Kehä III:n lyhyen aikavälin matka-aikaennustemalli

Transkriptio

1 Satu Innamaa Kehä III:n lyhyen aikavälin matka-aikaennustemalli Vanhaan seurantajärjestelmään perustuva malli Tiehallinnon selvityksiä 6/2008

2

3 Satu Innamaa Kehä III:n lyhyen aikavälin matkaaikaennustemalli Vanhaan seurantajärjestelmään perustuva malli Tiehallinnon selvityksiä 6/2008 Tiehallinto Helsinki 2008

4 Verkkojulkaisu pdf ( ISSN ISBN TIEH v Edita Prima Oy Helsinki 2008 TIEHALLINTO Uudenmaan tiepiiri Opastinsilta 12 B PL HELSINKI Puhelin

5 Satu Innamaa: Kehä III:n lyhyen aikavälin matka-aikaennustemalli. Helsinki Tiehallinto, Uudenmaan tiepiiri. Tiehallinnon selvityksiä 6/ s. + liitt. 46 s. ISSN , ISBN , TIEH v Asiasanat: liikennetiedotus, ennusteet, matka-aika Aiheluokka: 11, 20 TIIVISTELMÄ Työssä oli tarkoitus tuottaa Kehä III:lle yksinkertainen ja tehokas mutta myös laadukas lyhyen aikavälin ennustemalli, joka kertoo pääliittymien väliset matka-ajat tielle rakennettavan tiedotusjärjestelmän tarpeisiin. Ensimmäisenä vaihtoehtona kokeiltiin itseorganisoituviin karttoihin ja päivitettäviin taulukoihin perustuvia ennustemalleja Kehä I:llä testattujen periaatteiden mukaisesti. Malli erosi Kehä I:n mallista siten, että se tuotti tuloksena matkaaikaennusteen minuutteina, ei sujuvuusluokkana. Toisena vaihtoehtona tutkittiin matka-ajan ennustamista suoraan samankaltaisimpiin yksittäisiin havaintoihin perustuvalla mallilla. Samankaltaisuutta mitattiin euklidisella etäisyydellä. Perusvaihtoehtona oli käyttää ennusteena suoraan viimeisintä mittaustulosta. Ruuhkassa samankaltaisimpiin yksittäishavaintoihin perustuva ennuste oli tarkin ja suoriin mittaustuloksiin perustuva estimaatti huonoin. Arkipäivien liikennettä kokonaisuutena tarkastellen itseorganisoituviin karttoihin perustuva ennuste ja suoriin mittauksiin perustuva estimaatti olivat yhtä hyviä, parempia kuin samankaltaisimpiin yksittäishavaintoihin perustuva malli. Liikennemäärä on matka-aikojen lisäksi tärkeä osa ennustemallin syötettä. Aikasarjan pituudella yksi saatiin parempia ennusteita kuin kolmen viimeisimmän havainnon aikasarjalla. Kaikkiin LAM-pisteisiin perustuvat mallit ennustivat paremmin kuin ainoastaan ruuhkatilanteissa korreloiviin LAMpisteisiin perustuvat mallit. Lyhyen aikavälin keliennuste on liikennemäärätiedon lisäksi olennainen lisä matka-aikatiedoille ja se kannattaa sisällyttää malliin. Osa alhaisen nopeuden havainnoista, jotka nyt luokittuivat ruuhkaan, johtui nimenomaan kelistä ei ylikysynnästä. Vaikka keli siis korreloi matka-aikatiedon kanssa, tietoisuus esimerkiksi alhaisen nopeuden syystä (huono tai erittäin huono keli, ylikysyntä tai liikenteen häiriö) voi kuitenkin parantaa käsitystä liikenteen tulevasta kehityksestä. Ensivaiheessa väylän matka-aikatiedotuksen perustaksi kannattaa valita suoraan viimeisimpien osalinkeiltä mitattujen matka-aikojen summaan perustuva estimaatti. Nyt tehtyä mallia päivitetään siinä vaiheessa, kun Kehä III:n tiedotusjärjestelmän ja liikenteenseurantajärjestelmän käyttöönotosta on noin vuosi aikaa. Tällöin mallin teossa käytetään uuden seurantajärjestelmän mukaista kameralinkkijakoa, siirrytään suoraan viimeisten mittausten perusteella tehdystä estimaatista ennusteeseen, erotellaan häiriötilanneaineisto ns. normaalista aineistosta ja tehdään sumeat säännöt tiedotuslinkkitiedon johtamiseksi kameralinkkiennusteista. Uudistetut mallit tehdään itseorganisoituviin karttoihin perustuvien ennustemallien toimintaperiaatteiden mukaisesti.

6 Satu Innamaa: Kehä III:n lyhyen aikavälin matka-aikaennustemalli. [Short-term prediction model of travel time for the Ring Road III]. Helsinki Finnish National Road Administration. Finnra Reports 6/ p. + app. 46 p. ISSN , ISBN , TIEH v Keywords: traffic information, forecasts, travel time SUMMARY The purpose was to make a simple and effective yet a good quality shortterm prediction model that produces travel times between main road intersections for the purposes of the information system that will be installed to the Ring Road III. As a first alternative, prediction models based on selforganising maps and updatable tables were tested according to the principles tested on the Ring Road I. The model differed from the Ring Road I model in a producing travel time forecast in minutes, not as a road status class. As a second alternative, travel time prediction was tested with a model based directly on the most similar individual observations. The similarity was measured with Euclidian distance. The basic alternative was to use the latest measurements directly. In congested conditions, the forecast based on most similar individual observations was the most accurate and the estimate based directly on the latest measurements the worst. When observing the working day traffic as a whole, forecasts based on self-organising maps and direct measurements were equally good, better than the forecasts based on most similar individual observations. In addition to travel time, traffic volume is an essential part of the input of a prediction model. The length one of the time-series gave better forecasts that with time-series of three latest observations. Models based on all inductive loop detectors produces better forecasts than the models based only on loop detectors that correlated with travel time in congested conditions. Short-term weather and road condition forecast is an essential complement to travel time information and it is worth including it to the model. Some of low the speed observations that were now classified as congestion were consequence of weather and road conditions not over-demand. Thus, although weather and road conditions correlate with travel time, the awareness of the cause of low speed (bad or hazardous weather and road conditions, over-demand or traffic incident) may improve the conception of the future traffic developments. In the first phase, the sum of latest measurements of individual sub-link travel times should be taken as a basis of the travel time information system. The current model will be updated when a year has passed from the implementation of the information and monitoring systems of the Ring Road III. The camera links of the new monitoring system will then be used, the travel time information will be based on forecasts not on estimates based directly on latest measurements, incident data will be separated from normal data, and fuzzy rules will be made for conducting information link travel times from camera link travel times. The new models will be based on self-organising maps.

