بررسی دقت دادههای شناسگرهای حلقهای در تقاطعهای چراغدار سازگار

نوع مقاله: مقاله پژوهشی

چکیده

چکیده: حلقههای مغناطیسی به صورت گسترده در بزرگراهها، خیابانها و تقـاطع هـای بسـیاری از کشـورها ی دنیـا استفاده میشود. این شناسگرها فناوری به اثبات رسیدهای برای شمارش محسوب میشوند؛ امـا خطاهـای احتمالی زیادی میتوانند کیفیت دادههای آن را کاهش دهند. آگاهی بهنگام از حجم دقیق ترافیک، امـری مهـم در سیستمهای سازگار کنترل تقاطع میباشد. تقاطع چراغدار سازگار، تقاطعی است که مجهز به دوربینهـای ترافیکی و حلقههای مغناطیسی برای شمارش وسایل نقلیه میباشد. زمانبندی چراغ راهنمایی با کمـک ایـن دادهها از طریق مرکز انجام میشود. هدف از این پژوهش، ارزیابی دقت دادههای شناسگرها در تقـاطع هـای مجهز به SCATS در مشهد است. نتایج این پژوهش، رابطهای سهمیگونـه بـین خ طـای شناسـگرها و حجـم ترافیک پیشنهاد میدهد، اما کالیبراسیون دقیق این نمودار، بستگی به شرایط متغیری دارد که از یک تقاطع به تقاطع دیگر و حتی در بعضی مواقع در یک تقاطع در ساعات مختلف تغییر میکند. همچنین اثر ترکیب ترافیک بر دقت دادههای شناسگرها مورد مطالعه قرار گرفت. افزون بر این در این مقاله برخی عوامل تأثیرگذار بـر خطای دادههای شناسگرها بیان شدهاند که بیشتر آنها از رفتار رانندگان ناشی میشوند.

کلیدواژه‌ها


مقدمه: طبق تعریف، کیفیـت داده هـا عبـارت اسـت از میزان تناسب داده ها با کلیۀ اهـداف مـورد نظـر . اندازهگیری کیفیت داده ها نیازمنـد درک درسـتی از اهداف است [1 .[پژوهشگران در دنیا جنبههای گوناگونی از کیفیت دادههای ترافیکی بهدستآمده از سیستمهای هوشمند حمل و نقـل را شناسـایی کردهاند. مطالعات پیشین معیارهـای انـدازه گیـری کیفیت دادهها را به صورت ذیل معرفی کردهاند: - دقـت: میـزان نزدیکـی دادههـای جمـعآوری شده به شرایط واقعی، - جامعیت: میزان کامل بودن دادهها، - اعتبــار: میــزان دادههــای عبــور کــرده از فیلترهای کنترل کیفیت، - به روز بودن: میزان به روز بودن دادهها، - پوشایی: درصد تقـاطع هـا یـا بزرگـراه هـای تحت پوشش شناسگرها، - قابلیت دسترسی: میزان دسترسی دادههـای طراحی شده برای جمعآوری، آگاهی بهنگام از حجم دقیق ترافیک امری مهـم در سیستمهای سـازگار کنتـرل تقـاطع مـی باشـد . SCATS یــک سیســتم کامــل ســخت افــزاری و نــرمافــزاری اســت بــا قابلیــت هماهنــگ ســازی زمانبندی تقاطعهای متعدد که سبب کاهش زمان سفر و مصرف سـوخت مـی گـردد . ایـن سیسـتم زمانبندی تقاطعهـا را بـرای پاسـخ بـه تقاضـای ترافیک بهینه میکند. SCATS عمدتاً با استفاده از شناسگرهای حلقهای مغناطیسی، حجم ترافیـک را اندازه گیری میکند [2 .[در نتیجه دقـت داده هـای SCATS به دقت شناسـگرها بسـتگی دارد . اخیـراً دقت دادههای SCATS در تقـاطع هـای مشـهد بـه دلیل نقص و خرابی حلقهها کاهش یافته است. این امر به دلیل نبـود آیـین نامـه و اسـتاندارد تـدوین شدهای جهت نصب یکسان حلقههـای مغناطیسـی در ایـران مـی باشـد . از آنجـایی کـه ملاحظـات و جزئیات فنی نصب این حلقهها با توجه بـه تجربـۀ کارگران و نحـوة کـار شـرکت های تولیـد کننـده و نصبکننده متفاوت است، این نواقص ممکن اسـت بر روی عملکرد سیستمهای کنترل ترافیـک تـأ ثیر بسزایی داشته باشند [3 .