Kokemuksia ajantasaisista liikennemalleista
|
|
- Emma Mäki
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 ESPOO 2004 TUTKIMUSRAPORTTI RTE475/04 Kokemuksia ajantasaisista liikennemalleista Satu Innamaa ja Iisakki Kosonen VTT RAKENNUS- JA YHDYSKUNTATEKNIIKKA
2 Kokemuksia ajantasaisista liikennemalleista Satu Innamaa ja Iisakki Kosonen VTT Rakennus- ja yhdyskuntatekniikka Tutkimusraportti RTE475/04 Espoo 2004
3
4 Satu Innamaa ja Iisakki Kosonen Kokemuksia ajantasaisista liikennemalleista. VTT, Rakennus- ja yhdyskuntatekniikka, Tutkimusraportti RTE475/ s. Avainsanat Liikennemalli, neuroverkot, simulointi TIIVISTELMÄ Tehty selvitys kerää kokemuksia tapaustutkimuksista, jotka käsittelevät ajantasaista liikenteen mallintamista. Tavoitteena on tarkastella tosielämässä toimivien ajantasaisten mallien aiheuttamia haasteita ja tarjota ohjeita näitä malleja tekevien henkilöiden avuksi. On monia muita kuin itse malliin liittyviä asioita, jotka täytyy ottaa huomioon. Nämä haasteet liittyvät erityisesti aineistoon, liikenteenseurantajärjestelmiin ja tiedonsiirtoon. Koska monia haasteita ei voi välttää, paras neuvo on tehdä vakaasti käyttäytyviä malleja, jotka suhtautuvat epäillen saamaansa tietoon. Mallin täytyy myös olla varautunut osittaiseen tietoon. Useimmissa tapauksissa mallin tekijä ei voi eliminoida erilaisten haasteiden aiheuttamia ongelmia, mutta hänen pitäisi olla niistä selvillä ja minimoida niiden haitalliset seuraukset. 3
5 Satu Innamaa ja Iisakki Kosonen Kokemuksia ajantasaisista liikennemalleista. [Experience from online traffic models.] VTT Technical Research Centre of Finland, Building and Transport, Research Report RTE475/ p. Keywords Traffic model, neural network, simulation ABSTRACT This study gathers experience from case studies concerning online modelling of traffic. The objective is to discuss challenges due to working in real time in a real world environment and to provide guidelines for the benefit of those developing online models of traffic situation. There are many issues that need to be taken into consideration concerning other aspects than the model itself. Specifically, these challenges are related to data, monitoring system and to data transfer. As many challenges cannot be avoided, the best advice is to make robust models that regard the incoming data with suspicion. The model also has to be prepared to information that is partial. In most cases, the model developer cannot eliminate the challenges discussed but he or she should be aware of them and minimise the harmful consequences. 4
6 ALKUSANAT Liikenne- ja viestintäministeriö sekä Tiehallinto rahoittivat tutkimuksen, joka käsitteli ajantasaisia liikennemalleja. Tutkimus oli osa ministeriön Liikennetelematiikan rakenteiden ja palvelujen tutkimus- ja kehittämisohjelmaa (FITS) Tutkimuksen tekemisestä vastasivat Satu Innamaa VTT Rakennus- ja yhdyskuntatekniikasta ja Iisakki Kosonen Teknillisen korkeakoulun liikennelaboratoriosta. Tutkimuksen etenemistä valvoi asiantuntijaryhmä, johon kuuluivat Seppo Öörni Liikenne- ja viestintäministeriöstä, Sami Luoma, Jyri Mustonen, Mauri Pyykönen, ja Jyri Vilhunen Tiehallinnosta, Matti Pursula Teknillistä korkeakoulusta sekä Risto Kulmala VTT:ltä. Neuraalilaskennassa on hyödynnetty CSC Tieteellinen laskenta Oy:n myöntämiä resursseja. 5
7
8 Sisällysluettelo TIIVISTELMÄ...3 ABSTRACT...4 ALKUSANAT JOHDANTO AIKAISEMPIA TUTKIMUKSIA TAPAUSTUTKIMUKSET Ajantasainen matka-ajan ennustemalli Ajantasainen mikrosimulointiin perustuva liikenteentiedotusjärjestelmä Sumean valo-ohjauksen liikennetilannemallit AJANTASAISEN TOIMINTAYMPÄRISTÖN AIHEUTTAMAT HAASTEET Seurantajärjestelmän aiheuttamat haasteet Liikennemallin aiheuttamat haasteet Kuinka selvitä ajantasaisuuden aiheuttamista haasteista TULOSTEN TARKASTELU...21 LÄHDELUETTELO
9
10 1 Johdanto Ajantasaista liikennetietoa tarvitaan sekä liikenteenohjauksen että tiedotuksen perusteeksi. Tätä tietoa ei kuitenkaan voida aina mitata kattavasti tai suoraan. Pistekohtainen tieto saatetaan joutua laajentamaan kuvaamaan kokonaisen tiejakson liikennetilannetta. Joitakin tunnuslukuja saatetaan myös joutua arvioimaan toisten, helpommin mitattavien suureiden avulla, kuten esimerkiksi matka-aika pistenopeuksista tai tiejakson liikennetiheys nopeuksista ja liikennemääristä tietyissä pisteissä. Joskus seurantajärjestelmän tuottama tieto on jo valmiiksi vanhentunutta kuten matka-aika, joka voidaan mitata vasta, kun koko tiejakso on ajettu ja mallia tarvitaan tuottamaan ajantasaisempia arvioita, puhumattakaan lyhyen ja pitkän aikavälin liikennetilanne-ennusteista. Näin ollen liikennetelematiikan palvelut perustuvat pitkälti malleihin, jotka kuvaavat liikennevirtaa. Mallin kehitystyö alkaa yleensä kokeilumallilla. Kokeiluympäristössä monia tosielämään liittyviä haasteita kuten tiedonsiirtoviiveitä tai seurantajärjestelmän vikoja joko ei ole lainkaan tai ne voidaan poissulkea. Jos tulokset ovat tyydyttäviä, kokeilumalli muunnetaan toimimaan ajantasaisesti todellisella maastossa mitatulla aineistolla. Tässä vaiheessa viimeistään on tarpeen tietää mahdolliset haasteet, jotka uusi toimintaympäristö voi aiheuttaa, ja uudet asiat, joista mallin täytyy selvitä. Liikennemalli muodostaa neljänneksen kehästä, jonka malli, liikenteenohjaus tai tiedotus, liikenneprosessi ja seurantajärjestelmä muodostavat (kuva 1). Liikenteenohjaus tai tiedotus vaikuttaa liikennevirtaan. Nämä vaikutukset voidaan havaita seurantajärjestelmän avulla. Liikennemalli tulkitsee mittauksia ja päivittää kuvaa liikennetilanteesta. Sopiva ohjaus tai tiedotus taas perustuu vastaavasti tähän tulkintaan. 9
11 Kuva liikenneprosessista Sopivat mittaukset mallille LIIKENNEMALLI SEURANTA OHJAUS/INFO LIIKENNEPROSESSI Sopiva ohjaus/ informaatio jokaiseen tilanteeseen Liikennevirran vaste ohjaukseen/informaatioon Kuva 1. Liikenteenohjausprosessi ja sen osat. Ihanteellisissa olosuhteissa seurantajärjestelmä antaa kattavaa ja luotettavaa ajantasaista tietoa mallille, joka muuttaa mittaustiedon todellisuutta vastaavaksi kuvaksi liikennetilanteesta. Vastaavasti liikennettä voidaan ohjata parhain mahdollisin keinoin tai liikenteelle voidaan antaa sopivinta mahdollista tiedotusta ja liikennevirtaa saadaan muokattua halutulla tavalla. Todellinen maailma on kuitenkin usein kaukana ihanteellisesta. Tämä saattaa joissakin tapauksissa johtaa liikennetilanteen muuttumiseen ei-toivottuun suuntaan. Liikennemallin, jota käytetään telematiikkasovelluksessa, pitäisi selviytyä kaikista mahdollisista ajantasaisuuden tuomista haasteista, jotta se voisi toimia optimaalisesti. Mitä lähemmäs järjestelmä pääsee optimia, sitä parempia tulokset ovat. Tämä selvitys kerää kokemuksia useista tapaustutkimuksista, jotka käsittelevät ajantasaista liikenteen mallintamista. Tavoitteena on tarkastella tosielämässä toimivien ajantasaisten mallien aiheuttamia haasteita ja tarjota ohjeita ajantasaisia liikennetilannemalleja tekevien henkilöiden avuksi. Ohjeet eivät rajoitu minkään tietyn liikenneilmiön mallintamiseen, mallinnusmenetelmään eivätkä toimintaympäristöön. Raportin rakenne on seuraavanlainen: Ensin käsitellään aiempia tutkimuksia ja tapaustutkimuksia, joihin tehty selvitys perustuu. Tämän jälkeen käsitellään haasteet, jotka aiheutuvat ajantasaisesta toimintaympäristöstä. Lopuksi annetaan ohjeita tehtyjen päätelmien pohjalta. 10
