statisztikai alapfogalmak...
TRANSCRIPT
STATISZTIKAI ALAPFOGALMAK ÖSSZEFOGLALÁSA
ELJUTÁSI LEHETŐSÉGEK STATISZTIKAI ÉRTÉKELÉSE(2. FELADAT)
Soltész Tamás
Közlekedési áramlatok
ALAPFOGALMAK
• Ismérvek: területi, minőségi, időbeli,
mennyiségi (egész vagy folytonos)
• Skálák: névleges, sorrendi (pl. osztályzat),
intervallum (pl. hőmérs., idő) és arányskála
(fizikai, gazd. mutatók)
• Adatok: primer / származtatott
• Adatsor: idősor: állapot idősor (stock) – nem
additív! / tartam idősor (flow)
• Abszolút gyakorisági sor, relatív gyakorisági
sor; összegzésükkel kumulált ~
SŰRŰSÉG ÉS ELOSZLÁS
Nevezetes függvények:
• Sűrűségfv.: adott érték relatív előfordulási gyakorisága a sokaságban ( relatív gyakoriság)
• Eloszlásfv.: adott értéknél kisebb értékek előfordulásának részaránya a sokaságban ( kumulált relatív gyakoriság)
Normális eloszlás:
• Standard: m = 0; σ = 1
• Jelentősége: centrális határeloszlás-tétel („nagy számok törvénye”)
Helyzeti:
• Medián: a kumulált relatív gyakoriság (ill. eloszlás-
függvény) 50%-os értékéhez tarozó pont
• Modus: a leggyakoribb érték
• Kitüntetett még a tized (decilis), negyed (kvartilis),
pentilis stb.
Számított:
• Számtani,
• Mértani,
• Harmonikus,
• Négyzetes (kvadratikus).
• Balra aszimmetrikus eloszlásnál: Mo < Me < Átl;
jobbra ~: Átl < Me < Mo
KÖZÉPÉRTÉKEK
ifiig
n
n
i
ig fxxxx ,1
i
i
i
hn
i i
h
x
f
fx
x
nx ,
1
1
SZÓRÓDÁSI MUTATÓK
• Terjedelem (R), interquartilis terjedelem (ICT,
25%-75%)
• Differencia eltérés ,
abszolút ~, átlagos abszolút eltérés
• Szórás (standard deviancia):
p és q: alternatív ismérvekre (pl. igaz/hamis); q = 1-p
• szórásnégyzet (variancia)
• Relatív szórás:
xxd ii
21
22
,, rr
i
iiiffpq
f
df
n
d
x
SZÓRÓDÁSI MUTATÓK
• Csoportosított sokaság
varianciája
• Szóráshányados:(külső szórás részaránya)
• Példa: havi vízfogyasztás értékek
csoportosítás: lakás mérete (szoba)
belső szórás: eltérés az azonos csoportba tartozóktól
külső szórás: eltérés a csoportok között
22222 11jjjjBK n
ndn
n
2
2
1
BKH
516,037,1
707,0... H
BECSLÉSEK
• Cél: minta alapján következtetni az
alapsokaságra
• Minta: n elem a sokaságból; n << N, különben
nem viselkedik mintaként (ált. n < 0,1N)
• Adott minta korrigált empirikus szórása:
(n növelésével ez a valószínűségi
változó szórásához tart)
• Lehetséges minták átlagainak sokasága: ennek
is van átlaga ( )és szórása ( )
1
2
n
ds
i
n
sttxMxxM
N
n
n
s
N
nN
n
s
n
sxMxM
x
x
,,
11
:esetén minta véges, x
x x
BECSLÉSEK
• t jelentése: a középértéktől hány szigmányira térünk el
(mindkét irányba) normális eloszlásnál;
leggyakrabb értékek:
90% → t=1,64; 95% → t=1,96; 95,5% → t=2
Lépések:
1. mintavétel,
2. átlag és szórás meghatározása,
3. számított paraméterek,
4. valószínűség meghatározása,
5. M és tűrése
• Gyakorlatban inkább a mintanagyság szokott a kérdés
lenni.
2
22
2
22
r
r
d
ststn
• Azonos típusú személygépkocsik CO-kibocsátása:
n=120, P=90% (így t=1,64), átl = 4,29 s = 0,757
• Jeggyel vagy bérlettel utazók aránya a BKV-n (bliccelő nincs):
n=92, j=28, P=95,5%
• Forgalomszámlálás, 10 napon át. Éves forgalomra vagyunk kíváncsiak.
