Finlands apparattester – radarräknare Slutrapport Projekt ... - NordFoU
Finlands apparattester – radarräknare Slutrapport Projekt ... - NordFoU
Finlands apparattester – radarräknare Slutrapport Projekt ... - NordFoU
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Projekt</strong>:<br />
Akronym:<br />
<strong>Projekt</strong>ejere:<br />
Nordiskt forskningssamarbete<br />
<strong>Finlands</strong> <strong>apparattester</strong> <strong>–</strong> <strong>radarräknare</strong><br />
<strong>Slutrapport</strong><br />
Fase II, arbetspakke 6<br />
Nordisk System for Intelligent Klassifisering av Trafikk<br />
NorSIKT<br />
Vegdirektoratet, Norge<br />
Vägverket, Sverige<br />
Vejdirektoratet, Danmark<br />
Finnish Transport Agency, Finland<br />
Vegagerdin, Island<br />
Navn Dato<br />
Forfatter(e): ver 0.90 Kimmo Saastamoinen 1.12.2011<br />
Kati Kiiskilä 28.11.2011<br />
Hanne Strandvall<br />
Elina Rundell<br />
13.12.2011<br />
1
Innehållsförteckning<br />
Nordiskt forskningssamarbete<br />
1 Bakgrund till NorSIKT-projektet ....................................................................................................................... 3<br />
2 Testning av <strong>radarräknare</strong> i Finland .................................................................................................................. 4<br />
2.1 Beräkning av fordonstrafik med <strong>radarräknare</strong> ............................................................................ 4<br />
2.2 Förberedelser innan testmätningarna.......................................................................................... 4<br />
2.3 Testmätningar ............................................................................................................................. 7<br />
2.4 Efter testmätningarna ................................................................................................................. 7<br />
2.5 Sammandrag av undersökningens skeden och dokumentering .................................................. 8<br />
3 Fordonsklassificeringar .................................................................................................................................... 9<br />
3.1 Den nuvarande fordonsklassificeringen som är i användning .................................................... 9<br />
3.2 Fordonsklassificeringen som använts vid testningen ............................................................... 10<br />
3.3 TMS-SA (Icoms) ...................................................................................................................... 11<br />
3.4 SDR (DataCollect) ................................................................................................................... 11<br />
3.5 SR4 (Sierzega) .......................................................................................................................... 12<br />
3.6 ViaCount II (ViaTraffic Controlling) ....................................................................................... 15<br />
4 Referensapparat ............................................................................................................................................ 16<br />
5 Behandling av resultaten ............................................................................................................................... 18<br />
5.1 Synkronisering.......................................................................................................................... 18<br />
5.2 Beräkning av parametrar .......................................................................................................... 19<br />
5.3 Statistikstudie ........................................................................................................................... 22<br />
6 Nuvarande krav -studie ................................................................................................................................. 26<br />
6.1 Apparatgruppsundersökning .................................................................................................... 26<br />
6.2 Apparatspecifika resultat .......................................................................................................... 30<br />
7 Annan granskning av parametrar .................................................................................................................. 33<br />
7.1 Möjliga nya krav ...................................................................................................................... 33<br />
7.2 E1-parametrar ........................................................................................................................... 39<br />
8 Undersökningens kvalitet och förbättring av kvaliteten ............................................................................... 41<br />
9 Sammandrag och slutsatser .......................................................................................................................... 43<br />
2
Nordiskt forskningssamarbete<br />
1 BAKGRUND TILL NORSIKT-PROJEKTET<br />
NorSIKT-projektet är ett 3-årigt utvecklingsprogram inom trafikberäkning (2010-2013). <strong>Projekt</strong>et är en del av<br />
<strong>Finlands</strong>, Sveriges, Danmarks, Norges och Islands Vägförvaltningars/Trafikverkens FoU-samarbete (Nordiskt<br />
Forskningssamarbete - <strong>NordFoU</strong>, http://www.nordfou.org). NorSIKT-projektets centrala mål är att uppgöra en<br />
nordisk standard för fordonsklassificering:<br />
- Definiera en ändamålsenlig kravsbestämmelse för nordiska trafikräknarapparater<br />
- Definiera en ny enhetlig metod för att konvertera data mellan olika klassificeringsmetoder<br />
- Vid behov ge initiativ till att utveckla nya tekniska apparater.<br />
En enhetlig standard möjliggör nordiska apparatleveransmarknader och kan ge möjlighet till produktutveckling<br />
för industrin. Ett annat fortsättningprojekt är möjligen ”Trafikparametrar <strong>–</strong> standardisering av definitioner och<br />
kvalitetskrav”, där man undersöker möjligheten att använda liknande stickprovsberäkningars<br />
estimeringsmodeller och trafikens parametrar.<br />
<strong>Projekt</strong>et som utförs nu har två skeden. I det första skedet inventerades räknarrapparaternas uppgifter<br />
ingående i Norden och översiktligt i övriga Europa och USA. Till detta skede hörde även utredning av<br />
trafikuppgiftsbehoven i Norden. På basis av resultaten uppgjordes ett utkastsförslag om<br />
fordonsklassificeringen och i det andra skedet uppgörs kravbestämmelser för trafikräknarapparater, som<br />
uppfyller Nordens behov. Till detta skede hör testning av trafikräknarapparater och uppgörande av en Nordiskt<br />
praxis att konvertera data mellan olika klassificeringsmetoder.<br />
Hela projektet ansvaras av Norges Vegdirektorat. Ett infotillfälle om NorSIKT-projektet ordnades i Köpenhamn<br />
22.9.2011, där de olika ländernas testningsplaner presenterades. Tillfället var öppet för alla intresserade<br />
aktörer. http://www.nordfou.org/projekter/NorSikt%20presentations.asp<br />
<strong>Finlands</strong> projektchef är Reijo Prokkola från Trafikverket. Trafikverket köpte projektsekreterartjänsterna från<br />
Sito Oy (Kati Kiiskilä) och Sito använde till utförande av arbetet underkonsulterna Riksroad Oy (Kimmo<br />
Saastamoinen, Riitta Kerola) och Viatrack (Kalevi Nummela). <strong>Finlands</strong> huvudbetoning i NorSIKT-projektet för<br />
årets 2011 del var att utföra radarräknarnas testningar enligt fas 2. Testresultaten är presenterade i denna<br />
slutrapport.<br />
I Finland informerade man om NorSIKT-projektet i allmänhet inom trafikbranschen och i projektet deltog aktivt<br />
de som erbjuder räknarservice och apparatleverantörerna samt övriga intresserade. Dessutom ordnades det i<br />
Finland många infotillfällen till aktörerna och det meddelades om de olika projektskedena per e-post.<br />
<strong>Projekt</strong>ets tidtabell allmänt:<br />
- Fas 1 (Teknik som används i Finland/uppgiftsbehov): Förundersökning, 1/2010 - 2/2011<br />
- Fas 2 (<strong>Finlands</strong> tester): Apparattester, 1/2011 - 12/2012<br />
- Fortsättningsprojekt 1: Apparatutveckling (Trafikverket deltar ej)<br />
- Fortsättningsprojekt 2: Utvecklande av estimeringsmetod 6/2011 - 2013<br />
3
Nordiskt forskningssamarbete<br />
2 TESTNING AV RADARRÄKNARE I FINLAND<br />
2.1 Beräkning av fordonstrafik med <strong>radarräknare</strong><br />
I Finland utförs största delen av landsvägarnas trafikberäkning som tagningsberäkning med <strong>radarräknare</strong>.<br />
Radarteknik har använts i Finland sedan 1980-talet i beräkningar som utförs maskinellt, gjorts med<br />
<strong>radarräknare</strong>, så det finns mycket erfarenhet av olika <strong>radarräknare</strong>s användning. I de kontinuerliga<br />
beräkningspunkterna, som i Finland kallas för trafikens automatiska mätpunkter (LAM), används ett slingpar<br />
och räknarapparater av finländska tillverkare som observationsteknik.<br />
I Finland innefattar de allmänna landsvägarnas (ca. 78 000 km) trafikräkning ca. 15 000 homogeniska<br />
räkningssträckor, av vilka dryga 3000 räknas varje år. Den största delen (96 %) av beräkningsavsnitten är lågt<br />
trafikerade (ÅMDT under 8000) normala enkörbaniga landsvägar. Livligt trafikerade och 2-körbaniga avsnitt<br />
står för ca 4 % av alla beräkningsavsnitt.<br />
Tabell 1: Räkningsavsnittens andelar med olika trafikmängder på 1- och 2-körbaniga landsvägar.<br />
