Ireneusz Celi ski
Politechnika lska, Wydzia TransportuZASTOSOWANIE WIDEOREJESTRACJI RUCHU
POJAZDÓW DO WALIDACJI I KALIBRACJI
MODELI SIECI DROGOWEJ
Rkopis dostarczono, marzec 2013
Streszczenie: W artykule opisano metod wykorzystujc wideorejestracj ruchu pojazdów na potrzeby kalibracji i walidacji modeli sieci drogowej. Artyku prezentuje wybrane aspekty realizacji metody pod ktem zbierania i obróbki danych z sieci drogowej. Opisana metoda wideorejestracji ruchu pojazdów realizowana jest sukcesywnie w wybranych przekrojach sieci drogowej miasta Katowice. Poszukiwanie takiej metody wynika z faktu, e modelowanie mikrosymulacyjne ruchu drogowego wzbudza, pewne istotne kontrowersje metodyczne. Dotyczy to m in. problemu stosowania lokalizowanych modeli zachowa kierowcy implementowanych w oprogramowaniu symulacyjnym. Ponadto w tym kontekcie, w odniesieniu do mikrosymulacji praktycy podkrelaj niejednoznaczno procesu walidacji modeli ruchu z wykorzystaniem rónych metod oraz charakterystyk ruchu. Sowa kluczowe: modele mikrosymulacyjne, przetwarzanie obrazów, sie drogowa
1. WSTP
Modelowanie jest uznan metod odwzorowania rzeczywistych systemów transportowych [1,4,5]. Cytujc za prac [1]: „model traktuje si jako uproszczon - umylnie i celowo – reprezentacj rzeczywistoci”. Wanym aspektem procesu modelowania jest weryfikacja, walidacja i kalibracja modeli symulacyjnych. W niniejszym artykule poruszono problematyk zastosowania metody wideorejestracji ruchu pojazdów na potrzeby kalibracji i walidacji modeli sieci drogowej. Wybrana technika pomiarowa (wideorejestracja) podyktowana zostaa rozmiarem przykadowej sieci drogowej, obejmujcej obszar niemal caego miasta (>500 kilometrów ulic). Rozmiar modelu wynika z kolei z przyjtego podejcia holistycznego realizowanego w celu opracowania metody oceny oddziaywania reimów przestrzennych w sieci drogowej. Wideorejestracja ruchu pojazdów w tym przypadku moe okaza si rozwizaniem znacznie bardziej uniwersalnym w stosunku do parametrów oferowanych przez klasyczne urzdzenia pomiarowe, stosowane w systemach detekcji ruchu drogowego. Autorzy opracowa w zakresie walidacji i kalibracji modeli ruchu zwracaj uwag na niedostatki w tym zakresie
systemów pomiarowych instalowanych w sieciach drogowych [9]. Prezentowana metoda czy ponadto dwa odmienne podejcia do problemu walidacji: wizualne i statystyczne [9]. Oprogramowanie do modelowania sieci drogowej podlega rónym testom w celu potwierdzenia spenienia stawianych przed nim wymaga. Proces ten okrela si mianem walidacji. Prawidowo przeprowadzona walidacja pozwala okreli przydatno oprogramowania do modelowania sieci drogowej w praktyce [9,11]. W procesie walidacji porównuje si wyniki dziaania programu (modelu symulacyjnego) z danymi pochodzcymi z analizowanej sieci drogowej. Innym sposobem walidacji moe by porównanie wyników symulacji z rozwizaniem analitycznym. W procesie walidacji modeli symulacyjnych powinny by stosowane róne charakterystyki ruchu, niezalene od tych, które s stosowane w zakresie ich kalibracji. Jeli np. kalibracja prowadzona jest na podstawie porównania prdkoci pojazdów to walidacja moe by wykonana na bazie porównania dugoci kolejek. Proponowana technika wideorejestracji pozwala na znacznie bardziej elastyczne pobieranie charakterystyk w stosunku do tych jakie oferuj klasyczne systemy detekcji ruchu. Istotne jest równie zwikszenie cznej dugoci monitorowanych odcinków sieci [9,11]. Kalibracja modelu sieci drogowej jest to proces konfiguracji parametrów programu symulacyjnego na bazie porównania wyników jego dziaania do znanych (rejestrowanych) charakterystyk ruchu rzeczywistego. W modelach mikrosymulacyjnych kalibruje si m in. parametry modeli jazdy za liderem i zmiany pasa ruchu. Celem kalibracji jest wic dostosowanie parametrów modelu symulacyjnego sieci. Poprawny jest taki model, który odwzorowuje procesy zachodzce w wiecie rzeczywistym, z wystarczajc dla celów bada dokadnoci [1]. W odniesieniu do ruchu drogowego proces kalibracji i walidacji modeli jest problematyczny z uwagi na stosowane miary i metody jak równie stochastyczne charakterystyki tego zjawiska, niejednorodno w czasie i w przestrzeni [9, 11]. Trudno w sieci drogowej wskaza przekrój stabilny w dugim horyzoncie czasu w zakresie charakterystyk ruchu (jako wzorzec). Proces kalibracji w odrónieniu od walidacji prowadzony jest w zasadzie po stronie uytkownika modelu, w tym sensie wideorejestracja ruchu jest równie rozwizaniem bardziej wygodnym w zakresie kontroli charakterystyk ruchu.
