Problematyka doboru samochodu, narzędzie GTAlg (cz. II) Car selection issues, GTAlg tools (part II)

Pełen tekst

(1)PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 112. Transport. 2016.

(2) ) . PROBLEMATYKA DOBORU SAMOCHODU OSOBOWEGO, 4 ..E GTAlg (cz. II) G'

(3) : marzec 2016. Streszczenie: *.

(4) $ G:06-*)³/* :GC ,*-@´C ,:6(! ¦Gµ£* *H³@´ #

(5) $ %&! pozyskiwania danych pomocnych w procesie doboru pojazdu osobowego dla klienta. Dla celu doboru pojazdu zaproponowano analizy

(6)

(7)

(8) potencjalnego klienta, badanych w makroskali i jego stylu jazdy obserwowanego w mikroskali. W tym artykule, który jest kontynuacj przedmiotowej tematyki '

(9) ( )> . (GT Planner) # & - ()*!

(10)

(11) '

(12)

(13)

(14)

(15) ?

(16) $ „pretrip”.

(17) ? ' () ner

(18)

(19)

(20) ? $)

(21) ?

(22) ?

(23) $ Wybór samochodu ? F

(24)

(25) ? rozwoju transportu. # ?!()*!( )> . . 1. WPROWADZENIE W poprzednim artykule pt. „PROBLEMATYKA DOBORU SAMOCHODU ,:6(!¦Gµ£**H³@´#

(26) $%&!przedstawiono "

(27) ! F

(28)

(29)

(30) $) "

(31) ?

(32) $) ?

(33) !

(34) '

(35) $

(36) '$) #& !F ' u dla danego klienta. charakterystyczne w sieci transportowej, po których

(37) ' ?

(38) j$ G

(39) ! w

(40) ' $ % ? '

(41) !? F

(42)

(43)

(44)

(45) '

(46)

(47)

(48) $

(49) '

(50) ' ()* w sposób ogólny proponowan koncepcj' dobru pojazdu osobowego dla d ?

(51) .

(52) 48. % @ . transportowej. *

(53)

(54) Katowic.. 2. 4 ..* )]6_ POJAZDU: GTAlg Na rysunku 1

(55) ?

(56)

(57) -' $

(58) ?

(59) ' GT Planner o nazwie GTAlg (tzw. silnik planera). Algorytm zaimplementowano na bazie popularnego al *¶ #* ,)*G&$

(60)

(61)

(62) ?

(63) '

(64) '

(65)

(66) ?$()*

(67) ! F

(68) -'

(69)

(70) enia z '

(71) ? transportu (w )!

(72) ) !

(73)

(74) ' F! danych GTFS, General Transit Feed Specification) [22$

(75) ? ? Fró?

(76) ' (). $. Rys. 1.

(77) ?

(78) (). ¦O ( )> .. GT Planner '

(79)

(80)

(81) '? serwerem na którym ()*$

(82) () . ?!

(83)

(84) opis przemieszczenia w postaci zbiorów danych$

(85)

(86) '

(87) charakterystycznych przemieszczenia! ? .

(88)

(89)

(90) $ )

(91) ? # $ %! ! ? 1) opisuje jego rzeczywiste, zaplanowane do zrealizowania zachowania komunikacyjne w

(92) $

(93) 2.. 1.

(94) (). ' - ?

(95) ? %$.

(96) P

(97) ! ' ()*lg (cz. II). 49. Rys. 2.

(98)

(99) GT Planner ¦O (enTravelling.. * !

(100) . ? () .

(101) ? # ().

(102) -' 2). W planowaniu tego przemieszczenia ? F . ! ' 11, 17]. Podyktowane to jest

(103)

(104) !

(105) "

(106) w

(107) $| ? ' F

(108)

(109)

(110) ' '

(111)

(112) 1, 6]. Zbiory danych przedstawionych na rysunku 2 stanow opis planowanego zachowania komunikacyj ? #

(113) !

(114)

(115)

(116)

(117)

(118) &$ '! ?

(119) O # &! ' w odpowiedzi GT Planner [23, 24]. GT . ?

(120) ?

(121)

(122) $

(123) ? (). rysunku 3.. Rys. 3. Profilowan ? GT Planner, ¦O ( )> . 2. Wykorzystano standard zapisu danych transportu zbiorowego GTFS [22].

(124) 50. % @ . W pewnych przypadkach dla wpisywanej do GT Planner preferencji komunikacyjnej nie ' #

(125)

(126) ! czasie itp.). %

(127)

(128)

(129)

(130)

(131)

(132)

(133)

(134) $

(135) ?