átl. = 2600 J/nap, s=589, P=95%
• Mekkora minta kellett volna, hogy a) P=99% legyen; b) kétszer ilyen pontos legyen az eredmény?
PÉLDÁK
113,029,4113,064,1069,0 Mn
stt x
%10%301,0048,02
048,0...1
13043,092
28
M
n
ppppsp x
J/évM 1067500...804500365365260036510
58996,12600
4044
5,0)183,17
365
58958,2)
2
22
2
22
2
22
2
22
nstst
nbst
na
Véletlenszerű mintavétel:
• Végtelen sokaság: ; véges:
Rétegzett mintavételek:
• k réteget különböztetünk meg (pl. munkanapi ill.
ünnepnapi forgalom)
• Végtelen sokaság: értelmetlen;
véges:
Szisztematikus mintavétel (képviseleti valószínűséggel):
• Minden m = N / n -edik egyedet vizsgáljuk.
• Végtelen sokaság: ; véges:
FORGALOMTECHNIKAI ALKALMAZÁS –
FELVÉTELEK MINTANAGYSÁGA
2
22
r
r
d
stn
222
22
1 rr
r
dNst
Nstn
kk
kkk
rkkkkk
kk
sN
sNnn
dxNsNt
sNtn
2222
22
2
2 1
rd
pptn
22
2
11
1
rdNppt
pNptn
• Nullhipotézis (H0) – Alternatív hipotézis (H1)
• A két hibafajta valószínűsége egyszerre nem
csökkenthető, csak a minta növelésével.
• A hipotézisvizsgálatot valamilyen próbafüggvény
alkalmazásával végezzük, amelynek értéke az
elfogadási vagy a visszautasítási tartományba eshet.
HIPOTÉZISVIZSGÁLATOK
HIPOTÉZISVIZSGÁLATOK
• A hipotézis lehet: egymintás / többmintás;
ill. egyoldalú (pl. M>M0 ) /
többoldalú (pl. M=M0 ).
Lépések:
1. hipotézis felállítása,
2. próbafüggvény kiválasztása,
3. szignifikancia-szint meghatározása,
4. mintavétel, próbafüggvény számítása,
5. kritikus tartomány meghatározása.
PÉLDA: EGYMINTÁS U-PRÓBA
• A próba azt ellenőrzi, hogy egy adott statisztikai ismérv
esetén a mintabeli átlag szignifikánsan eltér-e a populáci-
ós átlagtól. Más szavakkal, hogy egy valószínűségi változó
átlaga szignifikánsan különbözik-e egy adott m értéktől.
Feltétele, hogy a vizsgált populáció ismérve (valószínűségi
változója):
• intervallum vagy arányskálán mért
• normális eloszlású
• ismert szórású
• ismert populációs átlagú (illetve várható értékű) legyen.
A próba a populációs átlagot teszteli, így az utolsó
feltételt pontosabb úgy fogalmazni, hogy feltételezéssel
kell rendelkeznünk a populáció átlagára vonatkozóan.
PÉLDA: EGYMINTÁS U-PRÓBA
Hipotézisek:
• Kétoldali ellenhipotézist fogalmazunk meg, ha pusztán azt
szeretnénk ellenőrizni, hogy a populáció átlaga tényleg az
m szám-e:
H0: a populáció átlaga = m (nullhipotézis);
H1: a populáció átlaga ≠ m (kétoldali ellenhipotézis)
• Ha van olyan gyanúnk, illetve azt szeretnénk igazolni, hogy
a populációs átlag valójában kisebb mint m vagy
valójában nagyobb mint m, akkor egyoldali ellenhipotézist
fogalmazunk meg.
H0: a populáció átlaga = m (nullhipotézis);
H1: a populáció átlaga < m (bal oldali ellenhipotézis);
illetve a másik lehetőség, hogy : m < a populáció átlaga
(jobb oldali ellenhipotézis).