7 ESIPUHE Pääkaupunkiseudulla on ollut käytössä 1990-luvun lopusta alkaen matkaajan seurantajärjestelmä, jolla tuotetaan ajantasaista tietoa pääväylien matka-ajoista. Järjestelmää on kehitetty laajentamalla sitä uusille tiejaksoille, mutta samalla on myös tutkittu mahdollisuuksia parantaa esitettävän tiedon laatua. Matka-ajan mittauksen ongelma on, että mitattu tieto ei välttämättä kerro riittävän hyvin tienkäyttäjälle odotettavissa olevaa matka-aikaa erityisesti ruuhkissa ja odottamattomissa häiriötilanteissa. Mitattu matka-aika on aina jonkin aikaisemman tienkäyttäjän matka-aika, eikä se välttämättä enää pidä paikkaansa seuraavien tienkäyttäjien kohdalla. Tiehallinto on tutkinut aiemmin Kehä I:llä lyhyen aikavälin ennustemallia. Tavoitteena on ollut, että tienkäyttäjälle kerrottava matka-aika vastaisi paremmin tienkäyttäjän kokemaa todellista matka-aikaa. Nyt tavoitteena oli selvittää, kuinka vastaavan tyyppinen ennustemalli toimisi Kehä III:lle toteutettavan liikenteen tiedotus- ja varoitusjärjestelmän yhteydessä. Työn on tilannut Tiehallinnon Uudenmaan tiepiiri. Tiehallinnosta työtä ohjasi projektipäällikkö Timo Karhumäki. Työn tekemisestä ja ennustemallin kehittämisestä vastasi tutkija Satu Innamaa VTT:ltä. Aineiston käsittelyyn osallistui myös tutkimusinsinööri Mikko Kallio VTT:ltä. VTT:n laatujärjestelmän mukaisen raportin sisäisen tarkistuksen tekivät tutkimusprofessori Risto Kulmala ja tutkija Elina Aittoniemi. Matka-aikajärjestelmän teknisenä asiantuntijana työhön osallistui Mark Charter NCTR Ltd:stä. Helsingissä helmikuussa 2008 Tiehallinto Uudenmaan tiepiiri

8

9 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 7 Sisältö 1 JOHDANTO 2 2 MENETELMÄ Kohde ja aineistot Itseorganisoituva kartta Mallien teko ja arviointi 2 3 TULOKSET Mallin perusperiaatteet Itseorganisoituviin karttoihin perustuvat mallit Samankaltaisimpiin havaintoihin perustuva malli Tiedotuslinkin matka-ajan estimointi Ensivaiheessa Kehä III:lle toteutettava malli Mallin jatkokehitys 2 4 TULOSTEN TARKASTELU Ennustemalli Ensivaiheessa Kehä III:lle toteutettava malli Mallin jatkokehitys 2 5 KIRJALLISUUSLÄHTEET 2 6 LIITTEET 2

10

11 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 9

12

13 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 11 JOHDANTO 1 JOHDANTO Yksilötasolla tieosuuden tai muun liikennejärjestelmän osan liikenteen sujuvuutta arvioidaan sen perusteella, kuinka häiriöttömästi ja odotusten mukaisesti tienkäyttäjä kykenee kulkemaan sen läpi. Odotusten mukaisuudella kuvataan matkan ennustettavuutta. Liikkujien kannalta olennaista näyttää olevan kokonaismatka-ajan ohella se, kuinka paljon joudutaan poikkeamaan oletetusta tai tavoitematka-ajasta. (Luoma 1998.) Kertomalla ajantasaisesti liikennetilanteesta yritetään auttaa tienkäyttäjää valitsemaan liikkumisen kannalta parhaimmat ajankohdat ja reitit. Näin tieverkon välityskykyä käytetään tehokkaasti hyväksi (Kiljunen & Summala 1996). Tiedotuksella pyritään myös vaikuttamaan tienkäyttäjien matkaaikaodotuksiin ja siten tavoitematka-aikoihin. Täten pyritään parantamaan koettua sujuvuutta (Luoma 1998). Tiedottamista varten tulee pystyä ennustamaan tieosuuden matka-ajat niille kuljettajille, joiden tulevalla reitillä osuus sijaitsee. Kuljettaja tarvitsee tiedon ennen osuudelle saapumista. Tuleva liikennetilanne ja matka-aika tulee ennustaa luotettavasti. Työssä oli tarkoitus tuottaa Kehä III:lle yksinkertainen ja tehokas mutta myös laadukas lyhyen aikavälin ennustemalli, joka kertoo pääliittymien väliset matka-ajat tielle rakennettavan tiedotusjärjestelmän tarpeisiin. Työ perustui Kehä I:lle toteutetun sujuvuusennustemallin toimintaperiaatteisiin (Innamaa 2007). Nyt tehtävää mallia aiotaan päivittää siinä vaiheessa, kun Kehä III:n tiedotusjärjestelmän ja liikenteenseurantajärjestelmän käyttöönotosta sekä väylän rakenteellisista parantamistöistä on noin vuosi aikaa. Tällöin mallin teossa käytetään uuden seurantajärjestelmän mukaista linkkijakoa, erotellaan häiriötilanneaineisto ns. normaalista aineistosta sekä tehdään sumeat säännöt tiedotuslinkkitiedon 1 johtamiseksi kameralinkkiennusteista 2. Jos ennustemalli on riittävän hyvä, Tiehallinto voi hyödyntää sitä ajantasaisessa liikennetiedotuksessa Kehä III:lla. Tehtävän ennustemallin avulla on tarkoitus parantaa sekä liikennekeskuksen operaattoreilla käytössä olevan että tienkäyttäjille jaettavan matka-aikatiedon laatua. 1 Tiedotuslinkki = tieosa tiedotusopasteelta määränpäähän 2 Kameralinkki = kahden kamerailmaisimen väliin jäävä tieosa

14 12 Kehä III:n lyhyen aikavälin matka-aikaennustemalli MENETELMÄ 2 MENETELMÄ 2.1 Kohde ja aineistot Mallinnuksessa kohteena on Kehä III (kt 50) välillä Turunväylä (vt 1) - Vuosaaren satama. Väylällä pyritään aloittamaan rakenteellisia parannustöitä välillä Vantaankoski Pakkala vuoden 2009 aikana. Lisäksi tien liikenteenseurantajärjestelmää täydennetään ja tielle asennetaan muuttuvia varoitusja tiedotusopasteita sekä mahdollisesti vaihtuvia nopeusrajoitusmerkkejä. Rakennettavan järjestelmän tavoitteena on parantaa liikenneturvallisuutta ja liikenteen sujuvuutta. Keskimääräinen vuorokausiliikennemäärä vaihtelee jaksolla noin välillä ajoneuvoa/vuorokausi (kuva 1). Kuva 1. Liikennemäärät pääkaupunkiseudun tieverkolla vuonna Seuraavat aineistot olivat käytettävissä mallinnusta varten kesäkuulta 2006 marraskuulle 2007: ajoneuvokohtaiset matka-aikatiedot Kehä III:lta kuvan 2 nykyisiksi merkityiltä kamerailmaisimilta ajoneuvokohtaiset LAM-tiedot Kehä III:n kuvan 2 nykyisiksi merkityistä LAM-pisteistä sekä säteittäisten pääväylien lähimmiltä LAMpisteiltä Kehä III:n molemmin puolin neljän tunnin sää- ja keliolosuhdeluokkaennuste (normaali, huono, erittäin huono) Kehä III:n eri tieosille.

