its seminar
DESCRIPTION
its seminarTRANSCRIPT
-
SVEUILITE U ZAGREBU FAKULTET PROMETNIH ZNANOSTI
Nino Korent
DINAMIKO MODELIRANJE PROMETNIH TOKOVA
SEMINAR INTELIGENTNI TRANSPORTNI SUSTAVI I
Zagreb, 2015.
-
Sveuilite u Zagrebu Fakultet prometnih znanosti
SEMINARSKI RAD
DINAMIKO MODELIRANJE PROMETNIH TOKOVA
Mentor: prof. dr. sc. Pero korput prof. dr. sc. Sadko Manduka
Student: Nino Korent, 0035183253
Zagreb, 2015.
-
Sadraj 1 Uvod ......................................................................................................................... 4
2 Modeliranje prometnog toka .................................................................................... 6
2.1 Makroskopski modeli prometnog toka ............................................................. 6
2.2 Mikroskopski modeli prometnog toka .............................................................. 8
3 Dinamiki sustavi modeliranja prometa .................................................................. 9
3.1 Simulacijski modeli .......................................................................................... 9
3.2 Deterministiki matematiki modeli .............................................................. 10
3.3 Stohastiki matematiki modeli ...................................................................... 11
4 Metodologija provedbe simulacije ......................................................................... 13
5 Zakljuak ................................................................................................................ 15
Literatura ...................................................................................................................... 16
-
4
1 Uvod
Teorija prometnih tokova je znanost koja prouava zakonitosti kretanja motornih
vozila u prometnom toku. Kretanje vozila ovisi o brojnim faktorima zbog ega i opisivanje
zakonitosti predstavlja vrlo sloen proces. Najznaajniji faktori koji utjeu na nain kretanja
vozila u prometnom toku su: veliina prometnog toga, karakteristike toka, voznodinamike
karakteristike vozila, psihofizike osobine i motiviranost vozaa, karakteristike sistema za
upravljanje i kontrolu prometa te uvjeti okoline. Istovremeno djelovanje vie navedenih
faktora utjee na sloenost opisivanja zakonitosti kretanja vozila u prometnom toku, a
dodatno je potencirano i injenicom da su osnovni utjecajni faktori promjenjljivi u prostoru i
vremenu. Zbog navedenih razloga, rjeenja za opisivanje kretanja vozila u promentom toku
naena su u modeliranju. Pri tom su se tijekom vremena, zbog razliitog naina opisivanja,
razvili modeli za dvije osnovne podjele vrste toka:
1. Neprekinuti tok (ne postoje vanjski utjecaji koji mogu prouzroiti prekide toka,
prekidi toka su iskljuivo uvjetovani interakcijom vozila)
2. Prekinuti tok (dolazi do povremenih zaustavljanja toka uslijed naina kontrole
prometom)
S obzirom na razliite uvjete odvijanja toka na pojedinim elementima cestovne mree,
danas se teorija prometnog toka bavi opisivanjem odvijanja prometa na otvorenim dionicama
autoceste, zatim na potezima silazno-ulaznih rampi na autocestama, potezima vangradskih i
gradskih dvosmjernih cesta, semaforiziranim i nesemaforiziranim raskrijima.
Pri analizi i ocjeni funkcioniranja prometne dionice koriste se kriteriji stupnja
zasienosti i razine uslunosti.
Stupanj zasienosti predstavlja odnos prometne potranje i propusne moi
promatranog privoza raskrija, dok se razina uslunosti odreuje na temelju prosjeno
zakanjenja vozila. Amerika metoda za analizu propusne moi HCM 2000 koja se
preporuuje za primjenu u Hrvatskoj, definira est razina uslunosti s obzirom na veliinu
prosjenog zakanjenja pojedinog vozila. Smatra se da je za raskrija prihvatljiva razina
uslunosti C, a kao krajnja toka prihvatljivosti uzima se razina uslunosti D.
