Vurdering av kvaliteten på trafikkdata

Transkript

1 Utstyrskonferansen 2012 Erlend Aakre Vurdering av kvaliteten på trafikkdata Fulltallighet (telling) Lengdemåling Klassifisering etter kjøretøykategori Vektdata (Weigh in motion, WIM) Køsituasjon / fri flyt 1

2 Registreringer WIM data: E6 Klett/Sandmoen, september/oktober 2011 Induktive sløyfer ++: E6 Klett, november 2011 (normale trafikkforhold) Induktive sløyfer: Omkjøringsvegen Trondheim (saktegående kø) 2

3 Test av WIM utstyr 1. WIM registrering på Klett 2. Måling med statisk vekt på Sandmoen kontrollstasjon 3. Matching av data 4. Analyse av nøyaktighet og presisjon Nøyaktighet: Presisjon: Avvik mellom målt gjennomsnitt og faktisk gjennomsnitt Spredningen for avvikene 3

4 WIM utstyr Datarec 410 ATK oppsett med induktive sløyfer og piezoelektriske sensorer Gammelt utstyr, ikke først og fremst beregnet til WIM ViperWIM Induktive sløyfer og piezoelektriske sensorer Mer moderne utstyr Benyttes av VOSA i England til screening før vektstasjoner 4

5 Resultater Datarec410 5

6 Resultater ViperWIM 6

7 Tester på Klett, november 2011 Datarec 7 (AADI) Induktive sløyfer, 185x185 Datarec Loop Monitor (AADI) Induktive sløyfer, 185x185 FMA (Feig Moxa Atki) (Atki) Induktive sløyfer, 100x250 Profiler (CA Traffic) Induktive sløyfer, 185x185 STMS (Sensebit) Magnetometer Ikke analysert TIRTL RTMS (åpenbare feil i data, blir fikset nå) Wavetronix (har ikke fått kontakt, er fikset nå) ViperWIM 7

8 Metode Manuell gjennomgang av ca 4000 kjøretøy (video) Noterte nummerskilt, tidspunkt for passering, type bil, evt kommentarer Gikk gjennom alt 2 ganger (uavhengig) for å sikre høy kvalitet på referanse Tidsforbruk: 200 timer Matching av data fra alle kilder (kjøretøy for kjøretøy) Oppslag i kjøretøyregister Analyse av: Klassifisering Lengdemåling Telling (Fart) 8

9 Lengdemåling med induktive sløyfer 9

10 Korrigering av lengde Eksempel Datarec7: Antall feil ved lengdeklassifisering halveres ved bruk av denne metoden, sammenliknet med ukritisk bruk av resultater fra DR7! Antakeligvis kan dette optimaliseres videre. 10

11 Definisjon av feil ved klassifisering Feil A (for klasse X): Et kjøretøy i klasse X passerer, men utstyret klassifiserer kjøretøyet i en annen klasse (eller lar vær å telle/klassifisere kjøretøyet) Dersom X=personbil: Feil A i klasse personbil er alle personbiler som utstyret ikke klassifiserer som personbil Feil B (for klasse X): Et kjøretøy i klasse Y passerer, men utstyret klassifiserer kjøretøyet i klasse X. Dersom X=personbil Feil B i klasse personbil er alle busser, lastebiler etc som utstyret klassifiserer som personbil 11

12 Resultater Datarec 7 Klassifisering 12

13 Resultater Datarec Loop Monitor Klassifisering 13

14 Resultater FMA Klassifisering 14

15 Resultater Profiler Klassifisering 15

16 Resultater STMS Klassifisering 16

17 Lette og tunge kjøretøy (tungtrafikkandel) Benytter kun data fra kjøretøyregisteret, ingen målinger: Tar utgangspunkt i at klassifisering ved tillatt totalvekt (kjøretøyregister) er fasit A+B =Totalt antall kjøretøy som blir feilklassifisert ved lengdeklassifisering B A = Differanse mellom antall tunge kjøretøy ved lengdeklassifisering og totalvektklassifisering Søker å minimere A+B og B A, som vil gi mest mulig korrekt klassifisering på enkeltkjøretøynivå og totalt (henholdsvis) 6,0 6,2 m ser ut til å være mer riktig skille mellom lette og tunge kjøretøy 17

18 Kommentarer Telling Utstyr med induktive sløyfer teller meget nøyaktig Lengdemåling Lengdemåling kan forbedres med enkle grep (både nøyaktighet og presisjon) Skille mellom lette og tunge kjøretøy bør heves til 6,0 6,2 meter Klassifisering Klassifisering er tilnærmet bingo For mange klasser? Ikke målbare parametere? 18

19 Test av registreringsutstyr i køsituasjon Datarec 410 Datarec 7 Ca 700 kjøretøy 45 min Hastighet 0 30 km/t, "stop & go" 19

20 Datarec410 i køsituasjon 7,5 % undertelling 2,5 % av kjøretøyene blir målt mer enn 18 % for kort 2,5 % av kjøretøyene blir målt mer enn 200 % for langt 20

21 Datarec 410 Volum/hastighet Hastighetsdata gir bedre estimater på volum enn Datarec 410 sine telledata ved hastigheter under 20 km/t. Summering av gjennomsnittlige punkthastigheter for hvert minutt: Video: 447 kjt DR410: 401 kjt Hastighetsdata: 449 kjt 21

22 Sammenslåing av kjøretøy 2 kjøretøy blir slått sammen til 1, som vist til høyre Kriteriet er vist under. 22

23 Datarec7 i køsituasjon <1 % feil i tellinger Lengdemålinger er nesten like gode som ved normal trafikkflyt Datarec 7 er vesentlig bedre enn Datarec 410 i køsituasjon Likevel: Klassifisering etter kjøretøykategori gir feilrater i området % i alle klasser bortsett fra personbil. 23

24 Datarec 7 Volum/hastighet Data for perioder hvor gjennomsnittlig punkthastighet er <20 km/t: Video: Datarec 7: Hastighetsdata: 448 kjt 451 kjt 447 kjt 24

25 Konklusjoner Telledata ved normal hastighet er meget gode for utstyr som benytter sløyfer Datarec Loop Monitor gir nær perfekte tellinger I køsituasjon gir Datarec 7 gode tellinger Lengdemåling har gjerne en tilfeldig feilmargin på ±5 10 %, men dette kan forbedres ved å ta hensyn til parametere som uansett blir målt Det er også en systematisk (utstyrsavhengig) feil på ±10 % Lengdeskillet mellom lette/tunge kjøretøy bør heves: 5,6 m > 6,0 6,2 m I køsituasjon er det stor forskjell på telledata fra ulikt utstyr WIM utstyr må kalibreres jevnlig 25