facebook LinkedIN LinkedIN - follow
Exkluzivní partner sekce
Tematické sekce
 
Branžové sekce
Přihlášení SystemNEWSPřehledy
 
Tematické seriály

Jak uřídit IT projekt a nezbláznit se

Užitečné tipy a nástroje pro řešení problémů řízení inovací a vývoje produktů...

články >>

 

Industry 4.0

Průmysl 4.0

Jaký vliv bude mít čtvrtá průmyslová revoluce na výrobu a výrobní firmy?

články >>

 
Nové!

RPA - automatizace procesů

Softwaroví roboti automatizují obchodní procesy.

články >>

 
Nové!

IoT – internet věcí

Internet věcí a jeho uplatnění napříč obory.

články >>

 
Nové!

VR – virtuální realita

Praktické využití virtuální reality ve službách i podnikových aplikacích.

články >>

 
Nové!

Bankovní identita (BankID)

K službám eGovernmentu přímo z internetového bankovnictví.

články >>

 

Příručka úspěšného IT manažera

Dnes je řada IT manažerů opomíjena. Úspěšní bývají brouci Pytlíci a Ferdové...

články >>

 
 
Partneři webu
IT řešení pro logistiku , Logistika

Integrace dynamických dat do plánování přepravy



Vars BrnoVektorové sítě pozemních komunikací používané pro logistické úlohy v oboru plánování přepravy a optimalizace rozvozových tras obvykle obsahují vazby na statické parametry, jako například omezení podjezdní výšky nebo maximální hmotnost vozidla. V následujícím článku se ale zaměříme na možnosti zohlednění proměnných podmínek v reálném provozu, možnosti a výhody, které integrace těchto dat do logistických aplikací přináší.


Pojetí dynamiky v dopravních úlohách

Základem přesného a přínosného logistického systému obsahujícího plánování a optimalizaci rozvozu je kvalitní síť, nad níž jsou tyto operace prováděny. Optimalizace rozvozu zde znamená proces výběru nejlepší varianty vytížení vozidel, určení pořadí vykládek a průběhu tras s ohledem na dodržení nastavených pravidel a minimalizaci nákladů. Síť je graf s orientovanými hranami, které nesou informace o jejich vlastnostech a geometrickém průběhu. U geometrické přesnosti není většinou kladen důraz na přesnost vedení hrany v řádech centimetrů, ale spíše jsou důležité správné topologické vazby, tedy návaznosti a vzájemná poloha jednotlivých hran. Podstatný vliv na kvalitu výsledku síťové analýzy pak mají atributy sítě, potažmo data, ze kterých vycházejí. Cílem každé sítě je přiblížit se co nejvíce reálnému prostředí, které modeluje. V následujícím textu bude popisována silniční síť, proto si uveďme některé základní vlastnosti komunikace, které mohou být zahrnuty do atributů sítě:

  • šířkové uspořádání silnic a dálnic – například počet jízdních pruhů, pasportizační šířka, použitelné pro plánování nadměrné přepravy,
  • směrové a výškové vedení trasy – může být použito například pro snížení rychlosti v obloucích, snížení rychlosti v prudkých stoupáních,
  • dopravní značení a dopravní zařízení – například svislé dopravní značení, zpomalovací prahy,
  • objekty na pozemních komunikacích – zde to jsou například mosty či podjezdy a informace o jejich možném zatížení, podjezdní výšce a šířce,
  • obslužná zařízení silnic a dálnic – obsahující například odpočívky, parkoviště,
  • zpoplatněné úseky – pro zohlednění nákladů při plánovaní trasy.
Obr. 1: Pracoviště Národního dopravního informačního centra sdružuje většinu dopravních informací v ČR
Obr. 1: Pracoviště Národního dopravního informačního centra sdružuje většinu dopravních informací v ČR


Kvalita těchto údajů závisí na úplnosti a přesnosti, se kterými jsou zaznamenávány. Mezi potenciální zdroje statických parametrů lze v České republice v první řadě zařadit evidence, které spravuje ŘSD Silniční databanka v Ostravě, která má vypracovanou metodiku pro sběr těchto údajů. Všechny výše uvedené vlastnosti nebo objekty se však řadí mezi statické parametry, jsou tedy (relativně) stálé v čase a jejich působení není ovlivněno dnem v týdnu nebo denní dobou. Ze zkušeností z reálného provozu na silnicích je ovšem zřejmé, že například plynulost provozu se v průběhu týdne i dne mění. Zároveň se také jede jinak za dobrých, nebo špatných klimatických podmínek. Všechny tyto i další vlivy jsou tedy proměnné v čase a mohou výrazně ovlivňovat dobu jízdy i vedení trasy. Proto jejich zahrnutí výrazně zpřesňuje výsledky plánování přepravy i dalších dopravních úloh řešených nad sítí.

