ГО статистика

Статистика GEH – это формула , используемая в проектировании дорожного движения , прогнозировании трафика и моделировании трафика для сравнения двух наборов объемов трафика . Формула GEH получила свое название от Джеффри Э. Хейверса, который изобрел ее в 1970-х годах, когда работал планировщиком транспорта в Лондоне, Англия . Хотя его математическая форма похожа на тест хи-квадрат , он не является настоящим статистическим тестом . Скорее, это эмпирическая формула , которая доказала свою полезность для различных целей анализа трафика.

Формула для «статистики GEH»:

GEH={\sqrt {\frac {2(M-C)^{2}}{M+C}}}

Где M — почасовой объем трафика из модели трафика (или новый счетчик), а C — реальный почасовой объем трафика (или старый счетчик).

Использование статистики GEH позволяет избежать некоторых ошибок, которые возникают при использовании простых процентов для сравнения двух наборов объемов. Это связано с тем, что объемы перевозок в реальных транспортных системах варьируются в широком диапазоне. Например, магистральная линия автострады / автомагистрали может пропускать 5000 автомобилей в час, в то время как один из съездов, ведущих на автостраду, может пропускать только 50 автомобилей в час (в этой ситуации невозможно выбрать единый процент вариант, приемлемый для обоих томов). Статистика GEH уменьшает эту проблему; поскольку статистика GEH нелинейна, единый порог приемлемости, основанный на GEH, может использоваться в довольно широком диапазоне объемов трафика. Использование GEH в качестве критерия приемлемости для моделей прогнозирования спроса на поездки признано в автомобильных дорог Великобритании. Агентства Руководстве по проектированию дорог и мостов ^[1] Висконсинские рекомендации по микросимуляционному моделированию, ^[2] Руководство по моделированию дорожного движения в Лондоне ^[3] и другие ссылки.

Для работы по моделированию трафика в «базовом» сценарии GEH менее 5,0 считается хорошим соответствием между смоделированными и наблюдаемыми почасовыми объемами (потоки большей или меньшей продолжительности должны быть преобразованы в почасовые эквиваленты, чтобы использовать эти пороговые значения). Согласно DMRB, 85% объемов в модели трафика должны иметь GEH менее 5,0. GEH в диапазоне от 5,0 до 10,0 могут потребовать исследования. Если GEH больше 10,0, существует высокая вероятность того, что существует проблема либо с моделью спроса на поездки, либо с данными (это может быть что-то простое, например, ошибка ввода данных, или столь же сложное, как серьезная проблема с калибровкой модели). .

Приложения

Формула GEH полезна в следующих ситуациях: ^[4]^[5]^[6]

Сравнение набора объемов трафика, полученного при подсчете трафика вручную, с набором объемов, выполненных в тех же местах с использованием автоматизации (например, счетчик трафика по пневматической трубке используется для проверки общих объемов въезда на перекрестке, чтобы подтвердить работу, выполненную техническими специалистами, выполняющими ручной учет). подсчет объемов оборотов).
Сравнение объемов трафика, полученных в результате подсчета трафика в этом году, с группой подсчетов, проведенных в тех же местах в предыдущем году.
Сравнение объемов перевозок, полученных с помощью модели прогнозирования спроса на поездки (для сценария «базового года»), с реальными объемами перевозок.
Корректировка данных об объеме трафика, собранных в разное время, для создания математически согласованного набора данных, который можно использовать в качестве входных данных для моделей прогнозирования спроса на поездки или моделей моделирования дорожного движения (как описано в NCHRP 765).

Распространенная критика статистики GEH

Статистика GEH зависит от величины значений. Таким образом, статистику GEH двух отсчетов разной продолжительности (например, ежедневных и часовых значений) нельзя сравнивать напрямую. Поэтому статистика GEH не подходит для оценки других показателей, например, расстояния поездки. ^[7]

Отклонения оцениваются по-разному в сторону увеличения или уменьшения, поэтому расчет не симметричен. ^[7]

Причем статистика ГЭХ не без единицы, а имеет единицу ${\textstyle {\sqrt {\frac {vehicles}{hour}}}}$ . ^[7]

Статистика GEH не попадает в диапазон значений от 0 (нет совпадения) до 1 (полное совпадение). ^[7] Таким образом, диапазон значений можно интерпретировать только при наличии достаточного опыта (= неинтуитивно).

