Kandidaatintyö 14.3.2010 LUT Energia
ITSEOPPIVA LIIKENNEVALOJEN OHJAUSJÄRJESTELMÄ
Anssi Mattus
SISÄLLYSLUETTELO
Muuttujia, termejä ja lyhenteitä ... 1
1 Johdanto ... 2
1.1 Tavoitteet ... 3
1.2 Ongelman rajaus ... 3
1.3 Liikennevalotutkimuksen nykytila... 4
2 Valo-ohjausjärjestelmä ... 6
2.1 Liikenteen ohjaamisen ongelmat ... 8
2.2 Ilmaisimet ... 8
2.3 Ohjauksen periaatteet... 9
3 Itseoppiva järjestelmä ... 11
3.1 Järjestelmän parametrit ... 12
3.2 Ohjauslogiikka ... 13
3.2.1 Päälogiikan toiminnan periaatteet... 14
3.3 Muistirakenne ... 16
4 Testaus ja simulointi ... 18
4.1 Järjestelmän rakentuminen reaalisella datalla... 18
4.2 Järjestelmän simulointi ... 19
5 Johtopäätökset... 23
6 Yhteenveto ... 25
6.1 Ongelmia ja jatkokehittelyä ... 25
Lähteet... 27
Liitteet
Skinnarilankadun ja Sammonlahdenkadun liittymälle koostettu muistirakenne Liite 1 Skinnarilankadun ja Sammonlahdenkadun liittymästä kerätyt tiedot Liite 2
Muuttujia, termejä ja lyhenteitä
Ajoneuvotn Ajoneuvojen lukumäärä suunnasta n tallennusjakson aikana
AjoneuvotS Ajoneuvojen lukumäärä risteyksessä tallennusjakson aikana
Pn Liikenteen painoarvo suunnalle n tallennusjakson aikana
Kiertoaika Aika, joka liittymältä kuluu käydä kaikki liittymän vaiheet läpi
Suoja-aika Vähimmäisaika, joka tarvitaan opastinryhmän vihreän päättymishetken ja konfliktoivan ryhmän vihreän alkamishetken välillä.
Tallennusjakso Muistin alkeisyksikkö ajalle. Järjestelmään tallennetaan koosteita tallennusjakson pituisina jaksoina.
Varausaste Varausaste on prosentuaalinen arvo, joka kertoo kuinka suuren osan ajasta liittymän läsnäoloilmaisin on varattuna yhden tallennusjakson aikana.
ILO Itseoppiva liikennevalojen ohjausjärjestelmä
1 Johdanto
Kaupunkialueet ovat vaativa paikka nykyiselle liikennesuunnittelulle. Tiheään rakennetut keskustat eivät mahdollista liikenneväylien laajentamista ja vaikka mahdollistaisikin väylien laajentaminen on kallista, aikaavievää ja tienkäyttäjille stressaavaa. Valo-ohjatuilla alueilla liikenteellä on taipumus ruuhkautua liikennevaloihin seisonta-aikojen takia. Tästä syystä liikenteen kehittymisen kannalta on oleellista, että kykenemme optimoimaan valo-ohjattuja liittymiä liikenteen perusteella.
Liikennevalot keräävät liikenteestä paikallista informaatiota, jota käytetään liittymän ohjaamiseen paikallisesti. Tämän informaation kerääminen mahdollistaa myös liikenteen seuraamisen suuremmassa mittakaavassa, jolloin valo-ohjauksen toimintaa voidaan optimoida laajemmassa mittakaavassa useiden liikennevalojen osalta. Tällaista informaatiota tuottavat eri kaistojen ja väylien kulku- ja läsnäoloilmaisimet.
Tämä tutkielma tarjoaa uudenlaisen teoreettisen lähestymistavan liikennevalojen ohjaukseen nykyisellä laitteistolla. Nykyisiin valojärjestelmiin tarvittavat muutokset ovat ohjelmistollisia.
Itseoppivan liikennevalojen ohjausjärjestelmän – josta käytetään jatkossa lyhennettä ILO – toiminnan edellytyksenä on kuitenkin, että liittymän ilmaisimet kykenevät laskemaan ja erottelemaan ajoneuvoja sekä niiden lähestymissuuntia.
Järjestelmän oppimiskykyä simuloitiin reaalisella datalla, joka kerättiin Lappeerannassa.
Reaalisen datan avulla kehiteltiin ja kalibroitiin C++ -ohjelmoitu yksinkertainen liikennesimulaattori, joka osoitti että ILO voisi toimia paremmin kuin nykyiset järjestelmät.
Tämän varmentaminen vaatii kuitenkin lisäselvityksiä.
Luvussa 2 tutustutaan nykyisiin liikennevalojen ohjausmetodeihin ja valojärjestelmiin. Luvussa 3 kuvataan ILO:n perusosat ja niiden toiminta. Luvussa 4 esitellään järjestelmän oppimista ja testataan järjestelmän toimintaa simulaattorilla. Luvussa 5 on johtopäätökset ja luku 6 on yhteenveto.
1.1 Tavoitteet
Tässä tutkielmassa pyritään yhdistämään kaksi nykyaikaisen valoliittymän ohjaustyypin parasta puolta. ILO:ssa yhdistyy yhteenkytkettyjen liittymien kokonaistilanteen hallinta ja pidennyspyyntöihin perustuvan järjestelmän joustavuus. Tämä on mahdollista, mikäli liittymän ohjaus kykenee oppimaan liikenteestä ja havaitsemaan siitä kaavamaisuuksia. Tällöin liittymä oppii havaitsemaan, milloin erityyppiset ruuhkat alkavat, kauan ne kestävät ja mihin suuntiin ne painottuvat. Lisäksi ILO tarjoaa ratkaisun, jossa ei ole välttämätöntä kytkeä liittymien ohjausjärjestelmiä yhteen tai yhteiseen ohjauskeskukseen. Tämä tarjoaa järjestelmälle riippumattomuutta, sillä järjestelmä on immuuni tietoliikennekatkoksille. Tutkielma pyrkii tarjoamaan teoreettisen mallin, jossa nämä asiat ovat mahdollisia.
1.2 Ongelman rajaus
Järjestelmässä olevat liittymät ovat yksinkertaistettuja, korkeintaan nelisuuntaisia liittymiä.
Liittymissä ei ole erillistä valo-ohjausta kääntyville. Ennustemallin rakentamisessa ei oteta myöskään huomioon päivien keskinäisiä vaihteluita, mukaanlukien pyhä- ja arkipäivien väliset vaihtelut. Järjestelmä olettaa jokaisen päivän olevan samanlainen. Järjestelmässä ei oteta jalankulkijoita huomioon. ILO:n suunnittelussa ei oteta huomioon monimutkaisempia ilmaisinteknologioita, kuten infrapuna- ja tutkailmaisimia.
