CC BY
57
Интернет-журнал «Науковедение» ISSN 2223-5167 http ://naukovedenie.ru/ Том 7, №4 (2015) http ://naukovedenie. ru/index.php?p=vol7-4 URL статьи: http ://naukovedenie. ru/PDF/ 139TVN415.pdf DOI: 10.15862/139TVN415 (http://dx.doi.org/10.15862/139TVN415)
УДК 625.7:004.89
Пржибыл Павел
Чешский технический университет Чешская Республика, г. Прага1 Профессор Кандидат технических наук Scopus: http://www.scopus.com/authid/detail.url?authorId=36883837300
E-mail: [email protected]
Интерпретация и визуализация данных как инструмент анализа состояния транспортной сети
1 Konviktska 20, 110 00 Praha 1
1
Аннотация. Данная статья рассматривает такой этап работы с данными о транспортном потоке, как интерпретация и визуализация. Основными параметрами, характеризующими транспортный поток, являются его интенсивность и плотность, а также скорость транспортных средств. Вышеперечисленные параметры позволяют описывать транспортный поток, воспроизводить текущую ситуацию в программах имитационного моделирования, а также строить прогнозные модели. Одним из эффективных способов получения данных о транспортном потоке является использование детекторов. Данные, полученные с детекторов транспортного потока, нуждаются в дальнейшем хранении и обработке. При этом некорректное накопление и хранение данных может привести к неточностям в анализе состояния транспортной сети, так как необработанные данные, переведенные на хранение, теряют примерно две трети информационного наполнения по сравнению с моментом измерения. В статье приводятся примеры работы программных инструментов, работающих с данными в режиме реального времени и позволяющих оценивать работу транспортной сети. Описано два обозревателя, успешно применяющихся в Праге в настоящее время. Также затронут вопрос визуализации прогнозных моделей дорожных ситуаций, которые могут быть использованы для решения ряда транспортных задач.
Ключевые слова: транспортные данные; интерпретация данных; визуализация данных; анализ транспортной ситуации; детекторы транспортного потока.
Ссылка для цитирования этой статьи:
Пржибыл Павел Интерпретация и визуализация данных как инструмент анализа состояния транспортной сети // Интернет-журнал «НАУКОВЕДЕНИЕ» Том 7, №4 (2015) http://naukovedenie.ru/PDF/139TVN415.pdf (доступ свободный). Загл. с экрана. Яз. рус., англ. DOI: 10.15862/139TVN415
Введение
Важным этапом в работе с данными о движении транспорта являются их интерпретация и представление конечному пользователю. Аналитические инструменты предоставляют вывод результатов обработки данных в различных форматах. Как правило, речь идет о какой-либо группе чисел, описывающих результат (например, коэффициенты регрессионной модели). При этом для конечного пользователя, который не является аналитиком транспорта, такое числовое представление может быть совершенно непонятно. Таким образом, при интерпретации данных целесообразно ориентироваться на конечного пользователя. Например, для технически ориентированной публики можно представить детальное и точное описание условий, примененных методов, результатов и их интерпретацию. А вот для пользователя, ожидающего конечного результата, как правило, лучше применять более наглядные способы демонстрации пользы данного продукта (например, графики и диаграммы).
Данные о транспортном потоке
Использование детекторов является эффективным средством сбора информации о параметрах транспортного потока. Детектирование транспортного потока позволяет получать исходные данные для задач имитационного моделирования и инженерного анализа состояния транспортной сети. Также детекторы транспортного потока могут быть использованы для получения исходных данных при решении задач управления дорожным движением с применением различных подсистем автоматизированных системах управления дорожным движением (АСУДД) и задач мониторинга эффективности работы различных подсистем АСУДД. Использование систем детектирования транспортного потока широко применяется в мире для поддержания работы различных подсистем управления и информирования транспортного потока. Эффективность использования подобного рода систем была доказана множеством успешных проектов, реализованных в экономически развитых странах мира [1, 2, 3, 4].
Как правило, с помощью детекторов можно определить наличие, количество и скорость транспортных средств. Также детекторы позволяют классифицировать автомобили и устанавливать степень загруженности полос движения. Надо отметить, что детекторы могут производить сбор данных, относящихся к разным категориям [5].
