CAPITOLUL I

SUPRAVEGHEREA TRAFICULUI RUTIER

1.1 Probleme specifice traficului rutier
Nevoia de mobilitate i de viteza specific secolului XXI a dus la dezvoltarea
mijloacelor de transport dar i la apariia unor probleme specifice. Dintre acestea cele mai
stringente sunt cele legate de securitatea participanilor la trafic, cele legate de apariia
congestiilor ct i cele legate de mediul nconjurtor.
n general congestiile apar la anumite ore, considerate ca fiind de vrf, ore n care un
numr ridicat de participani folosesc acelai segment de drum sau se ndreapt spre aceeai
destinaie. Acest lucru se datoreaz n principal faptului c infrastructura segmentului
respectiv de drum nu suport un volum mare de participani simultan la trafic. Alte cauze ale
apariiei congestiilor sunt : uneltele de taxare la intrarea sau ieirea de pe anumite segmente
de drum la care se percepe o tax, capacitatea redus a segmentului de drum de a gestiona un
volum mare de vehicule, o capacitate insuficient pentru mijloacele de transport n comun. La
aceste cauze a aduga i urmtoarele: condiii meteo nefavorabile, care duc la scderea
vitezei i astfel la o golire mai nceat a segmentului respectiv, lucrrile de reparaie pe
anumite segmente de drum, ceea ce duce la ngustarea sau blocarea unei anumite poriuni,
apariia unui eveniment neprevzut ( cum ar fi de exemplu un accident ).
Aceast problematic a traficului rutier este una fr frontiere, i care afecteaz
majoritatea statelor. Rezultatele obinute n urma unei cercetri pentru stabilirea cauzelor i
efectelor produse n urma congestiilor rutiere, att din punct de vedere al infrastructurii
rutiere, ct i economice i ecologice, pot fi consultate n documentul fcut public de camera
comunelor a Marii Britanii . Dei cifrele nu sunt de ultim or, documentul datnd din 1998,
poate totui s ilustreze costurile i nevoia stringent de soluionare a problemei.
Pe post de soluii primare sunt propuse de specialiti urmtoarele aciuni: construirea
mai multor drumuri, unelte pentru taxare mai performante, construirea unor rampe pentru
acces gradual pe autostrad, construirea de sisteme inteligente pentru managementul
traficului, construirea unor benzi cu un grad sporit de ocupare, viteza de reacie sporit n
cazul accidentelor sau a incidentelor rutiere, luarea n considerare a noilor zone ocupate i

creterea densitii pe segmentele corespunztoare de drum, oferirea unei autoriti sporite

departamentelor de transport regionale.
Deoarece majoritatea soluiilor primare propuse vizeaz domeniul transporturilor i
cel economico-politic, m voi axa n continuare pe soluia care mpacheteaz direct domeniul
ingineriei calculatoarelor, i anume descrierea sistemelor inteligente pentru managementul
traficului, aceast lucrare dorindu-se s aduc mbuntiri n acest sens.
n 6 aprilie 2004, Comisia European a formulat Recomandarea nr. 345, care se refer
la intensificarea supravegherii circulaiei rutiere pentru combaterea principalului factor de
cretere a mortalitii n cazul accidentelor rutiere, i anume viteza excesiv. Axarea
strategiilor guvernamentale de mbuntire a siguranei rutiere pe aspectul mbuntirii
ncasrii amenzilor contravenionale st la baza strategiei de transport a Comisiei Europene,
principiul fiind acela c gradul de ncasare a amenzilor rutiere este invers proporional cu
numrul accidentelor rutiere.
Pentru c parcul auto i mobilitatea acestuia la nivelul statelor UE este ntr-o cretere
rapid care nu poate fi egalat de creterea numrului de ageni de poliie, soluia meninerii
unui grad ridicat de siguran rutier este reprezentat de dezvoltarea i extinderea sistemelor
de supraveghere video a traficului.
Pentru eficientizarea aciunilor de supraveghere, este nevoie n primul rnd de
extinderea sistemelor de supraveghere automat, att pe drumurile naionale, ct i pe
celelalte drumuri publice. Sistemele de supraveghere video a traficului sunt importante i din
alte puncte de vedere. Acestea furnizeaz date care pot fi folosite i de Inspectoratul de Stat
pentru Controlul n Transportul Rutier, denumit n continuare ISCTR, pentru verificarea
legalitii aspectelor legate de transporturi, greutate, autorizaie de folosire a infrastructurii,
plata rovinietei sau aspecte legate de vehicul.
Comisia European consider inacceptabil de ridicat numrul deceselor i al
vtmrilor corporale, recunoscnd totodat c sistemul de transport sigur i durabil
contribuie la competitivitate i prosperitate, la ocuparea forei de munc, siguran i
securitate pe plan european. n acest sens a fost elaborat i comunicat de Comisia European
i un program detaliat de siguran rutier pentru perioada 2011 2020. Planul de reducere cu
50% a numrului victimelor accidentelor rutiere la nivelul Uniunii Europene n perioada
2001- 2010 nu a fost prevzut n politicile publice din Romnia.

Figura nr 1 Sigurana circulaiei n Romnia1

ntruct rezultatele msurilor care au avut ca scop creterea siguranei participanilor
la trafic nu au fost satisfctoare, iar ambiiosul obiectiv de reducere la jumtate a numrului
de decese n accidentele rutiere, pentru perioada 2001 2010 la nivelul Uniunii Europene nu
s-a ndeplinit, numrul de decese n accidentele rutiere din Uniunea European scznd doar
cu 35% pn n 2010, Comisia European a luat decizia de a elabora noile orientri pentru
perioada 2011 2020 pentru un spaiu european de siguran rutier, meninnd obiectivul
principal, de reducere a deceselor cu 50% fa de perioada anterioar.
Apreciind evoluiile indicatorilor dinamici specifici din perioada 2000-2013, se poate
observa c ncepnd cu anul 2004, dar mai ales n anii 2007 i 2008, Romnia a
nregistrat creteri considerabile ale numrului accidentelor rutiere grave, persoanelor
decedate sau rnite grav, ara noastr avnd o contribuie negativ la nendeplinirea, de ctre
Uniunea European, a obiectivului propriu propus pentru intervalul 2001 - 2010.
1

EU ROAD ACCIDENTS DATABASE

Figura nr 2 Dinamica accidentelor rutiere n ROMNIA

Romnia nu a avut o strategie pe termen lung privind sigurana rutier, dar a preluat
obiectivul european de reducere a numrului de decese odat cu aderarea la Uniunea
European n 2007.

Figura nr 3 Sigurana rutier la nivel EU

n perioada 2001-2013, dei n Romnia s-a nregistrat o scdere a numrului persoanelor
decedate, ara noastr se situeaz pe ultimul loc n clasamentul european, conform
tabelului

prezentat

alturat:

Figura nr 4 Modificrile n procente ale numrului victimelor accidentelor rutiere ntre

2001 i 20102
1 Modificrile n procente ale numrului victimelor accidentelor rutiere ntre
2001 i 2010
Al patrulea raport PIN Road Safety Target in Sight: Making up for lost
time
Consiliul European de Siguran Rutier ETSC, iunie 2010; PIN Indexul
performanei din domeniul siguranei rutiere
n aceast situaie i n contextul adoptrii de ctre Comisia European a unui
nou Program de Aciuni de Siguran Rutier 2011-2020, program care a pstrat
obiectivul de reducere cu 50% a numrului de rnii i victime n accidente rutiere la
nivelul Uniunii Europene, Romnia trebuie s adopte o strategie pe termen lung care
i propune stoparea creterii numrului de victime i atingerea obiectivului european.
n aceast situaie i n contextul adoptrii de ctre Comisia European a unui nou
Program de Aciuni de Siguran Rutier 2011-2020, program care a pstrat obiectivul de
reducere cu 50% a numrului de rnii i victime n accidente rutiere la nivelul Uniunii
Europene, Romnia trebuie s adopte o strategie pe termen lung care i propune stoparea
creterii numrului de victime i atingerea obiectivului european.
Strategia Naional pentru Siguran Rutier 2013 2020 este un document de politici
coerente i unitare n sfera siguranei rutiere, pe termen lung, care a aprut ca urmare a
rezultatelor nesatisfctoare ale politicilor existente n domeniu. Reglementrile privind
regimul juridic3 al contraveniilor prevd c ncasrile din amenzi aplicate pentru
contraveniile la regimul circulaiei pe drumurile publice se fac venit integral la bugetele
administraiilor publice locale. Din acest motiv, n Romnia, sistemele de supraveghere video
2

Al patrulea raport PIN Road Safety Target in Sight: Making up for lost time
Consiliul European de Siguran Rutier ETSC, iunie 2010; PIN Indexul performanei din domeniul
siguranei rutiere
3
http://www.alcolockgb.com/

a traficului rutier nu au avut nici o perspectiv de dezvoltare, n contextul n care nu a existat

o posibilitate de autofinanare. De exemplu, Sistemul de Supraveghere Video a Traficului
Rutier pe DN1 nu poate fi dezvoltat ntruct nu exist legal posibilitatea finanrii acestuia din
amenzi. Este deci necesar gsirea soluiilor de finanare pentru instalarea, interconectarea,
ntreinerea i operarea sistemelor de supraveghere video a traficului, precum i pentru
acoperirea costurilor de aplicare a sanciunilor constatate cu ajutorul acestor sisteme
sistemelor de supraveghere video a traficului pe drumurile publice. Este necesar de
asemenea elaborarea unui plan naional de management i supraveghere video a ntregii reele
de drumuri publice, plan care s fie n acord cu componenta de drumuri inteligente i implicit
cu elementele fundamentale ale Directivei europene referitoare la sistemele inteligente de
transport, plan care s cuprind cel puin:
- definirea unui necesar de sisteme de management i supraveghere video la nivelul
ntregii reele de drumuri publice;
- definirea unor dispecerate zonale la care toate sistemele de monitorizare din zona de
responsabilitate s fie conectate;
- definirea unor proiecte standardizate de sisteme de management i supraveghere a
traficului rutier pentru diferite tipuri de drumuri/localiti: urban mic, urban mare, drum
judeean, drum naional, autostrad;
n conformitate cu prevederile Hotrrii Guvernului nr. 437/1995 privind nfiinarea
Consiliului Interministerial pentru Sigurana Rutier, cu modificrile i completrile
ulterioare, denumit n continuare C.I.S.R, prile implicate n elaborarea Strategiei Naionale
pentru Siguran Rutier i a Programului Naional de Aciuni Prioritare pentru
implementarea acesteia, sunt organele de specialitate ale administraiei publice centrale i
reprezentanii administraiei publice locale recunoscute prin lege, care au atribuii privind
sigurana rutier.
- definirea unui necesar de sisteme de management i supraveghere video la
nivelul ntregii reele de drumuri publice;
- definirea unor dispecerate zonale la care toate sistemele de monitorizare din zona
de responsabilitate s fie conectate;
- definirea unor proiecte standardizate de sisteme de management i supraveghere
a traficului rutier pentru diferite tipuri de drumuri/localiti: urban mic, urban mare, drum
judeean, drum naional, autostrad;

n conformitate cu prevederile Hotrrii Guvernului nr. 437/1995 privind

nfiinarea Consiliului Interministerial pentru Sigurana Rutier, cu modificrile i
completrile ulterioare, denumit n continuare C.I.S.R, prile implicate n elaborarea
Strategiei Naionale pentru Siguran Rutier i a Programului Naional de Aciuni
Prioritare pentru implementarea acesteia, sunt organele de specialitate ale administraiei
publice centrale i reprezentanii administraiei publice locale recunoscute prin lege, care
au atribuii privind sigurana rutier. n structura C.I.S.R funcioneaz Delegaia
Permanent Interministerial de Siguran Rutier,denumit n continuare D.P.I.S.R, care
este alctuit din experi ai autoritilor publice reprezentate n C.I.S.R. D.P.I.S.R are ca
principal atribut elaborarea strategiei naionale de siguran rutier i a programelor
naionale de aciuni prioritare pentru implementarea acesteia, asigurnd punerea n
practic a tuturor hotrrilor C.I.S.R.
Indicatorii de performan ai siguranei rutiere, precum i indicatori de risc sunt
specifici pentru fiecrui sector de activitate care concur la sigurana rutier i sunt utilizai n
analizele privind ndeplinirea msurilor propuse n vederea mbuntirii siguranei rutiere.
De exemplu, autoritatea public central pentru transport, prin structurile sale de
specialitate, monitorizeaz anual date :
Viteze medii de rulare
pe autostrzi:
[km/h]
autovehicule uoare (<3,5 tone)