1.3 Liikennevalotutkimuksen nykytila
Liikennevalojen optimointiin on panostettu jo 80 –luvulta lähtien liikennemäärien kasvamisen asettaessa uusia vaatimuksia liikenneverkolle. Tutkimus on keskittynyt pääasiallisesti kahdelle erilaiselle alueelle: liikennesuunnitteluun ja valotoiminnan optimointiin dynaamisesti.
Molemmat tutkimusalueet ovat tärkeitä. Tarkan liikennesuunnittelun avulla liikenteen välityskyky on approksimoitavissa tarkasti ja siten ongelmat voidaan havaita jo ennen kuin liittymä rakennetaan. Toisaalta valojen toimintaa pitää kyetä optimoimaan myös dynaamisesti, eli liikenteen mukaan. Tämä on erityisen tärkeää kohteissa, joita ei voi järkevästi enää muuttaa.
Liikennesuunnittelun kannalta oleellinen työväline on erilaiset simulaattorit. Aalto-yliopiston Teknillisen Korkeakoulun Liikennelaboratoriossa on kehitetty vuodesta 1989 lähtien simulaatio-ohjelmaa nimeltä HUTSim. HUTSim on mikrosimulaatio-ohjelma joka perustuu olio-ohjelmointiin. Ohjelmassa ajoneuvot ovat olioita, jotka vuorovaikuttavat toisten ajoneuvojen, liittymän ja liittymän opasteiden kanssa. HUTSim kehitettiin alunperin liikennevaloliittymien simulointiin, mutta nykyään sillä voidaan simuloida myös liikennevalottomia liittymiä, kiertoliittymiä ja moottoriteitä. (Kosonen 1999)
HUTSimiin perustuu myös Onnimanni –järjestelmä. Onnimanni on Liikenneministeriön tilaama järjestelmä ja se simuloi liikennettä oikean liikenneinformaation avulla lähes reaaliaikaisesti. Viiveet ovat alle sekunnin ja syntyvät tiedonsiirrosta. Valo-liittymät lähettävät ilmaisimistaan saaman informaation keskustietokoneelle, joka simuloi alueen toimintaa HUTSim –ohjelman avulla. Onnimannin pilotti järjestettiin Ruoholahdessa, Helsingissä 2007.
Pilotti osoitti, että järjestelmä on mahdollista toteuttaa ja se toimii. (Sane 2008)
Liittymän dynaamisessa ohjauksessa on käytetty hyväksi sumeaa logiikkaa. Sumea logiikka mahdollistaa risteyksen ohjaamisen tavalla, joka mukailee ihmisen valintoja eri tilanteissa.
voidaan risteyksen toimintaa optimoida enemmän tilanteen mukaiseksi kuin nykyiset tekniikat mahdollistavat. (Madhavan 2007, Kulkarni 2007)
Madhavan laajentaa tutkimuksessaan sumeaan logiikkaan perustuvia järjestelmiä siten, että tavallisen tilanteen lisäksi järjestelmä selviää poikkeuksellisistakin tilanteista. Esimerkiksi tietyö tai onnettomuus hidastaa liikennettä merkittävästi, eikä tällöin sumea järjestelmä toimi optimaalisesti. Toimintaa voidaan parantaa lisäämällä muuttuja, joka kertoo kuinka nopeasti ajoneuvo poistuu liittymästä vihreän aikana. Muuttujan avulla sumean logiikan sääntöpakettiin voidaan lisätä sääntöjä, joissa tunnistetaan vikatilanteet. (Madhavan 2007)
2 Valo-ohjausjärjestelmä
Valo-ohjattu liittymä koostuu vähintään opastimista, ohjauskojeesta ja niiden välisestä kaapeloinnista. Tällaisella laitteistolla voidaan toteuttaa vain kiinteitä ohjelmia, sillä liikenteestä ei voi kerätä vielä informaatiota. Informaation keräämistä varten liittymään voidaan liittää ilmaisimia. Ilmaisimia on kahta päätyyppiä: läsnäolo- ja kulkuilmaisin. Niiden avulla ohjauskoje pystyy optimoimaan toimintaansa ilmaisimien antaman liikenneinformaation perusteella. (Tiehallinto 2005, Jokinen 2004)
Tällä hetkellä on käytössä pääasiassa kahdenlaisia ohjausjärjestelmiä: pidennyspyyntöihin perustuva järjestelmä ja vakio-ohjelmiin perustuva järjestelmä. Pidennyspyyntöihin perustuva järjestelmä pyrkii reagoimaan liikenteeseen liikenteen mukaan. Järjestelmä pitkittää jonkin lähestymissuunnan vihreää saadessaan liittymän ilmaisimilta tiedon, että ajoneuvoja on lähestymässä. Järjestelmän periaate on esitelty kuvassa 2.1. Vakio-ohjelmiin perustuvassa järjestelmässä on määritelty 2-5 ohjelmaa, joita ajetaan kellon mukaan. Vakio-ohjelmat on määritelty siten, että liikenteessä on mahdollisimman vähän pysähdyksiä tai viivytyksiä.
Vakio-ohjelmilla voidaan suorittaa yhteenkytkentä, jossa peräkkäisten risteyksien ohjelmat määritellään siten että vihreä aalto on mahdollinen. (Tiehallinto 2005)
Kuva 2.1 Pidennyspyyntöihin perustuvan järjestelmän periaatekuva. A on ohjauskoje, B opastimet, C läsnäoloilmaisin ja D kulkuilmaisin. Varattu läsnäoloilmaisin pyytää ohjauskojetta vaihtamaan punaisen valon vihreäksi. Kulkuilmaisimen ylittävä ajoneuvo taas pyytää pitkittämään vihreää siten, että ajoneuvo ehtii liittymään ennen valojen vaihtumista.
Molemmissa järjestelmissä on etunsa ja haittansa. Pidennyspyyntöihin perustuva järjestelmä pidentää vihreää suunnalle, josta pidennyspyyntö on tullut. Tavoite on pitkittää suunnan vihreää siten, että mahdollisimman moni ajoneuvo ohittaa liittymän. Toisaalta järjestelmä ei havaitse kokonaistilannetta ja saattaa pidentää sellaisen suunnan vihreää josta sattuu tulemaan hetkellisesti normaalia enemmän ajoneuvoja. Seurauksena voi olla konfliktoivan suunnan viivästysaikojen kasvu tai jopa ruuhkautuminen. Vakio-ohjelmiin perustuvan järjestelmän etuna on, että se seuraa mallia joka on muodostettu kokonaiskuvasta, pystyen siten purkamaan aamu- ja iltapäiväruuhkat paremmin kuin pidennyspyyntöihin perustuva järjestelmä. Toisaalta järjestelmä seuraa orjallisesti valmisohjelmia kellon perusteella, eikä siis kykene reagoimaan muuttuvaan tilanteeseen.