15 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 13 MENETELMÄ Mallinnuksessa käytetty matka-aikatieto oli tuotettu seuraavilla kamerailmaisimilla (kuvan 2 nykyiset kamerailmaisimet, järjestyksessä lännestä itään): Muurala Järvenperä Petikko Tuupakka Pakkala Tikkurila Hakunila. Nykyinen kamerailmaisin Uusi kamerailmaisin Nykyinen LAM-ilmaisin Uusi LAM-ilmaisin Vihdintie Hämeenlinnanväylä Lentokenttä Tuusulanväylä Opaste Lahdenväylä Turunväylä Porvoonväylä Vuosaaren satama Kuva 2. Kehä III:n uudet ja nykyiset ilmaisimet ja suunnitellut tiedotusopasteet. Matka-aikatiedot aggregoitiin 5 minuutin jaksoille sekä ensimmäisen että toisen kamerapisteen ohitusaikojen perusteella. Ensimmäisen kamerailmaisimen mukaan järjestetty aineisto vastasi matka-aikatiedon näkevien autoilijoiden matka-aikoja. Toisen kamerailmaisimen mukaan järjestetty aineisto taas vastasi tuoreinta ennusteen lähtötiedoiksi mitattua aineistoa. Alkuperäisessä aineistossa osa havainnoista esiintyi useampaan kertaan. Nämä kopiot poistettiin aineistosta. Peräkkäisten kamerailmaisimien väliset mediaanimatka-ajat on esitetty arkipäiville sekä erikseen lauantaille ja sunnuntaille liitteessä 1 yhdessä ruuhkarajan kanssa. Ruuhkaksi määriteltiin liikennetilanne, jossa keskimääräinen matkanopeus oli alle 75 prosenttia vapaasta, nopeusrajoitusten perusteella määritetystä matkanopeudesta 3. Mediaanimatka-ajoista piirrettiin seuraavat kuvaajat: mediaanimatka-aika, joka ylitettiin 50 prosenttina päivistä mediaanimatka-aika, joka ylitettiin 25 prosenttina päivistä mediaanimatka-aika, joka ylitettiin 10 prosenttina päivistä. 3 Kehä III:n parantamissuunnitelman mukaiset nopeusrajoitusalueet

16 14 Kehä III:n lyhyen aikavälin matka-aikaennustemalli MENETELMÄ Kummallakin suunnalla ainoastaan Petikko Pakkala-väli ruuhkautui säännöllisesti arkena (liite 1). Järvenperä Petikko-väli ruuhkautuu alle 10 prosenttina ja Tikkurila Pakkala-väli noin 10 prosenttina arkipäivistä. Käytännössä nämä lienevät sellaiset päivät, jolloin Petikko Pakkala- tai Pakkala Petikko-välin ruuhka-alue leviää ylävirran suuntaan. Muut kameralinkkivälit pysyvät sujuvina yli 90 prosenttina arkipäivistä. Näiden linkkien ruuhkahavainnot liittyvät satunnaisiin liikenteen häiriöihin. Viikonloppuisin tämä pätee koko väylään ja liikenne on muuten sujuvaa. Mallinnuksessa käytetty pistemäinen liikennemäärätieto oli tuotettu seuraavilla LAM-ilmaisimilla: LAM 125 Kehä III/Bemböle LAM 140 Kehä III/Järvenperä LAM 128 Kehä III/Voutila LAM 150 Kehä III/Vantaanportti LAM 160 Kehä III/Heidehof LAM 139 Turunväylä/Nupuri (Kehä III:n ulkopuolella) LAM 138 Vihdintie/Odilampi (Kehä III:n ulkopuolella) LAM 123 Vihdintie/Pähkinärinne (Kehä III:n sisäpuolella) LAM 137 Hämeenlinnanväylä/Keimola (Kehä III:n ulkopuolella) LAM 166 Hämeenlinnanväylä/Perkiö (Kehä III:n sisäpuolella) LAM 107 Hämeenlinnanväylä/Kaivoksela (Kehä III:n sisäpuolella) LAM 131 Tuusulanväylä/Tammisto (Kehä III:n sisäpuolella) LAM 109 Lahdenväylä/Jakomäki (Kehä III:n sisäpuolella). Kehä III:lla oli lisäksi vielä LAM-pisteet 159 (Petikko), 174 (Koskelo) ja 175 (Hakunila), mutta ne eivät olleet toimintakunnossa aineiston keruuaikana. Näin ollen mallit toteutettiin ilman näiden LAM-pisteiden liikennemäärätietoja. LAM-tieto saadaan ennustemallin käyttöön noin 10 minuutin viipeellä. Ajoneuvokohtaisessa LAM-aineistossa esiintyi paljon ajanjaksoja, jolloin aineisto oli tiedonsiirto-ongelmien takia virheellistä (virheellistä aineistoa oli 32 prosentissa vuoden 2006 päivistä). Virheen aiheutti se, että LAM-pisteen historiakeruuseen lähettämästä aineistosta puuttui muutama luku välistä, jolloin jaettaessa lukujono muuttujittain riveille, luvut kohdistuivat väärille muuttujille. LAM-aineistot korjattiin loogisen päättelyn avulla vertaamalla peräkkäisiä rivejä. Lukujen puuttuminen ja puuttuvien lukujen lukumäärä pystyttiin päättelemään pääasiassa kellonajan perusteella. Näin aineistosta saatiin poistettua yksittäinen vajaa havainto, ja loppupäivän aineisto voitiin korjata. Tällä tavoin lähes koko LAM-aineisto saatiin tutkimuskäyttöön niiltä aikajaksoilta, joilla ilmaisin toimi. Sää- ja keliennusteita tehdään ainoastaan talvikaudella. Ennustejaksot menivät osin päällekkäin. Jos ennusteentekohetkelle oli kaksi ennustetta, näistä valittiin tuoreempi. Jos taas ennustetieto puuttui, keli oletettiin normaaliksi. Koko kesäkauden keli oletettiin normaaliksi.

17 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 15 MENETELMÄ Normaalin kelin osuus oli arkipäivinä klo 6 22 kootussa aineistossa keskimäärin 98 prosenttia, huonon kelin osuus 2 prosenttia ja erittäin huonon kelin osuus 0 prosenttia (muutamia yksittäisiä havaintoja). Tarkasteltaessa ainoastaan niitä havaintoja, joissa keskimääräinen matkanopeus alitti 75 prosenttia vapaasta, nopeusrajoituksen mukaisesta nopeudesta normaalin kelin osuus oli 97 prosenttia ja huonon kelin osuus 3 prosenttia. Kolmella kameralinkillä näistä viimeksi mainituista havainnoista selvästi keskivertoa useampi liittyi huonoon keliin (Järvenperä Muurala 19 prosenttia, Tikkurila Hakunila 11 prosenttia ja Petikko Muurala 9 prosenttia). Koska kunnossapito voidaan arvioida kaikilla tieosilla samantasoiseksi ja ruuhka-aikaan vähintään yhtä hyväksi kuin arkipäivinä muuten, voidaan olettaa, että etenkin näillä linkeillä osa alentuneista nopeuksista johtui kelistä. 2.2 Itseorganisoituva kartta Itseorganisoituvaa karttaa (self-organising map, SOM) kutsutaan kehittäjänsä mukaan myös Kohosen kartaksi. Se on perusmuodossaan ohjaamattoman oppimisen menetelmä, jota voidaan käyttää silloin, kun luokitusta ei tunneta tai haluta käyttää. Itseorganisoituvan kartan avulla pyritään kuvaamaan aineiston luonnollista kasautumista. Lähestymistapaa kutsutaan klusterianalyysiksi, aineiston klusteroinniksi tai profiloinniksi. Ohjaamattomuus viittaa siihen, että muodostaessaan kuvaa hahmoaineistosta kartta ei perusmuodossaan käytä hyväkseen tietoa hahmojen luokituksesta. (Luku 2.2 perustuu viitteisiin Kohonen 2001, Vesanto ym ja Raitio 1998.) Itseorganisoituva kartta muodostuu hilaan (säännölliseen solurakenteeseen) järjestetyistä karttayksiköistä. Karttayksiköiden välistä etäisyyttä voidaan mitata niiden hilakoordinaatistossa ilmoitettujen paikkavektorien etäisyyttä käyttäen. Jokaisella karttayksiköllä on siis paikkavektori, jonka ulottuvuus on sama kuin kartan syötteenä käytettävällä hahmovektorilla. Paikkavektorit liittävät jokaiseen karttayksikköön vastinpisteen hahmoavaruudessa ja vastaavasti jokaiseen hahmovektoriin karttayksikön, jonka paikkavektori on hahmovektoria lähinnä. Itseorganisoituvilla kartoilla on kaksi erityistä ominaisuutta. Paikkavektoreiden jakauma pyrkii seuraamaan opetuksessa käytetyn hahmoaineiston jakaumaa, ja hahmontunnistuksessa lähekkäin olevat paikkavektorit pyrkivät sijoittumaan hilakartalla lähekkäin oleviin karttayksiköihin. Ensimmäisen ominaisuuden perusteella karttaa voidaan käyttää yleistämään aineistoa pienellä määrällä kasoja, joita esitetään kartan paikkavektoreilla. Kasa muodostuu hahmovektoreista, jotka kuuluvat paikkavektorin ympäristöön. Toisen ominaisuuden perusteella samankaltaiset kasat ja hahmovektorit kuvautuvat lähekkäisiin karttayksiköihin. Kyseessä on siis eräänlainen hahmoavaruuden projektio karttahilalle. Tämä ominaisuus helpottaa kasojen tulkintaa erityisesti, kun karttahila on kaksi-