12 2 Aikaisempia tutkimuksia Chen ja Kuchipudi (2002) muuttivat matka-ajan ennustemallin, joka perustui simuloituun aineistoon, toimimaan ajantasaisen maastossa mitatun aineiston pohjalta. He havaitsivat, että (1) peräkkäisten aikajaksojen matka-aikojen keskihajonta oli tosielämässä suurempi kuin simuloidussa ympäristössä, (2) seurantatieto puuttui tietyiltä aikajaksoilta ilmaisimen toimintahäiriön takia ja (3) huipputuntien ulkopuolella joidenkin jaksojen aikana ei saatu tietoa yhdestäkään ajoneuvosta. Aggregoidun, täydentävän historia-aineiston käyttö ratkaisi ongelmista ensimmäisen. Harhaisen aineiston poistaminen puuttuvan ilmaisintiedon perusteella ja tyhjien jaksojen täyttäminen edellisten aikajaksojen keskiarvoilla ratkaisi kaksi jälkimmäistä. Chen ja Kuchipudi totesivat, että huolimatta lisätyöstä, joka ajantasaista tietoa käyttävistä malleista aiheutui, ne olivat vakaampia ja käytännöllisempiä kuin simuloituun aineistoon perustuvat mallit. Van Lint ym. (2003) tekivät tutkimuksen yksittäisten virhehavaintojen ja ilmaisinten toimintakatkosten vaikutuksista matka-ajan ennustamiseen. He arvioivat, että vakaa käyttäytyminen puutteeellisten tai virheellisten syötteiden kohdalla oli avainominaisuus mille tahansa matka-ajan ennustemallille, jota sovellettiin tosielämässä. Van Lint ym. havaitsivat, että imputaatiostrategioiden (poistetaan yksittäisiä arvoja) soveltaminen ennen simuloidun aineiston syöttämistä neuroverkolle johti vakaampaan, mutta kuitenkin tarkkaan malliin. Virheellisten arvojen sisällyttäminen opetusaineistoon kasvatti mallin vakautta satunnaisille syöteongelmille tarkkuuden kustannuksella. Van Lint ym. arvioivat, että ilmaisimen toimintahäiriö saattaisi vaatia sen, että neuroverkko oppisi monimutkaista liikennevirran dynamiikkaa eri tavalla, käyttämällä eri ilmaisimia ruuhkan ja siten myös viivytysten havaitsemiseen. Toisessa tutkimuksessa van Lint ym. (2002) totesivat, että todellisuudessa matkaaikaennustemallien syöteaineisto sisälsi usein virheellisiä tai puuttuvia arvoja, jotka aiheutuivat sekä satunnaisista että rakenteellisista toimintahäiriöistä. Tutkijat havaitsivat, että keskimäärin 5 15 prosenttia Alankomaiden moottoritieverkon induktioilmaisimista ei ollut toiminnassa. Mittausvirhe ja harha kuuluvat luonnostaan ilmaisinlaitteisiin ja yleensä keskiarvoistivat mittauksia ajan yli. Van Lint ym. ehdottivat, että puuttuvia tai virheellisiä arvoja pitäisi esikäsitellä ennen, kuin aineisto syötetään matka-ajan ennustemalliin. Esikäsittely voitaisiin tehdä korvaamalla arvo tasoitusarvolla, historiakeskiarvolla tai viimeisellä tunnetulla arvolla. Hienostuneempia menetelmiä kuten neuroverkkoja voitaisiin myös käyttää syöteaineiston siivoamiseen ja korjaamiseen. Ohba ym.(2000) laskivat tyypillisiä matka-aikoja tietullijärjestelmän keräämän aineiston perusteella. Laskentamenetelmä koostui poikkevien havaintojen poista- 11
13 misesta ja tyypillisten todellisten matka-aikojen laskemisesta. Poikkeava aineisto jaettiin kolmeen osaan: erittäin lyhyisiin matka-aikoihin (esimerkiksi moottoripyörät ruuhkaliikenteessä), erittäin pitkiin matka-aikoihin (ajoneuvot, jotka olivat pysähtyneet matkalla) ja aineistoon, joka poikkesi hieman matka-aikajakaumasta (kuljettajat, jotka pitävät lujaa tai hitaasti ajamisesta). Moottoripyörien matkaaikojen poistaminen ruuhkaliikenteestä poisti erittäin lyhyet matka-ajat. Erittäin pitkät matka-ajat eliminoitiin frekvenssianalyysin perusteella. Hieman poikkeavat matka-ajat määriteltiin klusterianalyysin perusteella ja tämän jälkeen poistettiin. Tyypillinen todellinen matka-aika määriteltiin laskemalla keskiarvo jäljelle jääneistä havainnoista. Vain pieni osa julkaistuista liikennemalleista toimii ajantasaisen maastossa mitatun aineiston pohjalta (van Grol ym. 1999, Lindveld ym. 2000). Näiden tekijät käsittelevät harvoin haasteita, jotka tosielämän toimintaympäristö on aiheuttanut. Yllä mainitut tutkimuksetkin raportoivat ainoastaan aineiston keruumenetelmiin liittyviä ongelmia. 12
14 3 Tapaustutkimukset 3.1 Ajantasainen matka-ajan ennustemalli Usein ruuhkautuvalle kaksikaistaiselle tiejaksolle kehitettiin malli, joka teki lyhyen aikavälin matka-aikaennusteita. Mallista tehtiin ensin tutkimusversio (Innamaa, julkaistavaksi toimitettu A), mutta koska tulokset olivat lupaavia, samasta mallista tehtiin pilottiversio tekemään ennusteita ajantasaisesti (Innamaa, julkaistavaksi toimitettu B). Tiejakso sijaitsi valtatiellä 4 Lahden ja Heinolan välillä. Keskimääräinen liikennemäärä oli noin ajoneuvoa vuorokaudessa kesäaikaan (Tiehallinto 2001). Tieosa oli varustettu matka-ajan seurantajärjestelmällä, jonka avulla matka-aikoja voitiin mitata automaattisesti rekisterikilpien tunnistamiseen perustuen (Eloranta 1999). Kamerailmaisimet keräsivät liikennetietoa neljässä poikkileikkauksessa ja induktioilmaisimet yhdessä poikkileikkauksessa tutkimuskohteessa ja kahdessa poikkileikkauksessa sen ulkopuolella. Muuttuvat opasteet kertoivat tiejaksolla odotettavissa olevan matka-ajan. Ennustemallit tehtiin monikerrosperseptronineuroverkkoina (Innamaa, julkaistavaksi toimitettu B). Ne opetettiin maastossa mitatulla aineistolla. Malli ennusti seuraavan viiden minuutin aikana tiejaksolle lähtevien ajoneuvojen mediaanimatka-aikaa viimeisten matka-aika- ja pistekohtaisten mittausten perusteella. Erillinen neuroverkko opetettiin ennustamaan matka-aikaa kunkin ilmaisinyhdistelmän pohjalta. Laadittiin myös strategia sille, kuinka selvitä lyhyistä yksittäisten ilmaisimien syöteaineiston tuottokatkoksista. 3.2 Ajantasainen mikrosimulointiin perustuva liikenteentiedotusjärjestelmä Mikroskooppisen ajantasaisen liikenteen simulointimallin pilottijärjestelmä toimi kokeilualueella Mansfieldissä Englannissa (Kosonen & Bargiela 2000). Pilotin tarkoituksena oli kokeilla ajantasaista simulointia liikenteentiedotusjärjestelmän pohjana. Kokeilualuetta ohjattiin SCOOT kaupunkiliikennevalojen ohjausjärjestelmän avulla, joka myös keräsi ilmaisinaineiston. SCOOT-järjestelmä optimoi valojen ajoitukset käyttämällä omaa makroskooppista simulointimalliaan. SCOOT-UTC kytkettiin jaetun muistin palvelimeen, joka salli viestinvaihdon useiden asiakkaiden välillä. Simulointijärjestelmä (HUTSIM) kytkettiin palvelimeen uutena asiakkaana. 13
15 Ajantasainen simulointimalli vastaanotti kentältä kahdenlaisia viestejä. Ajoneuvot luotiin simulointimalliin ilmaisinviestien perusteella ja liikennevalojen tilaviestit ohjasivat simulointimallin liikennevaloja. Jokainen ilmaisinpulssi sai aikaan uuden ajoneuvon luomisen malliin. Simulaattori liikutti ajoneuvoja ja mallinsi jonoutumista. Jonon purkautumista tiejaksojen loppupäissä ohjattiin liikennevalojen tilatietojen perusteella. Muuta ilmaisinaineistoa ei käytetty. Simulointimallissa yksittäisten ajoneuvojen reitit olivat tuntemattomia ja ne satunnaistettiin jakauman perusteella. Kuhunkin suuntaan kääntyvien ajoneuvojen osuudet arvioitiin ajantasaisesti tiejaksojen alkuosissa sijaitsivien ilmaisimien avulla. 3.3 Sumean valo-ohjauksen liikennetilannemallit Sumeaan logiikkaan perustuva valo-ohjaus asennettiin neljään liittymään Suomessa (Niittymäki 2002). Liikennetietoon perustuvat ohjausjärjestelmät käyttivät kenttäaineistoon perustuvaa mikroskooppista simulointimallia (HUTSIM, Kosonen 1999). Kohteina olivat erilliset nelihaaraliittymät Helsingissä, Vantaalla ja Lahdessa sekä kolmihaaraliittymä Jyväskylässä. Kaikissa liittymissä oli suuret liikennemäärät huipputuntien aikana. Liittymissä oli bussiliikennettä ja suojatiet. Simuloitu liikenne edusti todellista liikennettä ja tuotti näin ohjausyksikön tarvitsemat tiedot samalla, kun se heijasti ohjaustoimenpiteiden vaikutuksia. Ajantasaisen simuloinnin periaatteet olivat liikenteen ohjauksessa samat kuin liikenteen tiedotuksessa. Valo-ohjausjärjestelmässä simuloituja liikennemittareita käytettiin syötteinä kehittyneille ohjausalgoritmeille. Valo-ohjauksessa sovellettiin sumeaa logiikkaa määrittämään liikennetietoon perustuvalle ohjauskojeelle vihreiden jaksojen pidennyksiä. Sumea ohjaus otti huomioon liikennevirran vihreän opastimen takana ja jonotilanteen punaisten opastimien takana, toisin kuin tavalliset ohjausjärjestelmät. Useita muitakin tekijöitä käytettiin syötteinä sumealle päättelylle, jonka avulla laskettiin kompromissi sumeista säännöistä. Sumea logiikka matki ihmispoliisia liikenteen ohjaajana. Sumean logiikan parhaita piirteitä voitiin käyttää silloin, kun oli olemassa lintuperspektiivi liikennetilanteesta. 14
16 4 Ajantasaisen toimintaympäristön aiheuttamat haasteet 4.1 Seurantajärjestelmän aiheuttamat haasteet Usein seurantajärjestelmiä ei ole alunperin suunniteltu ajantasaisten liikennemallien tarpeisiin. Seurantajärjestelmien haasteet liittyvät viiveisiin, virheellisesti toimiviin ilmaisimiin ja muihin toimintahäiriöihin. Nämä ongelmat voivat johtaa väärään liikennetilannekuvaan huolimatta siitä kuinka hyvä itse liikennemalli on (kuva 2). Liikennetilanteen väärintulkinnan seuraus voi olla väärä ohjaustoimenpide tai tiedotus, joka johtaa ei-toivottuihin seurauksiin liikenteessä. Tästä syystä seurantajärjestelmän ongelmat tulisi tiedostaa ja minimoida. Virheellinen tulkinta liikennetilanteesta LIIKENNEMALLI TRAFFIC MODEL Virheellinen kuva Väärä SEURANTA OHJAUS/INFO tilanteesta ohjaus/ informaatio LIIKENNEPROSESSI Ei-toivottuja seurauksia Kuva 2. Seuraukset, joihin seurantajärjestelmän toimintahäiriöt tai väärä tai väärin käytetty liikennemalli, voivat johtaa. Aineiston tuottamisviiveet täytyy ottaa huomioon mallinteossa. Viive voi johtua tiedonkeruusta tai siirrosta. Eräs esimerkki tiedon keruun aiheuttamasta viiveestä on tiejakson matka-ajan mittaaminen (kuva 3). Matka-aikaa ei voida mitata ennen, kuin ajoneuvo on kulkenut koko kyseisen tieosan. Tästä on seurauksena se, että tiedonkeruuviive on yhtä pitkä kuin matka-aika eikä viivettä voi välttää. Jos yksittäisiin ajoneuvoihin perustuvat mittaustiedot tallennetaan ja siirretään seurantajärjestelmästä eteenpäin aggregoidussa muodossa, aineiston käsittely vie myös oman aikansa ja aiheuttaa viivettä. 15
