Jokeri-liikennevalot Jokerivalojen toimintaperiaate
7 JOHTOPÄÄTÖKSET JA KEHITYSEHDOTUKSET
Tämän työn yhteydessä tehdyn joukkoliikenteen simulointia koskevan kehitystyön tuloksena HUTSIMilla voidaan simuloida yksittäistä joukkoliikennelinjaa.
Tulevaisuuden kehitystarpeena voidaan nähdä usean linjan yhtäaikaisen simuloinnin kehittäminen. Aihetta sivuttiin tässä työssä ja todettiin, että jo matkustajien jakaminen pysäkillä eri linjoille on melko ongelmallista. Tehtävä tulee siis olemaan haastava.
Usean linjan simuloinnin myötä näkökulma simulointiin muuttunee matkustajalähtöisemmäksi, jolloin kiinnostuksen kohteena ovat myös matkustajien määräpaikat ja matka-ajat.
Joukkoliikennelinjan simuloinnista saatiin työn aikana arvokasta kokemusta.
Koesimuloinneissa testimallina käytetyssä, bussilinjaa kuvaavassa simulointimallissa samat bussit kiersivät reitillä simuloinnin loppuun asti. Bussien reitittäminen mallissa osoittautui tällöin melko hankalaksi. Myös tulosten käsittely vaikeutui matka- ja aikatietojen kumuloituessa simuloinnin aikana. Tulosten käsittelyn ja joukkoliikenteen reitityksen kannalta olisi helpompaa, jos päätepysäkki el ementin sijasta siirryttäisiin käyttämään esimerkiksi nk. päätepysäkkigeneraattoria ja -destinaattia. Generaattori generoisi joukkoliikenteen malliin lähtöaikataulun mukaisesti ja destinaatti tarkkailisi päätepysäkille tulevia ajoneuvoja kommunikoiden generaattorin kanssa. Tällöin myös vaunukierto ja kalustotarve saataisiin mallinnettua luotettavasti ja jokaisesta vuorosta saataisiin selkeästi erilliset havainnot.
HUTSIMin simuloinnin aikana tulostamia tiedostoja tulisi kehittää niin, että joukkoliikenteen kannalta kiinnostavat tunnusluvut saataisiin selville nykyistä helpommin. Joukkoliikenteen simuloinnissa ei useinkaan olla kiinnostuneita muusta liikenteestä. Siksi olisi perusteltua kehittää joukkoliikenteelle kokonaan omat tulostiedostot, joihin kirjattaisiin tietoja esimerkiksi pysäkkitoiminnoista ja liikennevaloetuuksien toiminnasta. Tulostiedostot voisivat sisältää myös pysäkkikohtaista tietoa matka-ajoista ja vuoroväleistä, jotta säännöllisyyden ja aikataulussa pysymisen havainnointi helpottuisi.
Myös simulointiparametrien asettamista malliin tulisi jatkossa helpottaa. Esimerkiksi pysäkkiparametrit, kuten matkustajien saapumisintensiteetit, tulisi voida antaa taulukkomuodossa, jolloin parametrien oikeellisuuden tarkastaminen usean pysäkin järjestelmässä olisi helpompaa.
Mikrosimulointimalli on erittäin yksityiskohtainen kuvaus liikenneympäristöstä.
Mallin rakentaminen on varsin työlästä ja vie paljon aikaa. Myös virheitä tapahtuu tällöin helposti. Mikrosimulointimallin yksinkertaistaminen onkin tärkeä kehityskohde laajojen mallien simuloinnissa. Malli tulisi voida rakentaa pienemmistä osista, jolloin monimutkaisen järjestelmän hallinta helpottuisi.
Simuloinnissa tarvittavia keskeisiä lähtötietoja ovat pysäkkikohtaiset matkustajien keskimääräiset saapumisintensiteetit ja vaunusta poistuvan matkustajamäärän osuudet vaunukuormasta, keskimääräiset vaunuunnousu- ja vaunusta poistumisajat sekä aikataulut. Muu informaatio, kuten tieto maksutapajakaumasta, tarkentaa simulointia.
Tässä työssä suoritettiin lukuisia koesimulointeja, joilla tutkittiin simulaattorin uusien ominaisuuksien toimintaa ja joukkoliikenteen simuloinnin erityispiirteitä. Käytetyt testimallit perustuivat yksinkertaisuuden vuoksi kuvitteellisiin liikennetilanteisiin ja -ympäristöihin.
