UNIVERSITATEA TEHNICĂ DE CONSTRUCŢII...
Transcript of UNIVERSITATEA TEHNICĂ DE CONSTRUCŢII...
UNIVERSITATEA TEHNICĂ DE CONSTRUCŢII
BUCUREŞTI
FACULTATEA DE GEODEZIE
TEZĂ DE DOCTORAT
- Rezumat -
Creşterea siguranţei în navigaţia rutieră folosind
Sisteme Inteligente de Transport
CONDUCĂTOR ŞTIINŢIFIC
prof.univ.dr.ing. Iohan NEUNER
DOCTORAND,
Maria Alexandra Roman
Bucureşti, 2016
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
2
Cuprins
Capitolul 1. Motivaţie.......................................................................................................................... 4
1.1. Scop şi obiective .......................................................................................................................................... 4
1.2. Definiţii ale ITS ............................................................................................................................................ 4
Capitolul 2. Standardizare ITS ......................................................................................................... 5
2.1. Standarde ITS ............................................................................................................................................... 5
2.1.1. Standarde şi specificaţii legate de arhitectura generală a sistemelor ITS ............. 5
2.1.2. Standarde specifice tehnologiilor ITS ...................................................................................... 5
2.1.3. Securitatea sistemului de transport ......................................................................................... 5
2.1.4. Siguranţa sistemului de transport ............................................................................................ 5
2.1.5. Servicii geografice şi bazate pe locaţie în domeniul ITS ................................................. 6
Capitolul 3. Legislaţie aplicabilă ..................................................................................................... 6
Capitolul 4. Arhitectura ITS .............................................................................................................. 6
4.1. Structura conceptuală a arhitecturii ITS ......................................................................................... 7
4.1.1. Stratul Instituţional .......................................................................................................................... 7
4.1.2. Stratul Transport ............................................................................................................................... 7
4.1.3. Stratul Comunicaţii ........................................................................................................................... 7
4.2. Structura fizică a arhitecturii ITS ........................................................................................................ 7
Capitolul 5. Stadiul actual pe plan european şi naţional al sistemelor inteligente de
transport 7
5.1. Stadiul actual pe plan european al ITS ............................................................................................. 7
5.2. Stadiul actual pe plan naţional al ITS ................................................................................................ 8
Capitolul 6. Serviciile ITS .................................................................................................................. 8
6.1. Servicii de management a traficului rutier .................................................................................... 9
6.2. Subsistemul de supraveghere a traficului ...................................................................................... 9
6.2.1. Sistemul „Floating Car Data” (FCD) .......................................................................................... 9
6.2.2. Sistemele FCD bazate pe GNSS ................................................................................................. 10
6.2.3. Sistemele FCD bazate pe GSM .................................................................................................. 10
6.3. Subsistemul de gestiune a evenimentelor / incidentelor de trafic ................................. 10
6.4. Servicii de furnizare a informaţiilor de călătorie ..................................................................... 10
6.5. Standardul TMC ........................................................................................................................................ 11
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
3
6.6. Standardul TPEG ...................................................................................................................................... 11
6.7. Standardul OpenLR ................................................................................................................................ 11
Capitolul 7. Studiu de Caz: Utilizarea datelor FCD pentru extragerea automată a
parametrilor traficului rutier ....................................................................................................... 12
7.1. Definirea problemei şi motivaţie ..................................................................................................... 12
7.1.1. Modalitate de abordare ............................................................................................................... 13
7.2. Analiza datelor GPS PVD utilizate .................................................................................................... 13
7.2.1. Distribuţia spaţială a datelor .................................................................................................... 13
7.3. Probleme de confidențialitate privind datele PVD .................................................................. 15
7.4. Pre-procesarea şi controlul calităţii datelor ............................................................................... 16
7.5. Algoritmul de sincronizare a datelor ............................................................................................. 16
7.6. Extragerea automată a locaţiei semafoarelor ............................................................................ 19
7.6.1. Parametrii studiului de caz ........................................................................................................ 19
7.6.2. Considerente şi condiţii ale algoritmului aplicat ............................................................ 19
7.6.3. Curbe accelerare / decelerare .................................................................................................. 19
7.6.4. Descrierea algoritmului aplicat ............................................................................................... 20
7.6.5. Prezentarea rezultatelor şi evaluarea calităţii ................................................................. 22
7.6.6. Calibrarea algoritmului ............................................................................................................... 23
7.6.7. Concluzii ............................................................................................................................................. 23
7.7. Determinarea timpului de staţionare la semafor..................................................................... 23
7.7.1. Descrierea problematicii abordate ........................................................................................ 23
7.7.2. Descrierea algoritmului aplicat ............................................................................................... 24
7.7.3. Prezentarea rezultatelor şi evaluarea calităţii ................................................................. 25
7.7.4. Concluzii ............................................................................................................................................. 26
Capitolul 8. Concluzii şi perspective de cercetare ................................................................. 26
8.1. Consideraţii finale ................................................................................................................................... 26
8.2. Abordarea autorului şi contribuţii personale ............................................................................ 27
8.3. Direcţii de cercetare ............................................................................................................................... 28
Bibliografie 29
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
4
CCaappiittoolluull 11.. MMOOTTIIVVAAŢŢIIEE
‘‘we have given up trying to make drivers intelligent, so now we are making the vehicles
and roads intelligent!’’ / „am renunţat în a mai încerca să facem şoferii mai inteligenţi, aşa
că acum facem vehicule şi drumuri inteligente!”(Williams B., 2008)
Este uşor de identificat că în cadrul unei societăţi moderne transportul şi energia
reprezintă domenii vitale pentru o economie sustenabilă; cetăţenii şi bunurile (produse,
mărfuri etc.) sunt transportate prin toate modalităţile de transport, dar în special prin
transport rutier.
Includerea tehnologiilor din domeniul comunicaţiilor, tehnologiei informaţiei şi automatică
a fost realizată tot mai des în diferite domenii, iar transportul nu face exceptie. Sistemele
Inteligente de Transport nu se referă doar la vehicule şi la drumuri. Astfel de sisteme îşi
găsesc tot mai des utilizare şi în cadrul transporturilor aeriene, transporturilor maritime şi
transporturilor căi feroviare.
1.1. Scop şi obiective
Premisele ce stau la baza proiectelor de cercetare pentru dezvoltarea şi implementarea
Sistemelor Inteligente de Transport sunt numeroase, însă, pe măsura trecerii timpului,
câteva dintre acestea devin tot mai critice:
Creşterea mobilităţii spre globalizare;
Dublarea economiei de combustibil pentru stabilizarea poluării;
Siguranţa pasagerilor.
1.2. Definiţii ale ITS
În orice domeniu, este natural ca punctul de plecare să reprezinte cercetarea standardelor
formulate la nivel internaţional până la momentul respectiv. După o analiză expeditivă a
tuturor formulărilor publicate, concluzia ce poate fi reţinută este că ITS pot servi o
multitudine de funcţionalităţi în diferite moduri; acestea pot interacţiona cu un singur
utilizator sau vehicul, sau pot influenţa o întreagă reţea de transport. Totuşi, indiferent de
exprimarea aleasă în cadrul acestor definiţii, există cateva puncte comune:
ITS pot creşte siguranţa în transportul rutier;
ITS pot îmbunătăţi traficul şi creşte capacitatea de transport;
ITS pot spori eficienţa şi productivitatea transportului public şi a vehiculelor
comerciale;
ITS pot reduce consumul de combustibil şi emisiile de carburant.
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
5
CCaappiittoolluull 22.. SSTTAANNDDAARRDDIIZZAARREE IITTSS
2.1. Standarde ITS
Standardizarea ITS este mai recentă, începând din anul 1991 în cadrul CEN şi în anul 1993
în cadrul ISO. Atunci când misiunea comitetelor tehnice a fost stabilită, o condiţie a
funcţionării lor a fost de a nu se abate în zone deja tratate de alte comitete tehnice.
2.1.1. Standarde şi specificaţii legate de arhitectura generală a sistemelor ITS
Prima versiune a standardelor ISO referitoare la arhitectura generală a ITS a fost sub forma
unui raport tehnic (TR 14813), denumit „Servicii fundamentale”; de la acel moment
grupurile şi domeniile de servicii ITS s-au modificat odată cu evoluţia tehnologică, ITS
având aplicaţii peste domeniile definite iniţial: managementul traficului rutier, informaţii
de călătorie şi sisteme electronice de plată. Toate aceste apecte incluse în domeniul de
activitate ITS și sunt tratate de ISO TC 204.