Tablica 1 Razina uslunosti raskrija
-
5
Na temelju stupnja zasienosti i razine uslunosti mogu se utvrditi kritina mjesta na
prometnoj mrei analiziranog podruja, a zatim ispitati utjecaj razliitih mjera za poboljanje
stanja. Usporedbom rezultata pojedinih varijatni moe se dati prijedlog za najpovoljnije
rjeenje.
Najee se koriste pojednostavljeni prikazi realnih prometnih sustava. Sustav je
izdvojeni dio stvarnog svijeta koji istraujemo. Sastoji se od vie dijelova (komopnenata,
elemenata) povezanih u svrsishodnu cjelinu, koji se mogu razluiti i sposobni su meusobno
djelovati. Stanje sustava u bilo kojem trenutku odreeno je trenutnim stanjem svih
komponenata koje tvore sustav. Komponente sustava mogu biti statike ili dinamike. Svako
eksperimentiranje s realnim sustavom u cilju utvrivanja njegovih karakteristika i ponaanja
obino je kompleksan, dugotrajan i skup proces, a esto i nije mogu. Zato se u tu svrhu
sluimo modeliranjem i simulacijom, pomou kojih moemo do traenih podataka doi
jednostavnije, bre i jeftinije.
Svrha modeliranja i simuliranja realnog sustava lei u utvrivanju karakteristika i
ponaanja promatranog sustava bez da moramo raditi izmjene i na realnom sustavu, to esto
iziskuje velike investicije, a najee nije ni mogue. Model je pojednostavljena
reprezentacija realnog sustava koji predstavlja podruje naeg interesa i fokusiran je na
elemente koji su bitni za izradu analize. Modeli mogu biti fiziki ili apstraktni, ali za potrebe
prometa podruje interesa je na apstraktnim (matematikim) modelima. Matematiki modeli
mogu biti veoma kompleksni i zahtijevaju veliku koliinu ulaznih podataka, a rade se na
osnovi neke teorije koja povezuje realni sustav i njegov model. Modeli nastaju uz postavljanje
odreenih predpostavki i simplifikacije uz kljune elemente teorije, a sposobnost izbora
odgovarajueg modela i njegovu prilagodbu promatranom problemu predstavljaju glavni
element postupka planiranja.
-
6
2 Modeliranje prometnog toka
Modeliranje prometnog toka podrazumijeva definiranje odnosa izmeu osnovnih
paramteara toka (brzina v, gustoa k, intenzitet toka q). Konkretno, razvoj modela prometnog
toka obino zahtijeva definiranje nekoliko relacija.
- Ope jednadbe prometnog toka gdje je prometni tok jednak umnoku brzine i
gustoe ( q= v x k)
- Jednadbe ouvanja vozila gdje razlika izmeu broja vozila koja su ula na
promatranu dionicu i onih koja su izala u nekom vremenskom intervalu mora
odgovarati promjeni broja vozila du promatrane dionice
- Utvrivanje odnosa izmeu brzine i gustoe ili gradijenta odnosa toka i gustoe
Zbog sloenosti prometnog toka na ije odvijanje utjee vie faktora, do danas ne
postoji jedinstvena teorija temeljem koje se tok modelira ve je veina predloenih modela
dobivena na temelju empirijskih podataka. Ovisno na kojoj se razini promatraju karakteristike
prometnog toka, modeli prometnog toka mogu se podijeliti u dvije osnovne kategorije.
Makroskopski i mikroskopski modeli.
Makroskopski modeli opisuju ponaanje ukupnog prometnog toka koristei prosjene
vrijednosti brzine, gustoe i intenziteta toka promatrajui ga kao kontinuiranu cjelinu, dok
mikroskopski pristup polazi od promatranja zakonitosti kretanja pojedinih elemenata toka tj.
pojedinih vozila i njihove interakcije te se ovi modeli jos nazivaju i modeli slijeda vozila.
Zbog drugaije razine promatranja kod ove dvije kategorije, razlikuju se i osnovni
paramteri koji se koriste za opisivanje prometnog toka. Tako su makroskopske karakteristike
brzina, gustoa i intenzitet toka, dok mikroskopski modeli kao parametre koriste individualnu
brzinu pojedinog vozila, udaljenost vozila i vrijeme slijeda.
