root/applications/doprava/texty/novotny_vyzk_LQ/Results/Results.tex.backup @ 1434

\def \obr {Results/fig/}

\chapter{Výsledky} 

Použitá metoda byla testována na mikrosimulátoru dopravy AIMSUN v 
oblasti Praha - Zličín na dvou scénářích s konstantní 
hustotou provozu a jednom scénáři reálným. Referenční výsledky
byly získány testováním těchto scénářů na konstantní
délce cyklu o hodnotě $80 s$, která je v modelové oblasti skutečně používána.

\section{Scénář 1}
První testovaný konstantní scénář má menší intenzitu provozu a při měření 
s různými konstantními délkami cyklu se ukazuje, že referenční hodnota $80 s$
je více méně optimální. Jak ukazuje následující graf, algoritmus osciluje okolo těchto hodnot až
na moment kolem padesáté minuty, kdy reaguje na prudké zvýšení front, jak ukazuje další graf.


\begin{figure}[H]
\begin{center}
    {\includegraphics[width=12cm]{\obr tc_01_007.eps}}
    \caption{Průběh délky cyklu}\label{fig:tc_01_007}
\end{center}
\end{figure}

\begin{figure}[H]
\begin{center}
    {\includegraphics[width=12cm]{\obr qsum_01_007.eps}}
    \caption{Průběh součtu délek front}\label{fig:qsum_01_007}
\end{center}
\end{figure}

Tento nárůst front kolem padesáté minuty se projevil negativně na vývoji dopravy, jak ukazují následující
dva grafy porovnávající počty zastavení a průměrnou dobu jízdy s referenční délkou cyklu $80s$.

\begin{figure}[H]
\begin{center}
    {\includegraphics[width=14cm]{\obr 01/a_numStops.eps}}
    \caption{Počet zastavení}\label{fig:01ns}
\end{center}
\end{figure}

\begin{figure}[H]
\begin{center}
    {\includegraphics[width=14cm]{\obr 01/a_travelTimeAvg.eps}}
    \caption{Průměrná doba jízdy}\label{fig:01tt}
\end{center}
\end{figure}

\section{Scénář 2}
Tento scénář je oproti předchozímu nastaven na generování provozu
s daleko větší hustotou s tendecemi k dopravním zácpám.
Prudký nárůst hustoty prpovozu a reakce systému zvýšením
délky cyklu k maximální hodnotě je vidět na následujících dvou grafech.

\begin{figure}[H]
\begin{center}
    {\includegraphics[width=12cm]{\obr tc_02_007.eps}}
    \caption{Průběh délky cyklu}\label{fig:tc_02_007}
\end{center}
\end{figure}

\begin{figure}[H]
\begin{center}
    {\includegraphics[width=12cm]{\obr qsum_02_007.eps}}
    \caption{Průběh součtu délek front}\label{fig:qsum_02_007}
\end{center}
\end{figure}

Toto nastavení délky cyklu se projevuje velice pozitivně a dochází k poklesu
počtu zastavení a průměrného zpoždění ooproti referenční pevné hodnotě $80s$,
jak je vidět na dalších dvou grafech.

\begin{figure}[H]
\begin{center}
    {\includegraphics[width=14cm]{\obr 02/a_numStops.eps}}
    \caption{Počet zastavení}\label{fig:02ns}
\end{center}
\end{figure}

\begin{figure}[H]
\begin{center}
    {\includegraphics[width=14cm]{\obr 02/a_delayTimeAvg.eps}}
    \caption{Průměrné zpoždění}\label{fig:02tt}
\end{center}
\end{figure}

\section{Reálný scénář}
Tento scénář zaznamenává skutečnou intenzitu dopravy v průběhu 24 hodin v simulované
oblasti. Intenzita se zde mění od velmi nízké v brzkých raních a pozdních nočníc hodinách,
až po velmi intenzivní v době dopravní špičky, přesahující konstantní scénář 1. Z grafů níže je zřetelné, že
algoritmus vylepšuje 

% \begin{figure}[H]
% \begin{center}
%     {\includegraphics[width=12cm]{\obr tc_r_007.eps}}
%     \caption{Průběh délky cyklu}\label{fig:tc_02_007}
% \end{center}
% \end{figure}
% 
% \begin{figure}[H]
% \begin{center}
%     {\includegraphics[width=12cm]{\obr qsum_r_007.eps}}
%     \caption{Průběh součtu délek front}\label{fig:qsum_02_007}
% \end{center}
% \end{figure}

\begin{figure}[H]
\begin{center}
    {\includegraphics[width=14cm]{\obr real/a_delayTimeAvg.eps}}
    \caption{Průměrné zpoždění}\label{fig:02tt}
\end{center}
\end{figure}