1 Principy simulace Definice Koncepce tvorby modelů Obecné charakteristiky.

Slides:



Advertisements
Podobné prezentace
Matematické modelování a operační výzkum
Advertisements

Dynamické systémy.
Projektové řízení Modul č.1.
Přednáška č. 3 Normalizace dat, Datová a funkční analýza
Prezentace společnosti B&C Dopravní systémy s.r.o. Společnost se zabývá aplikováním sofistikovaných metod využitelných pro poznávání, řízení a regulaci.
Úvod Klasifikace disciplín operačního výzkumu
Doporučená literatura: *HUŠEK, R., LAUBER, J.: Simulační modely.. SNTL/Alfa Praha,1987. * NEUSCH L, S. A KOLEKTIV: Modelovanie a simulacia.. SNTL Praha,
Systémy hromadné obsluhy
ENVIRONMENTÁLNÍ INFORMATIKA A REPORTING
Kalmanuv filtr pro zpracování signálů a navigaci
ROZHODOVACÍ PROCESY PRO VÍCECESTNÉ TELEMATICKÉ APLIKACE Filip Ekl
IS V EKONOMICKÝCH SUBJEKTECH Ing. Jiří Šilhán. IS IS – data+lidi+HW, prvky + relace mezi uživateli, které splňují nějaké cílové chování – tak aby byly.
Zkoušení mechanických soustav
Metody psychologie PhDr. Eva Tomešová, PhD.. Jak psychologové dospějí k závěrům o neznámém?  Používají VĚDECKOU METODU: IDENTIFIKACE VĚDECKÉ OTÁZKY FORMULACE.
Metody zkoumání ekonomických jevů
Lekce 13 Počítačový experiment a jeho místo ve fyzice a chemii Osnova 1. Počítačový experiment 2. Srovnání s reálným experimentem 3. Výhody počítačového.
Regresní analýza a korelační analýza
Adéla Masopustová Alena Seifrtová Lukáš Hůla
ÚČEL AUTOMATIZACE (c) Tralvex Yeap. All Rights Reserved.
FYZIKA VÝZNAM FYZIKY METODY FYZIKY.
LOGISTICKÉ SYSTÉMY 4/14.
Ing. Lukáš OTTE kancelář: A909 telefon: 3840
TYPY MODELŮ FYZIKÁLNÍ MATEMATICKÉ ANALYTICKÉ NUMERICKÉ.
Laboratorní model „Kulička na ploše“ 1. Analytická identifikace modelu „Kulička na ploše“ 2. Program „Flash MX 2004“ Výhody/Nevýhody Program „kulnapl.swf“
Richard Lipka Katedra informatiky a výpočetní techniky Fakulta aplikovaných věd Západočeská univerzita, Plzeň 1.
Systém rizikové analýzy při statickém návrhu podzemního díla Jan Pruška.
Modelování a simulace MAS_02
Možnosti modelování požadavků na informační systém
Institut ekonomiky a systému řízení Oddělení GIS
LOGISTICKÉ SYSTÉMY /14.
UNIVERZITA TOMÁŠE BATI VE ZLÍNĚ Fakulta technologická Institut informačních technologií Ústav teorie řízení Ing. Petr Chalupa Školitel: prof. Ing. Vladimír.
Ekonomické modelování Analýza podnikových procesů Statistická simulace je vhodný nástroj pro analýzu stochastických podnikových procesů (výrobní, obchodní,
Technická diagnostika "dia-gnozis" - "skrze poznání" Zkoumá technické objekty za účelem posouzení jejich technického stavu, tj. schopnosti vykonávat určenou.
Databázové modelování
Měření účinnosti převodovky
B i o c y b e r n e t i c s G r o u p Vztah výpočetní techniky a biomedicíny  počítač - nástroj pro vývoj nových přístrojů  počítač - součást přístrojových.
