16.09.2013 Views

Finlands apparattester – radarräknare Slutrapport Projekt ... - NordFoU

Finlands apparattester – radarräknare Slutrapport Projekt ... - NordFoU

Finlands apparattester – radarräknare Slutrapport Projekt ... - NordFoU

SHOW MORE
SHOW LESS

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

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!