PÉLDA: EGYMINTÁS U-PRÓBA
Próbastatisztika:
• Az ellenhipotézis elfogadásával elvetjük H0-t, ha
bal oldali
ellenhipotézis
kétoldali
ellenhipotézis
jobb oldali
ellenhipotézis
p=0,05 u < -up = -1,64u < -up/2 = -1,96 vagy
1,96 = up/2 < u1,64 = up < u
p=0,01 u < -up = -2,32u < -up/2 = -2,57 vagy
2,57 = up/2 < u2,32 = up < u
p=0,005 u < -up = -2,57u < -up/2 = -2,81 vagy
2,81 = up/2 < u2,57 = up < u
U-PRÓBA SZÁMÍTÁSI PÉLDA
Óvodás csoport, pedagógiai program
• IQ-teszt: átlag 100, szórás 16
• Feltételek teljesülnek
• A program után 71 gyermekre: átlag 105
• n=71, m=100, p=0,05 táblázatból up/2 = 1,96
• u ≈ 2,633 miatt u > 2,632 > 1,96 = u0,025
azaz |u| ≥ up/2 teljesül.
• a nullhipotézist elvethetjük, az egymintás u-próba
szerint szignifikáns különbség van
TOVÁBBI STATISZTIKAI PRÓBÁK
• Kétmintás u-próba: átlagok azonossága
feltétele még a függetlenségük
• t-próba, kétmintás t-próba:
u-hoz hasonló, de a sokaság szórását nem kell ismerni
• F-próba (kétmintás): szórások azonossága
• c2 próba:
◦ Egymintás szórás-vizsgálat (szórás azonos-e)
◦ Illeszkedésvizsgálat (ismert eloszlásra)
◦ Függetlenségvizsgálat (két változó független-e)
Példa: moziban függ-e a néző nemétől, hogy tetszett-e a film?
Válaszok (igen/elmegy/nem): férfiak 22/14/6, nők: 6/5/19.
c2 = 8,35 > c2krit = 5,99 ( p=0,05 ), tehát a két ismérv nem független.
• Összefüggések tartalom alapján:
oksági / kölcsönhatáson alapuló / tüneti (ld. )
kapcsolat jellege szerint:
függetlenek / sztochasztikus kapcs. / függvénykapcsolat
• Vizsgálat célja: összefüggés léte, iránya (egyenes/fordított),
szorossága, jellege, stabilitása.
• Kétváltozós eset: asszociációs (mindkét ismérv minősítéses),
vegyes és korrelációs (mindkettő méréses)
• Asszociációs mutatók (pl. Cramer, Csuprov)
• Korrelációs mutatok:
◦ előjel-korreláció (u: azonos előjel, v: különböző),
◦ rangkorreláció (D a rangkülönbség, m a pontok száma),
◦ korrelációs együttható:
ÖSSZEFÜGGÉS-VIZSGÁLAT
vu
vure
1
61
2
2
mm
Dr
i
r
22
yixi
yixi
dd
ddr
LINEÁRIS REGRESSZIÓ
• Két változó között olyan kapcsolatot keresünk, hogy:
• Ebből az ún. normálegyenletek:
A megoldás:
(amely értékeknek szintén
számítható a szórása)
• A szórás és a
relatív hiba:
• A lineáris korrelációs együttható és index is minősítik az
illeszkedést:
(utóbbi nemlineáris kapcsolatnál is jó)
min!,ˆˆ 2 iiiri eebxaY
iiii
ii
yxxaxb
yxabn
2ˆˆ
ˆˆ
xaybd
dda
xi
yixi
ˆˆ,ˆ2
y
sH
n
e
n
yys
y
r
irii
y
,
22
22
2
2
221,
yy
yyI
dd
ddr
i
rii
yixi
yixi
• Az eredeti x, y helyett új, x’ és y’ változókat
veszünk fel,
• Végrehajtjuk a regressziót,
• Majd A’ és B’ alapján állítjuk elő A-t és B-t.
