Zintegrowana symulacja ruchu drogowego i emisji zanieczyszczeń I. Jednolita klasyfikacja modeli ruchu i emisji

Wielkość: px
Rozpocząć pokaz od strony:

Download "Zintegrowana symulacja ruchu drogowego i emisji zanieczyszczeń I. Jednolita klasyfikacja modeli ruchu i emisji"

Transkrypt

1 MACIEJEWSKI Marek 1 MACIEJEWSKI Michał 2 Zintegrowana symulacja ruchu drogowego i emisji zanieczyszczeń I. Jednolita klasyfikacja modeli ruchu i emisji WSTĘP Ruch drogowy jest głównym źródłem skażenia atmosfery i gruntów na terenach zurbanizowanych i wokół szlaków komunikacyjnych. W ogólności jest to skutkiem rozwoju technologicznego, wzrostu zamożności społeczeństwa i jego aktywności, a konkretnie istotnego zwiększenia liczby środków transportu przy nieadekwatnym rozwoju infrastruktury komunikacyjnej. Dokładają się do tego również błędy dotychczasowej polityki komunikacyjnej, zarówno w aspekcie globalnym, jak i na poziomie lokalnym. Pojazdy samochodowe emitując do atmosfery ogromne ilości różnego rodzaju substancji, organicznych i nieorganicznych, wpływają bezpośrednio negatywnie na zdrowie mieszkańców i stan środowiska naturalnego. Przeciwdziałanie tej sytuacji wymaga poszukiwania rozwiązań, które nie tylko spowodują lepsze wykorzystanie istniejącej infrastruktury komunikacyjnej, ale pozwolą również na tańszy i bardziej ekologiczny dalszy rozwój transportu. Warunkiem znalezienia lepszych rozwiązań jest jednak zawsze kompleksowa analiza istniejącego stanu w zakresie warunków ruchu drogowego i zanieczyszczeń motoryzacyjnych. Ponieważ raczej niemożliwe jest eksperymentalne (w warunkach rzeczywistych) odtwarzanie i badanie zachowania się systemu transportowego poddawanego licznym i różnorodnym formom oddziaływań, opracowuje się i rozwija różne modele matematyczne, których celem jest przybliżone opisanie rzeczywistych zjawisk związanych z transportem. Pragnąc w tej sytuacji określić rodzaj, wielkość i rozkład przestrzenno-czasowy zanieczyszczeń motoryzacyjnych, należy dysponować wiarygodnymi modelami ruchu i modelami emisji. Modeli jest wiele, kwestią jest natomiast ich adekwatne sprzężenie, tj. takie ich dopasowanie, które umożliwi bezstratną (w sensie wymiany informacji), dokładną, efektywną i bezproblemową współpracę. Aby zagwarantować właściwe powiązanie obu rodzajów modeli, konieczne jest wcześniejsze sporządzenie ich jednolitej klasyfikacji. Cel ten zamierzano zrealizować poprzez odpowiednie, równoważne zdefiniowanie klas dla modeli ruchu i dla modeli emisji, według poziomu szczegółowości ich opracowania, tj. stopnia agregacji opisu wyrażonego rodzajem i liczbą zastosowanych do tego celu parametrów. Wyodrębniając poszczególne klasy modeli emisji i ruchu, wskazano również cechy i specyfikę tych klas, a także ich przeznaczenie. 1. MODELE RUCHU DROGOWEGO O ile modele ruchu drogowego można formułować same w sobie, to w zastosowaniach praktycznych musi towarzyszyć im pewien model zapotrzebowania na transport. Model ten dostarcza istotnej części danych wejściowych do symulatora ruchu, w tym głównie tych związanych z mobilnością społeczeństwa i z wymaganiami wynikających z obrotu towarowego. Na tej podstawie określany jest na bieżąco rodzaj i liczba potrzebnych pojazdów w danej realizacji symulacji ruchu. Modele zapotrzebowania mogą być traktowane jako statyczne (stałe w czasie symulacji) lub dynamiczne (zmienne w czasie), gdzie ewolucja zapotrzebowania na transport zależy od bieżących wyników samej symulacji ruchu. Ponieważ w naszych rozważaniach chodzi głównie o określenie powiązań pomiędzy modelami ruchu i emisji, kwestia modelowania zapotrzebowania na transport ma 1 Politechnika Poznańska, Wydział Maszyn Roboczych i Transportu; Poznań; ul. Piotrowo 3. Tel: , Fax: , marek.maciejewski@put.poznan.pl 2 Politechnika Poznańska, Wydział Maszyn Roboczych i Transportu; Poznań; ul. Piotrowo 3. Tel: , Fax: , michal.maciejewski@put.poznan.pl 4611

2 charakter drugorzędny i nie będzie dalej rozważana. Tym samym niniejszy rozdział został poświęcony wyłącznie kwestii klasyfikacji modeli ruchu, co ułatwi późniejsze odniesienia do modelowania emisji. Punktem wyjścia do sporządzenia naszej klasyfikacji modeli ruchu będą istniejące klasyfikacje modeli ruchu drogowego. Takich klasyfikacji jest co najmniej kilka, przy czym charakteryzują się one różnym poziomem szczegółowości, a przede wszystkim różną popularnością. W powszechnym, a zarazem też najbardziej ogólnym ujęciu, modele ruchu dzieli się na dwie klasy: modele makroskopowe, modele mikroskopowe. Powyższy podział wynika wprost z podejść stosowanych do opisu ruchu, co zostanie wyjaśnione bliżej w kolejnych akapitach. W ostatnich latach powyższa klasyfikacja traci na znaczeniu, gdyż pojawiły się modele, które trudno jest zaliczyć do jednej z dwóch powyższych klas. Nowe klasy określane są jako: modele mezoskopowe, modele submikroskopowe (nanoskopowe). Wymienione cztery klasy modeli zostaną poniżej pokrótce scharakteryzowane, w tym również w kontekście późniejszego nawiązania do modeli emisji Modele makroskopowe W przypadku modeli makroskopowych ruch jest opisywany za pośrednictwem pewnych zagregowanych (makroskopowych) wielkości, a mianowicie natężenia, gęstości i prędkości. Ruch nie ma tu żadnego bezpośredniego odniesienia do konkretnych pojazdów, lecz jest definiowany jako pewne zachowanie bliżej nieokreślonego ośrodka ciągłego, w którym poszczególne pojazdy traktowane są w podobny sposób jak molekuły w gazach w opisie fenomenologicznym (nie wnikającym w dyskretną strukturę wewnętrzną ośrodka związaną z konkretnymi pojazdami i zachowaniem ich kierowców). Przyjęcie modelu ośrodka ciągłego umożliwia opisanie jego zachowania w ramach rachunku różniczkowego i całkowego, a następnie otrzymanie rozwiązania metodami analizy matematycznej. Przy takim podejściu do opisu ruchu drogowego, wynikowe równania przepływu ruchu mają postać zbliżoną do tej znanej z opisu dynamiki przepływów ściśliwych (gazowych), a więc formę hiperbolicznych równań konwekcji lub hiperboliczno-parabolicznych równań konwekcji dyfuzji. Rozwiązanie modelu opisanego równaniami ciągłości, przepływu ruchu (pędu) i stanu pozwala wyznaczyć prędkości, natężenia i gęstości ruchu w dowolnej chwili i miejscu układu, a tym samym jednoznacznie określić stan ruchu (poziom swobody ruchu) w rozważanym układzie drogowym. Modele makroskopowe dzieli się na proste modele jednorównaniowe (nazywane początkowo modelami pierwszego rzędu ) oraz bardziej złożone modele dwurównaniowe ( drugiego rzędu ) [1]. Modele jednorównaniowe definiują równanie równowagi (równanie ciągłości ruchu) zależnie od zadeklarowanych warunków brzegowych, czyli w sposób statyczny, tj. zmiana warunków brzegowych natychmiastowo skutkowała nowym stanem równowagi układu, bez jakiejkolwiek ewolucji poprzedniego stanu ruchu do stanu nowego, a więc bez odzwierciedlenia dynamiki przebiegu ruchu. Do grupy modeli jednorównaniowych należy przede wszystkim zaliczyć model LWR (Lighthill Whitham Richards) [2, 3] oraz jego różne mutacje. Modele dwurównaniowe zawierają dodatkowe równanie różniczkowe wyrażające dynamikę ruchu, a konkretnie opisujące proces dostosowywania się prędkości do warunków ruchu. W tej sytuacji forma modeli dwurównaniowych wykazuje istotne podobieństwo do opisu przepływu płynów ściśliwych (gazów). Nie jest to jednak pełne podobieństwo z uwagi na: wyprzedzającą reakcję kierowców w stosunku do warunków ruchu w dole drogi, asymetryczność ( anizotropowość ) reakcji kierowców w odniesieniu do stanu ruchu w dole i górze drogi. Opisane zachowania kierowców modyfikują standardowe oddziaływania o charakterze konwekcyjnym, a oprócz tego uwzględniają również oddziaływania dyfuzyjne określane jako relaksacja ruchu, tj. tonowanie dążenia do szybkiego osiągnięcia stanu równowagi. Dwurównaniowe modele ruchu składają się z równania ciągłości przepływu (model LWR) jako stałego elementu tego 4612