18 16 Kehä III:n lyhyen aikavälin matka-aikaennustemalli MENETELMÄ ulotteinen taso, joka voidaan visualisoida. Tyypillisesti ominaisuuksiltaan erilaiset kasat kuvautuvat eri osiin karttahilaa ja samankaltaiset kasat muodostavat yhtenäisiä alueita. Tutkimalla, millaisia hahmoja kartan eri osiin kuvautuu, saadaan käsitys siitä, mitkä ovat aineistossa hahmoja ja kasoja erottavat tekijät. Itseorganisoituva kartta voidaan opettaa kahdella erilaisella tavalla: joko järjestystä noudattavalla tai joukkoihin perustuvalla opetusalgoritmilla. Järjestystä noudattavassa opetusalgoritmissa (Sequential training algorithm) kartta opetetaan iteratiivisesti. Jokaisella opetuskerralla syöteaineistosta valitaan satunnaisesti yksi näytevektori ja määritellään tämän vektorin etäisyys kartan paikkavektoreihin. Lähinnä olevaa paikkavektoria siirretään syötevektorin suuntaan syöteavaruudessa. Opettaminen tehdään kahdessa vaiheessa: ensin haetaan karkeasti kartan hahmo ja tämän jälkeen paikkavektorien arvot hienosäädetään paikalleen. Myös joukkoihin perustuva opetusalgoritmi (Batch training algorithm) on iteratiivinen, mutta sen sijaan, että käytettäisiin kerrallaan yksittäistä syötevektoria, neuroverkolle esitellään koko aineisto, ennen kuin tehdään paikkavektorien päivitykset. Jokaisella opetuskerralla aineisto jaetaan osiin siten, että kukin syötevektori kuuluu sen karttayksikön aineistoon, joka on sitä lähinnä. Periaatteessa itseorganisoituva kartta muodostetaan valvomattoman prosessin avulla. On kuitenkin havaittu, että kartan kyky toimia luokittimena paranee, jos luokkatietoa voidaan hyödyntää opetusprosessissa. Tällaisessa ns. valvotussa opettamisessa hahmovektoreihin lisätään nollista ja ykkösistä koostuva osio, jossa ykkönen osoittaa luokan, johon vektori kuuluu. Näin tiettyyn luokkaan kuuluvat havainnot päätyvät todennäköisemmin samaan osaan karttaa kuin ilman luokkatietoa. Opetusprosessin jälkeen luokkatieto poistetaan vektoreista ja karttaa voidaan käyttää kuten tavallisesti. 2.3 Mallien teko ja arviointi Mallien toiminnan arviointia varten aineisto jaettiin kahteen osaan. Opetusaineisto käsitti 75 prosenttia käytettävissä olevasta aineistosta ja testiaineisto 25 prosenttia. Testiaineistoon valittiin kronologisesta aineistosta joka neljäs havainto. Opetusaineistoa käytettiin mallin eri osien tutkimisessa mallin tekoon ja testiaineistoa tulosten arviointiin. Mallinnusta varten opetus- ja testiaineistosta poistettiin yö- ja viikonloppuhavainnot, jotka edustivat sujuvaa liikennettä. Näinä ajankohtina mahdolliset ruuhkakriteerit täyttävät havainnot liittyivät satunnaisiin liikennehäiriöihin tai aineistoon jääneisiin mittausvirheisiin.

19 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 17 MENETELMÄ Ennusteiden hyvyyttä arvioitiin määrittämällä oikein ennustettujen matkaaikojen osuus keskimäärin ja ruuhkatilanteissa 4 (taulukko 1). Ennuste tulkittiin oikeaksi, jos se erosi mitatusta arvosta korkeintaan 10 prosenttia tai alle minuutin. Lisäksi ennuste tulkittiin oikeaksi, jos sekä ennustettu että mitattu matka-aika vastasivat korkeintaan nopeusrajoitusten mukaan määritettyä sujuvan (vapaan) liikennevirran matka-aikaa, jota lyhyempiä matka-aikoja opasteissa ei esitetä. Taulukko 1. Matka-ajan mittausjärjestelmän muodostamat linkit, niiden pituudet, vapaan liikennevirran matka-aika ja ruuhkaraja matka-ajalle. Linkki Itäsuunta Pituus (m) Matka-aika (vapaa virta, s) 96 Muurala Järvenperä Muurala Petikko Muurala Tuupakka Muurala Pakkala Muurala Tikkurila Muurala Hakunila Järvenperä Petikko Järvenperä Tuupakka Järvenperä Pakkala Järvenperä Tikkurila Järvenperä Hakunila Petikko Tuupakka Petikko Pakkala Petikko Tikkurila Petikko Hakunila Tuupakka Pakkala Tuupakka Tikkurila Tuupakka Hakunila Pakkala Tikkurila Pakkala Hakunila Tikkurila Hakunila Länsisuunta 101 Hakunila Tikkurila Hakunila Pakkala Hakunila Tuupakka Hakunila Petikko Matka-aika (ruuhkaraja, s) 4 Ruuhkaksi määritettiin liikennetilanne, jossa keskimääräinen matkanopeus oli alle 75 prosenttia vapaasta matkanopeudesta. Vapaa matkanopeus määritettiin nopeusrajoitusten perusteella.

20 18 Kehä III:n lyhyen aikavälin matka-aikaennustemalli MENETELMÄ Linkki Pituus (m) Matka-aika (vapaa virta, s) 269 Hakunila Järvenperä Hakunila Muurala Tikkurila Pakkala Tikkurila Tuupakka Tikkurila Petikko Tikkurila Järvenperä Tikkurila Muurala Pakkala Tuupakka Pakkala Petikko Pakkala Järvenperä Pakkala Muurala Tuupakka Petikko Tuupakka Järvenperä Tuupakka Muurala Petikko Järvenperä Petikko Muurala Järvenperä Muurala Matka-aika (ruuhkaraja, s) Jotta matka-aikaa kannattaa ennustaa, ennusteen on oltava parempi kuin viimeisimpiin mittaustuloksiin suoraan perustuva matka-aikatieto. Ajantasaisin viimeisiin mittaustuloksiin perustuva tieto saatiin laskemalla yhteen osalinkkien viimeisimmät mittaustulokset.

