Sunteți pe pagina 1din 42

SISTEME AVANSATE DE TRANSPORT RUTIER

1. INSTRUMENTE MATEMATICE DE ANALIZ A FLUXURILOR RUTIERE


Autor: Daniela FLOREA

Viaa modern este confruntat cu situaii contradictorii: cu ct mai des suntem n criz de timp, cu att mai mult suntem pui n situaia de a atepta: la supermarket, la banc sau oricare alt serviciu, la accesarea internet-ului sau cnd apelm un numr prin telefon. Dar, cel mai des, ateptrile din traficul rutier urban, de la intersecii sau trecerile de pietoni i parcri, precum i la apariia situaiilor de urgen pe orice drum (un accident, un blocaj de circulaie) pot genera multe minute de ntrziere pentru oricare dintre participanii la trafic. Inginerul de trafic se confrunt cu o problem major pe care trebuie s o rezolve, problema apariiei i dizolvrii irurilor de ateptare sau cozilor. Rezolvarea acestui tip de problem se realizeaz pe baza analizei fluxurilor rutiere cu ajutorul teoriei probabilitilor i statisticii matematice. Multe dintre serviciile urbane se confrunt cu incertitudini privind timpul de producere, tipul, locaia i mrimea cererii de transport. Poate fi amintit, de exemplu, c asistena de urgen - asigurat de poliie, ambulan, pompieri i servicii de intervenie sau utilizarea de ctre acestea a amenajrilor rutiere publice i private difer de la o zi la alta. Inginerii de trafic cunosc faptul c exist modele statistice care permit estimarea numrului de cltorii care sunt efectuate n anumite intervale de timp. Dar localizarea i momentul exact al unei cereri particulare de transport nu pot fi prognozate. Aceste incertitudini pot cauza congestia sistemului chiar i atunci cnd, capacitatea de circulaie, exprimat ca valoare medie, este asigurat. Analiza acestei categorii de date se realizeaz folosind variabilele aleatoare. 1.1. S NE REAMINTIM DE STATISTICA MATEMATIC Cercetarea statistic reprezint procesul de cunoatere a fenomenelor de mas cu ajutorul metodelor statistice. Ea se desfoar n trei etape sau faze succesive: 1. culegerea datelor sau observarea statistic; 2. prelucrarea datelor primare i obinerea indicatorilor statistici i derivai; 3. analiza i interpretarea rezultatelor prelucrrii. Etapele cercetrii statistice trebuie organizate astfel nct s reduc la minimum riscul unei erori de culegere, prelucrare i analiz. 1.1.1. Culegerea datelor statistice Observarea statistic const n culegerea, dup criterii bine stabilite a valorilor caracteristicilor prevzute n programul cercetrii, de exemplu: nregistrarea volumelor de trafic pe n anumite intervale de timp, nregistrarea vitezelor vehiculelor unui flux rutier sau nregistrarea vitezei unui autovehicul pe anumite poriuni de drum, nregistrarea intervalelor de timp sau spaiu dintre vehiculele care se succed ntr-un flux de circulaie, nregistrarea numrului de vehicule care trec printr-o seciune a unui drum, etc. n procesul observrii statistice, datele trebuie s ndeplineasc anumite condiii:

PARTEA I - Managementul fluxurilor rutiere

condiia de volum care presupune culegerea datelor dup un program care s asigure relevana cercetrii; condiia de calitate care impune nregistrarea unor date autentice, reale, care nu prezint erori. Observarea statistic este o aciune care necesit pregtirea resurselor umane ce vor fi folosite pentru colectarea datelor, dar i resurse materiale adecvate, care nu sunt foarte ieftine (de exemplu, radare pentru nregistrarea vitezelor sau aparatura de supraveghere i nregistrare a traficului care s ofere valori ale fluxurilor rutiere, dar i cronometre i aparatur de msurare a distanelor). Astfel, proiectarea unei observri statistice trebuie s in seama de rezolvarea unor probleme metodologice i organizatorice. 1.1.1.1. Programul observrii statistice Programul observrii statistice cuprinde urmtoarele elemente de baz: Scopul observrii, subordonat celui al cercetrii statistice, const n enunarea obiectivelor prevzute a fi realizate. Obiectivul observrii l constituie populaia cercetat, de exemplu, cercetarea circulaiei rutiere pe o singur band de circulaie sau pe toate benzile, pe un singur sens sau pe ambele sensuri de pe o arter rutier. Trebuie specificat locaia, dar i intervalul de timp. Unitatea de observare, o or, o zi sau alt interval de timp definit. Programul observrii: const n stabilirea tuturor caracteristicilor care trebuie s fie nregistrate, a modalitilor de culegere a datelor. Programul se poate concretiza prin ntrebri, care sunt nscrise n formulare statistice fie n cazul unei singure uniti de observare i liste, n cazul mai multor uniti de observare. Formulare i instruciuni de nregistrare. Fiele i listele trebuie nsoite de instruciuni sau recomandri metodologice i tehnice imprimate direct pe formular sau n anexe. Timpul de observare se poate referi la: o Un moment critic care s surprind fenomenul n mod static; o O perioad mai mare, o sptmn, o lun sau chiar un an, pentru observrile de tip continuu. Timpul ct dureaz nregistrarea este funcie de volumul nregistrrilor, consistena programului, numrul de persoane implicate. Locul unde sunt raportate de obicei coincide cu locaia organizatorului cercetrii statistice. Probleme organizatorice sunt luate n considerate pentru a asigura condiiile impuse unei cercetri de acest tip. Se studiaz materialele obinute din cercetri anterioare similare, lista locaiilor de nregistrare, hri, etc. Observarea statistic se realizeaz ntotdeauna pe baza msurtorilor sau observaiilor directe asupra fenomenului supus cercetrii. 1.1.1.2. Metode de observare statistic Dup modul de organizare, observaiile statistice pot fi: Observri permanente realizate cu ajutorul aparaturii de nregistrare;
7

SISTEME AVANSATE DE TRANSPORT RUTIER

Observri speciale: recensminte sau anchete de circulaie. Dup momentul cnd se realizeaz: Curente Periodice (la un anumit interval de timp recensminte); Unice sau observri speciale se refer la consemnarea statistic a unui eveniment repetabil. Dup numrul unitilor nregistrate: Totale n care se culeg informaii sub forma rapoartelor sau recensmintelor, de la toate unitile (ex. uniti de transport dintr-o anumit ar sau regiune). 1.1.1.3. Erorile de observare statistic n situaia n care, n urma nregistrrii datelor, se constat c acestea nu concord cu realitatea, neconcordanele se ncadreaz n erorile de observare. Influena acestor erori asupra cercetrii statistice se concretizeaz n obinerea unor indicatori afectai de erori - chiar dac metodologia de calcul a fost corect care vor genera concluzii i decizii deformate. Erorile de nregistrare se clasific n dou categorii: Erori de nregistrare ntmpltoare erorile care pot fi numeroase putnd aprea din neatenie, dar care afecteaz mai puin rezultatele observrii. Erori de nregistrare sistematice erori care produc abateri semnificative datorate n special nenelegerii corecte a metodologiei de culegere a datelor sau lipsei de experien. Prevenirea apariiei erorilor de observare poate fi realizat prin urmtoarele aciuni: Formularea i transmiterea unor instruciuni clare i menionarea riscului datorat erorilor umane. Elaborarea unor formulare complete coninnd toate elementele ce trebuie nregistrate. Stabilirea unor chei de control utilizabile nc din faza de colectare a datelor. Efectuarea unor observri de prob i corectarea eventualelor lipsuri pentru mbuntirea formularelor. Prevenirea persoanelor care comunic date asupra scopului i importanei obinerii unor date, autentice. 1.1.1.4. Controlul datelor statistice Datele culese trebuie verificate pentru a descoperi eventualele erori de observare i corectarea acestora. n funcie de specificul modului de verificare a informaiilor culese, controlul poate fi: Control cantitativ: se refer la verificarea nregistrrii efectuate. Control calitativ: poate fi control logic sau control aritmetic. o Controlul logic se refer la compararea datelor cu date anterior obinute i permite depistarea erorilor sistematice.

PARTEA I - Managementul fluxurilor rutiere

o Controlul aritmetic presupune verificarea calculelor efectuate de ctre observatori, aplicarea cheilor de control bazate pe relaii de balan cu scopul de a verifica autenticitatea datelor. Corectarea erorilor de observare este posibil doar dac specificul cercetrii statistice permite acest lucru. n cazul observaiilor efectuate asupra circulaiei rutiere, fenomenele nu mai pot fi reproduse, dar verificarea fielor privind consumurile realizate de vehiculele transportului public este posibil. Pentru ndeprtarea datelor care nu sunt autentice, statistica a elaborat o serie de teste. Acestea urmresc eliminarea datelor afectate de erori grosolane, dar numai n situaia n care acest tip de date nu deine o pondere important. 1.1.2. Metode de prelucrare primar a datelor Datele culese n etapa observrii trebuie supuse prelucrrii primare, destinate ordonrii lor i pentru a enuna concluziile generale cu privire la fenomenul observat. n prima etap datele culese vor fi: centralizate grupate reprezentate sub form de: serii, tabele, grafice. n cea de-a doua etap, datele sunt supuse unei prelucrri bazate pe metode complexe, de finee cu scopul de a obine informaii suplimentare superioare din punct de vedere calitativ i al semnificaiei tiinifice. Centralizarea datelor pe clase sau subclase are ca rezultat cunoaterea mai detaliat a fenomenului, ceea ce va permite analiza lui pe baze structurale. Centralizarea datelor poate fi efectuat numai dac : s-a efectuat controlul datelor culese; datele ce urmeaz a fi nsumate sunt comparabile, adic se refer la aceeai caracteristic statistic observat i valorile sunt exprimate n aceeai unitate de msur. Modul de grupare a datelor se refer la separarea unitilor unei populaii n grupe omogene lund n considerare una sau mai multe caracteristici. Metoda gruprii trebuie s asigure o structur care s permit ncadrarea i stocarea datelor, pentru ca evidenele sistematice s fie posibile. De asemenea, este util s se cunoasc fenomenul analizat, precum i schimbrile structurale care s-au produs n timp i s se poat evidenia efectele cauzelor sistematice. Metoda gruprii statistice are la baz dou noiuni: Caracteristica de grupare: variabila fa de care mrimile urmrite sunt repartizate pe grupe ct mai omogene. Mrimea variabilei considerat caracteristic de grupare este exprimat n cifre, dar i n litere. Intervalul de variaie: reprezint un grup omogen de variante, desprit de restul grupului prin limitele superioar i inferioar. Intervalele pot fi: o egale sau inegale o nchise sau deschise o cu variaie discret sau cu variaie continu. Datele sunt sistematizate prin grupare urmnd etapele urmtoare:

