeita malleja huonommin.
Heinola–Kymijärvi- ja Kymijärvi–Heinola-linkeille tehtiin ruuhkamallit kokoamalla opetusjoukko ainoastaan ruuhkaisten päivien aineistoista. Molemmilla linkeillä päästiin näiden mallien avulla parempaan tulokseen kuin parhaalla koko päivän aineistolla opetetulla mallilla. Paras ruuhkamalli ennusti ruuhkassa 84 prosenttia ajasta oikein.
Tutkimuksessa haluttiin lopuksi selvittää, kuinka mittausjärjestelmän rakennevaikuttaa ennusteen laatuun. Havaittiin muun muassa, että matka-aikaennuste oli sitä parempi, mitä pidempi linkki oli, ja että linkillä oleva ylimääräinen kamera paransi tuloksia enemmän kuin sen ulkopuolella oleva mittauspiste. Ennen Lahtea sijainneen LAM-aseman liikennetiedot näyttivät parantavan tulosta enemmän kuin Vierumäen LAM-aseman tiedot.
Valtatiellä 4 saavutetut tulokset olivat suhteellisen tyydyttäviä. Kehä I:n malleja sitä vastoin voi pitää korkeintaan välttävinä. Kehä I:llä matka-aikojen seurantajärjestelmän yksityiskohtaisuus ei selvästikään riitä ennusteiden tekoon ja kamerapisteitä pitäisi olla enemmän. Molempien kohteiden ennusteet paranisivat varmasti, mikäli liikennetilannekuvaa täydennettäisiin matka-aikatietojen lisäksi kattavammilla liikennemäärätiedoilla. Havaituista puutteista huolimatta tulokset olivat sen verran lupaavia, että mallista kannattaisi tehdä kokeiltavaksi tuotantoversio.
Ennustemalleja tehtiin kahdella eri menetelmällä: neuroverkkoihin ja sumeaan logiikkaan perustuen. Mallien hyvyyttä verrattiin olemassa olevan järjestelmän antaman tiedon tarkkuuteen. Ennusteiden hyvyyttä tarkasteltiin tilastollisesti ja matka-aikatiedotuksen näkökulmasta.
Valtatien 4 ennustemallit ennustivat tarkasteluhetkeä seuraavan minuutinaikana linkeille lähtevien ajoneuvojen keskimatka-aikaa viimeksi mitattujen liikennetietojen perusteella. Oikein ennustettujen matka-aikojen osuus vaihteli voimakkaasti linkiltä toiselle.
Kehä I:lle tehtiin sekä estimaatti- että ennustemallit. Estimaattimalleilla pyrittiin estimoimaan tietyn linkin matka-aika muiden mittaustietojen perusteella tilanteessa, jossa kyseisen linkin matka-ajan mittaaminen ei onnistu. Tuloksena oli, että ennustemallit antoivat selvästi parempia tuloksia kuin estimaattimallit.
Kaikki sumean mallin tuloksille lasketut tilastolliset virhetermit olivat neuromallin vastaavia virheitä suurempia. Neuromalli toimi sumeaa mallia paremmin myös matka-aikatiedotuksen näkökulmasta tarkasteltuna. Sumeita malleja keskenään vertailtaessa nähtiin, että Gödelin algebran mukainen mallioli hiukan similaarista mallia parempi. Nykyjärjestelmä estimoi ruuhkaliikennettä sumeita malleja huonommin.
Heinola–Kymijärvi- ja Kymijärvi–Heinola-linkeille tehtiin ruuhkamallit kokoamalla opetusjoukko ainoastaan ruuhkaisten päivien aineistoista. Molemmilla linkeillä päästiin näiden mallien avulla parempaan tulokseen kuin parhaalla koko päivän aineistolla opetetulla mallilla. Paras ruuhkamalli ennusti ruuhkassa 84 prosenttia ajasta oikein.
Tutkimuksessa haluttiin lopuksi selvittää, kuinka mittausjärjestelmän rakennevaikuttaa ennusteen laatuun. Havaittiin muun muassa, että matka-aikaennuste oli sitä parempi, mitä pidempi linkki oli, ja että linkillä oleva ylimääräinen kamera paransi tuloksia enemmän kuin sen ulkopuolella oleva mittauspiste. Ennen Lahtea sijainneen LAM-aseman liikennetiedot näyttivät parantavan tulosta enemmän kuin Vierumäen LAM-aseman tiedot.
Valtatiellä 4 saavutetut tulokset olivat suhteellisen tyydyttäviä. Kehä I:n malleja sitä vastoin voi pitää korkeintaan välttävinä. Kehä I:llä matka-aikojen seurantajärjestelmän yksityiskohtaisuus ei selvästikään riitä ennusteiden tekoon ja kamerapisteitä pitäisi olla enemmän. Molempien kohteiden ennusteet paranisivat varmasti, mikäli liikennetilannekuvaa täydennettäisiin matka-aikatietojen lisäksi kattavammilla liikennemäärätiedoilla. Havaituista puutteista huolimatta tulokset olivat sen verran lupaavia, että mallista kannattaisi tehdä kokeiltavaksi tuotantoversio.
Translated title of the contribution | Short-term prediction of travel time on main roads |
---|---|
Original language | Finnish |
Place of Publication | Helsinki |
Publisher | Tiehallinto |
Number of pages | 81 |
ISBN (Print) | 951-726-863-7 |
Publication status | Published - 2002 |
MoE publication type | D4 Published development or research report or study |
Publication series
Series | Tiehallinnon selvityksiä |
---|---|
Number | 5/2002 |
ISSN | 1457-9871 |