Warto odnotowa fakt, e w przypadku modelowania z wykorzystaniem mikrosymulacji ruchu, problematyka kalibracji i walidacji dotyczy w praktyce kilku rónych submodeli skadajcych si na pewien wynikowy model sieci drogowej. W ramach oprogramowania mikrosymulacyjnego zaimplementowane s z reguy co najmniej dwie klasy modeli: jazdy za liderem i zmiany pasa ruchu. Modele te dostosowywane s na etapie produkcji oprogramowania mikrosymulacyjnego dla warunków panujcych w referencyjnej sieci drogowej (zwykle sie drogowa kraju w którym powstaje oprogramowanie) [12, 13]. Na bazie tak wykonanego oprogramowania (w istocie pewnego zbioru modeli odwzorowujcych procesy ruchu) konstruowana jest modelowana sie drogowa reprezentujca tego typu struktur w wiecie rzeczywistym. W przypadku sieci drogowej stanowicej przedmiot zainteresowania tego artykuu, wystpuje ponadto jeszcze jeden model. Jest to model w skali makro, opisujcy potoki ródowo-celowe (O-D) dla caego obszaru analizy. Model ten zastosowano w celu zasadnego obcienia modelowanej sieci drogowej ruchem pojazdów. W praktyce model tak duej sieci drogowej jest zoeniem wielu innych submodeli. Dochodz ponadto modele: ruchu pieszego, transportu zbiorowego, modele rozkadu ruchu na trasy itp. W tym sensie przedmiotem zainteresowania artykuu jest okrelenie metody dla kalibracji i walidacji modelu
mikrosymulacyjnego duej sieci drogowej, którego elementy skadowe podlegay ju wczeniej (w rónej formie) wielokrotnie walidacji i/lub kalibracji (VISUM, VISSIM). W programie VISSIM przedmiotem walidacji by model jazdy za liderem Wiedemanna na bazie odcinków zlokalizowanych w niemieckiej sieci drogowej [9][10]. W przypadku makromodelu dla analizowanej sieci drogowej przeprowadzono kalibracj w programie VISUM w wybranych przekrojach zgodnie z dokumentami [6][7].