SISTEME AVANSATE DE TRANSPORT RUTIER

Pasul 1. Determinarea amplitudinii, A A = x max x min

(1.1)

unde: xmax nivelul maxim al caracteristicii observate, xmin nivelul minim al caracteristicii observate. Pasul 2. Stabilirea mrimii intervalului de grupare, k avnd urmtoarele posibiliti: dac se cunoate numrul de grupe, relaia este: x min A x ; (1.2) k = = max r r dac nu se cunoate numrul grupelor, se recomand relaia lui H.A. Sturges, x x min , (1.3) k = max 1 + 3 ,22 lg n unde, n este numrul de elemente. Pasul 3. Formarea intervalelor de grupare pornind de la xmin sau de la o valoare puin mai mic la care se adaug mrimea intervalului de grupare. Mrimea intervalului de grupare se poate obine: ca diferen ntre dou limite inferioare sau superioare a dou grupe alturate; ca diferen ntre limita superioar i cea inferioar a aceleiai grupe. n practic, grupele se mai numesc clase. 1.1.3. Prezentarea datelor statistice Pentru a putea fi prelucrate, datele statistice se pot prezenta sub forma de serii, tabele sau grafice. Seria statistic este prezentarea paralel a dou iruri de date, n care: primul ir reprezint caracteristica de grupare (numit n continuare, valoarea argumentului variabilei aleatoare), iar cel de-al doilea ir, rezultatul centralizrii frecvenelor sau valorilor unei alte caracteristici cu care se afl n raport de interdependen. Seriile statistice se pot clasifica dup urmtoarele criterii: Dup coninutul caracteristicii de grupare: o Serii statistice de timp (dinamice, cronologice) - prezint valorile caracteristicii n funcie de timp); o Serii statistice de spaiu sau teritoriale - prezint centralizarea frecvenelor sau valorilor caracteristicii studiate n funcie de spaiu sau teritoriu; o Serii statistice de repartiie reprezint dependena caracteristicii n raport cu frecvenele corespondente; aceast serie se mai numete de repartiie de frecvene. Prezentarea datelor sub forma seriilor are avantajul c permite stabilirea tendinei de evoluie a caracteristicii cercetate, precum i a repetabilitii fenomenului. Tabelele statistice conin cel puin dou coloane, prima coloan conine valorile variabilei studiate care delimiteaz grupele sau clasele, iar cea de-a doua conine observaiile Ni, obinute pentru fiecare grup sau clas.

10

PARTEA I - Managementul fluxurilor rutiere

Tabelele sunt simple cnd se realizeaz o grupare simpl dup o singur caracteristic (cantitativ sau calitativ). n cazul tabelelor combinate sunt luate n considerare mai multe caracteristici. Tabelele cu dubl intrare prezint grupe formate prin variaia concomitent a dou caracteristici, iar n rubrici frecvene comune ale ambelor variabile. Cnd exist o dependen ntre cele dou caracteristici tabelul se numete tabel de corelaie. Pentru stabilirea legturilor ntre fenomene pe baza corelrii logice a celor dou caracteristici se folosesc tabele de asociere. Reprezentri grafice. Graficele constituie o modalitate expresiv de reprezentare a datelor. Elementele unei reprezentri grafice sunt: titlul, reeaua (n cazul cnd este util), scara de reprezentare, legenda, mrimile ce definesc axele i unitile de msur, dac este cazul, notele explicative. Graficele pot fi realizate sub forma: Diagrame prin coloane, n plan sau tridimensional, care sunt reprezentri sub forma dreptunghiurilor avnd baze egale cu unitatea caracteristicii cercetate i nlimile proporionale cu mrimea indicatorilor reprezentai. Aceste diagrame se mai numesc histograme i sunt recomandate n evidenierea caracteristicilor variabilelor aleatoare discrete. Diagrama prin puncte recomandat n cazul variabilelor de tip continuu. Diagrama polar sau radial se construiete folosind o reea radial. Diagrama prin suprafee (sau volume) n care ariile sunt proporionale cu mrimile indicatorilor oferind o reprezentare sugestiv. 1.1.4. Indicatori statistici Indicatorul statistic este expresia numeric a unui fenomen, obinut ca rezultat al procesului de cercetare asupra unui fenomen aleator, avnd un coninut real, obiectiv determinat. Indicatorii statistici pot fi indicatori primari i derivai. Indicatorii primari sau mrimi absolute caracterizeaz fenomenul sau procesul, din punct de vedere cantitativ, exprimnd direct nivelul de dezvoltare al caracteristicii cercetate. Indicatorii derivai se obin n faza de prelucrare a mrimilor absolute prin comparaii, abstractizri i generalizri, avnd un caracter abstract, chiar dac uneori (n cazul mediilor) se exprim n uniti de msur specifice. Statistica recurge la teste bazate pe principiile teoriei probabilitilor pentru ca mrimea derivat s fie raional i realist i s corespund naturii fenomenului sau procesului cercetat. Mrimi relative. Trecerea de la concret la abstract, de la mrimile absolute la cele derivate este realizat prin compararea datelor prin rapoarte rezultnd mrimi relative. Altfel spus, mrimea relativ sau indicatorul relativ este rezultatul comparrii a dou caracteristici sau indicatori statistici i exprim printr-un singur numr raportul dintre o valoare a caracteristicii i baza de raportare sau de comparaie.

11

SISTEME AVANSATE DE TRANSPORT RUTIER

Dac fiecare element sau grup de elemente ale populaiei statistice, Ni este raportat la volumul total N, cu N = N i , n funcie de natura datelor, coninutul
i

informaional al mrimii relative de structur poate fi de frecven relativ, pondere, probabilitate sau chiar, greutate specific. n paragrafele urmtoare se folosete notaia (1.4) pi = f i = N i Ni
i

pentru care

pi = f i
i i

=1.

n reprezentarea rezultatelor statistice, se poate utiliza exprimarea sub forma procentelor, %. n acest caz, pornind de la relaiile anterioare, se obine: Ni pi = f i = 100 [%], (1.5) Ni
i

iar,

pi = f i
i i

= 100 % .

(1.6)

Frecvenele absolute ca i cele relative vor fi folosite n continuare pentru definirea variabilelor aleatoare. 1.2. VARIABILE ALEATOARE 1.2.1. Definirea variabilelor aleatoare Variabile aleatoare sunt notate de obicei cu majuscule, de exemplu X, Y sau Z. Fiecare dintre acestea reprezint un set complet de corespondene ntre rezultatele unui experiment i probabilitatea de producere a evenimentului. Variabilele aleatoare utilizate n ingineria traficului rutier pot fi vitezele vehiculelor sau distanele dintre vehiculele unui flux rutier, dar i numrul vehiculelor care sosesc ntr-o seciune a unui drum. Funcie de tipul mrimii investigate, variabilele aleatoare pot fi de tip discret VAD i de tip continuu - VAC. Variabila aleatoare de tip discret, X este definit dac se cunoate valoarea argumentului (valoarea experimental) xi, precum i funcia de probabilitate a acestuia, p(xi) sau pi. Funcia de probabilitatea variabilei aleatoare X de argument xi, se noteaz p X (x ) P {X = x} . (1.7) Astfel,
x0 X = p 0 x1 p1 . . . xn , . . . pn

(1.8)

cu x i = 0 , 1, 2 , ... , iar 0 pi 1 i

i =0

pi

=1.

12

PARTEA I - Managementul fluxurilor rutiere

Variabila aleatoare poate fi definit i cu ajutorul frecvenei absolute de apariie a evenimentului Ni. Dac numrul total de observaii este N, atunci
i =0

Ni

= N , deci:

x0 x1 . . . x n (1.9) X = N N . . . N . 1 n 0 Pentru modelarea statistic a fenomenelor descrise de variabile aleatoare sunt folosite anumite mrimi statistice. Pentru nelegerea acestor caracteristici, este util definirea funciei de repartiie. Fie o variabil aleatoare X, un numr real xi i F(xi) probabilitatea ca X s ia valori mai mici dect x, adic F (x i ) = P ( X < x i ) . (1.10)

Funcia F definit prin ecuaia precedent poart numele de funcie de repartiie a variabilei aleatoare X. Dac X este o variabil discret avnd repartiia [x i , p(x i )] , pentru i = 0,1,2,..., atunci se poate scrie F (x i ) = P {X x i } =

xi x

p X (x i ) .

(1.11)

Exprimat n cuvinte, funcia de repartiie n punctual x este dat de suma probabilitilor valorilor n stnga lui x sau suma probabilitilor (frecvenelor relative) cumulate n sens cresctor. Avem:

F (x i + 0 ) = F (x i 0 ) =
i

j =0 i 1

p(x j ) ,
i

(1.12) (1.13)

j =0

p(x j )

P (a X < b ) = F (b ) F (a ) .

(1.14)

Trebuie reinut c, n cazul variabilelor aleatoare discrete, funcia de distribuie cumulat este o funcie n trepte care pornete de la valoarea x=0 cu valoarea p0. Valoarea maxim tinde la valoarea 1 corespunztoare lui xi=xmax. ~ n cazul variabilelor de tip continuu, X probabilitatea discret pi devine densitate de probabilitate p X (x ) , iar variabila aleatoare este definit astfel:
~ x X = p (x ) , X

(1.15)

iar semnul

devine integral

Dac se noteaz F (x ) funcia de distribuie, densitatea de probabilitate are proprietatea c:

13

SISTEME AVANSATE DE TRANSPORT RUTIER

p X (x ) =
rezult,
x

dF (x ) , iar p X (x ) dx 0 , dx

(1.16)

F (x ) =

p X (x ) dx ,
x2 x1

(1.17)

similar cu frecvena cumulat n sens cresctor,

P (x1 x 2 ) =
iar
+

p X (x ) dx = F (x2 ) F (x1 ) ,

(1.18)

p X (x ) = 1
=1.

(1.19)

similar cu

i =0

pi

Densitatea de probabilitate n acest caz este interpretat ca probabilitatea msurrii unei valori x n intervalul x = x 2 x1 . Aria total de sub curba densitii de probabilitate este unitar, iar probabilitatea msurrii este de 100%. 1.2.2. Caracteristicile de baz ale variabilelor aleatoare 1.2.2.1. Indicatorii tendinei centrale Simpla analiz a valorilor variabilelor aleatoare pe baza frecvenelor i a graficelor ofer o imagine sumar asupra modului n care variaz valorile unei caracteristici statistice, fr a putea formula nici o ipotez privind tendina general a acesteia. n scopul analizei trsturilor eseniale ale fenomenului studiat este necesar s se determine anumite valori reprezentative sub forma indicatorilor sintetici generalizatori. Tendina central reprezint punctul n jurul creia se grupeaz valorile variabilei aleatoare respective i necesit definirea mai multor tipuri de indicatori: a) mrimile medii; b) indicatorii medii de poziie numii i medii de structur. a). Media variabilei aleatoare X notat M(X) sau x n cazul concret al cercetrii experimentale. n cazul variabilelor aleatoare discrete,

M (X ) = x =

xi = 0

x i pi x p X (x ) dx

(1.20)

n cazul variabilelor aleatoare de tip continuu,

M (X ) = x =

(1.21)

Dac media este definit ca moment, ea reprezint momentul teoretic necentrat de ordinul nti. Momentul teoretic necentrat de ordinul k este dat de relaia:

14

PARTEA I - Managementul fluxurilor rutiere

( X ) = M (X

)=

p X (x ) dx .