Typy a zdroje dynamických dat

Do dynamických dat se řadí data, jež reagují na čas nastavený v analýze. Pokud tedy bude nastaven například aktuální čas nebo konkrétní datum, pro které je plánovaná optimalizace rozvozu, budou zohledněna data vážící se k časovému údobí pokrývající danou analýzu. Dynamická data se dělí na historická, popřípadě modelová data a data živá.

Historická data

Historická data představují možnost, jak zohlednit variace v cestovních časech v síti v různých dnech a v různých časech v týdnu v závislosti na hustotě dopravy. Vycházejí z naměřených dat, a to buď v původní podobě, nebo jsou na jejich základě vytvářeny modely chování dopravy, z nichž je potom možné odvodit rychlostní nebo časové profily. Ty jsou vytvářeny pro různé dny (např. konkrétní den v týdnu) a různé časové intervaly, k nimž jsou rychlosti nebo cestovní časy platné. Je potřeba zvolit správnou velikost intervalu pro co nejvyšší přesnost analýzy. Vhodným časovým intervalem pro zaznamenávání těchto dat je patnáct minut, který zvládne bez větších problémů pojmout dynamiku provozu. Kvalita dat je však značně závislá na jejich zdroji.

Zdroje historických dat

Základem pro historická data jsou obvykle měření v terénu. Vítanou možností by bylo využití existujících dat, tedy například přepočet intenzitních dat z Celostátního sčítání dopravy, které proběhlo v roce 2010, a obsahuje tak poměrně aktuální data. Nicméně jedná se především o extravilánové komunikace a hlavní intravilánové komunikace vyšších funkčních kategorií, a to s daty v součtech za 24 hodin. Intenzitní data na intravilánových komunikacích nižší kategorie nejsou tudíž ze sčítání dopravy k dispozici. Největší podíl na případném zpoždění vozidla mají právě komunikace intravilánové v centrech měst. Mezi další nevýhody použití intenzitních dat je nemožnost rozklíčovat jednotlivé hodinové intenzity dopravy a nepřesnost převodu intenzit na časový údaj, je tedy téměř nemožné určit ovlivnění cestovního času způsobeného zvýšeným počtem projetých vozidel.

Dalším možným zdrojem historických dat jsou i data z městských automatických detektorů. Dále také data mobilních operátorů o pohybech mobilních telefonů po silniční síti, data bezpečnostních služeb s GPS polohou sledovaných vozidel, vozové parky dopravních společností, jejichž vozidla jsou taktéž sledovány pomocí GPS apod. Nevýhodou je velké množství vlastníků a poskytovatelů těchto datových základen. Tato skutečnost činí získání a případné použití takových dat velmi složitým a zdlouhavým procesem. Výjimkou není též poskytování těchto dat za úplatu, a to ve finančních relacích, které jsou obvykle velmi daleko za hranicí rentability. Existují také další postupy k získání historických dat, které se liší jak potřebným technickým vybavením a finanční zátěží, tak náročností z hlediska provádění. Těmito metodami je možné získat data z jakéhokoliv vybraného úseku silniční sítě, jsou relativně rychlé a v konečném důsledku i ekonomické.

Měření pomocí čtečky bluetooth

Měření spočívá v umístění čteček bluetooth (BT) signálu na začátku a na konci úseku. Každé BT zařízení má unikátní identifikátor, na jehož základě je možné zjistit čas, kdy vozidlo s BT zařízením vjelo do měřeného úseku, a čas, kdy tento úsek opustilo. K dispozici musí být minimálně dvě čtečky, jedna umístěna na vjezdu, druhá na výjezdu z úseku. Výhodou této metody je, že při měření není třeba být fyzicky přítomen. Omezení spočívá v počtu měřených úseků, který je závislý na počtu čteček. Podstatnou nevýhodou je pak malé procento vozidel mající zapnutý bluetooth signál.