NEMLINEÁRIS FÜGGVÉNYEK LINEARIZÁLÁSA:
LineárisExponen-
ciálisHatvány
Fél logarit-
mikus
Hiperbo-
likus
y = A + Bx y = ABx y = AxB y = A + Blnx y = A + B/x
x’ x x lnx lnx 1/x
y’ y lny lny y y
A A eA’ eA’ A’ A’
B B eB’ B’ B’ B’
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Kózel Miklós, BME KUKG
Soltész Tamás, BME KUKG
Budapesti Műszaki és Gazdaságtudományi EgyetemKözlekedésüzemi és Közlekedésgazdasági Tanszék
Nemzeti Közlekedési Napok 2013
1. Előzmény, indokoltság
Egyre szélesebb körben elérhető menetrendi terv- és tényadatok
Helyfüggetlen, általános érvényű összefüggések felállítása
minél szélesebb körű minta alapján
kiküszöbölve a befolyásoló tényezők egyedi hatásait (pl. csomópont, időjárás)
További vizsgálatok megalapozása a
közúti forgalom,
és a tömegközlekedési előnyben részesítés menetidőre (eloszlásra) gyakorolt hatásának vizsgálatához
A közúti járműérkezés valószínűségét tudjuk (Poisson)
a tömegközlekedési időparaméterek eloszlásának közelítése
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 26
1. Előzmény, indokoltság
A menetidőn felül, a követési időn „keresztül” a megállóhelyi várakozási idő összefüggéseinek vizsgálata is indokolt
helyváltoztatási lánc és annak elemei
Vizsgálatunkkal az utazási idő minden elemét lefedjük
(U=M+MHT; E=Gy+MHV+U)
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 27
rágyaloglási idő
várakozási idő (átszállás)
menetidő
feltartóztatási idő
megállóhelyi tartózkodási idő
elgyaloglási idő
utazási lánc
2. A vizsgálat célja
Két vizsgálati irány:
a tömegközlekedési menetidő összefüggései (1)
az átlagos megállóhelyi várakozási idő összefüggései (utas részéről) (2)
Menetidő vizsgálat (1):
a menetidő „görbe” jellegének meghatározása (a sűrűségfüggvény alakja), fő statisztikai jellemzők
a menetidőre szignifikáns hatással bíró befolyásoló tényezők kiválasztása (a későbbi vizsgálatok érdekében)
a mentidő héten belüli és napszakok szerinti lefolyásának, valamint a vonal jellegétől való függésének a kimutatása
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 28
2. A vizsgálat célja
Várakozási idő vizsgálat (2):
a menetrend szerinti követési idő (terv) és a várakozási idő (tény) közötti összefüggés felállítása
korábbi, „ökölszabályként” alkalmazott összefüggés finomítása
kötöttpályás közlekedés zavarmentességének és a várakozási idő napszaktól való függésnek a kimutatása
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 29
az átlagos várakozási idő függvénye:ha tk < 10 perc, tv = tk/2ha tk > 10 perc, tv = 5 + 0,2*(tk-10)
0
1
2
3
4
5
6
7
8
9
10
11
12
0 5 10 15 20 25 30 35
Átlagos várakozási idő a követési idő függvényében [perc]
3. A vizsgálat módszertana – menetidő
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 30
Menetidő vizsgálat (1):
adatok: a Kisalföld Volán győri helyi járatain közlekedő autóbuszainak járműfedélzeti berendezéseiből
minta:
21 nap, 10 viszonylat pozíció-adatai
több mint 2 millió adatsor
szűrés, tisztítás után 9227 teljesített járat
a viszonylatok összehasonlíthatóságának érdekében dimenzió nélküli mutatószám képzése (menetidő-arányszám):
Adott járat menetideje / Viszonylat átlagos hétköznapi menetideje
a sűrűségfüggvények ábrázolásához mozgóátlagok képzése
4. Elért eredmények – menetidő
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 31
Jellegét tekintve a normális elosz-lásra hasonlít
Statisztikai jell.:
középérték: 0,998
szórás: 0,131
Gyakorlatilag szimmetrikus (a sietés kerülendő – de a menetrend nem az átlagos menetidő)
0,0%
0,5%
1,0%
1,5%
2,0%
2,5%
3,0%
3,5%
4,0%
4,5%
0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2
Elő
ford
ulá
s
Mért menetidő / Átlagos menetidő
A menetidő-arányszám sűrűségfüggvénye
4. Elért eredmények – menetidő
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 32
Csúcsidőn kívül:
rövid menetidő
nagy szórás
Napközben:
átlagos menetidő
kis szórás
Csúcsidőben:
kicsivel nagyobb a szórás és a menetidő is
0,0%
0,5%
1,0%
1,5%
2,0%
2,5%
3,0%
3,5%
4,0%
4,5%
5,0%
5,5%
6,0%
0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2
Elő
ford
ulá
s
Mért menetidő / Átlagos menetidő
A menetidő-arányszám sűrűségfüggvénye napszakonként
Csúcsidőn kívül Napközben Csúcsidőben
4. Elért eredmények – menetidő
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 33