[ حلقههای مغناطیسی متداوتـرین وسـیله بـرای کنترل ترافیک است. هر چند سالها از کاربرد ایـن شناســگرها در سراســر دنیــا مــی گــذرد ، بحــث پیرامون تفسیر دادهها و نحوة کالیبراسیون آنهـا همچنان ادامه دارد. حلقههای مغناطیسـی توانـایی اندازهگیری حجم ترافیک عبوری در دورة زمـانی ثابت را دارند. برای هر خط از مسیر این پـارامتر اینگونه تعریف می شود: معادلۀ (1 ( T n q k k  qk کـه در آن جریـان عبـوری در نمونـۀ k ، nk تعداد وسایل نقلیۀ عبـوری از روی شناسـگر در نمونۀ k و T بازة زمانی نمونهبرداری است. دقت شناسگرها به عوامل زیادی بسـتگی دارد که عبارتند از: موقعیت وسیلۀ نقلیه در خط عبـور (lane ،(ارتفاع کف وسیله از سطح آسفالت، مقـدار فلـز موجـود در وسـیلۀ نقلیـه، خطاهـای فیزیکـی حلقه، خطاهای کنترلی یـا الگـوریت می و نقصـهای دار سازگار های چراغ ای در تقاطع های شناسگرهای حلقه بررسی دقت داده 75 ارتباطی [4 [و [5 .[مطالعات پیشین در دنیا نشان میدهند که بیشتر نقص دادههـا مربـوط بـه دقـت شناسگرها است [6 .[در این پژوهش رابطـۀ بـین درصد خطای شناسـگرها و حجـم ترافیـک مـورد بررسی قرار گرفته است. همچنین در این مقاله به مهمترین دلایل بروز خطا در دادههای شناسگرها در مشهد اشاره شده است. منطقۀ مورد مطالعه 58 تقـــاطع در مشـــهد مجهـــز بـــه SCATS میباشند که در هر یک تعدادی شناسـگر حلقـه ای جهت شمارش وسایل نقلیۀ عبوری از هر خیابـان نصـب شـده اسـت . همچنـین توسـط 56 دوربـین کنترل ترافیک که در سطح شـهر نصـب شـده انـد ، تصاویر بهنگام تقاطعها و خیابانها قابل دسترسی مــیباشــند. در ایــن پــژوهش، حجــم ترافیــک در تقاطعها به صورت دادههای دستهبنـدی شـده در هر 15 دقیقه که در آرشیو دادههای مرکز کنتـرل ترافیک مشهد ذخیره میشود، استفاده شده است. با توجـه بـه محـدودیت های نـرم افـزار موجـود در مرکز کنترل ترافیک، بازههای برداشت دادهها 15 دقیقـهای بــوده اســت. افـزون بــر ایــن، هــدف از زمانهای مختلف برای برداشـت داده هـا، پوشـش دادن حجمهـای مختلـف عبـوری از تقـاطع بـوده است، نه یک نقطه یا بازة زمانی خـاص . یـک امـر ضروری در این مطالعه انتخاب تقاطع هـایی بـود کـه دامنـۀ نسـبتاً گسـتردهای از حجـم ترافیـک را تجربـه مـیکننـد و همچنـین اینکـه امکـان ضـبط فیلمهای مربوطه توسط دوربینهای کنترل ترافیک وجود داشته باشد. برای این منظور 6 تقاطع ذیـل انتخاب شدند: 1 -تقاطع خیام – ملک آباد 2 -تقاطع مدرس – امام خمینی 3 -تقاطع سناباد – کلاهدوز 4 -تقاطع راهآهن 5 -تقاطع سجاد – بزرگمهر 6 -تقاطع دارایی مسیرهای مورد بررسـی در سـ ه دسـته قـرار داده شـدهانـد. دسـتۀ نخسـت دارای چهـار حلقـۀ مغناطیســی در عــرض مســیر بــوده، دســتۀ دوم دارای سه حلقۀ مغناطیسـی و دسـتۀ سـوم دارای دو حلقۀ مغناطیسی. همچنین یـک شـبا نه روز بـه چهار بازة زمـانی 6 سـاعتی تقسـیم شـده اسـت . همــان طــور کــه در جــدول (1 (مشــخص اســت، بیشترین بازههـای مـورد مطالعـه بـین سـاعت 6 صبح و 12 ظهر میباشد که بـر پایـۀ توضـیحات پیشین، ایـن امـر حامـل مع نـای خاصـی نبـوده و پژوهش انجام شده بر نقطه یا بازة زمانی خاصی تأکید ندارد. شایان توجه است در مسیرها، حجـم مجموع سنسورها ملاک عمل بوده است. ی ـ مهندس در طراحـی ات ـ اوری اطلاع ـ ه فن ـ مجل 76 جدول (1 :(پراکندگی بازههای مورد