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.
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