A menetidő lényegében a napi forgalom-lefolyást követi
A szórás csúcsidőben és a kis forgalmú időszakokban is megnő
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,8
0,85
0,9
0,95
1
1,05
1,1
1,15
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Mé
rt m
en
eti
dő
/ Á
tlag
os
me
ne
tid
ő
Indulási idő [óra]
A menetidő-arányszámok középértéke és szórása az indulási idő függvényében
Középérték Szórás
4. Elért eredmények – menetidő
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 34
Hétvégén:
rövid menetidő
valamivel kisebb szórás
Pénteken:
kicsivel nagyobb menetidő
nagyobb szórás0,0%
0,5%
1,0%
1,5%
2,0%
2,5%
3,0%
3,5%
4,0%
4,5%
5,0%
5,5%
0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2
Elő
ford
ulá
s
Mért menetidő / Átlagos menetidő
A menetidő-arányszám sűrűségfüggvénye a hét napjai szerint
Hétfő-csütörtök Péntek Szombat-vasárnap
4. Elért eredmények – menetidő
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 35
A középérték ugyanaz
módszertan
A szórás mind az átmérős, mind az elővárosi viszonylatoknál alacsony
hossz hatása (kiegyenlítődés)
vonalvezetés
0,0%
0,5%
1,0%
1,5%
2,0%
2,5%
3,0%
3,5%
4,0%
4,5%
5,0%
0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2
Elő
ford
ulá
s
Mért menetidő / Átlagos menetidő
A menetidő-arányszám sűrűségfüggvénye néhány viszonylattípusnál
Átmérős Elővárosi Sugaras
4. Elért eredmények – menetidő
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 36
Egyértelmű negatív trend
Rövid járatok: egy-egy jelenség
hatása sokat befolyásol
mérési pontatlanság
Hosszú járatok: hatások kiegyenlítik
egymást
vonalvezetés
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40
Mé
rt m
en
eti
dő
/ Á
tlag
os
me
ne
tid
ő
Viszonylathossz [megállók száma]
A menetidő-arányszámok szórása a viszonylathossz függvényében
3. A vizsgálat módszertana – várakozási idő
Várakozási idő vizsgálat (2):
adatfelvétel: közlekedésmérnök hallgatókkal
mintanagyság:
1468 adatpár
1-60 perces követési idők
a felvételsorán tapasztalt (hallgatói) sajátosságok figyelembe vétele (pl. fonódó viszonylatok, üres buszra „várás”, MHT beszámítása végállomáson)
teljes adatsorra épülő-, kötöttpálya/autóbusz, illetve napközbeni/csúcsidei lekérdezések
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 37
3. A vizsgálat módszertana – várakozási idő
Várakozási idő vizsgálat (2):
regressziós közelítés
a minta alapján lineáris függvénykapcsolattal (aggregált adatsor)
töréspont manuális felvételével és intervallumonkénti kijelölő lépéssel
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 38
0123456789
101112131415161718
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Mért értekek
Aggregált adatok
Lineáris (Aggregáltadatok)0
123456789
101112131415161718
y=0,4521x y=0,3904x+2,2605
0123456789
101112131415161718
y=0,3079x+4,2125
4. Elért eredmények – várakozási idő
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 39
„Teljes adatsor”
meredekség kisebb
pl. 10 percnél 4,21 perc a jellemző
töréspont megválasztása (‘20)
Lehetséges okok
információellátott-ság növekedése
meghirdetetett időpontok
forgalomirányítás
2,5
5
7
9
6,27
8,33
2,26
4,21
7,29
8,58
0
1
2
3
4
5
6
7
8
9
10
11
12
0 5 10 15 20 25 30 35
Átlagos várakozási idő a követési idő függvényében [perc]
Korábbi összefüggés Új összefüggés (töréspont '30)
Új összefüggés (töréspont '20)
0,2x
0,2057x
0,5x
0,3904x
0,4521x
0,2003x
4. Elért eredmények – várakozási idő
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 40
„Kötöttpálya”
0-10 percre korlátozott vizsgálat
„hasadó” függvényalak (szignifikáns)
Lehetséges okok
kötöttpálya előnye sűrűbb követésnél jelentkezik
buszközlekedés minél ritkább, annál zavarmentesebb
2,5
5
2,22
3,93
3,163,78
0
1
2
3
4
5
6
0 1 2 3 4 5 6 7 8 9 10 11
Átlagos várakozási idő a követési idő függvényében [perc]
Korábbi összefüggés Új összefüggés - kötött pályás viszonylatok
Új összefüggés - autóbusz viszonylatok
4. Elért eredmények – várakozási idő
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 41
2,5
5
2,28
4,00
2,28
4,48
0
1
2
3
4
5
6
0 1 2 3 4 5 6 7 8 9 10 11
Átlagos várakozási idő a követési idő függvényében [perc]
Korábbi összefüggés Új összefüggés - csúcsidőben
Új összefüggés - csúcsidőn kívül
„Napszak”
0-10 percre korlátozott vizsgálat
hasonló függvényalak
csúcsidőn kívül (nem szignifikáns) várakozási idő növ.