Trafikverket konkurrenssatte räkningsarbetet år 2005 för kontraktperioden 2006<strong>–</strong>2012, så den allmänna<br />
trafikberäkningen kommer att konkurrensutsättas på nytt under år 2012.<br />
2.2 Förberedelser innan testmätningarna<br />
Den första infodagen (workshop) för alla aktörer hölls i mars 2011, där NorSIKT-projektets allmänna mål<br />
presenterades, såsom även kartläggningsresultaten över de olika ländernas räknarapparater och preliminära<br />
utkast om fordonsklassificeringen (Rapport NorSIKT: Fase 1, arbejdspakke 2 - Forslag til fælles nordisk<br />
køretøjsklassifikation <strong>–</strong> versio 0.3). Ett mål för infodagen var att samla ihop de finländska aktörerna under<br />
samma tak och få dem att presentera apparater som tas till NorSIKT-projektets tester. En informeringslista<br />
uppgjordes på basis av deltagarna till infodagen, och därefter kunde alla aktörer informeras effektivt och<br />
samtidigt om projektets framsteg och skeden.<br />
Radarräknarna som användes i testerna skulle uppfylla följande krav:<br />
- räknarapparaturen bör observera ett förbikörande fordon minst med en sekunds noggrannhet<br />
- räknarapparaturen bör observera fordonets längd<br />
- räknarapparaturen bör observera fordonets hastighet<br />
- räknarapparaturen bör registrera körriktningen<br />
- man bör få en okrypterad observationsdatafil ur räknarapparaturen<br />
4
Nordiskt forskningssamarbete<br />
- räknarapparaturen bör lämpa sig för stickprovs-/urvalsräkningar<br />
- räknarapparaturen monteras vid sidan av vägen<br />
Till testerna togs med alla de <strong>radarräknare</strong> som apparaternas importörer i Finland och finländska<br />
trafikforskningens tjänstleverantörer framförde. Dessa räknarapparater var följande:<br />
- Icoms TMS-SA, bluetooth, apparatversion 8.80<br />
- DataCollectin SDR, bluetooth, apparatversion 5.95, datauppsamlingsversion 6.3 (PALM)<br />
- Sierzegan SR4, bluetooth<br />
- ViaTrafficControlling ViaCount II, bluetooth<br />
För testningen uppgjordes en testningsplan och samtidigt uppgjordes ett testningsprogram (Doc: Radar<br />
preliminary testing in Finland). Aktörerna informerades om detta program i juni 2011.<br />
För att få till stånd räknarspecifik fordonsklassificering kontaktades importörer och tillverkare av apparaterna.<br />
29.6 ordnades för importörerna ett informationstillfälle om testens genomförande och monteringssätt samt<br />
frågor som berör klassificeringen. Målet var att definiera fordonsklassificeringen innan informationstillfället<br />
men detta visade sig vara oväntat krävande då klassificeringen som tillämpats i testena avvek från den<br />
klassificering som apparaturen normalt producerar. I praktiken blev klassificeringarna slutligen gjorda först i<br />
slutet av september, innan tiden för PASW Statistics.<br />
Efter importörernas informationsdag påbörjades förtestningarna (småtester), vilkas syfte var att utarbeta<br />
monteringsanvisningar för olika testkonstellationer av den apparatur som ska testas inom NorSIKT-projektet<br />
(Doc: Asennusten kuvaus/Radarräknarnas montering - teknisk beskrivning). Största delen av hjälpmedlen och<br />
metoderna som använts vid monteringen är utvecklade för NorSIKT-projektet så apparaternas<br />
monteringsanvisningar är i vissa fall anpassade i hög grad. Exempelvis då det enligt monteringsanvisningarna<br />
behövdes observation av längden av ett visst sorts och modells fordon för att montera monteringsvinkeln,<br />
förkastades denna metod eftersom den inte lämpar sig för allmän trafikberäkning. En orsak till förkastandet<br />
var t.ex. att man inte kan anta att en viss fordonstyp ska passera monteringspunkten under en dag då ÅDMT<br />
på vägen är under 200 fordon/dygn. Monteringsanvisningarna kan därför inte basera sig på sådant som är<br />
beroende av yttre faktorer och sådant som montören inte själv kan påverka direkt (förutom om denne råkar<br />
äga/använda de fordon som listan anger och själv kan göra observationer genom att köra förbi med dem).<br />
Dessutom godkändes manuell justering av känsligheten som en monteringsmetod. Då kan montören med sitt<br />
eget fordon (vilket som helst) göra observationer för att justera känsligheten (metoden är givetvis mycket<br />
mödosam, men i alla fall möjlig i teorin).<br />
De egentliga NorSIKT-terterna påbörjades med mikrovågsräknare 15.7. Testkonstellationerna var mycket<br />
grundliga och mångsidiga. I testen ändrades de olika testkonstellationernas monteringshöjd, avstånd från<br />
vägen och sätt att montera vinkeln för inriktningen. Ursprungligen planerade man att också vid långa<br />
monteringar använda hjälpmedel för att rikta vinkeln men man avstod från detta eftersom det i praktiken inte<br />
gick att göra noggranna avståndsmätningar med hjälp av måttband. I dessa monteringar har vinkelns riktighet<br />
uppskattats med hjälp av online-förbindelse. I följande tabell presenteras det genomförda<br />
testningsprogrammet.<br />
5
Tabell 2: Utfört testningprogram.<br />
Nordiskt forskningssamarbete<br />
Varför granskade man om apparaturen uppfyller dagslägets krav också i sådana trafik- och<br />
verksamhetsmiljöer, där man allmänt använder mikrovågsteknik för räkningen? Klassificerande<br />
mikrovågsteknik började användas i Finland i mitten av 1990-talet, då man utförde tester i samband med<br />
LLKa5-apparaturutvecklingsarbetet som Vägförvaltningen finansierade. Huvudsyftet med dessa testningar var<br />
att försäkra att apparaten fungerar och producerar trafikdata i rätt format. Apparatens verksamhetsområde<br />
var cirka 1 - 15 m avstånd från körbanans kant och trafikmiljön var trafikmängder (ÅDMT) under 6000<br />
fordon/dygn. Senare har ÅDMT under 8000 bestämts som gräns för livliga trafikmiljöer. Grundliga tester som<br />
berör trafik- och verksamhetsmiljöer har antingen inte gjorts eller så har deras resultat inte publicerats. Därför<br />
byggdes NorSIKT-projektets testningssammanställning som mycket utmanande.<br />
När man funderar på räkningsapparatens kvalitet så är apparatens tekniska egenskaper slutligen endast en<br />
liten del av helheten. Räkningens kvalitet påverkas utöver av apparaten också av installerings och<br />
informationshanteringen, i synnerhet för fordonsklassificeringen. Man måste också komma ihåg att<br />
apparaterna är planerade att inställas för en specifik typ av trafik- och verksamhetsmiljö, så med olika<br />
testinstallationer kan man söka ”gränserna” i praktiken.<br />
Bild 1: Utgångspunkter för planeringen av utredningen. Datats kvalité och pris uppgörs av en helhet,<br />
där elementerna består av apparaten, montering och databehandling.<br />
6
2.3 Testmätningar<br />
Nordiskt forskningssamarbete<br />
Testningarna påbörjades enligt planerad tidtabell den 15.7 och de slutfördes slutligen för alla apparaters del<br />
den 22.8. I huvudstadsregionen gjordes tester i två LAM-punkter (125 Bemböle och 104 Palojärvi) samt i<br />
Uleåborg i en punkt (1231 Kalimenoja).<br />
Testprogrammet var uppgjort så att alla apparater skulle ha varit samtidigt 2-4 dygn i olika<br />
testsammanställningar, men denna sammanställning uppfylldes inte helt och hållet som kan ses i tabellen<br />
nedanför. Testprogrammet förverkligades för tre apparaters del enligt planerat, men för Icomsin TMS-SA:s del<br />
kunde alla testsammanställningar inte utföras på grund av apparatens funktionsstörningar. Således gjordes<br />
inte långa monteringar eller 2-körbanevägarnas monteringar för TMS-SA-apparaten.<br />
Tabell 3: Testmätningarnas tidtabell samt apparaterna i varje test.<br />
I den första mätningen (Am1) skedde ett mänskligt misstag i samband med datainsamlingen för VC:s del så att<br />
mätningsdatat förstördes. I den andra mätningen (Am2) för SR4:s del hakade terrängdatorn upp sig och ledde<br />
till att mätningsdatat förstördes. Monteringens kvalité och förbättring av kvaliteten har behandlats närmare i<br />
kapitlet ”Undersökningens kvalité och förbättring av kvaliteten”.<br />
Med SDR:s gjordes det i Uleåborg två mätningar som långa monteringar: i den andra mätningen användes<br />
autocal-funktionen som känslighet och i den andra ställdes känsligheten in enligt DataCollect:s<br />
monteringsanvisningar (user manual for SDR, version 6.0_0611) genom att pröva manuellt (gain=15). Autocalfunktionen<br />
gav så svaga resultat vid mätningen, att de resultaten inte användes i hög grad i analyserna.<br />
2.4 Efter testmätningarna<br />
Efter mätningarna påbörjades datats behandling och analysering, vilka har beskrivits mer ingående i följande<br />
kapitel. De centrala resultaten presenterades till alla intresserade av ärendet i oktober. Efter det gjordes ännu<br />
granskningar gällande E1 och E1-fel parametrarna samt slutföring av denna slutrapport. På basis av <strong>Finlands</strong><br />
radarräknartester i NorSIKT-projektet uppgörs testningens prosessbeskrivning, som används vid godkänning av<br />
räknarapparater som används vid Trafikverkets trafikmätningar.<br />
7
Nordiskt forskningssamarbete<br />
2.5 Sammandrag av undersökningens skeden och dokumentering<br />
Denna undersökning är genomförd i ett mycket tätt samarbete med apparaternas importörer,<br />
apparattillverkare samt tjänsteleverantörer som använder apparaterna. Dessutom har det aktivt informerats<br />
om undersökningen utöver dessa aktörer till alla intresserade av ärendet. Under undersökningen har det<br />
organiserats tre infodagar, av vilka två har varit öppna för alla och en har organiserats för<br />
apparatleverantörernas representanter.<br />