3 układu, oraz z równania dynamiki ruchu, które decyduje o ostatecznym kształcie i własnościach układu. W grupie modeli dwurównaniowych można wyodrębnić odpowiednio modele symetryczne (izotropowe) i asymetryczne (anizotropowe). Do tych pierwszych zalicza się m.in. modele PW (Payne Whitham) [4, 5], PH (Phillips) [6], KK (Kerner Konhäuser) [7], Z1 (Zhang, wersja 1) [8] i MYL (Michalopoulos Yi Lyrintzis) [9], a do tych drugich modele AR (Aw Rascle) [10], Z2 (Zhang, wersja 2) [11] i JWZ (Jiang Wu Zhu) [12]. Rozwiązanie układów równań modeli makroskopowych przeprowadza się zwykle w przestrzeni dwuwymiarowej sieci drogowej, ale lokalnie jako przepływy jednowymiarowe (pomiędzy skrzyżowaniami lub innymi charakterystycznymi punktami sieci), przy czym rozwiązania te (symulacje) można prowadzić analitycznie lub numerycznie. Bezpośrednie (analityczne) rozwiązanie zagadnienia ciągłego (opisanego za pośrednictwem równań różniczkowych lub ewentualnie całkowych) wymaga zastosowania metod analizy matematycznej. W sytuacji pewnej złożoności geometrycznej zagadnienia takie podejście w praktyce okazuje się słabo uzasadnione, a w konsekwencji rzadko stosowane. W symulatorach makroskopowych standardem są rozwiązania numeryczne, które wiążą się z dyskretyzacją zagadnienia (opisanie układu nie w odniesieniu do wszystkich, nieskończenie wielu punktów obszaru, lecz względem układu wybranych punktów), oraz jego aproksymacją (wyrażenie działania operatorów różniczkowych za pośrednictwem odpowiednio zdefiniowanych funkcji, najczęściej algebraicznych). Bez względu na stosowaną metodę aproksymacji, skutkuje to potrzebą rozwiązywania (jawnego lub uwikłanego) układów równań algebraicznych dla wybranych punktów dyskretyzacji określonych przyjętą siatką obliczeniową. Modele makroskopowe były podstawą do opracowania wielu makroskopowych symulatorów ruchu, które wykorzystuje się do prowadzenia wariantowych analiz ruchu. Do popularnych tego typu symulatorów można zaliczyć m.in. takie programy (systemy), jak METANET, SIMONE (SImulation of MOtorway NEtworks), SIMRES, STRADA, GKT, FREEFLO, MASTER, KRONOS, TRANSYT, FREQ, FREFLO. Wysoki poziom agregacji modeli makroskopowych ogranicza możliwości wyznaczania niektórych miar efektywności ruchu (jak opóźnienia, zatrzymania, czas podróży itp.) w odniesieniu do pojedynczych pojazdów, chociaż dla strumienia pojazdów takie informacje mogą być wystarczająco wiarygodne. Natomiast informacje zindywidualizowane (odnoszące się do konkretnych pojazdów) są wprawdzie możliwe do uzyskania, ale jako wielkości przeciętne i niekiedy mało wiarygodne. Nie może to być żadnym zaskoczeniem, bo przeznaczeniem modeli makroskopowych nie jest pozyskiwanie detalicznej informacji o zachowaniach pojazdów w aspekcie inżynierii ruchu, lecz raczej globalna ocena jakościowa przepływu ruchu w planowaniu regionalnym lub przy ocenie rozwiązań komunikacyjnych na większym lub bardziej złożonym układzie komunikacyjnym Modele mikroskopowe Z kolei w modelach mikroskopowych, przepływ ruchu jest traktowany jako suma ruchów poszczególnych (samodzielnych) pojazdów w rozważanej sieci drogowej i wynika on ze wzajemnych oddziaływań pomiędzy pojazdami (kierowcami) przy uwzględnieniu globalnych i lokalnych uwarunkowań ruchu (takich jak przepisy, geometria i stan drogi, znaki drogowe, warunki jazdy itp.). Logika zachowań pojazdów, a właściwie ich kierowców, jest różna w różnych modelach mikroskopowych. Opiera się zwykle na charakterystykach socjo-demograficznych kierowców, które mogą być traktowane jako ogólne wytyczne lub przyjmowane jako bezwzględnie wymagane reguły, w zależności od konkretnego rozwiązania modelu ruchu. Zachowanie pojazdów jest opisywane za pośrednictwem zależności matematycznych (zawierających dużą liczbę dobieranych parametrów charakteryzujących kierowców), wyrażanych zwykle w formie zestawów równań algebraicznych odtwarzających wzajemne relacje związane z geometrią drogi i dynamiką ruchu poszczególnych pojazdów. W wielu przypadkach są to modele bardzo złożone (o dużej szczegółowości opisu), a przy jednocześnie dużej liczbie rozważanych pojazdów uzyskiwane wyniki mogą okazać się wątpliwe, a czas przetwarzania niewspółmiernie długi. Z kolei w innych rozwiązaniach korzysta się z bardziej uproszczonej logiki zachowań kierowców (pojazdów), przez co rozważanie dużych układów 4613