Rys. 1. Kalibracja zoonego modelu sieci drogowej
Innym powodem zastosowania wideorejestracji ruchu pojazdów jest próba weryfikacji proponowanej dla modelu sieci, holistycznej metody oceny warunków ruchu z uwzgldnieniem niestandardowych charakterystyk (zakócenia w ruchu). Jednym z analizowanych parametrów wyjciowych zrealizowanego modelu sieci drogowej dla miasta Katowice jest liczba zakóce okrelana w wybranych dla tego celu przekrojach. W przedmiotowym modelu sieci nie podjto jednak próby formalizacji definicji tego zjawiska (z uwagi na rozmiar i zoono tego zagadnienia). Przyjto natomiast, e to operator (analityk) obsugujcy model sam bdzie okrela jaki poziom zmiany prdkoci (lub innych parametrów jazdy) w danej sieci drogowej odpowiada bdzie umownemu zakóceniu ruchu. W tym znaczeniu zakóceniem ruchu w modelu sieci jest zmiana prdkoci kadego symulowanego pojazdu o okrelon warto . Dodatkowo na podstawie wyników uzyskiwanych z modelu sieci, okrela si dla jakich zdarze w ruchu, moe by klasyfikowane kryterium zakócenia (bada si zdarzenia i pojazdy w nich uczestniczce). Zdarzeniem w modelu sieci s jakiekolwiek interakcje pojazdów zidentyfikowane na podstawie zapisu pliku rejestru (*.fzp). Jest to istotne uproszczenie zjawiska zakócenia ruchu pojazdów tym niemniej model ten pozwala na uzyskanie przyblionych rozkadów liczby zakóce w caym obszarze analizowanej sieci drogowej. W ramach kalibracji i walidacji modelu sieci drogowej porównywane s charakterystyki zakóce w sieci drogowej rzeczywistej (Katowice) w stosunku do tych uzyskiwanych w modelu.
2. ANALIZOWANA SIE DROGOWA
Prezentowany w artykule model sieci drogowej zrealizowano na bazie rzeczywistego ukadu ulic Katowic z wykorzystaniem programu VISSIM. Wczeniej w celu zasadnego obcienia analizowanej sieci potokami ruchu, zbudowano inny model obejmujcy t sie drogow w skali makro [2]. Model w skali makro uwzgldnia zasadnicz cz obszaru aglomeracji górnolskiej. Model potoków ródowo-celowych (O-D) ruchu dla tego
obszaru zosta opisany szczegóowo w opracowaniu [2]. Prezentowana w artykule sie drogowa jest uszczegóowieniem wycinku modelu opisanego w pracy naukowo-badawczej [2].
Rys. 2. Model ikoniczny analizowanej sieci drogowej
Model mikrosymulacyjny analizowanej sieci drogowej zaprezentowany na rys. 2 pozwala uzyska przybliony rozkad liczby zakóce pojazdów w dowolnych jej przekrojach. Zakócenia mog by okrelane w poszczególnych przekrojach sieci, dla odcinków dróg, dla wzów sieci, dla numerów potoków O-D itp. Rys. 3 prezentuje jedn z tego typu analiz wykonan dla modelu tej sieci.
Rys. 3. Rozkad liczby zakóce w analizowanej sieci drogowej
Na rys. 3 zaprezentowano rozkad liczby zakóce w modelu analizowanej sieci drogowej. Kady supek w kolorze czerwonym reprezentuje zarejestrowan liczb zakóce w sieci drogowej. Celem kalibracji i walidacji prezentowanego modelu symulacyjnego jest zbadanie czy liczba zakóce okrelona z jego pomoc jest zgodna z rzeczywist ich liczb w przekrojach i na odcinkach modelowanej sieci drogowej oraz, e parametry submodeli s poprawne. W obszarze na którym rozpita jest analizowana sie drogowa, zarejestrowanych jest ponad 220 tys. pojazdów osobowych (w województwie lskim 4 mln). Modelowana sie ley na przeciciu dwóch korytarzy transeuropejskich: I, III. Wynika std m in. istniejce - silne obcienie kilku dróg modelowanej sieci ruchem tranzytowym. Wymienione kilka faktów, wskazuje na miar problemu zwizanego z kalibracj i walidacj tego typu sieci (silna niejednorodno obcie). Teoretycznie programy do symulacji ruchu s w stanie rozwizywa problemy zwizane ze specyfik danej sieci. Mog do tego celu suy implementacje w modelach: zewntrznych
dedykowanych modeli zachowa kierowcy, specyficzne struktury rodzajowe i kierunkowe ruchu, róne modele ruchu pieszego, róne rodzaje sterowania ruchem, róne rozkady tras itp. Tym niemniej kada sie drogowa jest struktur na tyle skomplikowan, e wielorakie i wielopaszczyznowe oddziaywania s czsto specyficzne dla kadej z nich z osobna. Std wynika konieczno kadorazowej walidacji i kalibracji zoonego (zmodyfikowanego w stosunku do wersji licencyjnej oprogramowania producenta) modelu sieci drogowej. Zoony model to w istocie nowy program symulacyjny. Z reguy proces walidacji nie powinien by realizowany po stronie uytkownika oprogramowania. W tym jednak wypadku model jest zoeniem wielu rónych narzdzi informatycznych. Zwaszcza ponowna walidacja i kalibracja modelu s istotne w proponowanym holistycznym podejciu do oceny sieci drogowej, gdzie duy obszar dziaania jest niejednorodny w zakresie charakterystyk ruchu.