113

119

121

autovehicule grele (>3,5 tone)

90

90

90

motociclete

113

119

121

motorete

40

40

40

4.298.161

4.846.773

5.084.531

58.852

67.869

71.409

Parc autovehicule n circulaie

[buc.]
Indice de mobilitate
[milioane autovehicule x km]

Tabelul 1 Viteze medii de rulare pe autostrzi:[km/h]

n ceea ce privete viteza medie de rulare pe reeaua de drumuri naionale/europene
pentru autovehiculele sub 3,5 t, se constat c, dei viteza maxim legal este de 90/100
km/h pe aceste drumuri, viteza medie nregistrat este mult inferioar, i anume de numai
de 65 km/h la nivelul anului 2009, necorespunznd necesitilor sistemului de transport
actual. Aceast situaie se nregistreaz datorit faptului c, actualmente, capacitatea
proiectat a drumurilor a fost depit de valorile de trafic, precum i funciei mixte pe
care aceste drumuri o ndeplinesc, fiind n acelai timp drumuri de tranzit, dar i drumuri

de acces - n condiiile n care mai mult de 60% din reea traverseaz localiti, procentul
fiind n cretere prin extinderea continu a intravilanului i a dezvoltrii localitilor de-a
lungul drumurilor naionale i europene.Aceste probleme cresc extrem de mult riscul de
accident pe reeaua existent de drumuri, indicatorul de risc fiind, la nivelul anului 2013, de
41 de persoane decedate la miliard vehicul x kilometru (kilometri parcuri).
Suprafa Populaie Densitate
(mii km2) (milioane) (loc/km2)
ROMNIA
2013

238, 39

22,2

93/km

Circulaie

Vehicule

Persoane

circulaie

Parc n Lungime
reea

(milioane

per 100

decedate decedate la decedate la

Persoane

Persoane

(Mii)

(km)

vehicule x km)

locuitori

2010/2013

milion

miliard km

5,352

81.693

67.869

21.78

3063

139.22

41

Tabelul 2 Statistici viteze rulare

Sursa: Inspectoratul General al Poliiei Romne Direcia Rutier 2010-2013
Analiznd distribuia accidentelor grave de circulaie4. In funcie de vrsta
persoanei vinovate de producerea accidentului, s-a constatat c, n cazul a 27% dintre
accidentele grave, responsabili au fost conductori auto tineri (categoria 18 25 ani).
Ponderea celor vinovai de producerea unor accidente rutiere grave este tot mai redus, pe
msur ce vrsta acestora crete. Astfel, dac 25% dintre accidentele grave au fost comise
de ctre oferi cu vrste cuprinse Intre 31 i 40 de ani, oferii peste 60 de ani au fost
vinovai de producerea a numai 6% dintre accidentele grave de circulaie
Mediul urban

Mediul rural

51% (4.476)

49% (4.319)
viteza

traversare neregulamentara pietoni 24,13% (1.080)

neacordare prioritate pietoni 16,69%

23,52% (1.016)
traversare neregulamentara pietoni 14,68% (634)

(747)
viteza

conducere imprudenta

12,69% (568)

9,66% (417)
abateri biciclisti

neacordare prioritate vehicule 11,82% (529)

5,75% (284)

conducere imprudenta

depasire neregulamentara 5,59%

4,71% (211)

(242)

Tabelul 3 Statistici cauze accidente

Sursa: Statistici Inspectoratul General al Poliiei Romne Direcia Rutier 2007-2011.
Se constat faptul c accidentele de circulaie grave au cauze diferite, n funcie de
mediul n care acestea s-au produs. Astfel, n mediul urban principalele cauze generatoare
sunt: traversarea neregulamentar, neacordarea prioritii pietonilor, viteza, neacordarea
prioritii vehiculelor i conducerea imprudent. n mediul rural principalele cauze
4

http://www.politiaromana.ro/Prevenire/studii.htm

generatoare sunt viteza, traversarea neregulamentar a pietonilor, conducerea imprudent,

abaterile biciclitilor i depirea neregulamentar. Aceasta situaie este determinat, in
primul rnd, de faptul c, n Romnia, foarte multe localiti rurale sunt traversate de
drumuri naionale sau chiar europene, cu trafic intens.

1.2. Metode de fluidizare a traficului

Problematica traficului rutier este una foarte stringent, lucru demonstrat att de
numeroasele articole tiinifice publicate n domeniu transporturilor, i nu numai, ct i al
realizrilor din industrie. n acest sens industria automotive prin marile concerne
constructoare de maini a transpus n practic rodul cercetrilor tiinifice prin numeroase
realizri care au dus la facilitarea i fluidizarea traficului rutier, creterea nivelului de
siguran a participanilor, i nu n ultimul rnd au avut un impact favorabil asupra
mediului nconjurtor. n continuare voi prezenta succint cteva dintre aceste realizri. n
primul rnd voi descrie soluiile deja existente pe pia i care s-au dovedit a fi eficiente.
Una dintre acestea este reprezentat de transmiterea ctre participanii din trafic a
informaiilor utile.
Una din cele mai uzuale metode de a
informa participanii la trafic despre posibilele
incidente aprute, sau despre condiiile meteo este
reprezentat de rezervarea unei anumite frecvene
radio pe care sunt transmise informaiile, fie din timp
n timp cu scopul de reamintire sau actualizare a mai
vechilor informaii, fie n scopul de a atrage atenia
asupra unui eveniment sau a unei condiii nou
aprute. O alt posibil form de punere n practic a
tehnicii bazate pe mesaje este cea prin panourile de
informare. Dezavantajul acestei metode este bazat pe
Figura nr 5 Panou de informare
Figura nr 2 Panou de informare

faptul c doar prezint un incident sau o situaie deja

creat, fr a ncerca ns s anticipeze situaia.

Avnd scopul de a fluidiza traficul rutier, de a reduce timpul petrecut n

aglomeraie, dar i cu o intenie declarat de ecologizare, unul din cei mai mari productori de
maini, Audi, a implementat la nivel urban, Travolution, un sistem capabil s comunice oferului
viteza cu care ar trebui s se deplaseze astfel nct la urmtoarea intersecie s prind
semaforul pe verde, i n acest mod s reduc ambuteiajele create n intersecii. Din pcate
acest sistem nu este rspndit la scar industrial, astfel nct s poat fi utilizat pentru orice
marc de autovehicul, fiind aplicate doar pe cteva buci din modelele A5 i A6 ale
productorului, ct i n alte locaii n afara oraului Ingolstadt. Rolul acestui proiect a fost
acela ca pe lng operaiunea frustrant i consumatoare de combustibil, de a opri la semafor,
traficul s fie optimizat i de asemenea s se reduc emisia de CO2. Sistemul se bazeaz pe
module de comunicaii integrate n fiecare semafor, i care sunt capabile de a trimite mesaje
spre mainile din vecintatea lor, alertndu-le de timpul rmas pn la urmtoarea faz verde.
Maina de la bord este capabil de a calcula viteza pe care conductorul auto trebuie s o
menin, n scopul de a trece prin lumina verde n timpul acestei faze, i afieaz acest lucru
prin intermediu ecranului cu interfa multimedia. Sistemul este alctuit dintr-o reea de 46
semafoare inteligente ce a fost instalat n centrul oraului i din software-ul capabil de
optimizare treptat. Scopul acestuia este acela de a reduce opririle la minim, de reducere a
consumului de combustibil i a polurii n acest proces. n vederea evalurii proiectului
nc 20 autoturisme i 50 de instalaii de lumin urmeaz s fie ncorporate5.
Un alt mod de informare al participanilor la trafic, este Suna, produs i
comercializat n special n Australia6 . Suna GPS Trafic Updates furniz n timp real
informaii despre trafic direct sistemului de navigare. De asemenea acest sistem este
compatibil cu toate mrcile lidere din domeniu GPS. Sistemul a fost conceput ca, n timp real,
s determine condiiile de drum i s informeze sistemul de navigaie de posibilele probleme,
n perspectiv, i s recomande rute care ar reduce congestia. Din pcate i acest sistem are o
ntindere restrns, fiind disponibil n prezent, doar la Melbourne, Sydney, Brisbane, Gold
Coast, Adelaide i Perth. Suna GPS Trafic se actualizeaz continuu, bazat pe monitorizarea
traficului

condiiilor

rutiere

aducnd

informaii

detaliate

despre

incidente,

congestionarea traficului n ntreaga zon metropolitan, sau a zonelor care ar putea afecta
cltoria. Sistemul este bazat pe o combinaie de senzori i camere video pentru a
5

http://www.motorauthority.com/blog/1023468_audi-starts-trial-of-fuel-savingtravolution-traffic-system, 2009.

http://www.sunatraffic.com.au/index.html, 2009.

monitoriza continuu nivelele de congestie pe o suprafa de mii de kilometri de drumuri

locale, naionale, i autostrzi. n plus, avertismente despre incidente majore (cum ar fi
accidentele), importante lucrri de drumuri, condiiile meteorologice severe din punct de
vedere rutier, precum i evenimente speciale cu posibil impact n trafic sunt transmise periodic.
n funcie de caracteristicile dispozitivului GPS deinut, Suna se integreaz perfect cu
dispozitivul iar o dat activat, acesta va beneficia de un numr de caracteristici noi: mesaje
audio de avertizare cu privire la schimbarea condiiilor meteo, afiarea hrii ct i a locaiei
i natura problemelor de trafic n special cele care afecteaz traseul. De asemenea sistemul
este capabil s estimeze ntrzierile posibile, iar n acest caz s calculeze i s recomande
o rut auxiliar7.
n momentul de fa nu exist un sistem care s prezic n timp real un posibil
accident rutier rezultat dintr-o manevr de depire (exist sisteme pre-crash care
acioneaz msuri de siguran cu aproximativ 1-2s nainte de un posibil accident) sau un
posibil ambuteiaj. Urmrirea i determinarea poziiei corecte a unei maini a devenit o
problem important pentru un management robust al traficului. Prin urmare, numeroase
sisteme inteligente de supraveghere i de transport au fost dezvoltate In ultimii ani. Un
aspect important al acestei activiti este de a obine rezultatele corecte prin utilizarea unor
radare i a unor dispozitive low-cost i trimiterea doar a ctorva cadre pe minut, avnd astfel la
ndemn informaii incomplete i afectate de zgomote. Aceste sisteme necesit de obicei
informaii precise cu privire la situaia actual a traficului. Unele sisteme extrag date i
estimeaz fluxul de trafic, pe baza informaiilor de la senzori, aflai ntr-o vecintate bine
definit. n scopul de a filtra zgomotele i de a folosi aceste msurtori distorsionate sau
incomplete pentru a calcula o stare optim, o posibil soluie este s se foloseasc metode de
filtrare adecvate, de tip stocastic.
Aceste dispozitive de supraveghere a traficului sunt ncorporate n sisteme de
transport inteligent. Utilitatea acestor sisteme poate fi observat n principal legat de
probleme economice i sociale de transport, n cea mai mare parte a rilor industrializate.
Rolul lor esenial este de detecie a incidentelor, de gestionare a traficului, i de colectare a
timpilor de cltorie.

http://www.sunatraffic.com.au/index.html, 2010.

Figura nr 6 3 sSisteme de transport inteligente

Mai exact acestea pot mbunti gestionarea traficului n reele congestionate. Acest
lucru necesit o nelegere clar a funcionarii fluxului de trafic i a metodelor de evitarea
congestionrii segmentelor. Alte probleme sunt de a stabili ora i locaia unde are loc un
blocaj n trafic i de a urmrii modul n care congestia se propag prin interiorul reelei. n
acest scop un raport cu starea traficului i un set de parametri sunt necesari. n cele mai multe
cazuri de determinare a strii traficului, cum ar fi cu ajutorul densitii, de obicei, nu sunt
disponibile direct din msurtori n orice punct al reelei rutiere8.