21 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 19 TULOKSET 3 TULOKSET 3.1 Mallin perusperiaatteet Kehä III:lla ennuste tehtiin kullekin tiedotusopasteissa esiintyvälle lähtöpaikka-määräpaikkaparille (yhteensä 38 kpl, liite 2). Mallista haluttiin yksinkertainen, mutta ennustamiskyvyltään riittävän hyvä myös ruuhka- ja häiriötilanteissa. Aiempien kokemusten perusteella mallin itseoppivuus oli tärkeää (Innamaa 2004). Käytännössä tällainen itseoppivuus tarkoittaa sitä, että malli muokkaa itse itseään ja ottaa opiksi kohtaamistaan poikkeavista (uusista) liikennetilanteista, jolloin mallin kattavuus ja tarkkuus paranevat jatkuvasti. Mallin syöte koostui liikennetilannetiedon aikasarjoista. Tiedot koottiin kamera- ja LAM-ilmaisimilta sekä ennustettavan tiedotuslinkin peräkkäisten kamerailmaisimien muodostamilta osalinkeiltä että seuraavilta kameralinkeiltä molempiin suuntiin (liite 3). Lisäksi syötteeseen oli mahdollista sisällyttää liikennemäärätieto LAM-ilmaisimilta ennustealueelta ja siitä ylävirtaan sekä risteäviltä säteittäisväyliltä saapuvan liikenteen puolelta silloin, kun tällainen tieto oli käytettävissä. Sää- ja kelitietona käytettiin neljän tunnin ennusteita. Keliennusteet oli annettu Kehä III:lle kahdelle eri tiejaksolle: Länsiväylä Vihdintie ja Vihdintie Porvoonväylä. Jos ennustejakso oli molempien näiden tiejaksojen alueella, keliennusteena käytettiin ennusteista huonompaa (liite 4). Matka-aikaennuste tehtiin ennusteen tekohetkeä seuraavan 5 minuutin aikana tiedotusopasteen ohittaville ajoneuvoille. Viiden minuutin ennustetta ja vastaavasti tiedotusopasteilla esitettävää matka-aikatietoa voidaan kuitenkin päivittää minuutin välein, jos se katsotaan tarpeelliseksi. 3.2 Itseorganisoituviin karttoihin perustuvat mallit Mallien perustoimintaperiaatteet otettiin Kehä I:n sujuvuusennustemallista (Innamaa 2004 ja 2007). Malli perustui itseorganisoituviin karttoihin ja päivitettäviin vastetaulukoihin. Mallin syöte koostui liikennetilannetiedon aikasarjoista. Mallin vastetaulukot (toteumat klustereittain tai karttayksiköittäin) koottiin sää- ja keliluokittain. Malli erosi Kehä I:n mallista siten, että tämä malli tuotti tuloksena matkaaikaennusteen minuutteina, ei sujuvuusluokkana Kehä I:n mallin tapaan. Käytännössä tämä tarkoitti sitä, että sujuvuusluokkien sijaan vastetaulukoihin tehtiin sarakkeet jokaiselle sekunnille (tai esimerkiksi 5 tai 15 sekunnille). Tuloksena oli harva taulukko, joten alkuvaiheessa oli mahdollista tallentaa myös yksittäiset mitatut vasteet sää- ja keliluokan sekä klusterin (karttayksikön) numeron mukaan. Varsinainen ennuste tuotettiin vastaavimman klusterin havaintojen matka-aikamediaanina.

22 20 Kehä III:n lyhyen aikavälin matka-aikaennustemalli TULOKSET Tutkittiin liikennemäärätietojen hyötyä ennusteen syötteinä. Tutkittavina asioina olivat, parantaako liikennemäärätieto ylipäätään ennusteita ja kuinka tiedonsiirtoviipeen tai aikasarjan pituus vaikuttaa ennusteisiin. Lisäksi tutkittiin, kannattaako liikennemäärät valita syötteeseen korrelaation perusteella. Mallit perustuivat opetusaineistoon ja tulokset testiaineistoon. Kun tarkasteltiin koko arkipäivinä klo 6 22 mitattua testiaineistoa (taulukko 2), havaittiin, ettei liikennemäärätiedoilla ollut vaikutusta oikein ennustettujen osuuteen viipeen pituudesta riippumatta. Ruuhkatilanteissa (viipeettömät) liikennemäärätiedot paransivat oikein ennustettujen matka-aikojen osuutta keskimäärin kaksi prosenttiyksikköä (taulukko 3). Vielä 10 minuutin tiedonsiirtoviipeelläkin liikennemäärätieto paransi oikein ennustettujen osuutta ruuhkatilanteissa keskimäärin yhden prosenttiyksikön.

23 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 21 TULOKSET Taulukko 2. Oikein ennustettujen matka-aikojen osuus (%) koko testiaineistossa arkipäivisin klo 6 22 normaalilla kelillä, kun syötteessä joko ei ole liikennemäärätietoa tai se on tullut erimittaisilla viipeillä. Mallit on tehty aineistolla, jossa oli havainnot kaikilta keleiltä. Ennustettu kameralinkki Itäsuunta Muurala Järvenperä Muurala Petikko Muurala Pakkala Muurala Tikkurila Järvenperä Petikko Järvenperä Tuupakka Järvenperä Pakkala Järvenperä Tikkurila Ei liikennemäärätietoja Liikennemäärätiedot viipeettä Liik.määrätiedot 5 min viipeellä Liik.määrätiedot 10 min viipeellä Järvenperä Hakunila Petikko Tuupakka Petikko Pakkala Petikko Tikkurila Petikko Hakunila Tuupakka Pakkala Tuupakka Tikkurila Pakkala Tikkurila Pakkala Hakunila Tikkurila Hakunila Länsisuunta Hakunila Tikkurila Hakunila Pakkala

24 22 Kehä III:n lyhyen aikavälin matka-aikaennustemalli TULOKSET Hakunila Petikko Tikkurila Pakkala Tikkurila Petikko Tikkurila Muurala Tikkurila Tuupakka Pakkala Tuupakka Pakkala Petikko Pakkala Järvenperä Pakkala Muurala Tuupakka Petikko Tuupakka Järvenperä Tuupakka Muurala Petikko Muurala Järvenperä Muurala

25 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 23 TULOKSET Taulukko 3. Oikein ennustettujen matka-aikojen osuus (%) testiaineiston ruuhkahavainnoilla arkipäivisin klo 6 22 normaalilla kelillä, kun syötteessä joko ei ole liikennemäärätietoa tai se on tullut erimittaisilla viipeillä. Mallit on tehty aineistolla, jossa oli havainnot kaikilta keleiltä. Taulukossa ovat ne linkit, joilta oli testiaineistossa vähintään 100 ruuhkahavaintoa. Ennustettu kameralinkki Itäsuunta Ei liikennemäärätietoja Liikennemäärätiedot viipeettä Liikennemäärätiedot 5 min viipeellä Liikennemäärätiedot 10 min viipeellä Muurala Pakkala Muurala Tikkurila Järvenperä Tuupakka Järvenperä Pakkala Järvenperä Tikkurila Järvenperä Hakunila Petikko Tuupakka Petikko Pakkala Petikko Tikkurila Petikko Hakunila Tuupakka Pakkala Tuupakka Tikkurila Tuupakka Hakunila Pakkala Hakunila Länsisuunta Tuupakka Petikko Tuupakka Järvenperä Tuupakka Muurala Pakkala Tuupakka Pakkala Petikko Pakkala Järvenperä Pakkala Muurala Tikkurila Pakkala Tikkurila Tuupakka Tikkurila Petikko Tikkurila Muurala Hakunila Pakkala Hakunila Petikko Hakunila Muurala