2.1 Liikenteen ohjaamisen ongelmat
Liikenteen ominaispiirre on sen vaihteleva luonne. Kysyntä keskittyy tiettyihin huippuaikoihin, joita kutsutaan ruuhka-ajoiksi. Kysynnän vaihtelu tekee liikenteen suunnittelemisesta vaativaa, koska halutaan tasapainoitella liian suppeiden ja liian laajojen väylien välillä. Toisaalta riittävän laajat väylät eivät aina ole edes mahdollisia, esimerkiksi kaupunkien keskustoissa joissa lisäväylien rakentaminen on mahdotonta tai hyvin kallista.
Liikenteen paikallinen ruuhkautuminen aiheuttaa ongelmia laajemmassa mittakaavassa, kuin pelkästään ruuhkautuneessa liittymässä. Kun liittymän välityskyky ei enää riitä, alkavat ajoneuvojonot kasvaa. Jos kysyntä ei vähene ajoneuvojonot voivat kasvaa vaarallisen pitkiksi, jolloin erityisesti kaupunkien keskustoissa ne voivat yltää edeltäneisiin liittymiin ja tukkia ne täysin. Tilannetta voidaan parantaa kehittämällä liikenteen ohjausjärjestelmiä ja siten pyrkimällä maksimoimaan liittymän välityskyky. Tämä tarkoittaa ohjausjärjestelmien älykkyyden parantamista, yhteenkytkentöjä ja kokonaisia liikennevaloverkkoja. (Kosonen 1999)
2.2 Ilmaisimet
Ilmaisimen tärkein tehtävä on kerätä tietoa liikenteestä ja välittää se tieto ohjauskojeelle.
Käytännössä tämä tapahtuu signaalilla, jonka arvo on 1 jos ilmaisin on varattu ja 0 jos ilmaisin on vapaa. Ilmaisimena on tyypillisesti induktiosilmukka, joka on asennettu päällysteeseen ja kytketty ilmaisinvahvistimen kautta ohjauslogiikkaan. Ilmaisimia on kolmea tyyppiä:
läsnäoloilmaisimet, kulkuilmaisimet ja muut ilmaisimet. Näiden ilmaisimien ainoa ulkoinen eroavaisuus on ilmaisimen pituus. Tyypillistä ilmaisinten sijoittelua on esitetty kuvassa 2.2.
(Tiehallinto 2005, Jokinen 2004)
Kuva 2.2 Tyypillinen ilmaisinsijoittelu (Luttinen, Nevala 2002)
Läsnäoloilmaisin on aina pysäytysviivan tuntumassa ja sen tehtävä on tunnistaa liittymässä vihreää valoa odottava ajoneuvo tai ilmaisimen ylittävä ajoneuvo. Kulkuilmaisin sijaitsee kauempana liittymästä ja sen tehtävä on havaita liittymää lähestyvä ajoneuvo. Kulkuilmaisimia voi olla myös useita, erityisesti pääsuunnissa. Muut ilmaisimet ovat kahden perusilmaisimen yhdistelmiä: ruuhkailmaisin, polkupyöräilmaisin, pitkien ajoneuvojen ilmaisin, nopeudenmittausilmaisin ja bussi-ilmaisin. (Tiehallinto 2005)
Kojeen ohjauslogiikka käsittelee ilmaisimien signaaleja hieman toisistaan poiketen.
Kulkuilmaisimen varaus jää muistiin, kun taas läsnäoloilmaisimen varaus vaikuttaa ainoastaan sen hetken, kun ajoneuvo on ilmaisimen päällä. Kulkuilmaisinta voidaan käyttää ajoneuvojen laskemiseen, mikäli se on kaistakohtainen (Jokinen 2004).
2.3 Ohjauksen periaatteet
Liittymään on määritelty liittymän geometrian perusteella kiertoaika, joka voi vaihdella 10 – 15 sekuntia riippuen ruuhkatilanteesta. Ohjauslogiikan tehtävä on rytmittää liikenne siten, että liikenne ei pääse ruuhkautumaan missään suunnassa. Tähän on paikallisesti käytössä kaksi tapaa: valmisohjelmat ja pidennyspyyntöihin perustuva ohjaus. Valmisohjelmia voi liittymässä olla määriteltynä 2 - 5 kappaletta. Valmisohjelmia eri tilanteita varten ovat vilkkaan liikenteen ohjelmat pidemmällä kiertoajalla, vähäisen liikenteen ohjelmat lyhyemmällä kiertoajalla sekä
erillisohjausohjelma erityisen vähäistä liikennettä ja yöaikaa varten. Valmisohjelmalla ohjattu liittymä seuraa orjallisesti ohjelmaa kellon avulla. (Tiehallinto 2005)
Pidennyspyyntöihin perustuva järjestelmä venyttää sellaisen suunnan vihreää, jossa ajoneuvoja havaitaan tulevan enemmän. Pidennyspyynnöt eivät muuta ohjauksen kiertoaikaa, vaan yhden suunnan pidennetty vihreä vähennetään konfliktoivan suunnan vihreän kestosta kuitenkin siten, että yhdenkään suunnan vihreä ei ole pidempi kuin määritelty maksimi vihreän kestolle eikä yhdenkään suunnan vihreä ole lyhyempi kuin määritelty minimi vihreän kestolle. Järjestelmä rytmittää liikennettä ilmaisimilta saamansa informaation mukaan. Logiikka käsittelee erilaisten ilmaisintyyppien lähettämiä pyyntöjä hieman eri tavalla. Läsnäoloilmaisin ilmoittaa liittymässä odottavasta ajoneuvosta ja ilmoittaa logiikalle tarpeesta vaihtaa punainen valo vihreäksi.
Kulkuilmaisin ilmoittaa liittymää lähestyvästä ajoneuvosta. Kulkuilmaisimen varaaminen aiheuttaa ohjauslogiikassa vihreän pidennyspyynnön. Pidennyspyyntö on voimassa logiikan määrittelemän ajan. Tämä aika riippuu liittymän geometriasta ja se määritellään siten, että sen aikana ajoneuvo ehtii kulkuilmaisimelta liittymään tai lähelle pysäytysviivaa. Jos vihreän pidennyspyynnön aikana ei tule uutta pidennyspyyntöä lopettaa logiikka vihreän pidennyksen.