Figura nr 74 Sistem de supraveghere trafic

Exist dou tipuri de baz ale sistemelor de supraveghere a traficului: pe partea
carosabil a drumului i cele aezate pe vehicule. Dintre cele mai populare amplasate pe drum
8

A. Hegyi, D. Girimonte, R. Babuska, and B. De Schutter, A comparison of filter configurations for freeway
traffic state estimation, n Proceedings of the 2006 IEEE Intelligent Transportation Systems Conference (ITSC
2006), Toronto, Canada, pp. 1029 1034, September 2006.

sunt reprezentate de ctre buclele magnetice, detectoarele laser i camerele video. Un detector
bazat pe o bucl magnetic este reprezentat de o srm ngropat n suprafaa drumului i
alimentat cu un curent continuu. n cazul n care un vehicul trece pe deasupra acesteia induce o
cretere de curent prin bucl. Aceste schimbri de intensitate pot fi msurate i luate n
considerare n vederea obinerii de informaii despre densitatea fluxului de trafic.
Detectoarele laser, nu necesit instalare n asfalt, i, prin urmare, ele pot nlocui cu
succes detectoarele bazate pe bucle magnetice i, de asemenea, clasicele dispozitive de
supraveghere video, mai ales n timpul nopii sau n zonele cu un nivel sczut de
vizibilitate. Convenionalele dispozitive de supraveghere video necesit o bun vizibilitate. n
condiii de cea deas, zpad, ploaie sau de particule de fum sau praf n aer, i n momentele
de iluminare natural sczut, aceste metode pot fi inadecvate. Totui, tocmai n aceste
condiii de vizibilitate sczut exist o nevoie mai mare de ncredere n monitorizarea
traficului. n aceste condiii, cel mai probabil candidat l reprezint detectorul radar bazat pe
infrarou i care prezint numeroase avantaje mai ales n condiii de ntuneric i de cea.
Cu toate acestea, dispozitivele mai sus menionate nu intr n categoria de aparat cu un cost
redus. Din categoria dispozitivelor care nu sunt amplasate n infrastructura rutier avem de-a
face cu cele montate pe vehicule de supraveghere. Aceste sisteme implic vehicule sond
echipate cu dispozitive de urmrire, cum ar fi transponderele, care s permit vehiculelor
care le urmeaz s fie urmrite de ctre facilitile unui computer central. Din cauza
diferiilor factori cum ar fi costul, mediu, infrastructura de proiectare i de amplasament,
dispozitivele de supraveghere transmit n regulat date care sunt nsoite de zgomote i care
pot fi, de asemenea, corupte sau nesigure.

1..3.

Analiza comportamentului conductorilor auto n trafic. Dispozitive

de asisten n conducere
Sistemele de asisten n conducere sunt sisteme inteligente, ce asigur oferului

suport n efectuarea uneia sau mai multor manevre aferente aciunii de a conduce un
vehicul. Asistena n conducere trebuie s fie efectuat de ctre sisteme robuste, deoarece
acestea sunt ncorporate i utilizate n maini care sunt conduse pe drumurile publice. Prin
design, drumurile au un contrast ridicat, previzibil n schem i sunt guvernate de reguli
simple. De asemenea, sistemele de asisten n conducere trebuie s fie acionabile i
operabile n toate condiiile rutiere. Aceste sub-sisteme suport pot fi adaptate pentru a

rezolva sarcini bine definite, care s ncerce s sprijine, i nu s nlocuiasc un ofer.

Indiferent c este vorba de un co-pilot uman sau de un sistem automat, acesta necesit
cunotine de: vitez, acceleraie, direcie, poziie pe osea, direcia de deplasare, de
localizare a vehiculelor i a potenialelor obstacole, a priori de un model de dinamic a
vehiculului, chiar i de cunoatere a comportamentului oferului vehiculului. Asistentul n
conducere, de asemenea, trebuie s fie capabil de a delibera asupra unor aciuni posibile pe
baza cunotinelor anterioare i a consecinelor posibile n timp, sau prin comunicare cu
oferul sau chiar de a prelua n mod secundar controlul vehiculului9 [6] .
Lund n considerare importana pe care o au aceste sisteme de asisten, rolul
ndeplinit i condiia de timp real, interfaa om-main trebuie s fie foarte atent aleas.
Acesta trebuie s informeze conductorul auto n timp util i la momentul potrivit asupra
deciziei la care a ajuns. Pe de alt parte, trebuie s nu induc n eroare sau s deranjeze
oferul atunci cnd d un rspuns. O interfa ct mai uman joac, probabil, cel mai
important rol n acest aparat de succes, de aceea ea trebuie s fie ct mai uor de utilizat i ct
mai sugestiv posibil. Deosebirile ntre situaiile n cazul n care conductorul auto vrea s
depeasc i cea n care la rndul su este depit, sau n care aceast aciune nu este posibil
trebuie s fie n mod clar evidente.
Sistemele de asisten n conducere sunt privite ca un instrument promitor pentru a
mbunti sigurana traficului, confortul oferului, precum i creterea capacitii de
transport a drumurilor, i de a limita consumul de energie. Ele sunt definite ca fiind
sisteme de conducere n care sarcina este parial sau n ntregime asumat de ctre un
sistem automat.

Herrn Julien H. Simon, "Learning to drive with Advanced Driver Assistance Systems. Empirical studies of an
online tutor and a personalised warning display on the effects of learnability and the acquisition of skill",
Dissertation paper, Technischen Universitt Chemnitz, 2005.

Figura nr 8 4 Sistem de asisten n conducere

Ele sunt definite ca fiind sisteme de conducere n care sarcina este parial sau n
ntregime asumat de ctre un sistem automat. Una dintre cele mai importante i riscante
aciuni ale unui conductor auto, o reprezint manevra de depire. O scurt analiz a
aciunii de depire identific dou situaii. Condiiile de depire sunt puin diferite n
cazul autostrzilor, n comparaie cu drumurile naionale. Primul caz presupune numai
vehicule care ruleaz n aceeai direcie, pe ambele benzi implicate, i astfel un flux
unidirecional al traficului. Pe de alt parte, pe drumurile naionale situaia comun implic
dou benzi, i astfel un flux bidirecional al traficului. Un nou model de depire pe osea
este propus n . Modelul consider ca factori importani timpul reactiv de ntrziere al
vehicul pentru aciunile de accelerare, decelerare, i de a schimba banda, n condiii de
siguran i la distan fa de maina urmtoare. Timpul necesar pentru depire, pierderea
de timp n procedura de depire i evoluia spaiu-timp sunt numeric investigate folosind
modelul mai sus amintit. Cercettoarea Geertje Hegeman a proiectat un sistem de avertizare
(asistent de conducere), care afieaz o lumin verde, cnd acesta este n siguran pentru a
efectua o manevr de a depi un alt vehicul. Dac nu prezint siguran aciunea, o lumin
roie este afiat. Ea a testat acest lucru ntr-un simulator de conducere pe un drum cu dou
benzi. O concluzie este c asistentul n conducere confer oferului un sentiment de
uurin n efectuarea manevrei de depire i pot avea un efect pozitiv asupra siguranei i
eficienei rutiere. Hegeman a folosit n cadrul proiectului su observaiile comportamentului
manevrei de depire pe drumul N305 ntre Almere i Zeewolde n rile de Jos. n urma
acestor observaii a concluzionat c o manevr de depire poate s ia n medie circa opt
secunde. Zece procente din cazuri au mai puin de trei secunde ntre replierea pe banda de
mers i ntlnirea cu vehicul de pe contrasens10.[8] Studiul ei este parte a ROADAS
(Research on Overtaking and Advanced Driving Assistant Systems), care este un proiect din
cele ase subproiecte ale programului de cercetare aflat sub conducere olandez,
BAMADAS (Behavioral Analysis Modeling for the Design and Implementation of
Advanced Driver Assistance Systems) 11. BAMADAS intenioneaz s mbunteasc
cunotinele cu privire la comportamentul oferilor de vehicule rutiere, n interaciune cu
ADAS. Pentru acest proiect ce ncorporeaz i sisteme avansate de navigaie, este dezvoltat
10

Deflt University of Technology, Overtaking Assistant Could Help Prevent Many Traffic-related
ScienceDaily,
11
http://www.sciencedaily.com/releases/2008/02/080226092749.htm, February 2008.

Deaths.

n colaborare cu BMW. Varianta comercial de ADAS este ateptat pe pia n urmtorii 10

ani.

CAPITOLUL II
DISPOZITIVE DE ASISTEN N CONDUCEREA TRAFICULUI
21 Modelarea i simularea traficului
Teoriile legate de modelarea fluxului traficului ncearc s descrie ntr-un mod
precis, bazat pe descrieri matematice interaciunile ntre vehicule, oferi i infrastructur.
Infrastructura const n sistemul de drumuri i toate elementele sale operaionale, inclusiv
dispozitivele de control, indicatoare i marcaje. Aceste teorii sunt un element indispensabil al
tuturor modelelor de trafic i instrumentelor de analiz care sunt utilizate la proiectarea i
exploatarea strzilor i autostrzilor, ct i la comportamentul n diverse situaii a
participanilor la trafic.
Studiu tiinific al fluxului de trafic i are nceputurile sale n anii 1930, pornind de la
aplicarea teoriei probabilitilor n descrierea traficului rutier i, cu studii de pionierat
efectuate de Bruce D. Greenshields la Yale, studii pe diverse modele privind volumul de
vehicule, viteza i investigarea performanei de trafic la intersecii. Dup al doilea rzboi
mondial, a avut loc o cretere a utilizrii de automobile i o extindere a sistemului de
autostrzi, lucru ce nu a fost de asemenea reflectat printr-o cretere a studiului
caracteristicilor de trafic, precum i de o dezvoltare a teoriilor asupra fluxului de trafic.
Modelarea comportamentului oferilor reprezint o activitate complex i intens
cercetat n ultima perioad. Conducerea vehiculelor implic activiti cognitive pentru
numeroase sub-sarcini, cum ar fi: a schimbarea benzii, adaptarea vitezei la condiiile de pe
drumuri ct i la reglementrile juridice, evitarea obstacolelor, alegerea corect a traseului i

aa mai departe. Pentru acestea numeroase metode au fost dezvoltate de-a lungul anilor 12. Cele
mai explorate metode sunt arhitecturile cognitive13, i interfeele cu sistemele de asisten n
conducere, cum ar fi adaptive speed cruise control

14

. n aceasta ultim referin

observaiile empirice despre diferite scenarii din activitatea de conducere auto sunt, de
asemenea, amestecate cu cercetarea tiinific. La nivel microscopic,
observaiile empirice despre diferite scenarii din activitatea de conducere auto sunt, de
asemenea, amestecate cu cercetarea tiinific. La nivel microscopic,

12

U. Kiencke and L. Nielsen, Automotive control systems for engine, driveline and vehicle, Springer, Berlin,
2000.
13
D.D. Salvucci, E.R. Boer and A. Liu, Toward an integrated model of driver behavior n a cognitive
architecture, Transportation Research Record 1779, 2001
14
John Jairo, Martinez, C. Canudas-de-Wit, A safe longitudinal control for adaptive cruise control and stop-andgo scenarios, IEEE Transactions on Control systems Technology, vol. 15, pp. 246-258, March 2007.

comportamentul oferului este modelat

15

, cu un puternic accent pe modelarea acceleraiei

n diverse condiii.
Modelele Markov Ascunse16, sunt o posibil abordare n acest domeniu sunt prezentate
n . E modelat intenia oferului de a schimba benzile i cea de depire cu ajutorul
instrumentelor Markov. De asemenea, ei au dovedit c aceast abordare ar putea duce la unele
mbuntiri n domeniul modelrii comportamentului oferilor.
Unele modele de comportament tipic pentru conductorii auto pot fi uor de
reprodus, cu ajutorul sistemelor de asisten n conducere. Prin utilizarea acestor
dispozitive, cum ar fi dispozitivul de control adaptabil al vitezei de croazier 17 , este garantat
o adaptare a vitezei vehiculului la mediul de trafic. n cazul folosirii acestui dispozitiv, cu
ajutorul sistemului radar ataat n partea din fa a vehiculului este detectat dac un vehicul
mai lent se afl n micare n fa. n cazul n care un vehicul mai lent n micare este detectat
n fa, sistemul va ncetini vehiculul i va pstra o distan de siguran, ntre vehicul i
vehicul dinainte. n cazul n care sistemul detecteaz faptul c vehiculul respectiv nu mai este
n calea vehiculului, sistemul va accelera vehicul pentru a seta din nou viteza de croazier.
Aceast operaiune permite vehiculului s ncetineasc i s accelereze n mod autonom n
trafic fr nici o intervenie din partea conductorului auto.
Metoda prin care viteza vehiculului este controlat este prin intermediul controlului
motorului, al pedalei de acceleraie i operarea limitat a frnei . Pe baza acestor ipoteze,
putem determina n sisteme dinamice complexe, cum ar fi micarea autoturismelor c
exist anumite aciuni elementare efectuate de aceste obiecte i care pot fi exprimate
printr-o schimbare local a parametrilor, msurat ntr-o perioad nregistrabil. Acestea
sunt n mod normal percepute ca o schimbare foarte mic, dar semnificativ a unor valori
primite de la senzori, cum ar fi poziia, distana sau viteza .
Sarcina cea mai frecvent n procesul de conducere poate fi asociat cu meninerea unei
viteze aproximativ constante a vehiculului. Acest lucru este n mod normal asociat cu benzi de
circulaie libere i, uneori, cu un dispozitiv de croazier de control. O limit a vitezei este
impus i meninerea ei, de asemenea n timpul procesului de conducere. Scenariul sufer
modificri, n cazul urmririi unui vehicul. n scopul de a menine o distan de proximitate
15