26 24 Kehä III:n lyhyen aikavälin matka-aikaennustemalli TULOKSET Edellä tehdyillä malleilla oli paljon syötemuuttujia (enimmillään 57 kpl). Pisimmillä kameralinkeillä syötematka-aikojen määrä oli erittäin suuri (kuusi kameralinkkiä, kultakin kolmen havainnon aikasarja). Lisäksi käytettävissä olevien LAM-pisteiden lukumäärä oli pisimmillä linkeillä merkittävä. Tutkittiin, parantaako liikennemäärätietojen kolmen viimeisimmän havainnon aikasarja ennusteita vai päästäänkö viimeisimmillä havainnoilla (aikasarjan pituus yksi havainto) yhtä hyvään lopputulokseen. Keskimääräiseen oikein ennustettujen matka-aikojen osuuteen aikasarjan pituus vaikutti yhden prosenttiyksikön verran siten, että aikasarjan pituudella yksi saatiin parempi tulos kuin kolmen viimeisimmän havainnon aikasarjalla (taulukko 4). Ruuhkatilanteissa ero oli suurempi ja yhden havainnon aikasarjalla saatiin keskimäärin kolme prosenttiyksikköä enemmän oikein ennustettuja matka-aikoja kuin kolmen viimeisimmän havainnon aikasarjalla.

27 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 25 TULOKSET Taulukko 4. Oikein ennustettujen matka-aikojen osuus (%) testiaineistossa arkipäivisin klo 6 22 normaalilla kelillä, kun syötteen liikennemäärähavaintojen aikasarjan pituus oli yksi tai kolme viimeisintä havaintoa (viipeettä). Taulukossa ovat ne linkit, joilta oli ruuhkasta vähintään 100 havaintoa. Kaikki havainnot Ruuhka Ennustettu kameralinkki 3 havaintoa 1 havainto 3 havaintoa 1 havainto Itäsuunta Muurala Pakkala Muurala Tikkurila Muurala Hakunila Järvenperä Tuupakka Järvenperä Pakkala Järvenperä Tikkurila Järvenperä Hakunila Petikko Tuupakka Petikko Pakkala Petikko Tikkurila Petikko Hakunila Tuupakka Pakkala Tuupakka Tikkurila Tuupakka Hakunila Pakkala Hakunila Länsisuunta Tuupakka Petikko Tuupakka Järvenperä Tuupakka Muurala Pakkala Tuupakka Pakkala Petikko Pakkala Järvenperä Pakkala Muurala Tikkurila Pakkala Tikkurila Tuupakka Tikkurila Petikko Tikkurila Muurala Hakunila Pakkala Hakunila Tuupakka Hakunila Petikko Hakunila Muurala

28 26 Kehä III:n lyhyen aikavälin matka-aikaennustemalli TULOKSET Toinen tapa vähentää syötemuuttujien määrää on ottaa syötteeseen mukaan ainoastaan ne muuttujat, jotka korreloivat ruuhkatilanteissa vastematka-ajan kanssa. Tällöin mukaan valittiin ne LAM-pisteet, joiden viipeetön matka-aika korreloi (korrelaatiokertoimen itseisarvo yli 0,1) vastematka-ajan kanssa ruuhkatilanteissa. Liikennemäärille aikasarjan pituus oli yksi. Mallien keskimääräisessä ennustamiskyvyssä ei ollut eroja, mutta ruuhkatilanteissa kaikkiin LAM-pisteisiin perustuvat mallit ennustivat keskimäärin yhden prosenttiyksikön verran enemmän oikein kuin ainoastaan ruuhkatilanteissa korreloiviin LAM-pisteisiin perustuvat mallit (taulukko 5).

29 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 27 TULOKSET Taulukko 5. Oikein ennustettujen matka-aikojen osuus (%) testiaineistossa arkipäivisin klo 6 22 normaalilla kelillä, kun syötteessä on mukana joko kaikki tai ainoastaan ruuhkatilanteissa korreloivat LAM-pisteet. Syötteen liikennemäärähavaintojen aikasarjan pituus oli yksi (viipeettä). Taulukossa ovat ne linkit, joilta oli ruuhkasta vähintään 100 havaintoa. Ennustettu kameralinkki Itäsuunta Kaikki havainnot Kaikki LAMpisteet Parhaiten korreloivat LAM-pisteet Ruuhka Kaikki LAMpisteet Parhaiten korreloivat LAM-pisteet Muurala Pakkala Muurala Tikkurila Muurala Hakunila Järvenperä Tuupakka Järvenperä Pakkala Järvenperä Tikkurila Järvenperä Hakunila Petikko Tuupakka Petikko Pakkala Petikko Tikkurila Petikko Hakunila Tuupakka Pakkala Tuupakka Tikkurila Tuupakka Hakunila Pakkala Hakunila Länsisuunta Tuupakka Petikko Tuupakka Järvenperä Tuupakka Muurala Pakkala Tuupakka Pakkala Petikko Pakkala Järvenperä Pakkala Muurala Tikkurila Pakkala Tikkurila Tuupakka Tikkurila Petikko Tikkurila Muurala Hakunila Pakkala Hakunila Tuupakka Hakunila Petikko Hakunila Muurala

30 28 Kehä III:n lyhyen aikavälin matka-aikaennustemalli TULOKSET Yhteenvetona voidaan todeta, että liikennemäärätieto paransi oikein ennustettujen osuutta ilman sitä tehtyihin malleihin verrattuna. Aikasarjan pituudella yksi saatiin testiaineiston perusteella parempia ennusteita kuin kolmen viimeisimmän havainnon aikasarjalla. Kaikkiin LAM-pisteisiin perustuvat mallit ennustivat paremmin kuin ainoastaan ruuhkatilanteissa korreloiviin LAMpisteisiin perustuvat mallit. Yllä esitettyihin periaatteisiin perustuvaa ennustemallia, jolla liikennemäärän tiedonsiirtoviipeeksi oletettiin 10 minuuttia, verrattiin suoraan mittaustietoon perustuvaan matka-aikatietoon (taulukko 6). Arkipäivinä (klo 6 22) mitatun testiaineiston perusteella ennuste oli keskimäärin yhtä usein oikeassa kuin suoriin mittauksiin perustuva matka-aikatieto. Ennustettu tieto oli ruuhkassa keskimäärin kolme prosenttiyksikköä useammin oikeassa.