17 INFO Ajoneuvo lähtee linkille Linkin matka-aika Matka-aika mitattavissa Tiedonsiirtoviive Tiedot mallin käytettävissä Info nähtävissä ajoneuvon lähtiessä linkille Ajoneuvon matka-aika mitattavissa eli ennusteen hyvyys määritettävissä Tietojen lukuun ja ennusteen tekoon kuluva aika Ennuste valmis Ennusteen muuttaminen muuttuvan opasteen viestiksi Kuva 3. Aikajana, joka kuvaa erilaisia viiveitä siitä hetkestä, kun se ajoneuvo, jonka matka-aikaan ennuste perustuu, lähtee linkille, aina siihen hetkeen, kun matka-aikatiedon nähnyt kuljettaja pääsee linkin loppuun ja voi arvioida matkaaikatiedon oikeellisuuden (Innamaa, julkaistavaksi toimitettu A). Monissa tapauksissa tiedonsiirtokustannus on riippuvainen siitä, kuinka usein tietoa siirretään. Jos seurantajärjestelmä on suunniteltu pääasiassa tilastotietojen keruuta varten, tietoa siirretään todennäköisesti harvoin ja tästä syystä tiedonsiirtoviive on pitkä. Esimerkiksi matka-aikaennustemallin (Innamaa, julkaistavaksi toimitettu B) tapauksessa kokonaisviive aineiston maastosta ennustemallille saamisessa oli minuuttia. Jos siis mallin piti ennustaa jokunen minuutti nykyhetkestä eteenpäin, sen piti todellisuudessa ennustaa tämän ennustejakson lisäksi tiedon siirrosta aiheutuva viiveen mittainen jakso. Ajantasaisessa simulointiprosessissa ei saisi olla viiveitä. Todellisuudessa viiveitä kuitenkin esiintyy, mutta niissä on vaihtelua ja aineisto saattaa tulla sykäyksittäin. Tästä syystä ajantasainen simulointi toimii vähintäänkin muutaman minuutin viiveellä todellista ajasta. Liikennetiedotussovelluksissa pieni viive todellisen ja simuloidun ajan välillä ei ole ongelmallinen. Ohjaustarkoituksessa viive on kuitenkin hyvin kriittinen. Virheellisesti toimivat ilmaisimet ovat haaste malleille, jotka toimivat ajantasaisesti. Ilmaisimet jättävät usein huomaamatta joitain ajoneuvoja. Tavallisesti tällaisten virheiden osuus on noin yksi prosentti. Jopa tätä pienempi osuus voi aiheuttaa merkitseviä kumulatiivisia virheitä malleihin, jotka pitävät lukua tiejaksolla olevien ajoneuvojen määrästä. Vaikka virheprosentti olisi sama tiejakson molemmissa päissä, ajoneuvojen laskenta voi mennä vikaan virheen satunnaisuuden takia. Myös liikennevalojen tilatiedon havaitsematta jättäminen voi tietenkin aiheuttaa vakavia ongelmia simulointimalliin, koska tällöin menetetään kokonainen valokierto. 16
18 Ilmaisin voi mennä rikki ja lakata toimimasta. Esimerkiksi induktioilmaisimet vahingoittuvat joskus salamaniskusta ja niiden korjaaminen saattaa kestää. Näiden pitkien katkosten lisäksi ilmaisimissa on meidän kokemuksemme perusteella paljon pieniä, alle puolen tunnin mittaisia katkoksia. Viestintäjärjestelmien, kuten matkapuhelinverkon tai internet-yhteyksien, toimintahäiriöt voivat myös aiheuttaa katkoksia tiedonsiirtoon. Vaikka liikenteen seurantajärjestelmä toimisikin hyvin, tiedonsiirrossa voi esiintyä ongelmia. Nämä katkokset eivät kuitenkaan yleensä ole pitkiä, koska on myös puhelinoperaattorin tai internet-yhteyden tarjoajan edun mukaista, että yhteydet toimivat luotettavasti. Mittausjärjestelmän eri kellojen synkronoinnin puute saattaa aiheuttaa aineistoon virhettä. Jos kahden ilmaisimen havainnot pitää yhdistää (matka-ajan mittaus, häiriön havaitseminen) ja joku kelloista ei ole oikeassa ajassa, tulokset voivat olla virheellisiä. Yleensä haasteena on havaita kellot, jotka jätättävät tai edistävät pikkuhiljaa. Alussa virhe on pieni, mutta kasvaa ajan mittaan. 4.2 Liikennemallin aiheuttamat haasteet Ajantasainen telematiikkasovellus on riippuvainen liikennemallin tuottamasta liikennetilanteen tulkinnasta. Malli voi kuitenkin tulkita tilannetta virheellisesti, jos se ei osaa käsitellä seurantajärjestelmältä saamaansa tietoa, se saa virheellistä tietoa tai sitä käytetään käyttöalueensa ulkopuolella. Virheellinen tulkinta saattaa johtaa väärään ohjaustoimenpiteeseen tai tiedotukseen ja näin ollen ei-toivottuihin seurauksiin (kuva 2). Malli, joka toimii hyvin tutkimusympäristössä, saattaa kärsiä ongelmista ajantasaisessa ympäristössä. Muutos simuloidusta aineistosta todelliseen, maastossa mitattuun aineistoon saattaa johtaa ongelmiin, jos malli ei ole riittävän vakaasti käyttäytyvä, koska ajantasainen kenttäaineisto saattaa pitää sisällään suurempaa vaihtelua kuin simuloitu aineisto. Vaikka tutkimusmalli olisikin perustunut kenttäaineistoon, saattaa ilmetä ongelmia, jos mallin tekovaiheessa on käytettävissä suhteellisen vähän aineistoa. Vaikka mallin opetusaineisto olisi edustavaa ja kattaisi tavalliset tilanteet, se ei voi koskaan kattaa kaikkia mahdollisia erilaisia tilanteita. Mallin suunnitteluvaiheessa pitäisi käydä läpi suuri määrä skenaarioita. Erilaisten häiriöiden luominen on helppoa simulointimallin avulla, mutta erityisesti silloin, kun työskennellään maastossa mitatun aineiston pohjalta, mallin vaste häiriöille pitäisi ottaa huomioon. Tästä on seurauksena, että käyttöalue, jolle malli on kalibroitu, pitäisi aina tiedostaa eikä mallia saisi käyttää sen ulkopuolella. 17
19 On erityisen ongelmallista, jos opetusaineisto ei vastaa todellista liikennetta kokonaisvaltaisesti ja se sisältää epäedustavia havaintoja. Tällaisia havaintoja on usein mukana esimerkiksi matka-aika-aineistossa. Mittausjärjestelmä tuottaa kahdenlaisia virheellisiä matka-aikoja: ne ova seurausta (1) toimintahäiriöistä järjestelmässä itsessään tai (2) epäedustavien matka-aikojen mittaamisesta. Automaattinen hahmontunnistusprosessi ei ole täysin tarkka rekisterikilpien lukemiseen perustuvassa mittausjärjestelmässä ja se saattaa yhdistää havaintoja virheellisesti, mikä johtaa matka-ajan väärintulkintaan. Poikkeavia havaintoja esiintyy myös, koska aina on havaintoja ajoneuvoista, jotka eivät ole ajaneet reittiä, jolta matkaaikaa todellisuudessa halutaan mitata. Tämä on seurausta siitä, että jotkin ajoneuvot pysähtyvät tiejakson varrelle tai poistuvat siltä ja palaavat takaisin, jos ilmaisinverkko ei kata kaikkia pikku liittymiä. Lisäksi voi olla havaintoja ajoneuvoista, jotka ovat ajaneet reitin lainsäädännöstä piittaamatta (moottoripyörä, joka ohittaa hitaasti liikkuvat jonot tien piennarta pitkin) ja täten edustavat epätodellista matka-aikaa. Kaikki nämä virheelliset havainnot pitäisi tunnistaa ja poistaa syöteaineistosta, jotta liikennetilanteesta voitaisiin saada todenmukainen kuva. Otos voi myös olla harhainen, jolloin se ei edusta todellista liikennevirtaa. Valtatiellä 4 matka-ajan seurantajärjestelmä ei kata ohituskaistaa. Peruskaista antaa käsityksen liikenteen sujuvuudesta tiellä, mutta järjestelmän havaitsemien ajoneuvojen otos ei edusta satunnaisotosta koko liikennevirrasta. Koska kaikki jommassa kummassa mittauspisteessä ohituskaistaa pitkin ajavat ajoneuvot jäävät automaattisesti havaintojen ulkopuolelle, otos on harhainen pitkien matka-aikojen suuntaan. Tästä syystä pitää tiedostaa, että mallin tuottama kuva liikenteestä, johon esitetty liikennetieto perustuu, on harhainen. On tärkeää ymmärtää ilmaisimien puutteet ja rajoitukset, joita ne malleille aiheuttavat. Esimerkiksi kamerailmaisimet ovat herkkiä lialle, lumelle ja heijastumille. Ilmaisin voi siis toimia etenkin talviaikaan vain harvoin ihanteellisissa olosuhteissa ja tästä syystä myös niiden havainnointiaste on harvoin yhtä korkea kuin se olisi hyvissä olosuhteissa. Alhaisen havainnointiasteen takia niiden liikennesuureiden määrä, joita malli voi käyttää, on rajallinen. Esimerkiksi mediaani on todennäköisesti vähemmän herkkä pienelle otoskoolle kuin keskiarvo tai hajonta. Induktioilmaisimet eivät myöskään toimi aina virheettömästi. Ne jättävät havaitsematta tietyn tyyppisiä ajoneuvoja (esimerkiksi moottoripyöriä) tai ajoneuvoja, jotka ajavat kaistan laitaa tai ne saattavat havaita viereistä kaistaa ajavia ajoneuvoja. Pitkät tai leveät silmukat ovat ongelmallisia erityisesti ajantasaiselle mikrosimuloinnille koska kaksi ajoneuvoa voi varata ne yhtä aikaa, mikä sotkee ajoneuvojen laskun. Tästä on seurauksena, että mallin pitää säännöllisesti nollata kumulatiivinen ajoneuvolaskuri. Tämä voidaan tehdä silloin, kun liikennetiheys on erittäin pieni tai nolla, esimerkiksi yöaikaan. 18