K. I. Ahmed, Modeling drivers' acceleration and lane changing behavior, Ph.D.Thesis, Department of Civil
and Environmental Engineering, Massachusetts Institute of Technology, Cambridge, 1999.
.
16
N. Kuge, T. Yamamura, O. Shimoyama and A. Liu, A driver behavior recognition method based on a driver
model framework, SAE Technical Paper Series No. 200001034, 2000.
17
Audi AG,
Adaptive
Cruise Control,
http://www.audi.com/
audi/com/en2/tools/glossary/operation_comfort/adaptive_cruise_control.html, 2007.

sigur ntre vehicule, viteza trebuie s fie adaptat i, astfel, sczut. n cazul n care
conductorul auto decide s depeasc o main, o cretere de vitez va fi simit. n funcie
de mediul nconjurtor, dup o manevr de depire exist trei situaii posibile, continuarea
creterii vitezei pn la o valoare calibrat, frnare neted sau micare constant18.
Alte scenarii posibile sunt reprezentate de micri de genul pornire-oprire i
micarea oscilatorie. Cu toate acestea, aceste comportamente sunt influenate de gradul de
congestie al traficului rutier. ntr-o situaie de blocaj n trafic, rspunsul natural este
reprezentat de un scenariu pornire oprire, iar n unele segmente de drum, cu densiti
diferite un scenariu de micare oscilatorie este plauzibil. Alte scenarii posibile sunt
reprezentate de micri de genul pornire-oprire i micarea oscilatorie. Cu toate acestea, aceste
comportamente sunt influenate de gradul de congestie al traficului rutier. ntr-o situaie de
blocaj n trafic, rspunsul natural este reprezentat de un scenariu pornire oprire, iar n unele
segmente de drum, cu densiti diferite un scenariu de micare oscilatorie este plauzibil.
Traficul rutier aferent unui segment de drum reprezint un sistem complex, alctuit din
vehiculele participante. Pentru a nelege i analiza comportamentul conductorilor auto, i
pentru a realiza o predicie pe termen scurt a aciunilor acestora, o modelare i simulare a
sistemului este necesar. n funcie de numrul detaliilor prezente n aceste modele, acestea
pot fi mprite n urmtoarele nivele: macroscopice, mezoscopice i microscopice19 .
Un model de simulare al traficului reprezint schimbrile dinamice, n timp, ale
strilor traficului. Nivelul macroscopic de modelare a traficului poate fi asemnat cu apa care
traverseaz o conduct, n cadrul unui model mezoscopic sunt reprezentate vehiculele
individuale cu un comportament agregat, iar n cazul microscopic comportamentul i detaliile
individuale sunt punctele centrale ale modelului.
Nivelul macroscopic de modelare a traficului poate fi asemnat cu apa care traverseaz
o conduct, n cadrul unui model mezoscopic sunt reprezentate vehiculele individuale cu un
comportament agregat, iar n cazul microscopic comportamentul i detaliile individuale sunt
punctele centrale ale modelului.
O alt clasificare posibil a modelelor traficului este cea stocastic, determinist, i cea
orientat pe evenimente. Modelele stocastice surprind variaia n timpul de reacie, procesul
de a ajunge la destinaie, alegerea rutei. n urma fiecrei simulri rezultatele difer, datorit
18

G. Hegeman, SP Hoogendoorn, K. Brookhuis, Observations overtaking manoeuvres on bi-directional roads,

10th EWGT Meetingand 16th Mini-EURO Conference, Poznan, 13-16 September 2005.
19
W. Burghout, "Mesoscopic Simulation Models for Short-Term Prediction", Technical report, PREDIKT Project,
October 2005.

influenei variate a diverilor factori, ceea ce duce la necesitatea de a salva i replica

rezultatele. n cazul acestor modele, strile urmtoare nu pot fi determinate cu o mare precizie.
Modele deterministe au la baz legi fizice stabile, iar strile urmtoare pot fi
determinate cu mare precizie. Acest tip de model este impropriu pentru traficul rutier. n cazul
modelelor bazate pe evenimente sunt calculate schimbrile sistemului sub influena unor
factori sau declanrii unui anumit eveniment.
2.1.1. Nivelul Microscopic
Modele microscopice de simulare a traficului difer semnificativ fa de modelele
convenionale agregate de trafic. Acest lucru se datoreaz faptului c n loc de a modela
fluxurile de trafic, modelul microscopic simuleaz comportamentul tuturor vehiculelor
individuale din reea. Aceste modele permit luarea n considerare a unor fenomene
importante din trafic cum ar fi comportamentul conductorilor auto pe drumurile
aglomerate pn aproape de capacitatea lor maxim, interaciunea dintre vehiculele la
intersecii complexe, interaciunea dintre pietoni i trafic i ntre diferite categorii de
vehicule. n cadrul modelelor microscopice, sunt surprinse si cteva tipare
comportamentale, cum ar fi:
-urmrirea unei maini considerate lider descrie acceleraia, deceleraia i
pstrarea unei distane de siguran ntre maini; modelele de acest tip sunt stimul rspuns,
distana de siguran;
- schimbarea benzilor: decizia de a schimba benzile, distanele necesare, aciunea de
depire;
- ateptare / oprire : descrie comportamentul din intersecii, seciunile de jonciune a
benzilor.
n cazul folosirii unui model microscopic avantajele se reflect n determinarea unor
incidente, alegerea rutelor i rspunsul indivizilor la diveri stimuli.Cele mai populare modele
la nivel microscopic sunt reprezentate de ctre Cellular Automata i Sistemele Cognitive
MultiAgent.
Cellular Automata, sau un robot celular este o colecie de celule colorate
aparinnd unei reele ce are o form precis, i care evolueaz printr-o serie de pai
discrei de timp, n conformitate cu un set de reguli bazat pe starea celulelor vecine.
Regulile sunt apoi aplicate iterativ, ori de cate ori se dorete. Cellular Automata se poate

prezenta ntr-o varietate de forme i versiuni. Una dintre cele mai fundamentale proprieti a
unui astfel de robot mobil este tipul de reea la care este calculat. Cel mai simplu tip de
reea este cel unidimensional, avnd la baz doar o linie. Variaiunile pot include: dou
dimensiuni, forme ptratice, triunghiulare, sau hexagonale ale reelelor. Cellular Automata pot
fi, de asemenea, construite pe reelele carteziene de numere, avnd dimensiuni arbitrare,
numerele ntregi fiind cea mai comun alegere.
Numrul de culori (sau stri distincte) k pe care un robot celular trebuie s i le
asume trebuiesc specificate. Acest numr este de obicei un numr ntreg, cu k = 2 (binar) fiind
cea mai simpl alegere. Pentru un fiier binar automat, culoare 0 este numit alb, iar
culoarea 1 este numit negru. Cu toate acestea, celulare automata avnd un continuu gama de
valori posibile pot fi, de asemenea luate n considerare. n plus fa de reeaua aferent
robotului mobil, culorile sale i regulile de deplasare, cartierul n care celulele se pot afecta
reciproc trebuie s se precizeze, de asemenea. Cea mai simpl soluie este cel mai apropiat
vecin, n care numai celulele nvecinate direct unei anumite celule pot fi afectate, la fiecare
pas de timp.
Caracteristicile principale ale unei simulri microscopice sunt reprezentate de
urmtoarele aspecte20:

Necesit o reprezentare detaliat a geometriei reelei rutiere;

Emuleaz fluxurile de trafic individuale ale autovehiculelor cu diferite caracteristici

i le grupeaz n mai multe clase;

Actualizarea poziiilor vehiculelor din trafic, folosind reguli i modele, cum ar fi

cel al urmririi unui vehicul considerat ca fiind lider, reguli de schimbarea benzilor, i
inclusiv componente stocastice;

Reprezint n mod explicit strategiile de control.

2.1.2. Nivelul Mezoscopic

Modelele mezoscopice ntreptrund att nivelul macroscopic prin agregarea
componentelor ct i interaciunile individuale ale nivelului microscopic. Aceste modele descriu
participanii la trafic cu un nivel ridicat de detalii, dar i comportamentul i interactiunea sunt
descrise cu un nivel mai sczut de detalii.
Caracteristicile principale ale unei simulri microscopice sunt reprezentate de
20

Bazan, J., Peters, JF, Skowron, "A Behavioral pattern identification through rough set modelling", In
Proceedings of RSFDGrC'2005, LNAI 3641, Springer , Heidelberg, pp. 688-697, 2005.

urmtoarele aspecte21:
Utilizeaz un nod simplificat, sub forma unui link, ca modalitate de reprezentare a reelei;
Ofer o descriere aproximativ a traiectoriei vehiculelor i a legturilor dintre ele sub forma unor
link-uri;

Modele de legtur dinamic, i care mpart un link n dou pri: partea de rulare, n

care vehiculele nu sunt nc ntrziate i aezate n coad n aval de nod, i partea de coad
efectiv, n care nodurile sunt modelate de ctre

Vehicule care cltoresc mpreun n timp, dependent de trasee, de la origini pn la

destinaii.
2.14.3. Nivelul Macroscopic
Nivelul macroscopic de modelare prezint segmentul de trafic in discuie sub forma unui
sistem constituit din agregarea participanilor. Nivelul macroscopic de simulare a traficului
are la baz un model, care discut despre relaiile dintre principalii parametrii ai fluxului de
trafic: viteza, debitul i densitatea. Variabilele care reflect modelul macroscopic de trafic
pot fi calculate pentru fiecare locaie, n orice moment, n timp i pentru fiecare interval de
msurare. n practic, de cele mai multe ori se folosesc detectoare de trafic care msoar
debitul i viteza peste un anumit interval de timp. n cazul n care se dorete s se calculeze
viteza medie pentru un interval de timp, trebuiesc vitezele armonice individuale. Atunci cnd
intervale de timp depesc durata de cinci minute, anumite caracteristici dinamice sunt
pierdute.
n mod curent pentru determinarea unui model matematic la nivel macroscopic, se fac
analogii cu fenomene i legi fizice cunoscute att din teoria cinetic a gazelor ct i din dinamica
fluidelor, obinndu-se ecuaii difereniale care vor descrie relaiile din trafic22 . La nivel de
simulare i modelare macrscopic a traficului, modelul METANET 23 reprezint referina pentru
muli cercettori. El se bazeaz pe anumite similitudini cu legea cinetic a gazelor (are la baz
ecuaii care s coreleze densitatea traficului cu viteza de rulare).
Modelul macroscopic prezint un avantaj prin faptul c datele necesare pentru astfel
de modele cum ar fi densitatea de trafic i vitezele se afla la acelai nivel de agregare ca datele
21

Online Microscopic Traffic Simulation Supports Real-time Traffic-management Strategies, By J. Barcel, M.

Delgado, G. Funes, D. Garca, J. Perarnau, and A. Torday, SIAM News, Volume 40, Number 9, November 2007.
22
W. Burghout, "Mesoscopic Simulation Models for Short-Term Prediction", Technical report, PREDIKT Project,
October 2005.
23
A. Messmer and M. Papageorgiou, METANET: A macroscopic simulation program for motorway networks,
Traffic Engineering and Control, no. 31, 466-470, 1990.

furnizate prin msurtorile primite de la dispozitivele de agregare . n timp ce modele

macroscopice au abilitatea de a simula reele mari n mod eficient, n general le lipsesc detaliile
individuale. Din aceast cauz modelarea rspunsului la diverse incidente este mai greu de
realizat.