Simulointitutkimuksissa ohjelmiston uusien ominaisuuksien havaittiin toimivan asetettujen tavoitteiden mukaisesti. Myös kehitystä vaativia kohteita havaittiin runsaasti. Varsinaisten simulointitulosten osalta voidaan tehdä joitakin varovaisia johtopäätöksiä. Suoritetuissa simuloinneissa havaittiin, että liikennevaloetuuksilla oli selvä vaikutus joukkoliikenteen viivytyksiin liittymissä. Muut etuusjäijestelyt, joukkoliikennekaista ja liikennevalojen ohitus kolmihaaraliittymässä, eivät vaikuttaneet joukkoliikenteen viivytyksiin käytetyssä mallissa tilastollisesti merkitsevästi. Simulointitutkimusten mielenkiintoisuus olisi lisääntynyt, jos simulointien taustalla olisivat olleet todelliset liikennetilanteet. Tällöin myös tuloksista olisi voitu tehdä selkeitä johtopäätöksiä. Nyt simuloinneista saatuja tuloksia voidaan pitää esimerkinomaisina ja suuntaa antavina. Koesimulointien tarkoituksena olikin lähinnä kerätä kokemuksia joukkoliikenteen simuloinnista kehitystyön pohjaksi.
8 YHTEENVETO
Tässä diplomityössä oli tavoitteena kehittää HUTSEM-liikennesimulaattoria siten, että sitä voitaisiin käyttää joukkoliikenteen simulointiin. Työn kiijallisuustutkimusosioissa perehdyttiin simuloinnin kannalta olennaisiin joukkoliikenteen erityispiirteisiin ja selvitettiin niiden taustalla olevia periaatteita ja teorioita. Simulaattorin kehitystyön tuloksia ja HUTSIMin soveltuvuutta joukkoliikenteen simulointiin tutkittiin ja arvioitiin koesimulointien avulla. Käyttäjän kannalta olennaiset HUTSIMin uusien ominaisuuksien käyttöönottoon liittyvät seikat raportoitiin tarkasti esimerkkeineen.
Merkittävä osa paikallisliikenteen joukkoliikenneajoneuvon matka-ajasta kuluu pysäkkipysähdyksiin. Pysäkki on siten myös joukkoliikenteen simuloinnin kannalta olennainen mallinnuskohde. Tässä työssä pysäkkitoimintojen osalta kiinnostuksen kohteena oli pysäkkipysähdyksen kesto, sillä joukkoliikennelinjan simulointia lähestyttiin lähinnä liikennöitsijän näkökulmasta. Pysäkkipysähdyksen kesto eli pysäkkiaika riippuu ensisijaisesti matkustajamäärästä pysäkillä vaunun saapumishetkellä ja toiseksi ajoneuvon teknisistä ominaisuuksista. Matkustajien saapuminen pysäkille vuorovälin aikana on stokastinen prosessi. Myös ajoneuvon ominaisuuksiin, kuljettajan käyttäytymiseen ym. pysäkkiaikaan vaikuttaviin seikkoihin liittyy runsaasti satunnaisuutta. Näin ollen pysäkki ajan laskentaa varten voitiin kehittää yleiseen jonoteoriaan ja teoreettisiin todennäköisyysjakaumiin perustuva matemaattinen malli.
Simulointitutkimuksissa kiinnostuksen kohteena olivat ajoneuvojen pysäkki- ja jonotusajat ja viivytykset liittymissä sekä vuorovälien säännöllisyys ja aikataulussa pysyminen. Koesimulointeja varten rakennettiin yksittäistä pysäkkiä, liikennevalo- ohjauksista liittymää ja kokonaista joukkoliikennelinjaa kuvaavat HUTSIM-testimallit.
Koesimuloinneilla tutkittiin simulaattorin uusien ominaisuuksien, matkustajat huomioivan pysäkkielementin ja joukkoliikenteen liikennevaloetuuksien, toimintaa.
Kokonaista linjaa kuvaavan simulointimallin avulla kerättiin kokemuksia ohjelmiston soveltuvuudesta laajojen joukkoliikennejärjestelmien simulointiin.
Tutkimuksissa todettiin pysäkkielementin ja joukkoliikenteen liikennevaloetuuksien toimivan moitteettomasti. Joukkoliikennelinjan simuloinnista saatujen kokemusten perusteella voidaan puolestaan todeta, että HUTS IM tarvitsee jatkossa vielä jonkin verran kehittelyä ollakseen toimiva työkalu laajojen järjestelmien simuloinnissa.
LÄHDELUETTELO
Andersson P., Hermansson Å., Tengvald E. (1978). A Timedependent Model for Simulation of an Urban Bus Route. Report LiTH-MAT-R-78-10. Linköping Institute of Technology. Department of Mathematics. Linköping, Sweden. 37 s.
Bäckström, J. (1994). Linja-autoliikenteen nopeuttaminen kaupungeissa. Diplomityö.
Teknillinen korkeakoulu, Liikennetekniikka. Espoo. 119 s.
Femåndez R., Tyler N. (1999). Design of Bus Stops as Part of Bus Priorities. Working paper. Department of Civil Engineering, University of Chile. Centre for Transport Studies, University College London. 12 s.