(Tiehallinto 2005, Jokinen 2004)
3 Itseoppiva järjestelmä
Jotta järjestelmä voisi toimia, sen perusvaatimuksena on kyky oppia. Oppimiskyky voidaan toteuttaa käytännössä yhdellä tavalla. Tarvitaan järjestelmä, jonka muistiin voidaan tallentaa johtopäätöksiä liikenteestä. Muistin sisältämien tietojen avulla liikennettä optimoidaan siten, että sieltä jätetään pois sellaiset päätökset, jotka heikentäisivät liikenteen toimintaa laajassa mittakaavassa ja painotetaan päätöksiä, jotka edistävät liikenteen toimintaa laajassa mittakaavassa.
ILO:n ensisijaisena ohjauksena toimii pidennyspyyntöihin perustuva ohjaus. Ohjauksen taustalla toimii valvontaprosessi, joka korjaa ohjausta optimaalisemmaksi, jos havaitaan että liikenne on vaarassa ruuhkautua. Käytännössä ohjaus tapahtuu kieltämällä kaikki pidennyspyynnöt ja ajamalla vilkkaasti liikennöityä suuntaa maksimivihreällä kunnes liikenne normalisoituu.
Itseoppivan järjestelmän perusvaatimuksena on kyky tallentaa tietoa ja tunnistaa tallennetusta tiedosta säännönmukaisuuksia. Järjestelmä parametrisoidaan käyttäjän haluamalla tavalla. ILO koostuu kolmesta perusosasta: valo-ohjatusta liittymästä, ohjauslogiikasta ja muistirakenteesta.
Järjestelmien perusosien topologia on kuvassa 3.1.
Kuva 3.1 ILO:n perusosien väliset suhteet.
Liittymän ilmaisimet keräävät tietoja liikenteestä ja syöttää ne ohjauslogiikalle. Ohjauslogiikka
jonne se tallennetuu edellisiin tietoihin suhteutettuna. Ohjauslogiikka antaa muistille ennustepyynnön sekä ohjaa liittymän toimintaa ohjauskäskyillä ennusteen ja nykyisen liikennetilanteen funktiona.
3.1 Järjestelmän parametrit
Järjestelmälle annetaan 4 parametriä: tallennusjakso, yötoiminta, kriittinen varausaste ja järjestelmän muistin sallima poikkeama.
Tallennusjaksolla tarkoitetaan ajanjaksoa, jonka pituisina koosteina järjestelmän muistiin kerätään tietoa. Tallennusjakso onkin järjestelmässä eräänlainen ajan alkeisyksikkö ja siten määrittelee kuinka lyhyellä aikavälillä ennusteita voidaan tehdä. Valo-ohjatussa liittymässä maksimaalinen kiertoaika on 150 s, käytännössä kuitenkin 90 s ja 120 s kiertoajat ovat tyypillisiä (Tiehallinto 2005). Liikennemäärät vaihtelevat suuresti kiertojen välillä, ei siis ole mielekästä käyttää tallennusjaksoa joka on lähellä kiertoaikaa (Liikennemääristä lisää kappaleessa 4.1). Toisaalta liikenne ehtii muuttua 10-15 minuutissa jo paljon ja suurempien tallennusjaksojen käyttäminen heikentäisi merkittävästi järjestelmän ennustuskykyä.
Optimaalinen tallennusjakso on tällöin 10-15 minuuttia.
Yötoiminnalla tarkoitetaan oletustoimintaa, jota suoritetaan kun liikennettä on vähän eikä se ennusteidenkaan mukaan ole muuttumassa useaan tallennusjaksoon. Vaihtoehtoja on kaksi:
valo-ohjaus voidaan sammuttaa kokonaan tai kaikille lähestymissuunnille voidaan laittaa punainen valo.
Kriittinen varausaste on lukuarvo, joka kertoo milloin lähestymissuunnan varausaste on niin suuri, että on syytä epäillä ruuhkautumista. Optimaalisen arvon löytäminen edellyttää liittymän
Järjestelmän muistin sallima poikkeama on prosentuaalinen lukuarvo, joka kertoo kuinka paljon järjestelmän ohjelmointiin käytetty liikennekooste saa poiketa muistiin jo tallennutusta datasta ilman, että järjestelmä käsittelee niitä erillisinä datapaketteina.
3.2 Ohjauslogiikka
Ohjauslogiikka koostuu kahdesta pääosasta: oletusohjaus ja päälogiikka. Oletusohjaus on pidennyspyyntöihin perustuva järjestelmä, jonka toiminta kuvataan kappaleessa 2.3.
Päälogiikalla on kaksi tehtävää: ohjelmoida ja valvoa. Logiikka kerää tietoja valo-ohjatusta liittymästä, muuntaa niistä liikennekoosteita ja ohjelmoi niillä muistia. Oletusarvoisesti päälogiikka ja oletusohjaus toimivat rinnan toisista riippumatta, mutta mikäli päälogiikka havaitsee ristiriidan liittymän informaatiossa ja liikenne-ennusteessa se korjaa oletusohjauksen tilaa vastaamaan paremmin todellisuutta ja ennustetta.
Päälogiikalla on kolmenlaista informaatiota käytettävissä oletusohjauksen toiminnan arvioimiseen: eri lähestymissuuntien varausasteet, ennuste liikennemäärästä ja ennuste liikenteen painotuksesta. Tällä informaatiolla päälogiikka voi korjata oletusohjauksen tilaa muuttamalla eri lähestymissuuntien ajallista painotusta.
Varausaste on prosentuaalinen arvo, joka kertoo kuinka suuren osan ajasta läsnäoloilmaisin on varattuna. Varausasteesta voidaan havaita suoraan mikäli jokin lähestymissuunta on ruuhkautunut tai ruuhkautumassa. Tämä onkin tärkein informaatio kun arvioidaan liikenteen sujuvuutta. Mikäli kaikkien lähestymissuuntien varausasteet ovat alhaisia, liittymässä on vain vähän liikennettä ja joissain tapauksissa voidaan jopa harkita valo-ohjauksen sammuttamista kunnes liikennemäärät taas kasvavat, esimerkiksi öisin. Jos taas kaikkien lähestymissuuntien varausasteet ovat korkeat, liikennettä on paljon ja se on todennäköisesti ruuhkautunutta.
Liikenteen painoarvoista selviää onko jokin lähestymissuunta muita suuntia painavampi tai heikempi. Tällöin ohjaus voi kaivata säätämistä. Kolmas mahdollinen tilanne syntyy kun
jonkin lähestymissuunnan varausaste on merkittävästi suurempi kuin muiden. Tällöin liikenne on keskittynyt lähestymään yhdestä suunnasta ja ohjausta joudutaan säätämään liikenteen sujuvuuden parantamiseksi.
Liikennemäärä on liittymän läpikulkevien ajoneuvojen lukumäärä tallennusjakson aikana.