20 Mallin täytyy olla hyvin kalibroitu, jotta se välttää liikennetilanteiden väärintulkinnan. Esimerkiksi ajantasaisessa simuloinnissa virhe arvioidussa purkautumisliikennemäärässä voi aiheuttaa virheen jononmuodostukseen. Tämä virhe voidaan korjata, jos jonon loppua ilmaisemaan sijoitetaan ylimääräinen ilmaisin. Ajantasainen purkautumisliikennemäärän kalibrointi on mahdollista, jos pysäytysviivan lähellä on ylimääräinen ilmaisin. Pysäytyslinjan ylittävien ajoneuvojen määrä jonon purkautumisen aikana voidaan laskea, jotta saadaan säädettyä purkautumisliikennemäärän parametrit. 4.3 Kuinka selvitä ajantasaisuuden aiheuttamista haasteista Kehitettäessä mikrosimulointimallia Mansfieldiin (Kosonen & Bargiela 2000) tiedostettiin, että ajantasainen simulointimalli voisi toimia varsin harvojen ilmaisimien kanssa ja että tärkeimmät ilmaisimet sijaitsivat tiejaksojen alkuosissa. Muita ilmaisimia voitaisiin kuitenkin käyttää mallin tarkkuuden parantamiseen. Virheellisesti toimiva ilmaisin saattaisi aiheuttaa sen, että simuloitu tila-arvio saattaisi olla huomattavan virheellinen. Tästä oli seurauksena, että oli parempi hyväksyä hieman alentunut tarkkuus ja olla käyttämättä epäilyttävää ilmaisinta. Tästä syystä tarvittiin toiminto, joka tarkkaili jatkuvasti ilmaisimien kuntoa. Jos ilmaisin oli pitkään päällä tai poissa päältä tai jos se lähetti liian usein tai liian lyhyitä ilmaisinpulsseja, oli ilmeistä, että ilmaisimessa oli jokin ongelma. Tietoyhteysongelmien selvittämiseksi viestit piti puskuroida ja aikaleimata. Malli (Kosonen & Bargiela 2000) pystyi lukemaan ja tallentamaan kaikki viestit sitä mukaa, kun ne tulivat, mutta se käytti niitä aikaleimojen perusteella. Viive todellisen ja simuloidun ajan välillä asetettiin suurimman tiedonsiirtoviiveen suuruiseksi. Kun aineistoa kerättiin liikennevaloilta ja ilmaisimilta, oli luotettavampaa hakea ja lähettää tilatieto tietyin aikavälein, tilamuutoksista riippumatta. Tämä menetelmä oli yksinkertainen ja luotettava, mutta vaati hieman enemmän linjakapasiteettia kuin vaihtoehdossa, jossa välitettiin ainoastaan tilamuutokset. Tässä jälkimmäisessä vaihtoehdossa mallin piti muistaa edellinen tila, koska muuten yksittäisen viestin katoaminen olisi johtanut järjestelmän toimintahäiriöön. Siirrettävän tiedon määrä oli tällä tapaa pienempi, mutta se ei pienentänyt tarvittavaa linjakapasitteettia vastaavasti. Internet-protokollan kehysjärjestelmän takia lyhyiden ja pitkien viestien lähettäminen vaati suunnilleen saman kapasiteetin. Liikenteenohjaussovelluksissa paras tapa välttää kommunikaatio-ongelmia on käyttää liikennemallia paikallisesti. Liikennevalosovelluksessa ajantasaista simulointimallia voidaan ajaa samalla tietokoneella kuin ohjausalgoritmia. Käytännös- 19
21 sä viive on erittäin pieni, kun paikallinen tietokone saa tiedot kaikilta liittymän ilmaisimilta ja valo-opasteilta. Valtatien 4 matka-ajan ennustemalli (Innamaa, julkaistavaksi toimitettu B) ei saanut jokaiselta ilmaisimelta havaintoja jokaisen viiden minuutin jakson aikana. Tämä johtui ongelmista seurantajärjestelmässä, tiedonsiirrossa ja varmasti myöskin pienestä otoskoosta. Osittaisen tiedon kanssa selvitäkseen mallille kehitettiin päivityssääntö, jotta ennustemalli voitiin pitää toiminnassa pienistä tiedonkeruukatkoksista huolimatta. Tässä tapauksessa matka-ajan arvoa pidettiin vakiona, kunnes mitattiin uusi arvo. Joskus tiedonkeruukatkokset olivat erittäin pitkiä ja syötteen arvo piti todeta tuntemattomaksi (Innamaa, julkaistavaksi toimitettu B). Ennustemallin pitäisi kuitenkin olla varautunut tilanteisiin, joissa kaikki ilmaisimet eivät ole toiminnassa. Tästä syystä jokaiselle ilmaisinyhdistelmälle tehtiin erillinen neuroverkko simuloimaan tilanteita, jolloin yksi tai useampi ilmaisin ei ole toiminnassa. Jos tietyn ilmaisimen tietokatkos kesti korkeintaan 30 minuuttia, syötteen arvo pidettiin muuttumattomana, kunnes mitattiin uusi arvo. Jos katkos kesti yli 30 minuuttia, ennuste tehtiin neuroverkolla, joka oli opetettu ilman tätä kyseistä tietoa. Liikennetiedotusjärjestelmän luotettavuuden kannalta on olennaista, ettei liian epävarmoja ennusteita näytetä. Tästä syystä matka-aikaa ei ennustettu, jos liian moni tai kriittinen ilmaisin oli poissa toiminnasta (Innamaa, julkaistavaksi toimitettu B). Tässä vaiheessa tilanteissa, jotka johtivat ennusteeseen, joka oli oikeassa alle 60 prosenttia ajasta ruuhkaisissa olosuhteissa, ennustetta ei tehty lainkaan. 20
22 5 Tulosten tarkastelu Tämän tutkimuksen tarkoituksena oli koota kokemuksia tutkimuksista, jotka käsittelevät ajantasaista liikenteen mallintamista, ja tarjota ohjeita ajantasaisia liikennetilannemalleja tekevien henkilöiden avuksi. Tulokset perustuvat kolmeen tapaustutkimukseen, mutta käsitellyt asiat eivät rajoitu minkään tietyn liikenteen ilmiön mallintamiseen, mallinnusmenetelmään tai mihinkään tiettyyn toimintaympäristöön. Huomioon otettavat haasteet eivät useinkaan liity itse malliin. Nämä haasteet liittyvät aineistoon, seurantajärjestelmään ja tiedonsiirtoon. Jos malli saa osittaista, virheellistä tai viiveellä saapuvaa syötetietoa, se voi johtaa virheelliseen kuvaan liikennetilanteesta. Tästä on seurauksena, että liikennettä voidaan ohjata virheellisesti tai voidaan antaa virheellistä tiedotusta, jotka voivat johtaa ei-toivottuihin seurauksiin. Saadut tulokset viittaavat siihen, että ajantasaisessa mallissa pitäisi aina olla laatutarkistus saapuvalle tiedolle. Virheellisesti toimivat ilmaisimet ovat haaste mallille, joka toimii ajantasaisesti. Ei ole väliä, onko aineistossa mittausjärjestelmän puutteista johtuvia virheellisiä havaintoja vai todellisia havaintoja, jotka edustavat tavallisesta poikkeavaa ajotapaa. Joka tapauksessa nämä havainnot pitäisi löytää ja poistaa aineistosta ennen mallille syöttämistä. Lisäksi olisi hyödyllistä, jos malli voisi toimia vähintäänkin lyhyiden toimintahäiriöiden yli esimerkiksi arvioimalla puuttuvat parametrit aiempien havaintojen perusteella. Tosielämässä seurantajärjestelmän ilmaisimet kärsivät kaikenlaisista toimintahäiriöistä. Ilmaisinviat voivat olla pitkiä tai lyhyitä. Suhteellisen pitkien toimintahäiriöiden tapauksessa täytyy arvioida, kannattaako mallia käyttää puutteellisilla syötetiedoilla ja kuinka ne vaikuttavat tuloksiin. Eräs mahdollisuus selviytyä mallin rajoitetun käyttöalueen aiheuttamista haasteista on käyttää mallin opetuksessa tai kalibroinnissa simuloitua aineistoa. Siinä tapauksessa pitäisi tosin soveltaa jonkinlaisia aineiston esikäsittelymenetelmiä (van Lint ym. 2003), jotta voidaan taata mallin vakaa käyttäytyminen tosielämän aineistolle. Jos mikrosimulointijärjestelmä tuottaa kaikki mittaukset, mitä tahansa ilmaisinasetelmaa voidaan testata. Lisäksi kaikki liikenneolosuhteet ja suuri valikoima häiriöitä ja ilmaisinvikoja voidaan käydä järjestelmällisesti läpi hyvin alhaisista liikennemääristä ruuhkiin. Tällä tavoin järjestelmä voi oppia paremmin, kuinka selvitä poikkeustilanteista, verrattuna siihen, jos toimitaan pelkän maastossa mitatun aineiston pohjalta. Mallin simuloitu opetus tai kalibrointi voidaan automatisoida täysin, mikä säästää paljon vaivaa, etenkin jos opetusta tarvitaan useille malleille tai osamalleille. 21