4 komunikacyjnych nie musi stanowić problemu. Bez względu jednak na precyzję opisu zachowań kierowców, cechą charakterystyczną wszystkich mikroskopowych modeli ruchu jest odnoszenie się do konkretnego pojazdu, którego ruch można tym samym (z większą lub mniejszą precyzją) opisać w przestrzeni i czasie. Mikroskopowe modele przepływu ruchu można systematyzować według następującego schematu: modele podążania (jazdy za liderem), oparte na opisie wzajemnego oddziaływania kolejnych (sąsiadujących) pojazdów za pośrednictwem różnych parametrów, wyrażanych zwykle w odniesieniu do zachowania lidera, modele prędkości optymalnej, które w odróżnieniu od modeli podążania opisujących zasady jazdy za liderem, definiują mechanizm przyspieszania (opóźniania) w oparciu o odstęp przestrzenny, a nie prędkość lidera, psychofizjologiczne modele odstępu, które w miejsce badania zmienności odstępów przestrzennych względnie prędkości, skupiają się głównie na opisie percepcji i reakcji wykazywanej przez kierowców, modele oparte na automatach komórkowych, nawiązujące do fizyki statystycznej i traktujące ruch w rozumieniu dyskretnym, jako chwilową okupację odcinka drogi (komórki) regulowaną prostą logiką operacji przeskoku do kolejnej komórki w kolejnym kroku czasowym. Wśród wymienionych klas modeli mikroskopowych największą popularnością, w sensie różnorodności i liczebności modeli, charakteryzuje się klasa modeli podążania. Różnorodność opisów jest tu naprawdę duża, a istniejące klasyfikacje tej grupy bywają niekiedy sprzeczne. Stąd trudno przytoczyć uniwersalną klasyfikację modeli tej grupy. Wydaje się, że poniższą propozycję klasyfikacji modeli podążania, obejmującą również modele towarzyszące zwykle modułowi podstawowemu, można uznać za uzasadnioną: proste, klasyczne modele podążania odnoszące się wyłącznie do prędkości pojazdu poprzedzającego z myślą o zachowaniu bezpiecznego odstępu czasowego, modele akceptacji odstępu, lub inaczej zachowania bezpiecznego odstępu czasowego w różnych sytuacjach drogowych, modele wymuszenie odpowiedź (stymulacja odpowiedź), przy czym stymulacją jest różnica prędkości pojazdów, a odpowiedzią jest zwykle przyspieszenie lub hamowanie, np. model GHR (Gazis Herman Rothery), modele unikania kolizji, traktowane jako zestaw reguł opisujących ograniczenia w interakcji kolejnych pojazdów. Należy podkreślić, że w modelach mikroskopowych symulacja ruchu pojazdów jest ściśle związana z dynamiką wzdłużną (i ewentualnie również poprzeczną) pojazdów, opisaną za pośrednictwem szeregu reguł przetwarzanych w każdym kolejnym kroku symulacji. To właśnie sprawia, że mikrosymulacja jest nad wyraz kosztowna obliczeniowo, tym bardziej im większa jest szczegółowość opisu procesu przepływu ruchu. Niektóre klasy modeli mikroskopowych dotyczą modeli w różny sposób uproszczonych. I tak modele komórkowe charakteryzują się dużą prostotą reguł opisujących dynamikę ruchu, i chociaż nadal rozważane są pojedyncze pojazdy (a właściwie zajętość komórek siatki obliczeniowej), co pozwala zaliczać model do klasy modeli mikroskopowych, to jednak poziom szczegółowości opisu ruchu można uznać za pośredni (pomiędzy modelami mikroskopowymi i makroskopowymi). Numeryczne opracowanie wielu różnych modeli mikroskopowych skutkuje tym, że grupa dostępnych symulatorów mikroskopowych jest bardzo duża i różnorodna. Do najpopularniejszych tego typu programów zalicza się m.in. AIMSUN, CORSIM, DRACULA, DYNASIM, FREESIM, INTRAS, MITSIM, NETSIM, PARAMICS, SIDRA, SUMO, TRANSIMS, VISSIM Modele mezoskopowe Zbyt duży stopień uproszczenia mikroskopowych modeli ruchu nie jest już jednak akceptowany, i dlatego modele które w dawniejszych latach były jeszcze do tej klasy zaliczane, obecnie wchodzą w skład klasy modeli mezoskopowych. Do klasy modeli mezoskopowych zalicza się obecnie: 4614

5 modele oparte na teorii kolejkowania, gdzie występuje podział drogi na odcinki (na ogół znacznie większe niż w modelach komórkowych) traktowane jako stacje obsługi działające z odpowiednimi intensywnościami napływu i obsług zgłoszeń, opisanymi stosownymi rozkładami, modele cząsteczkowe, które wprawdzie śledzą zachowanie pojedynczych pojazdów, lecz zachowanie to jest opisane za pośrednictwem zagregowanych równań (charakterystyk) ruchu, typowych dla modeli makroskopowych, modele kinetyczne (kinetyki gazowej), nawiązujące do opisu zachowania się molekuł w gazie opisanego równaniami Boltzmanna i opatrzone dodatkowymi założeniami upraszczającymi, jednak zbytnie uproszczenia prowadzą zwykle do modelu makroskopowego, modele grupowe (klastrowe) odnoszące się (przy większych natężeniach ruchu) nie do pojedynczych pojazdów, lecz ich grup, chociaż opis ruchu jest prowadzony w sposób zbliżony do modeli mikroskopowych. Z uwagi na zwiększającą się obecnie popularność niektórych modeli tej klasy, poniżej dodano kilka uwag odnośnie modeli kolejkowania i cząsteczkowych. Modele kolejkowania nie pozwalają precyzyjnie śledzić ruchu pojedynczych pojazdów, ale potrafią statystycznie określić w jakim czasie, na jakim odcinku drogi znajduje się dany pojazd. To właśnie jest podstawową przyczyną ich zaliczania do grupy modeli mezoskopowych. Z kolei zaliczenie modeli cząsteczkowych do grupy modeli mezoskopowych jest naturalne z uwagi na korzystanie w opisie ruchu pojazdów z makroskopowych zależności pomiędzy podstawowymi parametrami ruchu. Do symulatorów działających w oparciu o różne modele mezoskopowe zalicza się m.in. INTEGRATION, MATSim, CONTRAM, SATURN, DTALite Modele submikroskopowe Ostatnia klasa modeli ruchu, modele submikroskopowe, została przed kilku laty wyodrębniona z grupy modeli mikroskopowych. Charakteryzuje się tym, że poziom szczegółowości opisu ruchu pojazdu jest znacznie większy, gdyż nie opisuje ruchu pojazdu jako pewnej całości, lecz jako skutek działania kierowcy i odpowiedzi ze strony poszczególnych układów pojazdu (silnik, układ napędowy, układ hamowania itd.), co dopiero przekłada się na reakcje pojazdu jako całości. Szczegółowość tych modeli powoduje, że są one wykorzystywane raczej do opisu zachowania się pojedynczego pojazdu niż do ich większego zbioru. Często stanowią jedynie punkt odniesienia do weryfikacji zasad ruchu pojazdów przyjętych w ramach modeli mikroskopowych. Symulatory zbudowane w oparciu o modele submikroskopowe to m.in. ULTraSim, MIXIC, SIMONE (M.M.Minderhoud, TU Delft), PELOPS. 2. MODELE EMISJI Modele emisji są klasyfikowane w oparciu o różne kryteria, stąd rozmaitych klasyfikacji jest wiele. W pewnej analogii do przedstawionej powyżej (w poprzednim rozdziale) klasyfikacji modeli ruchu drogowego, można również podzielić modele emisji na cztery klasy, tj. dwie klasy podstawowe: modele makroskopowe (odnoszące się do strumienia ruchu i parametrów go opisujących), modele mikroskopowe (odnoszące się bezpośrednio do konkretnych pojazdów), oraz dwie klasy uzupełniające: modele mezoskopowe, modele submikroskopowe (nanoskopowe). Taka klasyfikacja jest rzadko spotykana, gdyż zwykle nieco inaczej określa się punkty ciężkości w kryteriach klasyfikacyjnych. Wynika to po części ze względów historycznych, ze stałego uzupełniania i nawarstwiania się pierwotnych podziałów oraz niepotrzebnego utrzymywania dawnych modeli statycznych, które nie odpowiadają rzeczywistym (zmiennym) warunkom ruchu drogowego. Zaproponowana powyżej klasyfikacja modeli emisji wyraźnie nawiązuje do rozdzielczości przestrzenno-czasowej z jaką traktowane są źródła emisji. Jednostkowe źródła emisji (związane z poszczególnymi pojazdami) mogą, w zależności od warunków w jakich odbywa się ruch, charakteryzować się różnymi rodzajami emisji: emisją przy nagrzanym silniku, czyli emisją normalną lub ciepłą, emisją rozruchową, zwaną również emisją zimną (zimnego startu), 4615