(1.22)

b). Indicatorii medii de poziie sunt reprezentai de quantile i modul. Quantilele sunt valori concrete ale variabilei aleatoare care mpart graficul funciei de repartiie (graficul frecvenei cumulate n sens cresctor) n pri egale. Se numete quantila de ordinul , valoarea x aleas astfel nct: F (x ) = P ( X < x ) = . (1.23) n cazul n care X este o variabil aleatore discret egalitatea enunat nu poate fi asigurat pentru orice valoare a lui . Dac exist o soluie x a ecuaiei F (x ) = , pot exista o infinitate de valori cuprinse n intervalul ce separ dou valori posibile. Quantila de ordinul poart numele de median teoretic a variabilei aleatoare X, notat 1 x me = . (1.24) 2 Prin median se nelege acea valoare a argumentului variabilei aleatoare pentru care probabilitatea ca variabila aleatoare X s ia valori inferioare lui xme este egal cu probabilitatea ca s ia valori superioare lui xme. Exprimat n termeni matematici: P ( X < x me ) = P ( X > x me ) . (1.25) Quantila de ordinul poart numele de quantila inferioar , iar cea de ordinul se numete quantila superioar. Modulul sau moda variabilei aleatoare discrete X, este acea valoare a argumentului xi pentru care funcia de probabilitate pX(xi) este maxim. O repartiie poate avea un singur modul fiind numit unimodal sau mai multe module, caz n care se numete multimodal. n cazul variabilei de tip continuu, modulul notat xmo reprezint valoarea lui x pentru care densitatea este maxim, deci dp X (x ) =0 (1.26) dx dac funcia este derivabil. n general ecuaia are o singur soluie, deci repartiia este unimodal. dF (x ) Cum p X (x ) = , innd seama de relaia anterioar, rezult c modulul dx verific ecuaia

dF 2 (x ) =0. (1.27) dx 2 Aceasta arat c n punctul x = x mo , graficul funciei de repartiie are un punct de inflexiune.
1.2.2.2. Indicatorii variaiei Indicatorii tendinei centrale nu dau nici o indicaie asupra mprtierii, respectiv a modului n care valorile variabilei aleatoare se abat ntre ele sau fa de valoarea medie ca centru de grupare. Centrul de grupare pentru dou variabile aleatoare poate fi acelai, dar gradul de mprtiere s fie diferit.

15

SISTEME AVANSATE DE TRANSPORT RUTIER

Indicatorii variaiei pot fi grupai astfel: a) Amplitudinea absolut a variaiei, A se obine ca diferen ntre valoarea maxim i valoarea minim a valorilor xi ale variabilei aleatoare, A = x max x min . (1.28) Amplitudinea relativ, A% se calculeaz raportnd amplitudinea absolut la media aritmetic a valorilor nregistrate, x x min A A% = 100 = max 100 . (1.29) x x Amplitudinea relativ permite compararea gradului de variaie a dou variabile aleatoare n care caracteristica de grupare se exprim n uniti de msur diferite i n special la alegerea numrului de grupe i a mrimii intervalului de grupare deoarece nu ofer posibilitatea cunoaterii structurii interioare a variabilei. Abaterile individuale absolute, di sunt determinate ca diferena dintre fiecare valoare xi i medie: d i = xi x . (1.30) Abaterile individuale relative, di% calculate ca raport ntre abaterea absolut i nivelul mediu al caracteristicii studiate: d x x d % = i 100 = i 100 . (1.31) x x Abaterile individuale pot fi pozitive sau negative n funcie de mrimea fiecrui termen n raport cu media, n practic fiind utilizate valorile extreme, abaterea individual minim i cea maxim. Deoarece indicatorii enunai nu caracterizeaz ntreaga variaie a caracteristicii studiate, se vor utiliza indicatorii sintetici ai variaiei. b) Indicatorii sintetici ai variaiei Acest tip de indicatori caracterizeaz gradul de variaie lund n considerare toate valorile caracteristice ale variabilei aleatoare. n cercetrile statistice ale diferitelor fenomene sunt folosii indicatorii prezentai n continuare. Abaterea medie liniar, d calculat ca o medie aritmetic simpl sau ponderat a abaterilor termenilor fa de medie, luate n valoare absolut:

d =

xi
i i

x
. (1.32)

Ni

Dispersia variabilei aleatoare X, notat D2(X) sau D2, se calculeaz ca o medie aritmetic simpl sau ponderat a ptratelor abaterilor valorilor argumentului xi fa de media lor i reprezint momentul teoretic centrat de ordinul al doilea. Momentul teoretic centrat de ordinul k este dat de relaia:

D ( X ) = Dk =
k

i =0

[x i
2

M ( X )] pi ,

(1.33)

sau

(x i x )
i

Ni
(1.34)

Ni
i

16

PARTEA I - Managementul fluxurilor rutiere

pentru cazul variabilelor discrete, i

D k ( X ) = Dk = M [x M ( X )]k =

[xi

M ( X )]k p X (x ) dx ,

(1.35)

pentru cazul variabilelor de tip continuu. Deci, dispersia, ca moment teoretic centrat de ordinul al doilea, are expresia general:
D ( X ) = D2 = M [ X M ( X )] =
2 2 + +

[x M ( X )]
2

p X (x ) dx =

+ ( ) = x 2 p X (x ) dx x p x dx X

(1.36)

Dispersia este n mod frecvent notat cu simbolul 2 X . Dispersia, ca indicator abstract, nu are form concret de exprimare i arat modul n care valorile caracteristicii graviteaz n jurul mediei. Abaterea medie ptratic sau abaterea standard notat D(X) sau X se calculeaz ca rdcina ptrat a dispersiei. Fa de abaterea medie liniar, abaterea standard ia n considerare importana fiecrei valori a caracteristicii xi. Este util n calculele de corelaie, la estimarea erorilor, la verificarea semnificaiei unor indicatori statistici. Inconvenientul const n faptul c nu permite compararea variaiei a dou variabile aleatoare avnd caracteristici exprimate n uniti diferite. Pentru valoarea k=3, se poate calcula momentul centrat de ordinul al treilea, notat D3. Acesta este important pentru a defini simetria unei repartiii:
D3 = M [X M (x )] = M X 3 3 M X 2 M ( X ) + 2[M ( X )] .
3 2

( )

( )

(1.37)

Pentru a analiza asimetria unei repartiii se folosete indicatorul numit coeficient de asimetrie notat 1 i calculat cu relaia:

1 =

[D ( X )]
2

D3

.
2

(1.38)

Pentru repartiiile simetrice 1=0, pentru repartiiile cu asimetrie dreapta, 1>0, iar pentru repartiiile cu asimetrie de stnga, 1< 0. Pentru a analiza ascuirea unei repartiii, se determin coeficientul de exces, 2 folosind relaia

2 =

[D ( X )]
2

D4

(1.39)

n care D4 reprezint momentul centrat de ordinul al patrulea i se calculeaz cu relaia:

D4 = M [X M ( X )] = M X 4 4 M X 3 M ( X ) + 6 M X 2 [M ( X )] 3[M ( X )] .
4 2 4

( )

( )

( )

(1.40)

Pentru a putea spune c o repartiie este mai ascuit n raport cu o alta, este necesar s existe o repartiie de baz cu care s se efectueze comparaia. Aceast repartiie etalon este cea normal i se obine pentru 2=3. O repartiie cu 2<3 este mai turtit dect cea normal, iar cea cu 2>3 este mai ascuit dect cea normal.
17

SISTEME AVANSATE DE TRANSPORT RUTIER

Coeficientul de variaie C X reprezint o mrime cantitativ adimensional determinat ca raportul dintre abaterea standard i media variabilei aleatoare. CX = X (1.41) x sau exprimat n procente, C X = X 100 [%] (1.41.a) x n cazul n care coeficientul de variaie se poate calcula ca raport ntre abaterea medie liniar i media variabilei aleatoare,

d 100 [%] , x iar raportul ntre cei doi coeficieni de variaie este C 'X =

(1.42)

X d 100 > 100 . (1.43) x x Coeficientul de variaie, indiferent de relaia de calcul poate lua valori ntre 0 100%. Pentru valoarea zero, toate valorile caracteristicii fiind egale ntre ele i respectiv cu valoarea medie, variabila aleatoare descrie un fenomen omogen i datele sunt bine grupate. Valorile caracteristicii prezint un grad ridicat de omogenitate pentru valori ale coeficientului de variaie mai mici de 35%, iar pentru valori mai mari de 70 - 75% variaia este foarte mare, media nu este semnificativ i nu caracterizeaz seria de date analizate.
1.2.2.4. Funcia generatoare Funcia generatoare, PX (t ) se obine nlocuind argumentul x prin ext, n relaia mediei unei variabile aleatoare X. Pentru variabile aleatoare discrete:

PX (t ) = M e xt =

( )

i =0

pi e x i t
+

(1.44a)

Pentru variabile aleatoare discrete de tip continuu:

PX (t ) = M e xt =

( )

p X (x ) e

xt

dt .

(1.44b)

Funcia generatoare are proprietatea:


n k k pi x i = M X = M k pentru VAD k d PX (t ) i =1 . (1.45) t = 0 = + k dt p (x ) x k dx = M X k = M pentru VAC k X unde, Mk este momentul teoretic necentrat de ordinul k i poate fi folosit la calculul parametrilor repartiiilor. Astfel, dispersia reprezint diferena dintre momentul teoretic necentrat de ordinul al doilea i ptratul mediei variabilei aleatoare.