23 Onnistunutta ajantasaista liikenteen mallintamista varten tarvitaan yhtenäinen tietojärjestelmä. Kun laskenta- ja kommunikaatiokapasiteettia on riittävästi, useimmista teknisistä haasteista selvitään. Kaikille järjestelmille, jotka käsittelevät liikennetietoa, pitäisi tarjota liityntärajapinta ajantasaiseen liikennetietokantaan. Avoin ja virtaviivainen telematiikkajärjestelmien arkkitehtuuri auttaa kehittämään yhtenäisiä ajantasaisia liikennemallijärjestelmiä, jotka ovat luotettavia. Huolimatta siitä käyttääkö liikennemallia tiedotus- vai ohjausjärjestelmä, tieto mallin käyttöalueesta ja mallin antaman liikennetilannetulkinnan laadusta on olennaisen tärkeä. Tiedotus, joka perustuu virheelliseen liikennetilannekuvaan, on käyttökelvotonta ja voi johtaa huonompaan reitinvalintaan tai valheellisiin odotuksiin. Virheellinen liikennetilanteen tulkinta voi myös johtaa vääriin ohjaustoimenpiteisiin, jotka huonontavat sujuvuutta tai turvallisuutta. Virheellinen tiedotus tai ohjaustoimenpide vie lisäksi kuljettajien luottamuksen järjestelmään. Kun luottamus kerran menetetään, sitä on vaikea enää saada takaisin. Yhteenvetona voidaan todeta, että vaikkei monia haasteita voikaan välttää, meidän neuvomme on tehdä vakaasti käyttäytyviä malleja, jotka suhtautuvat tulevaan aineistoon epäillen. Mallin täytyy lisäksi olla varautunut tavalla tai toisella osittaiseen tietoon. Hieman liioitellen täytyy todeta, että liikenteen seurantajärjestelmien valitettava todellisuus voi olla, että ne koostuvat huonosti sijoitetuista ilmaisimista, jotka toimivat virheellisesti ja ainoastaan osan ajasta antaen harhaisen kuvan liikennetilanteesta. Useimmissa tapauksissa, mallin kehittäjä ei voi välttää haasteita, mutta hänen täytyy olla niistä ja niiden aiheuttamista rajoituksista selvillä. Mallin kehittäjän pitäisi myös ymmärtää heikkoudet, jotka harhainen aineisto aiheuttaa. Jos mallin kehittäjä saa liikenteestä kuvan, joka ei täysin vastaa todellisuutta, myöskään mallin antama vaste oli se sitten kuinka lähellä mitattuja arvoja tahansa ei vastaa todellisuutta sellaisena kuin tienkäyttäjä sen näkee. Tavallisesti neuroverkko opetetaan tai simulointimalli kalibroidaan ennen kuin mallia aletaan käyttää. Tästä askel eteenpäin olisi itseoppiva malli, joka muuttaisi omia parametrejään samalla, kun olisi toiminnassa. Ajantasaisessa toiminnassa mallin oppimisaika on rajallinen eikä järjestelmä voi käytännössä oppia tekemistään virheistä ja yrittää parantaa seuraavalla kerralla. Tulevaisuuden tavoitteena pitäisikin olla itseoppiva neuroverkko tai simulointimalli ja tästä syystä jatkotutkimusaiheena pitäisi olla automatisoitu oppimis- tai kalibrointiprosessi, joka ei rajoittuisi ainoastaan opetusvaiheeseen, vaan toimisi myös ajantasaisen toiminnan aikana. 22
24 Lähdeluettelo Chien S, Kuchipudi C (2002). Dynamic travel time prediction with real-time and historical data. Transportation Research Board, Washington DC. Remarks: Paper prepared for presentation at the 81st annual meeting of the Transportation Research Board, Washington, D.C. 26 s. Eloranta T (1999). Rekisterikilpien tunnistukseen perustuva liikenteen automaattinen matkanopeuden seuranta. Tielaitoksen selvityksiä 46/1999. Uudenmaan tiepiiri, Tielaitos, Helsinki. 149 s. van Grol R, Lindveld K, Manfredi S, Danech-Pajouh M (1999). DACCORD: Online travel time estimation/prediction results. Proceedings of 6 th World Congress on Intelligent Transport Systems (ITS). 12 s. Innamaa S (julkaistavaksi toimitettu A). Short-term prediction of travel time using neural networks on an interurban highway. Innamaa S (julkaistavaksi toimitettu B). Online prediction of two-lane highway travel time experience from a pilot trial. Kosonen I (1999). HUTSIM - Urban Traffic Simulation and Control Model: Principles and Applications. Teknillinen korkeakoulu, Liikennetekniikka, Julkaisu 100, Espoo. 248 s. Kosonen I, Bargiela A (2000). Simulation based traffic information system. 7th World Congress on Intelligent Transport Systems. Lindveld C, Thijs R, Bovy P, Van der Zijpp N (2000). Evaluation of online travel time estimators and predictors. Transportation Research Record, S van Lint J, Hoogendoorn S, van Zuylen H (2002). Robust freeway travel time prediction with state-space neural networks. Proceedings of the 13 th Mini-EURO Conference Handling uncertainty in the analysis of traffic and transportation systems. 6 s. van Lint J, Hoogendoorn S, van Zuylen H (2003). Toward a robust framework for freeway travel time prediction: experiments with simple imputation and statespace neural networks. Transportation Research Board 82 nd Annual Meeting, Compendium of papers CD-ROM, Washington D.C. 11 s. Niittymäki J (2002). Fuzzy traffic signal control - Principles and applications. Teknillinen korkeakoulu, Liikennetekniikka, Julkaisu 103, Espoo. 71 s. 23
25 Ohba Y, Ueno H, Kuwahara M (2000). Travel time prediction method for expressway using toll collection system data. Proceedings of the 7 th World Congress on Intelligent Systems. 8 s. Tiehallinto (2001). Liikenteen automaattinen mittaus Tiehallinnon sisäisiä julkaisuja 25/2001, Tiehallinto, Helsinki s. 24
26
Matka-ajan ajantasainen ennustaminen
ESPOO 2004 TUTKIMUSRAPORTTI RTE474/04 Matka-ajan ajantasainen ennustaminen Pilottikokeilu Satu Innamaa VTT RAKENNUS- JA YHDYSKUNTATEKNIIKKA Matka-ajan ajantasainen ennustaminen Pilottikokeilu Satu Innamaa
LisätiedotDIGITRAFFIC - Yleisesittely
DIGITRAFFIC - Yleisesittely DIGITRAFFIC Työpaja 3.9.2002, 12.30 16.00 Liikenne- ja viestintäministeriö MIKÄ ON DIGITRAFFIC? Digitaalinen liikenteen tietomalli, virtuaali liikenne Laskennallinen kokonaiskuva
LisätiedotMatka-ajan lyhyen aikavälin ennustemalli
Satu Innamaa Matka-ajan lyhyen aikavälin ennustemalli Kokeiluversio Lahti-Heinola-välille Satu Innamaa Matka-ajan lyhyen aikavälin ennustemalli Kokeiluversio Lahti-Heinola-välille Tiehallinnon selvityksiä
LisätiedotVAATIMUKSIA YKSINKERTAISILLE VIKAILMAISIMILLE HSV:N KJ-VERKOSSA
VAATIMUKSIA YKSINKERTAISILLE VIKAILMAISIMILLE HSV:N KJ-VERKOSSA Versio 30.4.2012 Tavoitteena on kehittää Helen Sähköverkko Oy:n keskijännitteiseen kaapeliverkkoon vikailmaisin, joka voitaisiin asentaa
LisätiedotAINO Ajantasaisen liikenneinformaation Ohjelma
AINO Ajantasaisen liikenneinformaation Ohjelma www.aino.info Koordinaattori Risto Kulmala VTT Hankesihteeri Juhani Vehviläinen Jussa Consulting AINO Ajantasaisen liikenneinformaation Ohjelma Päämääränä
LisätiedotDigitraffic ja liikennetelematiikan palvelut. Risto Kulmala VTT Rakennus- ja yhdyskuntatekniikka
Digitraffic ja liikennetelematiikan palvelut VTT Rakennus- ja yhdyskuntatekniikka Sisältö Palvelujen arvoketjut ja -verkot Digitrafficin merkitys eri palveluille Päätelmiä 3.9.2002 Digitraffic-seminaari
LisätiedotLIIKENNEVALOETUUDET JA AJANTASAINEN TIEDOTUS VAIKUTUKSET RAITIOLINJALLA 4 JA BUSSILINJALLA 23 HELSINGISSÄ
LIIKENNEVALOETUUDET JA AJANTASAINEN TIEDOTUS VAIKUTUKSET RAITIOLINJALLA 4 JA BUSSILINJALLA 23 HELSINGISSÄ Tutkija Mikko Lehtonen VTT Rakennus- ja yhdyskuntatekniikka SISÄLTÖ Järjestelmän kuvaus Vaikutusselvitykset
LisätiedotKehä III: Raskaan liikenteen ohituskiellon vaikutukset sujuvuuteen välillä Pakkala - Vt 3
Riku Nevala Kehä III: Raskaan liikenteen ohituskiellon vaikutukset sujuvuuteen välillä gg Tiehallinnon sisäisiä julkaisuja 45/2008 Riku Nevala Kehä III: Raskaan liikenteen ohituskiellon vaikutukset sujuvuuteen
LisätiedotLIIKENNETILANTEEN LYHYEN AIKAVÄLIN ENNUSTAMINEN MLP-NEUROVERKOLLA
LIIKENNETILANTEEN LYHYEN AIKAVÄLIN ENNUSTAMINEN MLP-NEUROVERKOLLA Satu Innamaa Teknillinen korkeakoulu, Liikennelaboratorio TUTKIMUKSEN TARKOITUS Dynaamiset liikenneinformaatio- tai ohjausjärjestelmät
LisätiedotJaakko Myllylä ja Anssi Lampinen Liikkuvan kelihavainnoinnin automatisointi
Jaakko Myllylä ja Anssi Lampinen Liikkuvan kelihavainnoinnin automatisointi VIKING Jaakko Myllylä ja Anssi Lampinen Liikkuvan kelihavainnoinnin automatisointi Tiehallinto Kaakkois-Suomen tiepiiri Liikenteen
LisätiedotKehä III:n lyhyen aikavälin matka-aikaennustemalli
Satu Innamaa Kehä III:n lyhyen aikavälin matka-aikaennustemalli Vanhaan seurantajärjestelmään perustuva malli Tiehallinnon selvityksiä 6/2008 Satu Innamaa Kehä III:n lyhyen aikavälin matkaaikaennustemalli
LisätiedotPaikalla: Sami Luoma pj. Tiehallinto Timo Karhumäki siht. Tiehallinto. Satu Innamaa Iisaakki Kosonen Jani Granqvist
Kokousmuistio TKI 9.4.2002 sivu 1 FITS Hanke 3 "Liikenteen ja kuljetusten seuranta" Hankeryhmän kokous 9.4.2002 klo 9-11.00 Paikka: Tiehallinto, Uudenmaan tiepiirin liikennekeskuksen neuvotteluhuone Paikalla:
LisätiedotPÄÄSET PERILLE NOPEAMMIN
TOMTOM TRAFFICIN AVULLA PÄÄSET PERILLE NOPEAMMIN TomTom on johtava liikennepalvelujen tarjoaja. TomTom valvoo, käsittelee ja toimittaa liikennetietoa itse kehittämällään teknologialla. TomTom uskoo, että
LisätiedotTelemaattisten palveluiden tarpeellisuus - käyttäjien mielipiteet ja liikennepoliittiset tavoitteet
Telemaattisten palveluiden tarpeellisuus - käyttäjien mielipiteet ja liikennepoliittiset tavoitteet Virpi Anttila, Merja Penttinen ja Heidi Sandberg VTT Rakennus- ja yhdyskuntatekniikka Liikennetelematiikka
LisätiedotPANK PANK-4122 ASFALTTIPÄÄLLYSTEEN TYHJÄTILA, PÄÄLLYSTETUTKAMENETELMÄ 1. MENETELMÄN TARKOITUS
PANK-4122 PANK PÄÄLLYSTEALAN NEUVOTTELUKUNTA ASFALTTIPÄÄLLYSTEEN TYHJÄTILA, PÄÄLLYSTETUTKAMENETELMÄ Hyväksytty: Korvaa menetelmän: 9.5.2008 26.10.1999 1. MENETELMÄN TARKOITUS 2. MENETELMÄN SOVELTAMISALUE
LisätiedotYksityisautoilijoille ABAX AJOPÄIVÄKIRJA