Кроме того, критикуется то, что это значение не имеет обоснованного статистического вывода. ^[7]

Разработка статистики SQV

Альтернативой статистике GEH является масштабируемое значение качества (SQV), которое решает вышеупомянутые проблемы: оно применимо к различным показателям, оно симметрично, не имеет единиц измерения и имеет диапазон значений от 0 до 1. Более того, Фридрих и др. ^[7] вывести взаимосвязь между статистикой GEH и нормальным распределением и, следовательно, взаимосвязь между статистикой SQV и нормальным распределением. Статистика SQV рассчитывается по эмпирической формуле с масштабным коэффициентом ${\textstyle f}$ : ^[7] $SQV={\frac {1}{1+{\sqrt {\frac {(M-C)^{2}}{f\cdot {C}}}}}}$

Области применения

Введя масштабный коэффициент ${\textstyle f}$ , статистику SQV можно использовать для оценки других показателей мобильности. Масштабный коэффициент ${\textstyle f}$ основывается на типовой величине показателя мобильности (с учетом соответствующей единицы). ^[7]

Индикатор	Орден величина	Коэффициент масштабирования ${\textstyle f}$
Количество поездок человека в день (всего, по виду транспорта, по цели)	10 ⁰	1
Среднее расстояние поездки в километрах	10 ¹	10
Продолжительность всех поездок на человека в день в минутах	10 ²	100
Объем трафика в час	10 ³	1,000
Объем трафика в день	10 ⁴	10,000

По мнению Фридриха и др., ^[7] Статистическое значение SQV подходит для оценки:

Объемы трафика (при необходимости дифференциация может производиться не только по времени суток, но и по режиму).
Показатели индивидуальной мобильности:
- Количество поездок на человека (не дифференцировано или дифференцировано по виду транспорта и/или цели поездки, предложение: ${\textstyle f=1}$ ),
- среднее время в пути за поездку в минутах (не дифференцировано или дифференцировано по виду транспорта и/или цели поездки, предложение: ${\textstyle f=30}$ ),
- средние расстояния путешествия за поездку в километрах (не дифференцированы или дифференцированы по виду транспорта и/или цели поездки, предложение: ${\textstyle f=10}$ ).

Однако статистику SQV не следует использовать для следующих показателей: ^[7]

Процент модального разделения или модальных долей: здесь существует фиксированный верхний предел в 100 %, который нельзя превысить. Вместо этого для проверки статистики SQV можно использовать количество поездок на человека в каждом виде транспорта.
Время прохождения путей между двумя точками сети: этот показатель не зависит от пути, пройденного одним человеком, а представляет собой последовательность расстояний по маршруту.

Категории качества

Фридрих и др. ^[7] рекомендую следующие категории:

Статистика SQV	ГО статистика (при f = 1000 и c = 1000)	Оценка
0.90	от 3,4 до 3,6	Очень хороший матч
0.85	от 5,4 до 5,8	Хороший матч
0.80	от 7,5 до 8,5	Приемлемое совпадение
	(Поскольку статистика GEH не симметрична, то же абсолютное отклонение a измеренное значение вверх и вниз оцениваются по-разному)

В зависимости от сравниваемого показателя могут потребоваться разные категории качества.

Учет стандартного отклонения и размера выборки

Исследование показателей мобильности или объемов движения часто проводится в неидеальных условиях, например, при больших стандартных отклонениях или небольших размерах выборки. Для этих случаев процедура была описана Friedrich et al. ^[7] который объединяет эти два случая в расчет статистики SQV.