( )

( )

D 2 ( X ) = M2 M12 . (1.46) Funcia generatoare este folosit n modelarea proceselor dependente de timp.
18

PARTEA I - Managementul fluxurilor rutiere

1.2.3. Procesul Poisson Modelarea cu ajutorul probabilitilor reprezint un proces extrem de important n analizele referitoare la ingineria transporturilor. Procesul Poisson poate fi adesea aplicat n producerea evenimentelor n timp. n cazul traficului rutier, ca eveniment poate fi considerat, de exemplu: sosirea vehiculelor ntr-o intersecie la ntreruperea funcionrii unui semafor. Aceste sosiri sunt considerate de ctre inginerul de trafic, ca fiind sosiri, asemeni clienilor la o banc. Procesele Poisson pot fi extinse n aplicaiile spaiale cu scopul de a modela localizarea cererii de transport n cazul unui ora. Pentru a aplica un astfel de proces au fost formulate patru postulate descrise n continuare. 1. Probabilitatea ca n intervalul de timp t s soseasc cel puin un vehicul este de aproximativ t . Unde se numete intensitatea sosirii sau rata sosirii. n aplicaiile numerice acest parametru este determinat prin msurtori. De exemplu, un numr de 5 autobuze/or ntr-o staie, etc. 2. Numrul de sosiri de tip Poisson ce se produc la un moment dat sau ntr-un interval de timp de valoare fix nu depinde de momentul de nceput al intervalului sau de numrul de sosiri nregistrate nainte de interval. 3. Numrul de sosiri ce se produc n intervalele de timp sunt variabile aleatoare independente. 4. tiind c o anumit sosire de tip Poisson se produce la un moment dat, probabilitatea ca alt sosire s se produc exact n acelai timp este nul. Deci nu se pot produce dou sosiri simultan. Astfel, n analiza fluxurilor rutiere pe o seciune a unui drum, se colecteaz date de pe fiecare band de circulaie separat.

Figura 1.1. Exemplificarea sosirii vehiculelor

Considernd c n intervalul de timp [0,t] sau T, se produce un numr de sosiri, N(t) avnd rata sosirii , dac sosirile se produc dup un proces Poisson, intervalele de timp dintre sosirile succesive sunt distribuite cu parametrul , independent de ceea ce s-a ntmplat n trecut. Astfel, dac N(t) are distribuie Poisson cu parametrul t , atunci, ( t ) x t e , x = 0 , 1, 2 , ... . (1.47) P [N (t ) = x ] = x! Caracteristicile de baz ale procesului Poisson sunt definite de urmtoarele relaii: Media: M [N (t )] = t Dispersia Coeficientul de variaie:

2 N (t ) = t
2 = CX

1 t

19

SISTEME AVANSATE DE TRANSPORT RUTIER

1.3. LEGI DE DISTRIBUIE SAU DE LEGI DE REPARTIIE Modelarea matematic a fenomenelor descrise de variabilele aleatoare poate fi realizat cu ajutorul: distribuiilor de tip discret: binomial, Poisson, binomial-negativ, geometric n cazul variabilelor aleatoare discrete; distribuiilor de tip continuu: uniform, normal, exponenial, Erlang, etc - n cazul variabilelor aleatoare de tip continuu. 1.3.1. Legi de distribuie ale variabilelor aleatoare discrete 1.3.1.1. Distribuia binomial O variabil aleatoare X are o distribuie binomial de parametrii p i n are urmtoarea distribuie:
x P ( X = x ) = Cn p x (1 p ) nx

(1.48)

unde:

x = 1, 2 , ... , n - parametrul distribuiei binomiale, poate lua valori din mulimea numerelor naturale; p funcia de probabilitate, 0 p 1 .
Ne reamintim c:
x Cn =

n! . x ! (n x )!

(1.49)

O variabil aleatoare binomial poate fi interpretat ca suma celor n experimente alternative de parametru p. Caracteristicile de baz ale acestei legi sunt prezentate sintetic n tabelul 1.1.
Tabelul 1.1: Caracteristicile distribuiei binomiale Caracteristica Notaie
x P ( X = x ) = Cn p x (1 p )

Relaia de calcul
nx

Observaii

Media Dispersia Abaterea standard Coeficientul de variaie Eroarea standard Numrul observaiilor pentru o eroare impus

M (X ) x

np n p (1 p ) np(1 p )

D 2 ( X ) D2 2 X
D( X ) X

M (X ) > D2 (X )
Determinarea parametrilor p i n cunoscnd media i dispersia

CX

np(1 p ) np

X N
2 X 2

x 2 X = p x 2 n = x x 2 X

N=

20

PARTEA I - Managementul fluxurilor rutiere

1.3.1.2. Distribuia Poisson O variabil aleatoare X are o distribuie binomial definit de relaia: x e , (1.50) P (X = x ) = x! unde: x = 1, 2 , ... , - parametrul distribuiei binomiale, egal cu media i dispersia variabilei aleatoare; e baza logaritmului natural.

Figura 1.2: Distribuia Poisson

Caracteristicile de baz ale acestei legi sunt prezentate sintetic n tabelul 1.2.
Tabelul 1.2. Caracteristicile distribuiei Poisson Caracteristica Notaie Relaia de calcul Observaii

P (X = x ) =
Media Dispersia Abaterea standard Coeficientul de variaie Eroarea standard Numrul observaiilor

x e x!

M (X ) x

D 2 ( X ) D2 2 X
D( X ) X

M (X ) = D2 (X )
Determinarea parametrilor p i n cunoscnd media i dispersia

CX

1 =
= X N

= x = 2 X

2 X N= 2
21

SISTEME AVANSATE DE TRANSPORT RUTIER

1.3.1.3. Distribuia binomial-negativ O variabil aleatoare X are o distribuie binomial de parametrii p i k are urmtoarea distribuie:
k 1 k P (X = x ) = Cx 1 p) , + k 1 p ( x

(1.51)

unde:

x = 1, 2 , ... , k - parametrul distribuiei binomial-negative, poate lua valori din mulimea numerelor naturale mai mari dect 1; p funcia de probabilitate, 0 p 1

Figura 1.3: Distribuia binomial negativ

Un caz particular al distribuiei binomial-negative corespunde parametrului k=1, distribuia fiind cunoscut ca distribuia geometric. Caracteristicile de baz ale acestei legi sunt prezentate sintetic n tabelul 1.3.
Tabelul 1.3: Caracteristicile distribuiei binomial-negative Caracteristica Notaie Relaia de calcul
k 1 k P (X = x ) = Cx 1 p) + k 1 p ( x

Observaii

Media Dispersia Abaterea standard Coeficientul de variaie Eroarea standard Numrul observaiilor

M (X ) x

k (1 p ) p k (1 p ) p2

M (X ) < D2 (X )
Determinarea parametrilor p i n cunoscnd media i dispersia

D 2 ( X ) D2 2 X
D( X ) X

1 k (1 p ) p
1 k (1 p )

CX

=
N=

X N
2 X 2

x p = 2 X 2 k = x 2 X x

22

PARTEA I - Managementul fluxurilor rutiere

1.3.1.4. Distribuia geometric O variabil aleatoare X are o distribuie geometric de parametru p i are urmtoarea form:
P ( X = x ) = p (1 p ) ,
x

(1.52)

unde: x = 1, 2 , ... ,

p funcia de probabilitate, 0 p 1 .
Caracteristicile de baz ale acestei legi sunt prezentate sintetic n tabelul 1.4.
Tabelul 1.4. Caracteristicile distribuiei geometrice Caracteristica Notaie Relaia de calcul Observaii

P ( X = x ) = p (1 p )
Media Dispersia Abaterea standard Coeficientul de variaie Eroarea standard Numrul observaiilor

M (X ) x

(1 p )
p

D 2 ( X ) D2 2 X
D( X ) X

(1 p )
p 1 p 1
2

M (X ) < D2 (X )
Determinarea parametrilor p i n cunoscnd media i dispersia

(1 p )
1 p

CX

=
N=

X N
2 X 2

x p = 2 X 2 k = x 2 X x

1.3.2. Legi de distribuie ale variabilelor aleatoare de tip continuu n ingineria de trafic sunt utilizate urmtoarele distribuii de tip continuu: 1.3.2.1. Distribuia normal n analiza fenomenelor din natur, se constat ca majoritatea msurtorilor pot fi descrise prin repartiia normal sau variabilele pot fi supuse unei transformri ce conduce la o repartiie, exact sau aproximativ normal. Lund n considerare variabila aleatoare continu, X care ia valori reale cuprinse n intervalul ( ,+ ) , se spune c X are o repartiie normal de parametrii m i notat N(m,) dac probabilitatea asociat intervalului (x1, x2) este egal cu aria cuprins ntre abscis, ordonatele ridicate din punctele x1 i x2 i curba normal descris de ecuaia

p X (X ) =
unde:

( x m )2
2 2

(1.53)

23

SISTEME AVANSATE DE TRANSPORT RUTIER

- 3,14159 e - 2,71828, baza logaritmului natural - abaterea medie ptratic. Curba normal se numete standard sau normal, dac media m=0.

Figura 1.4: Distribuia normal

Proprietile repartiiei normale standard sunt: Este simetric fa de ordonat; Pentru valoarea x=0, se obine valoarea maxim a probabilitii, aproximativ 0 ,4 ; valoarea 1 2 Pentru valorile cuprinse n intervalul (-1, +1) este concav i pentru valori cuprinse n afara acestui interval, convex; Aria total de sub curba de probabilitate este egal cu valoarea 1.

Figura 1.5: Forma curbei distribuiei normale pentru diferite valori ale

Dac se noteaz cu (x ) aria de sub curba definit de funcia de probabilitate

24

PARTEA I - Managementul fluxurilor rutiere

e pentru cazul n care =1 i media este m=0, s-a demonstrat c 2 funcia de repartiie este
F (x;0;1) =

(x ) =

t2 2

f (t;0;1)dt = f (t;0;1)dt + f (t;0;1) = 2 + (x ) .


0

(1.54)

Funcia (x ) cunoscut sub numele de funcia integral a lui Laplace permite determinarea probabilitii ca variabila aleatoare X cu repartiie normal de parametrii (m,) s ia valori ntr-un interval a i b. Astfel,

am P (a < x < b ) =
Valoarea este mai mare dect abaterea variabilei n raport cu media,
x m

(1.55)

(1.56)

adic,

+m < x < m+
ceea ce va conduce la aa numita regul a celor trei sigma:
P ( x m < 3 ) = 2 (3 ) 1 .

(1.57) (1.58)

n tabelele statistice se gsete pentru (3 ) = 0 ,9987 , obinnd:


P ( x m < 3 ) = 2 0 ,9987 1 = 0 ,9974 .