Основными параметрами, характеризующими транспортный поток, являются его интенсивность и плотность, а также скорость транспортных средств. Вышеперечисленные параметры позволяют описывать транспортный поток, воспроизводить текущую ситуацию в программах имитационного моделирования, а также строить прогнозные модели. В Чешской Республике также используется гибридная модель, позволяющая рассчитывать концентрацию вредных веществ в тоннелях на основе таких данных, как скорость и интенсивность движения [6].
Визуализация транспортных ситуаций
В Праге успешно применяется обозреватель ANALYSES I. Этот обозреватель является программным инструментом, позволяющим не только просматривать данные, но и обрабатывать их. Данные на него поступают с большого количества детекторов, установленных в Праге. Интерфейс позволяет видеть карту, на которой указано расположение детекторов на участке улично-дорожной сети. При анализе данных пользователь имеет возможность выбрать тот детектор, данные с которого необходимо обработать. Также пользователь может выбрать интересующий его параметр (интенсивность или плотность) и
временной интервал. Результатом анализа будет цветная карта в диаграмме трасса-время. В левом верхнем углу экрана изображается выбранная величина (интенсивность или занятость) в качестве цветной карты в диаграмме трасса-время, где на оси х находится длина участка, на оси у - время (изображение времени - пропорционально). На горизонтальной оси размещена информация о транспортных детекторах. Результирующий график аппроксимирован, будто отдельные места измерения на трассе размещены равномерно, причем с использованием линейного интерполирования значений между точечными измерениями.
Рисунок 1. Обозреватель транспортных ситуаций (составлено автором)
График, находящийся в левом нижнем углу на рисунке 1 и отображающий ситуацию на какой-либо выбранный момент времени, имеет форму столбчатой диаграммы и представляет транспортную ситуацию в данное конкретное время, с учетом группы выбранных детекторов. В данном случае изображены интенсивности движения за 5 минут. На оси x находятся расстояния в километрах между отдельными местами измерения.
Правый нижний граф представляет собой трехмерное изображение общей транспортной ситуации после преобразования методом PCA (Principal Component Analysis). Для 3D изображения выбраны первые три компонента PCA. Входные значения -интенсивность и/или плотность на наблюдаемых детекторах. Выбор компонент, входящих в PCA, находится в желтом поле правой крайней колонки. Черным цветом изображены все данные, каждая точка соответствует времени (округленному до 5 минут), ее положением являются преобразованные координаты - линейная комбинация интенсивности и занятости на выбранных детекторах. Зеленым цветом изображены точки, соответствующие выбранному дню. Красным цветом обозначена точка, представляющая транспортную ситуацию в выбранное конкретное время и день.
Существует другая возможность, когда на правом нижнем графике имеется проекция 3D транспортных ситуаций таким образом, что по оси х находится время, по оси y - позиция
детектора, а на оси г - непосредственно значение измеряемой величины - занятости. На рисунке 2 видно, насколько больше информации дает 3D изображение по сравнению с 2D изображением. Если необходимо оценить транспортную ситуацию с нескольких сторон, то с помощью кнопки 3D-plot (ЭБ-график) инициируется трехмерный график, который можно поворачивать.
Рисунок 2. Занятость детекторов в выбранный день. В верхней части 2D графика видны артефакты в виде 100% занятости после 23-го часа. На рисунке справа имеется тот же самый график, только трехмерный (составлено автором)
Визуализация транспортных данных
Другой тип обозревателя, ANALYSES II, предназначенный для инженеров по транспорту, ориентирован на анализ временных рядов, предоставляемых детекторами транспорта. Обозреватель распределен в четырех окнах (рисунок 3). В левых двух отображается выбранная величина - интенсивность и плотность в форме временного ряда. Всегда следует выбирать номер детектора, однако, на одном рисунке можно отобразить несколько детекторов. Можно изменять и временную ось, и дни, и время дня. В правой части обозревателя в формате 2D отображается фундаментальная диаграмма интенсивность-плотность для выбранного детектора/детекторов. Этот график позволяет непосредственно оценить качество движения транспорта.