Ennusteen perusteella liittymän valo-ohjaus voidaan sammuttaa kokonaan tai asettaa tilaan, jossa jokaiseen suuntaan näytetään punaista esimerkiksi yötä varten. Suuresta liikennemäärästä voidaan päätellä, että varausasteet voivat nousta. Tarvetta toimiin ei kuitenkaan välttämättä ole.
Liikennemäärän perusteella voidaan myös arvioida, onko liittymän kiertoaikaa syytä kasvattaa tai lyhentää. Suurilla liikennemäärillä käytetään yleensä pitkiä kiertoaikoja ja vähäisillä liikennemäärillä taas lyhyempiä kiertoaikoja (Tiehallinto 2005).
Liikennemäärien painoarvot ovat prosentuaalisia arvoja, jotka ilmaisevat kuinka suuri osa liikenteestä tulee eri lähestymissuunnista. Liikennemäärien painoarvot vaikuttavat merkittävästi siihen kuinka liittymän lähestymissuuntien vihreän kestoa pitäisi painottaa. Jos neljän lähestymissuunnan liittymässä liikenteestä 50% tulee yhdestä suunnasta on järkevää antaa sille suunnalle pidempi vihreä.
3.2.1 Päälogiikan toiminnan periaatteet
Päälogiikka valvoo ja tarvittaessa ohjaa liittymän eri lähestymissuuntien vihreiden kestoa ohjaamalla oletusohjauksen priorisointia. Päälogiikka voi myös sammuttaa liittymästä valot vähäliikenteiseksi ajaksi tai pakottaa kaikkiin suuntiin punaisen. Tämä valinta riippuu liittymän parametreistä.
kun voidaan olla suhteellisen varmoja, että liikenne on muuttumassa. Tästä syystä päätöksenteossa käytetään kahta eri informaatiota: varausaste ja ennuste liikenteen muuttumisesta.
Kun järjestelmä ennustaa, että liikenne on painottumassa johonkin tiettyyn suuntaan se alkaa seurata miten kyseisen suunnan varausaste muuttuu. Kun varausaste ylittää kriittisen varausasteen päälogiikka antaa oletusohjaukselle ohjauskäskyn. Ohjauskäskyjä on kolmea tyyppiä: yhtä suuntaa painottava ohjauskäsky, kahta suuntaa painottava ohjauskäsky ja oletusohjauksen normaalitoiminnan palautus. Järjestelmän päätöksentekotaulu on kuvattu taulukossa 3.1. Päätöksenteko voidaan yksinkertaistaa myös tilakoneeksi, joka on kuvassa 3.2.
Taulukko 3.1 Päälogiikan päätöksentekotaulu, taulun vasemmalla puolella on liittymästä laskettu reaali- informaatio ja ylhäällä ennuste, kuinka liikenne muuttuu tallennusjakson aikana.
Päätöksentekotaulu Ennusteet
Reaali-informaatio Tapaus 1 Tapaus 2
v(x) > v' Tapaus 1 Ohjaus(S1) Ohjaus(S1)
Tapaus 2 Ohjaus(S1,S2) Ohjaus(S1, S2)
v(x) < v' Triviaali X X
v(x) = Suunnan x varausaste
v' = Kriittinen varausaste
Tapaus 1 = v(S1) > v(S2), v(S3), v(S4) Tapaus 2 = v(S1), v(S2) > v(S3), v(S4) Ohjaus(X1, X2 ...) = Ohjauskäsky, jolla järjestelmä priorisoi suuntia X1, X2 ...
X = Palautetaan järjestelmä oletusohjaukseen
Kuva 3.2 Ohjauslogiikan toiminta kuvattu tilakoneena.
On olemassa kuitenkin tilanteita, joiden vaikutuksista on vaikea tehdä ennustettavaa mallia.
Tällaisia ovat esimerkiksi tietyöt ja onnettomuudet. Niillä voi olla suurikin häiritsevä vaikutus.
Tapauksessa jossa liikenteen ei pitäisi ennusteen mukaan nousta, mutta varausasteet lähtevät kuitenkin nousuun, järjestelmä seuraa yhden tallennusjakson ajan normalisoituuko tilanne. Jos tilanne ei normalisoidu seuraavan tallennusjakson alkaessa järjestelmä olettaa että jotain poikkeuksellista on tapahtunut ja jättää ennusteen huomiotta. Tällöin liikennettä ohjataan tilanteeseen sopivalla ohjauskäskyllä, kunnes tilanne normalisoituu.
3.3 Muistirakenne
Muistirakenne koostuu kahdesta tietorakenteesta, jotka ovat hakupuita. Ensimmäiseen hakupuuhun tallentuu tiedot eri lähestymissuuntien painoarvoista. Toiseen hakupuuhun tallentuu tiedot liittymän kokonaisliikennemäärästä tallennusjaksoa kohti. Painoarvo suunnalle
jossa alaindeksi n tarkoittaa ajoneuvoja suunnasta n ja m tarkoittaa yhteismäärää. Tällöin ΣP = 1, joka tarkoittaa että Pn on ajoneuvojen prosentuaalinen osuus koko liikenteestä.
Ohjauslogiikan antama liikennekooste puretaan kahteen osaan. Ensimmäinen osa on kaikkien ajoneuvojen summa koosteen aikana ja se tallennetaan kokonaisliikennemäärää laskevaan hakupuuhun ajan funktiona. Liikennekoosteesta lasketaan kaavalla 1 kaikkien neljän suuntien painoarvot ja lopputulokset sijoitetaan ajan funktiona lähestymissuuntien painoarvoja tallentavaan hakupuuhun.
Jokainen uusi kooste tallennetaan erillisenä haarana molemmissa hakupuissa. Saman ajan omaavia haaroja yhdistetään keskiarvoistamalla, kun materiaalia on siten, että keskiarvon virhe ei ole merkittävä. Riittävän materiaalin määrää liitymän fyysinen sijainti ja geometria. Sen määrittäminen edellyttääkin liittymän toiminnan seuraamista ennenkuin toimiva raja-arvo voidaan määritellä.
Pyydettäessä ennustetta jollekin ajalle järjestelmä palauttaa kaksi erillistä tietoa: ennusteen liikennemäärästä ja ennusteen eri lähestymissuuntien painoarvoista.
4 Testaus ja simulointi
Itseoppivaa järjestelmää testattiin kahdessa vaiheessa. Ensimmäisessä kerättiin reaalista dataa, joka havainnollistaa miten puuhun tallentuu dataa ja miten sen avulla voidaan ennustaa liikenteen muuttumista. Tätä tarkoitusta varten kerättiin dataa liittymästä hetkeä ennen kello 16 ruuhkaa ja hetken ruuhkan aikana. Toisessa testausvaiheessa kehitettiin simulaattori, jossa järjestelmää saattoi verrata nykyisin käytössä olevaan pidennyspyyntöihin perustuvaan ohjaukseen.