(1.59)

Relaia precedent arat c probabilitatea ca valoarea absolut s depeasc valoarea 3 este

1 0 ,9974 = 0 ,0026

(1.60)

adic, practic valoarea zero. Caracteristicile principale ale celorlalte repartiii de tip continuu sunt prezentate n tabelul 1.5, respectiv tabelul 1.6. 1.3.2.2. Repartiia Pearson de tipul III (Gama generalizat) O variabil aleatoare are o repartiie Pearson de tipul III cu parametrii a i b (a>0, b>0), dac are densitatea de probabilitate

b a a 1 bx x e , 0 < x < . p X (x ) = ( a )

(1.61)

Aceast repartiie se folosete n ingineria traficului rutier pentru descrierea distanelor i intervalelor n timp dintre autovehiculele unui flux rutier. Deoarece n condiii normale aceti doi parametri nu pot fi egali cu zero, este necesar ca relaia anterioar s fie modificat. Modificarea se realizeaz prin mrirea argumentului x cu c uniti, mai precis se stabilete un nou argument t = x + c . Substituind pe x = t c pentru ecuaia densitii de probabilitate se obine relaia:

p X (x ) =

ba (x c )a1 e b(x c ) . ( a )
25

(1.62)

SISTEME AVANSATE DE TRANSPORT RUTIER

Tabelul 1.5 prezint cazurile particulare ale distribuiei gama generalizat, respectiv distribuia Erlang i distribuia exponenial.
1.3.2.3. Caracteristicile de baz ale distribuiilor de tip continuu.
Tabelul 1.5: Legi de distribuie de tip continuu Distribuia Densitatea de probabilitate Media Dispersia

Gama generalizat (Pearson III)

p X (x ) =

b a a 1 bx x e sau ( a )

a b
a +c b

a b2 a b2

p X (x ) =

ba (x c )a1 e b(x c ) ( a )

a ( qa ) (t )a 1 e aqt sau f (t ) =

(a )

a ( ka ) (x )a 1 e akx f (x ) =

(a )

Este un caz particular al distribuiei Gama generalizat pentru care Erlang

b=

a a sau b = , unde: x t

a b

a b2

q este intensitatea fluxului de autovehicule k este concentraia fluxului rutier

t - media intervalelor n timp dintre vehicule x - media intervalelor de spaiu dintre vehicule
Caz particular al distribuiei Erlang. Repartiia exponenial Pentru a=1,

f (t ) = q e qt .
x 1 a 1 b p X ( x ) = b a ( a ) x e , pentru x 0 0 , pentru x < 0

1 q

1 q2

Gama

ab

ab2

(a ) = x a 1e x dx .
0

26

PARTEA I - Managementul fluxurilor rutiere Tabelul 1.6: Legi de distribuie de tip continuu (continuare) Distribuia Densitatea de probabilitate Media Dispersia

Uniform

1 , pentru a x b p X (x ) = b a 0 , pentru x < a; x > b


p X (x ) = 1 2 e
1 x m 2
2

b+a 2

(a b )2
12

Normal

1 b 1 x a 1 (1 x ) pentru , 0 x 1 p X ( x ) = ( a, b ) 0 , pentru 0 < x ; x > 1


Beta

( a, b ) = x
0

a 1

(1 x )

b 1

dx ; p, q > 0 ;

a a+b

sau : ( a, b ) =

( a ).( b ) ( a + b )

ab (a + b )2 1 a + b +1

Beta generalizat (Pearson I)

pX ( x ) =

(x c1 )a1 (c 2 x )b1 a + b 1 ( a, b )(c 2 c1 )

pentru c1 < x < c 2

bc1 + ac 2 a+b

c2 c1 a+b ab a + b +1

1.4. ESTIMAREA PARAMETRILOR I CRITERII DE VERIFICARE STATISTIC Estimarea parametrilor datelor experimentale const n evaluarea valorilor variabilelor experimentale pentru a verifica concordana dintre modelul repartiiei teoretice i modelul repartiiei datelor experimentale. Estimarea se poate face n dou moduri: Estimarea punctual, cnd pentru parametrul estimat se calculeaz o singur valoare; Estimarea prin intervale de ncredere cnd, pentru fiecare parametru, se calculeaz un interval de ncredere. O variabil aleatoare se consider determinat dac este cunoscut mulimea valorilor x ale argumentului i funcia de probabilitate pi ( x ) sau densitatea de probabilitate fX(x), dup cum variabila este discret sau continu. Funcia pi ( x ) sau fX(x) se poate realiza n diverse moduri: - Cu ajutorul teoriei probabilitilor se stabilete schema probabilistic n care se ncadreaz caracteristica studiat i prin raionament se determin expresia analitic a funciei pi ( x ) sau fX(x). Acestea sunt repartiiile teoretice, de exemplu repartiiile: binomial, Poisson, geometric, exponenial, normal etc. - Se nregistreaz sub form de frecvene, valorile caracteristicii studiate pentru fiecare valoare a argumentului, cnd variabila este discret, sau pe intervale convenabile, cnd variaia este continu, obinndu-se tabele numerice. Astfel de repartiii se obin n probleme concrete prin experiene i, de aceea, se numesc empirice.
27

SISTEME AVANSATE DE TRANSPORT RUTIER

ncadrarea unei repartiii empirice ntr-o schem probabilistic cu o anumit repartiie teoretic corespunde descoperirii unei legiti de desfurare a caracteristicii studiate. Dac se cunoate modelul matematic al legii respective, pot fi rezolvate variantele problemelor puse de practic. Fie, cunoscut, variabila aleatoare X cu repartiia empiric, dat prin frecvenele absolute:
x1 , x 2 , ..., x n X N , N , ..., N ; 2 n 1 x1 , x 2 , ..., x n X p , p , ..., p ; cu 2 n 1 x X . f X ( x ) cu

N
i =1

= N;

(1.63)

sau prin frecvenele relative (probabilitile):

p
i =1

= 1; si pi =

Ni . N

(1.64)

Se ataeaz variabila aleatoare X cu distribuia teoretic: (1.65)

Presupunnd c cele dou variabile aleatoare X i X sunt identice, se determin funcia f X ( x ) a repartiiei teoretice, astfel ca:
f X ( x ) = pi , i = 1,2,..., n .

(1.66)

Funcia f X ( x ) depinde de anumii parametri a j , j = 1,2,..., m , adic are forma:


f X ( x; a1, a2 ,..., am ) ,

(1.67) (1.68)

astfel, sistemul se scrie:


f X ( x, a1, a2 ,..., am ) = pi ; i = 1,2,..., n ,

i devine un sistem de n ecuaii cu m necunoscute, n care, practic, numrul ecuaiilor este mult mai mare dect cel al necunoscutelor. Problema care se pune este de a determina care este acea valoare a parametrului pentru care exist probabilitatea maxim de realizare. Aceast problem de calcul aproximativ se numete estimarea parametrilor. Dup estimarea parametrilor repartiiei teoretice se dispune de dou variabile aleatoare: - variabila aleatoare cu repartiia empiric:
x1 , x 2 , ..., x n X N , N , ..., N ; cu 2 n 1 x1 , x 2 , ..., x n X N , N , ..., N ; cu 2 n 1 Ni = N pi .
28
n

N
i =1 n

= N;

(1.69)

- variabila aleatoare cu repartiia teoretic:

N = N;
i i =1

(1.70)

construit cu frecvenele Ni, i = 1,2,..., n , (1.71)

PARTEA I - Managementul fluxurilor rutiere

Figura 1.6. Reprezentarea grafic a criteriului 2.

Frecvenele absolute au semnificai: Ni - numrul valorilor din clasa Si , N - numrul total de valori, n - numrul claselor Si. Practic cele dou repartiii se deosebesc una de alta. Problema care se pune este de a stabili dac deosebirea dintre cele dou variabile este ntmpltoare, semnificativ sau nu. Pentru a soluiona aceast problem, se utilizeaz mai multe criterii de testare statistic. Dintre acestea, cel mai utilizat n teoria traficului rutier este criteriul Hi-ptrat (2) care se poate aplica datelor grupate. Pentru aplicarea acestui criteriu se determin valoarea lui 2, dat de suma abaterilor frecvenelor empirice fa de frecvenele teoretice la ptrat, raportate la frecvenele teoretice, astfel:

=
2 i =1

(Ni Ni )2
Ni

Ni2 = N. i =1 Ni
n

(1.72)

Criteriul 2 are reprezentarea grafic din figura 1.6. care, aa cum se poate observa, depinde de valoarea a gradelor de libertate. Graficul este caracterizat de urmtoarele caracteristici:

Aria de sub curb este egal cu unitatea; Valoarea de nceput este 2=0.

Curba nu este simetric; cnd (deci numrul observaiilor) crete, curba devine similar cu cea normal. Se face precizarea c numrul gradelor de libertate este = n l 1 , unde n este numrul intervalelor de grupare (numrul claselor Si ), iar l numrul parametrilor repartiiei teoretice. De exemplu, dac repartiia este binomial sau Poisson, distribuii care au un singur parametru, atunci l = 1 i = n 1 1 = n 2 grade de libertate. Dac legea este normal, care = n 2 1 = n 3 grade de libertate. are doi parametri, atunci l = 2 i

Deci, numrul gradelor de libertate este o noiune statistic strns legat de cantitatea de informaie de care se dispune n cercetarea care se efectueaz.

29

SISTEME AVANSATE DE TRANSPORT RUTIER

Figura 1.7. Variaia lui 2 pentru = 0,05 i = 0,95.

Este recomandabil ca atunci cnd se aplic testul 2, s fie N50, Ni5 i 10 n 20. Cnd au mai puin de cinci elemente clasele extreme se contopesc cu cele alturate i numrul scade corespunztor ( = n 3 ). Dac numai o clas se contopete cu cea alturat, atunci = n 2 . n situaia cnd toate clasele au mai mult de cinci elemente, atunci = n 1 . Eficiena testului crete cnd n fiecare clas se afl aproximativ acelai numr de date. Testul are o mai mare putere de discriminare n cazul repartiiilor simetrice i d rezultate bune n cazul verificrii parametrilor repartiiilor empirice normale.
Tabelul 1.7 prezint valorile 2 pentru un anumit prag de siguran, sau interval de ncredere, = 1 , intervalul care acoper cu o probabilitate dat valoarea unui parametru ce trebuie estimat. Probabilitatea cunoscut se mai numete coeficient sau nivel de ncredere, iar = 1 se numete nivel de semnificaie i reprezint probabilitatea ca parametrul teoretic ce trebuie estimat s se afle n afara intervalului de ncredere. Cu ct P este mai aproape de valoarea 1, cu att este mai mare sigurana c parametrul ce trebuie estimat este acoperit cu intervalul de ncredere.

Aplicarea criteriului 2 pentru un anumit prag de siguran , se reduce a verifica dac:


2 P( 2 < 0 ) =1 ,

(1.73)

2 unde 0 , este valoarea care se adopt din tabelul 1.7 pentru numrul gradelor de libertate = n 3 , unde n este numrul de componente ale variabilelor aleatoare sau numrul intervalelor de grupare a datelor observate.
2 Dac 2 < 0 , se consider c ntre repartiia empiric i cea teoretic exist

concordan cu coeficientul de ncredere = 1 . Figura 1.7 prezint variaia lui 2 n funcie de pentru = 0,05 i = 0,95.
30

PARTEA I - Managementul fluxurilor rutiere Tabelul 1.7: Valorile 2 pentru un anumit prag de siguran .