2.1 Makroskopski modeli prometnog toka
Poetak razvoja modela prometnog toka vee se za tridesete godine prolog stoljea
kada zapoinju nastojanja utvrivanja matematike veze izmeu osnovnih makroskopskih
parametara. Prvi radovi bili su usmjereni na utvrivanje funkcionalne zavisnosti izmeu
brzine i gustoe i to kao jednoreimskih modela u uvjetima nezasienog toka kada je tok
manji od kapaciteta i u uvjetima zasienog toka kada tok nadilazi kapacitet te dolazi do
zaguenja promatranog elementa prometnog sustava. Rezultati primjene jednoreimskih
modela potakli su strunjake da odnos brzina-gustoa prikazu kombinacijom dvaju ili vie
modela. Posebno ih je zanimala domena malih gustoa i domena velikih gustoa, to je
dovelo do razvoja viereimskih modela.
Prvi model prometnog toka razvio je greenshields 1934. godine koji je na temelju
izmjerenih podataka i aero snimaka te primjenom regresijske analize utvrdio da se brzina
moe izraziti kao linearna funkcija gustoe. Definirao je izraz:
v = vffs (vffs/kj)k
gdje je:
v prosjena brzina toka (km/h)
-
7
vffs - brzina slobodnog toka (km/h)
kj gustoa pri maksimalnoj koncentraciji vozila (voz/km)
k prosjena gustoa toka (voz/km)
Na slici 1.1 grafiki je prikazan odnos brzine i gustoe i odgovarajui odnos brzina-tok
i tok-gustoa koji se mogu izvesti iz greenshieldsovog izraza i predstavljaju najjednostavniju
vezu ova tri osnovna parametra prometnog toka.
Slika 1 osnovni dijagrami odnosa brzine, gustoe i toka (greenshields)
-
8
2.2 Mikroskopski modeli prometnog toka
Za razliku od makroskopskih modela iji parametri opisuju tok kao cjelinu,
mikroskopski modeli opisuju ponaanje jednog para vozila unutar prometnog toka, uz
pretpostavku da se takvo ponaanje moe zatim primijeniti na sva ostala vozila u toku. Stoga
se kod ovih modela koriste parametri koji opisuju kretanje na razini pojedinog vozila, a to su:
individualna brzina, vrijeme slijeda i razmak vozila ije su definicije dane u uvodnom dijelu.
Ovi modeli koji opisuju nain kretanja pojedinog vozila u toku. Stoga se kod ovih
modela koriste parametri koji opisuju kretanje na razini pojedinog vozila, a to su individualna
brzina, vrijeme slijeda, razmak i vozila. Ovi modeli koji opisuju nain kretanja pojedinog
vozila u prometnom toku tj. nain na koji vozilo slijedi vozilo ispred sebe nazivaju se jo i
modeli slijeda vozila i na njima se temelji logika simulacijskih modela. Razvili su se
poetkom 50-ih i 60-ih godina prolog stoljea. Prve radove koji opisuju teoriju slijeda vozila
objavili su Reuschel i Pipes. Daljnji doprinos razvoju modela slijeda vozila dali su Kometani i
Sasaki, Forbes te grupa istraivaa unutar General Motorsa koji su takoer prouavali
interakciju vozila unutar prometnog toka. Naroito vaan doprinos dali su istraivai General
Motorsa koji su utvrdili matematiku vezu izmeu mikroskopskih i makroskopskih modela
prometnog toka.
-
9
3 Dinamiki sustavi modeliranja prometa
Simulacija u uem smislu znai eksperimentiranje sa matematikim modelom realnog
sustava u odreenom vremenu. U irem smislu simulacija obuhvaa i postupak izrade modela,
to znai da bez modela ne postoji osnova za izradu simulacije.
