Proiect la

TELEMATICA RUTIERA

Student: Chirila Razvan Bogdan

Sectia AR
Anul IV, grupa 1152
Îndrumător: prof.dr.ing. Timar Janos

Anul universitar 2018-2019

Semestrul 1
Cuprins

1. Analiza SOSIRII AUTOVEHICULULUI INTR-un PUNCT .................................................................................................. 3

1.1 Introducere ............................................................................................................................................................................. 3

1.2 Etapele proiectului ............................................................................................................................................................ 3

1.3 Compozitia traficului si echivalarea vehiculelor ............................................................................................................... 4

2.CULEGEREA SI PRELUCRAREA DATELOR ..................................................................................................................... 4

2.1 Culegerea datelor .............................................................................................................................................................. 4

2.2 Controlul datelor................................................................................................................................................................ 4

2.3 Prelucrarea primara ........................................................................................................................................................... 4

3. Prelucrare empirica si teoretica .......................................................................................................................................... 5

5.CONCLUZII ................................................................................................................................................................................................... 19

Nota : ............................................................................................................................................................................................................ 18

6.Bibliografie............................................................................................................................................................................................... 26

2
 1. ANALIZA SOSIRII AUTOVEHICULULUI INTR-UN PUNCT

1.1 INTRODUCERE

Proiectul urmareşte identificarea modelului matematic care descrie sosirea autovehiculelor într-
un punct, cu ajutorul instrumentelor, teoriei probabilitătilor şi statisticii matematice, pe baza datelor
experimentale culese în traficul real. Se propune înregistrarea sosirii vehiculelor într-o sectiune a unui
drum, pe o bandă de circulatie, pentru o perioadă de o oră, la intervale de timp:

 Δt=10 secunde,

 Δt=20 secunde,

 Δt=30 secunde.

1.2 Etapele proiectului

1. Culegerea datelor
2. Prelucrarea primara a datelor, prelucrarea datelor teoretice si empirice
3. Realizarea graficelor si interpretarilor corespunzatoare

Strada Calea Brasovului ( DN1 )

Accesul dinspre Brasov spre Ghimbav

Banda A1

3
 Etapele cercetării statistice trebuie organizate astfel incât sa reducă la minimum riscul unei erori de
culegere, prelucrare si analiză.
Observarea statistică constă in inregistrarea intensitătii traficului in anumite intervale de timp.
Obiectivul observării il constitue cercetarea circulatiei rutiere pe o bandă de circulatie de pe o arteră
rutieră.

1.3 Compozitia traficului si echivalarea vehiculelor

Autoturisme – Ce = 1
Autobuze nearticulate – Ce = 2
Autobuze articulate – Ce = 3,5
Camioane <3,5 tone – Ce = 2
Camioane >3,5 tone – Ce = 3.5
În urma echivalării au rezultat datele primare prezentate în fişierul Excel pe baza prelucrării căruia
au rezultat valorile corespunzătoare ale frecventelor absolute Ni pentru intervale de timp de 10s, respectiv,
20 şi 30 secunde.

2.CULEGEREA SI PRELUCRAREA DATELOR

2.1 Culegerea datelor

Culegerea datelor primare s-a realizat pe Bulevardul 15 Noiembrie, banda 2.

In procesul observarii am tinut cont de conditilie care trebuie sa le indeplineasca datele,

culegand date autentice, reale, dupa un program stabilit.

2.2 Controlul datelor

Dupa culegerea datelor, acestea au fost verificate si corectate, in cazul descoperii
eventualelor erori.

2.3 Prelucrarea primara

Datele culese au fost supuse prelucrarii primare, ce consta in gruparea, ordonarea si
centralizarea lor.

4
-cate vehicule au trecut intr-un anumit interval de timp;
-care este numarul maxim de autovehicule si in ce interval de timp au trecut ;
-care este numarul minim de autovehicule şi la ce interval ;
-daca fluxul de trafic este continuu sau nu;
-care este ponderea numarului de autovehicule ce trec intr-un anumit interval de
timp.

3. PRELUCRARE EMPIRICA SI TEORETICA

Pentru uşurinta de calcul, prelucrarea empirică si teoretică a datelor s-a efectuat in Excel,
aceasta permitând o mai bună comparare si verificare intre rezultatele empirice si cele teoretice.