Bild 2: Undersökningens skeden och tidtabell.<br />
Det har uppgjorts rapporter vid undersökningens olika skeden både på finska och på svenska. De<br />
svenskspråkiga rapporterna har skickats till NorSIKT-projektets styrgrupp och de finska rapporterna har<br />
skickats till alla organisationer i Finland som är intresserade av NorSIKT-projektet.<br />
Bild 3: Sammandrag av undersökningens skeden och dokumentering/tillställningar.<br />
8
3 FORDONSKLASSIFICERINGAR<br />
Nordiskt forskningssamarbete<br />
3.1 Den nuvarande fordonsklassificeringen som är i användning<br />
<strong>Finlands</strong> nuvarande fordonsklassificering är treklassig:<br />
- lätta fordon (PU samt deras släpvagnar och traktorer)<br />
- tunga fordon (B, LU, LST, LS)<br />
- tunga kombinationsfordon (LST, LS)<br />
De nuvarande klassificeringsgränserna som är i användning definierades i mitten av 1990-talet i samband med<br />
apparatutvecklingen av en finländsk (ingenjörsbyrå J. Ylinen Oy) klassificerande radaräknare (LLKa5). I<br />
samband med apparatutvecklingsarbetet undersöktes räknarapparatens producerade systemnoggrannhet,<br />
med hjälp av vilken det definierades noggrannhetskrav till klassificeringen. I testningen användes LAMpunkternas<br />
data som jämförelsedata, vars fordonsklassificering ansågs vara sanningen och klassificeringen<br />
säkerställdes inte med handberäkningar. I LAM-punkterna används för tillfället som räknarapparat nästan utan<br />
undantag ingenjörsbyrå Harri Jokelas tillverkade DSL4-räknarapparater, vilka har trängt undan den<br />
”ursprungliga” på 1980-talet och i början av 1990-talet allmänt använda SL4-räknarapparaten, som var<br />
tillverkad av Ylinen. LAM-punkternas riktighetsgranskningar utfördes i början av 2000-talet och på basis av<br />
kontrollberäkningar uppdaterades apparaternas program något för att förbättra fordonsklassificeringen.<br />
Bild 4: Bakgrund till den nuvarande fordonsklassificeringen som används i Finland och NorSIKTtestningarnas<br />
roll.<br />
På basis av testningarna utförda i NorSIKT-projektet definierar Trafikverket nya klassificerings- och<br />
noggrannhetskrav för räkningsdatat. Samtidigt utvecklas en normerad (formbunden) räknarapparaternas<br />
9
Nordiskt forskningssamarbete<br />
godkänningsprocess, enligt vilken apparaterna testas exakt likadant. Den tidigare testnings- och<br />
godkänningsprocessen var icke formbunden (obestämd), så tjänsteleverantören föreslog räknarapparatens<br />
godkännande för Trafikverket på basis av dess ”egna” testresultat.<br />
3.2 Fordonsklassificeringen som använts vid testningen<br />
I testerna som utfördes sommaren 2011 undersöktes hur radarräknarna klarar av att producera fem följande<br />
fordonsklasser:<br />
0_MC Motorcyklar, mopeder (och cyklar)<br />
1_PU+PS Person- och paketbilar samt dess släpvagnar, husbilar och <strong>–</strong> vagnar och traktorer<br />
2_B Bussar<br />
3_LU Lastbilar utan släpvagn<br />
4_LS+LST Lastbilar med semitrailer eller egentliga släpvagnar (tunga kombinationsfordon)<br />
Fordonsklassificeringen är mittemellan Nivå 1 och Nivå 2 i NorSIKT-projektets klassificeringsförslag från våren<br />
2011 (Fase 1, arbejdspakke 2- Forslag til fælles nordisk køretøjsklassifikation versio 0,3), vilket bäst motsvarar<br />
Trafikverkets behov av data. Den nuvarande klassificeringen som används i sampelräkning i Finland är lätta<br />
(0_MC, 1_PU+PS), tunga (2_B, 3_LU, 4_LS+LST) och kombinationer (4_LS+LST). Förändringen i förhållande till<br />
den nuvarande klassificeringen i Finland är att bussar separeras från den tunga fordonsgruppen samt<br />
motorcyklar. I LAM-systemets fordonsklassificering däremot är mera omfattande med 7 klasser. Dock urskiljs<br />
inte motorcykelgruppen.<br />
Tabell 4: Fordonsklassificeringarna enligt NorSIKT-utkastet (v0.3), enligt LAM-systemet samt de<br />
klassificeringar som användes i de finländska testerna.<br />
Nivå 1 Nivå 2 Automatisk mätpunkt (LAM) <strong>Finlands</strong> klassificering i testerna<br />
1 Personbilar och<br />
motorcyklar<br />
1.1 Motorcykel Registrerar inte Motorcyklar, mopeder (0_MC)<br />
1.2. Personbil<br />
1.3 Övriga fordon<br />
2 Paketbil 2.1 Paketbil<br />
1. PU<br />
6. PU + släpkärra<br />
7. PU + husvagn.<br />
3 Buss 3.1 Buss 3. Buss Buss (2_B)<br />
4.1 Lastbil (LU) 2. Lastbil (LU) Lastbil (3_LU)<br />
4 Lastbil<br />
4.2 Lastbil och<br />
släpvagn (LS och<br />
LST)<br />
10<br />
Personbilar + paketbilar samt deras<br />
släpkärror<br />
Husbilar och husvagnar<br />
Traktorer (1_PU+PS)<br />
4. Lastbil med semitrailer (LST)<br />
Lastbil med semitrailer eller egentlig<br />
5. Lastbil med egentlig släpvagn<br />
släpvagn (4_LS+LST)<br />
(LS)<br />
I mikrovågstekniken grundar sig klassificeringen i första hand på detektering av fordonets längd. I vissa<br />
räkneapparater ”tvingas” längdvärdena in i en längdfördelningsform, där det största antalet observationer<br />
(typvärdet) är mellan 4,3 och 4,5 meter. I annan räkneapparatur görs inte dylika längdtransformationer. Därför<br />
är längdfördelningen som apparaturen producerar olika för varje räkneplats och körriktning. I dessa fall<br />
bestäms typvärde för varje längdfördelning och de olika fordonsklasserna räknas genom att multiplicera<br />
typvärdet med gränsvärdeskoefficienten för varje fordonsklass.<br />
I följande kapitel presenteras hur fordonsklassificeringarna har förverkligats för olika räkneapparater i<br />
samband med denna NorSIKT-testning.
3.3 TMS-SA (Icoms)<br />
Nordiskt forskningssamarbete<br />
I Icoms databehandlingsprogram (Icoms software vs. 11.142, daterad 4/6/2011) finns det inte en<br />
fordonsklassificeringen färdigt i programmet, utan användaren kan klassificera datan i fyra olika klasser enligt<br />
egna klassificeringsgränser.<br />
Bild 5: Klassificeringen i Icoms databehandlingsprogram.<br />
Fordonsspecifik klassificering definierades i Access-databasen som utarbetades i NorSIKT-projektet.<br />
Klassificeringens gränsvärden har utvecklats främst på basis av förtesten, men de granskades ännu innan de<br />
slutliga PASW Statistics-analyserna.<br />
Från Icoms testresultat måste den yttersta körfilens observationer förkastas eftersom ifrågavarande körfils<br />
observationsmängd endast i medeltal var under 20 %. I Undersökningens kvalitet och förbättring av kvaliteten<br />
<strong>–</strong>kapitlet har det undersökts noggrannare varför observationen inte lyckades för den yttersta körfilen.<br />
Fordonsklassificeringen har således gjorts endast för den närmaste körfilens del och fordonsklassificeringen<br />
grundar sig på längden som räknarapparaten uppmätt.<br />
0_MC 11,0 m<br />
3.4 SDR (DataCollect)<br />
För DataCollect:s del är mätdatat möjligt att föra med hjälp av web-programmet Mytrafficdata/webReport till<br />
DataCollect:s databas, ur vilken räkningsdatat fås som olika utskrifter. Fordonsklassificeringarna med<br />
användarens egna definitioner kan fastställas i DC:s databas (fri mängd). I de standardformade utskrifterna<br />
11
Nordiskt forskningssamarbete<br />
visas dock endast de fyra första fordonsklasserna, så den femte fordonsklassen som använts i testerna bör<br />
räknas ut för hand som skillnaden mellan helhetsmängden och de andra fordonsklasserna.<br />
Tabell 5: En av DataCollect-databehandlingsprogrammets standardutskrifter.<br />
Den fordonsspecifika klassificeringen förverkligades i Access-databasen som gjorts i NorSIKT-projektet.<br />
Gränsvärdena i klassificeringen är definierade på uppdrag av apparatens tillverkare men de kontrollerades på<br />
basen av preliminära data redan innan de slutliga PASW Statistics-analyserna. Fordonsklassificeringen är gjord<br />
på basen av längden med följande gränsvärden:<br />
0_MC 13,0 m<br />
3.5 SR4 (Sierzega)<br />
Sierzegan SRA Analysing software version 5.4 klassificerar fordonen under fyra kategorier: motorcyklar,<br />
personbilar, lastbilar och långa lastbilar. För den närmaste filens (+) del använder programmet konstanta eller<br />
nästan konstanta klassgränser (t.ex. 0-19, 20 <strong>–</strong> 52, 53 -101, 102 <strong>–</strong> 240 i figuren nedan). För den yttersta filen (-)<br />
däremot definierar programmet klassgränserna så att trafikens sammansättning i stora drag motsvarar den<br />
närmaste riktningens trafiksammansättning (t.ex. 11<strong>–</strong>14, 15<strong>–</strong>43, 44<strong>–</strong>110, 111<strong>–</strong>240 i figuren nedan).<br />
Användaren kan också ange egna klassificeringsgränser.<br />
12
Nordiskt forskningssamarbete<br />
Figur 6: Klassificeringen i Sierzegan-databehandlingsprogrammet.<br />
Som av figuren framgår, föreslår programmet oftast att observationsmaterialet ska underkännas för den<br />
bortre riktningens (-) längder vid gränsvärdet 10 dm och över 240 dm. Om denna riktnings material skulle<br />
underkännas skulle testdatans genomsnittliga observationstäckning bara bli 97,2 %. Däremot, om allt data<br />
från också denna riktning godkändes, skulle observationstäckningen vara 101,0 %. I den närmaste riktningens<br />
beräkningar kom man fram till att för riktning 1 (+) var observationstäckningen 101,5 %.<br />
I bedömningen av resultaten bestämde man att ta med alla observationer som apparaten registrerat, för att<br />
antalet mätningsdata ska hållas oförändrat. Eftersom manipulation av trafikdata nuförtiden är tillåtet<br />
definierade man samtidigt följande, om frågor som berör manipulering av mätdata:<br />
- om man lägger till rader till mätdatat eller antalet observationer ändras med en koefficient är det fråga<br />