Simulacija daje podatke o moguem ponaanju stvarnog sustava. Uz dobro planiranu i
izvedenu simulaciju moe se postii vrlo visoka vjerojatnost tonog opisivanja procesa u
realnom sustavu. Simulacije se u praksi koriste za verifikaciju analitikih modela, odnosno za
ispitivanje ponaanja nekog sustava, tj. njegove reakcije na razliite parametre. Sama
simulacija ne vri optimizaciju, ali se moe koristiti za izbor najpogodnije varijante. Slika 1
prikazuje odnos realnog sustava prema modelu i simulaciji.
Slika 2 Odnos realnog sustava prema modelu i simulaciji
Mnogo je razloga za koritenje simulacije, a posebno se nameu tri glavna razloga.
1. Rjeavanje problema gdje je matematika analiza suvie kompleksna i ne daje
jednostavna rjeenja
2. Stjecanje novih znanja i razumijevanje mehanizma dogaanja u kompleksnim
situacijama realnih procesa
3. elja da se unaprijed izvre pripreme za probleme, koji jo ne postoje u realnom
svijetu, a moe do njih doi.
3.1 Simulacijski modeli
Postoje dvije razine klasifikacije simulacija. Prva je razina autora modela gdje se
obavlja verifikacija i validacija samog modela, te druga razina gdje se prouava utjecaj
razliitih parametara i strategija (igra). Postupak provedbe simulacijskog procesa uvijek je
slian i sastoji se od nekoliko glavnih elemenata. Izbor najprikladnijeg modela i postavljanje
teorije simulacije (planiranje) prvi je korak nakon kojeg slijedi provedba simulacije
-
10
generiranjem sluajnih brojeva, odnosno stohastike varijable na ulazu u model. Zatim se
obavlja registracija rezultata simulacije (odziv modela), analiziraju se dobiveni rezultati
simulacije. Potom se steena saznanja iz simulacijskog modela primjenjuju na stvarni sustav.
Simulacije se provode sve dok se istraivai ne umore, ne potroe se sva raspoloiva sredstva
ili dok se ne postigne eljeni cilj.
Simulacijski se modeli mogu primijeniti u postupku planiranja, projektiranja,
vrednovanja, varijantnih rjeenja, validaciji i kalibraciji novih analitikih modela i raznim
znanstvenim istraivanjima. Upotreba simulacijskih modela na istraivakom i strunom
podruju otvara mogunosti provjeravanja i vrednovanja novih naina u voenju prometa te
usporedbu varijantnih projektnih rjeenja prije nego to se nedostaci novih rjeenja odraze na
terenu.
Za razliku od empirijskih i analitikih modela koji su deterministiki, znaei da za
iste ulazne podatke uvijek daju isti izlazni rezultat, simulacijski modelu su stohastike prirode
i za opisivanje prometnog toka koriste se sluajnim varijablama odnosno razdiobama
vjerojatnosti. Simulacijski se modeli koriste algoritmima s pomou kojih definiraju prometni
tok u prostoru i vremenu tako da modeliraju kretanje svakog vozila i njihovu meusobnu
interakciju te se prometni pokazatelji potrebni za vrednovanje pojedinog rjeenja dobivaju iz
simuliranog prometnog toka. to je vie ulaznih podataka i to su oni toniji, to je vjerojatnije
da e simulacijski model dati realnije rezultate blie stvarnom stanju promatranog toka.
Uporabom sluajnih varijabli pri opisivanju pojedinih elemenata prometnog toka nastoji se
to vjernije prikazati prikazati stvarne procese kao to su dolasci vozila na raskrije, brzine
vozila, karakteristike pojedine dionice prometne mree, ali takoer je mogue i vidjeti
ponaanja i karakteristike mree u sluaju veih dogaaja poput poara, potresa, prometnih
nesrea, turistikih zbivanja i slino.