3. WIDEOREJESTRACJA RUCHU POJAZDÓW
W celu sprawdzenia zgodnoci danych uzyskanych w modelu symulacyjnym z rzeczywistym ruchem w analizowanej sieci drogowej, zdecydowano si na wykorzystanie metody wideorejestracji strumieni ruchu. Na potrzeby metody zdefiniowano w analizowanej sieci drogowej charakterystyczne przekroje, w których wykonano wideorejestracj rzeczywistych strumieni ruchu. W sieci zidentyfikowano kilkadziesit przekrojów referencyjnych, w których moliwe byo rejestrowanie obrazu sceny ruchu drogowego z pewnej wysokoci (wiadukty, mosty, kadki dla pieszych itp.). W tak zlokalizowanych przekrojach pomiarowych rejestrowano z wykorzystaniem typowego camcordera obraz strumieni ruchu z pewnej wysokoci (3÷6 metrów). Nagrania zrealizowano w standardzie PAL. W trakcie bada (wci trwaj) rejestrowano kilkudziesiciosekundowe nagrania dla wybranych przekrojów sieci drogowej. Do bada wybrano te przekroje sieci drogowej, w których mona oczekiwa zwikszonej liczby zakóce z uwagi na wzajemn konfiguracj elementów liniowych i punktowych infrastruktury transportu. Dotyczy to cznic, skrzyowa, dróg zbiorczo-rozdzielczych itp. Na rys. 4 zaprezentowano typowe stanowisko pomiarowe suce dla celów wideorejestracji strumieni ruchu. W tym wypadku zlokalizowane zostao nad drog zbiorczo-rozdzielcz, obok autostrady A4 w Katowicach, na wysokoci os. Paderewskiego.
Na stanowisku takim jak przedstawiono na rys. 4 rejestrowany jest proces przemieszczania pojazdów w rzeczywistym strumieniu ruchu. W ramach bada sprawdzano równie moliwo jednoczesnej rejestracji parametrów ruchu w przekrojach drogi obejmujcych 3 pasy. W dalszej kolejnoci zarejestrowany obraz przetwarzany jest w ramach procedur analizy obrazów ruchomych (ang. image processing). Na zarejestrowanych materiaach wideo (klatka po klatce) wykonywane s zaawansowane algorytmy przetwarzania obrazów ruchomych, które maj za zadanie ustalenie przyblionej liczby zakóce w wybranym przekroju rzeczywistej sieci drogowej. Nastpnie liczba zakóce porównywana jest z analogiczn wartoci uzyskan w tym samym przekroju sieci z wykorzystaniem modelu mikrosymulacyjnego sieci. W celu ustalenia liczby pojazdów zakóconych na zarejestrowanym obrazie wideo, poddawany jest on wstpnej obróbce graficznej (ang. preprocessing). W ramach obróbki wstpnej obraz jest kadrowany do wymiarów odcinka pomiarowego. Nastpnie obraz poddawany jest filtracji z wykorzystaniem popularnych filtrów. Z uwagi na fakt rejestracji strumieni ruchu równie w pooeniu kamery -90q (umoliwia to rejestracj duszych odcinków pomiarowych), obraz czsto poddawany jest rotacji +90q. Wszystkie operacje przetwarzania wstpnego realizowane na zarejestrowanym materiale wideo wykonywane s w tzw. „locie” (w czasie zblionym do rzeczywistego). Proces obróbki wstpnej oraz dalsze etapy analizy prezentuje rys. 5.
