Proiect la

TELEMATICA RUTIERA

Studenti:Barascu Octavian Marian/Dinca Valentin Cristian

Sectia AR
Anul IV, grupa 1172
Îndrumător: prof.dr.ing. Timar Janos

Anul universitar 2020-2021

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

4. CONCLUZII ........................................................................................................................................................................................ 17

5. Nota ......................................................................................................................................................................................................... 17

6. Bibliografie ..................................................................................................................................................................................... 18

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 Ʃ(N)
Ni 23 64 96 105 51 18 3 360

∆t=20s

Xi 0 1 2 3 4 5 6 7 8 9 10 Ʃ(N)
Ni 0 7 12 18 30 54 26 19 8 5 1 180

∆t=30s

Xi 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Ʃ(N
Ni 0 1 0 6 6 13 10 25 22 22 6 5 3 0 0 119

Observarea statistică constă in inregistrarea intensitătii traficului in anumite intervale de

timp.
Obiectivul observării il constitue cercetarea circulatiei rutiere pe o bandă de circulatie depe
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.
2
s - dispersia variabilei aleatoare- dispersie binomial-negativă.
Validarea modelului se realizează cu criteriul de testare statistică notat “ criteriul HI-pătrat”
sau “criteriul 2”.
2
Se determină rapoartele 𝑁𝑖 , 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 27 0.075 0.075 1 0 0.363

1 84 0.233333 0.308333 0.925 0.233333 0.336
2 114 0.316667 0.625 0.691667 0.633333 0.012666667
3 85 0.236111 0.861111 0.375 0.708333 0.151111111
4 30 0.083333 0.944444 0.138889 0.333333 0.27
5 15 0.041667 0.986111 0.055556 0.208333 0.326666667
 5 0.013889 1 0.013889 0.083333 0.200555556
 360 1 4.8 3.2 2.2 1.66

Prelucrarea datelor teoretice Modelare tip Poisson

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

0.06364577 22.9124771 31.8167258 0.0860542 30.97952 23.53168

0.214804472 77.3296101 91.2457724 0.2110719 75.98587 92.85937
0.310699326 111.851757 116.189502 0.2588562 93.18823 139.4597
0.249669101 89.8808765 80.3841738 0.2116389 76.19001 94.82871
0.120376174 43.3354226 20.7682295 0.1297758 46.71929 19.26399
0.034823107 12.5363187 17.9478526 0.0636622 22.91841 9.817437
0.005596571 2.0147655 12.4083919 0.0260249 9.36896 2.668386
0.999614522 359.861228 370.760648 0.9870841 355.3503 382.4292

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:

Fig. 1- diagrama de variatie a frecventelor cumulate

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

9
 Legea de distributie:

Cu ajutorul teoriei probabilitatilor se stabileste schema probabilistica in care se incadreaza

caracteristica studiata si prin rationament se determina expresia analitica a functiei P(X=x).

Dupa calcularea mediei si dispersiei, cele doua se compara in vederea alegerii criteriului de
repartitie:
Media: 2.2
Dispersia: 1.66

In acest caz, deoarece media este mai mare decat dispersia, se alege distributia binomiala.
Legea de distributie:
𝑥=𝑘−1 𝑘
𝑃 𝑋 = 𝑥 = 𝐶𝑘−1 𝑝 ∗ 𝑞𝑥

p – probabilitatea rezultatului favorabil

q – probabilitatea rezultatului nereusit

P(X=x) – probabilitatea de aparitie a unui argument xi

𝑥 𝑥2
.𝑝 = ; 𝑘= ; q=1-p
𝑠2 𝑠 2 −𝑥
n 0.715663 se adopta 7
p 0.325301
q 0.674698

Valorile pentru P(X=x) sunt evidentiate in coloana (8) a tabelului.

In figura 2 este reprezentata variatia frecventelor relative si a probabilitatilor de aparitie a

argumentului in functie de argumentul xi.

Fig2.

10
Concluzii:
- Pentru intervale de observatie de Δt = 10 secunde, frecventa reala a sosirii
autovehiculelor intr-un punct este foarte redus pe tronsonul pe care s-a efectuat studiul.