3.2 Deterministiki matematiki modeli Zakonitosti kretanja motornih vozila u prometnim tokovima na prometnicama ovise o
brojnim faktorima, radi ega i opisivanje tih zakonitosti predstavlja vrlo sloen proces. U
najznaajnije faktore koji utjeu na zakonistosti kretanja motornih vozila u prometnim
tokovima na prometnicama spadaju: uvjeti prometnice, veliina protoka, karakteristike
protoka, vozno-dinamike karakteristike vozila, psihofizike osobine vozaa, motiviranost
vozaa, stanje i karakteristike sustava za reguliranje i upravljanje prometom, kao i atmosferski
uvjeti poput vidljivosti, klime, reljefa i slino. Zbog navedenih razloga, za opisivanje
zakonitosti kretanja motornih vozila u pormetnim tokovima na prometnicama, rjeenja su
naena u metodama modeliranja.
Kao to je ve reeno, model predstavlja apstraktan opis stvarnog procesa. U
konkretnom sluaju, model treba to tonije opisati ponaanje realnog procesa kretanjem
vozila u prometnim tokovima na prometnicama. S obzirom na karakter promjenljivosti
faktora utjecajnih na zakonitosti kretanja vozila u prometnim tokovima na kojima se temelje
matematiki modeli razlikujemo detereministike matematike modele i stohastike
matematike modele. Opi uvjeti kretanja vozila u prometnom toku na putu mogu biti
definirani uvjetima slobodnog toka, normalnog toka, zasienog toka i forsiranog toka.
-
11
Slobodni tok prometa opisuju uvjeti pri kojima se sva vozila na promatranoj dionici
puta kreu slobodno, to znai da na brzinu svakog pojedinanog vozila nemaju utjecaja
vozila na putu. Obzirom da je tok po prirodi vrlo neravnomjeran, to se uvjeti slobodnog toka
ostvaruju pri znatno manjim veliinama protoka do 450 vozila na sat (voz/h).
Uvjeti normalnog toka su oni kada se vozilo kree pod djelominim utjecajem ostalih
vozila na putu. Vozila nisu u mogunosti da u bilo kojem trenutku ili na bilo kojem mjestu
izvre pretjecanje. Matematiko opisivanje pretjecanja u normalnom toku je znatno sloenije
nego u slobodnom toku.
Zasien tok predstavlja promet u koloni. To su uvjeti pri kojima se sva promatrana
vozila kreu u koloni. Kolonu sa stajalita meusobnog interakcijskog utjecaja ine najmanje
dva ili vie vozila koja se kreu istom prometnom trakom jedno iza drugog. Brzinu kolone
diktira prvo vozilo u koloni, dok svako vozilo u koloni ima brzinu ovisnu od vozila koje je
ispred njega. Prema istraivanjima za opisivanje protoka veih od 300 voz/h po prometnoj
traci najuspjenije se mogu koristiti dinamiki modeli. Sa stajalita vremenskih intervala
praenja zasienim tokovima odgovaraju uvjeti povezanog kretanja vozila s intervalima
praenja od 1.6 do 1.7 sekundi. Promatrajui preko srednjih vrijednosti i apstrahirajui
vremensku neravnomjernost toka, zasien tok trebao bi biti u granici od 2100 do 2200 vozila
na sat po traci.
Uvjeti forsiranog (prisilnog) toka predstavljaju izrazito kolebljiv tok u kojem je znatno
prisutna pojava udarnih valova. Kod forsiranog toka, kao i kod zasienog toka, radi se o
uvjetima prometa u koloni, s tim to se kod forsiranog toka za razliku od zasienog toka radi o
veoj gustoi prometa, a manjim brzinama uz pojavu estih zastoja.
Deterministiki matematiki modeli koji se koriste u opisivanju zakonitosti kretanja
vozila u prometnim tokovima na prometnicama dijele se na mikroskopske i makroskopske.
Pristup koji polazi od promatranja zakonitosti kretanja pojedinih elemenata toka naziva
mikroskopski dok pristu koji u istraivanju prometnog toka polazi od ukupnog toka kao
cjeline naziva se makroskopski.