2.52. Instrumente matematice de predicie

Supravegherea traficului reprezint o activitate complex din cauza non-liniaritii
fluxului de vehicule i a numeroaselor interaciuni dintre ele i, de asemenea, a complexitii
computaionale i a necesitii timpului real de reacie. Multe metode de supraveghere video se
bazeaz pe tehnicile predictive folosite pentru estimarea unei stri necunoscute dinamice i care,
de obicei, provin dintr-o colecie de observaii secveniale i non-liniar, afectate de zgomote.
Abordrile stocastice adesea se reduc la o problem de estimare, o estimare a strii pentru o
perioad de timp a unei serii de stri spaiu-model. Cele mai multe tehnici de investigaii n cazul
non-liniar / non-Gaussian modele sunt bazate pe metoda Monte Carlo, i sunt cunoscute sub
numele de filtre cu particule. Supravegherea traficului reprezint o activitate complex din cauza
non-liniaritii fluxului de vehicule i a numeroaselor interaciuni dintre ele i, de
asemenea, a complexitii computaionale i a necesitii timpului real de reacie. Multe
metode de supraveghere video se bazeaz pe tehnicile predictive folosite pentru estimarea unei
stri necunoscute dinamice i care, de obicei, provin dintr-o colecie de observaii secveniale i
non-liniar, afectate de zgomote. Abordrile stocastice adesea se reduc la o problem de
estimare, o estimare a strii pentru o perioad de timp a unei serii de stri spaiu-model.
Cele mai multe tehnici de investigaii n cazul non-liniar / non-Gaussian modele sunt bazate
pe metoda Monte Carlo, i sunt cunoscute sub numele de filtre cu particule.
Termenul de particule desemneaz densitatea de probabilitate aplicabil pentru orice
model de spaiu i stare i, astfel, reprezentnd o generalizare a tradiionalului filtru Kalman.
Un pas important n abordrile estimative Bayesiene dinamice este de a construi funcia de
probabilitate a densitii posterioar PDF24 .
Pentru a analiza i a face deducie asupra unui sistem dinamic de cel puin dou
modele sunt necesare. n primul rnd un model care descrie evoluia strilor, n timp,
(modelul sistemului) i n al doilea rnd, un model cu privire la zgomotele ce nsoesc
24

F. Wood, Particle Filtering a brief introductory tutorial, Gatsby, August 2007.

msurtorile (model de msurare).

Filtrul urmeaz n principal dou etape. Acestea sunt cea de predicie i cea de
actualizare. Etapa de predicie utilizeaz modelul sistemului i PDF anterioar pentru a
determina noua valoarea i de a transmite strile de la un interval de timp la altul.
Deoarece starea este, de obicei, influenat de ctre observaii, care i ele la rndul lor sunt
tulburate i modelate aleator de ctre zgomot, impactul se reflect n general n deformarea i
denaturarea funciei de densitate de probabilitate fa de forma anterioar. Operaia de
actualizare utilizeaz cele mai recente msurtori pentru a modifica funcia de predicie
(PDF) . ntr-adevr, un filtru de particule reprezint o tehnic de punere n aplicare recursiv a
filtrelor bayesiene printr-o metod Monte Carlo de prelevare de probe.
Dup cum este descris de ctre Mihaylova n25 , fluxul de trafic pe autostrad este
reprezentat de un model multi-particul cu caracter non-liniar. Aceasta include, de asemenea,
interaciuni complexe ntre vehicule, cum ar fi blocajele de circulaie, valurile de pornire
oprire i multe altele. Mai multe configuraii de filtrare pot fi folosite pentru a procesa
informaiile provenind de la senzori ntr-o operaiune de estimare a fluxului de trafic. Cele
mai multe i comune abordri sunt bazate pe metodele stocastice de filtrare. O comparaie ntre
filtrul Kalman i filtrul Kalman unscented, pentru estimarea strii i a diverilor parametrii
pentru diferite configuraii de detector 26 poate evidenia particularitile i releva avantajele
utilizrii lor. Performana e comparabil, atunci cnd se utilizeaz un filtru extins Kalman
sau un filtru Kalman unscented. O alt concluzie este c un grup de filtrare efectueaz n mod
semnificativ o mai bun estimare dect o aplicare dubl a unui algoritm de filtrare. Cu
toate acestea, aceasta nu are nici o influen semnificativ asupra parametrului estimat
eroare. Un filtru cu particule este soluia care a fost propus de R. Boel, M. Mihaylova pentru
a modela traficul pe autostrad, cu ajutorul strilor i variabilelor agregate membre27 n .
Actualizarea particulelor se face n mod regulat sau neregulat la diverse intervale de timp,
atunci cnd informaiile din msurtori vor fi disponibile.

25

R. Boel, M. Mihaylova, Modelling freeway networks by hybrid stochastic models, In Proceedings of the
IEEE Intelligent Vehicle Symposium, Parma, Italy, pp. 182-187, 2004.
26
G. M. Hoffmann, C. J. Tomlin , Decentralized information-seeking control for mobile sensor networks, The
43rd IEEE Conference on Decision and Control, December 2004.
27
R. Boel, M. Mihaylova, A particle filter for freeway traffic estimation, 43rd IEEE Conference on Decision
and Control, Atlantis, Paradise Island, Bahamas, 2004.

Figura nr 9 Model multi-particul cu caracter non-liniar

Multe sisteme de urmrire a traficului utilizeaz reele de camer video. Avnd n
vedere rezoluia limitat i calitatea lentilelor un aparat fotovideo digital, acest aspect
predispune la erori. O modalitate de a corecta aceste erori este de predicie a urmtoarei
poziii a mainii. Este interesant 28o comparaie ntre filtrele Kalman i filtre cu particule ntro aplicaie cu urmrire de vehicule. Filtrele Kalman sunt considerate a fi o soluie optim n
cazul unor restricii ca liniaritatea sistemului de ecuaii care descriu sistemul, procesele albe
Gaussiene i zgomotele care nsoesc msurtorile. n cazul filtrului cu particule cerinele
sunt mult mai puin stricte n ciuda producerii doar a unui set de vectori de stri suboptimale.
Un model despre modul n care vehiculele simt lumea nconjurtoare i despre procesul de
informare i de cuantificare a informaiilor disponibile a fost realizat de F. Gustafsson

29

Aproximarea funciilor de maximizare a informaiilor din reea pentru a fi scalabile,

presupune cooperare la nivel global. Cele dou metode pentru a calcula informaii sunt
printr-un schimb reciproc cu un singur nod din apropiere i prin schimb mutual cu toate
nodurile din imediata vecintate. Prima dintre ele se bazeaz pe o caracteristic
emergent de comportament. Cea de-a doua, bazat pe cooperare direct, este mult mai
exact, dar presupune un calcul intensiv. Acestea sunt combinate cu un filtru cu particule
pentru rezultate optime.
Poziionarea, n cazul n care chiar propria poziie este cea care urmeaz a fi
estimat este o alt aplicaie a filtrului cu particule. Aceasta reprezint o problem de
filtrare, mai degrab dect o problem de estimare static, atunci cnd un sistem de
28

G. M. Hoffmann, C. J. Tomlin , Decentralized information-seeking control for mobile sensor networks, The
43rd IEEE Conference on Decision and Control, December 2004.
29
F. Gustafsson, F. Gunnarsson, N. Bergman, U. Forssell, J. Jansson, R. Karlsson, P.- J. Nordlund, Particle filters
for positioning, navigation and tracking, IEEE Transactions on Signal Processing, vol. 50, no. 2, February 2002.

navigaie inerial este folosit pentru a furniza msurtori despre un corp aflat n micare. O alt
problem este navigaia, n cazul n care, pe lng poziie de asemenea, viteza, altitudinea
i direcia, i acceleraia unghiular sunt incluse n problema supus filtrrii. Bergman prezint
modul de urmrirea a unei inte, n cazul n care poziia unui alt obiect este estimat pe
baza msurtorilor de unor poziii i stri relative30. Pentru un numr mic de observaii, n
problematica urmririi unei inte, o ameliorare a filtrului de particule a fost propus cu
ajutorul unui algoritm modificat LS-NIPS, (Local Sampling N-Interacting Particle System
N-IPS) 31. Aceasta se face cu ajutorul unui operator de cutare non-trivial local, cu rolul de a
mbunti predicia. La fiecare pas, previziunile au fost rafinate ntr-o procedur de cutare
local care utilizeaz cele mai recente date observate. Aceast soluie ar fi trebui s fie optim
n cazul n care se aplic un numr mic de particule.
O alt abordare, care are unele puncte comune cu algoritmul prezentat n aceast
lucrare este propus n32 . Aici, autorii folosit un filtru hibrid Monte Carlo pentru a analiza
cu ajutorul distribuiei posterioare o aplicaie pentru urmrirea unor persoane. Mai degrab
dect atribuirea unei ponderi fiecrei particule bazat pe funcia de asemnare de risc, fiecare
particul a produs un lan Markov de la proba posterioar, folosind estimri ale gradientului
de distribuie.
Filtrul Kalman Extins (EKF)33 este o alt metod comun n aplicaiile bazate pe urmrirea
video. Dezavantajele prezentate de aceast metod se refer la complexitatea algoritmului care
crete cu numrul de msurtori. De asemenea, ele sunt foarte sensibile la zgomotul
parametrilor considerai. Prin urmare, aceast metod ateapt o estimare rezonabil iniial a
variabilelor de stare. n contrast, filtrul cu particule poate porni de la o distribuie uniform, dar
au performan slab, cu privire la dimensionarea vectorului de stare. n cazul n care
condiiile iniiale de aplicare sunt specificate n mod corect printr-o distribuie anterioara,
se poate garanta o convergen rapid atunci cnd se utilizeaz o abordare bazat pe
particule de filtrare. O soluie hibrid a fost propus de Freitas
30

34

pentru a mbunti

F. Gustafsson, F. Gunnarsson, N. Bergman, U. Forssell, J. Jansson, R. Karlsson, P.- J. Nordlund, Particle filters
for positioning, navigation and tracking, IEEE Transactions on Signal Processing, vol. 50, no. 2, February 2002.
31
P. Torma, C. Szepesvari LP-N-IPS: An improvement of particle filters by means of a local search, The 5th
IFAC Symposium on Non-linear Control Systems, pp. 715 719, 2001.
32
K. Choo, D.J. Fleet, People tracking using hybrid Monte Carlo filtering, IEEE International Conference on
Computer Vision, Vancouver, pp. 321328, 2001.
33
A. Davison, Real-time simultaneous localization and mapping with a single
camera, the IEEE Int. Conference on Computer Vision, ICCV03, 2003.
34
J. F. G. de Freitas, Bayesian methods for neural networks, PhD. Thesis, Department of Engineering,
Cambridge
University,
http://www.cs.ubc.ca/
nando/publications.html, 1998.

convergena de filtrelor cu particule. Aceast abordare genereaz ntr-o prim faz

particule n mod identic ca i pentru cazul convenional. Apoi ncearc s se mute mai
aproape particule de valoarea anterioar printr-o distribuie generat de un pas EKF.
Aceast strategie a fost aplicat cu succes n antrenarea reelelor neuronale, dar
dezavantajul este c trebuie s respecte condiiile filtrului Kalman cu privire la distribuia
zgomotului. ntr-un algoritm propus recent o metoda de cutare bazat pe media Shift
ntrun cadru de filtrare cu particule i o int de reprezentare, care utilizeaz mai multe
semisuprapuneri a histogramei culorilor, a fost propus de E. Maggio,i A. Cavallaro 35 .
n cazul n care condiiile iniiale de aplicare sunt specificate n mod corect printr-o
distribuie anterioara, se poate garanta o convergen rapid atunci cnd se utilizeaz o
abordare bazat pe particule de filtrare. O soluie hibrid a fost propus n

36

[29] pentru a

mbunti convergena de filtrelor cu particule. Aceast abordare genereaz ntr-o prim faz
particule n mod identic ca i pentru cazul convenional. Apoi ncearc s se mute mai aproape
particule de valoarea anterioar printr-o distribuie generat de un pas EKF. Aceast
strategie a fost aplicat cu succes n antrenarea reelelor neuronale, dar dezavantajul este
c trebuie s respecte condiiile filtrului Kalman cu privire la distribuia zgomotului. ntr-un
algoritm propus recent o metoda de cutare bazat pe media Shift ntrun cadru de filtrare cu
particule i o int de reprezentare, care utilizeaz mai multe semisuprapuneri a histogramei
culorilor, a fost propus n37 [30].
O combinaie ntre filtrul Monte Carlo i lanurile Markov este prezentat n
literatur ca MCMC (Monte Carlo Markov Chain) 38 [31]. Iniial o prim stare