Goeddel D. (1996). Benefits Assessment of Advanced Public Transportation Systems (APTS). John A. Volpe National Transportation Systems Center. Research and Special Programs Administration. U.S. Department of Transportation. 46 s.
Hannus S., Louhenkilpi T. (1976). Simulointi. Otadata r.y. Julkaisu C 25. Otaniemi, Espoo.
Helsingin liikenteenohjauskeskus (2000a). HeLMi - Joukkoliikenteen telematiikka.
Helsingin joukkoliikenteen liikennevaloetuudet ja matkustajainformaatio. Helsingin kaupunki, liikenteenohjauskeskus.
http://www.hel.fi/liikenteenohjaus/jl_liikennetelematiikka.htm (26.7.2002).
Helsingin liikenteenohjauskeskus (2000b). Helsingin joukkoliikenteen liikennevaloetuudet ja matkustajainformaatio HeLMi. Otteita
kaupunkisuunnittelulautakunnan esityslistalta 9.11.2000. Helsingin kaupunki, 1 iikenteenohj auskeskus.
http://www.hel.fi/liikenteenohjaus/helmi/helmi_laajennus.htm (26.7.2002).
Helsingin liikenteenohjauskeskus (2001). Joukkoliikenteen älykkäät
Helsingin liikenteenohjauskeskus. (2002b). Joukkoliikenteen liikennevaloetuus -miten se oikein toimii. Helsingin kaupunki, liikenteenohjauskeskus.
http://www.hel.fi/liikenteenohjaus/kysymykset/etuudet/index.htm (24.6.2002).
IHT (1997). Transport in the Urban Environment. The Institution of Highways &
Transportation. London, England. 659 s.
Kosonen I. (1996). HUTSIM- Simulation Tool for Traffic Signal control Planning.
Teknillinen korkeakoulu, Liikennetekniikka. Julkaisu 89. 148 s.
Kosonen L, Pursula M (1996). Simulointi liikennetutkimuksen ja -suunnittelun työvälineenä. Korkeakoulujen atk-uutiset, 1996, nro 1. s. 21-24.
Kosonen I. (1999). HUTSIM - Urban Traffic Simulation and Control Model:
Principles and Applications. Teknillinen Korkeakolu, Liikennetekniikka. Julkaisu 100.
Espoo 249 s.
Kronborg P., Andersson P.G., Bolinder C., Svanfelt D. (2000). Hopklumpning av bussar vid tät stadsbusstrafik. TFK -Institutet för Transportforskning. Rapport 2000:2.
Stockholm, Sverige. 73 s.
Kulmala R., Rainio M. (2000). Joukkoliikenteen tulevaisuuden teknologiat.
Joukkoliikenne Suomen liikennejärjestelmän osana. Teknillisten tieteiden akatemia ry.
Helsinki, s. 157 - 172.
Laininen P. (1993). Stokastiset prosessit. Opetusmoniste kurssilla Mat-2.111 Stokastiset prosessit. Espoo. 42 s.
Laininen P. (2001). Todennäköisyys ja sen tilastollinen soveltaminen. Otatieto 586. Oy Yliopistokustannus University Press Finland Ltd. HYY-yhtymä. Helsinki. 309 s.
Luttinen R. T (2000). Johdatus aikaväli)akaumien teoriaan. 2. koijattu painos.
Insinööritoimisto TL-Suunnittelu Oy. Lahti. 127 s.
Milton J. S., Arnold J. C. (1995). Introduction to Probability and Statistics. Principles and Applications for Engineering and the Computing Sciences. International Editions.
McGraw-Hill Book Co. Singapore. 811 s.
Montgomery D. C. (1984). Design and Analysis of Experiments. Second edition.
Georgia Institute of Technology. USA. 537 s.
Muller T. H. J. (2000). Conditional Priority at Controlled Intersections to Improve Public Transport Punctuality. American Society of Civil Engineers (ASCE). Urban Public Transportation Systems: Implementing Efficient Urban Transit Systems and Enhancing Transit Usage. Proceedings of the First International Conference. May 21- 25, 1999. Miami, Florida, USA. s. 20 - 31.
Oinas J. (2000). Joukkoliikenteen liikennevaloetuuksien suunnitteluohje - JOLIVA 2000. Tutkimusraportti. TETRA-BUS työryhmä. Liikenne- ja viestintäministeriön mietintöjä ja muistioita B X/2000. 47 s.
Ojala J., Pursula M. (1994). Taajamien joukkoliikenteen suunnittelu ja hoito.
Teknillinen korkeakoulu, Liikennetekniikka, Opetusmoniste 13. Otaniemi. 239 s.
PLL, ks. Suomen Paikallisliikenneliitto ry.
Pursula M. (1976). Linja-autopysäkin välityskyvystä. Rakennustekniikka 7/32. s. 585 - 588.