31 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 29 TULOKSET Taulukko 6. Oikein ennustettujen matka-aikojen osuus (%) testiaineistossa arkipäivisin klo 6 22 normaalilla kelillä suoraan mittaustietoon perustuen ja ennustemallilla, jossa on kaikkien LAM-pisteiden liikennemäärätiedot (aikasarjan pituus yksi, tiedonsiirtoviive 10 min). Taulukossa ovat ne linkit, joilta oli ruuhkasta vähintään 100 havaintoa. Ennustettu kameralinkki Itäsuunta Kaikki havainnot Suora mittaustieto Ennustemalli Ruuhka Suora mittaustieto Ennustemalli Muurala Pakkala Muurala Tikkurila Muurala Hakunila Järvenperä Tuupakka Järvenperä Pakkala Järvenperä Tikkurila Järvenperä Hakunila Petikko Tuupakka Petikko Pakkala Petikko Tikkurila Petikko Hakunila Tuupakka Pakkala Tuupakka Tikkurila Tuupakka Hakunila Pakkala Hakunila Länsisuunta Tuupakka Petikko Tuupakka Järvenperä Tuupakka Muurala Pakkala Tuupakka Pakkala Petikko Pakkala Järvenperä Tikkurila Pakkala Tikkurila Tuupakka Tikkurila Petikko Tikkurila Muurala Hakunila Pakkala Hakunila Tuupakka Hakunila Petikko Hakunila Muurala

32 30 Kehä III:n lyhyen aikavälin matka-aikaennustemalli TULOKSET 3.3 Samankaltaisimpiin havaintoihin perustuva malli Toisena vaihtoehtona tutkittiin matka-ajan ennustamista suoraan samankaltaisimpiin yksittäisiin havaintoihin perustuvalla mallilla. Samankaltaisuutta mitattiin euklidisellä etäisyydellä, joka määritellään vektorin x x 1 x 2 x n y y y välillä seuraavasti ja 1 2 y n x i y i Euc( x, y). n i 1 2 Aineisto esikäsiteltiin, jottei mikään syötemuuttuja päässyt hallitsemaan ylivoimaisesti muihin muuttujiin verrattuna, eli jottei tässä tapauksessa matkaaikojen tärkeys painottunut tiejakson (matka-ajan) pituuden mukaisesti. Käytännössä syötteet muunnettiin luonnollisen logaritmin avulla. Se erotteli aikaisemmassa tutkimuksessa (Innamaa 2004) havainnot paremmin kuin normeeraus tai skaalaus. Ensin kokeiltiin mallia, joka haki opetusaineistosta muodostetusta tietokannasta samankaltaisimman havainnon ja teki ennusteen tämän havainnon vasteen perusteella. Testaus tehtiin testiaineiston avulla. Aineistossa oli kaikkien LAM-pisteiden liikennemäärätiedot siten, että aikasarjan pituudeksi oli valittu yksi ja tiedonsiirtoviiveeksi 10 minuuttia. Suoraan mittaustietoon perustuva matka-aikatieto oli arkipäivisin klo 6 22 keskimäärin viisi prosenttiyksikköä useammin oikeassa kuin ennustemalli (taulukko 7). Ruuhkatilanteissa taas ennustemalli oli keskimäärin kaksi prosenttiyksikköä useammin oikeassa kuin suoraan mittaustietoon perustuva matka-aikatieto.

33 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 31 TULOKSET Taulukko 7. Oikein ennustettujen matka-aikojen osuus (%) testiaineistossa arkipäivisin klo 6 22 normaalilla kelillä suoraan mittaustietoon perustuen ja samankaltaisimpaan havaintoon perustuvalla ennustemallilla. Taulukossa ovat ne linkit, joilta oli ruuhkasta vähintään 100 havaintoa. Ennustettu kameralinkki Itäsuunta Kaikki havainnot Suora mittaustieto Ennustemalli Ruuhka Suora mittaustieto Ennustemalli Muurala Pakkala Muurala Tikkurila Muurala Hakunila Järvenperä Tuupakka Järvenperä Pakkala Järvenperä Tikkurila Järvenperä Hakunila Petikko Tuupakka Petikko Pakkala Petikko Tikkurila Petikko Hakunila Tuupakka Pakkala Tuupakka Tikkurila Tuupakka Hakunila Pakkala Hakunila Länsisuunta Tuupakka Petikko Tuupakka Järvenperä Tuupakka Muurala Pakkala Tuupakka Pakkala Petikko Pakkala Järvenperä Tikkurila Pakkala Tikkurila Tuupakka Tikkurila Petikko Tikkurila Muurala Hakunila Pakkala Hakunila Tuupakka Hakunila Petikko Hakunila Muurala

34 32 Kehä III:n lyhyen aikavälin matka-aikaennustemalli TULOKSET Toisena vaihtoehtona kokeiltiin mallia, joka haki opetusaineistosta muodostetusta tietokannasta 5 samankaltaisinta havaintoa ja teki ennusteen näiden havaintojen vasteiden mediaanin perusteella. Tulos oli täsmälleen sama kuin yhden samankaltaisimman havainnon perusteella. Viimeisenä kokeiltiin mallia, joka etsi opetusaineistosta muodostetusta tietokannasta vastaavana ajankohtana (arki, lauantai tai sunnuntai ja korkeintaan tunnin ajankohtaero) ja samasta keliluokasta (normaali tai huono / erittäin huono keli) kootut havainnot. Näistä etsittiin samankaltaisin havainto ja ennuste oli tämän havainnon vaste. Suoraan mittaustietoon perustuva matka-aikatieto oli arkipäivisin klo 6 22 keskimäärin kuusi prosenttiyksikköä useammin oikeassa kuin ennustemalli (taulukko 8). Ruuhkatilanteissa taas ennustemalli oli keskimäärin kolme prosenttiyksikköä useammin oikeassa kuin suoraan mittaustietoon perustuva matka-aikatieto.

35 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 33 TULOKSET Taulukko 8. Oikein ennustettujen matka-aikojen osuus (%) testiaineistossa arkipäivisin klo 6 22 normaalilla kelillä suoraan mittaustietoon perustuen ja samankaltaisimpaan, samanlaisissa olosuhteissa mitattuun havaintoon perustuvalla ennustemallilla. Taulukossa ovat ne linkit, joilta oli ruuhkasta vähintään 100 havaintoa. Ennustettu kameralinkki Itäsuunta Kaikki havainnot Suora mittaustieto Ennustemalli Ruuhka Suora mittaustieto Ennustemalli Muurala Pakkala Muurala Tikkurila Muurala Hakunila Järvenperä Tuupakka Järvenperä Pakkala Järvenperä Tikkurila Järvenperä Hakunila Petikko Tuupakka Petikko Pakkala Petikko Tikkurila Petikko Hakunila Tuupakka Pakkala Tuupakka Tikkurila Tuupakka Hakunila Pakkala Hakunila Länsisuunta Tuupakka Petikko Tuupakka Järvenperä Tuupakka Muurala Pakkala Tuupakka Pakkala Petikko Pakkala Järvenperä Tikkurila Pakkala Tikkurila Tuupakka Tikkurila Petikko Tikkurila Muurala Hakunila Pakkala Hakunila Tuupakka Hakunila Petikko Hakunila Muurala