(136) realizowane w motywacjach dom-praca-dom lub dom-nauka-$ ?

(137) ? alizowane w motywacjach dom-inne-dom i z $ |?

(138)

(139) .

(140)

(141) '

(142)

(143)

(144) . ' F

(145) '? ?O. EZP ( MZKOw1 MZKFw2 ) / NF. (1). gdzie:. MZKO. -. MZKF. -. NF. -.

(146)

(147)

(148)

(149) przemieszczeniami obligatoryjnymi [PLN], miara

(150)

(151)

(152)

(153) przemieszczeniami fakultatywnymi [PLN],. 0H! ?

(154) -],. -. ?

(155) -].. w1 w2.

(156) '

(157) #1& F " z

(158) () . " $ () . ' ! ?

(159) ?

(160) [18,19$ -

(161) ?

(162)

(163) '

(164) odbywania, a ' eksploatacji pojazdu. Zatem równanie (1) ma

(165) $ w2 przyjmowana jest jako zero.. 3. WYBÓR ODPOWIEDNIEGO POJAZDU 6 F . ?

(166)

(167)

(168)

(169) odniesieniu do

(170)

(171)

(172)

(173)

(174) $ / ? F

(175)

(176) ?

(177) drogowej wykorzystywanych w ich realizacji.

(178)

(179) ? F $ !

(180)

(181)

(182) ?

(183)

(184) # '

(185)

(186) & .

(187) $ Pierwszy model szacowania kosztów eksploatacji jest d ! ? F zmodyfikowanym algorytmie A* (A STAR) tym niemniej '

(188)

(189) (czasu odpowiedzi na zapytanie.

(190) P

(191) ! ' ()*lg (cz. II). 51. ? () . &$ ) ' w niniejszym $ # &? F

(192) '

(193) .

(194)

(195) $G przestrzenny to dowolny obszar wydzielony celowo w przestrzeni sieci drogowej na podstawie procesu jej celowej delimitacji. Dla odcinka sieci drogowej model kosztów

(196) ? F! formie funkcji:. MZK 'l ( s, t ). f (Q (t ), 'l , p, DB, Q (t ),..., < ). (2). gdzie:. t s Q(t ) 'l. p DB. -. Q(t ). -. <. -. czas realizacji przemieszczenia [format daty], F

(197) ! dane (zbiór danych) kongestyjne strumienia(-ni) macierzystego(-ych)[poj./t], F analizowanego odcinka(ów) [m], 'l s , pochylenie drogi na odcinku analizy [%],

(198)

(199)

(200) # $ > > ! &! ? Fmodelami jazdy za liderem, dane (zbiór danych) kongestyjne strumieni kolizyjnych, w tym ruchu pieszego [poj./t]. zbiór zmiennych losowych {warunki atmosferyczne, zdarzenia i wypadki drogowe}.. W postaci ogólnej funkcji opisanej równaniem (2) model kosztów eksploatacji pojazdu $ H ! ? '

(201)

(202) ? .

(203)

(204) '?

(205) ?

(206) #

(207) &!

(208)

(209)

(210) .

(211)

(212) $ @' .

(213)

(214) ! ? ?

(215) ?$)forma szacowania kosztów eksploatacji pojazdu nie opisuje ponadto stanu silnika i innych parametrów eksploatacyjnych pojazdu, zmiennych w

(216)

(217) # . ' F

(218)

(219)

(220) $

(221)

(222) @*H&$ '

(223) ! ? ? F

(224) !

(225) zasie wszystkie jego

(226) ! ?

(227) ?

(228)

(229)

(230) !

(231) F

(232)

(233) $ *

(234) ? '

(235) stopniu.

(236)

(237)

(238)

(239) ? specjalistycznych metod pomiaru (np. eye tracking, symulatory, monitoring, sensory i inne) –

(240) $ H arne modele

(241)

(242)

(243)

(244)

(245)

(246) $ *

(247) !?

(248)

(249) $ . ?

(250) ? F!? del odcinkowy

(251)

(252)

(253) #

(254) & ? $-? F F

(255)

(256)

(257)

(258) kosztów eksploatacji dla rejonów przestrzennych. Dla rejonu przestrzennego sieci drogowej

(259) ? F bardzo prostej formie:.