6 emisją związaną z odparowaniem (ulatnianiem) i działaniem klimatyzacji. Znajduje to swoje odzwierciedlenie praktycznie we wszystkich rozważanych dalej (dynamicznych) modelach emisji. Modele emisji są standardowo opracowywane w oparciu o pomiary emisji. Pomiary takie można realizować na wiele sposobów, zwykle według uprzednio zdefiniowanych cykli jazdy. Wśród sposobów przeprowadzania wspomnianych pomiarów należy m.in. wymienić: stanowiskowe badania silnikowe (na hamowni silnikowej), laboratoryjne pomiary dynamometryczne pojazdów (na hamowni podwoziowej), pomiary pokładowe (na pojazdach w ruchu), pomiary drogowe (zdalny odczyt, albo badania imisji w ruchu lub w wybranych miejscach otoczenia), badania tunelowe (jako badania pośrednie). Zmienne i parametry wpływające na emisję pojazdową można pogrupować w ramach następujących klas: specyfikacja techniczna pojazdów, stan pojazdu, warunki eksploatacji pojazdu, zewnętrzne warunki środowiskowe. Specyfikacja techniczna pojazdów obejmuje ogólną charakterystykę konstrukcyjną (waga, współczynnik oporu aerodynamicznego itp.), charakterystykę napędu (silnik iskrowy lub wysokoprężny), rodzaj paliwa, urządzenia kontroli emisji (np. katalizator) i moc silnika. Stan pojazdu opisany jest jego przebiegiem, wiekiem i stanem technicznym. Warunki eksploatacji pojazdu dotyczą dynamiki silnika (obroty, zapotrzebowanie na moc itp.), stosunku masy powietrza do paliwa, zmiennych kinematycznych pojazdu (prędkość i przyspieszenie) i temperatury katalizatora. Zmienne te mogą w wielu przypadkach zależeć od indywidualnych zachowań kierowców. Zewnętrzne warunki środowiskowe obejmują warunki atmosferyczne (temperatura, ciśnienie, wilgotność) oraz charakterystykę drogi (nachylenia, krzywizny i jakość nawierzchni). Znając wyraźny wpływ specyfikacji technicznej pojazdów oraz ich stanu na proces emisji, modele emisji są zwykle kalibrowane oddzielnie dla każdego modelu pojazdu lub jednorodnych ich grup. Warunki eksploatacji pojazdów zaliczane są do podstawowych parametrów modeli, a warunki środowiskowe do parametrów uzupełniających. Klasyfikacji modeli emisji jest wprawdzie wiele [13, 14, 15, 16, 17, 18], jednakże w dalszych rozważaniach zostaną wykorzystane jedynie zdefiniowane powyżej cztery klasy modeli, które zostaną pokrótce omówione z uwypukleniem ich cech charakterystycznych, stanowiących o ich przeznaczeniu i zakresie stosowania. Poszczególne klasy modeli emisji, dla zwiększenia przejrzystości ich opisu, zostaną przedstawione w specyficznej kolejności, najpierw mikroskopowe, i kolejno submikroskopowe, makroskopowe i mezoskopowe Modele mikroskopowe Klasa mikroskopowych modeli emisji zalicza się do najbardziej licznych. Cechą charakterystyczną tej klasy modeli jest odwoływanie się do konkretnych stanów pracy silnika i układu napędowego. Najczęściej stany te definiowane są jako: przyspieszanie, jazda jednostajna, zwalnianie oraz stan biegu jałowego lub bezczynności. Właśnie z tego powodu modele te często nazywane są modelami modalnymi (poprzez odniesienie do formy ruchu pojazdu). W zależności od tego jakie parametry ruchu (lub obciążenia) stanowią podstawę do definiowania danego modelu, można wyróżnić co najmniej kilka podklas modeli mikroskopowych, np.: modele chwilowe oparte na macierzy przyspieszenie prędkość, modele chwilowe oparte na związku prędkość obrotowa obciążenie, modele chwilowe opisane analitycznymi zależnościami prędkość przyspieszenie, modele chwilowe oparte na mocy, zagregowane modele emisji modalnej (zależnej od formy ruchu). 4616

7 Modele tej klasy charakteryzują się dużą rozdzielczością czasową (zwykle sekundową) dla informacji o stanie ruchu i jego zmienności. Klasie mikroskopowych modeli emisji zdefiniowanej według wymienionych powyżej parametrów ruchu lub obciążenia, odpowiadają m.in. następujące symulatory emisji: MODEM, VT-Micro, POLY, EMIT, CMEM, PΔP i po części MEASURE Modele submikroskopowe Modele submikroskopowe stanowią rozwinięcie modeli mikroskopowych w kontekście szczegółowości opisu zachowania się pojazdu. Cechują się wyraźnie zwiększoną szczegółowością opisu poprzez odwołanie się nie tylko do zachowania pojazdu jako całości, ale przede wszystkim do pracy poszczególnych jego układów (silnik, układ napędowy, układ hamowania itd.) z uwzględnieniem czasowej odpowiedzi całego pojazdu określanej na podstawie analizy jego dynamiki wzdłużnej. W ramach modeli submikroskopowych wyodrębnia się również różne podklasy, które charakteryzują się szczególnie precyzyjnym traktowaniem pracy różnych układów, np. silnika (stany ustalone i przejściowe), kierowcy (interakcja kierowca pojazd), poszczególnych zespołów układu napędowego, podzespołów układu jezdnego i zawieszenia. Modele tej klasy wymagają wysokiej rozdzielczości czasowej (np. ułamek sekundy), niekiedy określanych przez wielkość zmian w prędkości obrotowej silnika. Do submikroskopowych symulatorów emisji, opracowanych w oparciu o powyżej opisane modele, można zaliczyć m.in. symulatory: PHEM, VeTESS, EcoGest, PELOPS, ADVISOR Modele makroskopowe Klasa modeli makroskopowych bywa niekiedy określana jako klasa modeli współczynników emisji, co dość dobrze obrazuje jej charakter. W modelach tego typu wiąże się indywidualne współczynniki emisji z rodzajami pojazdów i z odniesieniem do konkretnych warunków ruchu. Współczynniki emisji są wyliczane jako średnia wartość z wielokrotnych pomiarów całkowitej emisji (dla zadanego cyklu jazdy) i są zwykle wyrażane jako masa zanieczyszczenia na jednostkę odległości (lub ewentualnie czasu). Najpopularniejszą ich podklasą są modele prędkości średniej (lub podróżnej). Szacują one współczynniki emisji oddzielnie dla każdego rodzaju pojazdów w zależności od ich prędkości podróżnej wyrażanej poprzez średnią prędkość strumienia ruchu. Wielkość współczynników emisji zależy przy tym w różnym stopniu (w zależności od modelu) od czynników związanych z: pojazdem (waga, kształt, rodzaj, wielkość i temperaturę silnika, układ napędowy, rodzaj paliwa, lepkość oleju, stan, wiek), otoczeniem (nachylenie drogi, rodzaj nawierzchni, temperatura otoczenia, wysokość), warunkami ruchowymi (prędkość, przyspieszenie, kongestia), kierowcą (wybór biegu, czas biegu jałowego), eksploatacją (wielkość i struktura taboru, ładowność). Do zadeklarowanego rodzaju obszaru i kategorii drogi przypisuje się wtedy średnią prędkość pojazdów oraz odpowiadające jej współczynniki emisji (oddzielne dla przyjętych rodzajów pojazdów). Same współczynniki są zwykle wyznaczane na podstawie pomiarów na hamowni podwoziowej w konkretnych cyklach jazdy. Takie zagregowane poziomy emisji są klasyfikowane według średniej prędkości cyklu i przedstawiane w formie funkcji prędkości średniej. Zaletą powyższego podejścia jest prostota, natomiast problemem jest wiarygodność uzyskiwanych rezultatów, co wynika m.in. ze słabej reprezentacji składu rodzajowego pojazdów i ich wzorców aktywności, wrażliwości na przyspieszanie i zbyt zgrubnej rozdzielczości przestrzennej. Z uwagi na szereg zastrzeżeń co do jakości modeli prędkości średniej, szczególnie przy zwiększaniu rozdzielczości przestrzennej rozważań, opracowano znacznie bardziej wiarygodną podklasę modeli makroskopowych, a mianowicie modele oparte na charakterystyce ruchu, zwane również modelami opartymi na sytuacjach ruchowych. Modele te przypisują pewne współczynniki emisji do predefiniowanych form ruchu zwykle przy tym wyodrębnia się ruch: swobodny, duży, nasycony i 4617