om manipulation (t.ex. användning av timkorrigering)<br />
- om antalet observationer för en fordonsklass ändras med parameterkorrigering är det fråga om<br />
manipulering (t.ex. teoretisk transformation för att ta bort en viss fordonsgrupp ur något<br />
fordonsgrupps material)<br />
- om observationernas (klassificering) kvalitet förbättras utan att antalet rader i observationsmaterialet<br />
ändras räknas det inte som manipulering (t.ex. att tolka ett visst längdvärde som en viss klass, att<br />
beakta motsatta körriktningens trafik i andra riktningens längdvärden/klassificering).<br />
13
Nordiskt forskningssamarbete<br />
När hela observationsmaterialet togs med i granskningen, också riktningen 2 (-), framträdde längdvärdet 10<br />
som ett problem i klassificeringen. Detta ses i följande längdfördelningar. När klassificeringen baseras på<br />
längdvärden sorteras längder av klass 10 under första fordonsgruppen (motorcykelklassen), varvid klassen<br />
förvrängs avsevärt. Man försökte lösa problemet genom att bestämma att längdvärdena 10 i riktning 2 (-) hör<br />
till person- och paketbilsklassen.<br />
Figur 7: Sierzegas längdfördelningar i de olika riktningarna.<br />
Klassificeringens riktningsenliga gränsvärden försökte man finna på basis av materialet från NorSIKT-projektets<br />
förstester baserandes på längden eller på längdtyptalet. Detta lyckades dock inte och man konstaterade att<br />
klassificering inom ramarna för NorSIKT-projektet är en så utmanande och krävande uppgift att man sist och<br />
slutligen inte gick att genomföra. I PASW-analyserna har granskningen av SR4-apparaten således gjorts endast<br />
för helhetsmängden.<br />
14
3.6 ViaCount II (ViaTraffic Controlling)<br />
Nordiskt forskningssamarbete<br />
ViaTraffic Controlling har utvecklat Viagraph <strong>–</strong>utvärderingsprogram version 4.00.09 för<br />
informationsbehandlingen. I den kan fordonsklassificeringen delas i sex klasser, fastän fem klasser är det<br />
normala som på bilden nedan.<br />
Figur 8: Fordonsklassificeringen som ViaTraffic Controlling använder.<br />
Som det framgår så bestäms fordonsklassificeringen på basen av längden (per rikting), men in praktiken så<br />
bestäms gränsvärdena i olika mätningar och olika riktningar på basen av längdfördelningens typvärden.<br />
Klassificeringen för varje fordon utfördes i Access-databasen som utarbetats i NorSIKT-projektet.<br />
Gränsvärdena för fordonsklassificeringen som används i NorSIKT-testerna är definierade i samband med<br />
förtesterna som utförs av NorSIKT-projektet, men de kontrollerades ännu innan de slutliga statistiska<br />
analyserna. Fordonsklassificeringen är gjord med hjälp av ”riktningsenliga” längdfördelningens typvärden på<br />
följande sätt:<br />
0_MC
4 REFERENSAPPARAT<br />
Nordiskt forskningssamarbete<br />
I testningen av trafikberäkningsapparater är en av de största utmaningar att i praktiken utreda den verkliga<br />
trafikströmmens sammansättning. Exempelvis är det omöjligt att visuellt upptäcka från sidan av vägen eller<br />
från en video fordon som är registrerade som paketbilar. I somliga fall kan ett fordon av samma märke<br />
registreras endera som personbil eller paketbil.<br />
Det största problemet är naturligtvis de felaktiga identifikationer som beräkningsapparaten ger. De kan bero<br />
på många olika orsaker (oren förbipassering vid slingorna, omkörningsincident, fordonets skrovkonstruktion<br />
(chassistruktur) avvikande från fordonsklassens eller skrovkonstruktionens olika material osv.)<br />
I Finland har jämförelsemätningarna generellt gjorts med hjälp av Trafikverkets kontinuerliga mätpunkter<br />
(LAM-system). I mätpunkterna används generellt en Jokela DSL3 eller DSL4-apparat som beräkningsapparat.<br />
Som referensutrustning i denna undersökning användes även LAM-systemets mätpunkter, vilka hade en DSL4apparat<br />
som beräkningsapparat. Klassificeringen i LAM-punkterna har 7-klasser och de fyra klasser som nu<br />
utreds skapas från dem. LAM-utrustningen klarar inte av att upptäcka motorcyklar, så motorcyklarnas andel<br />
har uppskattats i samband med hanteringen av resultatet.<br />
Testpunkterna valdes så att räknarna kunde monteras möjligast nära LAM-punktens slingor, men tillräckligt<br />
långt bort från varandra. Dessutom måste trafikmängden vara tillräckligt stor i punkterna för att undersöka<br />
olika variationer på timmestrafikmängder. Som undersökningspunkt valdes två 1-körbaniga vägar, av vilka den<br />
ena var i Södra Finland och den andra i Norra Finland. Så kunde man säkerställa sig om att räknarapparatens<br />
fordonsklassificering fungerar i olika trafikomgivningar. Av de tvåkörbaniga vägarna valdes endast en<br />
mätpunkt (i Södra Finland) och där gjordes mätningarna endast för en körbana så att man med en<br />
räknarapparat mätte båda filerna som går åt samma håll.<br />
Eftersom man redan på förhand visste att LAM-punkterna som användes som referensapparater inte kan göra<br />
fordonsklassificeringen fullständigt rätt och att det kan finnas skillnader i klassificeringsnoggrannheten mellan<br />
punkterna, granskades punkternas funktionering och riktighet med fordonsspecifika datamaterial och<br />
videofilmning.<br />
LAM-riktighetsgranskningarna gjordes så att trafiken filmades på band i sammanlagt 4 timmar i båda<br />
riktningarna. Ur LAM:s fordonsspecifika data granskades de tunga fordonsklasserna (medräknat LAM-klasserna<br />
6 och 7: PU och PS) och granskades ur videofilmen till vilken klass fordonet på riktigt hör. Dessutom<br />
granskades allt data där LAM-datat angav värdet 1 för antingen hastigheten eller längden.<br />
16
Nordiskt forskningssamarbete<br />
Tabell 6: Riktighetsstudie av den fordonsvisa LAM-datan.<br />
På basen av dessa studier gjordes tabeller, i vilka man kunde se LAM-punkternas klassificeringsförmåga<br />
(riktighet) för olika fordonsklasser.<br />
Tabell 7: Resultaten från granskningen av riktigheten för LAM-punkten i Kalimenoja.<br />
Ur resultaten kunde man utläsa att det fanns stora problem i bussarnas klassificering vid alla punkter.<br />
Observationerna av bussar var mycket få vid alla punkterna (ca 0,2 % av LAM-punktens registrerade<br />
trafikström). I helhet märkte man att LAM-systemet registrerade större andelar av tunga fordon än det borde:<br />
- Bemböle 103 %<br />
- Palojärvi 104 %<br />
- Kalimenoja 118 %<br />
På räknesystemsnivå har LAM-datat korrigerats fordonsgruppvis med hjälp av de koefficienter (E2koefficienten)<br />
som man fått i riktighetsstudien.<br />
17
5 BEHANDLING AV RESULTATEN<br />
5.1 Synkronisering<br />
Nordiskt forskningssamarbete<br />
Behandlingen av mätresultaten påbörjades genom att ”modifiera” räkningsdatat till txt-format med<br />
apparattillverkarens program. Efter detta synkroniserades fordonsspecifika mätdatat med LAM:s<br />
fordonsspecifika data. I synkroniseringen skall man beakta testapparatens avstånd från LAM-punkten,<br />
gångsskillnader orsakat av radarräknarnas klockor och olika registreringssätt för observationstiden i<br />
förhållande till <strong>radarräknare</strong>n: i slingan ges tidstämpeln då fordonet anländer på den första slingan och i<br />
<strong>radarräknare</strong>n ges tidstämpeln då fordonet lämnar <strong>radarräknare</strong>ns kägla, och då kan skillnaden för de långa<br />
och långsamma fordonen vara upp till ett par sekunder. Gångsskillnaden i klockan orsakas av att<br />
<strong>radarräknare</strong>ns klocka vanligtvis går 1-9 sekunder snabbare i dygnet än den riktiga tiden (tiden i LAMapparaten).<br />
Fordonsinformationens synkronisering är gjord med hjälp av Excels funktioner och villkorssatser. Eftersom det<br />
inte går att sammanslå fordonets tidstämplar exakt mellan referensapparaten och apparaten som testas,<br />
godkändes en 5 sekunders tolerans för tidsstämpeln. Synkroniseringen för de fordonsspecifika<br />
observationerna är således inte alldeles felfri, vilket bör beaktas vid analyseringen av datat.<br />
Bild 9: Synkroniseringens beräkningsprincip.<br />
Vid synkroniseringen användes förljande principer:<br />
- Synkroniseringens påbörjningsställe och räknarens klockfel har sökts för hand.<br />
- Synkroniseringen har gjort riktningsvis.<br />
- Synkroniseringen har gjorts ”automatiskt”, så observerade synkroniseringsfel har inte rättats för hand.<br />
En fullständigt lyckad synkronisering skulle ha fordrat antingen hela datats manuella genomgång observation<br />
för observation eller så borde ett speciellt program ha utvecklats för synkroniseringen. En manuell genomgång<br />
kunde inte göras på grund av datats storlek (1,4 milj.) och ett specialprogram tillverkades inte. Den<br />
automatiska synkroniseringen har gjorts med Excel-funktioner, så synkroniseringen är inte perfekt. De största<br />
länkningsfelen orsakas av att synkroniseringen ser lyckad ut, men länkningen har sedan också skett med fel<br />
18
Nordiskt forskningssamarbete<br />
observationer på grund av 5 sekunders toleransgränsen. En sådan här ”förflyttning” rättas vanligen till efter 1-<br />
10 observationer (såsom kan ses i bild 9). Den automatiska synkroniseringen kompliceras bland annat av<br />
följande:<br />
- Räknarapparatens så kallade ekofel, då samma fordon registrerades två gånger (passertidsskillnaden<br />
några sekundtiondelar eller på samma sekund)<br />
- Apparaten observerar motorcyklarna och mopederna samt cyklarna, men LAM-apparaten registrerar<br />
inte dem.<br />
- Det kan ske en ändring i trafiksituationen mellan LAM-punkten och räknarapparaten. T.ex. omkörning<br />