Rys. 5. Proces rozpoznawania i analizy obrazu ruchu pojazdów
W efekcie wykonania operacji przedstawionych na rys. 5 dla analizowanego strumienia ruchu zarejestrowanego w sieci drogowej, konstruowany jest wykres typu droga–czas (SVT). Wykres tego typu przedstawiono na rys. 6.
Rys. 6. Obraz ruchu i wykres droga-czas dla jednego z zarejestrowanych strumieni ruchu Korzystajc ze staych parametrów kadru (wysokoci i szerokoci odcinka pomiarowego), kady rozpoznany obiekt ruchomy zostaje przypisany w paszczy nie ogniskowej kamery w pooeniu x, y (wysoko , szeroko kadru). Jest to nietypowy wykres droga-czas, brak na nim w jawnej postaci osi czasu (rys. 6, obraz po lewej). Obraz ten jest ponadto
znieksztacony z uwagi na warto kta pomidzy ogniskow rejestratora wideo, a paszczyzn ruchu pojazdów. Wykres ten jest „odciskiem” trajektorii pojazdów na paszczy nie ukadu przetwornika (CCD, CMOS). Tego typu znieksztacony wykres droga-czas, SV(T) poddawany jest superpozycji w celu uzyskania klasycznego wykresu SVT (rys. 6, obraz po prawej). Zaznaczony strzak punkt wykresu odpowiada chwilowemu pooeniu pojazdu na klatce filmu. Zagadnienia przetwarzania obrazu (w tym aspekcie) stanowi osobny problem, przekraczajcy ramy i tematyk tego artykuu. Cig takich punktów tworzy trajektori pojazdu na odcinku pomiarowym (w kadrze). Zaznaczony na rys. 6 ramk szereg punktów (linia równolega do osi odcitych) stanowi zakócenie powstae na skutek drga rejestratora (drgania pochodzce od podoa, podmuchy wiatru itp.). Zakócenia w dalszej kolejnoci w trakcie obróbki materiau wideo usuwane s z filmu, niektóre z nich pozostaj nieusunite mimo zastosowanej filtracji materiau (jest to problem na inne opracowanie).
Rys. 7. Przybliona trajektoria pojazdów obserwowanego strumienia ruchu
Na rys. 7 przedstawiono zwizek wykresu SV(T) z zarejestrowanym obrazem rzeczywistego strumienia ruchu (analiza poklatkowa). Wzajemna konfiguracja linii odwzorowuje trajektorie poszczególnych pojazdów, zwaszcza czsto obserwowane w trakcie bada na tym odcinku zmiany pasa ruchu i skracanie czasu nastpstwa. Poniej na rys. 8 zaprezentowano autorskie oprogramowanie wykorzystywane w procesie walidacji i kalibracji modelu mikrosymulacyjnego analizowanej sieci drogowej (kolejno sze zrzutów ekranów, liczc od lewego górnego rogu rysunku).
Rys. 8. Wykorzystane programy: kadrujcy, filtrujcy, superpozycji, analizujcy zakócenia, wychwytujcy obiekty ruchome na obrazie, analizy statystycznej
Na rys. 8 przedstawiono kolejno (od lewej) poszczególne programy (w formie zrzutów ekranu) wykorzystywane w procesie walidacji i kalibracji modelu sieci: program do kadrowania odcinka pomiarowego na tle sceny, filtracji obrazu, superpozycji obrazu sceny ruchu drogowego (obrazoSVT), wychwytywania elementów ruchomych w obrazie i na kocu, do analizy statystycznej rozkadu liczby zakóce. Poza ostatnim, wszystkie pokazane programy s zwizane z dziedzin przetwarzania obrazów ruchomych. Celem zastosowania tego oprogramowania jest doprowadzenie wycznie do konstrukcji wykresu droga - czas, zgodnie z obserwowanymi parametrami fizycznymi rejestrowanego strumienia ruchu. Operacje przetwarzania obrazów sceny ruchu drogowego odbywaj si w czasie rzeczywistym. Przed omówieniem procesu analizy statystycznej rozpoznanego obrazu naley zwróci uwag na aspekty techniczne metody. Dokadno zastosowanej metody pomiarowej (wideorejestracja) zaley gównie od liczby klatek rejestrowanych w cigu sekundy, standardu wideo i zastosowanego kodeka. Ponadto silnie zaley od prdkoci pojazdów i pooenia kamery (skrót perspektywiczny). Dla przykadu przy prdkoci 10 km/h mog by rejestrowane zmiany pooenia pojazdów z dokadnoci mniejsz ni 0,1 metra (25 fps). Przy prdkoci pojazdów dochodzcej do 110 km/h dokadno rejestracji pooenia pojazdów spada do ok. 1 metra. Ponadto dla wikszej intensywnoci ruchu pojazdów, proponowana metoda wymagaa bdzie segmentacji materiau wideo. Czas nastpstwa pojazdów poczynajc od wartoci 4÷5cc powoduje nakadanie si punktów na obrazie superpozycji ruchu (przy 't|1c).