مطالعه تعدادکل تعداد بازه های مورد مطالعه در طول روز دسته 18-24 12-18 6-12 0 -6 34 2 3 28 1 حلقه چهار 27 3 1 22 1 حلقه سه 24 2 3 19 0 حلقه دو روششناسی پژوهش هـدف ایـن پــژوهش بررسـی دقـت دادههــای شناسگرهای نصب شده برای تقاطع هـای مجهـز به SCATS در مشهد می باشد. برای این منظـور مسیرهای انتخاب شده در مطالعـه بـه مسـیرهای دو، سـه و چهارخطـه کـه در هـر خـط یـک حلقـه نصب شـده اسـت ، تقسـیم بنـدی شـد ند. گـزارش حجم ترافیک هر مسیر مـورد مطالعـه و همچنـین فیلم مربـوط بـه هریـک در بـازه هـای زمـانی 15 دقیقهای ذخیره شده و دو نفر بـا بـازبینی فیلم هـا تعداد واقعی وسـایل نقلیـۀ عبـوری را بـ ه تفکیـک سواری، وسیلۀ سنگین، موتـور و دوچرخـه پیـ دا کردند. نمونههایی از گزارش نمـوداری و جـدولی حجم ترافیک و تصویری از فیلم ذخیـره شـده بـه ترتیب در شکلهای (1 (و (2 (نشان داده شدهانـد . محور افقی گـراف نماینـدة زمـان بـا فواصـل 15 دقیقه در طول یک شبانهروز بوده و محـور قـائم تعداد وسیلۀ نقلیۀ عبوری در بازههای 15 دقیقهای میباشد. همچنین هریک از چهار منحنـی مربـوط به یک راه از چهارراه خواهد بود. جـدول نمـایش داده شده نیز تعداد وسـیلۀ نقلیـۀ عبـوری در هـر بازة 15 دقیقهای را گزارش میدهد. همانگونه که آشکار است، تاریخ، زمان، مکان، مسیر و همچنین حجـم عبـوری سـاعتی نیـز گـزارش شـده اسـت. ارزیابی دقت دادههای شناسگرها با مقایسـۀ بـین تعداد شمارش شده بهوسیلۀ آنها و تعـداد واقعـی وسایل نقلیۀ عبوری انجام شد. افزون بر این برای هر دسته مسیر با تعـداد حلقـه هـای مشـخص بـه رابطــۀ بــین نســبت خطــای شناســگرها و حجــم ترافیک نیز پرداخته شد. نسـبت خطـا بـه صـورت ذیل تعریف میشود: معادلۀ (2 ( A S A q q q e   A که در آن q حجـم ترافیـک واقعـی بـه دسـت S آمده از بازبینی فیلمهای ذخیره شده بـوده و q حجــم ترافیــک گــزارش شــده توســط SCATS S A میباشد. هنگامی که q  q باشد، نسبت خطـا مثبت است؛ به این معنا که حجم ترافیک واقعـی از حجــم گــزارش شــدة شناســگرها کمتــر بــوده و qS  qA باشد، نسبت خطـا منفـی اسـت؛ چنانچه بـه ایـن معنـا کـه حجـم ترافیـک واقعـی از حجـم گزارش شدة شناسگرها بیشتر است. دار سازگار های چراغ ای در تقاطع های شناسگرهای حلقه بررسی دقت داده 77 شکل (1 :(گزارش حجم ترافیک برای تقاطع خیام - ملکآباد شکل (2 :(نمای دوربین تقاطع سجاد – بزرگمهر آنالیز داده ها رابطــۀ حجــم ترافیــک بــا نســبت خطــای شناسگرها رابطۀ نسبت خطـای داده هـای شناسـگرها بـا حجم ترافیک برای مسیرهای چهارخطه در شـکل (3 (نمایش داده شده است. نمودار خطا-حجم را می توان به سه بخش تقسیم کرد. درصد خطا در حجم ترافیک کم، مثلاً هنگـام نیمهشب، مثبت و بسیار زیاد بوده؛ به این معنا که حجم ترافیک واقعی خیلی کمتر از تعـداد گـزارش شده است. در بخش نخست رفته رفته با افـزایش حجم، درصد خطا کاهش مییابد تا اینکه به صـفر برسد. نقطۀ خطای صفر به عوامل زیادی بسـتگی دارد، ازجمله طرح هندسی تقاطع، رفتار راننـدگان و بویژه این که آیا رانندگان به نگه داشتن وسـیلۀ نقلیه بین خطوط توجه دارنـد یـا خیـر . مشـاهدات نشان میدهند بیشتر رانندگان ایرانی به این مورد تــوجهی ندارنــد و پــی درپــی تغییــر خــط داده و پیوسته دو خط مجـاور را اشـغال مـی