3.3 Stohastiki matematiki modeli Kod stohastikih modela isti ulazni podaci ne daju isti izlazni rezultat upravo zato to
sluajne varijable koje se primjenjuju u modelu temeljene su na definiranim razdiobama
vjerojatnosti i generacije sluajnih brojeva. Stoga je potrebno napraviti odreen broj
ponavljanja (iteracija) simulacije s istim ulaznim podacima, a krajnji se rezultat dobije kao
srednja vrijednost rezultata pojedine simulacije. Uporabom jednadbe slijeda vozila, uz
primjenu jednadbi jednoliko ubrzanog kretanja, moe se za svako vozilo odrediti poloaj,
brzina i ubrzanje u svakom vremenskom trenutku, ime se definira trajektorija vozila.
Trajektorija vodeeg vozila ovisi o graninim vrijednostima parametara (poput brzine,
ubrzanja, usporavanja, itd.) te o njoj ovise trajektorije vozila koji ga slijede. Podaci
proraunati za svaki vremenski korak omoguavaju simulaciju kretanja vozila du
prometnica.
Osnovna karakteristika stohastikih modela su sluajne varijable kojima se opisuju
pojedine komponente u modelu primjenom Monte Carlo metode. To znai da ovi modeli
moraju sadravati postupak generiranja sluajnih brojeva na temelju kojih se simuliraju
-
12
sluajni dogaaji u sistemu kao to su npr. nain dolaska vozila na raskrije, tip pristiglog
vozila, karakteristike vozaa i dr.
Kako se sluajni brojevi esto upotrebljavaju u razliitim podrujima istraivanja, za
njihovo generiranje razvijeno je vie metoda. Budui se danas za generaciju sluajnih brojeva
koriste raunala, odnosno nekakav determinirani program, ovako dobiveni brojevi nazivaju se
pseudosluajni brojevi tj. proizvode se na deterministiki nain, ali zadovoljavaju sve testove
sluajnosti odnosno ponaaju se kao da su zaista sluajni. Dobra karakteristika
pseudosluajnih brojeva je to se odreena ispitivanja mogu ponoviti s istim nizom
pseudosluajnih brojeva koji e rezultirati istim karakteristikama prometnog toka te na taj
nain omoguavaju bolju usporedbu varijantnih rjeenja bilo u graevinskom ili prometno-
regulacijskom smislu. Kao primjer moe se navesti slijedee: ako se prilikom analize
odvijanja prometa na nekom semaforiziranom raskriju ele usporediti varijantna rjeenja
naina kontrole prometa tada je poeljno da se 109 minimalizira utjecaj strukture prometnog
toka i/ili karakteristika vozaa ve da se samo usporede promjene mjera efektivnosti
(zakanjenja, duljine repa, vremena putovanja i dr.) nastale zbog utjecaja naina kontrole. U
ovom sluaju, za svako od varijantnih rjeenja koristio bi se isti niz pseudosluajnih brojeva
koji definira strukturu prometnog toka i/ili karakteristike vozaa, a varirao bi se nain i
vrijeme dolaska vozila na raskrije i na taj nain usporedba dobivenih mjera uinkovitosti
dala bi odgovor koji od predloenih naina kontrole predstavlja najkvalitetnije rjeenje.
Dinamiki prikaz prometnih tokova (animacija na ekranu) omoguava uvid u
dogaanja na oreenoj prometnoj mrei i za sadanje i za planirano stanje. Tako je mogue
unaprijed uinkovito pripremiti rjeenja koja e osigurati povoljne uvjete za predvieni rast
prometa.
Promjene u sustavu temelje se na diskretizaciji vremena i proraunavaju se za
odreeni vremenski korak. Model prometne mree definira se sustavom vorova i veza gdje
veza predstavlja dionicu ceste ili ulicu, a vor oznaava eventualnu promjenu geometrijskog
oblika, raskrije ili ulazno-izlaznu toku na mrei. Nakon unosa ulaznih podataka i provedene
simulacije, kao izlazni rezultati dobiju se razliite mjere uinkovitosti kao to su: prosjeno
kanjenje, prosjena duljina repa, maksimalna duljina repa, broj zaustavljanja, zakanjenje
zbog stajanja, prosjena duljina proenog puta, itd. Na temelju dobivenih rezultata moe se
ocijeniti funkcioniranje prometnog sustava, a ujedno dobiveni rezultati mogu posluiti i kao
temelj za daljnju optimizaciju prometnih tokova tako da se svaka nova ideja i prijedlog
rjeenja mogu ispitati na modelu prije primjene na terenu.