Pääkaupunkiseudun yhteistyövaltuuskunta. (1993). Matkakorttikokeilu.
Pääkaupunkiseudun julkaisusaija B 1993:9. Helsinki 35 s + 19 liitettä.
Ristola T., Kiiskinen S. (2001). Liikenteen hallinta osana väylien pitoa. Tutkimus.
Liikenne-ja viestintäministeriön julkaisuja A 21/2001. 59 s.
Ross S. M. (1992). Applied Probability Models with Optimization Application. Dover Publications, Inc. New York. 198 s.
Suomen Paikallisliikenneliitto r.y. (2000). Pysäkkilevennyksen mitoitus.
Bussiliikenteen inffakortti nro 3.
Tielaitos (1996). LIV ASU 95. Liikennevalot. Tielaitos, kehittämiskeskus. Suunnittelua ohjaavat julkaisut, liikennetekniikka. Oy Edita Ab. Helsinki. 210 s.
Transportation Research Board (2000). Highway Capacity Manual. National Research Council. Washington D.C.
TRB, ks. Transportation Research Board.
YTV, ks. Pääkaupunkiseudun yhteistyövaltuuskunta.
LIITTEET
LIITE 1
Jononpituuksien ja jonotusaikojen laskenta
Jononpituuksien ja jonotusaikojen laskentaa varten simulointiajöistä tulostettiin Export File -tulostiedostot. Tiedostoista erotettiin pysäkkitoimintorivit eli rivit, joiden koodi on 10 (ks kpl 4.6). Saadun matriisin ensimmäisen sarakkeen ajat, joiden yksikkö oli 1/100 s, muutettiin sekunneiksi ja laskemalla yhteen sarakkeita matriisiin lisättiin vaunujen lähtöajat pysäkiltä ja saapumisaikavälit. Export File -tulostiedostosta poimittiin myös tiedot vaunujen pysähdyksistä. Koska pysäkki on simuloidussa mallissa ainoa mahdollinen syy vaunun pysähtymiseen, on selvää, että pysähtyessään vaunu joko liittyy pysäkillä olevaan jonoon tai saapuu pysäkille suorittamaan pysäkkitoimintoja.
Jonon keskipituus
Jonon keskipituus on ajan suhteen painotettu keskiarvo pysäkkiaikana esiintyvistä jononpituuksista. Jokaisen vaunun pysähdysaika pysäkillä on jonotilanne, tarkasteltava yksikkö. Jos pysäkillä olevan vaunun taakse ei kerry jonoa, on jononpituus nolla koko tarkasteluajan. Pysäkillä oleva ajoneuvo ei siis ole jonossa, vaan tarkastelun kohteena on odotuslinjan pituus. Seuraava kuva havainnollistaa jononpituuden laskemista.
Kuva 1. Jononpituus pysäkillä.
Kuvan 1 tilanteessa jononpituus on 1 ajan ti - ti. Jononpituus on siis 1 osuuden f = ——— tarkasteluajasta. Jononpituuden painotettu keskiarvo saadaan laskemalla
t — t 1 p l0
yhteen esiintyvien jononpituuksien osuudet kerrottuna vastaavilla jononpituuksilla
LIITE 1
i = Z'X=o-/« + >'/, +•••+”•/.
1=0
missä L on jonon keskipituus
f on jonopituuden i keston osuus tarkasteluajasta (pysäkkiajasta), Zf, = 1 n on jonon maksimipituus tarkasteluaikana
Jokaisen pysäkillä olevan ajoneuvon taakse kertyneestä jonosta saatiin siis keskipituushavainto L. Keskimääräinen jononpituus koko simuloinnin aikana laskettiin pysäkkiajalla painotettuna keskiarvona näistä havainnoista.
Keskimääräinen jonotusaika
Yksittäisen ajoneuvon jonotusaika on laskettiin yksinkertaisesti jonoon tuloajan ja pysäkille saapumisajan erotuksena. Jonoontuloaika on Export File -tiedostossa aika, jolloin ajoneuvon nopeus muuttuu arvoksi 0,0 ensimmäisen kerran. On huomattava, että pysäkkitoimintorivin aika, eli aika, jolloin vaunu tulee pysäkille poikkeaa noin 0,1 — 0,2 s vastaavasta nopeuden muutosta arvoon 0,0 indikoivan rivin ajasta.
Keskimääräinen jonotusaika saatiin yksittäisten ajoneuvojen jonotusaikojen aritmeettisena keskiarvona.