کننـد . ایـن عامل اخیر را که سبب مـی شـود شناسـگرها یـک وسیله را دو بار بشمارند به عنوان عامـل خطـای مثبت یاد خواهیم کرد. ی ـ مهندس در طراحـی ات ـ اوری اطلاع ـ ه فن ـ مجل 78 Azadi approach Malek Abad - Khayyam intersection -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0 500 1000 1500 Volume (veh/15min) Error Bahar approach Sajjad - Bozorgmehr intersection -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0 500 1000 1500 Volume (veh/15min) Error Abdolmotaleb approach Rah Ahan intersection -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0 500 1000 1500 Volume (veh/15min) Error Sanabad approach Sanabad - Kolahdooz intersection -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0 500 1000 1500 Volume (veh/15min) Error شکل (3 :(رابطۀ نسبت خطای دادههای شناسگرها با حجم ترافیک برای مسیرهای چهارخطه در بخش دوم نمودار، درصد خطا منفی بـوده و از نظر قدر مطلق افزایش مییابد؛ به این معنا که شناســـگرها تعـــدادی کمتـــر از تعـــداد واقعـــی میشمارند. شناسگرها از تفکیک وسـایل نقلیـه ای که نزدیک به هم و بدون سرفاصلۀ عبوری زمانی کافی گذر میکنند ناتوانند برپایـۀ پـژوهش انجـام شده، این مورد به عنوان رایجترین عامـل خطـای منفی شناسایی شده است. در حجمهای بیشتر به دلیـل تعـداد زیـاد وسـایل نقلیـۀ عبـوری دوبـاره درصد خطا از نظر قدر مطلق کاهش یافته است و بخش سوم نمودار را نمایان میسازد. رابطــۀ نســبت خطــا بــا حجــم ترافیــک بــرای مسیرهای سهخطه در شکل (4 (نمایش داده شـده است. در این دسته مسـیر مـورد مطالعـه بیشـتر اوقات حجم ترافیـک از 500 وسـیله در 15 دقیقـه فراتر نمیرود. بنابراین تنها بخشـ های اول و دوم نمودار خطا-حجم پدیدار میشوند. همانگونه کـه نمایان است با افزایش حجم درصد خطـای مثبـت کاهش یافته تا این که به صفر برسد و سپس ایـن روند به افزایش درصد خطای منفی تغییر میکند. دار سازگار های چراغ ای در تقاطع های شناسگرهای حلقه بررسی دقت داده 79 Daraie approach Emam - Modarres intersection -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0 500 1000 1500 Volume (veh/15min) Error Khayyam approach Malek Abad - Khayyam intersection -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0 500 1000 1500 Volume (veh/15min) Error Khosravi approach Emam - Modares intersection -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0 500 1000 1500 Volume (veh/15min) Error شکل (4 :(رابطۀ نسبت خطا با حجم ترافیک برای مسیرهای سهخطه رابطــۀ نســبت خطــا بــا حجــم ترافیــک بــرای مسیرهای دوخطه در شکل (5 (نمـایش داده شـده است. بیشتر اوقات حجم ترافیک ایـن مسـیرها از مسیرهایی با بیش از دو خط کمتر اسـت . در ایـن دسته مسیر با افزایش حجم ترافیک درصد خطای مثبــت کــاهش یافتــه و بــه خطــای منفــی تبــدیل میشود. هرچند انتظار میرود که بـه دلیـل حجـم ترافیک کم، خطاها مثبت باشند. مشاهدات نشان میدهند که در صورت نبودن یا کمرنگ بودن خطکشیها و نشانهای سطح راه، رانندگان نمیتوانند وسیله را در مسیر مناسـب و یا بین خطوط هدایت کننـد . بنـابراین چنانچـه ایـن خطکشیها هرچند وقت