Xx0 esteo

este

prelevat n conformitate cu o densitate propus, care poate fi Gaussian, caz n care

reprezint i covariana mostrelor Monte Carlo calculate la ultimul pas. Vectorii de stare
subsecveni sunt, apoi, prelevai prin intermediul funciei de stare pas cu pas. Metodele
MCMC permit aproximri a unor dimensiuni mari folosind distribuii de probabilitate ale unor
mostre considerate etalon. Prin utilizarea acestei metode, se pot utiliza mediile acestor
probe pentru a calcula mai multe cantiti de interes. Aceste eantioane pot fi, de asemenea,
folosite pentru a calcula estimri statistice, cum ar fi regiunile cu un grad ridicat de
35

E. Maggio, A. Cavallaro, Accurate appearance-based Bayesian tracking for maneuvering targets, Computer
Vision and Image Understanding, vol. 113, issue 4, pp 544-555, 2009.
36
J. F. G. de Freitas, Bayesian methods for neural networks, PhD. Thesis, Department of Engineering,
Cambridge University,
http://www.cs.ubc.ca/nando/publications.html, 1998.
37
E. Maggio, A. Cavallaro, Accurate appearance-based Bayesian tracking for maneuvering targets, Computer
Vision and Image Understanding, vol. 113, issue 4, pp 544-555, 2009.
38
C. P. Robert, G. Casella, Monte Carlo statistical methods, Springer Verlag, Berlin, 1999.

probabilitate, sau n care diferenele sunt mai evideniate. Aceasta metoda reprezint un algoritm
de puternic, avnd importan n prelevarea probelor, i cu beneficii n reducerea problemelor
asociate cu filtrele secveniale Monte Carlo. Pentru anumite modele, totui,metoda MCMC
poate s nu fie optim, deoarece un numr mare de iteraii ar fi necesare pentru a atinge
densitatea de distribuie dorit 39.
n cazul folosirii unor instrumente matematice de predicie i corecie muli
algoritmi sunt cei bazai pe structuri bayesine. Avantajul folosirii acestora este acela c se
bazeaz pe strile anterioare ale sistemului provenite din observaiile anterioare), iar etapa de
predicie este corectat de observaiile din pasul actual. Studiile din domeniu, au demonstrat
faptul c filtrele Kalman, nu sunt cele mai adecvate instrumente din domeniu deoarece ce nu se
preteaz dect unor modele cu distribuie liniar.
mbuntirea n acest sens este realizat de ctre filtrele cu particule, algoritmi
capabili de a rspunde n mod performant sistemelor cu aproape orice tip de distribuie. De
asemenea un alt punct forte al acestor algoritmi l reprezint faptul c pe lng capacitatea de
predicie pot s aib i o capacitate de corecie a observaiilor, observaii care de cele mai
multe ori pe lng informaiile utile conin i zgomote. n domeniul filtrelor cu particule
aplicate n gestionarea traficului rutier importante cercetri au fost efectuate de ctre Mila
Mihaylova (et all), n special n sensul mbuntirii filtrelor (Unscented filters, operaii cu
intervale), ncercri de implementare a filtrelor distribuite, pentru reducerea overheadului de
comunicatie (M. Coates), implementarea unor tool-uri probabilistice pentru managementul
traficului (e tema propus spre cercetare de ctre T. Singliar), a implementrii filtrelor cu
particule i a altor metode bayesiene capabile s opereze n timp real.
n tabelul numrul 41 sunt prezentate succint variaiunile filtrului cu particule
pornind de la survey-ul40 .Au fost amintii aici cei mai reprezentativi algoritmi derivai din
filtru de particule general. Muli din aceti algoritmi sufer la rndul lor mai multe variante.
Spre exemplu algoritmul SIR poate fi implementat sub mai multe forme, unul din artificii fiind
folosirea unei valori de prag pentru selecia particulelor. n urma acestei selecii, o posibilitate
ar fi varierea ponderilor cu o valoare stratificat, aflat n direct legtur cu valoarea de prag.
n anumite aplicaii n care un anumit tipar (tranziie de stri) se repeta, SIS poate
reprezenta soluia optim, datorit creterii importanei setului de particule asociat strii reale,
39

C. Andrieu, PM Djuric, and A. Doucet, Model selection by Markov chain Monte Carlo computations, Signal
Processing, pp. 1937, 2001.
40
[33] S. Arunlampalam, S. Maskell, N. Gordon, T. Clapp, A tutorial on Particle filters
for On-line Non-Linear/ Non-Gaussian Bayesian Tracking, IEEE Transactions on Signal Processing, 2002.

surprins de acest tipar.

Denumire
Sequential

Descriere
Propagare i calcul

Comentarii
- problema major: fenomenul de

Importance

recursiv al ponderilor pe

degenerare: anumite particule sunt

Sampling (SIS)

msura ce observaiile

privilegiate, restul vor avea o pondere

provenite din msurtori

nesemnificativ

sunt primite

un efort computaional ridicat pentru

calcularea unor valori care vor contribui la

rezultatul final cu valori apropiate de zero;
- alegerea adecvat a funciei densitii de
probabilitate, astfel nct s fie minimizat
- se regenereaz
la fiecare
pas particulele,
bazat
variaia
ponderilor;
[33]
pe valoarea ponderii lor, ducnd la creterea
probabilitii;
- algoritmul SIR poate fi uor derivat din
SIS printr-o alegere adecvat a importanei,
i prin pasul de regenerare, care urmeaz s
fie aplicat fiecrui interval de timp;

Eliminarea particulelor
care au pondere mic i
concentrarea asupra celor
Resample
care au ponderi mai mari,
Importance
n acest fel vor fi
Sampling (RIS)
preponderent folosite
particulele care vor avea
cele mai mari probabiliti.

- varianta de mbuntire a acestui

algoritm este dat de ctre "Auxiliary
Sampling Importance Resampling Filter
(ASIR)" : regenerare cu ponderi egale,
ceea ce ar putea conduce la obinerea
unei stri mult mai apropiate de starea
real;

- rezultate slabe n cazul unui numr sczut

de particule, datorita regenerrii particulelor
cu o pondere mai mare, anumite stri pot
deveni privilegiate;
- Metodele MCMC reprezint o mbuntire
a acestui tip de particule
Likelyhood
Particle Filter

Densitatea de importan

- Produce rezultate superioare metodelor

este dat de funcia de

de estimare a densitii de importan

asemnare.

bazate pe calculul
posterior al acestei
valorii.

Tabelul 41. Scurt prezentare comparativ a variaiilor filtrului cu particule

i n cadrul implementrii distribuite a filtrelor cu particule avem de-a face cu mai
multe variaii. Cele mai populare abordri sunt sintetizate n tabelul numrul 2.
Principalele probleme care intervin n plus n cazul folosirii unui algoritm distribuit sunt date
de ctre: timpul de execuie (pentru aceast aplicaie este nevoie de un timp real de rspuns),
puterea de calcul i acurateea rezultatelor (n cazul folosirii unor sisteme bazate pe senzori
wireless resursele sunt limitate att din punct de vedere al energiei ct i al complexitii
calculelor) i nu n ultimul rnd de scalabilitatea sistemului. n multe aplicaii bazate pe filtre
cu particule care necesit n timp real de execuie, informaiile primite de la senzori ajung la o
rat semnificativ mai mare dect rata de actualizare a filtrului.
n multe aplicaii bazate pe filtre cu particule care necesit n timp real de execuie,
informaiile primite de la senzori ajung la o rat semnificativ mai mare dect rata de
actualizare a filtrului. Abordarea cea mai rspndit n cazul acestor situaii este de a
actualiza filtru de particule ct mai des posibil i renunarea la acele informaii venite de la
senzor, care nu pot fi procesate n timp util. O alt posibilitate este aceea de a mixa seturile de
prob pentru constituirea unui singure valori posterioare trimise filtrului n momentul n care se
face actualizarea informaiei. Ponderile componentelor mixului sunt stabilite n aa fel nct
s reduc la minimum eroarea introdus de aceast reprezentare. Acest lucru se face cu
ajutorul RTPF (Real Time Particle Filter) 41 [34], o metod n cazul n care sunt luate n
considerare toate msurtorile provenite de la senzori prin distribuirea de eantioane printre
observaiile sale ntr-o fereastr de actualizare.
41

[34]

C. Kwok, D. Fox, M. Meila, Real-time Particle Filters, Proceedings of the IEEE, vol. 92, March 2004.

Denumire
Implementarea liniar

Descriere
Un singur nod care s preia informaia i s efectueze calculele.

Distribuite, cu nod central deNodul central are rol de a prelua si agrega datele, ct i de a
calcul
efectua calculele
Distribuite, fr nod centralLipsa unui nod central ncearc s reduc comunicaia excesiv
de calcul

din cadrul reelei, prin limitarea schimbului de informaii doar

cu nodurile vecine. [35]
Tabelul 52 Modaliti de implementare a filtrelor cu particule

2.36. Rezultate preliminare. Posibiliti de abordare

Pentru demararea acest ui pr oiect de cercetare am pornit de la un model
microscopic i am ncercat s implementez un algoritm predictiv capabil s estimeze o
succesiune de parametrii cum ar fi poziia i viteza unui vehicul, bazat pe date citite din
observaiile unor camere video. Acest algoritm s-a transpus ntr-un filtru cu particule.
Pentru implementarea algoritmului s-a utilizat un model de camer de
supraveghere cu o eroare de distribuie cunoscut. Pentru demararea acestei lucrri de licen
am pornit de la un model microscopic i am ncercat s implementez un algoritm predictiv
capabil s estimeze o succesiune de parametrii cum ar fi poziia i viteza unui vehicul, bazat pe
date citite din observaiile unor camere video. Pentru implementarea algoritmului s-a utilizat un
model de camer de supraveghere cu o eroare de distribuie cunoscut. Acest algoritm s-a
transpus ntr-un filtru cu particule.De asemenea, pentru a obine eroarea absolut a poziiei
mainii s-a utilizat un dispozitiv de nalt definiie, care va reda poziia real a mainii aa
cum se prezint n Fig 1. Aceast eroare joac un rol important n calibrarea aparatului de
supraveghere. Pe baza poziiei calculate din imaginile de la aparatul video i determinarea
erorii relative putem apoi calibra camerele de supraveghere. Acest lucru duce la reducerea
valorii erorii.

Figura 10. Un aparat de nalt rezoluie ofer poziia real a vehiculului. Eroarea introdus
de ctre camera de supraveghere cu rat sczut de finite se reflect prin =abaterea de la
poziia real a vehiculelor.
Proiectarea unui filtru cu particule poate rezolva problema erorii introduse de ctre
camerele video. Soluia propus consider prelucrarea unor informaii ascunse cum ar fi
variaia acceleraiei, pentru a reflecta mai bine comportamentul oferului. Eficiena i
precizia unui filtru de particule depinde n principal pe doi factori-cheie. Acetia sunt numr
de particule utilizate pentru a estima partea posterioar de distribuie i funcia de rspndire
folosit pentru a re-aloca aceste particule pe tot parcursul tuturor iteraiilor.
Pentru o mai bun nelegere a algoritmului propus voi descrie succint cteva
consideraii teoretice. Un filtru cu particule este un instrument util pentru a efectua
estimri de stri dinamice prin deducie Bayesian. Acesta ofer o mare eficien i o
flexibilitate extrem n aproximarea oricrei funcionaliti non-liniare. Ideea cheie este de a
reprezenta partea posterioar de distribuie a strilor date o succesiune de msurtori de

la senzori i de a le re-aloca n mod constant sub form de noi informaii pentru a actualiza
estimarea strii sistemului.
Problema urmririi poate fi privit din perspectiva Bayesian ca o chestiune de estimare
a unui anumit grad de ncredere a unei stri xt a unui obiect la momentul t i la un anumit pas dat
o serie de observaii z1: t. Filtrarea recursiva Bayesian calculeaz o densitate posterioar
care poate fi scris folosind regulile Bayes ca:
(1)
n scopul de a construi un filtru de particule, se presupune c distribuia posterioar de la
pasul precedent de filtrare p(xt-1 | z1: t-1) este disponibil i se poate folosi pentru a construi prin
predicie o densitate apriori pornind de la pasul curent de filtrare.
Aceasta se face prin aplicarea unei presupuneri Markov 42 [32], densitii anterioare, care
devine densitate posterioar propagat de la pasul anterior, folosind un timp de tranziie
(model dinamic):

Aceast valoare a probabilitii este folosit n urmtorii pai pentru a face predicii. Algoritmul
general de filtru de particule trece prin urmtoarele etape:

Figura 112. Pseudocod pentru algoritmul SIR generic

Modelele de predicie a comportamentului unui obiect complex se bazeaz pe
cunotinele acumulate n timp i utilizate pentru a stoca informaii despre schimbrile
42