Δt=20s:

Date de intrare Prelucrare date experimentale

Xi Ni fi fƩ< fƩ> X med=Xi*fi S^2=(Xi-x)^2*fi
0 1 0.005556 0.005556 1 0 0.107555556
1 7 0.038889 0.044444 0.994444 0.038889 0.449555556
2 16 0.088889 0.133333 0.955556 0.177778 0.512
3 32 0.177778 0.311111 0.866667 0.533333 0.348444444
4 42 0.233333 0.544444 0.688889 0.933333 0.037333333
5 37 0.205556 0.75 0.455556 1.027778 0.074
6 26 0.144444 0.894444 0.25 0.866667 0.369777778
7 9 0.05 0.944444 0.105556 0.35 0.338
8 7 0.038889 0.983333 0.055556 0.311111 0.504
9 1 0.005556 0.988889 0.016667 0.05 0.117555556
10 2 0.011111 1 0.011111 0.111111 0.348444444
 180 1 6.6 5.4 4.4 3.20

Prelucrarea datelor teoretice Modelare tip Poisson

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

0.004615507 0.83079122 0.00556288 0.0074053 1.332959 0.750211

0.029199558 5.25592035 0.27258109 0.0363272 6.538905 7.49361
0.086930907 15.6475633 1.4240971 0.0891027 16.03848 15.96161
0.161752935 29.1155284 5.6963884 0.1456994 26.22588 39.04539
0.210682358 37.9228244 9.81291908 0.1786841 32.16313 54.8454
0.203849416 36.6928949 7.61558176 0.1753089 31.55561 43.38373
0.151721603 27.3098885 3.76050641 0.1433313 25.79963 26.20193
0.08872582 15.9706476 0.45059322 0.1004457 18.08022 4.480035
0.041273186 7.4291734 0.27258109 0.0615927 11.08669 4.419715
0.01535946 2.76470278 0.00556288 0.0335718 6.04293 0.165483
0.004572712 0.82308823 0.02225152 0.0164688 2.964393 1.349349
0.998683462 179.763023 29.3386254 0.9879379 177.8288 198.0965

11
 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:

Fig 3.

Legea de distributie:

Cu ajutorul teoriei probabilitatilor se stabileste schema probabilistica in care se incadreaza

caracteristica studiata si prin rationament se determina expresia analitica a functiei P(X=x).

Dupa calcularea mediei si dispersiei, cele doua se compara in vederea alegerii criteriului de
repartitie:

Media: 4.4
Dispersia: 3.2066

In acest caz, deoarece media este mai mare decat dispersia, se alege distributia
binomiala.
Legea de distributie:
𝑥=𝑘−1 𝑘
𝑃 𝑋 = 𝑥 = 𝐶𝑘−1 𝑝 ∗ 𝑞𝑥
12
 p – probabilitatea rezultatului favorabil
q – probabilitatea rezultatului nereusit
P(X=x) – probabilitatea de aparitie a unui argument xi .
𝑥 𝑥2
𝑝= ;𝑘 = ;q=1-p
𝑠2 𝑠 2 −𝑥

n 16.22346 se adopta 17
p 0.271212
q 0.728788

Valorile pentru P(X=x) sunt evidentiate in coloana (8) a tabelului. In figura 4 este reprezentata
variatia frecventelor relative si a probabilitatilor de aparitie a argumentului in functie de argumentul xi.

Fig 4.

Validarea modelului se realizeaza cu criteriul de testare statistica notat “Criteriul Hi-patrat”.

In acest scop, se determina frecventele absolute teoretice, calculate cu relatia:
𝑁𝑖′ = 𝑃 𝑋 = 𝑥 ∗ 𝑁

13
Δt=30s:

Date de intrare Prelucrare date experimentale

Xi Ni fi fƩ< fƩ> X med=Xi*fi S^2=(Xi-x)^2*fi
0 0 0 0 1 0 0
1 1 0.008333 0.008333 1 0.008333 0.261333333
2 1 0.008333 0.016667 0.991667 0.016667 0.176333333
3 3 0.025 0.041667 0.983333 0.075 0.324
4 20 0.166667 0.208333 0.958333 0.666667 1.126666667
5 14 0.116667 0.325 0.791667 0.583333 0.298666667
6 21 0.175 0.5 0.675 1.05 0.063
7 18 0.15 0.65 0.5 1.05 0.024
8 18 0.15 0.8 0.35 1.2 0.294
9 14 0.116667 0.916667 0.2 1.05 0.672
10 7 0.058333 0.975 0.083333 0.583333 0.674333333
11 1 0.008333 0.983333 0.025 0.091667 0.161333333
12 0 0 0.983333 0.016667 0 0
13 1 0.008333 0.991667 0.016667 0.108333 0.341333333
14 1 0.008333 1 0.008333 0.116667 0.456333333
 120 1 8.4 7.6 6.6 4.873333333

Prelucrarea datelor teoretice Modelare tip Poisson

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

1.14985E-05 0.00137982 0 0.0007221 0.086653 0

0.000164048 0.01968578 50.798101 0.0052233 0.626791 1.595427
0.001125224 0.1350269 7.40593163 0.0188908 2.266895 0.441132
0.004939543 0.59274521 15.1835896 0.0455478 5.465736 1.646622
0.015585201 1.87022416 213.878105 0.0823656 9.883873 40.46996
0.037629016 4.5154819 43.4062198 0.1191556 14.29867 13.70757
0.072268438 8.67221259 50.8520744 0.1436487 17.23784 25.58325
0.113302213 13.5962655 23.830073 0.148437 17.81244 18.18954
0.147658948 17.7190738 18.2853802 0.1342118 16.10541 20.11746
0.162049439 19.4459327 10.0792286 0.1078665 12.94398 15.14218
0.151166034 18.139924 2.7012241 0.0780234 9.362811 5.233471
0.120653321 14.4783985 0.06906841 0.0513063 6.156757 0.162423
0.082757442 9.93089307 0 0.0309263 3.711157 0
0.048904577 5.86854926 0.17039986 0.0172077 2.064926 0.484279
0.02491854 2.99022478 0.33442302 0.0088907 1.066878 0.937314
0.983133483 117.976018 436.993818 0.9924234 119.0908 143.7106

14
 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:

Fig 5.

Legea de distributie:

Cu ajutorul teoriei probabilitatilor se stabileste schema probabilistica in care se incadreaza

caracteristica studiata si prin rationament se determina expresia analitica a functiei P(X=x).

Dupa calcularea mediei si dispersiei, cele doua se compara in vederea alegerii criteriului de
repartitie:

Media: 6.6
Dispersia: 4.87333

In acest caz, deoarece media este mai mare decat dispersia, se alege distributia binomiala.
Legea de distributie:
𝑥=𝑘−1 𝑘
𝑃 𝑋 = 𝑥 = 𝐶𝑘−1 𝑝 ∗ 𝑞𝑥

p – probabilitatea rezultatului favorabil

q – probabilitatea rezultatului nereusit

P(X=x) – probabilitatea de aparitie a unui argument xi .

𝑥 𝑥2
𝑝= ;𝑘 = ;q=1-p
𝑠2 𝑠 2 −𝑥
15
 n 25.2278 se adopta 26
p 0.354309
q 0.645691

Valorile pentru P(X=x) sunt evidentiate in coloana (8) a tabelului . In figura 6 este reprezentata
variatia frecventelor relative si a probabilitatilor de aparitie a argumentului in functie de argumentul xi.

Fig 6.

16
 4. CONCLUZII:

- Analiza experimentală a fluxurilor rutiere s-a realizat pe baza observării trecerii fiecărui vehicul -
componente ale fluxului rutier – prin secţiuni reprezentative ale reţelei.
- În urma comparării rezultatelor obţinute pentru aceasta analiza de trafic se poate constata astfel ca
in intervalul de o ora traficul este fluent , cu toate ca exista anumite bariere ( trecerea de pietoni ,
stationari pe banda 2 involuntar , troleibuze)

5. Nota :
Toate tabelele, fisele de lucru, graficele, si diagramele, au fost realizate in EXCEL. 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

17
 6. Bibliografie
1. High Way Capacity Manual
2. - “Managementul traficului rutier” – Daniela Florea, Ed. Univ. Transilvania, Brasov, 2000

18