Lehetséges okok
adatok eloszlása
„tolerancia” csúcsidőn kívül
5. További vizsgálati irányok
Szakaszmenetidők vizsgálata (a hosszú viszonylatok alacsony szórása)
Utazás kezdés/átszállás megkülönböztetése a várakozási időnél
meghirdetett időponthoz érkezés (kezdésnél csökkenti a várakozást)
átszállásnál a hangolt menetrend torzító hatása (átszállásnál csökkenti a várakozást)
Töréspont felvétele optimumkeresési eljárás segítségével
Reprezentatív felvétel
megállóba való érkezés finomítása érdekében (helyismerettel nem rendelkezők, különböző korcsoport, stb.)
Előnyben részesítés hatásának vizsgálata
a várható érték változása és a menetrendi oldal „reakciója”
a szórás változása az egyenletesség által
utasoldali előnyök számszerűsítése
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 42
5. További vizsgálati irányok
Közúti forgalom hatása
az egyértelmű összefüggés hatásmechanizmusának feltérképezése (pl. keresztirányú forgalom hatása)
További befolyásoló tényezők (egyenként) vizsgálata – hatások kimutatása a megfelelő eloszlásgörbéhez való illeszkedés alapján
Eloszlásokra adott felhasználói válaszok vizsgálata
várható értékkel és/vagy szórással megadott menetidő (95%-os kumulált gyakoriság „érdekli” az utast)
milyen megbízhatóság alatt nem érdemes szolgáltatni információt
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 43
6. Gyakorlati alkalmazási lehetőségek
Megállóhelyi indulási idők előrebecslésénél (FUTÁR)
feltöltési („betanulási”) időszakban közelítésként (nincs historikus menetidő adatsor)
új rendszer telepítése
településszerkezet megváltozása miatt
Menetrendi eltérés vizsgálatnál (OBU)
jelzőlámpás csomópontnál való várakozás meghatározásához és figyelembe vételéhez a lekérdezés során
Ráterhelési eljárásoknál (ellenállásfüggvények)
közúti modell: tcur, min, Smin (ne várható értéket, hanem megbízhatóságot figyeljen)
tömegközlekedési modell: viszonylat alapú ráterhelés
Utazástervezőbe integrálható összefüggések (pl. csatlakozás felajánlása a kivitelezhetőség függvényében)
A menetidő törvényszerűségei eloszlásminták alapján a közösségi közlekedésben
Nemzeti Közlekedési Napok 2013. november 7. Siófok 44
HÁZI FELADAT (2.)
A. rész: menetidők vizsgálata
◦ Menetidők eloszlásfüggvénye a bemutatotthoz
hasonló módon
◦ Egy szempont kiválasztása és a képzett csoportok
eloszlásfüggvénye
B. rész: várakozási idők vizsgálata
◦ Összefüggés felállítása (regresszió): függvényalak,
töréspontok; négyzetes eltérés meghatározása
◦ Egy szempont kiválasztása és csoportosítás aszerint
◦ Mennyire módosítja a görbét a MHT hozzávétele?
• Egy-egy statisztikai próba alkalmazása
az A és B részben is (A-ban lehet becslés is)
KÖSZÖNJÜK A FIGYELMET!
SOLTÉSZ Tamástudományos segédmunkatárs
ST épület 426.