(260) 52. % @ . MZK r (t ) C ( MP) r. (3). gdzie:. C (MP). -. zbiór

(261)

(262)

(263) #-modelu pojazdu, z wyborem konkretnego modelu pojazdu), jest to forma macierzy ! r - numer konkretnego rejonu przestrzennego.. W takim zapisie jaki zaproponowano w równaniu (3) dla jednego typu (konkretnego modelu pojazdu indywidualnego& F przestrzennym.

(264)

(265)

(266)

(267) !

(268) !

(269) . F

(270) #"

(271)

(272)

(273) &$ Jest to znaczne uproszczenie w stosu

(274)

(275)

(276) szacowanie kosztów w danej sieci drogowej dla danego modelu pojazdu indywidualnego. -? F

(277) '

(278) ! F

(279) '

(280) ?

(281)

(282)

(283) ?

(284) . $ ? F F ? . ' warunki kongestyjne # '?

(285)

(286) &. Na rysunku 4 przedstawiono dane kongestyjne dla sieci drogowej miasta Katowice zrealizowane w autorskim modelu (wykonanym w VISSIM). Na tym rysunku w miniaturce przedstawiono sposób delimitacji

(287) .

(288) ?

(289) ? #. 4&$ umowna liczba z

(290)

(291) #? '

(292) ¥&w danym rejonie przestrzennym. Na rysunku 4c przedstawiono analogiczne .

(293) #zmiana '

(294) ¸¥&$. Rys. 4. ! '

(295) # / c) [23]. . ! F ! F

(296) ? F O C ( MP ) r. p q z brd pr flr 3 D ucp WGS .... gdzie: p q. -

(297) r - tym rejonie przestrzennym [%], - F

(298) r - tym rejonie przestrzennym [poj./m],. (4).

(299) P

(300) ! ' ()*lg (cz. II). z brd pr. -

(301)

(302) r - tym rejonie przestrzennym [-], -

(303) -], -

(304)

(305) -],. ucp. -

(306) '?

(307)

(308) -],. flr. 3D. WGS. 53. -

(309)

(310)

(311) ' przestrzeni sieci drogowej w

(312) # $

(313) F

(314) #

(315) ? &

(316) i absorbentów ruchu w danej sieci drogowej) [-], - " '

(317)

(318) . -], itd…. W równaniu (4) jako zmiennych

(319)

(320) ' z . Zmienna ta ma zdaniem autora fundamentalne znaczenie w

(321)

(322)

(323)

(324) w

(325)

(326)

(327)

(328) $

(329) tym jak w # ?

(330) &$ ?

(331)

(332)

(333)

(334) $. Rys. 5.

(335) ! '

(336) # /

(337) &. Na rysunku 5 # ?

(338) &

(339) eksploatacyjnych pojazdów w rejonach przestrzennych sieci drogowej z wykorzystaniem

(340)

(341)

(342)

(343) $ Delimitacja sieci drogowej w tym aspekcie . Falizowana w

(344)

(345) ' '

(346) równaniu (4&$ 6, na którym przedstawiono

(347) - $

(348) odbiornika GPS i danych protoko N-6*$

(349)

(350)

(351)

(352) '

(353) '

(354)

(355)

(356)

(357) . $ '

(358) '

(359)

(360) '

(361) 4 przy jak.

(362)

(363) $

(364)

(365) (,? F $4]..

(366) 54. % @ . Rys. 6. Agregacja rejonów przestrzennych sieci drogowej na podstawie danych elewacyjnych #- &$ ¦O

(367) $. Na rysunku nr 6 pochylenia dróg w poszczególnych zaznaczonych rejonach .

(368)

(369) ' ?

(370) $

(371) parametrów przedstawionych w równaniu (4& . F

(372) F

(373)

(374) $. 4. HEURYSTYKI GTAlg ,

(375)

(376)

(377) przestrzennego w sieci drogowej, na podstawie równania (4&! ' algorytmu ()*$

(378)

(379)

(380)

(381) ()* ? F

(382)

(383) ?

(384) $@

(385) ? ' w algorytmie GTAlg (zmodyfikowany algorytm A*) opisywana jest zgodnie z podstawowym równaniem: Fj gdzie: Cj. -. Hj. -. Cj H. j. (5). ! F!

(386) .

(387) '

(388)

(389) ' j -

(390) ! '0H!!OO! F

(391)

(392)

(393)

(394)

(395)

(396) ' j -

(397) '

(398) O ? . #4)],. ?

(399)

(400) ? F F

(401) wykorzystaniem równania (4&$|!? #4& ? F ?