8 skokowy (stop-and-go). Dla każdego stanu ruchu, w zależności od wielu parametrów charakteryzujących m.in. rodzaj pojazdu, obszaru, drogi itp., określa się odpowiednie współczynniki emisji. Niewielka część tej grupy modeli korzysta, zamiast z jakościowych opisów form ruchu, z ilościowych formuł opisu ruchu. Wśród makroskopowych symulatorów emisji można wyodrębnić grupę, która jest związana z modelami opartymi na prędkości średniej, a więc symulatory COPERT4, EMFAC, QGEPA i MOBILE6, oraz grupę związaną z modelami nawiązującymi do charakterystyki ruchu, tj. symulatory HBEFA i ARTEMIS Modele mezoskopowe Klasa modeli mezoskopowych jest pośrednią klasą pomiędzy modelami mikroskopowymi i makroskopowymi, i przez to wyróżnia się cechami obu omówionych klas, chociaż w różnej skali i różnym nasileniu (tj. w zależności od konkretnego modelu). Mamy tu zatem do czynienia z niejednolitym opisem modeli, charakteryzującym się jednoczesnym występowaniem pewnych cech kojarzonych z konkretnymi pojazdami i cech odnoszących się do strumienia ruchu. Z uwagi na bardzo różny udział elementów modeli wyjściowych w strukturze modeli mezoskopowych, trudno jest jednoznacznie określić ich typową formę. Stąd też duże zróżnicowanie różnych grup modeli w ramach tej klasy. Najważniejsze grupy modeli mezoskopowych można zdefiniować następująco: modele oparte na prędkości ruchu i jej fluktuacji uśrednianych odpowiednio po całym cyklu jazdy z wykorzystaniem regresji, zagregowane modele modalne, gdzie odpowiednio sumuje się przyczynki pochodzące od różnych stanów pracy silnika, wynikających z typowego sposobu przejazdu przez odcinek drogi, model oparty na teorii kolejkowania dla emisji (model Matzorosa), który łączy szacowanie udziału poszczególnych stanów ruchu z macierzami współczynników emisji, model oparty na zrekonstruowanych wykresach prędkość czas (TEE), który łączy w sobie kilka różnych modeli, takich jak model cyklu prędkości, zrekonstruowany uproszczony model cyklu i skorygowany model prędkości średniej. Sposoby łączenia zindywidualizowanych (związanych z pojazdem) i zagregowanych (związanych ze strumieniem ruchu) elementów opisu emisji mogą być bardzo zróżnicowane, i tym samym rozwiązań dla modeli mezoskopowych może być odpowiednio wiele. Grupa symulatorów emisji oparta na modelach mezoskopowych jest bardzo różnorodna zaliczyć można do niej m.in. symulatory: VERSIT+, NEMO, TEE-REC, TEE-KCF, związane z symulatorami ruchu (np. SATURN, SIDRA) i po części MEASURE. WNIOSKI Bazą do wiarygodnego określenia lub prognozowania wielkości emisji zanieczyszczeń motoryzacyjnych w ruchu drogowym, oraz rozkładu i natężenia jej źródeł, jest dysponowanie adekwatnymi modelami ruchu i emisji oraz opracowanie odpowiedniego sprzężenia pomiędzy nimi. Modeli ruchu i emisji jest bardzo wiele, a jednocześnie charakteryzują się one dużą różnorodnością. W takiej sytuacji raczej niewskazane jest poszukiwanie wymaganych form powiązania pomiędzy wszystkimi modelami obu rodzajów. Lepszym rozwiązaniem jest najpierw stosowne ich pogrupowanie, a dopiero później opracowanie odpowiednich powiązań. W tym celu wprowadzono cztery jednolite klasy modeli, zarówno dla modeli ruchu jak i modeli emisji. Jednocześnie przyjęto jednolite kryteria dla przeprowadzenia obu klasyfikacji, odnoszące się w ogólności do rozdzielczości przestrzennej i czasowej, a konkretnie do stopnia agregacji (albo indywidualizacji) zagadnienia. W skrajnych przypadkach rozdzielczość została opisana albo poprzez pracę kierowcy i układu napędowego pojazdu, albo poprzez podstawowe (makroskopowe) parametry ruchu (w pewnym oderwaniu od zachowania się pojedynczych pojazdów). Opracowana jednolita klasyfikacja obu rodzajów modeli stanowi dobrą podstawę do zdefiniowania efektywnego sprzężenia pomiędzy poszczególnymi klasami modeli. Formy takiego sprzężenia zostaną rozważone w stowarzyszonej publikacji [18]. 4618