The difference is ABAX Yksityisautoilijoille ABAX AJOPÄIVÄKIRJA The difference is ABAX 2 The difference is ABAX ABAX SÄHKÖINEN AJOPÄIVÄKIRJA Tähän esitteeseen on koottu vastauksia kysymyksiin, jotka liittyvät
LisätiedotRisteysruudukoiden kokeilu
Helsingin kaupunkisuunnitteluvirasto Muistio 5.12.2010 Liikennesuunnitteluosasto Eero Pasanen & Hannu Seppälä Risteysruudukoiden kokeilu Tieliikennelain 15 :n mukaan kuljettajan on lähestyessään risteystä
LisätiedotOulun tiepiiri VT 20:N JA MT 848:N LIITTYMÄN TOIMIVUUS: SIMULOINTITARKASTELU JA LIIKENNEVALO-OHJAUKSEN TARVE
Oulun tiepiiri VT 20:N JA MT 848:N LIITTYMÄN TOIMIVUUS: SIMULOINTITARKASTELU JA LIIKENNEVALO-OHJAUKSEN TARVE MUISTIO 22.2.2005 SISÄLLYSLUETTELO SISÄLLYSLUETTELO 1 1 TARKASTELUALUE JA MENETELMÄT 2 2 TOIMIVUUS
Lisätiedott osatekijät vaikuttavat merkittävästi tuloksen epävarmuuteen Mittaustulosten ilmoittamiseen tulee kiinnittää kriittistä
Mittausepävarmuuden määrittäminen 1 Mittausepävarmuus on testaustulokseen liittyvä arvio, joka ilmoittaa rajat, joiden välissä on todellinen arvo tietyllä todennäköisyydellä Kokonaisepävarmuusarvioinnissa
LisätiedotASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI. Mikko Kylliäinen
ASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI Mikko Kylliäinen Insinööritoimisto Heikki Helimäki Oy Dagmarinkatu 8 B 18, 00100 Helsinki kylliainen@kotiposti.net 1 JOHDANTO Suomen rakentamismääräyskokoelman
LisätiedotLiikenteenseurantapisteistön uudistamisen kuvaus Uudenmaan tiepiiri
Liikenteenseurantapisteistön uudistamisen kuvaus Uudenmaan tiepiiri VIKING Liikenteenseurantapisteistön uudistamisen kuvaus Tielaitos Uudenmaan tiepiiri Liikennekeskus Opastinsilta 12 PL 70 00521 HELSINKI
LisätiedotYHDYSKUNTARAKENTEELLISEN TARKASTELUN TÄYDENNYS (maaliskuu 2008)
YHDYSKUNTARAKENTEELLISEN TARKASTELUN TÄYDENNYS (maaliskuu 2008) Kustannustarkastelua Ramboll Finland Oy on arvioinut eri vaihtoehdoissa ne investoinnit, jotka tiehallinto joutuu tekemään uuden jätteenkäsittelykeskuksen
LisätiedotLÄHTÖKOHDAT. Tehtävä. Taustaa. Kohteen tiedot
Valtatien 4 ja Sorosentien (pt 18756) liittymän toimivuustarkastelu Valo-ohjauksen tarveselvitys VALTATIEN 4 JA SOROSENTIEN (PT 18756) TARKASTELU 2 Tehtävä Tämän selvityksen tavoitteena on tarkastella
LisätiedotHELSINKI SUUNNITTELEE 2005:7. Nopeusrajoitukset Helsingissä
HELSINKI SUUNNITTELEE 25:7 Nopeusrajoitukset Helsingissä Nopeusrajoitukset Helsingissä Kesällä 24 alennettiin monien Helsingin katujen nopeusrajoitusta kymmenellä kilometrillä tunnissa. Toimenpide alensi
LisätiedotKemometriasta. Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka
Kemometriasta Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka Mistä puhutaan? Määritelmiä Määritys, rinnakkaismääritys Mittaustuloksen luotettavuus Kalibrointi Mittausten
LisätiedotKURSSIEN POISTOT JA MUUTOKSET LUKUVUODEKSI
Liite 6.5/2/2016 Aalto-yliopisto Insinööritieteiden korkeakoulu KURSSIEN POISTOT JA MUUTOKSET LUKUVUODEKSI 2016-2017 RAKENNE- JA RAKENNUSTUOTANTOTEKNIIKAN KOULUTUSOHJELMA Valmistelija Seppo Hänninen (Päivi
LisätiedotFYSP101/K1 KINEMATIIKAN KUVAAJAT
FYSP101/K1 KINEMATIIKAN KUVAAJAT Työn tavoitteita tutustua kattavasti DataStudio -ohjelmiston käyttöön syventää kinematiikan kuvaajien (paikka, nopeus, kiihtyvyys) hallintaa oppia yhdistämään kinematiikan
LisätiedotPrognos Julkaisusuunnitelmat
Prognos Julkaisusuunnitelmat Työsuunnitelmiin liittyvien raporttien ja vuosiseminaarien lisäksi suunnitellut julkaisut Casejoryt 09/2005 & JR4 25.1.2005 päivitetty tilanne Casejoryt 04/2006 päivitetty
LisätiedotKojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto
Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Mittalaitteiden staattiset ominaisuudet Mittalaitteita kuvaavat tunnusluvut voidaan jakaa kahteen luokkaan Staattisiin
LisätiedotAutomaattinen regressiotestaus ilman testitapauksia. Pekka Aho, VTT Matias Suarez, F-Secure
Automaattinen regressiotestaus ilman testitapauksia Pekka Aho, VTT Matias Suarez, F-Secure 2 Mitä on regressiotestaus ja miksi sitä tehdään? Kun ohjelmistoon tehdään muutoksia kehityksen tai ylläpidon
LisätiedotTRAVEL-GUIDE TRAVELler and traffic information systems GUIDElines for the enhancement of integrated information provision systems
TRAVEL-GUIDE TRAVELler and traffic information systems GUIDElines for the enhancement of integrated information provision systems LVM ja Tiehallinto VTT: pirkko.rama@vtt.fi, juha.luoma@vtt.fi tiedonkeruuta,
LisätiedotLiikenteen ja kuljetusten seuranta
Liikenteen ja kujetusten seuranta Sami Luoma Tiehainto - Liikenteen paveut Hankeaue 3 FITS oppuseminaari 07.05.2004 Sami Luoma, FITS oppuseminaari 07.05.2004 Liikenteen ja kujetusten seuranta - tavoitteet
LisätiedotDIGITRAFFIC FITS-syystapaaminen Iisakki Kosonen
DIGITRAFFIC FITS-syystapaaminen 14.11.2001 Iisakki Kosonen DigiTraffic - perusajatukset Digitaalinen eli numeerinen malli liikenteestä Vrt. DigiRoad = Digitaalinen tieverkko Virtuaalinen liikenne vrt.
LisätiedotLavolankadun liikenneselvitys: liikenteellinen toimivuustarkastelu
Mikko Jokinen Trafix Oy 14.12.2017 : liikenteellinen toimivuustarkastelu Trafix Oy 1 : liikenteellinen toimivuustarkastelu Tarkastelukohde Tarkastelun kohteena on Lappeenrannan Lavolankadun liikenteellinen
LisätiedotTutkimusmenetelmien lyhyt oppimäärä
VTT TECHNICAL RESEARCH CENTRE OF FINLAND LTD Tutkimusmenetelmien lyhyt oppimäärä Juha Luoma, VTT Poliisin liikenneturvallisuusseminaari Tampere 25.-26.10.2017 Liikenneturvallisuustutkimuksen menetelmiä
LisätiedotLiikenneteorian tehtävä
J. Virtamo 38.3141Teleliikenneteoria / Johdanto 1 Liikenneteorian tehtävä Määrää kolmen eri tekijän väliset riippuvuudet palvelun laatu järjestelmä liikenne Millainen käyttäjän kokema palvelun laatu on
LisätiedotTurvesuonkadun hypermarketin liittymän toimivuustarkastelut 17.10.2007. WSP Finland Oy
Turvesuonkadun hypermarketin liittymän toimivuustarkastelut 17.10.2007 WSP Finland Oy 1. TARKASTELUN LÄHTÖKOHDAT Työn tarkoituksena oli tutkia eri liittymäratkaisujen liikenteellistä toimivuutta Turvesuonkadun
LisätiedotOtoskoko 107 kpl. a) 27 b) 2654
1. Tietyllä koneella valmistettavien tiivisterenkaiden halkaisijan keskihajonnan tiedetään olevan 0.04 tuumaa. Kyseisellä koneella valmistettujen 100 renkaan halkaisijoiden keskiarvo oli 0.60 tuumaa. Määrää
LisätiedotÄlykäs kaukolämpö. Risto Lahdelma. Yhdyskuntien energiatekniikan professori. Energiatekniikan laitos. Insinööritieteiden korkeakoulu Aalto-yliopisto
Älykäs kaukolämpö Risto Lahdelma Yhdyskuntien energiatekniikan professori Insinööritieteiden korkeakoulu Aalto-yliopisto risto.lahdelma@aalto.fi 1 Älykäs kaukolämpö Lähtökohtana älykkyyden lisäämiseen
LisätiedotLIIKENNETARKASTELU KALEVANRINTEEN ENSIMMÄINEN RAKENNUSVAIHE
LIIKENNETARKASTELU KALEVANRINTEEN ENSIMMÄINEN RAKENNUSVAIHE 14.11.2013 SISÄLTÖ Nykyliikennemäärät ja liikenteen toimivuus Liikenne-ennuste Yön yli tilanteen toimivuus Herkkyystarkastelut NYKYTILANNE LIIKENNELASKENNAT
LisätiedotSeurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen
Seurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen 08.09.2014 Ohjaaja: DI Mikko Harju Valvoja: Prof. Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotKonenäön hyödyntämismahdollisuudet teiden ylläpidossa ja hoidossa
INFRA2010 KEHITTÄMISOHJELMAN LOPPUSEMINAARI 5.11.2008 Konenäön hyödyntämismahdollisuudet teiden ylläpidossa ja hoidossa SEPPO ROPPONEN, Intopii Oy Sisältö Esiselvityksen tavoitteet ja osallistujat Mitä
LisätiedotEne-58.4139 LVI-tekniikan mittaukset ILMAN TILAVUUSVIRRAN MITTAUS TYÖOHJE
Ene-58.4139 LVI-tekniikan mittaukset ILMAN TILAVUUSVIRRAN MITTAUS TYÖOHJE Aalto yliopisto LVI-tekniikka 2013 SISÄLLYSLUETTELO TILAVUUSVIRRAN MITTAUS...2 1 HARJOITUSTYÖN TAVOITTEET...2 2 MITTAUSJÄRJESTELY
LisätiedotLinkkikohtaisen liikennetilanteen ajantasainen arviointi
Heli Mattila Linkkikohtaisen liikennetilanteen ajantasainen arviointi Tiehallinnon selvityksiä 61/2003 Heli Mattila Linkkikohtaisen liikennetilanteen ajantasainen arviointi Tiehallinnon selvityksiä 61/2003
LisätiedotLyhyen ajan ennusteet liikennetiedotuksen osana
Lyhyen ajan ennusteet liikennetiedotuksen osana VIKING Lyhyen ajan ennusteet liikennetiedotuksen osana Tiehallinnon selvityksiä 73/2001 Tiehallinto Helsinki 2001 ISSN 1457-9871 ISBN 951-726-829-7 TIEH
LisätiedotLumijoentien (st 813) ja vt 8:n liittymän toimivuus. Oikealle kääntymiskaistan tarveselvitys
Lumijoentien (st 813) ja vt 8:n liittymän toimivuus Oikealle kääntymiskaistan tarveselvitys Tiehallinto Oulun Tiepiiri 2005 Lähtökohdat ja tavoitteet... 2 Lähtökohdat... 4 Tarkastelu... 10 Johtopäätökset...