Měření pomocí radarů intenzit

Podstatou měření pomocí radarů intenzit je zjištění intenzit provozu na úseku a následný přepočet pomocí VDF rovnic (volume delay function) snažících se stanovit vztah mezi počtem projetých vozidel a cestovní rychlostí. Nevýhodou těchto rovnic je nutnost nastavení parametrů rovnic na základě empirických měření. Při měření není třeba být fyzicky přítomen, avšak lze změřit pouze omezený počet úseků za den, v závislosti na počtu radarů. Hlavním problémem je přepočet intenzitních dat na rychlost, který je zatížen velkou chybou.

Měření metodou plovoucího vozidla

Metoda plovoucího vozidla spočívá ve fyzickém projetí daného úseku vozidlem vybaveném snímačem GPS signálu. Na základě vjezdového a výjezdového času pro daný úsek lze následně zjistit celkový nutný čas pro projetí daného úseku. Tato metoda je relativně přesná, ale pokrývá krátký časový úsek. Naměřená data lze velmi jednoduše doplňovat a zpřesňovat. Výhodou metody je, že lze měřit až několik desítek úseků za den. Výrazná je ovšem časová náročnost sběru dat. Výsledky měření vycházejí z podmínek na dopravní síti v čase měření, jako jsou aktuální signální plány křižovatek a případné nečekané vlivy na trase. Proto je vhodné měření opakovat. Zároveň je vhodné pečlivě vybrat vzorek komunikací pokrývající všechny funkční kategorie, aby bylo možné následně provést přenesení odvozených profilů na úseky, na nichž nebylo měřeno. Naměřené časy jsou potom porovnány s výchozími cestovními časy vycházejícími z volné rychlosti na úseku a jsou stanoveny koeficienty, o které je rychlost na daném úseku snížena (viz graf).

Koeficienty snížení rychlosti na ulici Koliště v Brně, úsek Cejl–Křenová, data získána metodou plovoucího vozidla

Koeficienty snížení rychlosti na ulici Koliště v Brně, úsek Cejl–Křenová, data získána metodou plovoucího vozidla

Živá data a jejich zdroje

Mezi živá data patří především události na pozemních komunikacích. Jedná se o takové události, které mají přímou vazbu na aktuální provoz, intenzitu dopravy, popřípadě její predikce. Tuto skupinu lze z pohledu určení časové platnosti rozdělit na události plánované a na události aktuální. Na základě plánovaných událostí lze provádět odhady změn souvisejících se silniční dopravou. Skupina aktuálních událostí doplňuje možné parametry ovlivňující optimalizační a logistické algoritmy především v části operativního řízení přepravy.

Mezi zdroje živých dat můžeme počítat především systémy pro sběr a poskytování dopravních informací všech rozsahů. Nejvýznamnějším datovým zdrojem v ČR je Jednotný systém dopravních informací (JSDI). Jedná se o komplexní systémové prostředí pro sběr, zpracování, sdílení, distribuci a publikaci dopravních informací a dopravních dat o aktuální dopravní situaci a informací o pozemních komunikacích, jejich součástech a příslušenství. Centrálním technickým, technologickým, provozním i organizačním pracovištěm JSDI je Národní dopravní informační centrum (NDIC). NDIC je operační pracoviště, které 24 hodin denně sedm dní v týdnu zajišťuje sběr, zpracování, vyhodnocování, ověřování a autorizaci dopravních informací a dopravních dat (obr. 1). NDIC provozuje Ředitelství silnici a dálnic ČR. Součástí informačního systému NDIC je Datové distribuční rozhraní (DDR), jehož prostřednictvím je možno na základě přidělených přístupových práv distribuovat dopravní informace.

Dalším zdrojem aktuálních dat, konkrétně tedy dat o hustotě provozu, mohou být data od mobilních operátorů. Tento systém je běžně rozšířen v západní Evropě, avšak jeho aplikace do logistických systémů v rámci ČR zatím neproběhla. Jeho výhodou je poměrně velké pokrytí, i když je omezené spíše na komunikace s vyššími intenzitami. Získání těchto dat je navíc velmi nákladné a problematické z pohledu ochrany soukromí. Na území hlavního města Prahy probíhá v testovacím provozu on-line získávání dat ze systému FCD, respektive z flotily vozidel s GPS. Z nich jsou následně určeny stupně provozu na důležitých komunikacích. Tato data slouží jako doplňkový zdroj pro Řídicí systém HDŘÚ (hlavní dopravní řídicí ústředna) a je plánována i jejich distribuce prostřednictvím DDR NDIC.