9 Streszczenie W oparciu o przegląd popularnych modeli ruchu drogowego i modeli emisji zanieczyszczeń, dokonano klasyfikacji obu rodzajów modeli. Dla obu klasyfikacji zastosowano jednolite kryteria podziału modeli odnoszące się do rozdzielczości przestrzenno-czasowej modeli, wyrażonej konkretnie różnymi stopniami agregacji w opisie modeli. Klasyfikacja modeli przeprowadzona według jednolitych kryteriów pozwala lepiej określić wymagane formy sprzężenia dla współpracy modeli ruchu i emisji, co rozważono w oddzielnej publikacji [18]. Słowa kluczowe: modele ruchu, modele emisji, klasyfikacja Integrated simulation of road traffic and pollution emission I. Uniform classification of traffic and emission models Abstract Based on a review of popular models for road traffic and pollution emission, classification of both model types was carried out. For both classifications, uniform criteria were applied: the models were grouped according to the space-time model resolution expressed specifically by different degrees of aggregation in the model description. The model classifications created according to the uniform criteria facilitate defining the required forms of coupling for cooperation of traffic and emission models, which is discussed in the subsequent paper [18]. Keywords: traffic models, emission models, classification BIBLIOGRAFIA 1. Maciejewski M., Maciejewski T., Uwarunkowanie makroskopowych modeli ruchu drogowego. Prace Naukowe Politechniki Warszawskiej - Transport, z. 95 (2013), Lighthill M.J., Whitham G.B., On kinematic waves: II. A theory of traffic flow on long crowed roads. Proceedings of the Royal Society of London, Series A 229 (1955), 1178, Richards P.I., Shockwaves on the highway. Operations Researches 4 (1956), 1, Payne H.J., Models of freeway traffic and control. Mathematical Models of Public Systems. Simulation Councils Proc. Ser. 1 (1971), Whitham G.B., Linear and nonlinear waves. John Wiley and Sons, New York Phillips W.F., A kinetic model for traffic flow with continuum implications. Transportation Planning and Technology 5 (1979), Kerner B.S., Konhäuser P., Cluster effect in initially homogeneous traffic flow. Physical Review E 48 (1993), Zhang H.M., A theory of nonequilibrium traffic flow. Transportation Research B 32 (1998), Michalopoulos P.G., Yi P., Lyrintzis A.S., Continuum modeling of traffic dynamics for congested freeways. Transportation Research B 27 (1993), Aw A., Rascle M., Resurrection of second order models of traffic flow. SIAM Journal of Applied Mathematics 60 (2000), Zhang H.M., A non-equilibrium traffic model devoid of gas-like behavior. Transportation Research B 36 (2002), Jiang R., Wu Q.-S., Zhu Z.-J., A new continuum model for traffic flow and numerical tests. Transportation Research B 36 (2002), Cappiello A., Modeling traffic flow emissions. Thesis, MIT, Boston Demir E., Bektas T., Laporte G., A review of recent research on green road freight transportation. European Journal of Operational Research 237 (2014), Smit R., An examination of congestion in road traffic emission models and their application to urban road networks. Dissertation, Griffith University, Brisbane Vock Ch., Ntziachristos L., Vehicle energy/emission simulator for conventional and advanced passenger cars. ICT-EMISSIONS Consortium, FP7-ICT project, Wang H., McGlinchy I., Review of vehicle emission modelling and the issues for the New Zealand. 32nd Australasian Transport Research Forum, Auckland

10 18. Maciejewski M., Maciejewski M., Zintegrowana symulacja ruchu drogowego i emisji zanieczyszczeń, II. Formy integracji modeli ruchu i emisji (do publikacji w Logistyka 3/2015). 4620

Mechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych

Mechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych Mechatronika i inteligentne systemy produkcyjne Modelowanie systemów mechatronicznych Platformy przetwarzania danych 1 Sterowanie procesem oparte na jego modelu u 1 (t) System rzeczywisty x(t) y(t) Tworzenie

Bardziej szczegółowo

Programowanie celowe #1

Programowanie celowe #1 Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem

Bardziej szczegółowo

Analiza korespondencji

Analiza korespondencji Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy

Bardziej szczegółowo

Metoda elementów skończonych

Metoda elementów skończonych Metoda elementów skończonych Wraz z rozwojem elektronicznych maszyn obliczeniowych jakimi są komputery zaczęły pojawiać się różne numeryczne metody do obliczeń wytrzymałości różnych konstrukcji. Jedną

Bardziej szczegółowo

Numeryczna symulacja rozpływu płynu w węźle

Numeryczna symulacja rozpływu płynu w węźle 231 Prace Instytutu Mechaniki Górotworu PAN Tom 7, nr 3-4, (2005), s. 231-236 Instytut Mechaniki Górotworu PAN Numeryczna symulacja rozpływu płynu w węźle JERZY CYGAN Instytut Mechaniki Górotworu PAN,

Bardziej szczegółowo

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej

Bardziej szczegółowo

Badania właściwości dynamicznych sieci gazowej z wykorzystaniem pakietu SimNet TSGas 3

Badania właściwości dynamicznych sieci gazowej z wykorzystaniem pakietu SimNet TSGas 3 Andrzej J. Osiadacz Maciej Chaczykowski Łukasz Kotyński Badania właściwości dynamicznych sieci gazowej z wykorzystaniem pakietu SimNet TSGas 3 Andrzej J. Osiadacz, Maciej Chaczykowski, Łukasz Kotyński,

Bardziej szczegółowo

Obliczenia osiągów dyszy aerospike przy użyciu pakietu FLUENT Michał Folusiaak

Obliczenia osiągów dyszy aerospike przy użyciu pakietu FLUENT Michał Folusiaak Obliczenia osiągów dyszy aerospike przy użyciu pakietu FLUENT Michał Folusiaak WSTĘP Celem przeprowadzonych analiz numerycznych było rozpoznanie możliwości wykorzystania komercyjnego pakietu obliczeniowego

Bardziej szczegółowo

III LUBELSKIE FORUM DROGOWE POLSKI KONGRES DROGOWY Puławski węzeł drogowy Puławy, 5 6 kwietnia 2018 r.

III LUBELSKIE FORUM DROGOWE POLSKI KONGRES DROGOWY Puławski węzeł drogowy Puławy, 5 6 kwietnia 2018 r. III LUBELSKIE FORUM DROGOWE POLSKI KONGRES DROGOWY Puławski węzeł drogowy Puławy, 5 6 kwietnia 2018 r. Wpływ wahań ruchu drogowego na drogach o charakterze rekreacyjnym na poziom hałasu mgr inż. Marcin

Bardziej szczegółowo

Wykład 4: Statystyki opisowe (część 1)

Wykład 4: Statystyki opisowe (część 1) Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można

Bardziej szczegółowo

Zadania i funkcje skrzyń biegów. Opracował: Robert Urbanik Zespół Szkół Mechanicznych w Opolu

Zadania i funkcje skrzyń biegów. Opracował: Robert Urbanik Zespół Szkół Mechanicznych w Opolu Zadania i funkcje skrzyń biegów Opracował: Robert Urbanik Zespół Szkół Mechanicznych w Opolu Zadania skrzyni biegów Skrzynia biegów umożliwia optymalne wykorzystanie mocy silnika. Każdy silnik ma pewien

Bardziej szczegółowo

Sieci obliczeniowe poprawny dobór i modelowanie

Sieci obliczeniowe poprawny dobór i modelowanie Sieci obliczeniowe poprawny dobór i modelowanie 1. Wstęp. Jednym z pierwszych, a zarazem najważniejszym krokiem podczas tworzenia symulacji CFD jest poprawne określenie rozdzielczości, wymiarów oraz ilości

Bardziej szczegółowo

Drgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż.

Drgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż. Drgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż. Joanna Szulczyk Politechnika Warszawska Instytut Techniki Lotniczej i Mechaniki

Bardziej szczegółowo

- prędkość masy wynikająca z innych procesów, np. adwekcji, naprężeń itd.