LIITE 2
Teoreettisten ja havaittujen jonotusaikojen erotuksen t-testi
STATISTIX FOR WINDOWS KOEASETELMA 1
ONE-SAMPLE T TEST FOR KESKIMÄÄRÄINEN JONOTUSAIKA NULL HYPOTHESIS: (1 = 2.6
ALTERNATIVE HYP: n * 2.6
MEAN 1.1284
STD ERROR 0.4061 MEAN - HO -1.4716 LO 95% CI -2.2772 UP 95% CI -0.6660
T -3.62
DF 101
P 0.0005
CASES INCLUDED 102
KOEASETELMA 2
ONE-SAMPLE T1 TEST FOR KESKIMÄÄRÄINEN JONOTUSAIKA NULL HYPOTHESIS: H = 19.7
ALTERNATIVE HYP: n * 19.7
MEAN 23.485
STD ERROR 1.1123 MEAN - HO 3.7850 LO 95% CI 1.5991 UP 95% CI 5.9709
T 3.40
DF 460
P 0.0007
CASES INCLUDED 461
Molempien koeasetelmien tapauksessa P-arvo on pieni, joten nollahypoteesi voidaan hylätä merkitsevyystasolla 0,001 (erittäin merkitsevä) ja todetaan, että teoreettisten ja havaittujen jonotusaikojen välillä on tilastollisesti merkitsevä ero.
LIITE 3
Pysäkkiä]an ja saapumisaikavälin riippuvuutta koskeva regressioanalyysi.
STATISTIK FOR WINDOWS KOEASETELMA 1
UNWEIGHTED LEAST SQUARES LINEAR REGRESSION OF PYSÄKKIAIKA PREDICTOR
VARIABLES COEFFICIENT STD ERROR STUDENT'S T
CONSTANT 11 .0782 0.64423 17.20 O.i
AIKAVÄLI 0. 05848 0.00298 19.63 0.
R-SQUARED 0.7939 RESID. MEAN SQUARE (MSB) ADJUSTED R- SQUARED 0.7919 STANDARD DEVIATION
SOURCE DF SS MS F P
REGRESSION 1 7896.53 7896.53 385.24 0.0000 RESIDUAL 100 2049.76 20.4976
TOTAL 101 9946.29
20.4976 4.52742
CASES INCLUDED 102 STATISTIK FOR WINDOWS KOEASETELMA 2
UNWEIGHTED LEAST SQUARES LINEAR REGRESSION OF PYSÄKKIAIKA PREDICTOR
VARIABLES COEFFICIENT !5TD ERROR STUDENT'S T P
CONSTANT 11 .9271 0.34749 34.32 0.0000
AIKAVÄLI 0. 39348 0.01088 36.16 0.0000
R-SQUARED 0.7402 RESID. MEAN SQUARE (MSB) 35.0176 ADJUSTED R-■SQUARED 0.7397 STANDARD DEVIATION 5.91757
SOURCE DF SS MS F P
REGRESSION 1 45798.5 45798.5 1307.87 0.0000 RESIDUAL 459 16073.1 35.0176
TOTAL 460 61871.6
CASES INCLUDED 461
Regressioanalyysin nollahypoteesit: selitysaste (R-Squared) = 0 ja mallin kertoimet (Coefficient) = 0. Tulostaulukoista nähdään, että näitä hypoteeseja koskevat P-arvot ovat erittäin pienet (kaikissa 0,0000). Tämä tarkoittaa sitä, että jos nollahypoteesit
LIITE 4
Testisuureiden pienistä P-arvoista nähdään, ettei eksponenttijakaumaoletus ole sopusoinnussa havaintojen kanssa ja voidaan todeta, ettei pysäkkiajan jakauma ole eksponentiaalinen. Tarkastelemalla havaittuja frekvenssejä nähdään, että siirretty eksponenttijakauma saattaisi sopia havaintoihin tavallista eksponenttijakaumaa paremmin.
LIITE 5
Kahden otoksen yksisuuntaiset t-testit viivytyksille eri liikennemäärillä.
Joukkoliikenne-etuuksien vaikutusta bussien viivytyksiin tutkittiin vertaamalla keskenään bussien opastinryhmäkohtaisia viivytyksiä normaalitilanteessa, jossa etuuksia ei anneta, ja etuuksien ollessa käytössä. Parittaisissa vertailuissa joukkoliikenteen määrät olivat otoksissa samat. T-testien tuloksista nähdään, että bussien viivytykset ovat etuuksia käytettäessä kaikilla liikennemäärillä pienempiä kuin normaalitilanteessa. Erot ovat tilastollisesti erittäin merkitseviä, sillä testien p-arvot ovat selvästi pienempiä kuin 0,01. Tulostuksissa näkyvät myös testitulokset varianssien yhtäsuuruudelle. Jälleen pienistä p-arvoista nähdään, ettei otosten perusteella voida olettaa varianssien yhtäsuuruutta. Näin ollen liikennemäärien ja etuusjäijestelyjen yhteisvaikutusta ei voida testata varianssianalyysillä.