av långsamt framskridande fordon (t.ex. landsbygdstraktor), då körordningen ändras och fordonens<br />
synkronisering inte nödvändigtvis lyckas.<br />
- LAM-punkten kan lämna bort observationer. Felet uppstår oftast så att ett tungt fordon kör över<br />
slingan ”orent” (hastighets- och längdvärde = 1), och då reagerar inte slingan/räknaren nödvändigtvis<br />
på fordonet som kör efter det tunga fordonet.<br />
Det osynkroniserade datats storlek var oftast under 5%, men i Kalimenojas punkt (1231) var det dålig<br />
synkronisering på speciellt den yttersta filen (lång montering).<br />
Tabell 8: Osynkroniserade datas mängder (100 %).<br />
Osynkroniserade 1: TMS 2: SDR 3: SR4 4: VC II<br />
125 s1 0,0236 0,0641 0,0381<br />
125 s2 (närmaste filen) 0,0235 0,0234 0,0400 0,0277<br />
104 s1 0,0360 0,0381 0,0334<br />
1231 s1 0,1257 0,1465 0,0605<br />
1231 s2 (närmaste filen) 0,0301 0,0406 0,0768 0,0447<br />
Datat mängd som är synkroniserat felaktigt har inte utretts. Uppskattningen är att dessas andel är i samma<br />
storleksordning som det osynkroniserade datat.<br />
5.2 Beräkning av parametrar<br />
Radarräknarens observationsförmåga påverkas stort av fordon som färdas i motsatta riktningar som möts<br />
samtidigt vid räknarapparaten, och då kan fordonens längdvärden förbli antingen för små eller stora eller så<br />
kan det andra fordonet bli ouppmärksammat. Sådana här möten vid räknarapparaten sker naturligtvis mycket<br />
oftare på livligt trafikerade vägar än på lågtrafikerade vägar, så det är viktigt att veta hur mycket<br />
fordonsklassificeringen och helhetsresultatet försämras då (timmes)trafikmängden ökar.<br />
Resultaten behandlades vid bestämningen av parametrarna i olika trafikklasser, vilka är sammanlagt 16<br />
stycken. Trafikklasserna har formats baserat på trafikmängderna för den närmast liggande körfilen och den<br />
motsatta riktningen (under 400, 400<strong>–</strong>600, 600<strong>–</strong>800 och över 800). Ur varje test är det meningen att producera<br />
de trafikgruppsresultat som uppfylldes under testningen. Riktigt alla trafikgrupper observeras inte under något<br />
av testningsskedena.<br />
Beräkning av parametrarna förverkligades så, att de i Excel synkroniserade tabellerna (beräkningsdatat och<br />
LAM-datat) fördes till Access-databasen, varefter dessa två tabeller sammanfördes till en tabell i databasen<br />
(Data-tabell). Samtidigt definierades fordonsklassificeringsuppgifter för apparatens varje<br />
19
Nordiskt forskningssamarbete<br />
passeringstidsobservation enligt definitioner framförda ovan. Efter det gjordes korstabellering mellan LAM och<br />
apparatens fordonsklassificering ur varje mätning och trafikklass.<br />
Figur 10: Principen för referensdatat och apparatdatats korstabeller.<br />
Access-räknedatat fördes in i Excel, där man utförde beräkning av parametrar. Granskningen genomfördes<br />
enligt behandlingsmodellen som presenteras i Christian Overgaard Hansens presentation ”Evaluation of<br />
vehicle classification using inductive signatures”:<br />
Tabaell 9: Principen för analysering av utdatan.<br />
De mest centrala parametrarna (E1, E2 ja E1-felet) kan beräknas enligt följande:<br />
E1 = X/(X+A) 90 % VbV-noggrannhet<br />
E2=(X+B)/(X+A) 105 % Sampelnoggrannhet (beräknings- och systemnoggrannhet)<br />
E1-virhe%=(A+B)/(X+A+B) 22 % Klassificeringsnoggrannhet<br />
I skedet med parameterberäkningen uppskattades hur ”sant” LAM-datat var, med hjälp av resultaten från<br />
riktighetsgranskningen, så att sampelnoggrannheten (E2) jämfördes med LAM-datat på två olika sätt: ”direkt”<br />
20
Nordiskt forskningssamarbete<br />
och med värden som korrigerats på basen av riktighetsgranskningen. Den mängd fordonstrafik som<br />
observerats vid LAM-punkten har dividerats med E2-koefficienten (LAM ”true”) som fåtts på basen av<br />
riktighetsgranskningen. Som divisionens slutresultat har man fått en korrigerad uppskattning av den verkliga<br />
fordonstrafiken (LAM ”n”). Därefter har man gjort nya E2-uppskattningar (E ”true”), vilka man tror ligger<br />
närmare verkligheten än de som beräknas direkt från LAM-datan.<br />
Tabell 10: Principen för beräkning av parametrar.<br />
För Bemböles del har bussarnas ”LAM sanningsenlighet” uppskattats i jämförelsekalkyler som baserar sig på<br />
den erhållna trafikströmssammansättningen (0,158 %), eftersom ”riktighetskoefficienten” i annat fall skulle ha<br />
varit mer än sjufaldig.<br />
För parametersberäkningen har man definierat följande data:<br />
Device räkneapparat (1=icoms, 2=datacollect, 3=sierzega, 4=viacount)<br />
ID punktens id (125,104,1231)<br />
Testino Testets kodi (text)<br />
Trafik Trafikmängdssammansättning (text)<br />
Distance avstånd till vägens kant (m)<br />
High höjd från vägens nivå (m)<br />
inst monteringssätt (0=manuell, 1=teknisk)<br />
S1 genomsnittlig timtrafik i riktning 1 (0-400=200, 400-600=500,600-800=700, över 800=1000)<br />
S2 genomsnittlig timtrafik i riktning 2 (0-400=200, 400-600=500,600-800=700, över 800=1000)<br />
E1_1PU VbV-noggrannhet i PU-klassen<br />
E1_2B VbV-noggrannhet i B-klassen<br />
E1_3LU VbV-noggrannhet i LU-klassen<br />
E1_4LS VbV-noggrannhet i LS+LST-klassen<br />
E2_1PU Systemnoggrannhet i PU- klassen<br />
E2_2B Systemnoggrannhet i B- klassen<br />
E2_3LU Systemnoggrannhet i LU- klassen<br />
E2_4LS Systemnoggrannhet i LS+LST- klassen<br />
E2_0MC Systemnoggrannhet i vio MC- klassen<br />
E2_tot Systemnoggrannhet, allt, utan motorcyklar (klassenrna 1-4)<br />
E1F_1PU E1-fel i PU- klassen<br />
E1F_2B E1-fel i B- klassen<br />
E1F_3LU E1-fel i LU- klassen<br />
E1F_4LS E1-fel i LS+LST- klassen<br />
0MC% Motorcyklarnas andel i trafikströmmen<br />
MD de medeltungas (B+LU) systemnoggrannhet (E2)<br />
H de tungas (B+LU+kombinationer) systemnoggrannhet (E2)<br />
E2_totMC Systemnoggrannhet (E2) alla (klasserna 0-4)<br />
TE2_1PU Den antagna verklighetens systemnoggrannhet i PU-klassen<br />
TE2_2B Den antagna verklighetens systemnoggrannhet i B- klassen<br />
TE2_3LU Den antagna verklighetens systemnoggrannhet i LU- klassen<br />
TE2_4LS Den antagna verklighetens systemnoggrannhet i LS+LST- klassen<br />
TE2_tot Den antagna verklighetens systemnoggrannhet i allt, utan motorcyklar (klasserna 1-4)<br />
21
Nordiskt forskningssamarbete<br />
TMD De medeltungas (B+LU) antagna verklighets systemnoggrannhet (E2)<br />
H (A) De tungas (B+LU+ kombinationer) antagna verklighets systemnoggrannhet (E2)<br />
TE2_totMC Den antagna verklighetens systemnoggrannhet (E2) alla(klasserna 0-4)<br />
L_PH LAM observationsantal, phantom-klassen<br />
L1_PU LAM observationsantal, PU- klassen<br />
L2_B LAM observationsantal, B- klassen<br />
L3_LU LAM observationsantal, LU- klassen<br />
L4_LS LAM observationsantal, LS+LST- klassen<br />
D_0MC Testapparatens observationsantal, MC- klassen<br />
D1_PU Testapparatens observationsantal, PU- klassen<br />
D2_B Testapparatens observationsantal, B- klassen<br />
D3_LU Testapparatens observationsantal, LU- klassen<br />
D4_LS Testapparatens observationsantal, LS+LST- klassen<br />
D_NULL Testapparatens observationsantal, registrerades inte i apparaten<br />
5.3 Statistikstudie<br />
Testningens parametrar analyserades i programmet PASW Statistics 18 (SPAA). I samband med statistikstudien<br />
grupperades trafikklassmaterialet i tre granskningsklasser. För dessa beräknades ÅMDT-estimat på basen av<br />
timtrafiken och trafikens variationer. Största timtrafikmängden fick man från testmaterialet.<br />
Tabell 11: De största timtrafikmängderna för olika kombinationer av trafikklasser.<br />
Trafik (s1/s2) 1 2 3 4<br />
1 800 900 1100<br />
2 900 1250 1300 1500<br />
3 1400 1550 1800<br />
4 1400 1700 2050<br />
Gul (kelt): grundstudiematerial, motsvarar ÅMDT
Nordiskt forskningssamarbete<br />
vägar med en körbana, så sammanlagt fanns det fyra trafikklasser. Som trafikklasskoder användes 10, 20, 30<br />
och 40. Klasserna 10 och 20 slogs ihop till en, varefter timtrafiken var underl 600 fordon/h och<br />
dygnstrafikmängden Q därmed 6700. Estimerade ÅMDT beräknades med säsongskoefficienten 1,1, eftersom<br />
det normalt är antingen nedsatt eller jämn säsongvariation på vägar med två körbanor. På detta vis fick man<br />
ÅMDT-estimatet till 6000 fordon/dygn.<br />
I NorSIKT-studien användes de parametrar som det i nuläget finns krav på. På detta vis kunde man undersöka<br />
hur väl apparaterna som genomgått test uppfyller nuvarande krav i olika trafik- och verksamhetsmiljöer.<br />
Bild11: Principen för granskningen av krav.<br />
De nuvarande kravgränserna för allmän trafikräkning används i de årliga funktionstestningarna av<br />
räkneapparaterna, där testerna bör utföras vid en LAM-punk, i närheten av någon annan slingpunkt eller<br />
annan testanordning med samma tillförlitlighet. Funktionstestkonstellationen är utarbetad på ett sådant vis<br />
att testplatsens ÅMDT bör vara cirka 3000 <strong>–</strong> 7000 fordon/dygn, vägen bör vara tvåfilig, och trafiken får inte<br />
vara livlig trafik som endast betonas till endast en viss tid av dygnet (t.ex. arbetstrafik). I funktionstestningen<br />
jämförs räkningens resultat med jämförelsemätningens trafikmängd (märks LAM). De räknade parametrarna<br />
får avvika från jämförelsetalen enligt tabell 12:<br />
Tabell 12: De största timtrafikmängderna för olika trafikklasskombinationer (alla LAM-tal i tabellen<br />
hänvisar till korrigerade LAM-värden).<br />
Jämförelseobjekt Tillåtet mätningsfel i testsituatonen<br />