[32] C. Andrieu, PM Djuric, and A. Doucet, Model selection by Markov chain Monte Carlo computations,
Signal Processing, pp. 1937, 2001.

relevante ale parametrilor sau posibilitatea schimbrii acestora n viitor. Aceast informaie
este, de obicei, reprezentat ca un set de date i trebuie s fie colectate pe termen lung ntro
activitate de observare a unui sistem complex dinamic.
Filtrul de particule reprezint un instrument puternic, bazat pe deducie Bayesian, care se
folosete de distribuia posterioar a strilor date ca secven de msurtori de la senzori i le
realoc n mod constant ca noi informaii primite n scopul de a actualiza dinamic estimarea
strii sistemului. n prelucrarea statistic a semnalului, entitile-cheie sunt reprezentate de
distribuia de probabilitate, care sunt cuprinse n distribuia posterioar a strii necunoscute, i
o medie posterioar.
Datorit interaciunii lor, particule sunt dependente din punct de vedere statistic. n
consecin, rezultatele de convergen clasice privind metodele de Monte Carlo, bazate pe
ipoteze independente i identic distribuite, nu sunt aplicabile. Avnd n vedere acest lucru, o
int pentru optimizarea aplicrii filtrului de particule este reprezentat de faptul c variaia
vectorului erorii totale a observaiilor este n concordan cu rezultatul i c varianei
estimatorului filtru de particule este independent de dimensiunea de stri43 . n cazul n care se
aplica metoda MCMC, ideea este de a folosi observaii i pentru a genera mostre din distribuia
posterior sau funcia probabilitatea de interese i a le folosi pentru a extrage informaii relevante,
deoarece toate informaiile cunoscute sunt pstrate de ctre densitile lor posteriore sau
funciile de asemnare. Astfel, eantioanele cu valori mai mari ale densiti posteriore pot fi
folosite pentru deducie i pentru calculele viitoare, deoarece acestea aproximeaz cel mai
bine situaia necunoscut.
Algoritmul propus este proiectat pentru a corecta erorile sistematice provenite de la
senzori video n aplicaii de urmrire a traficului. Spre deosebire de soluiile clasice, avem n
vedere unele informaii ascunse cum ar fi variaia acceleraiei, pentru a reflecta mai bine
comportamentul conductorului auto.
Modificri relevante din comportamentul oferului ntre dou intervale de timp luate n
considerare sunt considerate a fi tranziii n spaiul strilor. Am notat tranziia ntre o
scdere mai mare de vitez n intervalul considerat ca fiind starea - -, o ncetinire mai
mic a vehiculului este atribuit strii -, viteza aproximativ constant este asociat cu
0, o accelerare uoar prin + , i ultima, o cretere mare a vitezei este de reprezentat prin
++.
43

D. Crisan and A. Doucet, A survey of convergence results on particle filtering methods for practitioners, IEEE
Trans. SignalProcess , vol. 50, no. 3, pp. 736746, March 2002.

Figura 122. Tranziii posibile ntre stri asociate

Avnd n vedere legea fizic de micare, n fig. 2 sunt descrise posibilele tranziii ntre strile
asociate. De fiecare dat, sunt considerate tranziiile ntre ultima stare a sistemului i cea
actual, bazat pe observaii, i estimri anterioare. Folosind aceast tranziie de stri n
implementarea salturilor n lanurile Markov, o matrice de densiti de probabilitate (PDM)
(1) este generat.
(1)

Matricea de densiti de probabilitate

Deoarece avem de a face cu un lan Markov normal condiia ca

(3)
este ndeplinit. Determinarea strii urmtoare posibil a mainii poate fi privit din punct

de vedere Bayesian ca o problem de estimare a unui anumit grad de probabilitate a strii x t a

unui obiect la un moment de timp t, avnd la dispoziie o secven de observaii z1: T.
Filtrarea Bayesian recursiv calculeaz o densitate posterioar, care poate fi scris sub
forma:
p ( x | z t+1 ) p ( z t+1 | x t+ 1 ) p ( x t+1 )
t+1

(4)

n scopul de a construi PDM, presupunem c distribuia posterioar de la pasul anterior de

filtrare p(x t-1 | z 1:t1 ) este disponibil i o putem folosi pentru predicie. Acest lucru se realizeaz
prin aplicarea unei prezumii Markov44 [8], asupra densitii prealabile, care devine densitate
posterioar provenind din pasul de timp anterior utiliznd o densitate de tranziie (model
dinamic):

(53)
Valoarea aproximat a distribuiei anterioare este dat de formula (54)

(64)
Unde

reprezint valoarea densitii de probabilitate, provenit din PDM al

modelului dinamic Markov. Filtru cu particule, n varianta SIR se bazeaz n general pe

urmtoarele trei operaii: generarea de noi particule (prelevarea probelor din spaiul de stri
neobservate), calculul ponderilor asociate particulelor i resampling ( procesul de ndeprtare
a particulelor cu ponderi mici i nlocuirea lor cu particule cu ponderi mai mari)45.
Pentru a crete viteza filtrului cu particule, modificri algoritmice sunt necesare.
Principalele provocri pentru creterea vitezei implic reducerea numrului de operaiuni ce
presupun concuren i exploatarea operaional ntre generarea de particule i paii de calcul ai
ponderilor asociate particulelor. Operaiunea de resampling nu este intensiv din punct de
vedere computaional, sunt posibile modificri n algoritm care vor duce la creterea vitezei
prin suprapunerea acestei operaii cu generarea de particule 46 [40]. n aceast abordare am
44

Deflt University of Technology, Overtaking Assistant Could Help Prevent Many Traffic-related
Deaths.
ScienceDaily, www.sciencedaily.com/releases/2008/02/080226092749.htm, February 2008.
45
http://www.sciencedaily.com/releases/2008/02/080226092749.htm, February 2008.
46
M. Bolic, P. M. Djuric, and S. Hong, Resampling Algorithms for Particle Filters: A Computational Complexity
Perspective, EURASIP Journal of Applied Signal Processing,

pstrat primele dou etape, cele mai scumpe din punct de vedere computaional. Folosind un
lan Markov regulat, PDF va reflecta de observaiile, iar suma probabilitilor pe linie trebuie
s fie egal cu 1. De asemenea, am considerat c etapa de regenerare a particulelor, n
combinaie cu lanuri Markov, nu se va reflecta ntr-o reducere semnificativ a erorii.
n aceast abordare am pstrat primele dou etape, cele mai scumpe din punct de
vedere computaional. Folosind un lan Markov regulat, PDF va reflecta de observaiile, iar suma
probabilitilor pe linie trebuie s fie egal cu 1. De asemenea, am considerat c etapa de
regenerare a particulelor, n combinaie cu lanuri Markov, nu se va reflecta ntr-o reducere
semnificativ a erorii.

Un pseudocod al algoritmului implementat este prezentat In continuare.

Paii de iniializare
(1)

Crearea unui set iniial de particule cu valori aleatoare ale poziiilor n intervalul de +/-

1 % din valoarea citit de la aparatul de supravghere

(2)

Genereaz xi 0 ~ i; i = 1..N Fiecare etalon sin spaiul vectorilor este referit ca fiind o

particul;
Asigneaz fiecrei particule ponderi egale (1/N), wi = 1/N (distribuie uniform)
Paii de iteraie
Pentru fiecare component, executa:
Updateaz msurtorile provenite de la camera de supraveghere i,pe baza strii
anterioare a sistemului updatez si valorile din PDM.
Pastreaz propietile lanurilor Marvov regulate.
Calculeaz ponderile particulelor sub form de produs ntre valoarea anterioar i valoarea
asociat tranzitiei, citit din PDM.
Estimeaz positia reala a mainii ca medie ponderat a valorilor date de ctre particule.
Calculeaz eroarea filtrului.

Figura 13. Algoritmul implementat n cadrul simulrilor

Fig 3. Algoritmul implementat n cadrul simulrilor

42.2..41.

Rezultate preliminare. Experimente

Setul de teste efectuate pentru acest algoritm se bazeaz pe simularea tiparelor de

conducere, prin intermediul unui simulator de trafic Java. Acest simulator este capabil s
gestioneze mai multe tipare de comportament al conductorilor auto, cum ar fi micarea
liber constant, accelerare uoar pn la o limit dat de o valoare de calibrare
combinat cu o micare constant, n acest caz este considerat inclusiv o accelerare
negativ (decelerare pn la o limit impus n scopul de a urmri un vehicul din trafic), i
comportament oscilator n limita a dou valori cunoscute de vitez. Acesta a fost conceput
pentru a gestiona mai multe distribuii de automobile, cum ar fi liniar, Gaussian sau
aleatoare. Eroarea maxim a aparatului de supraveghere se nscrie ntr-o raz de 1 m. Este

cunoscut faptul c, atunci cnd sunt puse n aplicare n mod eficient, filtrele de particule
presupun un cost de calcul proporional cu

numrul de particule47 ,48[38], [39], aadar, am luat n considerare acest aspect pentru a varia
numrul de particule, i pentru a vedea influena acestui factor n determinarea valorii erorii
absolut i relativ. n urma acestor experimente, am hotrt efectuarea celor mai multe
dintre experimente cu cinci sute de particule pentru a asigura un efort computaional rezonabil.
n urmtoarele figuri sunt prezentate valorilor experimentale pentru diverse tipare de
comportament al oferilor.

Figura 145. Variaia erorii n cazul unui tipar ce presupune o cretere a vitezei

47

S.K. Zhou, R. Chellappa, B. Moghaddam, Visual tracking and recognition using appearance-adaptive models
n particle filters, IEEE Transactions on Image Processing, Vol. 13, No. 11 , pp. 1491-1506, 2004..
48
P. Pan, D. Schonfeld, Dynamic Proposal Variance and Optimal Particle Allocation in Particle Filtering for
Video Tracking, IEEE Transactions on Circuits and Video Technology, Vol 18, No 9, pp. 1268-1279, September
2008.

FiF
igura g. 615 Variaia erorii n cazul unui tipar ce presupune o vitez constant

Figura 16. 6. Variaia erorii n cazul unui tipar ce presupune o scdere a vitezei

Figura 17 9. Variaia erorii relative n cazul unui tipar de micare oscilatorie

4.2.Concluzii
Soluia investigat se comport satisfctor, n cazul unui tipar cunoscut, datorit
proprietilor lanului Markov. n cazul n care condiiile iniiale pe care se abat de la
valoarea real, iar sistemul nu urmeaz un model bine cunoscut, probabilitatea particulelor de
a se apropie de starea adevrat poate fi foarte mic n stadii incipiente. Prin urmare, filtrul
poate converge lent, n acest caz. Cu toate acestea, este dovedit capacitatea metodei
MCMC pentru generarea probelor pornind de la aproape orice distribuie.