SIGNÁLY A SOUSTAVY V MATEMATICKÉ BIOLOGII
Pohled z ptačí perspektivy
Karel Vlček, Modelování a simulace Karel Vlček,
Přesnost a spolehlivost v účelových sítích Bc. Jindřich Poledňák.
Rozhodovací proces, podpory rozhodovacích procesů
Inovace je změna daného stavu a lze ji aplikovat ve všech směrech lidských aktivit. Tyto změny mají sedm řádů, sedm faktorů a sedm zdrojů. Inovační proces.
Metrologie   Přednáška č. 5 Nejistoty měření.
ŘÍZENÍ DOPRAVY POMOCÍ SW AGENTŮ Richard Lipka, DSS
S CENARIO - BASED METHODOLOGY FOR COMPARISON OF THE SOFTWARE TRAFFIC CONTROL AGENTS Seminář DSS – Richard Lipka.
Alternativy k evolučním optimalizačním algoritmům Porovnání genetických algoritmů a některých tradičních stochastických optimalizačních přístupů David.
Monte Carlo simulace Experimentální fyzika I/3. Princip metody Problémy které nelze řešit analyticky je možné modelovat na základě statistického chování.
Optimalizace versus simulace 8.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Workshop pro výzkumné pracovníky 16. – , Brno Rozvoj moderních dopravních inteligentních systémů Ing. Petr Holcner, Ph.D. Mikroskopický model.
METODY STŘEDNĚDOBÉHO PROGNÓZOVÁNÍ SURO jaro 2010.
Měřické chyby – nejistoty měření –. Zkoumané (měřené) předměty či jevy nazýváme objekty Na každém objektu je nutno definovat jeho znaky. Mnoho znaků má.
Úvod do kybernetiky Kybernetika se zabývá dynamikou komplexních soustav z hlediska řízení procesů, které v nich probíhají. Řízení je společný název pro.
Procesní řízení v českých zdravotnických zařízeních Klára Antlová, Michal Tvrzník.
Číslo projektuCZ.1.07/1.5.00/ Název školyGymnázium, Soběslav, Dr. Edvarda Beneše 449/II Kód materiáluVY_32_INOVACE_32_15 Název materiáluObsah, rozdělení.
Praha & EU: Investujeme do vaší budoucnosti Evropský sociální fond Gymnázium, Praha 10, Voděradská 2 Projekt OBZORY Robotika 3.
Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Simulační modely dopravního proudu Předmět: Teorie dopravy Ing. František Lachnit, Ph.D.
Téma 13: Finanční plánování
Dopravní plánování s mikrosimulačním softwarem S-Paramics Jiří Paukrt SIAS Limited.
Identifikace modelu Tvorba matematického modelu Kateřina Růžičková.
Ověření modelů a modelování Kateřina Růžičková. Posouzení kvality modelu Ověření (verifikace) ● kvalitativní hodnocení správnosti modelu ● zda model přijatelně.
Vzorový příklad výpočtu křižovatky se SSZ
Vnější a vnitřní kontrola
Základní pojmy v automatizační technice
Projekt - K620 Řízení a modelování silniční dopravy
2018/6/10 Počítačový model Kateřina Růžičková.
Management a řízení hotelu
Ing. Milan Houška KOSA PEF ČZU v Praze
Název: Chyby měření Autor: Petr Hart, DiS.
Plánování přesnosti měření v IG Úvod – základní nástroje TCHAVP
Jízdní stabilita silničních automobilů.
Transkript prezentace:

1 Principy simulace Definice Koncepce tvorby modelů Obecné charakteristiky

2 Jak je možné stanovit dopravní účinky nějakého opatření? Ptát se lidí (stated preference) Pozorovat lidi (revealed preference) Matematické modely  Umožňují analyzovat jeden aspekt s tím, že všechny ostatní parametry se nemění

3 Systém a model Systém  Část prostředí, kterou lze od jeho okolí oddělit fyzickou nebo myšlenkovou hranicí  Skládá se z podsystémů, vzájemně spojených součástí Model  Zjednodušený, abstraktní nástroj používaný pro predikci chování modelovaných systémů Modelování  Obecná metoda společná všem vědám  Cílevědomá činnost sloužící k získávání poznatků  Platné zjednodušení z hlediska daného záměru Platné = zachovává podstatné rysy S vstupyvýstupy

4 Příklady systémů V podstatě jakákoli část reálného světa Mnoho různých pohledů či měřítek  Podnik (z ekonomického hlediska)  Oblast města (z dopravního hlediska)  Křižovatky  Vozidlo  Tlumení u osobního auta  Řidič

5 Funkce modelů Zjednodušení reality Nástroj myšlení (např. konečný automat – minimalizace vnitřních stavů) Prostředek ke komunikaci (odborné časopisy) Nástroj výuky – trenažéry Prostředek předvídání a experimentů  Analýza, řízení, identifikace, syntéza  Jak se bude systém chovat při změně určitých podmínek? Jaká bude doba jízdy mezi Smíchovem a Florencí za 10 let?

6 Příklad: Matematický model elektromotoru u i M ω SystémMatematický model

7 Rozdělení modelů Fyzikální Příklad: maketa letadla v aerodynamickém tunelu Matematické  Analytické Příklad: Ohmův zákon, diferenciální rovnice )  Simulační – numerické Nástroj hrubé síly Pro komplexní systémy

8 Definice simulace Numerická technika pro provádění experimentů na počítači Replikování skutečných systémů na počítači, z důvodů experimentálních či pro testování různých alternativ Používá se pro analýzu komplexních systémů

9 Rozdělení simulačních modelů Časově řízené x Událostně řízené Mikroskopické x Makroskopické Deterministické x Stochastické

10 Druh řízení modelu Časově řízené  Pevně daný krok (např. 1sec)  V každém kroku se přepočítají parametry Událostně řízené  Při každé události dojde k přepočítání parametrů  Událost Dojetí vozidla Změna signálu na SSZ Odbočení vozidla …

11 Makroskopické modely Popisují celkové chování v oblasti Jedná se o agregované (celkové, součtové, …) chování Nemohou být využity pro složité analýzy (například vliv ITS na chování řidičů, vliv dopravních nehod na stav dopravy apod.) Příklad: dopravní úsek je popsán veličinami intenzita a hustota a vztahy mezi nimi

12 Deterministický, makroskopický model

13 Mikroskopické modely Popisují pohyb a chování jednotlivých vozidel a interakce mezi nimi Využívají jednoduchých principů Lane changing behavior (přejezd z pruhu do pruhu) Car following model (následování vozidel) Gap acceptance model (vjezd na hlavní silnici, předjíždění) Výstupem je chování jednotlivých vozidel, ale i celkový stav v síti  Přehled o všech úrovních v oblasti

14 Deterministické modely  Exaktně popisují danou situaci (například rovnicí)  Příklad: makroskopický model křižovatky

15 Stochastické modely Vztahy mezi vozidly a jejich chování nejsou vyjádřeny exaktně Při každém běhu dostaneme jiný výsledek  Odpovídá reálné dopravní situaci => realistické Každý výsledek jednoho běhu stochastického simulačního modelu musí být považován za jedno pozorování statistického experimentu !

16 Normální rozdělení – doba jízdy

17 Kolik běhů potřebuji? Jedná se o iterativní proces  std - standardní odchylka získaná ze vzorku  d – požadovaná přesnost  α – hladina významnosti  - kritická hodnota normálního rozdělení Příklad:  α = 0.05 (5%)  d = 0.01 (1%)  std = 0.15  = 1.96  n = 5.46 ~ 6

18 Kolik běhů potřebuji? Měření je třeba opakovat s různým random number seed!

19 Proč použít simulaci v dopravě? Předpoklady  Jedná se o komplexní systém  Náhodné chování  Neexistují analytické metody  Experimentování se skutečným systémem není možné (bezpečnost,cena, …) Cíle  Můžeme sledovat vliv řídících algoritmů  Minimalizujeme rizika nevhodné investice  Snadné modifikace dopravního návrhu

20 Otázky na které simulace může odpovědět (příklady) Bude stávající dopravní síť stačit dopravním požadavkům za 15 let? Jak se změní dopravní situace při výstavbě nového nákupního střediska? Který z řady navržených dopravních řešení implementovat? …

21 Příští hodina Traffic Analysis Tools Postup při návrhu simulačních modelů