KOEASETELMA 1 P = pääsuunta
_ETU_ = joukkoliikenne-etuus
10 = joukkoliikenteen määrä (bussia/h) TULOSUUNTA 1, OPASTINRYHMÄ 1
STATISTIK FOR WINDOWS
TWO-SAMPLE T TESTS FOR P_10 VS P_ETU_10 SAMPLE
VARIABLE MEAN SIZE S.D. S.E.
P_10 33.286 56 25.481 3.4050 P_ETU_10 15.714 56 13.224 1.7671 DIFFERENCE 17.571
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE > 0
ASSUMPTION T DF P 95% Cl FOR DIFFERENCE
EQUAL VARIANCES
LIITE 5
TWO-SAMPLE T TESTS FOR P_30 VS P_ETU_3 0
VARIABLE MEAN
SAMPLE
SIZE S.D. S.E.
P 30 37.145 193 24.950 1.7960
P_ETU_30 14.057 193 12.390 0.8919
DIFFERENCE 23.088
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE > 0
ASSUMPTION T DF P 95% Cl FOR DIFFERENCE
EQUAL VARIANCES
4.05 192 192 0.0000
CASES INCLUDED 386
TWO-SAMPLE T TESTS FOR P_60 VS P_ETU_6 0
VARIABLE MEAN
NULL HYPOTHESIS: DIFFERENCE = ALTERNATIVE HYP: DIFFERENCE >
0 0
ASSUMPTION T DF P 95% Cl FOR DIFFERENCE
EQUAL VARIANCES
4.97 327 327 0.0000
CASES INCLUDED 656
LIITE 5
TULOSUUNTA 2, OPASTINRYHMA 3
STATISTIX FOR WINDOWS
TWO-SAMPLE T TESTS FOR P_10 VS P_ETU_10
VARIABLE
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE > 0
ASSUMPTION T DF
EQUAL VARIANCES UNEQUAL VARIANCES
TESTS FOR EQUALITY OF VARIANCES
95% Cl FOR DIFFERENCE (5.9481, 20.009) (5.9107, 20.047) DEN DF P
46 0.0000 CASES INCLUDED 94
TWO-SAMPLE T TESTS FOR P_30 VS P_ETU_30
VARIABLE
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE > 0
ASSUMPTION T DF
EQUAL VARIANCES UNEQUAL VARIANCES
TESTS FOR EQUALITY OF VARIANCES
95% Cl FOR DIFFERENCE (14.867, 23.931) (14.864, 23.934) DEN DF P
182 0.0000 CASES INCLUDED 366
LIITE 5
TWO-SAMPLE T TESTS FOR P_60 VS P_ETU_60
VARIABLE MEAN
SAMPLE
SIZE S.D. S.E.
P_60 37.048 357 25.683 1.3593
P_ETU_60 19.765 357 20.131 1.0654
DIFFERENCE 17.283
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE > 0
ASSUMPTION T DF P 95% Cl FOR DIFFERENCE
EQUAL VARIANCES 10.01 712 0.0000 UNEQUAL VARIANCES 10.01 673.6 0.0000
(13.892, 20.674) (13.892, 20.674)
TESTS FOR EQUALITY OF VARIANCES
_ETU_ = joukkoliikenne-etuus
10 = joukkoliikenteen määrä (bussia/h) TULOSUUNTA 1, OPASTINRYHMÄ 2
STATISTIN FOR WINDOWS
TWO-SAMPLE T TESTS FOR S_10 VS S_ETU_10
VARIABLE
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE > 0
ASSUMPTION T DF P 95% Cl FOR DIFFERENCE
EQUAL VARIANCES
TESTS FOR EQUALITY OF VARIANCES
F NUM DF DEN DF P
7.21 55 55 0.0000
CASES INCLUDED 112
LIITE 5
TWO-SAMPLE T TESTS FOR S_30 VS S_ETU_3 0 SAMPLE
VARIABLE MEAN SIZE S.D. S.E.
S_30 52.870 193 30.186 2.1728
S ETU 30 25.207 193 16.537 1.1904
DIFFERENCE 27.663
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE > 0
ASSUMPTION T DF P 95% Cl FOR DIFFERENCE
EQUAL VARIANCES 11.17 UNEQUAL VARIANCES 11.17
384 0.0000 297.7 0.0000
(22.792, 32.534) (22.788, 32.539)
TESTS FOR EQUALITY OF VARIANCES
F NUM DF DEN DF P
3.33 192 192 0.0000 CASES INCLUDED 386
TWO-SAMPLE T TESTS FOR S_60 VS S_ETU_60 SAMPLE
VARIABLE MEAN SIZE S.D. S.E.