2.1.2. Standarde specifice tehnologiilor ITS
ISO 14813 stabilește specificaţiile cu privire la structura şi modul de funcţionare a
arhitecturii ITS. Standardul ISO 24097 stabileşte un set de specificaţii tehnice în scopul
sprijinirii furnizării serviciilor ITS prin Internet. În cazul interfeţelor ITS/TICS, standardele
ISO 17452 şi ISO 24529 recomandă utilizarea UML (Unified Modeling Language).
Standardul ISO 24531 a fost formulat pentru a oferi sprijin dezvoltatorilor şi utilizatorilor
de standarde ITS care doresc folosirea formatului XML pentru schimbul de date. Obiectivul
standardului ISO 24532 este de a identifica şi de a stabili rolul tehnologiei COBRA în cadrul
sistemelor ITS şi de a oferi specificaţii de aplicare.
2.1.3. Securitatea sistemului de transport
Standardul ISO 15408-1 defineşte două modalităţi de exprimare a securităţii funcţionale în
domeniul ITS: profilul de protecţie (PP - protection profile) şi ţinta de securitate (ST –
security target). ISO 15408-2 defineşte structura şi conţinutul componentelor funcţionale
de securitate utilizate la evaluarea echipamentelor sau a sistemelor. ISO 15408-3 defineşte
condiţiile de asigurare stabilite prin ISO 15408-1, incluzând nivelele de evaluare,
componentele individuale de asigurare şi criterii de evaluare din cadrul profilelor de
protecţie şi securitate ale sistemelor ITS.
2.1.4. Siguranţa sistemului de transport
Standardul ISO 22240, formulat de Comitetul Tehnic 22, propune şi defineşte un format
îmbunătăţit pentru schimbul de date şi pentru stocarea informaţiilor, utilizabil în cadrul
testelor de siguranţă ale vehiculelor. Standardul CEN 15722 defineşte concepte de
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
6
standardizare privind transferul de date între vehicul şi punct de recepţie pentru siguranţa
publică (PSAP - Public Safety Answering Point) în cazul accidentelor sau a altor urgenţe
prin comunicaţii de tip eCall. Standardele europene CEN 16102 şi CEN 16072 definesc
cerinţele generale de funcţionare a sistemelor de urgenţă de la bordul autovehiculelor în
ceea ce priveşte transferul notificărilor în cazul accidentelor rutiere între vehicul şi punct
de recepţie pentru siguranţa publică.
2.1.5. Servicii geografice şi bazate pe locaţie în domeniul ITS
Serviciile bazate pe locaţie (LBS - Location Based Services) sunt bazate pe exploatarea
informaţiei despre localizarea utilizatorului în scopul furnizării serviciilor necesare. Prin
eforturile comune ale ISO/TC204 şi CEN/TC278, standardul CEN/ISO 14825 defineşte
cadrul pentru conversia informaţiilor din baze de date geografice (baza hărţilor digitale) în
format utilizat pentru navigaţie.
CCaappiittoolluull 33.. LLEEGGIISSLLAAŢŢIIEE AAPPLLIICCAABBIILLĂĂ
Există mai multe surse oficiale în care poate fi consultată legislaţia europeană în vigoare,
precum şi propunerile legislative: EUR-Lex, PreLex şi Europe Direct. Conform (LEGIS,
2012), legislaţia în vigoare, clasificată conform structurii oficiale legislative a Uniunii
Europene, este disponibilă la următoarea adresă web: http://eur-
lex.europa.eu/en/legis/latest/index.htm.
CCaappiittoolluull 44.. AARRHHIITTEECCTTUURRAA IITTSS
Arhitectura ITS stabileşte un cadru comun pentru toţi dezvoltatorii de servicii şi sisteme
ITS în vederea planificării, definirii şi implementării sistemelor inteligente de transport.
Stadiul actual al arhitecturii este destul de avansat, reflectând contribuţia importantă a
comunităţii ITS, ce include: companii de transport, ingineri, programatori, specialişti în
diverse tehnologii, consultanţi etc. După cum este definită de (ITS Oregon, 2012) la nivel
global, funcţionarea arhitecturii ITS este bazată, la momentul actual, pe existenţa a două
componente principale: Structura conceptuală și Structura fizică.
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
7
4.1. Structura conceptuală a arhitecturii ITS
Structura conceptuală include totalitatea organizaţiilor şi instituţiilor implicate în
activitatea ITS, ocupându-se şi de gestiunea relaţiilor şi a tehnicilor de comunicaţii şi
comunicarea dintre acestea. Toate componentele structurii conceptuale sunt organizate în
trei straturi: straturile tehnice - Transport şi Comunicaţii, care trebuie să funcţioneze în
contextul stratului Instituţional.
4.1.1. Stratul Instituţional
Stratul Instituţional include politicile, stimulentele de finanţare, acordurile de colaborare şi
structura jurisdicţională ce susţin şi contribuie la dezvoltarea straturilor tehnice ale
arhitecturii. În cadrul stratului Instituţional sunt incluse entităţi atât din mediul privat, cât
şi din cel public.
4.1.2. Stratul Transport
Stratul Transport include funcţiile realizate în cadrul ITS, sistemele şi subsistemele ce
realizează aceste funcţii şi interfeţele necesare pentru a furniza serviciile ITS utilizatorilor.
4.1.3. Stratul Comunicaţii
Arhitectura ITS defineşte relaţia între sistemul de transport şi tehnologiile de
telecomunicaţii pentru a permite dezvoltarea şi implementarea eficientă a unei game
variate de servicii ITS.
4.2. Structura fizică a arhitecturii ITS
Arhitectura fizică ITS reprezintă punerea în practică a arhitecturii conceptuale prin
achiziţionarea şi utilizarea echipamentelor specifice şi stabilirea comuncaţiilor între
acestea. Rolul arhitecturii fizice este de a identifica procesul definit prin arhitectura
conceptuală şi să îl atribuie unei entităţi fizice, numită subsistem.
CCaappiittoolluull 55.. SSTTAADDIIUULL AACCTTUUAALL PPEE PPLLAANN EEUURROOPPEEAANN ŞŞII NNAAŢŢIIOONNAALL AALL
SSIISSTTEEMMEELLOORR IINNTTEELLIIGGEENNTTEE DDEE TTRRAANNSSPPOORRTT
5.1. Stadiul actual pe plan european al ITS
Organismul oficial care desfăşoară activităţi pentru definirea arhitecturii ITS aplicabilă în
cadrul proiectelor implementate în UE este FRAME (the FRamework Architecture Made for
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
8
Europe). Acest organism a fost creat cu scopul de a stabili cadrul de lucru şi specificaţiile
pentru implementarea sistemelor ITS în UE.
La iniţiativa membrilor de conducere ai Comisiei Europene, Ministerelor de Transport şi
reprezentanţilor importanţi ai industriei de profil din Europa, a fost fondat ERTICO –
organismul oficial în ceea ce priveşte implementarea sistemelor şi serviciilor ITS în Europa.
Acest organism are rolul de a conecta autorităţile publice, industria de profil, operatorii
infrastructurii de transport, utilizatori, asociaţiile naţionale ITS şi alte organizaţii implicate
în proiecte ITS. În conformitate cu această viziune, proiectele desfăşurate de ERTICO sunt
organizate în patru sectoare:
CooperativeMobility – includ sistemele cooperative, bazate pe schimbul reciproc
de informaţii între vehicule sau între vehicule şi infrastructură.
EcoMobility - ariile de interes ale proiectelor din cadrul acestui sector acoperă
campanii de educare pentru utilizarea eficientă a combustibililor, eficientizarea
transporturilor comerciale, managementul traficului în vederea reducerii
consumului de carburant în blocajele rutiere ș.a.
InfoMobility - informaţiile de călătorie şi datele de trafic furnizate în timp real
reprezintă punctul principal în cadrul oricărui sistem inteligent de transport.
SafeMobility - activităţile desfăşurate în cadrul acestui sector sunt legate de
siguranţa în transporturi (fie că este vorba de pasageri, marfă sau de substanţe
periculoase etc.).
5.2. Stadiul actual pe plan naţional al ITS
La nivel naţional, organismul oficial care se ocupă de stabilirea şi definirea arhitecturii ITS
este NARITS România (National Arhitecture for Road Intelligent Transport Systems –
Arhitectura Naţională a Sistemelor Inteligente de Transport).
Organismul oficial în ceea ce priveşte implementarea sistemelor şi serviciilor ITS pe plan
naţional este ITS România, fiind membru oficial al organismului ERTICO – ITS Europa.