Рисунок 3. Графическая интерпретация транспортных данных (составлено автором)
На рисунке 3 показаны возможности обозревателя данных. Для анализа транспортных отношений выбран понедельник 13-го ноября и два детектора Det_1 и Det_JSp. Время установлено с 4:30 до 22:15 часов. По графикам можно определить, что на входе в анализируемый участок (99.35) не было никакой существенной транспортной проблемы за исключением утреннего пика между 7-ю и 8-ю часами, а также узкого предвечернего пика. Во время утреннего пика кратковременно образовались колонны, и занятость в течение приблизительно 15-ти минут достигала 80%. Это подтверждает и граф интенсивность/занятость, на котором имеется приблизительно 8 пятиминутных значений занятости в области уровней движения 3 - 5.
Существенно худшее положение можно наблюдать на детекторе в обратном направлении движения (99.6), где уровень движения транспорта находился в области 3 и более практически на протяжении всего дня. Это подтверждает и граф интенсивность/занятость, на котором занятость практически все время превышала 20%.
Визуализация прогнозных моделей
Некоторые программные продукты позволяют визуализировать прогнозные модели дорожных ситуаций. Результаты моделирования прогнозных транспортных ситуаций могут быть использованы как для решения локальных задач, связанных со временем в пути отдельных транспортных средств, так и для решения задач регионального уровня. Разумеется, для реализации корректных прогнозных моделей необходимо использовать данные, поступающие в режиме реального времени с достаточного количества детекторов транспортного потока. Высокая скорость моделирования и предоставленные в достаточном объеме текущие данные о движении транспортных потоков обеспечивают возможность с
высокой точностью спрогнозировать транспортное движение, которое будет зависеть от принятых стратегий управления.
Примером программного продукта, позволяющего прогнозировать транспортную ситуацию, является Aimsun Online, который представляет собой систему поддержки принятия решений для управления транспортными потоками в режиме реального времени. Моделирование больших участков улично-дорожных сетей и магистралей позволяет операторам оценить, каким образом будет складываться дорожное движение в ближайшие полчаса при текущих параметрах транспортного потока. Надо отметить, что весь процесс моделирования занимает не более 5 минут.
Программный продукт Aimsun Online связан с базой данных центра управления дорожным движением и непрерывно обрабатывает данные, поступающие с детекторов транспортного потока. Такой подход позволяет моделировать движение транспортных потоков в сети любого размера, от одного шоссе до крупного города2.
Заключение
Интерпретация и визуализация являются очень важной частью работы с транспортными данными. Для наиболее корректной интерпретации необходимо иметь возможность наблюдать и анализировать данные в реальном времени. Это позволит лучше оценивать транспортные ситуации, так как необработанные данные, переведенные на хранение, теряют примерно две трети информационного наполнения по сравнению с моментом измерения. Также при работе с обозревателями данных и подготовке результатов всегда важно ориентироваться на конечного пользователя, для которого предназначается информация.
2 http://www.aimsun.com/
ЛИТЕРАТУРА
1. Бачманов М.Д. Опыт применения современных детекторов транспорта в задачах управления транспортным потоком // Автомобиль. Дорога. Инфраструктура. -2014. - №2.
2. Пржибыл П. Телематика на транспорте / Павел Пржибыл, Мирослав Свитек; перевод с чешского О. Бузека и В. Бузковой.; под ред. проф. В.В. Сильянова. -М.: Изд-во МАДИ (ГТУ), 2003. - 540 с.
3. Пржибыл П., Жанказиев С.В., Шадрин А.В. Динамическое предоставление приоритетного проезда для средств общественного транспорта // Автотранспортное предприятие. - 2011. - №7. - С. 24-27.
4. Жанказиев С.В., Медведев В.Е., Соломатин А.В., Варламов О.О., Ивахненко А.М. Решение задачи регулирования дорожного движения на основе автоматизированной системы управления // В мире научных открытий. - 2012. -№2.6(26). - С. 124-129.
5. ИТС на автомобильном транспорте / Гаэтано Фуско, Бенедетто Барабино, Джованни Корона, Под ред. Бруно Далла Кьяра. - М.: ООО "Типография Парадиз", 2014. - 532 с.
6. Пржибыл П. Оптимизация системы вентиляции автодорожных тоннелей/ П. Пржибыл, Т.В. Воробьева// Наука и техника в дорожной отрасли. - 2012. - №3. - С. 7-9.
7. Пржибыл П., Новиков А.И., Пржибыл О. Ассоциированные системы и транспортная телематика // Мир транспорта и технологических машин. - 2015. -№2(49). - С. 96-102.