-
13
4 Metodologija provedbe simulacije
Kao to je ve spomenuto, koraci koji prethode samoj simulaciji takoer su dio
simulacije. Vano je uoiti da bez pripreme ulaznih podataka i odreivanja matematikog
modela ne postoji simulacija.
Prvi korak je planiranje simulacije, gdje se bira najprikladniji model i postavlja se
teorija simulacije koja e sluiti kao glavna okosnica simuliranja. Sljedi provedba simulacije
gdje se generiranjem sluajnih brojeva, odnosno stohastike varijable, utjee na ulazne
podatke simulacijskog modela kako bi se potaknuli razliiti izlazni podaci. Nakon provedene
simulacije slijedi registracija rezultata gdje se prouava odziv matematikog modela u
postupku simulacije i analiziraju se dobiveni rezultati. Na kraju se izvlae zakljuci i
informacije koje se mogu primjeniti na stvarni sustav bez da se mora eksperimentirati na
istom. Slika 2 ilustrira postupak provodenja simulacije.
Slika 3 ilustracija postupka voenja simulacije (metodologija)
Razvoj stohastikih simulacijskih modela prometnog toka generalno se ne razlikuje od
bilo kojeg opeg postupka pri izradi nekog modela to ukljuuje slijedee korake:
1. Definiranje problema i cilj modeliranja
Prvi je korak identifikacija problema odnosno utvrivanje svrhe zato se razvija
model i to se od modela oekuje kao izlazni rezultat
2. Definiranje sistema koji e se modelirati
Sistem se dezagregira da bi se utvrdile njegove sastavne komponente i njihova
meusobna interakcija. Nadalje, utvruju se potrebni ulazni podaci i njihova
svojstva te postavljaju granice podruja primjenjivosti modela.
3. Formulacija modela
-
14
Ovaj korak predstavlja najkompleksniji i najkreativniji dio razvoja modela. Nakon
definiranja ulaznih i eljenih izlaznih podataka te sastavnih komponenata modela
potrebno je definirati tok podataka unutar modela i algoritme kojima se opisuju
pojedine komponente i njihova interakcija te kreirati logiku strukturu kojom se
ove komponente integriraju u jedinstveni model. Programski jezici koji se koriste
kod razvoja simulacija mogu se klasificirati u specijalizirane simulacijske kao to
su SIMSCRIPT i GPSS ili ope koritene programske jezike kao to su
FORTRAN, PASCAL, C++, JAVA i drugi.
4. Verifikacija modela
Cilj verifikacije je utvrditi da li razvijeni software odnosno logika modela tono
provodi postupke kako je zamiljeno dijagramom toka ne ulazei u pitanje tonosti
konanog rezultata ve samo korektno provedenog procesa simulacije.
5. Validacija i kalibracija modela
Validacijom se utvruje konzistentnost podataka procjenjenih modelom i stvarno
izmjerenih veliina na temelju definiranog validacijskog kriterija i provedenih
statistikih testova te se po potrebi izvri kalibracija parametara u modelu.
Bitno je prilagoditi pristup modeliranju ovisno o mogunostima i potrebama. Krenuti u
izradu modela za koji nemamo sve dostupne podatke i potrebne resurse nee rezultirati
dobrim modelom. Zato je bitno naglasiti da se modeliranje mora prilagoditi nainu donoenja
odluka, potrebno je utvrditi razinu nune preciznosti i utvrditi da li je dostina s obzirom na
dostupne podatke. Takoer je potrebno odrediti resurse i specifina znanja potrebna za analizu
i izradu matematikog modela. Izrada kompleksnih modela zahtijeva pomno planiranje i
ovisno o tome koliko se dobro isplanira proces izrade modela utoliko e model biti precizniji,
bolji i efikasniji.