CCaappiittoolluull 66.. SSEERRVVIICCIIIILLEE IITTSS
Serviciile ITS sunt dezvoltate pe baza taxonomiilor internaţionale şi naţionale. Toate aceste
arhitecturi sunt bazate pe modul de implementare a sistemelor ITS pe plan naţional, însă
toate sunt definite astfel încât să furnizeze aceleaşi servicii ITS, definite prin standardul ISO
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
9
14813-1. În cadrul acestei lucrări, interesul este canalizat în mod special pe servicii de
furnizare a informaţiilor de călătorie şi servicii de management a traficului rutier.
6.1. Servicii de management a traficului rutier
Conform ISO14813-1, serviciile de management a traficului rutier reprezintă „un sistem de
control al mişcării vehiculelor, călătorilor şi pietonilor în cadrul reţelei de transport”.
Serviciile de management a traficului rutier includ următoarele grupuri de lucru:
Management al traficului rutier;
Management incidentelor legate de traficul rutier;
Gestionarea cererilor de transport public rutier;
Gestionarea lucrărilor de mentenanţă pentru infrastructura transportului rutier;
Aplicarea reglementărilor de trafic.
În vederea îndeplinirii sarcinilor acestor grupuri de lucru, serviciile de management a
traficului rutier se bazează pe funcţionarea a două subsisteme: supravegherea traficului şi
gestiunea evenimentelor / incidentelor de trafic.
6.2. Subsistemul de supraveghere a traficului
Acest subsistem are rolul de a colecta şi de a procesa informaţiile de trafic în vederea
furnizării serviciilor de gestiune a traficului rutier şi a incidentelor de trafic. Metodele de
colectare a indicatorilor de trafic sunt împărţite în două categorii: metode intruzive şi
metode non-intruzive.
Practic, metodele intruzive se bazează pe existenţa unui dispozitiv de înregistrare a datelor
şi a unui senzor plasat în structura reţelei de transport (drumului) sau în imediata
apropiere a acestuia: tuburi rutiere pneumatice, senzori piezoelectrici sau bucle magnetice.
Metodele non-intruzive se bazează pe observaţii şi măsurători efectuate de la distanţă:
numărătoarea manuală, tehnologii cu infraroşu active şi pasive, senzori magnetici pasivi,
radar cu unde din domeniul microundelor, tehnologii cu ultrasunete, tehnologii de
procesare a semnalului video sau date de localizare (floating car data).
6.2.1. Sistemul „Floating Car Data” (FCD)
Sistemul FDC reprezintă o alternativă a tehnologiilor existente, fiind o sursă calitativă şi
robustă de date. Principiul acestui sistem este de a colecta în timp real date de trafic pe
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
10
baza determinării poziţiei automobilelor în cadrul reţelei de transport, folosind semnale
GSM/GPRS sau semnale GNSS.
6.2.2. Sistemele FCD bazate pe GNSS
La momentul actual, datele experimentale GNSS tind spre o largă utilizare ca sursă de
informaţii de timp real pentru mulţi furnizori de servicii, impedimentul principal fiind
numărul limitat de automobile echipate corespunzător şi cost de achiziţionare ridicat
comparativ cu sistemele FCD bazate pe GSM.
6.2.3. Sistemele FCD bazate pe GSM
Datorită faptului că în ziua de azi majoritatea automobilelor sunt echipate cu cel puţin un
telefon mobil, acestea pot fi puse în valoare în acest scop ca sursă pentru date de trafic
anonime. Această abordare este utilizată în mod special în zone urbane unde datele de
trafic sunt necesare, iar poziţionarea este mai exactă comparativ cu sistemele GNSS,
datorită distanţei mai mici dintre antenele GSM.
6.3. Subsistemul de gestiune a evenimentelor / incidentelor de trafic
Obiectivele principale ale acestui subsistem sunt de clasificare a incidentelor şi de furnizare
a răspunsului atunci când acestea apar în mod concret. În cadrul acestui subsistem,
evenimentele de trafic sunt clasificate pe trei categorii: posibile, planificate şi curente.
Funcţiile subsistemului de gestiune a incidentelor de trafic sunt:
Arhivare, gestiune şi clasificare a datelor statice privind incidentele de trafic;
Furnizarea interfeţelor de operare a evenimentelor;
Întocmirea rapoartelor de analiză a evenimentelor de trafic.
6.4. Servicii de furnizare a informaţiilor de călătorie
Conform ISO14813-1, serviciile de furnizare a informaţiilor de călătorie reprezintă
„colectarea şi procesarea de informaţii statice şi dinamice, în timp real, despre condiţiile de
călătorie, condiţii meteorologice sau alte incidente izolate, şi furnizarea acestor informaţii
participanţilor la trafic”.
Referenţierea geografică presupune abilitatea de localizare geografică (set de coordonate)
şi convenţională (adresă) a evenimentului de trafic transmis. În ceea ce priveşte
referenţierea geografică, au fost emise mai multe standarde până în momentul de față:
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
11
Standardul TMC - Traffic Message Channel, menţinut de TISA (Traveller
Information Services Association).
Standardul TPEG - Transport Protocol Experts Group, menţinut de TISA.
Standardul OpenLR – Open Location Referencing, menţinut de Compania TomTom.
6.5. Standardul TMC
TMC este o aplicaţie specifică pentru livrarea eficientă a mesajelor de trafic şi de călătorie.
Mesajele TMC sunt destinate decodoarelor speciale care pot selecta mesajele relevante şi le
pot transforma în mesaje inteligibile utilizatorului final, cum ar fi: afişare digitală, sinteză
vocală etc. Pentru moment, mesajele TMC pot fi transmise prin sistem de furnizare a
datelor prin unde radio FM (FM – RDS) sau prin Furnizare Digitală Audio (Digital Audio
Broadcasting -DAB). Standardul european pentru furnizarea informaţiilor de trafic, în toate
limbile oficiale ale UE, prin RDS – TMC este Alert-C.
6.6. Standardul TPEG
Tehnologia TPEG este deja recunoscută ca oferind un "set de instrumente" şi diferite
metode/algoritmi de localizare, necesare pentru furnizarea serviciilor specifice diferitelor
tipuri de transport.
6.7. Standardul OpenLR
Standardul OpenLR presupune existenţa unei hărţi digitale atât în partea furnizorului de
servicii care furnizează servicii bazate pe locaţii codate, cât şi în partea utilizatorului, în
memoria terminalului utilizat, pe baza căreia se va realiza decodarea şi afişarea
evenimentului.
Metoda de referenţiere geografică a standardului OpenLR îndeplineşte cerinţele de
comunicare ale locaţiei între sistemele care au hărţi diferite. În cadrul hărţilor digitale,
locaţiile sunt considerate obiecte de tipul puncte, linii sau poligoane. Condiţia principală
este ca atât harta furnizorului de servicii (pe baza căreia o locaţie este stabilită şi codată),
cât şi harta utilizatorului să îndeplinească standardele necesare aplicaţiilor de navigaţie
(acurateţe şi conţinut).
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
12
CCaappiittoolluull 77.. SSTTUUDDIIUU DDEE CCAAZZ:: UUTTIILLIIZZAARREEAA DDAATTEELLOORR FFCCDD PPEENNTTRRUU
EEXXTTRRAAGGEERREEAA AAUUTTOOMMAATTĂĂ AA PPAARRAAMMEETTRRIILLOORR TTRRAAFFIICCUULLUUII RRUUTTIIEERR
Componenta principală a studiilor şi proiectelor din domeniul ITS, în ceea ce priveşte
modelarea realităţii din cadrul reţelei de transport, o reprezintă datele FCD (Floating Car
Data). În ultimul timp însă, mai des utilizat pentru acest tip de date este termenul “Probe
Vehicle Data” (PVD) sau, exprimarea mai simplă, “probe data”.
Sistemele de vehicule conectate, integrarea progresivă a smartphone-urilor în structura
rutieră, creşterea tehnologiei Web 2.0, dar mai ales apariţia progresivă a vehiculelor
automatizate au creat un teren fertil pentru colectarea fără precedent a PVD.
Impactul dezvoltării tehnologice şi-a pus amprenta într-un mod deosebit în acest domeniu,
deoarece PVD sunt considerate acum metode low-cost pentru obţinerea parametrilor de
trafic rutier ca timpul de călătorie, viteza de deplasare, indicatori de volum, direcţii de
deplasare etc.