8. Pribyl, P. - Pliska, Z. - Pribyl, O. - Sustek, M.: System for identification of accidents and highway managent. [Vyzkumnâ zprâva]. 2010. 286-2009-1930-EEG. 107 s. (in Czech).
9. Pribyl, P.: European commission, intelligent motorway, floating vehicle. Inzinierske stavby. 2012, roc. 2012, c. 1, cl. c. 16, s. 56-59. ISSN 1335-0846. (in Czech).
Рецензент: Жанказиев Султан Владимирович, профессор, заведующий кафедрой «Организация и безопасность движения», доктор технических наук, Московский автомобильно-дорожный государственный технический университет (МАДИ).
Pribyl Pavel
Czech Technical University in Prague Prague, Czech Republic E-mail: [email protected]
Interpretation and visualization of data as a tool for analysis of the the transport network condition
Abstract. This article examines such a stage of work with data on traffic flow, interpretation and visualization. The main parameters that characterize the traffic flow, are the intensity and the density and speed of vehicles. The above parameters allow us to describe the transport stream, to reproduce the current situation in the simulation software, and build predictive models. One effective way of obtaining data on the transport stream is the use of detectors. Data obtained from the traffic flow detectors, need further storage and processing. If this is incorrect the accumulation and storage of data can lead to inaccuracies in the analysis of the state of the transport network, as raw data, translated in storage, losing about two-thirds of content compared to the time of measurement. The article uses examples of software tools that work with data in real time and allows you to evaluate the performance of the transport network. Describes two browser has been used successfully in Prague at present. In addition, the issue of visualization of predictive models of road situations that can be used to solve a number of transport tasks.
Keywords: traffic flow data; data interpretation; data visualization; analysis of the traffic situation; the traffic flow detectors.
Интернет-журнал «НАУКОВЕДЕНИЕ» Том 7, №4 (июль - август 2015)
http://naukovedenie.ru [email protected]
REFERENCES
1. Bachmanov M.D. Opyt primeneniya sovremennykh detektorov transporta v zadachakh upravleniya transportnym potokom // Avtomobil'. Doroga. Infrastruktura. -2014. - №2.
2. Przhibyl P. Telematika na transporte / Pavel Przhibyl, Miroslav Svitek; perevod s cheshskogo O. Buzeka i V. Buzkovoy.; pod red. prof. V.V. Sil'yanova. - M.: Izd-vo MADI (GTU), 2003. - 540 s.
3. Przhibyl P., Zhankaziev S.V., Shadrin A.V. Dinamicheskoe predostavlenie prioritetnogo proezda dlya sredstv obshchestvennogo transporta // Avtotransportnoe predpriyatie. - 2011. - №7. - S. 24-27.
4. Zhankaziev S.V., Medvedev V.E., Solomatin A.V., Varlamov O.O., Ivakhnenko A.M. Reshenie zadachi regulirovaniya dorozhnogo dvizheniya na osnove avtomatizirovannoy sistemy upravleniya // V mire nauchnykh otkrytiy. - 2012. -№2.6(26). - S. 124-129.
5. ITS na avtomobil'nom transporte / Gaetano Fusko, Benedetto Barabino, Dzhovanni Korona, Pod red. Bruno Dalla K'yara. - M.: OOO "Tipografiya Paradiz", 2014. - 532 s.
6. Przhibyl P. Optimizatsiya sistemy ventilyatsii avtodorozhnykh tonneley/ P. Przhibyl, T.V. Vorob'eva// Nauka i tekhnika v dorozhnoy otrasli. - 2012. - №3. - S. 7-9.
7. Przhibyl P., Novikov A.I., Przhibyl O. Assotsiirovannye sistemy i transportnaya telematika // Mir transporta i tekhnologicheskikh mashin. - 2015. - №2(49). - S. 96102.
8. Pribyl, P. - Pliska, Z. - Pribyl, O. - Sustek, M.: System for identification of accidents and highway managent. [Vyzkumna zprava]. 2010. 286-2009-1930-EEG. 107 s. (in Czech).
9. Pribyl, P.: European commission, intelligent motorway, floating vehicle. Inzinierske stavby. 2012, roc. 2012, c. 1, cl. c. 16, s. 56-59. ISSN 1335-0846. (in Czech).