Variabilele aleatoare utilizate în Ingineria Traficului Rutier sunt de doua tipuri:

 variabile aleatoare de tip discret (V.A.D.), de exemplu, vehiculele care sosesc într-o
anumită locatie;
 variabile aleatoare de tip continuu (V.A.C.), de exemplu, viteza unui vehicul,
înregistrată pe o portiune de drum sau intervalele dintre vehiculele unui flux rutier.
∆t=10s

Xi 0 1 2 3 4 5 6 7 Ʃ(N)
Ni 34 75 94 83 52 22 0 0 360

∆t=20s

Xi 0 1 2 3 4 5 6 7 8 9 10 11 Ʃ(N)
Ni 4 6 14 40 22 31 27 23 9 2 2 0 180

∆t=30s

Xi 0 1 2 3 4 5 6 7 8 9 10 11 12 13 Ʃ(N)
Ni 1 1 1 8 9 14 19 20 15 13 9 5 4 1 120

Observarea statistică constă in inregistrarea intensitătii traficului in anumite intervale de

timp.
Obiectivul observării il constitue cercetarea circulatiei rutiere pe o bandă de circulatie de pe
o arteră rutieră.

5
 Timpul de observare a fost de 60 de minute si cercetarea s-a realizat prin observarea
vehiculelor ce treceau in intervale de 10 secunde.
Datele culese in etapa observării trebuie supuse prelucrării, destinate ordonării lor şi
enuntarea concluziilor generale cu privire la fenomenul observat.
In prima etapă datele culese vor fi centralizate, grupate, reprezentate sub forma de: serii,
tabele, grafice.
Valorile obtinute, exprimate in vehicule etalon, se insumează pe fiecare linie, şi reprezintă
numarul de vehicule ce sosesc in fiecare 10 secunde in locatia analizată.
Prin gruparea datelor pentru intervale de timp Δt=10 secunde, Δt=20 secunde, Δt=30
secunde se determină valorile lui xi.
Pentru determinarea probabilitătilor de aparitie este necesară inregistrarea frecventelor
absolute empirice, Ni in tabelul centralizator Δt=10 secunde, Δt=20 secunde,Δt=30 secunde.
Cu ajutorul frecventelor absolute se pot determina frecventele relative, fi, ce reprezintă
probabilitatea de aparitie a fiecărui interval. Se calculează frecventele cumulate in sens crescător,
f∑>, respectiv descrescător,f∑<.
x - media vehiculelor ce trec intr-un interval de timp.

s2- dispersia variabilei aleatoare- dispersie binomial-negativă.

Validarea modelului se realizează cu criteriul de testare statistică notat “ criteriul HI-pătrat”
sau “criteriul 2”.
𝑁𝑖 2
Se determină rapoartele , care insumate in ultima linie, va permite determinarea valorii
𝑁𝑖 ′

criteriului 2.
Grafice:
 -reprezentarea frecventei relative fi si a functiei de probabilitate P(X=x).
 -reprezentarea frecventelor cumulate f∑>, f∑<.
Se observă ca intensitatea traficului este mijlocie, fluxul este continuu si timpii de trecere
sunt reduşi.
In acest regim de trafic se satisface “criteriul HI-patrat”, adica diferenta dintre Ni’ si Ni este
mai mică decât HI-pătrat.

6
 Pentru fiecare bandă in parte, respectiv interval de timp, a fost creat câte un tabel separat
in care s-au prelucrat datele. In urma rezultatelor obtinute in tabel, s-au realizat grafice şi
diagrame.

7
 Δt=10s :

Date de Prelucrare date experimentale

intrare

Xi Ni fi fƩ> fƩ< X med=Xi*fi S^2=(Xi-

x)^2*fi
0 34 0.09444444 0.09444444 1 0 0.502027606
1 75 0.20833333 0.30277778 0.90555556 0.208333333 0.355099023
2 94 0.26111111 0.56388889 0.69722222 0.522222222 0.024378429
3 83 0.23055556 0.79444444 0.43611111 0.691666667 0.111186128
4 52 0.14444444 0.93888889 0.20555556 0.577777778 0.414720508
5 22 0.06111111 1 0.06111111 0.305555556 0.443668553
Ʃ 360 1 2.305555556 1.851080247

Prelucrarea datelor teoretice Modelare tip Poisson

P(X=x) Ni` Ni^2/Ni` P(x) Ni' Ni^2/Ni'

0.071745697 25.82845085 3.270304046 0.099703394 35.89322202 32.20663777
0.211379152 76.09649463 15.91302791 0.229871715 82.75381743 67.9726951
0.28543675 102.7572298 24.99689148 0.264991005 95.39676176 92.62368908
0.233600452 84.0961628 19.48886209 0.203650494 73.31417802 93.9654537
0.129045018 46.45620665 7.649569326 0.117381882 42.25747761 63.98867498
0.050692799 18.24940773 1.369227646 0.05412609 19.48539245 24.83911993
0.981899868 353.4839525 72.68788249 0.969724581 349.1008493 375.5962706