(402) ! ?

(403)

(404)

(405)

(406) ! ? ?F

(407)

(408)

(409)

(410) $ ?F!? F ? #5), H j

(411)

(412) kosztów eksploatacyjnych

(413)

(414) poszczególne rejony przestrzenne. , ? F "

(415)

(416) - " 6

(417) !

(418) '

(419)

(420) ()* '

(421)

(422) $ 7..

(423) P

(424) ! ' ()*lg (cz. II). 55. Rys. 7.

(425)

(426)

(427) ()* ¦O

(428) $. 5. DOBÓR POJAZDU W MIKROSKALI %

(429)

(430)

(431)

(432) w skali mikro (mikroskopowe), $, .

(433) ?

(434)

(435) odcinkach sieci drogowej

(436)

(437) .. Rys. 8. Badanie stylu jazdy w sieci drogowej ¦O

(438) .

(439) # '

(440) &$

(441) ! punkty charakterystyczne dla danego kierowcy i jego styl jazdy (jako potencjalnego klienta, ! ?

(442)

(443) . modelu & ? .

(444) 56. % @ . F $

(445)

(446)

(447) " ? F iaru stylu jazdy

(448)

(449) smartfonie. Program do pomiaru tego typu danych –

(450) ?

(451)

(452) !? F '

(453)

(454) systemów operacyjnych (w tej chwili brak wersji dla systemu Symbian i BlackBerry). Na rysunku 8 zaprezentowano przyspieszenia liniowe zarejestrowane z wykorzystaniem tych aplikacji w czasie jazdy pojazdem testowym w sieci drogowej Katowic. Dane z badania (prezentowane na wykresach z rys. 8&?F ?

(455)

(456) w rejonach przestrzennych (równanie 4&$ )

(457) ' - ? F jaz

(458) " jego eksploatacji. Badania podobne

(459) !

(460) ( Travelling w 2014 roku.. 6. PODSUMOWANIE Prezentowana

(461)

(462)

(463) '

(464)

(465) ? () .

(466)

(467)

(468)

(469)

(470)

(471)

(472)

(473) # &$ prosty sposób na wprowadzenie danych o

(474)

(475)

(476) typu pojazdu do planera z wykorzystaniem delimitacji sieci na rejony przestrzenne. Na tej ? F F $) F adanie stylu jazdy. Schemat procedury postepowania w zakresie doboru pojazdu osobowego do klienta przedstawiono na rysunku nr 9.. Rys. 9. Dobór pojazdu –

(477) ' . '

(478)

(479)

(480)

(481)

(482)

(483)

(484)

(485) .

(486) ?

(487)

(488) transportowej [10].

(489)

(490) ! ! ? .

(491) P

(492) ! ' ()*lg (cz. II). 57. ele

(493) '

(494)

(495)

(496)

(497)

(498) $ ) ? F

(499) w

(500) ?$

(501)

(502) w

(503)

(504)

(505)

(506)

(507) F '

(508)

(509)

(510) ? $

(511) ? F #

(512) ! stanie technicznym) [21]. Omówienie ?

(513) zagadnie przekracza ramy niniejszego - #

(514) " &$ W praktyce, realizacja przedstawionej koncepcji wymaga zbudowania systemu.

(515) F tej koncepcji struktury

(516) $?

(517) ! ' (). !

(518)

(519)

(520)

(521) !F '

(522)

(523) $ ().

(524)

(525) ?F wprowadzenia nowych racjonalnych kryteriów doboru pojazdu dla klienta indywidualnego. G ?

(526)

(527)

(528) $

(529) wiska naturalnego.

(530) $|

(531)

(532)

(533)

(534) $ -? F ?

(535)

(536) komunikacyjnych [3$ ?

(537) F ' równania (4&$

(538) ? F ! drodze doboru pojazdu indywidualnego do klienta. W bibliografii zawarto wszystkie pozycje cy

(539) '

(540)

(541) $ Bibliografia 1.. Ambroziak T., Jacyna M.: Wybrane aspekty modelowania dynamiki procesów transportowych. Prace Naukowe Politechniki Warszawskiej, seria Transport, Warszawa 2004. 2. @ %$O-

(542) '

(543) obszarowego. (dysertacja, w przygotowaniu). 3. @ %$O

(544)

(545)

(546)

(547)

(548) :G$0 !$ 2759-2772. 4. Geocontext profiler. http://www.geocontext.org/publ/2010/04/prof iler/pl/, # -03-2016). 5. GPS Visualizer. http://www.gpsvisualizer.com/convert_input? Convert _format=gpx, # -022016). 6. Jacyna M.: Modelowanie i ocena systemów transportowych. OFICYNA Wydawnicza Politechniki Warszawskiej, Warszawa 2009. 7. |/$O

(549)

(550) !'