- prędkość masy wynikająca z innych procesów, np. adwekcji, naprężeń itd. 4. Równania dyfuzji 4.1. Prawo zachowania masy cd. Równanie dyfuzji jest prostą konsekwencją prawa zachowania masy, a właściwie to jest to prawo zachowania masy zapisane dla procesu dyfuzji i uwzględniające

Bardziej szczegółowo

Mechanika ruchu / Leon Prochowski. wyd. 3 uaktual. Warszawa, Spis treści

Mechanika ruchu / Leon Prochowski. wyd. 3 uaktual. Warszawa, Spis treści Mechanika ruchu / Leon Prochowski. wyd. 3 uaktual. Warszawa, 2016 Spis treści Wykaz ważniejszych oznaczeń 11 Od autora 13 Wstęp 15 Rozdział 1. Wprowadzenie 17 1.1. Pojęcia ogólne. Klasyfikacja pojazdów

Bardziej szczegółowo

Sposoby modelowania układów dynamicznych. Pytania

Sposoby modelowania układów dynamicznych. Pytania Sposoby modelowania układów dynamicznych Co to jest model dynamiczny? PAScz4 Modelowanie, analiza i synteza układów automatyki samochodowej równania różniczkowe, różnicowe, równania równowagi sił, momentów,

Bardziej szczegółowo

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) Wykład 2 Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) 1. Procesy Markova: definicja 2. Równanie Chapmana-Kołmogorowa-Smoluchowskiego 3. Przykład dyfuzji w kapilarze

Bardziej szczegółowo

Modelowanie odległości pomiędzy pojazdami w kongestii w skali nanoskopowej

Modelowanie odległości pomiędzy pojazdami w kongestii w skali nanoskopowej SZCZUPAKOWSKI Seweryn Modelowanie odległości pomiędzy pojazdami w kongestii w skali nanoskopowej WSTĘP Wzrost współczynnika motoryzacji przy ograniczonym rozwoju sieci drogowej spowodował zwiększenie zatłoczenia,

Bardziej szczegółowo

Metody badań w naukach ekonomicznych

Metody badań w naukach ekonomicznych Metody badań w naukach ekonomicznych Tomasz Poskrobko Metodyka badań naukowych Metody badań ilościowe jakościowe eksperymentalne Metody badań ilościowe jakościowe eksperymentalne Metody ilościowe metody

Bardziej szczegółowo

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów: Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,

Bardziej szczegółowo

Pierwsze komputery, np. ENIAC w 1946r. Obliczenia dotyczyły obiektów: o bardzo prostych geometriach (najczęściej modelowanych jako jednowymiarowe)

Pierwsze komputery, np. ENIAC w 1946r. Obliczenia dotyczyły obiektów: o bardzo prostych geometriach (najczęściej modelowanych jako jednowymiarowe) METODA ELEMENTÓW W SKOŃCZONYCH 1 Pierwsze komputery, np. ENIAC w 1946r. Obliczenia dotyczyły obiektów: o bardzo prostych geometriach (najczęściej modelowanych jako jednowymiarowe) stałych własnościach

Bardziej szczegółowo

Katarzyna Jesionek Zastosowanie symulacji dynamiki cieczy oraz ośrodków sprężystych w symulatorach operacji chirurgicznych.

Katarzyna Jesionek Zastosowanie symulacji dynamiki cieczy oraz ośrodków sprężystych w symulatorach operacji chirurgicznych. Katarzyna Jesionek Zastosowanie symulacji dynamiki cieczy oraz ośrodków sprężystych w symulatorach operacji chirurgicznych. Jedną z metod symulacji dynamiki cieczy jest zastosowanie metody siatkowej Boltzmanna.

Bardziej szczegółowo

Teoria ruchu pojazdów samochodowych

Teoria ruchu pojazdów samochodowych Opis przedmiotu: Teoria ruchu pojazdów samochodowych Kod przedmiotu Nazwa przedmiotu TR.SIP404 Teoria ruchu pojazdów samochodowych Wersja przedmiotu 2013/14 A. Usytuowanie przedmiotu w systemie studiów

Bardziej szczegółowo

Ocena nawierzchni drogowych z wykorzystaniem platformy S-mileSys w obszarze inteligentnego miasta

Ocena nawierzchni drogowych z wykorzystaniem platformy S-mileSys w obszarze inteligentnego miasta Ocena nawierzchni drogowych z wykorzystaniem platformy S-mileSys w obszarze inteligentnego miasta Niniejsza praca została sfinansowana ze środków Narodowego Centrum Badań i Rozwoju w ramach projektu międzynarodowego

Bardziej szczegółowo

Wykład z Technologii Informacyjnych. Piotr Mika

Wykład z Technologii Informacyjnych. Piotr Mika Wykład z Technologii Informacyjnych Piotr Mika Uniwersalna forma graficznego zapisu algorytmów Schemat blokowy zbiór bloków, powiązanych ze sobą liniami zorientowanymi. Jest to rodzaj grafu, którego węzły

Bardziej szczegółowo

Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015

Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015 Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015 1 Metody numeryczne Dział matematyki Metody rozwiązywania problemów matematycznych za pomocą operacji na liczbach. Otrzymywane

Bardziej szczegółowo

Zajęcia wprowadzające W-1 termin I temat: Sposób zapisu wyników pomiarów

Zajęcia wprowadzające W-1 termin I temat: Sposób zapisu wyników pomiarów wielkość mierzona wartość wielkości jednostka miary pomiar wzorce miary wynik pomiaru niedokładność pomiaru Zajęcia wprowadzające W-1 termin I temat: Sposób zapisu wyników pomiarów 1. Pojęcia podstawowe

Bardziej szczegółowo

PLAN REALIZACJI MATERIAŁU NAUCZANIA FIZYKI W GIMNAZJUM WRAZ Z OKREŚLENIEM WYMAGAŃ EDUKACYJNYCH

PLAN REALIZACJI MATERIAŁU NAUCZANIA FIZYKI W GIMNAZJUM WRAZ Z OKREŚLENIEM WYMAGAŃ EDUKACYJNYCH PLAN REALIZACJI MATERIAŁU NAUCZANIA FIZYKI W GIMNAZJUM WRAZ Z OKREŚLENIEM WYMAGAŃ EDUKACYJNYCH Krzysztof Horodecki, Artur Ludwikowski, Fizyka 1. Podręcznik dla gimnazjum, Gdańskie Wydawnictwo Oświatowe

Bardziej szczegółowo

Wektory, układ współrzędnych

Wektory, układ współrzędnych Wektory, układ współrzędnych Wielkości występujące w przyrodzie możemy podzielić na: Skalarne, to jest takie wielkości, które potrafimy opisać przy pomocy jednej liczby (skalara), np. masa, czy temperatura.

Bardziej szczegółowo

ANALIZA ENERGOCHŁONNOŚCI RUCHU TROLEJBUSÓW

ANALIZA ENERGOCHŁONNOŚCI RUCHU TROLEJBUSÓW ANALIZA ENERGOCHŁONNOŚCI RUCHU TROLEJBUSÓW Mgr inż. Ewa Siemionek* *Katedra Pojazdów Samochodowych, Wydział Mechaniczny, Politechnika Lubelska 20-618 Lublin, ul. Nadbystrzycka 36 1. WSTĘP Komunikacja miejska

Bardziej szczegółowo

Termodynamika. Część 12. Procesy transportu. Janusz Brzychczyk, Instytut Fizyki UJ

Termodynamika. Część 12. Procesy transportu. Janusz Brzychczyk, Instytut Fizyki UJ Termodynamika Część 12 Procesy transportu Janusz Brzychczyk, Instytut Fizyki UJ Zjawiska transportu Zjawiska transportu są typowymi procesami nieodwracalnymi zachodzącymi w przyrodzie. Zjawiska te polegają

Bardziej szczegółowo

Parametry statystyczne

Parametry statystyczne I. MIARY POŁOŻENIA charakteryzują średni lub typowy poziom wartości cechy, wokół nich skupiają się wszystkie pozostałe wartości analizowanej cechy. I.1. Średnia arytmetyczna x = x 1 + x + + x n n = 1 n

Bardziej szczegółowo

Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, Spis treści

Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, Spis treści Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, 2017 Spis treści Od autorów 11 I. Klasyczne metody numeryczne Rozdział 1. Na początek 15 1.1.