7.1. Definirea problemei şi motivaţie
Principalele componente ce stau la baza oricărui sistem performant de navigaţie / asistenţă
în timpul călătoriei sunt:
Reţeau digitală de transport, care trebuie să fie cât mai actuală şi precisă;
Viteza medie de deplasare pe fiecare segment al reţelei de transport;
Informaţii privind condiţiile actuale de deplasare;
Valoarea întârzierilor raportate la viteza medie de deplasare pe fiecare segment al
reţelei de transport (incidente în trafic, timpul de staţionare la semafor etc.).
Prin intermediul acestui studiu de caz autorul îşi propune studiul şi identificarea unor
soluţii pentru determinarea automată a poziţiei semafoarelor şi a timpului de
staţionare la semafor.
Primul obiectiv deserveşte în principal domeniului navigaţiei rutiere, întrucât înlătură
necesitatea colaborării cu autorităţile locale pentru stabilirea unei reţele naţionale a
semafoarelor.
Al doilea obiectiv este important atât pentru companiile ce oferă soluţii de navigaţie, dar
mai ales pentru autorităţile, instituţiile, companiile care operează sisteme de management
a traficului rutier.
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
13
Determinarea dinamică, în timp real, a lungimii cozilor de trafic şi a timpilor de staţionare
la semafor permit crearea unor sisteme dinamice, inteligente şi flexibile, adaptive la
condiţiile reale de trafic, nu la modele generice, teoretice. Astfel, oraşele se pot apropia de
conceptul Oraş Inteligent prin dinamizarea, eficientizarea şi ecologizarea transportului
rutier, promovat în Europa prin iniţiativa (Horizon 2020, Smart Cities, Urban Mobility ,
2014).
7.1.1. Modalitate de abordare
Pentru atingerea celor două obiective descrise la punctul 7.1 este necesar accesul la o bază
de date în care sunt colectate date test reale. Din experienţa acumulată până la momentul
redactării acestei lucrări, au fost conturate câteva criterii ce trebuie considerate la selecţia
datelor utilizate în acest scop:
Datele colectate trebuie să provină de la diverse categorii de utilizatori ai reţelei
rutiere (companii de taxi, companii de transport, companii de curierat, de preferat
participanţi obişnuiţi la traficul rutier urban).
Pentru a creşte acurateţea determinărilor realizate pe baza acestor date este
recomandat ca intervalul de timp între două înregistrări consecutive să nu
depăşească 30 secunde.
În funcţie de scopul studiului realizat, este recomandat ca datele să fie împărţite pe
intervale orare specifice traficului rutier local.
7.2. Analiza datelor GPS PVD utilizate
Datele utilizate în cadrul acestui studiu de caz au fost colectate în perioada 01.05.2013 –
31.06.2013 pentru întreaga suprafaţă a municipiului Bucureşti, Romania. Datele colectate
provin de la companii de taxi, flote comerciale monitorizate prin GPS şi utilizatori civili ai
reţelei de transport. În primă etapă, se va realiza o analiză statistică a datelor PVD pentru a
cunoaşte distribuţia statistică și distribuţia spaţială.
7.2.1. Distribuţia spaţială a datelor
Scopul acestui test este de a determina caracteristicile cantitative ale setului de date folosit,
adică dacă la nivelul municipiului Bucureşti acoperirea cu date este omogenă, integrală.
Pentru realizarea primului obiectiv menţionat la secţiunea 7.1. – determinarea poziţiei
semafoarelor în mediul urban – trei parametri calitativi ai setului de date folosit sunt
importanţi: intervalul de eşantionare, viteza de deplasare şi rezoluţia coordonatelor.
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
14
Intervalul de eşantionare
Principala sursă a acestui set de date o reprezintă sistemele de monitorizare a flotelor, deci
este de aşteptat ca intervalul de eşantionare să nu fie de 1 Hz, cum este în cazul sistemelor
de trafic dedicate mobilităţii urbane. Concluziile stabilite în cazul acestui test sunt:
În cazul vehiculelor staţionare intervalul de eşantionare este de 1 oră; ca număr, din
totalul înregistrărilor selectate, acestea reprezintă 69488 (8%);
În cazul vehiculelor aflate în mişcare intervalul de eşantionare este variabil (funcţie
de viteza de deplasare sau distanţa parcursă), intervalul mediu fiind de 30 secunde
(după cum este prezentat în imaginea de mai jos).
Figura 1: Valoarea medie a intervalului de eşantionare pentru vehiculele
aflate în mişcare (date selectate pentru săptămâna 26 mai -1 iunie 2013)
Viteza de deplasare
Este bine ştiut că viteza de deplasare, mai ales în mediul urban, este influenţată de mulţi
factori: ziua şi momentul zilei, tipul arterei rutiere, prezenţa semafoarelor, condiţiile meteo
etc. Astfel, datele trebuie analizate din punct de vedere al relaţiei timp (moment al zilei) –
viteză de deplasare şi extrase intervalele optime ale zilei pentru care să se realizeze studiul
de caz.
Figura 2: Exemplu - Analiza vitezei de deplasare-Bucureşti , 26.05.2013 -
01.06.2013, intervalul orar 00:00 -06:59
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
15
Rezoluţia coordonatelor
Poziţia inclusă în rapoartele PVD este reprezentată prin coordonate geografice WGS84
(latitudine şi longitudine), în grade şi fracţiuni de grade cu 5 zecimale, acest lucru
traducându-se într-o acurateţe a coordonatelor de aproximativ 0.85 m pe latitudine şi
aproximativ 1.1 m pe longitudine. După cum este descris şi în (Wang Y. et. al., 2011),
dincolo de rezoluţia coordonatelor, zgomotul coordonatelor GPS poate fi modelat cu
ajutorul distribuţiei normale Gauss.
Figura 3: Modelarea zgomotului poziţiilor GPS în mediile urbane (selecţie de
date pentru Bucureşti, 26.05.2013 -01.06.2013)
În urma analizei datelor selectate pentru săptămana 26 mai – 1 iunie 2013, în raport cu
reţeau rutieră, am concluzionat:
93% din date se află la mai puţin de 100 de metri față de un drum.
din acest procent de 93%, 70% din date se afla la o distanţă de 10 metri faţă de un
drum, ceea ce înseamnă că pentru străzile cu mai mult de două benzi eroarea de
poziţionare este minimă.
7.3. Probleme de confidențialitate privind datele PVD
Grupul tehnic TC204/WG16 din cadrul ISO a publicat standardul internaţional „Basic
principles for personal data protection in probe vehicle information service” ce tratează
protecţia datelor cu caracter personal din domeniul ITS.
Pentru datele utilizate în cadrul acestui studiu de caz, toate principiile descrise în cadrul
ISO 24100 sunt îndeplinite. Aceşti parametri nu permit identificarea utilizatorului şi nu
există niciun parametru suplimentar care să trimită către alte baze de date ce ar putea
identifica utilizatorul acestor servicii.
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
16
7.4. Pre-procesarea şi controlul calităţii datelor
După cum a fost descris, poziţiile GPS sunt afectate de zgomot, astfel încât este necesară o
pre-procesare a acestor date şi o selecţie pentru a creşte încrederea rezultatelor obţinute
pe baza acestora. Cel mai des, aceste date sunt procesate şi ajustate folosind algoritmi
„map-matching” (MM) sau, altfel numiţi, algoritmi de sincronizare.
Tehnologia MM este o metodă corectivă prin care, plecând de la premisa că vehiculele
rulează pe drumuri, poziţia datelor PVD este reproiectată pe segmentul cel mai apropiat al
unei reţele digitale rutiere (pe baza unor criterii calitative: tipul drumului, unghiul de
orientare, viteza de deplasare).
7.5. Algoritmul de sincronizare a datelor
Pentru a aplica un algoritm de map-matching pentru datele utilizate în cadrul acestui
studiu de caz, este necesară şi o reţea rutieră a municipiului Bucureşti. Astfel, ca sursă de
date în cadrul acestei lucrări a fost utilizată Open Streets Map, layer-ul polyline, descărcat
în August 2014. Acest layer a fost prelucrat şi editat pentru a îmbunătăţi calitatea şi
acoperirea necesară utilizării lui în cadrul acestui studiu.
Algoritmul de sincronizare a datelor PVD cu reţeaua rutieră digitală a municipiului
Bucureşti este bazat pe o analiză epocă cu epocă a poziţiei, a direcţiei şi a vitezei de
deplasare. De asemenea, se realizează un model al mobilităţii fiecărui vehicul pentru a
extrage traiectoriile acestora. Rezultatele obţinute se compară ponderat cu reţeaua digitală.