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

2 0 ,995

2 0 ,99

2 0 ,975

2 0 ,95

2 0 ,05

2 0 ,025

2 0 ,01

2 0 ,005

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

0,000 0,010 0,072 0,207 0,412 0,676 0,989 1,344 1,735 2,156 2,609 3,074 3,565 4,075 4,601 5,142 5,697 6,265 6,844 7,434 8,034 8,643 9,260 9,886 10,520 11,160 11,808 12,461 13,121 13,787

0,000 0,020 0,115 0,297 0,554 0,872 1,239 1,646 2,088 2,558 3,053 3,571 4,107 4,660 5,229 5,812 6,408 7,015 7,633 8,260 8,897 9,542 10,196 10,856 11,524 12,198 12,879 13,565 14,256 14,953

0,001 0,051 0,216 0,484 0,831 1,237 1,690 2,180 2,700 3,247 3,816 4,404 5,009 5,629 6,262 6,908 7,564 8,231 8,907 9,591 10,283 10,982 11,689 12,401 13,120 13,844 14,573 15,308 16,047 16,791

0,004 0,103 0,352 0,711 1,145 1,635 2,167 2,733 3,325 3,940 4,575 5,226 5,892 6,571 7,261 7,962 8,672 9,390 10,117 10,851 11,591 12,338 13,091 13,848 14,611 15,379 16,151 16,928 17,708 18,493

3,841 5,991 7,815 9,488 11,070 12,592 14,067 15,507 16,919 18,307 19,675 21,026 22,362 23,685 24,996 26,296 27,587 28,869 30,144 31,410 32,671 33,924 35,172 36,415 37,652 38,885 40,113 41,337 42,557 43,773

5,024 7,378 9,348 11,143 12,832 14,449 16,013 17,535 19,023 20,483 21,920 23,337 24,736 26,119 27,488 28,845 30,191 31,526 32,852 34,170 35,479 36,781 38,076 39,364 40,646 41,923 43,194 44,461 45,722 46,979

6,635 9,210 11,345 13,277 15,086 16,812 18,475 20,090 21,666 23,209 24,725 26,217 27,688 29,141 30,578 32,000 33,409 34,805 36,191 37,566 38,932 40,289 41,638 42,980 44,314 45,642 46,963 48,278 49,588 50,892

7,879 10,597 12,838 14,860 16,750 18,548 20,278 21,955 23,589 25,188 26,757 28,300 29,819 31,319 32,801 34,267 35,718 37,156 38,582 39,997 41,401 42,796 44,181 45,558 46,928 48,290 49,645 50,993 52,336 53,672

Figura 1.7. este divizat n 3 arii notate I, II, III.

Valorile cuprinse n aria I indic o concordan excepional a datelor, nct ne putem ndoi de faptul c ele sunt aleatoare. Aria III include valori ale lui 2, care corespund discrepanelor ntre valorile teoretice i cele experimentale. Cnd valorile lui 2, cad n aceast arie se constat o nepotrivire ntre experiment i teorie. Dac valoarea lui 2 este cuprins n domeniul II tinznd spre aria I, atunci exist dovezi rezonabile c probele testului sunt compatibile. Valorile care tind spre regiunea III indic concordana ndoielnic a datelor.

31

SISTEME AVANSATE DE TRANSPORT RUTIER

1.5. PROCESE DE ATEPTARE N EVOLUIA TRAFICULUI

Autori: Corneliu COFARU Daniela FLOREA


1.5.1. Bazele i clasificarea sistemelor de ateptare

Procesele de ateptare n evoluia traficului sunt fenomene care apar mai ales n intersecii (noduri) sau puncte de trafic intens (staii de benzin, vam, puncte de control), precum i n traficul fluent i se manifest prin formarea coloanelor (cozilor, irurilor) de autovehicule. Pentru descrierea acestor procese sunt folosite modele ale teoriei ateptrii, cu ajutorul crora se pot determina mrimile statistice referitoare la numrul vehiculelor care ateapt, variaia numrului de autovehicule oprite i timpii de ateptare. http://www.eventhelix.com/RealtimeMantra/CongestionControl/queueing_theory.htm Modelele de ateptare sunt influenate de etapele formrii unei cozi: procesul de sosire; disciplina cozii; tipul serviciului. Prin procesul de sosire trebuie descris felul i numrul de sosiri ale autovehiculelor ntr-o coad, respectiv la sistemul de servire. Coada de ateptare este definit ca numrul de uniti care ateapt pentru servire i nu conine unitile care tocmai au fost servite. Disciplina cozii descrie ordinea sosirii, servirii i plecrii din coad. Pot fi amintite modelele: Primul sosit primul servit (First-in-first-out) - FIFO, Ultimul sosit primul servit (Last-in-first-out) - LIFO, Servire aleatoare (Service-in-random) - SIRO.

Figura 1.8.Timpul de ateptare n sistem

Lund n considerare sistemul de servire, trebuie s se fac diferena ntre numrul posturilor de servire i structura lor (n paralel sau n serie).
32

PARTEA I - Managementul fluxurilor rutiere

Caracteristic pentru locurile de servire sunt: timpul de ateptare i probabilitatea de ateptare. Timpul de ateptare n sistem, ds are dou componente: ateptarea n ir i timpul de servire. ntr-o cazul fluxurilor de trafic, timpul de ateptare n ir conine timpul petrecut n sistem de la sosire pn la plecarea din sistem care este compus din: timpul corespunztor staionrilor, timpul de mers nainte, timpul de frnare i de accelerare, tv i timpul de serviciu, tf. Datorit dificultii msurrii acestor timpi, se recomand determinarea timpilor pierdui (ntrzieri), care rezult din diferena dintre timpul corespunztor trecerii unui vehicul fr oprire i cel corespunztor situaiei reale, figura 1.8. Mai simplu, sunt stabilite punctele de intersecie teoretice ale traiectoriilor autovehiculelor la o vitez constant cu seciunea de drum corespunztoare. ntrzierea nu conine i pierderea de timp datorat accelerrii dup seciunea considerat. Definirea modelului de ateptare se face dup cel puin trei parametri X/Y/c, unde: X descrie modelul sosirii: X=M sosiri dup distribuia Poisson; X=D sosiri deterministe (la intervale regulate de timp); X=G sosiri dup un model general; X=Mn sosiri dup un proces Poisson, dar intensitatea sosirii depinde de numrul vehiculelor din coad, la un moment dat. Y descrie tipul de serviciu: Y=M servire dup distribuie exponenial-negativ; Y=D distribuie determinist, serviciu constant; Y=Mn distribuie exponenial-negativ a timpilor de servire cu intensitate dependent de numrul vehiculelor din coad. c - numrul punctelor de servire (servere). http://www.eventhelix.com/RealtimeMantra/CongestionControl/m_m_1_queue.htm La analiza ntrzierilor fluxurilor (de exemplu, performanelor interseciilor) care se intersecteaz, este necesar s se cunoasc i comportamentul conductorului unui vehicul care vireaz sau intersecteaz un flux de trafic principal din poziia unui flux de trafic secundar. Un model simplificat ia n calcul comportamentul fiecrui conductor auto prin mrimea intervalului temporal dintre vehiculele fluxului principal. Pentru un conductor care ateapt s se infiltreze ntr-un flux principal, un interval de timp suficient de mare va fi (t ) = P (t t g ) , (1.74) unde P (x ) , este probabilitatea ca autovehiculul s se infiltreze n intervalul t, avnd proprietatea c P (x ) = 0 , pentru x < 0 i P (x ) = 1 pentru x > 0 .

33

SISTEME AVANSATE DE TRANSPORT RUTIER

Procesul de infiltrare ale loc la limita intervalului de timp t g , avnd ca valoare 45 secunde. Dac n calcul sunt considerate mai multe vehicule care ateapt un interval de timp suficient de mare, atunci valoarea medie a intervalului de timp dintre vehiculele urmtoare va fi de 2 3 secunde. Dac sosirea vehiculelor are loc dup un proces Poisson, iar plecarea respect o distribuie exponenial a intervalelor de timp dintre autovehicule, se poate exprima capacitatea de circulaie pentru fluxurile secundare, Vt/h, M ,) (1.75) Q = f e e 1 unde: M valoarea fluxului principal; tg limita intervalului de timp dintre vehiculele din fluxul principal ce poate fi valorificat de vehiculele fluxului secundar, s; tf limita de timp dintre dou vehicule ale fluxului secundar, s; M = tf , (1.76) 3600 M (t g t f ), = (1.77) 3600
f = 1 10 7 M 2 . (1.78) Dac procesul de descrcare a irului este descris prin distribuia Gamma, capacitatea de circulaie a fluxului secundar folosind relaia propus de Segloch este:

t t + tf g 2 , pentru t > t t f . N (t ) = g 2 tf
1.5.2. Modelele stohastice de ateptare n traficul staionar

(1.79)

Utilizarea modelelor de ateptare este redus la puine cazuri, ntruct trebuie luate n considerare o serie de restricii: procesele de sosire i plecare staionare; rata de sosire a autovehiculelor < , rata de plecare;
disciplina cozii dup modelul FIFO; populaie infinit. Deci, considernd primele dou condiii, modelele vor fi de tipul M/M/1. Presupunnd: distribuia Poisson pentru sosiri, 1 V rata medie a sosirii , t , deci timpul de sosire , exprimat n secunde, iar, s
V rata medie a plecrii , t , s

timpul mediu de servire pentru o singur unitate de servire este t =

1 ,(s).

Alte notaii des folosite sunt: N numrul unitilor n sistem (n ateptare sau n curs de servire);
34

PARTEA I - Managementul fluxurilor rutiere

- factorul de serviciu (intensitatea de trafic) care arat, n medie, numrul de


uniti care apar pe durata timpului mediu de serviciu n sistem; P0 - Probabilitatea s nu fie nici un autovehicul n sistemul de ateptare (numrul de autovehicule din coad i n servire): P0 = 1 , (1.80)
Pn probabilitatea, independent de timp, de a fi n uniti n sistem (n ateptare sau n curs de servire): Pn = P0 = 1 . L numrul mediu de autovehicule n ateptare sau n curs de servire;
n n

(1.81)

l - numrul mediu de autovehicule n ateptare; D timpul mediu de ateptare (ntrzierea medie) n sistem;
d - timpul mediu de ateptare (ntrzierea medie) n ir; A(t) distribuia intervalelor de timp dintre sosiri consecutive; a(t) va fi densitatea de probabilitate a acestei distribuii; B(t) distribuia timpilor de serviciu (sau a duratelor de serviciu); b(t) va fi densitatea de probabilitate a acestei distribuii. Tabelul 1.8 prezint o sintez a modelelor de ateptare precum i caracteristicile principale, folosind notaiile explicate n continuare: Considernd 1 P0 = i = , (1.82)
factorul de serviciu sau intensitatea de trafic exprim gradul de folosire al sistemului i este egal cu probabilitatea ca unitatea de servire s fie pe deplin solicitat.

