ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Σχολή Αγρονόμων & Τοπογράφων Μηχανικών ΕΜΠ Εργαστήριο Συγκοινωνιακής Τεχνικής Χρήση συστημάτων πληροφορικής στην οδική υποδομή Κωνσταντίνος Αντωνίου Αναπληρωτής Καθηγητής ΕΜΠ antoniou@central.ntua.gr ΤΗΛΕΜΑΤΙΚΗ- ΒΑΘΜΟΝΟΜΗΣΗ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ
Άδεια χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άδεια χρήσης άλλου τύπου, αυτή πρέπει να αναφέρεται ρητώς. 2
Σχήμα 1. Calibration and validation 3
A priori parameter values "Static" data (network etc.) Off-line calibration Surveillance data (archived) Off-line calibrated parameters "Static" data (network etc.) On-line calibration Surveillance data (latest) On-line calibrated parameters Σχήμα 2. On-line calibration and off-line calibration 4
Calibration inputs: DATA Calibration outputs: MODEL INPUTS and PARAMETERS Archived Data (Multiple Days) Sensor data Special events log Incident log Weather log OFF-LINE CALIB- RATION OD flows Capacities Traffic dynamics parameters Route choice parameters Travel times Error covariances OD prediction parameters OFF-LINE/ PLANNING APPLICATIONS Real-Time Data Sensor data Special events Incidents Weather Off-line calibrated parameters Historical Database ON-LINE CALIB- RATION Updating OD flows Capacities Traffic dynamics parameters Route choice parameters Σχήμα 3. On-line calibration and off-line calibration REAL-TIME/ OPERATIONAL APPLICATIONS 5
Σχήμα 4. 6
Βαθμονόμηση Ταυτόχρονη εκτίμηση όλων των δεδομένω εισόδου: Δυναμικές ροές ΠΠ x θ [ x β] Παράμετροι μοντέλων b Χρησιμοποιώντας τα διαθέσιμα κυκλοφοριακά στοιχεία: M: φόρτοι, ταχύτητες, χρόνοι διαδρομής, κτλ Ενσωματώνοντας τυχόν διαθέσιμες προηγούμενες εκτιμήσεις: q a = [x a b a ] 7
Διατύπωση του προβλήματος z, z, ] a M M θ θ Minimize 1 2 θ M f subject to: θ, G DTA model l θ u Bounds M :sensor M : Model θ [ x β] data output Vector of variables G : Exogenous inputs 8
Βασικά πλεονεκτήματα Ενσωματώνει τις σύνθετες σχέσεις μεταξύ των διαθεσίμων στοιχείων και των παραμέτρων των μοντέλων Εκτιμά ταυτόχρονα όλες τις παραμέτρους εισόδου και δεδομένα(προσφοράς και ζήτησης) Ενσωματώνει όλα τα διαθέσιμα κυκλοφοριακά στοιχεία Μπορεί να χρησιμοποιηθεί με οποιοδήποτε μοντέλο (δεν επιβάλλει κάποιο περιορισμό στη δομή της συνάρτησης f( )). 9
Αλγόριθμος επίλυσης: SPSA SPSA ( Spall, 1994 ) Iteratively updates q by moving along a direction θ i 1 θ i a i gˆ θ i Direction found by gradient approximation gˆ k i i i i i z θ c i z θ c i θ i 2c ik Σχήμα 5. SPSA 10
Δυναμική βαθμονόμηση Διαδικασία τοπικής βελτιστοποίησης Ενώ η αρχική βαθμονόμηση ήταν καθολική (local vs. global optimization) Προσέγγιση Μοντέλο χώρου-κατάστασης (State-space formulation) Μη-γραμμικά φίλτρα Kalman (Nonlinear Kalman-filters) 11
Παράδειγμα δυναμικής βαθμονόμησης Σχήμα 6. Παράδειγμα δυναμικής βαθμονόμησης 12