Trebuie menţionat că acest algoritm este relevant pentru post-procesarea datelor PVD, nu
are aplicabilitate în cadrul unui sistem aproape în timp real (de exemplu un sistem de
management a incidentelor de trafic). Pentru a putea fi aplicat acest algoritm pentru
procese aproape în timp real trebuie exclusă sau modelată secvenţa de extragere a
traiectoriilor.
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
17
Figura 4: Algoritmul map-matching folosit pentru sincroniza rea datelor PVD
la harta digitala (OSM 08.2014)
Pentru exemplificarea algoritmului a fost aleasă o zonă de interes din Bucureşti
(intersecţiile Şoselei Grozăveşti cu Bulevardul Iuliu Maniu, respectiv cu Splaiului
Independenţei). Rezultatele etapelor descrise în schema logică din figura 4 pot fi urmărite
în imaginea de mai jos.
După selecţia datelor pentru zona de interes (imaginea a. din figura 5) se vor crea
secvenţele de deplasare - liste ordonate pentru fiecare utilizator, exprimate ca funcţii
fi t : (id, p, s, h, t) - şi se aplică filtrul Kalman pentru extragerea traiectoriilor (imaginea b.
din figura 5).
Folosind traiectoriile generate anterior, pentru fiecare id – utilizator se extrag segmentele
candidat ale hărţii digitale (imaginea c. din figura 5).
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
18
Figura 5: Exemplificarea algoritmului map-matching folosit pentru
sincronizarea datelor PVD la harta digitala (OSM 08.2014)
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
19
Pe baza atributelor selectate ale acestora (poziţie, unghi de orientare, clasă de viteză) se
vor compara atributele selectate ale datelor PVD (poziţie, direcţie de deplasare, viteză), iar
datele validate în urma acestui proces bazat pe filtrul Kalman vor fi repoziţionate în acord
cu harta digitală (imaginea d. din figura 5). În această imagine datele reprezentate cu verde
au fost validate de algoritmul map-matching şi repoziţionate, iar cele reprezentate cu roşu
au fost respinse de algoritmul de map-matching pe criterii de distanţă şi direcţie de
deplasare.
7.6. Extragerea automată a locaţiei semafoarelor
7.6.1. Parametrii studiului de caz
Tehnologiile utilizate pentru dezvoltarea şi aplicarea algoritmului de extragere a locaţiilor
semafoarelor, testarea şi prezentarea rezultatelor sunt:
Bază de date PostgreSQL, cu extensie PostGIS;
Software GIS Open Source - Quantum GIS;
Software GIS ESRI ArcGIS Desktop cu licenţă trial de 60 zile;
Date privind reţeaua de transport a municipiului Bucureşti (Open Street Map,
August 2014);
Date PVD furnizate de firma Arobs Transilvania pentru lunile Mai şi Iunie 2013 pe
întreg teritoriul municipiului Bucureşti.
Pentru prezentarea rezultatelor algoritmului de extragere a locaţiilor semafoarelor în
cadrul acestei lucrări a fost ales Bulevardul Iuliu Maniu, sensul de deplasare de la Şoseaua
de centură către centru. Pentru evaluarea cantitativă (numărul de semafoare determinat în
urma algoritmului) şi calitativă (acurateţea poziţionării acestora), locaţiile semafoarelor au
fost colectate folosind tehnologii de colectare mobilă a datelor.
7.6.2. Considerente şi condiţii ale algoritmului aplicat
Principiul care stă la baza algoritmului este următorul: un vehicul care se apropie de un
semafor ce afişează culoarea roşie va decelera. Algoritmul propus încearcă să identifice
aceste secvenţe de decelerare, pe care le va asocia segmentului aferent din reţeaua rutieră
– numit segment candidat. Poziţia probabilă a semaforului va fi considerată la capătul
segmentului candidat, în sensul de deplasare pe segment.
7.6.3. Curbe accelerare / decelerare
În contextul acestui studiu de caz curbele de accelerare/decelerare reprezintă secvenţe de
minim 3 înregistrări succesive, neinterpolate, pentru care viteza de deplasare creşte sau
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
20
descreşte constant. După cum va fi prezentat în secţiunea următoare, aceste curbe au un rol
important în cadrul algoritmului de extragere a locaţiilor probabile a semafoarelor.
Fiind la baza algoritmului propus prin această lucrare, se pune problema studiului
dependenţei acestor secvenţe de intervalul temporal în care se desfăşoară traficul. O scurtă
analiză a aspectului menţionat mai sus a fost realizată pentru zece utilizatori ce călătoresc
pe Bulevardul Iuliu Maniu între intersecţia cu Şoseaua Virtuţii şi Şoseaua Grozăveşti, în
intervalul orar 7:30 – 8:00 (cinci utilizatori), respectiv 12:30 – 13:00 (cinci utilizatori).
Rezultatele sunt prezentate în graficele de mai jos.
Figura 6: Curbe de acceleraţie/deceleraţie pentru intervalul 7:30 -8:00 pe
Bulevardul Iuliu Maniu, Bucureşti (între intersecţiile cu Şoseaua Virtuţii,
respectiv cu Şoseaua Grozăveşti)
Figura 7: Curbe de acceleraţie/deceleraţie pentru intervalul 12:30-13:00 pe
Bulevardul Iuliu Maniu, Bucureşti (între intersecţiile cu Şoseaua Virtuţii,
respectiv cu Şoseaua Grozăveşti)
7.6.4. Descrierea algoritmului aplicat
Algoritmul folosit pentru determinarea locaţiilor semafoarelor (prezentat în figura 8) se
compune din trei module principale:
1. Model de mobilitate – pe baza datelor PVD sunt generate traiectorii iniţiale. Folosind
filtrul Kalman aceste traiectorii sunt îmbunătăţite prin interpolarea datelor atunci când
0
20
40
60
80
100
120
140
7:26 7:31 7:36 7:41 7:46 7:51 7:57
0
20
40
60
80
100
120
140
12:30 12:35 12:40 12:45 12:50 12:55 13:00
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
21
intervalul de eşantionare depăşeste 30 de secunde. Mai mult, pentru două poziţii
consecutive cu viteze mai mari de 60 km/h şi interval de eşantionare de 30 secunde un
vehicul parcurge cel puţin 500 metri astfel că, pentru o acurateţe mai ridicată a
traiectoriei extrase se realizează interpolări suplimentare. Aceste condiţii se aplică
iterativ pentru crearea vectorului traiectoriilor.
Figura 8: Schema logică a algoritmului de extragere automată a poziţiilor
probabile a semafoarelor
2. Extragerea secvenţelor de accelerare / decelerare – plecând de la principiul că un
vehicul reduce viteza la întâmpinarea unui semafor de culoare roşie, aceste curbe vor fi
folosite pentru selectarea segmentelor candidat.
3. Extragerea poziţiilor probabile ale semafoarelor – pentru secvenţele extrase anterior se
va calcula bounding box-ul. Poziţia probabilă a semaforului va fi considerată nodul de
capăt al segmentului în sensul de deplasare al traficului.
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
22
7.6.5. Prezentarea rezultatelor şi evaluarea calităţii
Pentru exemplificarea algoritmului şi prezentarea rezultatelor în cadrul acestei lucrări a
fost ales sectorul rutier de pe Bulevardul Iuliu Maniu, între intersecţiile cu Strada Apusului
şi Şoseaua Virtuţii.
Figura 9: Studiu comparativ între poziţia estimată (albastru) şi poziţia reală
(roşu) și abaterea standard (metri) a poziţiei estimate pentru semafoarele de pe
Bulevardul Iuliu Maniu, Bucureşti, între intersecţiilor cu Strada Apusului şi
Şoseaua Virtuţii Pentru a evalua calitatea rezultatelor obţinute, poziţiile estimate ale semafoarelor vor fi
comparate cu poziţiile reale ale acestora. Au fost calculate abaterile standard ale poziţiilor
estimate în urma acestui algoritm, acestea fiind reprezentate în graficul din figura 9.
Abaterea standard totală pentru poziţiile celor şapte semafoare este în intervalul 8-14m.
580800
581000
581200
581400
581600
581800
582000
582200
582400
582600
3265
10
3265
20
3265
30
3265
40
3265
50
3265
60
3265
70
3265
80
-20
-10
0
10
20
σx σy
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
23
7.6.6. Calibrarea algoritmului
Rezultatele prezentate la secţiunile anterioare au fost obţinute folosind toate datele avute
la dispoziţie (1 mai 2013 – 30 iunie 2013). Datele au fost împărţite pe intervale orare de
trafic, iar algoritmul a fost aplicat iterativ. Prima iteraţie a fost aplicată pe datele din
intervalul 15:00 – 17:00.