Numrul mediu de autovehicule n ateptare, l i timpul mediu de ateptare n l ir, d , sunt n relaia l = d respectiv, d = . Modelul M/Ek/1. Dac se consider o distribuie exponenial avnd parametrul serviciului (plecrii) k, densitatea de probabilitate: 1 (k )k e kt t k 1 , (1.83) f (t ) = (k 1)!

se obin valorile prezentate n tabelul 1.8. Modelul M/M/m. Este cazul sistemului de ateptare care lucreaz n paralel. Se presupune c unitile de servire sunt identice (cazul semafoarelor care deservesc mai multe benzi de circulaie pe aceeai faz cu aceeai rat de sosire i de plecare sau servire). Probabilitatea ca n sistem s nu se afle nici un vehicul este dat de relaia:
m 11 n 1 m P0 = + m! n =1 n m m
1

(1.84)

35

SISTEME AVANSATE DE TRANSPORT RUTIER

Tabelul 1.8: Caracteristicile modelelor de ateptare Sistemul de ateptare M/M/1 Numrul mediu de vehicule n sistem, l Timpul mediu de ateptare n ir, d


k +1 + 2k 1 1 (2 ) 2 2 ( ) 2 2 + 2 1
m

1
2

M/Ek/1

k +1 1 + 2 k ( )
1 (2 ) 2 ( )

M/D/1

M/G/1

2 2 + 1 +1 2 1

M/M/m

P + 2 0 (m 1)! (m )

1 P0+ 2 (m 1)! (m )

iar probabilitatea ca n sistem s se afle n vehicule:


n 1 P0 n! Pn = n 1 P0 m! m n m

pentru n m 1

(1.85)
pentru nm

Figura 1.9.Timpul mediu de ateptare.

Variaia timpului mediu de ateptare n sistem, ca funcie de intensitatea traficului, = este dat n figura 1.9 pentru diferite modele. Evoluia funciei arat o dependen neliniar care, de la valoarea = 0 corespunztor ntrzierii medii d = 1 , va ajunge pentru 1 la valori foarte mari. Se
36

PARTEA I - Managementul fluxurilor rutiere

constat c, prin reducerea factorului de serviciu , ntrzierea medie scade substanial indiferent de model. n cazul modelelor D/D/1 este posibil ca > 1 .
1.5.3. ntrzierile n intersecii n cazul traficului staionar

n cazul vehiculelor din fluxul secundar care ateapt pentru a se infiltra n fluxul principal, ntrzierile se determin funcie de intervalele de timp din fluxul principal F(t) i distribuia intervalelor de intrare (t ) .
F (t ) = e t , iar funcia (t ) = P (t t g ) , ntrzierea medie corespunztoare celui mai

Dac aceste intervale (t ) sunt distribuite exponenial n fluxul principal

mic interval de timp (gol) tg este: , iar dispersia acestor intervale de timp,
=
2

d =

t g

(1 t g )

(1.86)

. (1.87) 2 Aceste relaii se refer la cazul n care autovehiculul nu trebuie s frneze (nu este incomodat) la intrarea n fluxul principal de pe prima band de circulaie. Autovehiculele fluxului secundar care vor fi obligate s atepte, sosesc cu o trie V V orar q n t i pleac cu rata t , intersectnd n zona nodal fluxul principal h h V V q P t , respectiv t . Intervalele temporale dintre vehicule n ambele cazuri h h sunt distribuii exponeniale. n cazul traversrii unui flux principal, respectiv pentru a vira, vehiculele din fluxul secundar necesit existena unor intervale minime t g , n fluxul principal. Dac mai multe vehicule n fluxul secundar, solicit integrarea n fluxul principal, infiltrarea va avea loc dup ce vehiculul din fa, aflat la un interval de timp tf (s), s-a integrat. Ecuaia ce descrie ntrzierile vehiculului din fluxul secundar d = D , care poate fi exprimat cu o relaie de forma: D = p0 D1 + (1 p0 ) D2 + Dh . (1.88) Funcie de poziia autovehiculului n ir, se determin: - pentru vehiculul din prima poziie:
(1 + ) + tf , (1.89) - pentru un vehicul care la sosirea sa gsete x vehicule care ateapt n poziiile ( x + 1, x , x 1,...,1,2 ) pn la prima poziie de ateptare,

2 t g

(2 t g )e

t g

D1

[e =
e

t g

( 1 + t g )

] + t = [e
f

- pentru vehiculele din fluxul secundar n poziia h, rezult:

D2 =

t g

(1 e ) = e (1 e ) ;
t f

(1.90)

37

SISTEME AVANSATE DE TRANSPORT RUTIER

e e 1 e e e + e 1 + e 1 e Dh = + e 1 e +e

[(

)(

] (

(1.91)

cu:

= t f , = (t g t f ) i = t g .

Pentru valorile t g = 6 s , t f = 3 ,2 s pentru intersectri i t g = 5 ,2 s i t f = 2 ,7 s n cazul virrilor, se obin diagramele din figura 1.10. Probabilitatea ca nici un vehicul s nu atepte este dat de urmtoarea ecuaie:
p0 = P ( X = 0 ) = e e

t g t f

t g

(1 + (t g t f ))

t g t f

e e = . e (1 + )

(1.92)

Staionaritatea sistemului de ateptare i deci capacitatea interseciei apare numai dac p0 > 0 . Tria maxim a fluxului secundar rezult din:
= . e 1 e t f 1 Astfel, rezult formula de baz a lui Hardes cu capacitatea, Q:
V Q = max 3600 t . h

< max =

t g t f

(1.93)

(1.94)

Dup Brilon, se poate calcula p0 , ntr-o aproximaie destul de bun:


p0 = 0 ,98 qn . Q

(1.95)

Figura 1.10.Timpul mediu de ateptare pentru vehiculele din fluxul principal lateral n funcie de tria fluxului principal qp i a fluxului lateral qn pentru intersectri i virri.

Dac se consider o intersecie semaforizat cu o singur band pe sens, se pot formula diferite modele. Ele se deosebesc, n principal, prin ipotezele care se fac asupra sosirii autovehiculelor precum i a plecrilor pe timpul de verde (C-tR). Dac se consider originea diagramei spaiu-timp la sfritul timpului de rou tR, atunci: L(t) va reprezenta numrul de autovehicule din sistem la momentul t, adic vehiculele care ateapt i vehiculele care tocmai pleac i
38

PARTEA I - Managementul fluxurilor rutiere

A(t) distribuia intervalelor de timp ntre sosirile consecutive n intervalul (0,t). ntrzierea total D a tuturor vehiculelor pe durata unui ciclu C, se poate calcula considernd: D1 - ntrzierea vehiculelor sosite pn la sfritul timpului de rou i D2 - ntrzierea vehiculelor sosite pe durata eliberrii interseciei, deci: D = D1 + D2 =
tR 0

[L(0 ) + A(t )]dt + [L(t )]dt .


tR

(1.96)

Dac sosirile A(t) sunt considerate de tip Poisson, iar plecrile sunt descrise de o distribuie exponenial, A( t ) = t , (1.97) atunci,
t t 2 R D1 = [L(0 ) + A(t )]dt = t R {L(0 )} + R , 2 0 presupunnd c:

(1.98)

(unde este rata plecrii (de curgere) n timpul eliberrii pentru a prsi sistemul de ateptare); timpul de evacuare (C-tR) este un multiplu de t, dac pe parcursul unui ciclu vin n medie mai puine vehicule dect pot pleca pe durata evacurii (C-tR), C tR t , respectiv t < 1 R . atunci va rezulta un trafic nesaturat C < t C Cea de-a doua component poate fi exprimat folosind relaia: 1 D2 = t (1 t )2 t R + (1 t ) 2 t R L( 0 ) + 2 t R 2 + t R . (1.99) 2 Valoarea ntrzierii totale pe durata unui ciclu va fi:

fiecare autovehicul are nevoie de un interval de timp constant t =

)]

D=

t R 2 1 t R + L( 0 ) + z1 + . 2 (1 t ) 1 t

(1.100)

n cazul unui trafic redus, L( 0 ) = 0 , deoarece este puin probabil ca pe durata ciclului anterior s fi rmas autovehicule. Dac nu exist aceast situaie, atunci analiza sistemului de ateptare se complic. Pentru cel mai simplu caz al procesului de sosire n care intervalele de timp 1 1 dintre vehicule = sunt constante, L(t) se afl analitic, iar L(0 ) = 0 , relaia pentru D q se reduce la: q tR (t R + t ) . D= (1.101) 2 (1 qt ) Dac se consider: C tR t R = (1 a )C i qt = a , pentru a = - gradul de utilizare a timpului de C verde efectiv i
39

SISTEME AVANSATE DE TRANSPORT RUTIER

dac se ia n considerare fiecare vehicul care sosete pe durata fiecrui ciclu, D qC , ntrzierea medie corespunztoare este , rezult din [12] relaia: qC
d =

(1 a )2 C . 2 (1 a )

(1.102)

Rezultatul este o msur pentru ntrzierea minim. Pentru cazul n care L(0) nu este luat n calcul, Webster a determinat ntrzierea n cazul sosirilor de tip Poisson, pentru intervale de timp ntre plecrile succesive distribuite exponenial i cicluri de durat mare:
d

(1 a )2 C + 2 0 ,65 C = 2 2 (1 a ) 2 (1 )

(2 +5 a ) ,

(1.103)

C tR t i = . (1.104) C a Relaia se recomand pentru valori mari ale produsului t pentru care n [57] a fost determinat L(0) numrul de autovehicule la nceputul timpului de verde, cu relaia:

cu a =

(1,33 (C tR ) ) 1 L(0 ) = e , (1.105) 2 (1 ) pentru care ntrzierea medie este : C (1 a )2 (1 a ) L(0 ) . (1.106) d = + 2 (1 a ) 1 a Akcelik a simplificat relaia lui Miller, (r 0 ) , (1.107) L(0 ) = 1,5 (1 ) (C t R ) . (1.108) pentru > 0 , cu 0 = 0 ,67 + 600 Optimizarea unui program de semaforizare, prin minimizarea ntrzierilor totale la o intersecie semaforizat, a generat alte modele care au fost validate de rezultatele empirice. Miller a propus un astfel de model pentru minimalizarea ntrzierilor:
1

2 t + t R 1 I C t R , t C + D R t 2 (1 t ) 1 R C t

(1.109)

care are ca premis cu privire la procesul de sosire pentru rata sosirii i coeficientul de variaie a acesteia n funcie de independena sosirii, I. Pentru o intersecie cu 4 intrri ntrzierea minim este o mrime de forma: 1 D = Di , (1.110) C
t I T (1 i t i ) V + i i V Tv i C= i t i 1
1 2

(1 Tv i )1
, (1.111)

40

PARTEA I - Managementul fluxurilor rutiere


1 1 1 T (i t i I i )1 2 + 1 V C (i t i j t j ) 2 (i t i I i ) 2 ( j t j I j ) 2 1

Tv i =

(i t i I i )1 2 + ( j t j I j )1 2

(1.112)

unde, TV este suma timpilor de verde care apar la fiecare ciclu, iar i i j caracterizeaz direciile care se intersecteaz, Tv i timpul de verde al unui acces i.
1.5.4. Modele de ateptare deterministe n traficul nestaionar

n cazul traficului nestaionar att pentru sosiri ct i pentru plecri, apare variaia mrimilor n funcie de timp.
V , rata plecrii s (t )Vt , raportul Dac se consider rata sosirii q (t ) t timp timp

q (t )

s (t )

reprezint randamentul unei uniti de trafic.