یـک بـار پررنـگ شـده و رانندگان نیز تشویق یا مجبـور بـه راننـدگی بـین خطـوط شـوند، انتظـار مـیرود کـه نسـبت خطـا کاهش یابد. ی ـ مهندس در طراحـی ات ـ اوری اطلاع ـ ه فن ـ مجل 80 Emam approach Daraie intersection -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0 500 1000 1500 Volume (veh/15min) Error South Bozorgmehr approach Sajjad - Bozorgmehr intersection -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0 500 1000 1500 Volume (veh/15min) Error شکل (5 :(رابطهی نسبت خطا با حجم ترافیک برای مسیرهای دوخطه اثر ترکیب ترافیک ترکیب ترافیک بهصورت نسبت وسـایل نقلیـۀ ســنگین بــه کــل وســایل نقلیــۀ عبــوری تعریــف میشود. درصد وسایل نقلیۀ سنگین نه تنها بـرای برنامهریزیهای گوناگون بزرگراههـا، طراحـی و آنالیزهای سیاسـتگذاری مهـم اسـت ؛ بلکـه بـرای آنالیز ظرفیت و تعیین سطح سرویس تقـاطع هـای با چراغ نیز اهمیت مییابد. در این پژوهش تـلاش شد تا رابطۀ درصد وسایل نقلیـۀ سـنگین، شـامل کـامیون و اتوبـوس، بـا نسـبت خطـای دادههـای شناســـگرها در صـــورت وجـــود پیـــدا شـــود . نمودارهای خطـا برحسـب درصـد وسـایل نقلیـۀ سنگین برای هـر دسـته مسـیر مـورد مطالعـه در شکل (6 (نشان داده شدهاند. نتایج نشان می دهند که ترکیب ترافیک بـر دقـت داده هـای شناسـگرها اثرگـذار اسـت . بـا افـزایش درصـد وسـایل نقلیـۀ سنگین رفتهرفته عامل خطای منفی جـای خـود را به عامل خطای مثبت میدهد. اگر درصـد وسـایل نقلیۀ سنگین، خیلی کم باشـد ، درصـد خطـا منفـی است؛ به این معنا که شناسگرها تعـدادی کمتـر از تعداد واقعی وسایل گـذر کرده را مـی شـمارند؛ در حالی که اگر درصـد وسـایل نقلیـۀ سـنگین زیـاد باشد، درصد خطا مثبـت بـوده، بـه ایـن معنـا کـه شناسگرها تعدادی بیشتر از تعداد واقعی وسـایل گذرکرده را خواهند شمرد. دار سازگار های چراغ ای در تقاطع های شناسگرهای حلقه بررسی دقت داده 81 4 Loop Detectors -0.60 -0.30 0.00 0.30 0.60 0 10 20 30 Heavy Vehicle Percentage Error 3 Loop Detectors -0.60 -0.30 0.00 0.30 0.60 0 10 20 30 Heavy Vehicle Percentage Error 2 Loop Detectors -0.60 -0.30 0.00 0.30 0.60 0 10 20 30 Heavy Vehicle Percentage Error شکل (6 :(نمودارهای خطا برحسب درصد وسایل نقلیۀ سنگین برای هر دسته مسیر مورد مطالعه نتایج در شکل (7 (صورت کلی نمـودار خطـا -حجـم بــرای شناســگرهای حلقــه ای نصــب شــده در تقاطعهای چراغدار با جریان ترافیک قطـع شـونده به تصویر کشیده شده است. این نمودار از دیدگاه تئوری به صورت یک سهمی پیشـنهاد مـی شـود . شکل دقیق ریاضی آن برای ارائۀ بهترین توصیف از ایــن رابطــه ممکــن اســت از یــک موقعیــت بــه موقعیت دیگر تغییـر کنـد و همچنـین بـا آزمـودن شـکلهـای گونـاگون و بـهکـاربردن شـیوههـای استاندارد برازش دادهها تعیین شود. Hypothetical Relationship -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0 500 1000 1500 Volume (veh/15min) Error شکل (7 :(رابطۀ تئوری بین حجم ترافیک و نسبت خطا در حجم ترافیک خیلی کم، درصد خطا مثبت و زیاد بوده، به این معنا که حجم ترافیـک واقعـی از حجم گزارش شدهی شناسـگرها کمتـر اسـت . بـا افـزایش حجـم درصــد خطـای مثبــت رفتـهرفتــه کاهش می یابد