4.1 Järjestelmän rakentuminen reaalisella datalla
Järjestelmän rakentumista testattiin Sammonlahden kaupunginosassa Lappeenrannassa.
Skinnarilankadun ja Sammonlahdenkadun risteyksestä kerättiin 28.2.2011 kello 15:00 – 16:15 liikennetietoja. Näistä tiedoista valikoitiin neljä mahdollisimman erilaista liikennekoostetta 15 minuutin tallennusjaksolla. Liikennekoosteista rakennettiin muistirakenne järjestelmän käyttöön. Liikennekoosteiden erilaisuutta painotettiin, jotta hakupuihin tallentuneet liikennemuutokset olisivat havainnollisempia. Hakupuut ovat esitetty liitteessä 1 ja liittymästä kerätyt liikennetiedot liitteessä 2.
Kierrosten välillä havaittiin useiden autojen eroja. Risteyksessä keskimääräinen kiertoaika oli 75 s. Tallennusjaksossa minimi on se ajoneuvomäärä joka kulkee kaikista hiljaisimman kierron aikana ja maksimi se ajoneuvojen määrä joka kulkee vilkkaimman kierron aikana. Kaikkien tallennusjaksojen minimin ja maksimin erotukset olivat: 18, 24, 17 ja 19. Ajoneuvoja kulki laskennan aikana keskimäärin 20 per kierros. Tähän verrattuna minimin ja maksimin erot ovat
4.2 Järjestelmän simulointi
Järjestelmän simulointia varten kehittiin yksinkertaistettu simulaattori, jonka toiminta toteutettiin C++ –kielellä. Simulaatiomalliin oli ohjelmointu neljäsuuntainen liittymä ilman nuolivaloja ja jalankulkijoita. Malliin tulevien ajoneuvojen nopeus oli vakio riippumatta olivatko ne liikkeellä, lähtemässä vai pysähtymässä. Liittymään ohjelmointiin kolme eri ohjaustapaa: tasapuolinen ohjaus, jossa kaikkien suuntien vihreä valo on yhtä pitkä; vihreän pidennyspyyntöihin perustuva ohjaustapa ja yhtä suuntaa painottava ohjaustapa.
Simulaattoriin ei toteutettu tämän tutkielman mukaista liikenteen tunnistusmenetelmää. Tämän tutkielman mukainen tunnistamismenetelmä perustuu liikenteen tarkkaan havainnointiin seuraamalla miten se muuttuu. Tämä edellyttäisi simulaatiomallilta merkittävästi suurempaa vastaavuutta todellisen maailman kanssa, kuin mihin tämän tutkielman puitteissa olisi mahdollista. Simulaation tarkoitus on selvittää kuinka suuri ero syntyy, kun vilkkaasti liikennöidyssä tilanteessä painotetaan vaan vilkasta suuntaa eikä pidennetä hiljaisemmin liikennöityjen suuntien vihreitä pidennyspyynnöistä huolimatta.
Itse simulaattori on yksinkertainen oliopohjainen simulaattori. Simulaattorissa on kahdentyyppisiä olioita: ajoneuvot muodostavat yhden luokan ja liittymä toisen. Simulaatio koostuu iteraatioista. Jokaisen iteraation aikana kaikki ajoneuvot liikkuvat jos säännöt sallivat.
Liikennevalojen vaiheet kestävät tietyn määrän iteraatioita, jotka määritellään parametreissa.
Ajoneuvo-oliot kommunikoivat liittymän kanssa ja liikkuvat sääntöjen perusteella. Ajoneuvo liikkuu ajoneuvonmitan eteenpäin, jos edessä on vapaata tai edessä oleva ajoneuvo kykenee liikkumaan. Ajoneuvot generoidaan First in–First out –jonoon, joka käydään joka iteraation aikana läpi. Ajoneuvon generoituessa uusi ajoneuvo sijoitetaan jonon viimeiseksi. Liittymään generoitu ajoneuvo liikkuu koko ajan samaan suuntaan ja poistuu simulaattorista sen saavutettua simulaattorin toisen laidan. Tällöin ajoneuvo merkitään poistuneeksi ja jonoa iteroiva silmukka käsittelee paikkaa jonossa tyhjänä. Simulaattori ottaa parametreinään eri suuntien painoarvot, todennäköisyyden ajoneuvojen generoitumiselle per iteraatio, suoja-ajan, kiertoajan ja ohjaustavan. Simulaation todetaan päättyvän katastrofaaliseen ruuhkautumiseen
Simulaattorin vihreän pidennykset ohjelmoitiin siten, että pidennyksiä saattoi olla korkeintaan kaksi ja jokainen pidennys pidensi vihreän kestoa kahdella iteraatiolla. Pienemmät pidennykset eivät olisi olleet kyllin merkittäviä ollakseen realistisia ja suuremmat pidennykset olisivat aiheuttaneet jopa kolminkertaisen vihreän keston konfliktoivaan suuntaan nähden, mikä ei myöskään ole realistista. Pidennyksiin perustuvassa ohjaustavassa pidennykset otettiin kulkuilmaisimilta, jotka sijaitsivat kahden ajoneuvonmitan päässä liittymästä. Tällöin ilmaisimen ylittävä ajoneuvo ehtii liittymään ennen vihreän vaihtumista punaiseksi. Yhtä suuntaa painottavassa järjestelmässä pääsuuntaa ajettiin maksimivihreän ajan riippumatta ilmaisimien tilasta.
Simulaation päätyttyä simulaattori antaa ulos neljä analyysin kannalta tärkeää arvoa: kaikkien suuntien varausasteet. Varausaste kertoo kuinka paljon kyseisen suunnan läsnäoloilmaisin on ollut varattuna. Kyseinen ilmaisin sijaitsee pysäytysviivan tuntumassa ja siten kertoo meille eniten ruuhkautumisesta kuin mikään muu ilmaisin. Varausaste mitataan ajan funktiona ja on prosentuaalinen luku joka kertoo kauanko ilmaisin on ollut varattuna kyseisenä aikana. 0.50 varausaste tarkoittaa, että käytettäessä 10 minuutin mittausjaksoa läsnäoloilmaisin on ollut varattuna 5 minuuttia. Ilmaisin ei erittele ajoneuvoa, joka on pysähtyneenä ilmaisimen päälle ajoneuvosta joka ylittää sen pysähtymättä. Varausasteen laskentatavassa tämä kuitenkin synnyttää eron. Seisova ajoneuvo aiheuttaa jatkuvan kuormituksen, kun taas pysähtymättä yliajava kuormittaa ainoastaan sen hetken kun ajoneuvo on ilmaisimen päällä. Jos autot ovat jonossa muistuttaa ilmaisimen signaali kanttiaaltoa. Signaalin toinen puoli muodostuu hetkistä kun ajoneuvo on ollut ilmaisimen päällä ja toinen puoli hetkistä, jolloin ajoneuvo on poistunut ilmaisimelta ja seuraava ajoneuvo lähestyy ilmaisinta.