Total trafik (apparatens observation <strong>–</strong> LAM)/LAM -3 ... +3 %<br />
Tung %-enhet:<br />
(observerad tung% - LAM-punktens tung%)<br />
-2 ... +2 %<br />
Den tungas relativa skillnad:<br />
(observerad_tung <strong>–</strong> LAMtung)/LAMtung<br />
Observationstäckning för<br />
kombinationsfordonsklassen:<br />
observarad_komb / (LAM LST+LS)<br />
-10 ... 25 %<br />
92 ... 108 %<br />
Nuvarande kvalitetskrav berör därmed totalantalet, tunga fordon och tunga kombinationsfordon. I<br />
granskningen av NorSIKT <strong>–</strong>testerna är parametrarna:<br />
- E2_tot Systemnoggranhet alla, utan motorcyklar (klasserna 1-4)<br />
- TE2_4LS Den antagna verkliga systemnoggrannheten i LS+LST-klassen<br />
23
Nordiskt forskningssamarbete<br />
- H (A) Den antagna verkliga systemnoggrannheten för tunga fordon<br />
(B+LU+kombinationer)<br />
Med hjälp av PASW Statistics räknade man apparatspecifika medelvärden för parametrarna och<br />
konfidensintervall på 90 % (värdet 90 % är taget ur de nuvarande kraven).<br />
Figur 12: Totalantalens (E2_tot) medeltal och 90 %:s konfindensintervall för olika apparater.<br />
PASW Statistics <strong>–</strong>körningarna är dokumenterade i Excel-tabeller. Eftersom det gjordes hundratals<br />
kontrollkörningar har man presenterat slutresultatet förenklat på två olika vis:<br />
- Medeltal på de olika apparatgruppernas parametrar och 90 %:s konfidensintervall vid olika trafik- och<br />
verksamhetsomgivningar samt vid olika monteringssätt.<br />
- Apparatspecifika data gällande de nuvarande kravens uppfyllande vid olika trafik- och<br />
verksamhetsomgivningar samt vid olika monteringssätt.<br />
24
Nordiskt forskningssamarbete<br />
Figur 13: Framställningssätt för olika apparatgruppers granskning. Apparatgruppsgranskningarna med 2,<br />
3 och 4 apparatmängd betyder att apparatgruppens granskning alltid baserar sig på de<br />
apparater som ger de bästa resultaten. Resultaten är framställda som decimaltal, så medeltalet<br />
1,02 betyder 102%:s observationstak och för 90%:s konfidentiellsintervallet betyder resultatet<br />
0,02 2%:s tolerans (+-).<br />
Figur 14: Räkningsapparatgranskningens presentationssätt.<br />
25
6 NUVARANDE KRAV -STUDIE<br />
6.1 Apparatgruppsundersökning<br />
Nordiskt forskningssamarbete<br />
För totalantalet är den nuvarande kravgränsen +- 3 % jämfört med LAM-punktens resultat. Studien är gjord<br />
med hjälp av E2_tot <strong>–</strong>parametern.<br />
Tabell 13: Granskning av totala antalen med olika apparatgrupper på vägar men en körbana. För Icoms del<br />
har resultaten granskats enbart för den närmaste filens (riktningens) del.<br />
Ur resultatet kan ses att alla apparater fyller de nuvarande helhetsandelskraven till och med i ÅMDT < 12000<br />
granskningsgruppen då apparaten monteras nära vägens kant med hjälp av hjälpredskap på bashöjden.<br />
Däremot uppfyller ingen av apparaterna nuvarande kravsgränser vid monteringar långt ifrån vägens kant.<br />
26
Nordiskt forskningssamarbete<br />
Tabell 14: Tunga trafikens granskningar med olika apparatgrupper på 1-körbaniga vägar. I den undersökta<br />
apparatgruppen är Sierzegan <strong>–</strong>apparaten inte inkluderad för att man lyckades inte göra en<br />
fordonsklassificering för den apparaten. För Icoms del har resultaten endast betraktats för den<br />
närmaste körfilens (riktningens) del.<br />
Ur resultatet kan ses att alla apparater fyller de nuvarande kraven för tung trafik till och med i ÅMDT < 12000<br />
granskningsgruppen då apparaten monteras nära vägens kant med hjälp av hjälpredskap på bashöjden. Ur<br />
resultaten kan ses att de tungas medeltal utan undantag är över 100%. Således torde ändring av den tunga<br />
fordonsgruppens (1_PU+PS övre gränsen) gränsvärde till större, ge ett ännu bättre resultat för varje undersökt<br />
apparat.<br />
Däremot uppfyller ingen av apparaterna nuvarande kravsgränser vid monteringar långt ifrån vägens kant.<br />
Resultaten är mycket långt ifrån nuvarande krav speciellt vid monteringar som gjorts mycket långt ifrån.<br />
27
Nordiskt forskningssamarbete<br />
Tabell 15: Tunga kombinationsfordonstrafikens granskningar med olika apparatgrupper på 1-körbaniga<br />
vägar. I den undersökta apparatgruppen är Sierzegan <strong>–</strong>apparaten inte inkluderad för att man<br />
lyckades inte göra en fordonsklassificering för den apparaten. För Icoms del har resultaten<br />
endast betraktats för den närmaste körfilens (riktningens) del.<br />
Ur resultatet kan ses att alla apparater uppfyller de nuvarande kraven för tung trafik i ÅMDT < 8000<br />
granskningsgruppen då apparaten monteras nära vägens kant med hjälp av hjälpredskap på bashöjden. I<br />
motsvarande granskning med trafikmängden KVL
Nordiskt forskningssamarbete<br />
Tabell 16: Helhetsmängd, granskningar för tunga och kombinationsfordon med olika apparatgrupper på 2körbaniga<br />
vägar. Sierzegan <strong>–</strong>apparaten är endast med i helhetsmängdgranskningen för att man<br />
lyckades inte göra en fordonsklassificering för den apparaten. För Icoms del finns inga resultat.<br />
Ur resultatet ses att endast en apparat uppfyller de nuvarande kravsgränserna för helhetsmängden i<br />
trafikklassen ÅMDT
6.2 Apparatspecifika resultat<br />
Nordiskt forskningssamarbete<br />
Ur de apparatspecifika resultaten kan ses att Icoms, DataCollect och ViaTraffic <strong>–</strong>apparaterna fyller de<br />
nuvarande kraven över helhetsmängden, tunga och kombinationsfordonens del i ÅMDT < 8000 trafikklassen.<br />
För Icoms del är det frågan om den närmast liggande körfilens (riktningens) granskning och för de andra<br />
apparaternas del är det frågan om hela tvärsnittets granskning. Monteringarna bör göras så att apparaten är<br />
monterad nära vägens kant, på bashöjd och vinkeln riktad med hjälp av hjälpredskap. För DataCollects och<br />
ViaCounts del uppfyller räknarna även kravsgränserna för ÅMDT
Nordiskt forskningssamarbete<br />
Då man drar slutsatser på basis av resultaten bör man komma ihåg att de nu gjorda <strong>apparattester</strong>na endast är<br />
giltiga i detta NorSIKT-projekt med dess monterings- och databehandlingssätt.<br />
Bild 15: Elementen för undersökningsdatats kvalité i NorSIKT-testen.<br />
För apparaternas del bör det kommas ihåg att det är frågan om precis dessa räknarapparater (hardware) och<br />
apparaternas program (firmware), som användes i testerna. Dessutom användes för DataCollects del i<br />
datainsamlingsapparaten (Palm) versionen DCCom 6.3, som inte är i allmän användning och som fungerar<br />
annorlunda än den tidigare versionen.<br />
Tabell 19: De testade apparaternas exakta uppgifter.<br />
Apparat Hardware Igenkänningskod Firmware Software<br />
Terräng-<br />
(fordonsklassificiering) programmering<br />
Icoms TMS-SA, 1101346 (Bemböle) 8.80 Enligt NorSIKT Icoms software<br />
bluetooth 1101331 (Uleåborg)<br />
11.142<br />
DataCollect SDR, 1104E03687B 5.95 Enligt NorSIKT DCCom 6.3<br />
bluetooth<br />
(Palm)<br />
Sierzega SR4, BT 5406 ej i Enligt NorSIKT BT Comm v1.3<br />
bluetooth<br />
kännedom<br />
ViaTraffic ViaCount II,<br />
bluetoot<br />
10VZZ0150 2.06.14 Enligt NorSIKT ViaGraph 4.0.9<br />
För de allmänna landsvägarnas del är den viktigaste trafikomgivningen enkörbaniga vägar med ÅMDT
Nordiskt forskningssamarbete<br />
För verksamhetsmiljöns del märktes att apparatens monteringsavstånd från vägens mittlinje inte kan vara så<br />
lång. I de nu testade monteringarna över 16 meter uppfyllde resultaten inte de nuvarande kraven. Däremot<br />
uppfylls kraven vid ca 9 meters monteringar, så monteringens maximumavstånd kunde uppskattas vara högst<br />
12 meter. Mätning av körfiler (2) som går i samma riktning på tvåkörbaniga vägar uppfyller inte de nuvarande<br />
fordonsklassificeringskraven. Således bör räkning av två filer i samma körriktning göras med två räknare (en<br />
räknare/fil).<br />
32
Nordiskt forskningssamarbete<br />
7 ANNAN GRANSKNING AV PARAMETRAR<br />
7.1 Möjliga nya krav<br />
I det tidigare kapitlet granskades hur räkneapparaturen uppfyller nuvarande krav med olika monteringssätt i<br />
olika trafik- och verksamhetsmiljöer. De apparater och monteringssätt som uppfyller de nuvarande kraven<br />
granskas här utgående från andra parametrar. Utgångspunkten i denna granskning är att möjliga nya<br />
parameterkrav inte utestänger någon apparat, trafik- eller verksamhetsmiljö som uppfyller de nuvarande<br />
kraven.<br />
Figur 17: Principen för de möjliga nya kravgränserna.<br />
Granskningen har gjorts utgående från följande parametrar:<br />
- TE2_1PU Den antagna verkliga systemnoggranheten i PU-klassen<br />
- TE2_2B Den antagna vekliga noggrannheten i B.klassen<br />
- TE2_3LU Den antagna vekliga noggrannheten i LU-klassen<br />
- TMD Uppskattade sanningen medeltunga (B+LU) systemnoggrannhet<br />
- 0MC% Andelen motorcyklar i trafikströmmen<br />
- Nopeus Medeltal och standardavvikelse för körhastigheterna<br />
Kravsgränsen har definierats så att det för observationernas medeltal har sökts det största och minsta värdet,<br />
därefter kravsgränsen (toleransen) har definierats baserat på det största värdet, som sedan ännu har<br />
multiplicerats med ”säkerhetsfaktorn” 1,1.<br />
33
Nordiskt forskningssamarbete<br />
Tabell 20: Toleransgränsen beräknad för person- och paketbilarna samt deras släpkärror.<br />
För de olika fordonsklassernas del kan man se att toleransgränsen för personbilar (4 %) skulle vara nästan<br />
samma som totalantalets tolerans.<br />
Tabell 21: Beräknade toleransgränser för bussarnas, lastbilarnas klass och klassen kombinerad av dessa<br />