См. также

Внешние ссылки

Ссылки

^ Агентство автомобильных дорог Великобритании, Руководство по проектированию дорог и мостов, Том 12, Раздел 2, http://www.archive2.official-documents.co.uk/document/deps/ha/dmrb/index.htm. Архивировано 10 октября 2005 г. 26 в Wayback Machine
^ Рекомендации по микросимуляции DOT штата Висконсин http://www.wisdot.info/microsimulation/index.php?title=Main_Page. Архивировано 20 июля 2018 г. на Wayback Machine.
^ Транспорт Лондона, Рекомендации по моделированию дорожного движения, версия 3.0, http://content.tfl.gov.uk/traffic-modelling-guidelines.pdf , дата обращения 10 марта 2016 г.
^ Шоу и др. (2014), Проверка данных отправления и назначения на основе повторной идентификации Bluetooth и воздушного наблюдения, Отчет о транспортных исследованиях № 2430 , стр. 116–123
^ Ван Влит, Д. (2015), Руководство пользователя программного обеспечения для прогнозирования спроса на поездки SATURN, версия 11.3, раздел 15.6, http://www.saturnsoftware.co.uk/saturnmanual/pdfs/Section%2015.pdf . Архивировано 7 февраля 2017 г. в Wayback Machine , по состоянию на 10 марта 2016 г.
^ NCHRP 765: Аналитические подходы к прогнозированию поездок для планирования и проектирования на уровне проекта, http://onlinepubs.trb.org/onlinepubs/nchrp/nchrp_rpt_765.pdf , получено 10 марта 2016 г.
^ Перейти обратно: ^а ^б ^с ^д ^и ^ж ^г ^час ^я ^дж ^к ^л Маркус Фридрих, Эрик Пестель, Кристиан Шиллер, Роберт Саймон: Масштабируемый GEH: показатель качества для сравнения наблюдаемых и смоделированных отдельных значений при проверке модели спроса на поездки. В: Отчеты транспортных исследований: Журнал Совета транспортных исследований. Выпуск 2673, № 4, апрель 2019 г., ISSN 0361-1981 , страницы 722–732, дои : 10.1177/0361198119838849

[1] Агентство автомобильных дорог Великобритании, Руководство по проектированию дорог и мостов, Том 12, Раздел 2, http://www.archive2.official-documents.co.uk/document/deps/ha/dmrb/index.htm. Архивировано 10 октября 2005 г. 26 в Wayback Machine

[2] Рекомендации по микросимуляции DOT штата Висконсин http://www.wisdot.info/microsimulation/index.php?title=Main_Page. Архивировано 20 июля 2018 г. на Wayback Machine.

[3] Транспорт Лондона, Рекомендации по моделированию дорожного движения, версия 3.0, http://content.tfl.gov.uk/traffic-modelling-guidelines.pdf , дата обращения 10 марта 2016 г.

[4] Шоу и др. (2014), Проверка данных отправления и назначения на основе повторной идентификации Bluetooth и воздушного наблюдения, Отчет о транспортных исследованиях № 2430 , стр. 116–123

[5] Ван Влит, Д. (2015), Руководство пользователя программного обеспечения для прогнозирования спроса на поездки SATURN, версия 11.3, раздел 15.6, http://www.saturnsoftware.co.uk/saturnmanual/pdfs/Section%2015.pdf . Архивировано 7 февраля 2017 г. в Wayback Machine , по состоянию на 10 марта 2016 г.

[6] NCHRP 765: Аналитические подходы к прогнозированию поездок для планирования и проектирования на уровне проекта, http://onlinepubs.trb.org/onlinepubs/nchrp/nchrp_rpt_765.pdf , получено 10 марта 2016 г.

[:0-7] Перейти обратно: ^а ^б ^с ^д ^и ^ж ^г ^час ^я ^дж ^к ^л Маркус Фридрих, Эрик Пестель, Кристиан Шиллер, Роберт Саймон: Масштабируемый GEH: показатель качества для сравнения наблюдаемых и смоделированных отдельных значений при проверке модели спроса на поездки. В: Отчеты транспортных исследований: Журнал Совета транспортных исследований. Выпуск 2673, № 4, апрель 2019 г., ISSN 0361-1981 , страницы 722–732, дои : 10.1177/0361198119838849

[1]

[2]

[3]

[4]

[5]

[6]

[7]