Varausastetta approksimoitaessa oletettiin, että ilmaisimen päällä seisova ajoneuvo aiheuttaa 100% varausasteen per iteraatio ja läsnäoloilmaisimen pysähtymättä ylittävä ajoneuvo
keskimääräiseksi varausteeksi liikkuvalle autojonolle muodostuu noin 50% per iteraatio.
Approksimaation virhemarginaali voi kuitenkin olla jopa 20% luokkaa. Virheet ovat kuitenkin kaikille ajoneuvoille ja siten simulaatioille tasapuolisia, josta seuraa että simulaatioiden väliset tulokset ovat virheestä huolimatta vertailukelpoisia.
Simulaattoria kalibroitaessa käytettiin informaationa reaalista dataa, joka kerättiin Lappeenrannan Sammonlahdesta. Reaalisesta datasta havaitaan, että hiljaisina jaksoina ajoneuvoja oli keskimäärin noin 5 ja vilkkaasti liikennöityinä hetkinä noin 25. Simulaattorin kiertoaika, pidennyspyyntöjen maksimimäärä ja suoja-aika arvioitiin siten, että saavutettiin aitoa liittymää vastaavat liikennemäärät. Liikenteen suuntien painoarvot valittiin painottamaan yhtä suuntaa merkittävästi, ollen 65% liikenteestä. Liikennemäärä valittiin mahdollisimman suureksi siten, ettei simulaatio pääty katastrofaaliseen ruuhkautumiseen. Yrityksen ja erehdyksen kautta havaittiin, että kyseisellä reunaehdolla raja-arvo generoitumistahdille on 70- 80%. Simulaatioon valittiin arvoksi 70%.
Testausjaksossa käytettiin 2000 iteraation silmukkaa, jonka aikana 70% ajoneuvon generoitumisella liittymään generoituu 1400 ajoneuvoa. Testausta edeltäneissä testiajoissa havaittiin, että 2000 iteraation testausjaksoilla saavutetaan varausasteille hyvä tarkkuus, joka on ±0.005. Tarkkuus arvioitiin satunnaisaineistolla, simulaatio toistettiin kymmenkunta kertaa ja havaittiin että varausasteet poikkesivat muista simulaatioista korkeintaan 0.005.
Tasapuolisella ohjauksella saavutettiin nopeasti katastrofaalinen ruuhkautuminen. Simulaatio lopetettiin jo noin 500 iteraation jälkeen. Pidennyspyyntöihin perustuvalla ohjauksella vilkkaimman suunnan varausasteeksi saatiin 0.70. Yhtä suuntaa pelkästään painottamalla varausasteeksi saavutettiin 0.65. Tämä kertoo, että kyseisessä suunnassa liikenne on kulkenut paremmin. Muiden suuntien varausasteet muuttuivat yhtä suuntaa painottavassa järjestelmässä yhteensä 0.02 korkeammaksi kuin pidennyspyyntöihin perustuvassa järjestelmässä.
Käytännössä tämä tarkoittaa, että pääsuunnalle annettiin enemmän ajoaikaa muiden suuntien kustannuksella. Mutta koska pääsuunnasta tuli 4-6 –kertainen määrä ajoneuvoja yhteenkään muuhun suuntaan verrattuna tarkoittaa tämä, että seisonta-aikojen summa koko risteyksessä on
Simulaation 0.05 parannus yhden suunnan varausasteesta kertoo, että seisomisajat kyseisestä suunnasta lyhenivät kun vihreän pidennys kiellettiin suunnilta, joiden liikenne oli vähäisempää.
Näihin lukuihin on kuitenkin suhtauduttava pienellä varauksella, sillä simulaattori ei ole täydellinen. Simulaattorin epätarkkuudesta johtuvat virheet voivat olla jopa 10% luokkaa.
Teoriassa kuitenkin järjestelmä toimii paremmin tilanteessa, jossa liikennemäärät ovat lähellä välityskykyä. Simulaatio ei todista järjestelmän toimivan paremmin, mutta tukee teoriaa.
5 Johtopäätökset
Testauksen ensimmäisessä osassa kerättiin reaalista informaatiota Lappeenrannan Sammonlahdessa, jonka perusteella rakennettiin esimerkki järjestelmän käyttämästä tietorakenteesta. Ajoneuvoja laskettaessa havaittiin, että liikenne vaihtelee merkittävästi:
kahden peräkkäisen kierron ajoneuvojen erotus voi olla samaa luokkaa, kuin keskimääräinen ajoneuvojen lukumäärä per kierros. Tämä aiheuttaa erityisen ongelman liikenteen ennustettavuudessa. Kierrosten väliset erot olivat niin suuria, että pelkästään niiden perusteella liikenteen ennustaminen on vaikeaa. Tästä syystä luotettavan ennustemallin rakentaminen edellyttää useita mittauksia, jotta voidaan rakentaa luotettava malli joka silti vastaa liikennettä.
Valo-ohjatussa liittymässä sujuvuuden heikoimman lenkin muodostaa se suunta, jossa on pisimmät jonot. Pitkät jonot näkyvät liikenteessä pitkinä seisonta-aikoina. Seisonta-aikaa kuvaa varausaste, joka kertoo kuinka kauan läsnäoloilmaisin on ollut varattuna. Läsnäoloilmaisin kuormittuu kaikista eniten silloin kun se on jatkuvasti varattuna, toisinsanoen sen päällä on ajoneuvo. Osittaisen kuormituksen aiheuttaa liikkuva jono, jolloin ilmaisin on varattuna vain sen aikaa kun ajoneuvolla kestää ylittää se.
Mikäli liittymä on harvakseltaan liikennöity tai siinä on hetkellisiä liikennepiikkejä on tilanteenmukainen ohjaus järkevä. Tällöin kulkuilmaisin lähettää logiikalle pidennyspyynnön ja kyseinen lähestymissuunta saa pidennetyn vihreän. Ruuhka-aikana tämä ei kuitenkaan ole välttämättä optimaalisin tapa toimia, koska jonkun hiljaisemmin liikennöidyn suunnan saama hetkellinen pidennyspyyntö voi kerryttää ruuhkaa vilkkaammassa suunnassa. Tällöin on järkevää painottaa vilkkaasti liikennöityä suuntaa reaalitilanteesta riippumatta, kunnes liikennemäärien havaitaan selkeästi tasaantuneen.
Seurauksena tästä on, että pääsuunnan varausaste laskee ja muiden suuntien varausaste nousee.