LisätiedotKÄYTTÖOHJE ELTRIP-R6. puh. 08-6121 651 fax 08-6130 874 www.trippi.fi seppo.rasanen@trippi.fi. PL 163 87101 Kajaani
KÄYTTÖOHJE ELTRIP-R6 PL 163 87101 Kajaani puh. 08-6121 651 fax 08-6130 874 www.trippi.fi seppo.rasanen@trippi.fi SISÄLLYSLUETTELO 1. TEKNISIÄ TIETOJA 2. ELTRIP-R6:n ASENNUS 2.1. Mittarin asennus 2.2. Anturi-
LisätiedotMetsämuuronen: Tilastollisen kuvauksen perusteet ESIPUHE... 4 SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 2. AINEISTO...
Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA...9 1.2 AIHEESEEN PEREHTYMINEN...9 1.3
LisätiedotTyömaan haittojen hallinta ja liikenteen simuloinnit, osa 1. KEHTO foorumi 28.3
Työmaan haittojen hallinta ja liikenteen simuloinnit, osa 1 KEHTO foorumi 28.3 2 Liikenteen hallinta kaupunkiympäristön eri tilanteissa katutyöt autoilijoiden silmin 3 Liikenteen hallinta kaupunkiympäristön
LisätiedotVapaudentien jatkeen liikennetarkastelu 10.11.2015
Vapaudentien jatkeen liikennetarkastelu 10.11.2015 Liikenne-ennusteen päivittäminen Liikenne-ennuste pohjautuu Keski-Nurmon osayleiskaavatyön yhteydessä laadittuun ennusteeseen vuodelle 2040 Ennusteen
LisätiedotSmart City -ratkaisut
Smart City ratkaisut Kaupungin rakennuskannan energialaskenta Pekka Tuominen Senior Scientist Pekka.Tuominen@vtt.fi +358407345580 06/10/2017 1 KASVIHUONEKAASUPÄÄSTÖT MUUT PÄÄSTÖT ENERGIA EKOSYSTEEMIVAIKUTUKSET
LisätiedotLiittymän toiminta nelihaaraisena valo-ohjaamattomana liittymänä Ristikkoavaimentien rakentamisen jälkeen.
Porvoon kaupunki 7224 Loviisantien yritysalue Toimivuustarkastelu Tämä toimivuustarkastelu on laadittu Porvoon kaupungin toimeksiannosta. Tarkastelun kohteena on liikenteellinen toimivuus Loviisantie Porvoon
LisätiedotKarnaisten alueen maankäytön kehittäminen Liikenne
Suunnittelualue Suunnittelualueena on valtatien 1 ja Karnaistentien sekä Hossanmäentien rajaama alue sekä Hossantien varsi Ruotiontien liittymästä valtatien ramppiliittymiin. Alueella sijaitsee nykyisin
LisätiedotKokonaisvaltainen mittaaminen ohjelmistokehityksen tukena
Kokonaisvaltainen mittaaminen ohjelmistokehityksen tukena Mittaaminen ja ohjelmistotuotanto seminaari 18.04.01 Matias Vierimaa 1 Miksi mitataan? Ohjelmistokehitystä ja lopputuotteen laatua on vaikea arvioida
LisätiedotMIKKELÄN TAKOMON LIIKENNESELVITYS
MIKKELÄN TAKOMON LIIKENNESELVITYS 31.10.2017 LÄHTÖKOHDAT Työssä tarkasteltiin Espoontien ja Teirinsyrjän liittymään tarvittavia liikennejärjestelyjä - hankkeen toteutuessa. Nykyisessä asemakaavassa päivittäistavarakaupan
LisätiedotMuistio. Valo-ohjaamattomien liittymien (Sääskensuontie ja Madekoskentie) toimivuustarkastelu. Sääskensuontien liittymä
Muistio Tiehallinto, Oulun tiepiiri Oulun kaupunki Vt 22 kehittämisselvitys välillä valtatie 4 kaupungin raja, Oulu Valo-ohjaamattomien liittymien (Sääskensuontie ja Madekoskentie) toimivuustarkastelu
LisätiedotLaskennallisen fysiikan esimerkkejä avoimesta tutkimuksesta Esa Räsänen Fysiikan laitos, Tampereen teknillinen yliopisto
Laskennallisen fysiikan esimerkkejä avoimesta tutkimuksesta Esa Räsänen Fysiikan laitos, Tampereen teknillinen yliopisto Julian Voss, Quantum man, 2006 (City of Moses Lake, Washington, USA) Kolme näkökulmaa
LisätiedotHimoksen Uskolan ja kylpylän asemakaavojen alueen liikenteen toimivuustarkastelu
Himoksen Uskolan ja kylpylän asemakaavojen alueen liikenteen toimivuustarkastelu Jämsän kaupunki 9.5.2016 Page 1 Sisältö Työn lähtökohdat Tarkastelut Johtopäätökset Paikkatietoikkuna 2016 9.5.2016 Page
LisätiedotHelsingin kaupunginkirjasto logistiikkaprosessi: 2 Kierto 4.9.2015.
Helsingin kaupunginkirjasto logistiikkaprosessi: 2 Kierto 1 Hankinta 1.01 2 Kierto 2.01 3 Poisto Selitteet Toimenpide, prosessi tai yksittäinen työkokonaisuus. Toimenpide, prosessi tai yksittäinen työkokonaisuus.
LisätiedotAineistokoko ja voima-analyysi
TUTKIMUSOPAS Aineistokoko ja voima-analyysi Johdanto Aineisto- eli otoskoon arviointi ja tutkimuksen voima-analyysi ovat tilastollisen tutkimuksen suunnittelussa keskeisimpiä asioita. Otoskoon arvioinnilla
LisätiedotLappeenrannan Kisapuiston liikenteellinen toimivuustarkastelu
Mikko Yli-Kauhaluoma 9.8.2017 Mikko Jokinen Trafix Oy LIITE 10 Lappeenrannan Kisapuiston liikenteellinen toimivuustarkastelu Liikennemäärät Tarkastelussa Kisapuiston liikennemäärinä on käytetty Lappeenrannan
LisätiedotDIGIBONUSTEHTÄVÄ: MPKJ NCC INDUSTRY OY LOPPURAPORTTI
DIGIBONUSTEHTÄVÄ: MPKJ NCC INDUSTRY OY LOPPURAPORTTI Tekijä: Marko Olli 16.10.2018 Sisällys 1 Johdanto...3 2 Hankkeen tavoitteet ja vaikuttavuus...3 3 Laitteisto ja mittaustarkkuus...3 4 Pilotointi ja
LisätiedotVaikutusten ja vaikuttavuuden arviointi
VTT TECHNICAL RESEARCH CENTRE OF FINLAND LTD Kuinka tulkita onnettomuustilastoja? Tilastollisen tutkimuksen haasteet? Mitkä asiat vaikuttavat toimenpiteen kustannustehokkuuteen? Mihin kiinnittää huomiota
LisätiedotSimulation model to compare opportunistic maintenance policies
Simulation model to compare opportunistic maintenance policies Noora Torpo 31.08.18 Ohjaaja/Valvoja: Antti Punkka Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin
LisätiedotTänään ohjelmassa. Kognitiivinen mallintaminen Neuraalimallinnus laskarit. Ensi kerralla (11.3.)
Tänään ohjelmassa Kognitiivinen mallintaminen Neuraalimallinnus 26.2. Nelli Salminen nelli.salminen@helsinki.fi D433 autoassosiaatio, attraktorin käsite esimerkkitapaus: kolme eri tapaa mallintaa kategorista
LisätiedotLappeenrannan Kisapuiston liikenteellinen toimivuustarkastelu
Mikko Yli-Kauhaluoma Mikko Jokinen Trafix Oy 9.8.2017 LIITE 10 n liikenteellinen toimivuustarkastelu Liikennemäärät Tarkastelussa Kisapuiston liikennemäärinä on käytetty Lappeenrannan kaupungin arviota,
LisätiedotLefkoe Uskomus Prosessin askeleet
Lefkoe Uskomus Prosessin askeleet 1. Kysy Asiakkaalta: Tunnista elämästäsi jokin toistuva malli, jota et ole onnistunut muuttamaan tai jokin ei-haluttu käyttäytymismalli tai tunne, tai joku epämiellyttävä
LisätiedotKotkan Kantasataman liikenneselvitys Toimivuustarkastelut. Strafica Oy 27.11.2014
LIITE 6 Kotkan Kantasataman liikenneselvitys Toimivuustarkastelut Strafica Oy 27.11.2014 Kantasataman lopputilanne 6.11.2014 2 Liikenne-ennuste Keväällä 2014 laadittua liikenne-ennustetta päivitettiin
LisätiedotPaikalla: Sami Luoma pj. Tiehallinto Timo Karhumäki siht. Tiehallinto. Jani Granqvist Iisakki Kosonen. Poissa: Sirkka Holmberg VR-Cargo Oy
Kokousmuistio TKI 3.4.2003 sivu 1 FITS Hanke 3 "Liikenteen ja kuljetusten seuranta" Hankeryhmän kokous 3.4.2003 klo 9-11.00 Paikka: Tiehallinto, Uudenmaan tiepiirin liikennekeskuksen neuvotteluhuone Paikalla:
LisätiedotMittausjärjestelmän kalibrointi ja mittausepävarmuus
Mittausjärjestelmän kalibrointi ja mittausepävarmuus Kalibrointi kalibroinnin merkitys kansainvälinen ja kansallinen mittanormaalijärjestelmä kalibroinnin määritelmä mittausjärjestelmän kalibrointivaihtoehdot
LisätiedotKotkan Kantasataman liikenneselvitys Toimivuustarkastelut. Strafica Oy
Kotkan Kantasataman liikenneselvitys Toimivuustarkastelut Strafica Oy 20.12.2014 Kantasataman lopputilanne 6.11.2014 2 Liikenne-ennuste Keväällä 2014 laadittua liikenne-ennustetta päivitettiin 6.11.2014
Lisätiedot28.4.2010 SUUNNITTELUMENETELMÄT JA TIETOTARPEET MAANKÄYTÖN JA LIIKENTEEN SUUNNITTELUSSA
EKOTULI+LINTU-SEMINAARI SUUNNITTELUMENETELMÄT JA TIETOTARPEET MAANKÄYTÖN JA LIIKENTEEN SUUNNITTELUSSA TAUSTAA Taustalla 2009 valmistunut selvitys Maankäyttö ja liikenneturvallisuus, ohjaajana Saara Toivonen
LisätiedotLiikenteellinen arviointi
Uudenmaan kaupan palveluverkko Liikenteellinen arviointi Tiivistelmä 7.5.2012 Strafica Oy/Hannu Pesonen Liikennearvioinnin sisältö ja menetelmä Uudenmaan kaupan liikenteellinen arviointi on laadittu rinnan
LisätiedotProjektityö: Mobiiliajopäiväkirja. Mikko Suomalainen
Projektityö: Mobiiliajopäiväkirja Mikko Suomalainen 1. Määritelmä Mobiiliajopäiväkirja on kännyköille suunnattu ajopäiväkirja-sovellus. Sovelluksen pääperiaate on toimia automaattisena ajopäiväkirjana.