După cum este prezentat în (Liu X. et al., 2012), algoritmul prezentat poate fi calibrat şi
îmbunătăţit pentru obţinerea unor rezultate superioare. În acest scop următoarele direcţii
pot fi abordate:
Folosirea în cadrul algoritmului doar a datelor PVD din intervale de timp în care
traficul este mai relaxat (pentru Bucureşti este recomandat 11:00 – 17:00 pentru
zilele lucrătoare sau zilele de weekend). Pentru setul de date avut la dispoziţie în
cadrul acestui studiu de caz rezultatele obţinute cu această abordare nu sunt
relevante.
Folosirea rezultatelor iniţiale ca date de intrare pentru iteraţiile următoare.
7.6.7. Concluzii
Algoritmul prezentat şi rezultatele obţinute sunt dependente de reţea digitală de transport.
După cum a fost detaliat în cadrul capitolului, este necesară o muncă de pregătire a acestei
reţele sau datele pot fi cumpărate de la companii specializate. În orice caz, acesta poate fi
considerat punctul slab al acestui algoritm, întrucât realizarea unei reţele pretabile aplicării
la o scară mai largă (mai multe oraşe, la nivel naţional) implică costuri ridicate. Totuşi,
algoritmul oferă rezutate bune, atât din punct de vedere al determinării numărului de
semafoare, cât şi al poziţiei acestora.
Geometria reţelei digitale ar trebui stocată ca segmente de 10 metri lungime pentru a
creşte acurateţea poziţionării. Din punct de vedere al performanţei de procesare (mai ales
în cazul funcţiilor spaţiale – selecţie, intersecţie) efectul este negativ, crescând timpul de
procesare exponenţial (din testele realizate pe un set de date restrâns timpul de procesare
a crescut de 10 ori).
7.7. Determinarea timpului de staţionare la semafor
7.7.1. Descrierea problematicii abordate
După cum este evidenţiat în (Comert G. & Cetin M., 2008), cunoaşterea timpului de
deplasare în cadrul reţelei de transport implică în mare măsură cunoaşterea timpului de
staţionare la semafor. Municipiul Bucureşti dispune de un sistem inteligent de management
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
24
şi control al traficului urban, cunoscut sub denumirea BTMS (Bucharest Traffic
Management System). Conform (UTI, 2014), acest sistem este compus din:
subsistem adaptiv pentru controlul traficului (UTC);
subsistem pentru managementul vehiculelor aparţinând operatorilor de transport
public (PTM);
subsistem CCTV cu funcţiuni de vizualizare a vehiculelor în intersecţii.
Pe baza acestui subsistem adaptiv, timpii de staţionare la semafor sunt dinamici în funcţie
de starea actuală a traficului rutier la nivel local. Acest lucru face cu atât mai dificilă
cunoaşterea acestor valori de către entităţile interesate. Totuşi, pe baza unei acoperiri
ridicate de date PVD la nivelul mediului urban poate fi dezvoltat un algoritm de estimare a
timpului de staţionare la semafor.
7.7.2. Descrierea algoritmului aplicat
Algoritmul propus pentru determinarea timpului de staţionare la semafor se bazează pe
rezultatele obţinute prin algoritmul de identificare a locaţiilor semafoarelor, în sensul în
care curbele de accelerare/decelerare determinate sunt corelate cu segmentele reţelei
rutiere selectate pentru care se identifică existenţa unui semafor.
Figura 10: Modelarea timpului de staţionare la semafor
Folosind filtrul Kalman se identifică succesiunea curbă decelerare – staţionare – curbă
accelerare, se determină timpul de staţionare şi se corelează cu reţeaua de transport
pentru a fi aplicat semaforului aferent. Modelul după care se desfăşoară acest algoritm este
prezentat în figura 10.
Variaţia timpului de staţionare pentru un anumit semafor este modelată ca rezultat a unui
proces arbitrar. Pe durata unui anumit număr de epoci, este determinată durata de timp
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
25
între momentul ultimei valoari a curbei de decelerare şi momentul primei valori a curbei
de accelerare pentru fiecare succesiune decelerare – staţionare – accelerare.
7.7.3. Prezentarea rezultatelor şi evaluarea calităţii
După algoritmul descris la capitolul anterior, pentru prezentarea rezultatelor a fost selectat
unul din semafoarele amplasate pe Bulevardul Iuliu Maniu, între intersecţiile cu Strada
Apusului şi Şoseaua Virtuţii. Având în vedere că municipiul Bucureşti dispune de BTMS,
datele au fost prelucrate pe intervale de trafic, deoarece, spre exemplu, valoarea obţinută
pentru intervalul 7:00-8:59 poate să difere simţitor faţă de valoarea obţinută pentru
intervalul 15:00-16:59.
Figura 11: Estimarea timpului de staţionare la semafor (intersecţia Bdul Iuliu
Maniu cu Şoseaua Virtuţii)
Graficele de mai sus reproduc raţionamentul după care se desfăşoară algoritmul. După
identificarea unei succesiuni decelerare – staţionare – accelerare se calculează intervalul de
timp între ultima valoare de decelerare şi prima valoare de accelerare. Sunt identificate şi
eliminate valorile externe (marcate în figura 11). Intervalul de timp astfel obţinut
reprezintă timpul de staţionare determinat cu o rezoluţie de ±30 secunde.
Rezultatele obţinute şi prezentate în acest capitol nu pot fi validate cu valoarea reală,
deoarece nu există măsurători care să poată fi introduse ca valori etalon. Aceste rezultate
pot fi validate doar prin analize statistice riguroase bazate pe rezultatele fiecărei iteraţii.
-5
0
5
10
15
20
-20 0 20 40 60 80 100 120 140 160 1807593 7755 7782 7851 8170 9082 1918
9883 8836 10613 13091 15454 18339 21381
0 20 40 60 80 100 120 140 160 180
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
26
Pentru cele două semafoare selectate pentru exemplificarea rezultatelor, pentru intervalul
orar 15:00-17:00 şi cu o rezoluţie de ±30 secunde, timpul de staţionare estimat este de 90
secunde.
7.7.4. Concluzii
Algoritmul prezentat în cadrul acestui capitol este folosit pentru determinarea a posteriori
a timpului de staţionare. Pentru determinarea în timp aproape-real a acestui parametru
este necesară includerea buclei de predicţie a filtrului Kalman.
Din cauza intervalului ridicat de eşantionare a datelor (30 secunde), algoritmul se bazează
pe o procedură de interpolare liniară ceea ce influenţează precizia rezultatelor obţinute.
Datele pretabile unui astfel de algoritm ar trebui să aibă un interval de eşantionare de 5
secunde, sau chiar de 1 secundă.
CCaappiittoolluull 88.. CCOONNCCLLUUZZIIII ŞŞII PPEERRSSPPEECCTTIIVVEE DDEE CCEERRCCEETTAARREE
8.1. Consideraţii finale
Motivele care au stau la baza ideii de dezvoltare a Sistemelor Inteligente de Transport sunt
dintre cele mai variate, mai ales considerând faptul că, în ultimii ani, din ce în ce mai mult
îşi găsesc aplicabilitate în diverse domenii.
Viziunea pe termen lung în acest domeniu este de a realiza Sisteme Inteligente de
Transport cu adevărat multi-modale, capabile să furnizeze informaţii de trafic în timp real.
Conform unui comunicat de presă al IBM (2010), „trendul actual în managementul
transporturilor este de utilizare a datelor pentru a face predicţii legate de condiţiile de trafic
şi de a permite agenţiilor private să implementeze stategii şi tehnologii de furnizare a
informaţiilor de călătorie în mod anticipat, în acord cu previziunile făcute”.
Provocările privind metodele de referenţiere geografică sunt încă numeroase. Deşi metoda
TMC oferă cele mai sigure şi precise rezultate, tabelele de locaţii nu sunt stabile şi nu sunt
întreţinute într-un mod care să asigure compatibilitatea cu tabelele anterioare sau viitoare.
Pentru a oferi servicii care să se ridice la aşteptările utilizatorilor, furnizorii trebuie
gestioneze multiple tabele de locaţii, cu diferite versiuni, în acelaşi timp.
Standardul OpenLR, dezvoltat de o companie privată, implică restricţii de proprietate
intelectuală. Mai mult, situaţii complexe de referenţiere geografică sunt dificil de reprodus
la nivelul terminalului, cele mai optimiste procente de reproducere ajungând până la 80 -
90%. Există un potenţial de eroare la reproducerea fiecărei rute, acest lucru putând
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
27
conduce la cereri de suport tehnic interminabile pentru a explica de ce ruta nu a fost bine
recreată.