Κυκλοφοριακές συνθήκες Σχήμα 7. Κυκλοφοριακές συνθήκες 13
Importance of On-line Calibration Σχήμα 8. Importance of on-line calibration 14
Δυναμική βαθμονόμηση Καλές καιρικές συνθήκες - Βροχή Σχήμα 9. Δυναμική βαθμονόμηση 15
Η επίπτωση πιο πλούσιων κυκλοφοριακών στοιχείων (AVI) Σχήμα 10. Η επίπτωση πιο πλούσιων κυκλοφοριακών στοιχείων 16
Η επίπτωση πιο πλούσιων κυκλοφοριακών στοιχείων (AVI) Σχήμα 11. Η επίπτωση πιο πλούσιων κυκλοφοριακών στοιχείων 17
Σύνολο επιλογής διαδρομών (Path choice set) Δημιουργία ικανού συνόλου διαδρομών για κάθε ζεύγος ΠΠ Κριτήρια Συντομότερη διαδρομή Συνδεσιμότητα (σε περίπτωση συμβάντων) Τυχαία διακύμανση (perturbation) των χρόνων διαδρομής 18
Off-line, Closed Loop Evaluation MITSIMLab Measures of effectiveness Information Surveillance System Sensor Data Σχήμα 12. DynaMIT 19
Off-line, Closed Loop Evaluation Σχήμα 13. Off-line, closed loop evaluation 20
Εφαρμογές 21
Ενδεικτικές εφαρμογές Γένεση πληροφόρησης για τους μετακινούμενους Γένεση και αξιολόγηση στρατηγικών αντίδρασης σε ατυχήματα / παρακάμψεις Παροχή πληροφόρησης σε Κέντρα Διαχείρισης Κυκλοφορίας Αντιμετώπιση εκτάκτων αναγκών Δυναμική τιμολόγηση / Congestion Pricing 22
Παροχή προβλεπτικής πληροφόρησης με Πινακίδες Μεταβλητών Μηνυμάτων 7:15-8:15 Ατύχημα 7:25 έως 7:45 Μείωση ικανότητας κατά 45% Θέση ατυχήματος Σχήμα 14. 23
Επίπτωση πληροφόρησης Με προβλεπτική πληροφόρηση: Κύριο ζεύγος ΠΠ: Μείωση χρόνου διαδρομής κατά ~18% Όλα τα ζεύγη ΠΠ που περιλαμβάνουν διαδρομές που χρησιμοποιούν το σύνδεσμο όπου έγινε το ατύχημα: Μείωση χρόνου διαδρομής κατά ~17% incident Σχήμα 15. 24
Επίπτωση πληροφόρησης Χωρίς πληροφόρηση Με προβλεπτική πληροφόρηση Σχήμα 16. Επίπτωση πληροφόρησης 25
Αντιμετώπιση εκτάκτων συμβάντων Plan Library Real World (simulated) Emergency Evacuation Planning System Plan generator Sensors Driver behavior Transportation network Plan refiner Simulated Simulated Simulated World Simulated World Simulated World Plume World Plume World Plume Sensors Plume Sensors Plume Sensors Driver Sensors Driver Sensors Driver Network Driver Network Driver Network Network Network Evacuation Strategies Visualization/ User Interface Σχήμα 17. Αντιμετώπιση έκτακτων κινδύνων 26
Σχήμα 18. DynaMIT for Emergencies (DynaMIT-E) 27
Δυναμική Τιμολόγηση (Congestion Pricing) DynaMIT Role Policy evaluation Strategy generation at TMC Required Functionalities Vehicle classes Travel behavior Pricing strategy Exogenous Endogenous (strategy-specific) Linked to MITSIMLab (closed-loop) 28
Κατάλογος αναφορών σχημάτων Σχήμα 4 www.dllbert.com Σχήμα 5 http://www.jhuapl.edu/spsa/ Σχήματα 6, 13, 14,18 Υλικό με μη προσδιορισμένη προέλευση. Σε περίπτωση που είστε ο κάτοχος του κύριου δικαιώματος παρακαλώ επικοινωνήστε μαζί μας. 29
Χρηματοδότηση Το παρόν υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους. 30