Izraeni modeli mogu se primijeniti samo uz kalibraciju prema trenutnim uvjetima uz
dobru procjenu varijabli. Ukoliko se dovoljno precizno kalibrira i obavi procjena tada se moe
govoriti o pogreki modela koja je dovoljno malena kako bi se mogla zanemariti i model
koristiti kao relevantan.
-
15
5 Zakljuak
Ovisno na koji nain se realizira oponaanje promatranog sistema, simulacijski modeli
se generalno mogu podijeliti na fizike, trodimenzionalne modele stvarnih procesa i
simbolike modele koji putem matematikih i/ili logikih relacija uz pomo raunala opisuju
ponaanje promatranog sistema.
Kronoloki gledano primjena kompjuterske simulacije na ovom podruju zapoela je
pedesetih godina prolog stoljea. Od tada su se simulacijski modeli razvijali i postali koristan
alat u transportnom inenjerstvu s razliitim mogunostima primjene. Danas se simulacije
mogu koristiti u postupku planiranja, projektiranja, vrednovanja varijantnih rjeenja, validaciji
i kalibraciji novih analitikih modela, raznim znanstvenim istraivanjima, a ine i sastavnu
komponentu veine aplikacija Inteligentnog transportnog sustava (ITS). Upotreba
simulacijskih modela na istraivakom i strunom podruju otvara mogunosti provjeravanja
i vrednovanja novih naina u voenju prometa te usporedbu varijantnih projektnih rjeenja
prije nego to se nedostaci novih rjeenja odraze na terenu. Grafika suelja koja
omoguavaju animaciju simuliranog odvijanja prometa u prostoru i vremenu daju mogunost
boljeg uvida u nain odvijanja prometnog toka te vizualizacijom stanja na mrei utvrivanje
uzroka eventualnih zastoja u prometu. Za to realniju simulaciju cestovnog prometnog sustava
potrebno je adekvatno modelirati sve njegove elemente: prometnice i vorita s pripadajuim
geometrijskim karakteristikama, nain kontrole prometa, vrste i mogunosti vozila, osobine
vozaa kao i interakciju ovih elemenata koja rezultira odreenom prometnom situacijom.
Ovisno o nainu modeliranja i svojstvima primijenjenih varijabli za definiranje pojedinih
elemenata, koji su ranije opisani u ovom seminaru.
Ovim seminarom kratko je prikazan osnovni koncepta modeliranja, procesa i logike
iza simulacija, nainu rada simulacija, te su dane neke mogunosti koritenja simulacijskih
alata.
-
16
Literatura
Knjige
1. I. Bonjak, (2006.) Inteligentni transportni sustavi I, Fakultet prometnih znanosti,
Sveuilite u Zagrebu, Zagreb
2. I. Bonjak, D. Badanjak, (2005.) Osnove prometnog inenjerstva, Fakultet
prometnih znanosti, Sveuilite u Zagrebu, Zagreb
Znanstveni lanci
3. D. Breki, D. Cvitani, P. Vukui, (2010.) Primjena simulacijskih modela pri
izradi prometne analize, Graevinar 62 2010 2, str. 113-122, Split
Diplomski radovi
4. K. urkovi, (2013.) Primjena inteligentnih transportnih sustava u cestovnom
prometu Pomorski fakultet u Rijeci, Sveuilite u Rijeci, Rijeka
Skripte
5. D. Cvitani, Teorija prometnog toka, Graevinsko-arhitektonski fakultet,
Sveuilite u Splitu, Split
6. I. Dadi, G. Kos, (2007.) Teorija i organizacija prometnih tokova, Fakultet
prometnih znanosti, Sveuilite u Zagrebu, Zagreb
7. I. avar, Simulacije u prometu, Fakultet prometnih znanosti, Sveuilite u
Zagrebu, Zagreb