4.3. Direcii posibile de investigare

Acest referatparagraf prezint contextul prezentei direcii de cercetare, o scurt istorie a
domeniului, cteva consideraii teoretice pentru o mai bun nelegere ct i direciile cele mai
investigate din domeniul estimrii traficului pe baza unor algoritmi de predicie, dar, n
acelai timp i problemele rmase deschise ct i viziunea personal asupra acestui subiect.
n continuare voi prezenta succint cteva scenarii posibile de investigat. Un prim
scenariu propus este urmtorul: Avem de-a face cu dou zone cu distane egale
supravegheate de senzori, structura reelei n aceste dou zone este una cunoscut i
stabilit anterior. Pe marginea drumului avem de-a face cu dou tipuri de noduri de reea :
noduri de tip A care sunt puse pe stlpii de curent au energie suficient i o putere de calcul
ridicat (sunt nodurile asupra crora se aplic filtru cu particule, n acest caz implementarea
filtrelor cu particule fiind unul distribuit cu noduri centrale de calcul );
noduri de tip B, au responsabilitatea de captare i agregare a datelor (primite de la maini) i de
a transmite informaiile ntre noduri (noduri mesager).
Mai avem o parte de senzori mobili, aflai pe maina care au rolul de a transmite poziia
i viteza mainii n seciunea de mijloc, cu o lungime mult mai mic dect cea considerat
anterior pentru nodurile mesager. n partea mediana a segmentului considerat nu se cunoate
cu exactitate structura reelei, dect tipul de noduri prezente. Pe baza modelului capturat din
cele 2 pri, se ncearc s se genereze modelul pentru zona

mmedian i detectarea unor situaii de trafic anormale, urmnd ca atunci cnd mainile
albastre din zonele cunoscute ptrund n mijloc modelul s fie corectat, n cazul n care este
nevoie. Modelul are o real justificare mai ales n cazul drumurilor naionale i europene (n
afara zonei urbane).
Un al doilea scenariu propus pentru investigare este descris n continuare. Sistemul ar
fi constituit majoritar din senzori mobili (pentru zona urban) i senzori fici n zonele foarte
aglomerate i la semafoare. Senzorii mobili de pe maini comunic ntre ei i pe fiecare
main se stabilete un model (incomplet) al traficului din acea zon i de la acel moment,
bazat att pe datele colectate de acea main, ct i din modelul parial primit de la maina din
vecintatea sa. Problema care se pune n acest caz este de a genera un model al unei zone
avnd la dispoziie modele pariale, sau chiar inexistente, n cazul n care o main se afl la
deprtare, iar zona este prea mare pentru comunicaia senzorilor. n acest caz se poate pune
problema reconstituirii modelului i de detecia unor situaii periculoase, sau de gestionarea
inteligent a semafoarelor n funcie de traficul pe o anumita band sau un anumit sens dintr-o
intersecie. Senzorii fici au rol de a genera modelul complet, i de a aciona n mod
corespunztor semafoarele.
O alt direcie de cercetare ar fi urmtoarea: urmrirea traficului la nivel
mezoscopic i macroscopic prin metode din mecanica i dinamica fluidelor, ct i prin
metode i legi asociate electromagnetismului. . Avantajul folosirii acestor legi fizice ar fi
urmtorul: prin determinarea densitii de trafic posibil/probabil pe un segment de drum, se
poate determina i un segment/ lrgime optim de band. Aplicaia posibil ar fi determinarea
i programarea unor benzi de trafic reversibile pe arterele de drum cu trafic concentrat ntr-un
anumit moment din zi.
Bazat pe aceste legi, i cu ajutorul metodelor de filtrate i predicie de tip Monte Carlo
(Particle Filter, MCMC) se poate estima traficul posibil pe o poriune de drum. Tot pe baza
acestor metode se poate analiza i ce se ntmpl i cum se poate fluidiza traficul n punctele de
jonciune (ex: sensuri giratorii i semafoare, dar mai ales la intrarea ntr-un sens giratoriu).Bazat
pe aceste legi, i cu ajutorul metodelor de filtrate i predicie de tip Monte Carlo (Particle Filter,
MCMC) se poate estima traficul posibil pe o poriune de drum. Avantajul folosirii acestor legi
fizice ar fi urmtorul: prin determinarea densitii de trafic posibil/probabil pe un segment
de drum, se poate determina i un segment/ lrgime optim de band. Aplicaia posibil ar fi
determinarea i programarea unor benzi de trafic reversibile pe arterele de drum cu trafic

concentrat ntr-un anumit moment din zi.

Tot pe baza acestor metode se poate analiza i ce se ntmpl i cum se poate fluidiza
traficul n punctele de jonciune (ex: sensuri giratorii i semafoare, dar mai ales la intrarea ntrun sens giratoriu).
F. Naghiu, D. Pescaru, Influence of Driver Behavior Patterns in Correcting Video Sensing
Errors in Traffic Surveillance Applications, International Conference on Intelligent Computer
Communication and Processing, ICCP, 27-29, August 2009.
F. Naghiu, D. Pescaru, G. Magureanu, I. Jian i A. Doboli, Corrections of Sensing Error
in Video-based Traffic Surveillance, International Symposium on Applied Computational
Intelligence and Informatics, SACI, Mai 2009.
n continuarea proiectului de cercetare vor fi prezentate dou referate, referate ce vor
prezenta rezultatele pn la momentul respectiv.
Primul dintre ele va conine:
- Un studiu comparativ al metodelor de predicie matematic, aplicarea i
mbuntirea algoritmilor de tip filtru cu particule i a metodelor MCMC n aplicaii distribuite de
supervizare a traficului rutier;
- Studiu comparativ al modelelor existente pentru simularea i modelarea traficului
rutier att la nivel microscopic, macroscopic ct i mezoscopic, analizarea determinarea unui
model optim de reprezentare a fluxului de maini n aplicaii distribuite;
- mbinarea modelului de simulare propus cu un algoritm de predicie i
prezentarea valorilor obinute n urma experimentelor/ simulrilor.
- Interpretarea rezultatelor obinute;
- Studiu comparativ al diverselor arhitecturi de sisteme de senzori wireless distribuite;
- Determinarea i designul unei astfel de arhitecturi, optime pentru
supravegherea robust a traficului rutier;
- Rezultate obinute n urma simulrilor pe calculator
- Implementarea practic i adunarea de date experimentale de senzori ( n sperana
obinerii fondurilor necesare cumprrii echipamentului necesar) ;

- Interpretarea rezultatelor obinute;

Posibilele contribuii aduse n urma acestui proiect de cercetare:

- mbuntirea algoritmilor distribuii de predicie pentru aplicaii real time, cu
direct impact In gestionarea traficului;
- Determinarea unui model de simulare al traficului capabil de a ine cont de caracterul
emergent al participanilor la trafic;
- Designul unei arhitecturi de senzori wireless (platforma) pentru aplicarea
algoritmului propus;
Toate acestea vor avea ca scop final o aplicaie robust pentru gestionarea eficient a
traficului rutier.

6. Referine
A. Downs, "Why Traffic Congestion Is Here to Stay. . . and Will Get Worse",
ACCESS, nr. 25, pp. 19-25, 2004.
http://www.parliament.uk/commons/lib/research/rp98/rp98-016.pdf, 2009.
http://www.motorauthority.com/blog/1023468_audi-starts-trial-of-fuel-savingtravolutiontraffic-system, 2009.
http://www.sunatraffic.com.au/index.html, 2009.
A. Hegyi, D. Girimonte, R. Babuska, and B. De Schutter, A comparison of filter
configurations for freeway traffic state estimation, n Proceedings of the 2006 IEEE
Intelligent Transportation Systems Conference (ITSC 2006), Toronto, Canada, pp. 1029 1034,
September 2006.
Herrn Julien H. Simon, "Learning to drive with Advanced Driver Assistance Systems.
Empirical studies of an online tutor and a personalised warning display on the effects of
learnability and the acquisition of skill", Dissertation paper, Technischen Universitt
Chemnitz, 2005.
Tanga T.Q., Huangb H., Wongc S. and Xu X., A new overtaking model and
numerical tests, Statistical Mechanics and its Applications, Elsevier, vol. 376, pp. 649- 657,
March 2007.
Deflt University of Technology, Overtaking Assistant Could Help Prevent Many
Traffic-related Deaths.ScienceDaily,

http://

www.sciencedaily.com/releases/2008/02/080226092749.htm, February 2008.

U. Kiencke and L. Nielsen, Automotive control systems for engine, driveline and
vehicle, Springer, Berlin, 2000.
D.D. Salvucci, E.R. Boer and A. Liu, Toward an integrated model of driver behavior
n a cognitive architecture, Transportation Research Record 1779, 2001.
John Jairo, Martinez, C. Canudas-de-Wit, A safe longitudinal control for adaptive cruise
control and stop-and-go scenarios, IEEE Transactions on Control systems Technology,
vol. 15, pp. 246-258, March 2007.

K. I. Ahmed, Modeling drivers' acceleration and lane changing behavior,

Ph.D.Thesis, Department of Civil and Environmental Engineering, Massachusetts Institute of
Technology, Cambridge, 1999.
N. Ku ge, T. Yam a m ura , O. Shi m oya ma a nd A. Li u, A d ri v er behavior
recognition method based on a driver model framework, SAE Technical Paper Series No.
200001034, 2000.
Audi

AG,

Adaptive

Cruise Control,

http://www.audi.com/

audi/com/en2/tools/glossary/operation_comfort/adaptive_cruise_control.html, 2007.
Shaout A. [11] Shaout A. And Jarrahz MA, "Cruise Control Technology Review", Journal
of Computers and Electrical Engineering, Elsevier, Vol. 23. No. 4, pp. 259-271, 1997.
Bazan, J., Peters, JF, Skowron, "A Behavioral pattern identification through rough set
modelling", In Proceedings of RSFDGrC'2005, LNAI 3641, Springer , Heidelberg, pp. 688697, 2005.
G. Hegeman, SP Hoogendoorn, K. Brookhuis, Observations overtaking
manoeuvres on bi-directional roads, 10th EWGT Meetingand 16th Mini-EURO
Conference, Poznan, 13-16 September 2005.
W. Burghout, "Mesoscopic Simulation Models for Short-Term Prediction",
Technical report, PREDIKT Project, October 2005.
Online Microscopic Traffic Simulation Supports Real-time Traffic-management
Strategies, By J. Barcel, M. Delgado, G. Funes, D. Garca, J. Perarnau, and A. Torday, SIAM
News, Volume 40, Number 9, November 2007.
A. Messmer and M. Papageorgiou, METANET: A macroscopic simulation program
for motorway networks, Traffic Engineering and Control, no. 31, 466-470, 1990.
F. Wood, Particle Filtering a brief introductory tutorial, Gatsby, August 2007.
R. Boel, M. Mihaylova, Modelling freeway networks by hybrid stochastic models,
In Proceedings of the IEEE Intelligent Vehicle Symposium, Parma, Italy, pp. 182-187, 2004.
R. Boel, M. Mihaylova, A particle filter for freeway traffic estimation, 43rd IEEE
Conference on Decision and Control, Atlantis, Paradise Island, Bahamas, 2004.

G. M. Hoffmann, C. J. Tomlin , Decentralized information-seeking control for

mobile sensor networks, The 43rd IEEE Conference on Decision and Control, December
2004.
F. Gustafsson, F. Gunnarsson, N. Bergman, U. Forssell, J. Jansson, R. Karlsson, P.- J.
Nordlund, Particle filters for positioning, navigation and tracking, IEEE Transactions on
Signal Processing, vol. 50, no. 2, February 2002.
P. Torma, C. Szepesvari LP-N-IPS: An improvement of particle filters by means of a
local search, The 5th IFAC Symposium on Non-linear Control Systems, pp. 715 719,
2001.
K. Choo, D.J. Fleet, People tracking using hybrid Monte Carlo filtering, IEEE
International Conference on Computer Vision, Vancouver, pp. 321328, 2001.
A. Davison, Real-time simultaneous localization and mapping with a single
camera, the IEEE Int. Conference on Computer Vision, ICCV03, 2003.
J. F. G. de Freitas, Bayesian methods for neural networks, PhD. Thesis,
Department

of Engineering,

Cambridge

University,

http://www.cs.ubc.ca/

nando/publications.html, 1998.
E. Maggio, A. Cavallaro, Accurate appearance-based Bayesian tracking for
maneuvering targets, Computer Vision and Image Understanding, vol. 113, issue 4, pp 544555, 2009.
C. P. Robert, G. Casella, Monte Carlo statistical methods, Springer Verlag, Berlin,
1999.
C. Andrieu, PM Djuric, and A. Doucet, Model selection by Markov chain Monte Carlo
computations, Signal Processing, pp. 1937, 2001.
S. Arunlampalam, S. Maskell, N. Gordon, T. Clapp, A tutorial on Particle filters
for On-line Non-Linear/ Non-Gaussian Bayesian Tracking, IEEE Transactions on Signal
Processing, 2002.
C. Kwok, D. Fox, M. Meila, Real-time Particle Filters, Proceedings of the IEEE, vol.
92, March 2004.
M. Rosencrantz, G. Gordon, S. Thrun, Decentralized Sensor Fusion with
Distributed Particle Filters, Proceedings of the 19th Annual Conference on Uncertainty n
Artificial Intelligence (UAI-03), 2003.

L. Rabiner, "A tutorial on Hidden Markov Models and selected applications In speech
recognition, n Proceedings of the IEEE vol. 77, no. 2, pp. 257-286, 1989.
D. Crisan and A. Doucet, A survey of convergence results on particle filtering
methods for practitioners, IEEE Trans. SignalProcess , vol. 50, no. 3, pp. 736746, March
2002.
S.K. Zhou, R. Chellappa, B. Moghaddam, Visual tracking and recognition using
appearance-adaptive models n particle filters, IEEE Transactions on Image Processing,
Vol. 13, No. 11 , pp. 1491-1506, 2004.
P. Pan, D. Schonfeld, Dynamic Proposal Variance and Optimal Particle Allocation in
Particle Filtering for Video Tracking, IEEE Transactions on Circuits and Video
Technology, Vol 18, No 9, pp. 1268-1279, September 2008.
M. Bolic, P. M. Djuric, and S. Hong, Resampling Algorithms for Particle Filters: A
Computational Complexity Perspective, EURASIP Journal of Applied Signal Processing,