8.2. Abordarea autorului şi contribuţii personale
Până la momentul de faţă cele două aspecte tratate în cadrul acestei lucrări au mai fost
studiate în cadrul universităţilor din lume. Abordarea prezentată în cadrul acestei lucrări
este diferită, prin faptul că se bazează într-un grad ridicat pe existenţa unei baze de date
spaţiale specifice determinării acestor parametri. Este admis faptul că pentru a crea acestă
bază de date este necesară o investiţie suplimentară şi resurse de procesare puternice, însă
rezultatele obţinute au o încredere superioară.
Rolul acestei lucrări este de a expune o metodologie de înţelegere a regulilor de
desfăşurare ale traficului într-un mediu urban – prin determinarea locaţiei semafoarelor şi
a timpilor de staţionare – fară apelarea autorităţilor locale din domeniu şi fără a lucra cu
baze de date sub diverse forme (excel, pe hârtie, pe diverse liste etc.) care stocheză datele
despre sistemul de trafic. Metoda prezentată are caracter universal, poate fi aplicată în
orice locaţie atâta timp cât sunt utilizate aceleaşi date de intrare: date PVD şi harta digitală
rutieră.
Contribuţia personală adusă prin intermediul acestei lucrări poate fi sintetizată astfel:
Tema abordată este de actualitate la nivelul Uniunii Europene, fiind promovată prin
inițiativa Orizont 2020, Orașe Inteligente. Astfel, oraşele se pot apropia de conceptul
Oraş Inteligent prin dinamizarea, eficientizarea şi ecologizarea transportului rutier;
Studiul literaturii de specialitate, la nivel global, regional şi naţional, din domeniul
Sistemelor Inteligente de Transport, ce abordează teme de optimizare a mobilităţii
urbane;
Inventarierea iniţiativelor şi proiectelor realizate, dar şi a standardelor elaborate
pentru aspectele abordate în această lucrare;
Analiza datelor furnizate întocmirii acestui studiu de caz – date PVD pentru
municipiul Bucureşti, pentru perioada 1 mai 2013 – 30 iunie 2013 – pentru a
extrage parametrii specifici traficului din zona de studiu (intervalele de trafic);
Abordarea, pentru prima dată, a întregului flux de determinare a locaţiei şi a
timpului de staţionare la semafor şi transmiterea acestor informaţii folosind
metodele corecte (independente de reţeaua digitală rutieră – OpenLR sau TPEG);
Testarea şi validarea metodelor propuse pe o zonă de studiu – Bucureşti, Bulevardul
Iuliu Maniu;
Interpretarea şi comentarea rezultatelor obţinute din efectuarea studiului de caz;
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
28
Algoritmul prezentat deserveşte în principal domeniului navigaţiei rutiere, întrucât
înlătură necesitatea colaborării cu autorităţile locale pentru stabilirea unei reţele
naţionale a semafoarelor;
Estimarea timpului de staționare la semafor folosind metoda prezentată se
realizează a posteriori. Pentru determinarea în timp aproape-real a acestui
parametru este necesară includerea buclei de predicţie a filtrului Kalman.
Algoritmul se aplică iterativ, pe intervale de trafic, ceea ce permite personalizarea în
acord cu condițiile locale de mobilitate;
Metoda oferă rezultate bune, atât din punct de vedere cantitativ (numărul de
semafoare determinate a fost cel corect), dar și calitativ (locația semafoarelor a fost
determinată cu o precizie mai mică de 14 m);
Propunerea câtorva direcţii de cercetare viitoare, desprinse de-a lungul cercetărilor
efectuate, care reprezintă teme de actualitate şi interes ştiinţific pentru specialiştii
din domeniul;
Furnizarea unei liste bibliografice utilă şi de dată recentă pentru specialiştii
interesaţi.
8.3. Direcţii de cercetare
Lucrarea de faţă reprezintă un studiu limitat de timpul de derulare al programului de
cercetare, dar şi de amploarea problematicii abordate. Din acest motiv, au fost selectate
doar cele două aspecte prezentate şi testarea acestora pe o zonă de studiu mai restrânsă
(Bulevardul Iuliu Maniu, Bucureşti). Totuşi, etapa de documentare şi investigare din cadrul
acestei teze au evidenţiat o serie de alte direcţii de studiu, care însă necesită cunoştinţe
avansate de programare:
Transformarea metodologiei într-o structură Artificial Neural Network (ANN);
Adaptarea algoritmului (incluzând bucle de predicţie) pentru estimări în timp
aproape-real;
Extinderea şi testarea algoritmului pentru date la nivel regional sau naţional;
Adaptarea algoritmului pentru identificarea altor evenimente din trafic (treceri de
pietoni, incidente spontane în trafic etc.).
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
29
BBIIBBLLIIOOGGRRAAFFIIEE
Ask, L. (2012). Road Traffic and Transport Telematics – Public Transport – Public Transport Vehicle Network,
Version 0.91. Reseinformation, Sweden: CEN TC278/WG3/SG1.
ASRO, A. d. (2012). Asociaţia de Standardizare din România - organismul naţional de standardizare. Online:
http://www.asro.ro/.
Basnayake C. (2004). Automated Traffic Incident Detection Using GPS-Based Transit Probe Vehicles. University
of Calgary, Alberta: Department of Geomatics Engineering.
Bessler S. & Paulin T. (2013). Literature Study on the State of the Art of Probe Data Systems in Europe. iMobility
Support & FOT-Net Project: FTW Telecommunications Research Center Vienna.
CEN. (2011). CEN/TC 278 ITS standardization, Work programme overview. Online: European Committee for
Standardization.
CEN. (2012). European Committee for Standardization. Online: https://www.cen.eu/Pages/default.aspx.
CEN. (2010). Hands on Standardization, A Starter Guide to Standardization for Experts in CEN Technical Bodies.
Online: European Committee for Standardization.
CEN/ISO TS 14819-1. (2014). Intelligent transport systems (ITS) - Traffic and Travel Information Messages via
Traffic Message Coding – Part 1: Coding protocol for Radio Data System. Online: CEN/ISO.
CEN/ISO TS 14819-2. (2014). Intelligent transport systems (ITS) - Traffic and Travel Information Messages via
Traffic Message Coding – Part 2: Event and information codes for Radio Data System – Traffic Message Channel
(RDS-TMC) using Alert-C. Online: CEN/ISO.
CEN/ISO TS 14819-3. (2014). Intelligent transport systems (ITS) - Traffic and Travel Information Messages via
Traffic Message Coding – Part 3: Location referencing for Radio Data System – Traffic Message Channel
(RDSTMC) using Alert-C. Online: CEN/ISO.
CEN/ISO TS 18234-1. (2013). Intelligent transport systems - Traffic and travel information via transport
protocol experts group, generation 1 (TPEG1) binary data format – Part 1: Introduction, numbering and
versions . Online: ISO.
CEN/ISO TS 18234-11. (2013). Intelligent transport systems - Traffic and travel information via transport
protocol experts group, generation 1 (TPEG1) binary data format – Part 11: Location referencing container.
Online: ISO.
CEN/ISO TS 18234-2. (2006). Intelligent transport systems - Traffic and travel information via transport
protocol experts group, generation 1 (TPEG1) binary data format – Part 2: Syntax, Semantics and Framing.
Online: ISO.
CEN/ISO TS 21219 - 7. (2014). Intelligent transport systems— Traffic and travel information via transport
protocol experts group, generation 2 (TPEG2) - Part 7: Location referencing container. Online: ISO.
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
30
CEN/ISO TS 21219-18. (2015). Intelligent transport systems (ITS) - Traffic and Travel Information (TTI) via
Transport Protocol Experts Group, Generation 2 (TPEG2) – Part 18: Traffic Flow and Prediction application.
Online: ISO.
CEN/ISO TS 21219-21. (2013). Intelligent Transport Systems (ITS) — Traffic and Travel Information (TTI) via
Transport Protocol Experts Group, Generation 2 (TPEG2) - Part 21: Geographic Location Referencing. Online:
ISO.
CEN/ISO TS 21219-5. (2015). Intelligent transport systems (ITS) - Traffic and Travel Information (TTI) via
Transport Protocol Experts Group, Generation 2 (TPEG2) – Part 5: Service Framework. Online: ISO.
CEN/ISO TS 21219-6. (2015). Intelligent transport systems (ITS) - Traffic and Travel Information (TTI) via
Transport Protocol Experts Group, Generation 2 (TPEG2) – Part 6: Message Management Container. Online: ISO.