تـا این کـه بـه صـفر برسـد . سـپس درصد خطای منفی افزایش مییابد تا بـه بیشـینه خطای منفی که نقطه مینیمم منحنـی اسـت برسـد . در حجم ترافیک زیاد به دلیل تعداد زیـاد وسـایل ی ـ مهندس طراحـی در ات ـ اوری اطلاع ـ ه فن ـ مجل 82 نقلیـۀ عبـوری و امکـان کـم رخـداد خطـا درصـد خطای منفی کاهش مییابد. رابطۀ تعداد حلقههـا و نسبت خطا و همچنین اثر طرح هندسی تقـاطع بـه دلیل محـدودیت های مطالعـه مـورد بررسـی قـرار نگرفتند؛ بنابراین نیازمند پژوهش و مطالعۀ بیشتر میباشند. افزون بر این، نتایج نشان میدهند کـه ترکیـب ترافیک بر دقت دادههای شناسگرهای حلقـه ای در تقاطعهای مجهـز بـه SCATS اثرگـذار اسـت . بـا افزایش درصد وسـایل نقلیـۀ سـنگین ، رفتـه رفتـه عامل خطای منفی جای خـود را بـه عامـل خطـای مثبت میدهد. اگـر درصـد وسـایل نقلیـۀ سـنگین خیلی کم باشد، شناسگرها تعداد کمتری نسبت به تعداد واقعی گذرکرده شناسایی میکنند که بیانگر خطای منفی است؛ در حالی که اگر درصد وسـایل نقلیــهی ســنگین زیــاد باشــد ، شناســگرها تعــداد بیشــتری نســبت بــه تعــداد واقعــی گــذرکرده میشمارند. اثر موتورسیکلت و دوچرخه همچنان نیازمند مطالعات بیشتر است. محدودیتهای مطالعات پارهای از مهمترین محدودیتهای این مطالعه بود کـه نمونۀ مورد مطالعه از گسـتردگی و پوشـایی کامـل برخــوردار نبــود. شناســگرها کــالیبره نبودنــد، حساسیت حلقهها بهدرستی مشخص نبود و راهنمـا و دستورالعمل استانداردی برای نصب یکنواخـت و ســازگار حلقــههــا در دســترس قــرار نداشــ ت. از آنجاییکه این پژوهش به مطالعـۀ مـوردی در شـهر مشهد پرداخته، بدیهی است کـه ایـن امـر ، جزیـی از خطـای ایـن سیسـتم در شـهر مشـهد خواهـد بـود . افزون بر این، امکان ذخیرة فیلمها به مـدت طـولانی، مثلاً بیش از سـه سـاعت، بـه دلیـل کمبـود ظرفیـت حافظهها وجود نداشت. از همه مهم تر اندازة نمونـه و مقادیر ناکافی حجم ترافیـک در مسـیرهای مـورد مطالعه مـانع از بـ ه تصـویر کشـیدن منحنـی کامـل رابطۀ خطا- حجم میشد.

1. Turner, S., “Defining and Measuring Traffic Data Quality, Texas Transportation Institute Cambridge Systematics Inc”, 2002. 2. Traffic Management – SCATS, “SCATS brochure, TYCO Integrated Systems”, 2001, Available at www.tycointegratedsystems.com.au. 3. Lee, S.H., Lee, S. and Oh, Y., “New Loop Detectors Installation Guidelines for Real-Time Adaptive Signal Control System”, Journal of the Eastern Asia Society for Transportation Studies, Vol. 6, pp. 2337 - 2348, 2005. 4. Coifman, B., “Improved Data Measurement Using Existing Loop Detectors”, Institute of Transportation Studies, University of California at Berkeley, UCB-ITS-WP-99-4, 1999. 5. Bertini, R., Tufte, K. and Matthews, S., “Including Systematic Evaluation of Inductive Loop Detector Data Quality in an Archived Data User Service”, North American Travel Monitoring Exhibition & Conference, Minneapolis, Minnesota, 2006. 6. Bertini, R., Hansen, S., Matthews, S. and Delcambre, A., “PORTAL: Implementing a New Generation Archived Data User Service in Portland”, Oregon, Portland State University, 2005.