(medeltung).<br />
För bussarnas del, däremot, borde toleransgränsen vara (345%), så de är nästan självklart ett det inte lönar sig<br />
att sätta en sådan kravgräns. Man bör komma ihåg att analyseringen försvåras inte bara av räkneapparatens<br />
urskiljningsförmåga utan också av felaktigheter i LAM-punkternas klassificeringar, speciellt för buss-gruppen.<br />
Persontrafikmängdens bättre statistikföring skulle stöda bussarnas klassificering till egen grupp, även att<br />
observationstaket är nästan obefintlig. Det är också lättare att studera bussarnas antal och rutter på vägnätet,<br />
varvid det t.ex. är lättare att utföra utvecklingsgranskningar för vägnätet i en riktning som gynnar<br />
kollektivtrafik. Man bör komma ihåg att observation av busstrafik berör alla räkneapparater så troligtvis är<br />
observationsnoggrannheten för busstrafiken mera exakt med andra tekniker än mikrovågsräkneapparater.<br />
Och andra sidan leder nya krav på klassificering av någon ny fordonsklass samt räkneapparaternas<br />
34
Nordiskt forskningssamarbete<br />
behandlingsprogram till att själva räknetekniken också börjar utvecklas i en sådan riktning att man i framtiden<br />
kan detektera den nya fordonsklassen noggrannare än tidigare. För lastbilarnas del skulle toleransgränsen<br />
vara 70 %. Då man studerar både bussarnas och lastbilarnas fordonsgrupper tillsammans får man toleransen<br />
till 67 %. För att man ska kunna sätta ens ett indirekt gränsvärde för busstrafikens observation kan man för<br />
dessa två fordonsklassers kombinerade resultat (medeltunga) fastställa en kravgräns på +- 67 %.<br />
Tabell 22: Granskning av parametrar för motorcyklar och mopeder.<br />
För motorcykelklassens del har granskningen gjorts på basen av trafikens sammansättning. Av resultaten ses<br />
att motorcyklarnas andel av hela trafikströmmen är av klassen cirka 1 % -enhet. Det är inte möjligt att<br />
presentera direkta kravgränser för denna grupp eftersom jämförelsematerial saknas. Indirekt är det möjligt att<br />
fastställa kravgränser genom totalantalet, eftersom det nuvarande totalantalskravet med +-3 procents<br />
beräkningsnoggrannhet har inkluderat också antalet observerade motorcyklar. Tidigare har dessa inte skiljts ur<br />
räkneapparatens observationsantal, så observationer av motorcyklar och mopeder samt eventuellt cyklar har<br />
funnits med i totalantalsberäkningarna. Man kan därför tänka sig att över 100 procents täckning av totala<br />
observationsantalen skulle betyda att den överskridande delen av observationer hör till motorcykelklassen. I<br />
praktiken kan man inte fastställa så här exakta gränsvärden eftersom de extra observationerna, både för<br />
räkneapparatens och referensapparatens del, innehåller en del felaktigheter. Då man studerar totalantalens<br />
resultat noggrannare märker man att i mätningarna som uppfyller de nuvarande kraven överskrider inte<br />
totalantalen 102 procents observationstäckning. Således genom att begränsa totalmängdens övre gräns till<br />
102% i jämförelse till nuvarande 103%, läggs en indirekt gräns även till motorcykelklassen.<br />
Körhastigheterna har man granskat enbart på basen av fordonens medelhastighet (aritmetiska) och<br />
standardavvikelse. Medelhastigheterna har räknats ihop för alla fordon i hela tvärsnittet samt skilt för tunga<br />
fordon. Av tabellens värden kan man utläsa att<br />
- Toleransen för medelhastigheten är mellan +- 3 km/h<br />
- Standardavvikelsens tolerans är mellan +- 1 km/h<br />
Om man skulle studera resultaten skilt för var riktning borde framför allt medelhastighetens tolerans vara ca 2<br />
km/h större är för studien av hela tvärsnittet.<br />
35
Nordiskt forskningssamarbete<br />
Tabell 23: Granskning av hastighetsdatan (tvärsnittsdata)<br />
När man närmare studerar resultaten i tabellen, verkar det som att hastigheternas medelvärden är<br />
regelbundet lägre är LAM-punkternas jämförelsedata, då monteringarna är höga. Detta kan åtminstone delvis<br />
förklaras med att det är avsevärt svårare att rikta vinkeln rätt på hög höjd (från en stege) än det är på<br />
grundnivå (stående på marken), fastän man i båda fallen skulle använda laser som hjälpmedel för riktningen.<br />
Man bör komma ihåg att det inte är helt entydigt att jämföra hastighetsdatat med LAM-datat, eftersom inte<br />
heller LAM-materialet är helt exakt i fråga om hastighetsobservationer. Normalt gallrar man bort alla<br />
hastighetsobservationer under 10 km/h ur LAM-datat, men som man kan se ur figuren nedan finns det en del<br />
ytterst låga hastigheter (10-20 km/h) i stora material.<br />
36
Figur 18: Hastighetsdata vid LAM-punkten.<br />
Nordiskt forskningssamarbete<br />
Figur 19: Hastighetsdata från mätningsapparaten (SDR)<br />
När man på motsvarande vis granskar material som räkneapparaten producerar finner man inte alls detta<br />
antal av ytterst små hastigheter. Skillnaderna i materialen torde främst påverka standardavvikelsen. Det är<br />
37
Nordiskt forskningssamarbete<br />
diskutabelt om det lönar sig sätta kravgränser för standardavvikelsen. För medelhastighetens del är effekterna<br />
inte så stora, eftersom möjliga felobservationer delvis tar ut varandra och mängden möjligen felaktiga<br />
observationer är mycket liten.<br />
Fastän ett absolut hastighetsdata är svårtolkad ger följande exempel en bra bild av hastighetsdatats<br />
användbarhet. I den övre figuren ses den timmesspecifika informationens medeltal som räknarapparaten<br />
framställer samt medelvärdets konfidensintervall med 95 % konfidensintervall. I den nedre figuren ses<br />
motsvarande uppgifter från LAM-punkten. Datan kommer från körhastigheterna i ena riktningen och<br />
räkneapparaten är mycket nära LAM-punktens räkneslingor (LAM-punkt 529).<br />
Figur 20: Medelhastighet och 95 procents variationsintervall för olika timmar, räknat från<br />
mätninganläggningens (SDR) data.<br />
Figur 21: Medelhastighet och 95 procents veriationsintervall för olika timmar, baserat på LAM-punktens<br />
data.<br />
38
Nordiskt forskningssamarbete<br />
Från figurerna kan man se att medelhastighetsdatan som räkneapparaten producerar är av nästan samma<br />
form som motsvarande data från LAM-punkten. Därmed kan man konstatera att man med datan från<br />
räkneapparaten kan mäta variationer i körhastigheter med relativt stor noggrannhet.<br />
När man utnyttjar hastighetsdata i olika studier och undersökningar är det ytterst viktigt att man känner till<br />
den exakta monteringsplatsen (t.ex. GPS-koordinater). Dessutom torde man också i analyseringen ha nytta av<br />
exakt dokumentation av monteringen till exempel i form av ett fotografi efter montaringen.<br />
7.2 E1-parametrar<br />
I granskningen av E1-parametrarna jämför man observation för observation hur korrekt mätningsapparaten<br />
kan dela in fordonen i rätt klass. Granskningen är inte vettig i fråga om mikrovågsräknarna eftersom deras<br />
klassificering grundar sig på längddetektering och därför är det inte möjligt att bestämma exakt rätt<br />
fordonsgrupp för varje fordon. Att referensmaterialet inte heller motsvarar den verkliga<br />
fordonsklassificeringen till alla delar gör E1-granskningen ännu mera vag.<br />
Från figuren nedan ser man ändå att E1-parametrarna är ungefär 95 % i person- och paketbilsgruppen<br />
(E1_1PU). De näststörsta E1-värdena finns i kombinationsfordonsgruppen (E1_4LS) och de tredje största i<br />
lastbilsgruppen (E1_3LU). I bussgruppen (E1_2B) varierar mängden korrekt detekterade i denna granskning<br />
mellan 13 och 28 procent.<br />
Figur 22: E1-parametrarna. För bussgruppens (E1_2B) del är medeltalsresultatet beräknat på basen av<br />
endast de testresultatdär busstrafiken är större än 9 observationer.<br />
39
Nordiskt forskningssamarbete<br />
Framför allt E1_PU parametrarna är på nästan samma nivå för olika apparater. Mellan andra fordonsgrupper<br />
förekommer små variationer för olika apparater.<br />
E1-felet beskriver hur mycket fel det finns i observations- och referensmaterialet sammanlagt. Ju större värde<br />
desto fler felklassificeringar finns det i materialet mellan jämförelsedatat och observationsdatat.<br />
Figur 23: E1-felens parametrar. För bussgruppens (E1F_2B) del är medelvärdesresultatet räknat enbart<br />
från de testresultat där busstrafiken är större än 9 observationer.<br />
Så som figuren ovan visar är räkneapparatens klassificeringsfel störst i bussgruppen (E1_2B) och<br />
lastbilsgruppen (E1F_3LU), där antalet fel är mellan 61 och 92 %. I person- och paketbilsgruppen (E1F_1PU)<br />
varierar antalet felaktiga detekteringar med 10 % åt båda hållen.<br />
40
Nordiskt forskningssamarbete<br />
8 UNDERSÖKNINGENS KVALITET OCH FÖRBÄTTRING AV KVALITETEN<br />
I studien var man ofta tvungen att godkänna felkällor, vilka beskrivs härefter. Trots felkällor och gjorda val är<br />
testernas huvudresultat tillräckligt tillförlitliga.<br />
De största problemen när det gäller tolkning av undersökningens resultat orsakas av att den använda<br />
referensdatat, LAM-datat, inte är absolut sanning. Därmed är man tvungen att flytta tyngdpunkten från<br />
granskning av E1-värden (fordonsspecifika), vilket allmänt har varit tyngdpunkten i NorSIKT-projektet, till<br />
granskning av E2-värden (systemdata). I E2-granskningen bjöd också på en del utmaningar eftersom man var<br />
tvungen att manipulera LAM-datat på basis av riktighetsgranskningen.<br />
Synkronisering av datat genomfördes gjordes enkelt med en Excel-funktion. Detta ökade undersökningens<br />