Uzavírky a objížďky

Uzavírky a jejich objížďky tvoří významný zdroj informací, které mohou ovlivňovat optimalizační algoritmy (obr. 2). Jejich zdrojem jsou vydaná platná správní rozhodnutí, které vydávají silniční správní úřady v rámci celé ČR. Obsahují základní informace, o jaký typ omezení se jedná, například uzavírka úplná, nebo za provozu, kdy a kde bude dané omezení prováděno a kým. Velkou výhodou těchto dat je, že v současné době svým rozsahem pokrývají celé území ČR a jsou tvořena průběžně.

Obr. 2: I provozní údržba může znamenat komplikace na trase
Obr. 2: I provozní údržba může znamenat komplikace na trase

Plnění těchto dat je zajištěno v rámci Jednotného systému dopravních informací (JSDI) a předpokládá se i další podpora tvorby této datové sady ze strany legislativní, tj. schválení vyhlášky k Centrální evidenci pozemních komunikací. V síťové analýze potom mohou úplné uzavírky působit jako bariéry v síti, přes které se nedá projet, a v případě částečných uzavírek může být určeno navýšení cestovního času dle konkrétního typu.

Dopravní události

Jsou dalšími zdroji dat, do kterých se řadí:

  • informace o dopravních nehodách různých typů,
  • aktuální stupně provozu,
  • sjízdnost pozemních komunikací.

Dopravní události jsou evidované v rámci JSDI. Tato data lze následně použít při on-line plánování přepravy, v navigačních přístrojích, respektive operativním řízení dopravy. V případě dopravních nehod a sjízdnosti je obvyklé používat tyto události pouze jako upozornění, jež nemají přímo vliv na síťovou úlohu. Je totiž často problematické určit vliv konkrétní události na cestovní čas. Jinak je tomu v případě aktuálních stupňů provozu, u kterých lze stanovit vliv na cestovní čas (obr. 3). Jejich zdrojem jsou v systému JSDI automatické detektory, které však mají nevýhodu malého pokrytí. Dále lze získat informace o běžné provozní údržbě, nadměrné a nebezpečné přepravě, které v síti budou figurovat spíše jako upozornění. Všechny výše uvedené informace jsou distribuovány pomocí DDR poskytovanému v rámci JSDI. Při použití živých dat je ovšem potřeba počítat také s chybami měření a systémů pro poskytování dat a nepředvídatelnými situacemi. Hlavním problémem u živých dat je nekompletní pokrytí a roztříštěnost poskytovatelů. Spolehlivým a dostupným zdrojem je tak především JSDI.

Obr. 3: Rychlost dopravního proudu je ve špičce znatelně snížena
Obr. 3: Rychlost dopravního proudu je ve špičce znatelně snížena

Blíž realitě

Dynamická data mají výrazný vliv na přesnost výsledků plánování přepravy. Díky nim tak může být v analýze zohledněna například hustota dopravy v ranní a odpolední špičce a v návaznosti na ni prodloužen cestovní čas, nebo dokonce, pokud to nastavení dovolí, změněno vedení trasy. Výsledek se tak značně přiblíží realitě, jelikož čas k překonání některých úseků kolem osmé hodiny ranní a kolem poledne bývá rozdílný. Při použití dynamických dat dosáhneme reálnějších výsledků. Další úrovní zpřesnění je zahrnutí živých dat o událostech v síti, kde jsou z pohledu plánování a optimalizace rozvozu nejdůležitější informace o plánovaných uzavírkách a omezeních. Díky nim je možné upravit rozvozové plány, tedy například z důvodu uzavírky komunikace vozidlo vypravit dříve, aby zvládlo obsloužit konkrétního zákazníka ve smluvený čas.

V operativním plánování jsou zase neocenitelná aktuální data o stupni provozu a událostech na komunikacích. Je tak možné zvolit jinou trasu, která se problémům vyhne nebo zohlední aktuální podmínky do výsledků analýzy.

Filip Jung
Autor působí jako konzultant GIS ve společnosti Vars Brno. Poznatky a výsledky prezentované v článku vznikly v rámci výzkumného projektu TA01031537 – Parametrizace silniční sítě ČR a optimalizace logistických algoritmů pro routování za využití datových zdrojů agendových a inteligentních dopravních systémů s finanční podporou TA ČR.

Chcete získat časopis IT Systems s tímto a mnoha dalšími články z oblasti informačních systémů a řízení podnikové informatiky? Objednejte si předplatné nebo konkrétní vydání časopisu IT Systems z našeho archivu.