LisätiedotS-114.3812 Laskennallinen Neurotiede
S-114.381 Laskennallinen Neurotiede Projektityö 30.1.007 Heikki Hyyti 60451P Tehtävä 1: Virityskäyrästön laskeminen Luokitellaan neuroni ensin sen mukaan, miten se vastaa sinimuotoisiin syötteisiin. Syöte
LisätiedotFITS-julkaisuja 30/2004. DigiTraffic - Liikenteen mallinnus- ja palvelujärjestelmä Esiselvitys
FITS-julkaisuja 30/2004 DigiTraffic - Liikenteen mallinnus- ja palvelujärjestelmä Esiselvitys FITS-julkaisuja 30/2004 DigiTraffic - Liikenteen mallinnus- ja palvelujärjestelmä Esiselvitys ISBN 951-723-891-6
LisätiedotMATINE-projekti 2500M-0069: Tietotekniset harhautukset (ICT Illusions)
MATINE-projekti 2500M-0069: Tietotekniset harhautukset (ICT Illusions) Sampsa Rauti Turun yliopisto, Tulevaisuuden teknologioiden laitos MATINE-tutkimusseminaari, 16.11.2017 Esityksen sisältö Tiimi Taustaa
LisätiedotSULAN ALUEEN LIITTYMÄSELVITYS
Vastaanottaja Tuusulan kunta Asiakirjatyyppi PROJEKTIMUISTIO Päivämäärä 27.03.2014 SULAN ALUEEN LIITTYMÄSELVITYS SULAN ALUEEN LIITTYMÄSELVITYS Tarkastus 02 Päivämäärä 27/3/2014 Laatija Tarkastajat Riku
Lisätiedot3LUNNRÃ5lPlÃ0HUMDÃ3HQWWLQHQ. Vaikutustutkimus. Kouvola ,(+$//,172 Kaakkois-Suomen tiepiiri VIKING
3LUNNRÃ5lPlÃ0HUMDÃ3HQWWLQHQ 7LHODLWRV 6llRKMDWXQWLHQMDWNH Vaikutustutkimus Kouvola 1998 7,(+$//,172 Kaakkois-Suomen tiepiiri VIKING 3LUNNRÃ5lPlÃ0HUMDÃ3HQWWLQHQ 6llRKMDWXQWLHQMDWNH Vaikutustutkimus 7LHODLWRV
LisätiedotTutkijaseminaari, Espoo
Tutkijaseminaari, Espoo 20.5.2005 Nosturin toimintatilojen prognostisointi ja langattoman tiedonsiirron hyödyntäminen nosturin diagnostiikassa Jaakko Leinonen Oulun yliopisto Johdanto 1 Toimintatilojen
LisätiedotNeuroverkkojen soveltaminen vakuutusdatojen luokitteluun
Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Sami Hokuni 12 Syyskuuta, 2012 1/ 54 Sami Hokuni Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Turun Yliopisto. Gradu tehty 2012 kevään
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf
Lisätiedot+DQQXÃ.HUDODPSLÃ0DUMDÃ/DDYLVWR. Jyväskylä ,(+$//,172 Keski-Suomen tiepiiri VIKING
+DQQXÃ.HUDODPSLÃ0DUMDÃ/DDYLVWR 7LHODLWRV 0XXWWXYDWQRSHXVUDMRLWXNVHWVHNlWLHQNl\W WlMLlSDOYHOHYDWQRSHXVMDOlPS WLODQl\W W Jyväskylä 2000 7,(+$//,172 Keski-Suomen tiepiiri VIKING +DQQX.HUDODPSL0DUMD/DDYLVWR
LisätiedotOulun seudulla kiertävien nopeusnäyttötaulujen mittaukset ajalla 8/2014-7/2015. Pohjois-Pohjanmaan ELY-keskuksen maantieverkon kohteet
Oulun seudulla kiertävien nopeusnäyttötaulujen mittaukset ajalla 8/2014-7/2015 Pohjois-Pohjanmaan ELY-keskuksen maantieverkon kohteet Mittauspisteet MittausID Suuralue tai kunta Sijainti Tietoja 108 Haukipudas
LisätiedotTUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas
TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas LUENNOT Luento Paikka Vko Päivä Pvm Klo 1 L 304 8 Pe 21.2. 08:15-10:00 2 L 304 9 To 27.2. 12:15-14:00 3 L 304 9 Pe 28.2. 08:15-10:00 4 L 304 10 Ke 5.3.
LisätiedotSatu Innamaa, Laura Lanne, Kerkko Vanhanen ja Matti Pursula. Pääteiden lyhyen aikavälin matka-aikaennusteet. Tiehallinnon selvityksiä 5/2002
Satu Innamaa, Laura Lanne, Kerkko Vanhanen ja Matti Pursula Pääteiden lyhyen aikavälin matka-aikaennusteet Matka-aika määritetään kahden kamerapisteen ohitusaikojen erotuksena. Tiehallinnon selvityksiä
LisätiedotInnovatiivisen liikennejärjestelmän. tiekartta. Satu Innamaa, Elina Aittoniemi, Hanna Askola ja Risto Kulmala INTRANS-ohjelma, VTT
Innovatiivisen liikennejärjestelmän operoinnin tiekartta Satu Innamaa, Elina Aittoniemi, Hanna Askola ja Risto Kulmala INTRANS-ohjelma, VTT 2 Tausta INTRANS-ohjelmalla tuetaan alan yhteisiä ponnisteluja
LisätiedotAsiantuntijaseminaari Simulaattorikoulutuksen käyttökokemukset Aarno Lybeck
Asiantuntijaseminaari 14.12.2009 Simulaattorikoulutuksen käyttökokemukset Aarno Lybeck Mitä on simulointi? Simulointi tai simulaatio on todellisuuden jäljittelyä. Todellisuus on ympäröivä maailma. Yleensä
LisätiedotJHS 180 Paikkatiedon sisältöpalvelut Liite 4 INSPIRE-palvelujen laadun testaus
JHS 180 Paikkatiedon sisältöpalvelut Liite 4 INSPIRE-palvelujen laadun testaus Versio: 28.2.2013 Julkaistu: 28.2.2013 Voimassaoloaika: toistaiseksi Sisällys 1 Yleiset vaatimukset... 2 2 Latauspalvelun
LisätiedotTielaitos. Automaattiset liikenteenohjaus- ja liikenneinformaatiojärjestelmät 28/1999. Ohjauksen. määrittämiseen tarvittavat. Parametrien.
Satu Innamaa Tielaitos Automaattiset liikenteenohjaus- ja liikenneinformaatiojärjestelmät Parametrien määrittämiseen tarvittavat mittaukset Ilmaisintyypit Järjestelmän rakenne Vaikutukset nopeuteen aikaväleihin
LisätiedotKäyttövesijärjestelmien tutkimus Sisäympäristö-ohjelmassa: laatu, turvallisuus sekä veden- ja energiansäästö
VESI-INSTITUUTIN JULKAISUJA 5 Käyttövesijärjestelmien tutkimus Sisäympäristö-ohjelmassa: laatu, turvallisuus sekä veden- ja energiansäästö Aino Pelto-Huikko (toim.) Vesi-Instituutti WANDER Vesi-Instituutin
LisätiedotTRANSDIGI - A COLLABORATION PLATFORM FOR R&D IN THE TRANSPORT SECTOR KESKUSTELEVAT AUTOMAATTIAUTOT SUOMEN TEILLÄ
TRANSDIGI - A COLLABORATION PLATFORM FOR R&D IN THE TRANSPORT SECTOR KESKUSTELEVAT AUTOMAATTIAUTOT SUOMEN TEILLÄ Älykäs infra Jukka Laitinen, 9.5.2019 SISÄLTÖ Teeman sisältö, osallistujat ja tutkimuksen
LisätiedotInfotripla Oy Palvelun ohje 14.5.2008 Gofore Oy
1(5) PALVELUN OHJE Yleistä tietoa palvelusta Palvelu on liikenteen ammattilaisille suunnattu informaatiopalvelu, joka tarjoaa reaaliaikaista ja historiatietoa Suomen runkoliikenneverkon liikenteestä. WWW-palvelu
LisätiedotMALLIT VESIJÄRJESTELMIEN TUTKIMUKSESSA
MALLIT VESIJÄRJESTELMIEN TUTKIMUKSESSA Hannu Poutiainen, FT PUHDAS VESI JA YMPÄRISTÖ TUTKIMUSAVAUKSIA MAMKISSA Mikpoli 8.12.2016 Mitä mallit ovat? Malli on arvioitu kuvaus todellisuudesta joka on rakennettu
LisätiedotOutlet-kylän asemakaava Valtatien 2 Lasitehtaantien ja Kauppatien liittymien toimivuustarkastelu
Outlet-kylän asemakaava Valtatien 2 Lasitehtaantien ja Kauppatien liittymien toimivuustarkastelu Humppilan kunta 12.2.2015 Page 1 Sisältö Työn lähtökohdat Tarkastelut Nykytilanne vuonna 2015 Outlet-kylä
LisätiedotTehot irti liikennejärjestelmästä älyliikenteellä. Älyliikenne tulee oletko valmis? VTT:n seminaari Tutkimusprofessori Risto Kulmala, VTT
Tehot irti liikennejärjestelmästä älyliikenteellä Älyliikenne tulee oletko valmis? VTT:n seminaari 2.11.2010 Tutkimusprofessori Risto Kulmala, VTT 2 Rakentaminen Ylläpito Hoito Operointi Lähde: The Big
LisätiedotKäyttöohje LogiComm ohjausjärjestelmä
Käyttöohje LogiComm ohjausjärjestelmä P/N 797 - Finnish - Päävalikko Tässä käyttöohjeessa selostetaan yleiset tehtävät, jotka liittyvät tuotteen varmennustehtäviin ja painesäädön asettamiseen. Täydellinen
LisätiedotLämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa
Lämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa VaProKe projekti (Ruukki, TEKES) Intelligent Systems Group, ILMARI JUUTILAINEN, 24.11.2011 Sisältö Projektin tavoitteet Voimamallinnuksen
LisätiedotJärvenpään keskustan osayleiskaavan liikenneselvitys
Liikenne-ennusteen päivitys ja toimivuustarkastelut MTu / TRa / TSä v.2.0 31.12.2013 2 (31) 31.12.2013 SISÄLTÖ 1 LÄHTÖKOHDAT... 3 1.1 Järvenpään osayleiskaavatyö... 3 1.2 Maankäytön muutokset... 3 1.3
LisätiedotLiikenteen hallinta sää- ja kelitiedon tuottaminen kuvien tuottaminen liikennetiedon tuottaminen
sää- ja kelitiedon kuvien liikennetiedon kunnossapidon toimenpidetietojen analysointi tietojen täydennys ja tilanteen häiriön muuttuvien opasteiden Bussi Hälytysajoneuvo Häl. ajon. kuljettaja Palvelun
Lisätiedot