oriktighet eftersom synkroniseringen inte gick att göra helt korrekt. Grovt uppskattat torde ungefär 5 % av<br />
materialet vara felaktigt synkroniserat eller helt osynkroniserad av en eller annan orsak. En del av<br />
synkroniseringsproblemet beror på skillnader i detektering av motorcykelklassen mellan referensapparaten<br />
och räkneapparaten. Ifall man fått en entydig sanning av referensapparaten, skulle synkroniseringen ha varit<br />
meningsfullt att göra mera detaljerat genom att programmera ett speciellt program, än hur det nu är gjort,<br />
och granska synkroniseringens riktighet mera utbrett. I studien satsades inte på synkroniseringens riktighet<br />
eftersom man visste att referensdatan som skulle synkroniseras var delvis fel och studiens huvudtyngdpunkt<br />
låg vid E2-granskningarna.<br />
För att monteringarna på olika ställen och med olika testkonstellationer skulle göras likadant utarbetades<br />
monteringsanvisningar i samband med förtestningarna. Trots det kan man inte helt hindra möjliga<br />
monteringsfel. Montering av apparaterna gjordes på uppdrag av NorSIKT-projektet både i södra och norra<br />
Finland. Man fick i bruk de olika räkneapparaterna i början av juli, varefter montörerna bekantade sig med för<br />
dem delvis nya monteringar, monteringsanvisningar och monteringsprogram samt anvisningarna som<br />
utarbetats för NorSIKT-projektet. I terrängarbetet förlorade man två testdata. Den ena förlusten berodde på<br />
mänskliga fel och den andra på att programmet hakat upp sig. När man i fortsättningen genomför<br />
motsvarande test bör monteringarna ske på uppdrag av apparaternas representanter/ producenter av service,<br />
så att ansvaret för att monteringen lyckas, monteringssätten och monteringsprogrammen är tydligt.<br />
Från Icoms fick man två apparater för testerna. Den ena användes i förtestningarna i Uleåborg och den andra i<br />
testerna som inleddes i mitten på juli i södra Finland. Apparaterna kom så sent till landet att man framför allt i<br />
södra Finland inte hann med funktionstestningar. Istället koncentrerade man sig främst på att lära sig hur<br />
apparaten fungerar under testningarna. Först när testerna började märkte man att apparaten inte kan ha<br />
fungerat korrekt eftersom observationsförmågan var svag för den yttra filens del (ifrågavarande riktnings<br />
observationstäckning är under 20 %). För Icoms apparats del konstaterades genomfördes i södra <strong>Finlands</strong><br />
tester enbart de som gjordes på nära håll, varefter man beslöt att avbryta testningarna för denna apparats del<br />
och returnera den till tillverkaren. Då visade det sig att apparaten hade en funktionsstörning i den<br />
motoriserade vinkeljusteringen. Funktionsstörningen berodde på att vinkeljusteringsmotorns elkabel hade<br />
lossnat och gjorde så att apparatens lutningsvinkel inte fungerade som den skulle.<br />
41
Nordiskt forskningssamarbete<br />
Till testerna i norra Finland kom en ny Icoms-apparat från tillverkaren. Apparaten provades i Uleåborg i en<br />
mätning på en väg med två körbanor och då märkte man genast att apparaten inte kan detektera i den<br />
yttersta filen (över 10 meter bort). Således avbröt man också i Uleåborg testerna efter långa monteringar.<br />
Felet i den motorstyrda regleringen av lutningsvinkeln torde till största delen förklara varför monteringar<br />
gjorda på kort avstånd hade så dålig observationstäckning för den yttersta filen vid mätningarna i södra<br />
Finland. I norra Finland förklaras den svaga detekteringen i den yttersta filen av vägens bredd, då apparatens<br />
avstånd till yttersta filens huvudkörlinje var över 10 m, pga. vägens breda filer.<br />
När man i fortsättningen genomför dylika tester bör monteringarna genomföras med minst två olika apparater<br />
så att eventuella avvikelser eller funktionsstörningar uppdagas i ett tidigare skede. Dessutom kan man genom<br />
att använda två apparater försäkra sig om att testprogrammet genomförs.<br />
I samband med behandlingen av NorSIKT-datat märkte man att man kan granska kvaliteten mångsidigare och<br />
noggrannare på basen av mätningsdatat. Genom att granska mätningsdatat kan man upptäcka s.k. saknad<br />
mätdata, vilket aldrig skulle framkomma på basen av tidigare presenterade tvärsnittsgranskning. Dessutom<br />
kan man från mätdatat uppskatta mätningens kvalitet och därmed resultatets riktighet. Dåliga mätresultat<br />
indikeras av bland annat:<br />
- ojämn riktningsfördelning<br />
- stors hastighetsskillnader eller skillnader i hastighetens standardavvikelse då man studerar<br />
riktningarna<br />
- avvikande trafiksammansättning i olika riktningar och<br />
- stort antal fordon som passerat under samma sekund.<br />
Figur 24: I figuren ses den ena riktningens trafikmängds andel av hela tvärsnittets trafik. Lm1-mätingens<br />
riktningsfördelning är klart avvikande, vilket indikerar svagheter i apparatens<br />
detekteringsförmåga för den motsatta riktningens del. Den verkliga observationstäckningen vid<br />
Lm1-mätningen är 76,6 % i jämförelse med LAM-datan.<br />
42
Nordiskt forskningssamarbete<br />
9 SAMMANDRAG OCH SLUTSATSER<br />
I Finland genomfördes radarräknarnas NorSIKT-testningar på sommaren 2011. Testernas mål var att undersöka<br />
ifall den i Finland använda treklassiga fordonsklassificeringen kan utvidgas till fem. Dessutom var testernas mål<br />
att undersöka de nya radarräknarnas användbarhet och lämplighet i <strong>Finlands</strong> förhållanden. För planeringen av<br />
testningarna har gjorts ett dokument, ”Radar preliminary testing in Finland”, och ett annat dokument för<br />
montering av radarräknarna ”Radarräknarnas montering - teknisk beskrivning” och ett dokument för LAMpunkternas<br />
slingbyggning ”<strong>Finlands</strong> trafikräkningsslingor -teknisk beskrivning”. I denna rapport har<br />
testresultaten publicerats och på basis av undersökningens slutsatser definierar Trafikverket<br />
kravsbestämmelser för <strong>Finlands</strong> räknarapparater samt bestämmer godkänningsprosessen förknippad till<br />
apparattestningen.<br />
Trafikberäkningens kvalitet påverkas utöver apparaten och apparatprogrammet av monteringens kvalité samt<br />
databehandlingsprogrammets ”intelligens”.<br />
Bild 25: Faktorer som påverkar datats kvalité och dataproduceringens pris.<br />
NorSIKT <strong>–</strong>testerna planerades till mycket utmanande och mångsidiga, så att man med olika testinstallationer<br />
kunde söka praktikens funktions- och trafikmängdsgränser.<br />
På basis av NorSIKT -testernas resultat är det meningen att definiera nya klassificerings- och kravsdefinitioner.<br />
Testernas centrala sammandrag och slutsatser är följande:<br />
- De nuvarande kravsgränserna har bestämts för helhetsmängden (+- 3%), för tunga trafikens och<br />
kombinationsfordonens del (+- 8 %). Kravsgranskningen för den tunga fordonsklassen gjordes med +-<br />
20 %:s gränsvärden eftersom de nuvarande gränserna inte är fullt entydiga. Toleransgränsen som<br />
används i fortsättningen bör klarläggas.<br />
- De nuvarande kravsgränserna uppfylls fullständigt för två räknarapparaters del vid ÅMDT under 12000,<br />
då apparaterna monteras nära vägens kant och på bashöjd samt så att apparatens vinkel justeras med<br />
hjälpredskap. För en apparats del uppfylls de nuvarande kraven även vid högmonteringar (nära<br />
vägkanten och vinkelns justering med hjälpredskap).<br />
- För en apparats del uppfylls de nuvarande kraven endast för den närmast liggande filens del då<br />
räknaren monteras nära vägens kant, på bashöjd och vinklen justeras med hjälp av hjälpredskap.<br />
Trafikmänden (ÅMDT) får ifrågavarande fall vara högst 8000.<br />
43
Nordiskt forskningssamarbete<br />
- Fordonsklassificeringen till fem grupper lyckas inte så lätt för bussarnas del, så direkta kravsgränser<br />
kan inte läggas för ifrågavarande fordonsgruppens del. Däremot kan kravsgränserna läggas för den så<br />
kallade medeltunga gruppen (B+LU), där toleransgränsen skulle vara 67%.<br />
- För motorcyklarnas del kan en kravsgräns inte rakt definieras, men indirekt blir motorcyklarnas klass<br />
observerad då den övre gränsen på kravet på helhelsmängdens gräns läggs till 102%.<br />
- Ingen testapparat uppfyllde de nuvarande kraven för mätningar av två körfiler i samma riktning<br />
(mätningar av 2-körbanevägar).<br />
- Ingen testapparat uppfyllde de nuvarande kraven i monteringar på lång distans. Monteringsavståndet<br />
till vägens mittlinje får uppskattningsvis vara högst 12 meter.<br />
- Körhastigheterna framgår ur mätapparaterna, varefter hastighetsgranskningen kunde göras för alla<br />
fordons och de tunga fordonens del. Medelhastighetens toleranskrav bör vara +- 3 km/h. Speciellt vid<br />
utnyttjande av hastighetsdatat bör mätpunktens exakta läge skrivas upp och monteringen<br />
dokumenteras t.ex. genom att ta ett fotografi efter monteringen.<br />
- Definitioner gjordes för mätdatats manipulering och kravsdefinitonerna har gjorts utan datats<br />
manipulering, så godkänningsförfarandet borde inte innehålla manipuleringsmöjlighet.<br />
- I godkänningsförfarandet bör radarräknarnas testpunkter definieras exakt, så att en möjligast stor<br />
jämlikhet kan uppnås vid jämförelsen av olika apparater i en liknande trafik- och verksamhetsmiljö.<br />
Nuförtiden kan testningen genomföras fritt vid vilken som helst LAM-punkt eller med motsvarande<br />
tillvägagångssätt vid normala 1-körbaniga vägar med ÅMDT 3000-7000.<br />
44