Ostatnim etapem obróbki sceny ruchu drogowego jest analiza statystyczna wykresu droga-czas. Wykres droga-czas zostaje przetworzony graficznie, w wyniku czego obliczane zostaj czasy nastpstwa i odstpy pomidzy pojazdami. Tego typu przeksztacenia przedstawia rys. 9.
Rys. 9. Dekompozycja (przeksztacenie) wykresu SVT
Na rys. 9 na wykresie SVT (po lewej) zakodowana jest równie informacja o pooeniu pojazdów na poszczególnych pasach ruchu analizowanego odcinka pomiarowego (drobne przesunicia w poziomie). Parametry czasu nastpstwa i luki zaobserwowane na scenie ruchu drogowego poddawane s analizie statystycznej z wykorzystaniem podstawowych liczbowych charakterystyk zbioru danych. W tym celu ustalane s wartoci: minimum, maksimum, rednia itd. Program dla celów analizy statystycznej sceny ruchu drogowego przedstawiono na rys. 8 (6-sty zrzut ekranu). Kolejnym etapem oblicze jest zestawienie liczby pojazdów, które zostay sklasyfikowane jako zakócone (dla kadego miejsca identyfikowanego jako punkt zakócenia). Jest to bezporedni odpowiednik miary zakócenia w ruchu zastosowany w oprogramowaniu mikrosymulacyjnym dla analizowanej sieci drogowej. Odpowiada to porównaniu rozkadu liczby zakóce na odcinku pomiarowym (filmowanym) z odcinkiem sieci prezentowanej na rys. 3. Oba odcinki (modelu i rzeczywistej sieci) dzielone s nastpnie na sekcje w których nastpuje porównanie liczby zakóce:
| | M V j LZ LZ ' (1) gdzie: j
' - rónica w liczbie zakóce, j-tej sekcji odcinka, pomidzy modelem, a sieci, M
LZ - liczba pojazdów zakóconych na j-tej sekcji odcinka pomiar. w modelu sieci,
V
LZ liczba pojazdów zakóconych na j-tej sekcji odcinka pomiar. (wideorejestracja). Odchylenie ' wyraane jest nastpnie w wartociach wzgldnych zapisanych równaniem: j
¸ ¹ · ¨ © § ' ' ( ) V M j w j LZ LZ (2)
Wska nik wyraony równaniem (2) przyjmuje wartoci z zakresu <0,1>. Wartoci zblione do 0 oznaczaj dobre dopasowanie wyników dziaania programu mikrosymulacyjnego do warunków ruchu w rzeczywistej sieci drogowej, w danym przekroju. Wartoci wiksze od zera oznaczaj bdny szacunek liczby zakóce w analizowanej sieci wskazany przez jej model symulacyjny. Prace zwizane z kalibracj i walidacj modelu dla analizowanej sieci s nadal realizowane. Dla przykadowego odcinka pomiarowego (rys. 4, droga zbiorczo-rozdzielcza, S = 80 metrów, 2 pasy ruchu) warto wska nika (2) wynosi od 0,098 do 0,142 (pobierano próbki materiau wideo przesunite w czasie). Odpowiada to okoo 20%÷25% rónicy, pomidzy liczb zakóce szacowan w modelu sieci, a rzeczywicie zarejestrowan na badanym odcinku z wykorzystaniem techniki wideorejestracji. Jeszcze raz naley podkreli , e jest to wycznie pewne przyblienie liczby zakóce. Jest tak z uwagi na zoon natur zjawiska zakócenia w ruchu.