S 60 60.595 328 34.847 1.9241
S ETU 60 28.915 328 19.323 1.0669
DIFFERENCE 31.680
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE > 0
ASSUMPTION T DF P 95% Cl FOR DIFFERENCE
EQUAL VARIANCES 14.40 UNEQUAL VARIANCES 14.40
LIITE 5
S 10 51.333 48 25.157 3.6311
S_ETU_10 17.750 48 9.5861 1.3836
DIFFERENCE 33.583
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE > 0
ASSUMPTION T DF P 95% Cl FOR DIFFERENCE
EQUAL VARIANCES 8.64 94 0.0000 UNEQUAL VARIANCES 8.64 60.4 0.0000
(25.868, 41.299) (25.812, 41.355)
TESTS FOR EQUALITY OF VARIANCES
F NUM DF DEN DF P
6.89 47 47 0.0000
CASES INCLUDED 96
TWO-SAMPLE T TESTS FOR S_30 VS S_ETU_3 0 SAMPLE
VARIABLE MEAN SIZE S.D. S.E.
S 30 49.350 183 30.700 2.2694
S_ETU_30 21.290 183 16.784 1.2407
DIFFERENCE 28.060
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE > 0
ASSUMPTION T DF P 95% Cl FOR DIFFERENCE
EQUAL VARIANCES UNEQUAL VARIANCES
TESTS FOR EQUALITY OF VARIANCES
10.85 364 0.0000 (22.974, 33.146) 10.85 281.9 0.0000 (22.969, 33.151)
F NUM DF DEN DF P
3.35 182 182 0.0000 CASES INCLUDED 366
LIITE 5
TWO-SAMPLE T TESTS FOR S_60 VS S_ETU_6 0 SAMPLE
VARIABLE MEAN SIZE S.D. S.E.
S 60 51.609 358 32.654 1.7258
S_ETU_6 0 21.843 357 18.876 0.9990
DIFFERENCE 29.766
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE > 0
ASSUMPTION T DF P 95% Cl FOR DIFFERENCE
EQUAL VARIANCES 14.92 UNEQUAL VARIANCES 14.93
713 0.0000 571.9 0.0000
(25.848, 33.684) (25.849, 33.682)
TESTS FOR EQUALITY OF VARIANCES
F NUM DF DEN DF P
2.99 357 356 0.0000 CASES INCLUDED 715
suhteellinenluokkafrekvenssisuhteellinenluokkafrekvenssi
LIITE 6
Bussien viivytys] akaumat
• • *- • 60 bussia/h Opastinryhmä 1
- >- -30 bussia/h
—•— 10 bussia/h
•■*•■60 bussia/h 30 bussia/h 10 bussia/h
# Joukkoliikenne-etuudet
• Ei etuuksia
viivytys (s)
• * • • 60 bussia/h Opastinryhmä 3
-*- •30 bussia/h 10 bussia/h
* • - 60 bussia/h -*- 30 bussia/h
S Joukkoliikenne-etuudet
• Ei etuuksia
viivytys (s)
Kuva 2. Bussien viivytysjakaumat koeasetelmassa 1 (reitti kulkee liittymän pääsuunnalla).
suhteellinenluokkafrekvenssisuhteellinenluokkafrekvenssi
LIITE 6
50 % -i—
• • A - - 60 bussia/h
Opastinryhmä 2
- ♦- 30 bussia/h -•—10 bussia/h
• •*• - 60 bussia/h -*- 30 bussia/h
♦ Joukkoliikenne-etuudet
# Ei etuuksia
viivytys (s)
••*■•60 bussia/h -♦- -30 bussia/h
Opastinryhmä 7
10 bussia/h
• •*•• 60 bussia/h -*-•30 bussia/h 10 bussia/h
# Joukkoliikenne-etuudet
@ Ei etuuksia
viivytys (s)
Kuva 2. Bussien viivytysjakaumat koeasetelmassa 2 (reitti kääntyy sivusuunnalle).
LIITE 7
o- o
®-LIITE 8
Joukkoliikenne-etuuksien vaikutus reitin matka-aikaan.
Parittaisia vertailuja koeasetelmien välillä tehtiin kahden otokset t-testillä. Bussikaistan vaikutus matka-aikaan ei ollut tilastollisesti merkitsevä, koska testin p-arvo oli niinkin suuri kuin 0,55. Liikennevaloetuudet puolestaan lyhensivät matka-aikaa, sillä sekä bussikaistalla että ilman bussikaistaa testien p-arvot olivat alle 0,05.
STATISTIX FOR WINDOWS
TWO-SAMPLE T TESTS FOR BUSSIKAISTA VS EI ETUUKSIA
VARIABLE MEAN
SAMPLE
SIZE S.D.
BUSSIKAISTA 2295.6 27 192.30 EI ETUUKSIA 2264.0 27 189.92 DIFFERENCE 31.630
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE <> 0
ASSUMPTION T DF P
S.E.