8
 Corespunzător acestor coloanele fΣ> si fΣ< se pot construi graficele frecventelor cumulate
în functie de numărul de vehicule ce sosesc pe intervalul de 10 secunde. Graficul este reprezentat
în figura urmatoare:

1.0

0.5

0.0
1 1.5 2 2.5 3 3.5 4 4.5 5

fƩ> fƩ<

Fig. 1

n
3600 sec
Din tabel se observă că 
i 0
Ni 
10
 360 int

Deoarece media este mai mică decât dispersia se va alege distributia binomial negativă şi se
va calcula k, p si q.

3. Alegerea modelului matematic

X med>S^2 deci avem dispersie binomiala

t= 10 sec
p= 0.197121821
q= 0.802878179
n= 11.69609508 se adopta 12

9
 Media, moda si mediana se numesc indicatori TC, iar dispersia şi abaterea standard se
numesc Momente.
In acest regim de trafic se satisface “criteriul HI-pătrat”, adică diferenta dintre Ni’ si Ni este
mai mare decât HI-pătrat.
4. verificarea (validarea) modelului matematic

abatere standard= 1.3605441 km/h

HI^2= 15.59627056
coeficient de variatie= 59.01155131
Hi0^2= 13

eroarea standard= 1 Vt/10 sec -2.30555556 <xmed< 2.305555556

CV= 15614.45783
eroare st impusa= 0.01 Vt/10 sec
numar obs= 18510.80247 5.1418896 ore de masuratori

lambda 0.230555556
2. Indicatorii variatiei

dispersia s^2= 1.851080247 km^2/h^2

Pentru o eroare impusă de 0,01 Vt/10s se poate calcula numărul de intervale de 10 secunde
necesare.

10
 0.30

0.25

0.20

0.15

0.10

0.05

0.00
0 1 2 3 4 5
fi P(X=x) P(x)

Fig. 2 Compararea frecventelor relative in functie de intervalul de

masurare

Δt=20s:

Date de intrare Prelucrare date experimentale

Xi Ni fi fƩ> fƩ< X med=Xi*fi S^2=(Xi-x)^2*fi
0 4 0.02222222 0.02222222 1 0 0.470222222
1 6 0.03333333 0.05555556 0.97777778 0.033333333 0.432
2 14 0.07777778 0.13333333 0.94444444 0.155555556 0.525777778
3 40 0.22222222 0.35555556 0.86666667 0.666666667 0.568888889
4 22 0.12222222 0.47777778 0.64444444 0.488888889 0.044
5 31 0.17222222 0.65000000 0.52222222 0.861111111 0.027555556
6 27 0.15000000 0.80000000 0.35000000 0.9 0.294
7 23 0.12777778 0.92777778 0.20000000 0.894444444 0.736
8 9 0.05000000 0.97777778 0.07222222 0.4 0.578
9 4 0.02222222 1 0.02222222 0.2 0.430222222
Ʃ 180 1 4.6 4.106666667

11
 Prelucrarea datelor teoretice Modelare tip Poisson
P(X=x) Ni` Ni^2/Ni` P(x) Ni' Ni^2/Ni'
0.026510132 4.77182371 0.089012936 0.009940767 1.789338037 8.941854288
0.101909078 18.343634 0.200279106 0.045837981 8.250836504 4.36319396
0.189756026 34.15608474 1.090408467 0.105682011 19.02276194 10.30344598
0.227953668 41.03166024 8.90129361 0.162437165 29.23868965 54.72201454
0.198534323 35.73617812 2.692641317 0.187253954 33.70571168 14.35958406
0.133559454 24.04070164 5.346339475 0.172689757 31.08415633 30.91607152
0.072200159 12.99602865 4.055651901 0.132715276 23.88874977 30.51645679
0.03221547 5.798784582 2.9429902 0.087423555 15.73623993 33.61667097
0.012093876 2.176897621 0.450627989 0.050389966 9.070193847 8.93034938
0.003874229 0.697361143 0.089012936 0.025817081 4.647074625 3.443026267
0.998606414 179.7491545 25.85825794 0.980187513 176.4337523 200.1126677

Corespunzător acestor coloanele fΣ> si fΣ< se pot construi graficele frecventelor cumulate
în functie de numărul de vehicule ce sosesc pe intervalul de 20 secunde. Graficul este reprezentat
în figura urmatoare:

1.0

0.5

0.0
2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9

fƩ> fƩ<

Fig. 3

12
 Deoarece media este mai mică decât dispersia se va alege distributia binomial negativă şi se
va calcula k, p si q.

1. Indicatorii tendintei centrale

Media= 4.6
Mediana= 5.4
Moda= 5

2. Indicatorii variatiei

dispersia s^2= 4.106666667 km^2/h^2

3. Alegerea modelului matematic

X med>S^2 deci avem dispersie binomiala

t= 20 sec
p= 0.107246377
q= 0.892753623
n= 42.89189189 se adopta 32

4. verificarea (validarea) modelului matematic

abatere standard= 2.02649122 km/h

HI^2= 20.11266774
coeficient de variatie= 44.05415697
Hi0^2= 18

eroarea standard= 1 Vt/20 sec -4.6 <xmed< 4.6

CV= 3913.043478
eroare st impusa= 0.01 Vt/20 sec
numar obs= 41066.66667 11.407407 ore de masuratori

lambda 0.230555556

13
 0.25

0.20

0.15

0.10

0.05

0.00
0 1 2 3 4 5 6 7 8 9
fi P(X=x) P(x)

Fig. 4 Compararea frecventelor relative in functie de intervalul de

masurare

Δt=30s:

Date de intrare Prelucrare date experimentale

Xi Ni fi fƩ> fƩ< X med=Xi*fi S^2=(Xi-x)^2*fi
0 1 0.00833333 0.00833333 1 0.00000000 0.397708912
1 1 0.00833333 0.01666667 0.99166667 0.00833333 0.290903356
2 1 0.00833333 0.02500000 0.98333333 0.01666667 0.200764468
3 8 0.06666667 0.09166667 0.97500000 0.20000000 1.018337963
4 9 0.07500000 0.16666667 0.90833333 0.30000000 0.634380208
5 14 0.11666667 0.28333333 0.83333333 0.58333333 0.424869213
6 19 0.15833333 0.44166667 0.71666667 0.95000000 0.130635995
7 20 0.16666667 0.60833333 0.55833333 1.16666667 0.001400463
8 15 0.12500000 0.73333333 0.39166667 1.00000000 0.148967014
9 13 0.10833333 0.84166667 0.26666667 0.97500000 0.473965856
10 9 0.07500000 0.91666667 0.15833333 0.75000000 0.716880208
11 5 0.04166667 0.95833333 0.08333333 0.45833333 0.697572338
12 5 0.04166667 1 0.04166667 0.50000000 1.080211227
Ʃ 120 1 6.908333333 6.216597222

14
 Prelucrarea datelor teoretice Modelare tip Poisson
P(X=x) Ni` Ni^2/Ni` P(x) Ni' Ni^2/Ni'
0.000689258 0.082710946 0.008490137 0.000991128 0.118935384 8.407926769
0.005291984 0.63503812 0.008490137 0.006855303 0.822636407 1.21560387
0.020020973 2.402516788 0.008490137 0.023707924 2.844950907 0.351499914
0.049753822 5.970458681 0.543368773 0.054659936 6.559192369 9.757298826
0.091347804 10.96173653 0.687701103 0.09451614 11.3419368 7.141637393
0.132138442 15.8566131 1.664066867 0.130747327 15.68967925 12.49228852
0.156835952 18.82031427 3.064939484 0.150722613 18.08671358 19.95940271
0.15706371 18.84764523 3.39605483 0.148928296 17.87139556 22.38213567
0.135445716 16.25348591 1.910280842 0.128760923 15.45131074 14.5618714
0.102150458 12.25805491 1.434833166 0.098955154 11.87461844 14.23203624
0.068199201 8.183904087 0.687701103 0.068443981 8.213277755 9.862079722
0.040702992 4.884358981 0.212253427 0.043036746 5.164409497 4.840824496
0.021890758 2.626890929 0.212253427 0.024805902 2.976708252 8.398538884
0.981531071 117.7837285 13.83892343 0.975131375 117.0157649 133.6031444

Corespunzător acestor coloanele fΣ> si fΣ< se pot construi graficele frecventelor cumulate
în functie de numărul de vehicule ce sosesc pe intervalul de 30 secunde. Graficul este reprezentat
în figura urmatoare:

1.0

0.5

0.0
5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10 10.5 11

fƩ> fƩ<

Fig. 5

15
 Deoarece media este mai mică decât dispersia se va alege distributia binomial negativă şi se
va calcula k, p si q.

1. Indicatorii tendintei centrale

Media= 6.908333333
Mediana= 7.85
Moda= 6

2. Indicatorii variatiei

dispersia s^2= 6.216597222 km^2/h^2

3. Alegerea modelului matematic

X med>S^2 deci avem dispersie binomiala

t= 30 sec
p= 0.10013068
q= 0.89986932
n= 68.99317338 se adopta 60

4. verificarea (validarea) modelului matematic

abatere standard= 2.493310495 km/h

HI^2= 13.60314442
coeficient de variatie= 36.09134612
Hi0^2= 22

eroarea standard= 1 Vt/30 sec -6.90833333 <xmed< 6.908333333

CV= 1737.032569
eroare st impusa= 0.01 Vt/30 sec
numar obs= 62165.97222 17.268326 ore de masuratori

lambda 0.230555556

16
 In acest regim de trafic se satisface “criteriul HI-pătrat”, adică diferenta dintre Ni’ si Ni este
mai mare decât HI-pătrat.

0.20

0.18

0.16

0.14

0.12

0.10

0.08

0.06

0.04

0.02

0.00
0 2 4 6 8 10 12
fi P(X=x) P(x)

Fig. 6 Compararea frecventelor relative in functie de intervalul de

masurare

Distributia binomial-negativă

- este scrisa sub forma: unde

x= 0,1,2,...., x N∈
p= probabilitatea ca un eveniment sa se producă
q= probabilitatea ca un eveniment sa nu se producă q=1-p
k= parametrul distributiei binomial-negative, poate lua valori din multimea numerelor naturale,
mai mari ca 1.

valoarea lui k a fost adoptată la un numar natural;

17
In cazul, in care k=1, distributia este cunoscută ca şi distributie geometrică.
In coloana Modelare (9) au fost calculate valorile P(X=x), care au fost comparate in diagrame cu
valorile frecventelor relative.
In coloana (10) au fost determinate frecventele absolute teoretice cu relatia:

In coloana (11), s-au determinat rapoartele , care insumate in ultima linie, permit
determinarea valorii lui χ ².
Ambele modele au fost validate cu criteriul de testare statică numit Criteriul χ ²

Aplicarea Criteriului χ ², a avut loc pentru pragul de sigurantă δ = 0.05, adică un coeficient de
incredere de 95%;
Au mai fost calculate

-abaterea standard

-coeficientul de variatie

-eroarea standard

După cum este evident din graficele următoare, care ilustrează curbele frecventei relative
şi a probabilitătii in fiecare interval de timp, curbele frecventei relative si a probabilitătii sunt destul
de apropiate sau chiar coincid, ceea ce demonstrează faptul ca rezultatele obtinute sunt aproximativ
aceleaşi atât din prelucrarea datelor empirice cât si a celor teoretice.

18
 4. CONCLUZII

Pe lângă concluziile ce se regăsesc pe parcursul raportului scris, s-ar putea mentiona

următoarele:
-realizarea acestui proiect a servit drept o initiere experimentală în analiza unui studiu de trafic
dându-mi posibilitatea de a-mi crea o imagine generală asupra studiului de trafic si cat de
importante sunt astfel de date;
-am acumulat cunoştinte minime de bază pentru a intelege cum trebuie să decurgă un studiu de
trafic;
- am realizat faptul cât de importante sunt datele de intrare si cată atentie si seriozitate, se necesită
la culegerea si prelucrarea lor;

Nota :
Toate tabelele, fisele de lucru, graficele, si diagramele din EXCEL, au fost realizate in acest
program. Astfel dacă, se vor modifica datele de intrare, se va modifica tot proiectul, putându-se
lua diferite concluzii :
- care ar fi modelul de trafic, dacă ar creşte sau micşora cantitatea de vehicule ce sosesc intr-un
punct, dacă s-ar modifica intervalele in care au trecut un anumit număr de vehicule;
- dacă s-ar mări cantitatea de vehicule, ponderea diferitelor tipuri de vehicule ar fi aproximativ
aceeaşi sau s-ar modifica, si daca da, in ce sens;
- cum ar evolua graficele frecventelor relative;
- cum se va modifica variatia traficului la diferite intervale.

19
Anexe

20
Filmare colectare date:

https://www.youtube.com/watch?v=D-Bbo8Bqj6g&app=desktop

21
6. Bibliografie

1.High Way Capacity Manual

2.Indrumător de laborator

3. http://auto.unitbv.ro/moodle/

22