Comert G. & Cetin M. (2008). Queue length estimation from probe vehicle location and the impacts of sample
size. European Journal of Operational Research: doi:10.1016/j.ejor.2008.06.024.
Directoratul pentru Transport şi Energie. (2008). ITS definition. Online: Comisia Uniunii Europene.
DOT, U. (2012). US Department of Transportation. Online: https://www.transportation.gov/.
ERTICO. (2012). Intelligent Transport Systems and Services for Europe. Online: http://www.ertico.com/about-
ertico/.
ETSI. (2012). European Telecommunications Standards Institute. Online:
http://www.etsi.org/WebSite/AboutETSI/AboutEtsi.aspx.
European Comission. (2012). Road Transport - A change of gear . Luxembourg: Publications Office of the
European Union.
Eurostat. (2012). Eurostat. Online: http://ec.europa.eu/eurostat.
FRAME. (2012). The Home Page of the European Intelligent Transport System (ITS) Framework Architecture.
Online: http://www.frame-online.net/.
Fujimoto S. (2011). On the subject of probe data, Messages from Departments and Centers of NILIM . MLIT,
JAPAN: National Institute for Land and Infrastructure Management.
Hendriks, T. . (14 February 2012). Introduction to TMC technology and TISA TMC standards extensions entering
the ISO 14819 upgrade. Singapore: Traveller Information Services Association.
Hofleitner A. et al. (2012). Learning the Dynamics of Arterial Traffic From Probe Data Using a Dynamic
Bayesian Network. IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS: 1524-9050 © 2012
IEEE.
Horizon 2020, Smart Cities, Urban Mobility . (2014). Market Place of the European Innovation Partnership on
Smart Cities and Communities. Online: http://www.eu-smartcities.eu/.
Hunter T. et al. (2011). The path inference filter: model-based low-latency map matching of probe vehicle data.
Algorithmic Foundations of Robotics X: ISBN: 978-3-642-36279-8, Pg. 591-607.
IACM . (2012). European update Traffic & Traveller Information Standards Focus. Online: Intelematics
Australia Connected Mobility.
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
31
ISO 24100. (2010 ). Intelligent transport systems — Basic principles for personal data protection in probe
vehicle information services. Online: https://www.iso.org/obp/ui/#iso:std:iso:24100:ed-1:v1:en.
ISO, I. O. (2012, November 1). International Organization for Standardization. Preluat pe November 1, 2012,
de pe International Organization for Standardization: http://www.iso.org/iso/home.html
ITF. (2011). International Transport Forum, Transport Outlook - Meeting the Needs of 9 Billion People. Online:
http://www.internationaltransportforum.org/Pub/pdf/11Outlook.pdf.
ITF/OECD. (2012). International Transport Forum - historical databases and publishes analysis and indicators
regarding the transport sector. Online: http://www.internationaltransportforum.org/statistics/index.html.
ITS Oregon. (2012). Oregon ITS Statewide Architecture and Operations documents. Online:
http://www.oregon.gov/odot/hwy/its/Pages/its_documents_statewide.aspx.
Kim, S. B., & Hinchman, J. (2006). ITS definition. Atlanta: Georgia Institute of Technology.
Lee J. & Rakotonirainy A. (2009). Use of Probe Vehicles to Increase Traffic Estimation Accuracy in Brisbane.
Queensland University of Technology: Centre for Accident Research and Road Safety - Queensland (CARRS-
Q).
LEGIS 2002/59/CE. (2012). DIRECTIVA 2002/59/CE A PARLAMENTULUI EUROPEAN ȘI I A CONSILIULUI din 27
iunie 2002 de instituire a unui sistem comunitar de monitorizare și informare privind traficul navelor maritime
și de abrogare a Directivei 93/75/CEE a Consiliului. Online: http://eur-
lex.europa.eu/LexUriServ/LexUriServ.do?uri=DD:07:09:32002L0059:RO:PDF.
LEGIS 2005/44/CE . (2012). DIRECTIVA 2005/44/CE A PARLAMENTULUI EUROPEAN ȘI A CONSILIULUI din 7
septembrie 2005 privind serviciile de informații fluviale (RIS) armonizate pe căile navigabile interioare de pe
teritoriul Comunității. Online: ttp://eur-
lex.europa.eu/LexUriServ/LexUriServ.do?uri=DD:07:15:32005L0044:RO:PDF.
LEGIS 2010/40/UE. (2012). DIRECTIVA 2010/40/UE A PARLAMENTULUI EUROPEAN ŞI A CONSILIULUI din 7
iulie 2010 privind cadrul pentru implementarea sistemelor de transport inteligente în domeniul transportului
rutier şi pentru interfeţele cu alte moduri de transport. Online: http://eur-
lex.europa.eu/LexUriServ/LexUriServ.do?uri=OJ:L:2010:207:0001:0013:RO:PDF.
LEGIS, U. (2012). Access to European Union law. Online: http://eur-lex.europa.eu/en/legis/avis.htm.
Liu X. et al. (2012). POVA: Traffic Light Sensing with Probe Vehicles. Mini-Conference: The 31st Annual IEEE
International Conference on Computer Communications.
Morgan, D. (2009). ITS definition. Calgary, Alberta: Department of Transport.
Open Street Map. (August 2014). Open Street Map. Online: https://www.openstreetmap.org.
Rogers S. & Schroedl S. (2000). Creating and Evaluating Highly Accurate Maps with Probe Vehicles. ISBN: 0-
7803-5971-2: Intelligent Transportation Systems, 2000. Proceedings. 2000 IEEE.
Sagar S.G. & Saha N. (2013). Preparation of Congestion Index of Two Major Arterials of Dhaka City Based on
Floating Car Method-an Effective Tool for Transportation Planning. International Journal of Urban Planning
and Transportation,Vol.27, Issue.1: ISSN:2051-5820.
Creşterea siguranţei în navigaţia rutieră folosind Sisteme Inteligente de Transport
32
Sato M. (April 2013). Privacy concerns with big data from probe vehicle systems. Revista “Coordinate”: Volume
9, Issue 4.
SUM, U. (2012). Summaries of EU legislation . Online: http://europa.eu/legislation_summaries/index_en.htm.
TC204, C. p. (2009). Intelligent transport systems -- System architecture -- Privacy aspects in ITS standards and
systems. Online: International Standards Organization – ISO.
Thelen, B. (2010). ASAM-ODS A Standardized Data Source for Test-bed Environments. HORIBA Europe GmbH:
Research & Development Ph. D., Revista Readout, Editia in engleza, Nr. 13.
TISA, SP10012. (08 March 2010). Guidelines for ‘ZIP’ Compression of TPEG Service Data Frames Using the ZLIB
format, Version 04. Online: Traveller Information Services Association.
TISA, SP10037. (12-May-2011). Intelligent transport systems (ITS) - Traffic and Travel Information (TTI) via
Transport Protocol Experts Group, Generation 2 (TPEG2) – Part 20: Extended TMC Locations for applications,
Version 01, . Online: Traveller Information Services Association.
TISA, SP10038. (20 January 2011). Intelligent Transport Systems (ITS) — Traffic and Travel Information (TTI)
via Transport Protocol Experts Group, Generation 2 (TPEG2) - Part 21: Geographic Location Referencing,
Version 01, . Online: Traveller Information Services Association.
TMC-TL. (03 May 2012). TMC Location Tables - Certified by the TMC Forum and TISA. Version 29: Traveller
Information Services Association.
UNECE . (2012). United Nations Economic Commission for Europe – Statistical Database. Online:
http://w3.unece.org/pxweb/.
UTI. (2014). Sistemul de management al traficului pentru Municipiul Bucureşti. Online:
http://uti.eu.com/print.php?pageid=902&lang=fr.
Wang R. et al. (2011). Estimation of Urban Street Geometric Characteristics by Using Probe Vehicle Data.
Nagoya University: Department of Civil Engineering.
Wang Y. et. al. (2011). Challenges and opportunities in exploiting large-scale GPS probe data. HP Labs: Tech.
Rep. HPL-2011-109.
Williams, B. (2008). Intelligent Transport Systems Standards. Boston, US: ARTECH HOUSE INC, ISBN-13: 978-
1-59693-291-3.
Zhu Y. et al. (2013). Pervasive Urban Sensing with Large-Scale Mobile Probe Vehicles”. Hindawi Publishing
Corporation, International Journal of Distributed Sensor Networks, Volume 2013, Article ID 762503, 7 pages:
http://dx.doi.org/10.1155/2013/762503.