4. WNIOSKI
Proponowana metoda przeznaczona dla celów walidacji i kalibracji analizowanego modelu ruchu wymaga z pewnoci dalszych bada. Z uwagi na specyfik stosowanej metody (wideorejestracja) dotychczas przebadano krótkie próbki materiau wideo ('t<1c) w wybranych przekrojach analizowanej sieci. W proponowanej metodzie kalibracji przetwarzanie obrazów dla strumieni ruchu realizowane jest w czasie rzeczywistym. W zaoeniu jest to jedna z zalet proponowanej metody. Natomiast zastosowana analiza statystyczna wydua znacznie czas oblicze (wymaga dopracowania lub zmiany). W przypadku krótkich okresów czasu obserwacji rzeczywistych strumieni ruchu, bd modelu wynosi ok. 20%. Tym niemniej to wanie dziaanie metody kalibracji w czasie rzeczywistym (z wyczeniem czasu analizy) powinno by asumptem do dalszego jej rozwoju. W ramach dalszych bada mona prowadzi równolege do wideorejestracji
pomiary z wykorzystaniem dowolnego specjalizowanego detektora ruchu [8]. Taka metoda badania ruchu stwarza daleko wiksze moliwoci zastosowania, anieli tylko dla potrzeb kalibracji i walidacji modeli ruchu. Mona j stosowa np. w ramach specjalizowanych ukadów modelowania i sterowania ruchem w transporcie [3].
Bibliografia
1. Jacyna M.: Modelowanie i ocena systemów transportowych. Oficyna Wydawnicza Politechniki Warszawskiej (OWPW), Warszawa 2008, s.38.
2. Karo G., Janecki R., Sobota A.: Program inwestycyjny rozwoju trakcji szynowej na lata 2008-2011. Analiza ruchu. Praca naukowo-badawcza NB-67/RT5/2009.
3. Kawalec P.: Analiza i synteza specjalizowanych ukadów modelowania i sterowania ruchem w transporcie, t. 68, seria: Transport, Oficyna Wydawnicza Politechniki Warszawskiej, 2009
4. Leszczyski J.: Modelowanie systemów i procesów transportowych. OWPW, Warszawa 1999, s.19. 5. Malarski M.: Inynieria ruchu lotniczego. OWPW, Warszawa 2006, s. 34.
6. Niebieska Ksiga – Infrastruktura drogowa, JASPERS, grudzie 2008. 7. Niebieska Ksiga – Sektor transportu publicznego, JASPERS, maj 2008.
8. Suda J., Kos A.: Badanie i ocena zintegrowanego detektora pojazdów, Logistyka Nr 1/2010
9. Toledo T., Koutsopoulos N. H.: Statistical validation of Traffic SM,Transportation Research Rec. 1876. 10. Wiedemann R.: Simulation des Straßenverkehrsflusses. SIV der Universität Karlsruhe, Heft 8. 1974. 11. Wiedemann R.: Modeling of RTI-Elements…, DG XIII, Brussels, 1991.
12. VISSIM Podrcznik uytkownika v.5.4, PTV 2010. 13. VISSIM User Manual. v.5.2, PTV 2009.
14. WGCV: Working Group on Calibration and Validation (WGCV-36); http://www.ceos.org
VIDEO RECORDING OF VEHICLES MOVEMENTS APPLICATION FOR ROAD NETWORK MODEL VALIDATION AND CALIBRATION
Summary: This paper presents video recording method for validation and calibration of the road network model. Validation was carried out based on selected sections of the road network of Katowice city. Microsimulation traffic modeling raises some important controversy. Models calibration based on the video characteristics of the actual road traffic flows occurring in the urban road network can be helpful in assessing their quality. The problem with this type of method is the scope and scale of the collected data. In addition, for microsimulation emphasized the ambiguity of the validation process using a variety of methods and measures of road networks.