Vaikka varausasteiden erotus olisi 0, tilanne on silti muuttunut koska se lasketaan vain jonon ensimmäisestä autosta. Varausasteeseen ei enää vaikuta jonon ensimmäisen takana olevat 10
ajoneuvoa. Tällöin on järkevää painottaa ruuhkautunutta suuntaa muiden kustannuksella, koska muualla odottavia ajoneuvoja on vähemmän.
Tämä ilmiö havaittiin simulaatiossa. Pidennyspyyntöihin perustuvassa järjestelmässä pääsuunnan varausaste oli 8% suurempi verrattuna yhtä suuntaa painottavaan malliin. Muiden suuntien varausasteiden summa oli 3% pienempi. Tämä kuvaa tilannetta, jossa pääsuuntaa on ajettu maksimivihreällä muiden suuntien kustannuksella. Pääsuunnan varausaste on parempi, mutta muiden suuntien varausasteiden summa on huonompi. Käytännössä tämä tarkoittaa, että pääsuunnassa liikennevirta on ollut sujuvampi ja muissa suunnissa ajoneuvot ovat joutuneet odottamaan hieman kauemmin. Yksistään tämä on jo parannus, koska on loogisempaa odotuttaa yhtä ajoneuvoa hieman kauemmin, kuin kymmentä. Toiseksi parannusta on tapahtunut myös kokonaisvarausasteessa. Pidennyspyyntöihin perustuvan järjestelmän kokonaisvarausaste oli 4% parempi. Simulaatio oli kuitenkin vain karkea malli ja syntynyt ero on mahdollisesti virhemarginaalin sisällä. Järjestelmän paremmuuden selvittäminen edellyttääkin lisätutkimuksia ja mahdollisesti myös pilottia.
6 Yhteenveto
Tässä tutkielmassa kehiteltiin ajatus, jolla liikennevalo-ohjausta voidaan kehittää älykkäämmäksi ilman keskusohjausta tai liittymän yhteenkytkentää. Ajatus perustuu liittymän ilmaisimien keräämään tietoon ja sen tiedon tallentamiseen. Tieto tallennetaan muotoon, jossa sitä voidaan käyttää liikenteen muutosten ennustamiseen. Tämän tutkielman puitteissa kehitettiin tietorakenne, johon voidaan tallentaa tietoa ajan funktiona. Tietorakenne on kuitenkin yksinkertaistettu, eikä se tee eroja eri päivien välille, mukaanlukien erot arkipäivien ja pyhäpäivien välillä.
Järjestelmää testattiin kahdella tavalla. Ensimmäisessä testauksessa tutkittiin miten liikenteen muutokset näkyvät tietorakenteessa. Tätä tarkoitusta varten kerättiin Lappeenrannan Sammonlahdesta liikennetietoja ja niistä koostettiin järjestelmän käyttämä tietorakenne.
Toisessa testissä kehitettiin reaalitietojen perusteella simulaattori, jolla verrattiin pidennyspyyntöihin perustuvan ohjaustavan toimintaa itseoppivaan järjestelmään.
Simulaatiossa havaittiin, että ero oli itseoppivan järjestelmän eduksi, mutta niin pieni että se saattaa olla virhemarginaalin sisällä. Järjestelmän paremmuus edellyttääkin lisää tutkimustyötä.
Vaikka järjestelmä ei välttämättä tarjoa suoraa parannusta nykyiseen, tarjoaa se kuitenkin teoreettisen pohjan kehittyneemmälle mallille, joka kykenee ennustamaan liikennettä liikenteen perusteella sitomatta sitä aikaan, toisinsanoen liikenteen muutosten funktiona.
6.1 Ongelmia ja jatkokehittelyä
Liikennemäärien suuri vaihtelevuus tuo merkittävän ongelman liikenteen ennustamiseen.
Liikennemäärien yhtäkkinen kasvu voi olla oire pian alkavasta ruuhkasta tai ainoastaan hetkellinen liikennepiikki. Tämä vaikeuttaa liikenteen ennustamista sillä jonkin suunnan turha
ruuhkautumista tai vääristää varausasteita. Tämän tutkielman puitteissa tätä ongelmaa ei kyetty ratkaisemaan mielekkäästi.
Järjestelmän oleellisin puute on sen tavassa tallentaa tietoa. Pelkän kellonajan perusteella tallentaminen tarkoittaa, että järjestelmä ei kykene erottamaan arkipäivää pyhäpäivästä.
Ongelma voidaan ratkaista kahdella tavalla: laajentamalla tietorakenne tallentamaan tietoa myös viikonpäivien tai jopa vuodenpäivien funktiona tai kehittää tietorakenne, joka mahdollistaa aikariippumattoman tavan tallentaa tietoa. Aikariippumaton tallennustapa voisi olla esimerkiksi tallentaa tieto liikennemuutosten funktiona. Järjestelmä tallentaa tietoja siitä, miten liikenne muuttuu ja koittaa tunnistaa siitä kaavamaisuuksia. Liikenne perustuu kuitenkin kaavamaisuuksiin: aamuisin samat ihmiset virtaavat samoista kodeista samoihin työpaikkoihin, työpaikkojen jälkeen kauppaan ja sieltä edelleen takaisin kotiin.
Lähteet
Jokinen 2004 Valo-ohjauksisten liittymien simulointi ajantasaisella liikennetiedolla. Teknillinen Korkeakoulu 126s.
Kosonen 1999 HUTSIM – Urban Traffic Simulation and Control Model:
Principles and Applications. Teknillinen Korkeakoulu, Liikennetekniikka. Julkaisu 100.
Otaniemi. 247 s.
Kulkarni 2007 Fuzzy Logic Based Traffic Light Controller. Proceedings of the second international conference on industrial and information systems, Peradeniya , Sri Lanka, August 9-11, 2007
Luttinen, Nevala 2002 Capacity and Level of Service of Finnish Signalized Intersections. Tiehallinto, Finnra Reports 25/2002. 160 s.
Madhavan 2007 A fuzzy Logic Controller for Isolated Signalized Intersection with Traffic Abnormality Considered. Proceedings of the 2007 IEEE Intelligent Vehicles Symposium, Istanbul, Turkey, June 13-15, 2007.
Sane 2008 Onnimanni 2. Liikenne- ja viestintäministeriö. ISBN 978- 952-201-775-8
Tiehallinto 2005 Liikennevalojen suunnittelu. Tiehallinto. 216s, ISBN 951- 803-630-6
Liite 1 Skinnarilankadun ja Sammonlahdenkadun liittymälle koostettu muistirakenne
Liite 2 Skinnarilankadun ja Sammonlahdenkadun liittymästä kerätyt tiedot
Jatkuu
Liite 2 Skinnarilankadun ja Sammonlahdenkadun liittymästä kerätyt tiedot
Liite 2 jatkoa