37.009 36.551
95% Cl FOR DIFFERENCE EQUAL VARIANCES 0.61
UNEQUAL VARIANCES 0.61
52 0.5458 52.0 0.5458
(-72.747, 136.01) (-72.747, 136.01)
TESTS FOR EQUALITY OF VARIANCES
F NUM DF DEN DF P
1.03 26 26 0.4749
CASES INCLUDED 54
TWO-SAMPLE T TESTS FOR EI ETUUKSIA VS LIIKENNEVALOETUUDET SAMPLE
VARIABLE MEAN SIZE S.D.
EI ETUUKSIA 2264.0 27 189.92 LV-ETUUDET 2114.6 27 140.45 DIFFERENCE 149.33
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE <> 0
ASSUMPTION T DF P
S.E.
36.551 27.030
95% Cl FOR DIFFERENCE EQUAL VARIANCES 3.28
UNEQUAL VARIANCES 3.28
52 0.0018 47.9 0.0019
(58.112, 240.55) (57.925, 240.74)
LIITE 8
TWO-SAMPLE T TESTS FOR BUSSIKAISTA VS LIIKENNEVALOETUUDET+BUSSIKAISTA
VARIABLE MEAN
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE <> 0
ASSUMPTION T DF P
S.E.
37.009 33.469
95% Cl FOR DIFFERENCE EQUAL VARIANCES 3.54
UNEQUAL VARIANCES 3.54
52 0.0009 51.5 0.0009
(76.391, 276.65) (76.367, 276.67)
TESTS FOR EQUALITY OF VARIANCES
F NUM DF DEN DF P
1.22 26 26 0.3060
CASES INCLUDED 54
TWO-SAMPLE T TESTS FOR EI ETUUKSIA VS ÄLYKKÄÄT ETUUDET
VARIABLE MEAN
SAMPLE
SIZE S.D. S.E.
EI ETUUKSIA 2264.0 27 189.92 36.551
ÄLYKKÄÄT ET. 2111.3 27 138.93 26.256
DIFFERENCE 152.64
NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE <> 0
ASSUMPTION T DF P 95% Cl FOR DIFFERENCE
EQUAL VARIANCES
1.87 26 27 0.0563
CASES INCLUDED 55 MISSING CASES 7
Matka-aikojen eroavaisuuksia eri koeasetelmissa testattiin varianssianalyysillä. Matka- aikojen yhtäsuuruutta testaavan testin pieni p-arvo osoittaa, että koeasetelmien välillä on otosten perusteella tilastollisesti erittäin merkitsevä ero. Bartlettin testi varianssien yhtäsuuruuksille varmistaa, ettei otosten varianssien välillä ole tilastollisesti merkitsevää eroa ja varianssianalyysin tuloksia voidaan näin ollen pitää luotettavina. Keskiarvoja verrattiin vielä Scheffén menetelmällä. Menetelmä mahdollistaa usean keskiarvon vertailun yhtäaikaisesti siten, että I-tyypin (hylkäysvirhe) virheen todennäköisyys on korkeintaan yksittäisen t-testin merkitsevyystason suuruinen, tässä 0,05. (Montgomery
1984).
LIITE 8
STATISTIX FOR WINDOWS
ONE-WAY ANALYSIS OF VARIANCE FOR:
BUSSIKAISTA, LIIKENNEVALOETUUDET, LV-ETUUDET & BUSSIKAISTA, EI ETUUKSIA
SOURCE DF SS MS F P
BETWEEN 3 730484 WITHIN 104 3198586 TOTAL 107 3929069
---EQUAL VARIANCES 3.00 3
P 0.3921
COCHRAN'S Q 0.3006
LARGEST VAR / SMALLEST VAR 1.8746
COMPONENT OF VARIANCE FOR BETWEEN GROUPS 7879.22
EFFECTIVE CELL SIZE 27.0
SAMPLE GROUP
VARIABLE MEAN SIZE STD DEV
BUSSIKAISTA 2295.6 27 192.30
LV-ETUUDET 2114.6 27 140.45
LV-ETUUDET&BK 2119.1 27 173.91 EI ETUUKSIA 2264.0 27 189.92
TOTAL 2198.3 108 175.37
CASES INCLUDED 108
SCHEFFE COMPARISON OF MEANS
HOMOGENEOUS VARIABLE MEAN GROUPS BUSSIKÄISTÄ 2295.6 I EI ETUUKSIA 2264.0 I LV-ETUUDET&BK 2119.1 .. I LV-ETUUDET 2114.6 .. I
THERE ARE 2 GROUPS IN WHICH THE MEANS ARE NOT SIGNIFICANTLY DIFFERENT FROM ONE ANOTHER.
CRITICAL F VALUE 2.692 REJECTION LEVEL 0.050
CRITICAL VALUE FOR COMPARISON 135.64 STANDARD ERROR FOR COMPARISON 47.730