(551)

(552) !(!/ ! Warszawa 2014, http://www.krbrd.gov.pl/files/file/Podrecznik-dla-organizatorow-ruchu-pieszego.pdf, # -02-2016). 8. |

(553) G$!/($!/

(554) ,$!£:$!- ,$!, ($O@H(!0H(! 6«$* ?

(555) «$0 !$-1396. 9. JOSM, extensible editor for Open Street Map, O $ $ # -03-2016). 10. Kawalec P., Krukowic )$O

(556)

(557) . Zeszyty Naukowe Politechniki iej, seria Transport, z. 80, s. 53-63, 2013. 11. / !O $

(558) !# -03-2016). 12. / G :

(559) G

(560) Drogowego, http://www.krbrd.gov.pl/pl/ raporty-krajowe.html, # -03-2016)..

(561) 58. % @ . 13. /G$#$&O ,:

(562) ) $)%$

(563)

(564) !/£, Warszawa 2009. 14. Macioszek E.: Analiza zjawiska ogra

(565)

(566) .

(567) ? ?

(568)

(569) '? $0 ! s. 2959-2970. 15. Open Street Map, https://www.openstreetmap.org/, # -02-2016). 16. OverpassTurbo, OSM map resources, http://overpass-turbo.eu/, # -08-2015). 17. G /, http://rozklad-pkp.pl/?utm_source=pkppl&utm_medium °²

(570) °±²°$$$# -03-2016). 18. , ($! , -$! @ %$O H -ecological travel behavior learning. 8th International Conference of Education, Research and Innovation. ICERI2015, Seville, Spain, 16-18 November 2015. Conference proceedings. Ed. by L. Gomez Chova, A. Lopez Martinez, I. Candel Torres. Valencia: IATED Academy (2015). 19. , ($! , -$! @ %$O ?

(571)

(572) . ' ( )> . $)),)

(573) $) $, $G$ !$-1374, 20. , ($O @

(574) europejskich miastach. Systemy transportowe. Teoria i praktyka. XII Konferencja naukowo-techniczna, 12- " ! /

(575) $ -

(576) $ G$ ( , ! @

(577) $ /

(578) O )

(579) ! 21. Staniek M.: Neural networks in stereo vision evaluation of road pavement condition. International Symposium Non-Destructive Testing in Civil Engineering. NDT- CE 2015, Berlin, Germany, September 15-17, 2015. Book of abstracts. Berlin : Federal Institute for Materials Research and Testing, 2015, s. 88/90 22. , -$! , ($! @ %$! @

(580) $! :

(581) |$O %

(582) timetable in GTFS standard. Logistyka 2015 nr 4. 23. Szarata A.: The simulation analysis of suppressed traffic, Advances in Transportation Studies, An International Journal, Section A&B, volume XXIX, pp. 35-44. Rome 2013. 24. ,*$O-

(583)

(584) !) regionalny; - '

(585) -techniczny Stowarzyszenia % ? )

(586) /

(587) G

(588) Polskiej; vol. 3, marzec 2010; pp. 14 ÷ 17, Kraków 2010.. CAR SELECTION ISSUES, GTAlg TOOLS (PART II) Summary: This article is a continuation of the text: "CAR SELECTION ISSUES, DATA SOURCES (Part. I)," which discussed how data collection may help in the selection process of a passenger vehicle for the customer. For the purpose of selecting a vehicle behavior analysis was suggested studied in macroscale and his driving style observed in micro scale. This article, which is a continuation of this theme shows the utility tool Green Travelling Planner (GT Planner) with its essential component (engine) - GTAlg algorithm, allowing the parameterization behavior and communication preferences of users of the road network. The parameterization is possible thanks to the GT Planner feedback transaction mechanism data with the user service. This parameterization allows legitimate vehicle selection to the individual needs of the road network users. The choice of car can be realized in accordance with the interests of society in the spirit of sustainability of transport development. Keywords: trip planner, GTAlg, Green Travelling Planner. H

(589) H @ : G ' 6G*-NET Transport III Future Travelling pt. A platform to analyze and foster the use of Green Travelling options (GREEN_TRAVELLING)..

(590)