36 34 Kehä III:n lyhyen aikavälin matka-aikaennustemalli TULOKSET 3.4 Tiedotuslinkin matka-ajan estimointi Koska tiedotusopasteissa esitetään matka-aika opasteelta määränpäähän, tieto joudutaan estimoimaan kameralinkkitiedosta, mikäli tiedotuslinkki eroaa kameralinkistä. Nyt tehdyssä mallissa tiedotuslinkkiennuste estimoidaan kameralinkkiennusteista vakioprosenttiosuuksien avulla. Tiedotukseen tarvittavia yksittäistä kameralinkkiä pidempien tiejaksojen matka-aikaennusteita ei voida tuottaa laskemalla yhteen yksittäisten kameralinkkien saman ennustejakson ennusteita, sillä näin saatu summa ei ruuhkaja häiriötilanteissa tai liikennetilanteen muuttuessa vastaisi minkään ajoneuvon todellisuudessa kohtaamaa liikennetilannetta (kuva 3 (A)). Tästä syystä matka-aikaennusteet joudutaan räätälöimään jokaiselle lähtöpaikkamääräpaikkaparille erikseen (kuva 3 (B)). Muuttuva opaste Määränpää (A) K 1 K 2 K 3 K 4 K 5 K 6 K 7 K 8 Ajoneuvot, jotka aloittavat tiejakson C 1 -C 2 seuraavien 5 min kuluessa. Ajoneuvot, jotka aloittavat tiejakson C 2 -C 3 seuraavien 5 min kuluessa. Muuttuva opaste Määränpää K 1 K 2 K 3 K 4 K 5 K 6 K 7 K 8 (B) Ajoneuvot, jotka aloittavat tiejakson C 1 -C 8 seuraavien 5 min kuluessa. K = Kamerailmaisin Kuva 3. Matka-ajan estimointi muuttuvalta opasteelta määränpäähän kohteessa, joka on jaettu tiejaksoihin kahdeksan kameran avulla. Vaihtoehdossa (A) lasketaan yhteen yksittäisten kameralinkkien matka-ajat, jolloin tulos ei vastaa minkään ajoneuvon matka-aikaa. Vaihtoehdossa (B) ennustetaan matka-aika suoraan todellisille opasteen näkeville ajoneuvoille. Kun lähtö- tai määräpaikka ei sijaitse kamerailmaisimien kohdalla, halutun matka-ajan estimointiin on useampi tapa. Yksi vaihtoehto on valita lähtö- ja määräpaikkaa lähimmät kamerailmaisimet (K 1 ja K 8, kuva 3) ja ennustaa niiden muodostaman tiejakson matka-aika. Tiedotuslinkin matka-aika estimoidaan kameralinkin matka-ajasta vakioprosenttiosuuden avulla. Osuus määritetään esimerkiksi vapaan liikennevirran matka-ajan perusteella. Toinen vaihtoehto on ennustaa matka-aika kameralinkeille K 1 -K 7, K 1 -K 8, K 2 - K 7 ja K 2 -K 8 ja estimoida tiedotuslinkin matka-aika tiedotusopasteen ja määräpaikan suhteellisen sijainnin kameralinkeillä perusteella (suhteellinen osuus matka-ajasta). Nyt tehtävässä mallissa päätettiin soveltaa tätä viimeksi esiteltyä estimointitapaa. Tiedotuslinkin matka-aika estimointi tehtiin siis seuraavan yhtälön perusteella:

37 Kehä III:n lyhyen aikavälin matka-aikaennustemalli 35 TULOKSET T info = T A2-B1 + S a (T A1-B1 T A2-B1 ) + S b (T A2-B1 T A2-B2 ) jossa A 1 on viimeisin ennen tiedotusopastetta sijaitseva kamerailmaisin, A 2 ensimmäinen tiedotusopasteen jälkeen sijaitseva kamerailmaisin, B 1 viimeisin ennen kohdetta sijaitseva kamerailmaisin ja B 2 ensimmäinen kohteen jälkeen sijaitseva kamerailmaisin. Kerroin S a on tiedostusopasteelta kamerailmaisimelle A 2 mitatun matka-ajan osuus kamerailmaisimien A 1 ja A 2 välisestä matka-ajasta ja kerroin S b on kamerailmaisimelta B 1 kohteeseen mitatun matka-ajan osuus kamerailmaisimien B 1 ja B 2 välisestä matka-ajasta. Kehä III:n tiedotusopasteille ja niissä esitetyille kohteille lasketut kertoimet on esitetty taulukoissa 9 ja 10. Taulukko 9. Kertoimet S a tiedotuslinkkien matka-ajan estimointia varten. Tiedotusopaste A 1 A 2 S a TIO MAM MAM ,34 TIO MAM MAM ,38 TIO MAM MAM TIO MAM MAM ,51 TIO MAM MAM ,21 TIO MAM MAM ,93 TIO MAM MAM ,56 TIO MAM MAM ,90 TIO MAM MAM ,31 TIO TIO MAM MAM ,04 TIO MAM MAM ,20 TIO MAM MAM ,88 Taulukko 10. Kertoimet S b tiedotuslinkin matka-ajan estimointia varten. Kamerailmaisimet ovat länsisuunnan linkeille päinvastaiset kuin itäsuunnan linkeille (eli B 1 = B 2 ja B 2 = B 1 ). Kohde B 1 (itäsuunnan linkeille) B 2 (itäsuunnan linkeille) S b (itäsuunnan linkeille) Turunväylä MAM MAM ,18 0,79 Vihdintie MAM MAM ,89 0,11 Hämeenlinnanväylä MAM MAM ,65 0,35 Lentoasema MAM MAM ,17 0,83 Tuusulanväylä MAM MAM ,39 0,61 Lahdenväylä MAM MAM ,78 0,22 Porvoonväylä MAM MAM ,77 S b (länsisuunnan linkeille)

38 36 Kehä III:n lyhyen aikavälin matka-aikaennustemalli TULOKSET 3.5 Ensivaiheessa Kehä III:lle toteutettava malli Suoraan viimeisimpien osalinkeiltä mitattujen matka-aikojen summaan perustuva estimaatti oli testiaineiston perusteella keskimäärin yhtä usein oikeassa kuin itseorganisoituviin karttoihin perustuva ennuste. Ennustettu tieto oli ruuhkassa keskimäärin kolme prosenttiyksikköä useammin oikeassa. Samankaltaisimpiin havaintoihin perustuva ennuste oli keskimäärin viidestä kuuteen prosenttiyksikköä huonompi kuin suoraan mittaustietoon perustuva estimaatti, mutta ruuhkassa kahdesta kolmeen prosenttiyksikköä parempi. Yhteenvetona voidaan siis todeta, että suoraan mittaustietoon perustuva estimaatti oli keskimäärin vähintään yhtä hyvä kuin ennustettu matka-aika. Ruuhkatilanteissa ennuste oli muutaman prosenttiyksikön verran estimaattia useammin oikeassa. Suoraan mittaustietoon perustuvia estimaatteja käytettäessä Kehä III:n tiedotusjärjestelmä voi hyödyntää uusia kamerailmaisimia heti toisin kuin ennustemalleilla, joiden jatkokehitystä varten täytyy koota uusi opetusaineisto. Tästä syystä suoraan mittaustietoon perustuvat estimaatit ovat uuden liikenteenseurantajärjestelmän käyttöön tullessa parempia kuin nyt tehty vertailumalli. Ennustemalli taas toiminee väylän rakenteellisten muutosten takia aluksi testiaineiston antamia tuloksia huonommin. Tämän takia ensivaiheessa väylän matka-aikatiedotuksen perustaksi kannattaa valita suoraan viimeisimpien osalinkeiltä mitattujen matka-aikojen summaan perustuva estimaatti. Sovellettaessa suoraan mittaustietoon perustuvia estimaatteja tiedotuslinkkien matka-aika estimoidaan kameralinkkien matka-ajoista samalla tavalla kuin käytettäessä ennusteita (luku 3.4). Uuden, täydennetyn liikenteenseurantajärjestelmän mukaiset kertoimet S a ja S b on esitetty taulukoissa 11 ja 12. Tiedotuslinkkien matka-ajan estimointiin liittyvät yhtälöt on esitetty liitteenä 8.