O privire macroscopic asupra situaiei traficului permite analiz matematic a fluxurilor rutiere aflate n micare. Pentru caracterizarea aglomerrilor de scurt durat poate fi considerat blocajul unui acces sau ntreruperea unui flux ntr-o intersecie semaforizat.

Figura 1.11: Modelul de ateptare determinist n cazul traficului nestaionar

O formulare general a modelului determinist n cazul apariiei unei aglomerri temporare a unei intersecii, este prezentat n figura 1.11, n care numrul total al vehiculelor care sosesc este dat de relaia:
Q (t ) = q (t )dt ,
0 t

(1.113)

iar numrul de vehicule care pleac este:


Q(t ) = s (t )dt .
0 t

(1.114)

Numrul de autovehicule n sistem la momentul t, L(t), considernd q (t ) > s (t ) la t=0, rezult din diferena ambelor linii de sum:
41

SISTEME AVANSATE DE TRANSPORT RUTIER

L(t ) = [q (t ) s (t )]dt .
0

(1.115)

Durata aglomerrii t, poate fi determinat din condiia L(t d ) = 0 .

(1.116)

ntrzierea total D, pentru toate autovehiculele, este dat de suprafaa determinat de liniile sum Q(t ) i S (t ) :
D=
td 0

[q (t ) s (t )] t dt = [Q(t ) S (t )] dt
0

td

(1.117)

Timpul mediu de ateptare al fiecrui vehicul este: d =D , (1.118) N unde, N reprezint numrul de autovehicule blocate. N se calculeaz dup situaie, ca produsul q t d sau s t d . Numrul de vehicule din sistem este l = D . td

Figura 1.12. Timpii de ateptare n cazul formrii unei unde de oc n intersecie 42

PARTEA I - Managementul fluxurilor rutiere

n figura 1.13 sunt prezentate mrimile care descriu trei exemple tipice pentru diferite rate de sosire i plecare. Cazurile a i b descriu un flux de trafic fluent care pe o perioad de timp T este blocat de un flux cu o rat de curgere redus f (s ) care este egal cu randamentul punctului de blocare. Situaia a) poate fi folosit pentru cazul unui acces la o intersecie semaforizat.

Figura 1.13. Analiza sistemelor de ateptare cu diferite valori ale ratei de sosire i plecare.

Dac t d este egal cu durata ciclului C, atunci la un timp de rou t R ,


T = (1 a ) C ,

(1.119)

care rezult la un grad de utilizare 1 = =1 as cu C tR a= , C ntrzierea medie pentru fiecare autovehicul este:
d = T C = (1 a ) , = 1 . 2 2

(1.120)

(1.121)

(1.122)

Relaia general este:


1 (1 a )2 C d = 2 1 a d = pentru a 1, pentru a > 1,

(1.123)

relaie stabilit n [12]. Cazul c) arat o suprancrcare pe durata T datorit unei rate foarte mari de sosire. Ecuaiile ntrzierilor n cazul modelului determinist de ateptare pot fi determinate prin ecuaiile undelor de oc, figura 1.12.
43

SISTEME AVANSATE DE TRANSPORT RUTIER

Tabelul 1.9: Parametrii irurilor de ateptare

td d max

Durata aglomerrii ntrzierea individual maxim ntrzierea individual medie Numrul maxim de vehicule din sistem Numrul mediu de vehicule din sistem Numrul total de vehicule blocate ntrzierea total

s s q T 1 T 2 qT

f(s ) s q s q f(s ) q

q f(q ) s f(q ) T q s s

d l max

1 q f(s ) T 2 q
T [q f ( s )]

1 q s T 2 s T(q s ) 1 T(q s ) 2 sT

1 qT 2 qT s s q

1 T [q f ( s )] 2 qT

[f ( s ) s ]
q s

[q f ( s )] [s f ( q )]

1 s qT 2 2 s q

1 2 [q ( s )] [f ( s ) s ] T q s 2

1 2 [q f (q )](q s ) T 2 [s f (q )]

1.5.5. Modele de ateptare la limita traficul liber trafic parial condiionat

Analiza ntrzierilor n punctele n care se formeaz o und de oc poate fi folosit n cazul traficului mai puin intens, pe baza distribuirii probabilitii sosirilor i plecrilor autovehiculelor. Pentru factorul de serviciu = = 1 , rezult ntrzieri nule n cazul unor modele deterministe i o pierdere infinit pentru modele uniforme, figura 1.14.

Figura 1.14. Reprezentarea calitativ a lungimii cozii de ateptare i a indicelui de calitate pentru timpul pierdut, funcie de componenta uniform (u), determinist (d) i aleatoare (a). 44

PARTEA I - Managementul fluxurilor rutiere

Modelele realiste trebuie s ia n considerare probabilitatea proceselor plecrilor i sosirilor autovehiculelor ca dependen de timp, de cererea de trafic i randament. Pentru traficul mai puin intens, a fost stabilit o soluie de transformare a funciei de echilibru teoretic probabil ntr-o funcie care are dreapta funciei deterministe ca asimptot. n figura 1.14 se regsesc att componenta uniform Pu , ct i componenta de suprancrcare Pa , aleatoare. Componenta uniform Pu se bazeaz pe suprapunerea intervalelor temporale i este reprezentat de obicei de durata timpului de rou ( t R timp de oprire). Componenta Pa este reprezentat ca funcie de numrul de autovehicule La , PU = f (LU ) care trebuie evacuate pe durata timpului de verde, V din coada suprancrcat. La analiza ntrzierilor ntr-un nod, a fost propus urmtoarea relaie pentru lungimea medie a cozii LU :
LU = ST 4 ( 1) +

( 1)2 +

12 ( 0 ) , pentru < 0 , ST

(1.124)

unde:
ST numrul maxim de autovehicule care pot trece n intervalul de timp T (S msurat n vehicule/or, iar T n ore); = q - gradul de ncrcare cu vehicule, tria traficului de curgere, [Vt/h]; S ( ) , cu s [Vt/h], tria traficului fluid; 0 = 0 ,67 + s C t R 600 ( ) S = s C t R , n [Vt/h], randamentul accesului; C T(h) perioada de timp n care s-a msurat tria q [Vt/h]; Dac < 0 ,9 exist o influen foarte mare asupra valorilor LU.

Dac intervalul de timp T este relativ mic, pentru o trie a traficului q 2 < S , coada se dizolv la momentul:
t 2 = [( 1)(1 2 )] T , unde 2 =

q2

(1.125)

Pentru a neglija ntrzierile datorate vehiculelor care apar dup T se adopt q 2 = 0 i t 2 = ( 1)T . Pentru calculul ntrzierilor i opririlor precum i a numrului de autovehicule din sistem, pot fi folosite modele detaliate verificate experimental pe domeniul lui :
D= qC (1 a )2 + LU r , 2 (1 a )

(1.126)

numrul de opriri pe vehicul, h [opriri/vehicul]:


1 a LU h = fh 1 1 + qC ,

(1.127)

iar numrul vehiculelor din sistem la nceputul eliberrii, L:


45

SISTEME AVANSATE DE TRANSPORT RUTIER

L = qt R + LU ,

(1.128)

unde se cunoate semnificaia fiecrei notaii n parte. Dac se consider fh=0,9 se ine seama i de vehiculele care nu ajung la o oprire total. Timpul pierdut mediu pe fiecare vehicul, d , este:
d =D , q

(1.129)

iar numrul de opriri pe or este:


H = h q .

(1.130)

Deoarece, n acest model se presupune c fiecare vehicul intr n irul de ateptare imediat ce ajunge la linia de oprire, atunci lungimea adevrat a cozii este subevaluat. Se consider, n acest caz lungimea real a cozii:
Le = 1,1 L = L . 1 1 q v

(1.131)

Se adopt l=7,2 m distana dintre vehicule, pentru viteza v=14,4 m/s. Lungimea maxim a cozii din aceast condiie apare la puin timp dup afiarea culorii verzi a semaforului:
Lmax = L . 1 a

(1.132)

46

PARTEA I - Managementul fluxurilor rutiere

1. INSTRUMENTE MATEMATICE DE ANALIZ A FLUXURILOR RUTIERE.............. 6 1.1. S ne reamintim de statistica matematic.......................................................... 6 1.1.1. Culegerea datelor statistice ......................................................................... 6 1.1.1.1. Programul observrii statistice .............................................................. 7 1.1.1.2. Metode de observare statistic ............................................................. 7 1.1.1.3. Erorile de observare statistic ............................................................... 8 1.1.1.4. Controlul datelor statistice..................................................................... 8 1.1.2. Metode de prelucrare primar a datelor ...................................................... 9 1.1.3. Prezentarea datelor statistice .................................................................... 10 1.1.4. Indicatori statistici ...................................................................................... 11 1.2. Variabile aleatoare ........................................................................................... 12 1.2.1. Definirea variabilelor aleatoare .................................................................. 12 1.2.2. Caracteristicile de baz ale variabilelor aleatoare ..................................... 14 1.2.2.1. Indicatorii tendinei centrale ................................................................ 14 1.2.2.2. Indicatorii variaiei ............................................................................... 15 1.2.2.4. Funcia generatoare............................................................................ 18 1.2.3. Procesul Poisson....................................................................................... 19 1.3. Legi de distribuie sau de legi de repartiie....................................................... 20 1.3.1. Legi de distribuie ale variabilelor aleatoare discrete ................................. 20 1.3.1.1. Distribuia binomial ............................................................................ 20 1.3.1.2. Distribuia Poisson .............................................................................. 21 1.3.1.3. Distribuia binomial-negativ ............................................................... 22 1.3.1.4. Distribuia geometric ......................................................................... 23 1.3.2. Legi de distribuie ale variabilelor aleatoare de tip continuu ...................... 23 1.3.2.1. Distribuia normal .............................................................................. 23 1.3.2.2. Repartiia Pearson de tipul III (Gama generalizat) ............................ 25 1.3.2.3. Caracteristicile de baz ale distribuiilor de tip continuu...................... 26 1.4. Estimarea parametrilor i criterii de verificare statistic ................................... 27 1.5. Procese de ateptare n evoluia traficului ....................................................... 32 1.5.1. Bazele i clasificarea sistemelor de ateptare........................................... 32 1.5.2. Modelele stohastice de ateptare n traficul staionar................................ 34 1.5.3. ntrzierile n intersecii n cazul traficului staionar.................................... 37 1.5.4. Modele de ateptare deterministe n traficul nestaionar ........................... 41 1.5.5. Modele de ateptare la limita traficul liber trafic parial condiionat......... 44

47