Bardziej szczegółowo

Aproksymacja funkcji a regresja symboliczna

Aproksymacja funkcji a regresja symboliczna Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą

Bardziej szczegółowo

Temat: Projektowanie sterownika rozmytego. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Temat: Projektowanie sterownika rozmytego. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Temat: Projektowanie sterownika rozmytego Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sterowanie

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

KARTA PRZEDMIOTU. zaliczenie na ocenę

KARTA PRZEDMIOTU. zaliczenie na ocenę Wydział Mechaniczny PWR KARTA PRZEDMIOTU Nazwa w języku polskim: Ekologia transportu drogowego Nazwa w języku angielskim: Ecology of Road Transportation Kierunek studiów (jeśli dotyczy): Mechanika i Budowa

Bardziej szczegółowo

Najprostszy schemat blokowy

Najprostszy schemat blokowy Definicje Modelowanie i symulacja Modelowanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego układu rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano

Bardziej szczegółowo

Wykład 3 - model produkcji i cen input-output (Model 2)

Wykład 3 - model produkcji i cen input-output (Model 2) Wykład 3 - model produkcji i cen input-output (Model 2) 1 Wprowadzenie W ramach niniejszego wykładu opisujemy model 2, będący rozszerzeniem znanego z poprzedniego wykładu modelu 1. Rozszerzenie polega

Bardziej szczegółowo

INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Temat: Podstawowe pojęcia z logiki rozmytej Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sterowanie

Bardziej szczegółowo

ĆWICZENIE 15 BADANIE WZMACNIACZY MOCY MAŁEJ CZĘSTOTLIWOŚCI

ĆWICZENIE 15 BADANIE WZMACNIACZY MOCY MAŁEJ CZĘSTOTLIWOŚCI 1 ĆWICZENIE 15 BADANIE WZMACNIACZY MOCY MAŁEJ CZĘSTOTLIWOŚCI 15.1. CEL ĆWICZENIA Celem ćwiczenia jest poznanie podstawowych właściwości wzmacniaczy mocy małej częstotliwości oraz przyswojenie umiejętności

Bardziej szczegółowo

WYDZIAŁ TRANSPORTU I INFORMATYKI MECHANIKA I BUDOWA MASZYN I STOPIEŃ PRAKTYCZNY

WYDZIAŁ TRANSPORTU I INFORMATYKI MECHANIKA I BUDOWA MASZYN I STOPIEŃ PRAKTYCZNY WYDZIAŁ TRANSPORTU I INFORMATYKI Nazwa kierunku Poziom Profil Symbole efektów na kierunku K_W01 K _W 02 K _W03 K _W04 K _W05 K _W06 MECHANIKA I BUDOWA MASZYN I STOPIEŃ PRAKTYCZNY Efekty - opis słowny Po

Bardziej szczegółowo

Modelowanie komputerowe w zagadnieniach środowiska. Strona:

Modelowanie komputerowe w zagadnieniach środowiska. Strona: Modelowanie komputerowe w zagadnieniach środowiska Wykład 30 godzin + Laboratorium 30 godzin Strona: http://www.icm.edu.pl/~aniat/modele/wdw1 Literatura Modelowanie Urszula Foryś, Matematyka w biologii,

Bardziej szczegółowo

WIELOPOZIOMOWE MODELOWANIE RUCHU

WIELOPOZIOMOWE MODELOWANIE RUCHU WIELOPOZIOMOWE MODELOWANIE RUCHU KONCEPCJA I DOŚWIADCZENIA PRAKTYCZNE Lucyna Gumińska Kazimierz Jamroz Wojciech Kustra Jacek Oskarbski Politechnika Gdańska Katedra Inżynierii Drogowej WPROWADZENIE Planowanie

Bardziej szczegółowo

Sterowanie napędów maszyn i robotów

Sterowanie napędów maszyn i robotów Wykład 7b - Układy wieloobwodowe ze sprzężeniem od zmiennych stanu Instytut Automatyki i Robotyki Warszawa, 2014 Układy wieloobwodowe ze sprzężeniem od zmiennych stanu Zadanie przestawiania Postać modalna

Bardziej szczegółowo

Zintegrowane środowisko informatyczne jako narzędzie modelowania i dynamicznej wizualizacji jakości powietrza. Tomasz Kochanowski

Zintegrowane środowisko informatyczne jako narzędzie modelowania i dynamicznej wizualizacji jakości powietrza. Tomasz Kochanowski Zintegrowane środowisko informatyczne jako narzędzie modelowania i dynamicznej wizualizacji jakości powietrza Tomasz Kochanowski Złożoność systemu zarządzania jakością powietrza Monitoring jakości powietrza

Bardziej szczegółowo

Wykład 1 Klasyfikacja kosztów

Wykład 1 Klasyfikacja kosztów Wykład 1 Klasyfikacja kosztów dr Robert Piechota Pojęcie kosztów Wyrażone w pieniądzu celowe zużycie środków trwałych, materiałów, paliwa, energii, usług, czasu pracy pracowników oraz niektóre wydatki

Bardziej szczegółowo

Definicje. Najprostszy schemat blokowy. Schemat dokładniejszy

Definicje. Najprostszy schemat blokowy. Schemat dokładniejszy Definicje owanie i symulacja owanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano model, do

Bardziej szczegółowo

Temat: Projektowanie sterownika rozmytego. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Temat: Projektowanie sterownika rozmytego. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Temat: Projektowanie sterownika rozmytego Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie System

Bardziej szczegółowo

WIEDZA T1P_W06. K_W01 ma podstawową wiedzę o zarządzaniu jako nauce, jej miejscu w systemie nauk i relacjach do innych nauk;

WIEDZA T1P_W06. K_W01 ma podstawową wiedzę o zarządzaniu jako nauce, jej miejscu w systemie nauk i relacjach do innych nauk; SYMBOL Efekty kształcenia dla kierunku studiów: inżynieria zarządzania; Po ukończeniu studiów pierwszego stopnia na kierunku inżynieria zarządzania, absolwent: Odniesienie do obszarowych efektów kształcenia

Bardziej szczegółowo

OBLICZENIA SILNIKA TURBINOWEGO ODRZUTOWEGO (rzeczywistego) PRACA W WARUNKACH STATYCZNYCH. Opracował. Dr inż. Robert Jakubowski

OBLICZENIA SILNIKA TURBINOWEGO ODRZUTOWEGO (rzeczywistego) PRACA W WARUNKACH STATYCZNYCH. Opracował. Dr inż. Robert Jakubowski OBLICZENIA SILNIKA TURBINOWEGO ODRZUTOWEGO (rzeczywistego) PRACA W WARUNKACH STATYCZNYCH DANE WEJŚCIOWE : Opracował Dr inż. Robert Jakubowski Parametry otoczenia p H, T H Spręż sprężarki, Temperatura gazów

Bardziej szczegółowo

Studia I stopnia kierunek: chemia Załącznik nr 3

Studia I stopnia kierunek: chemia Załącznik nr 3 Studia I stopnia kierunek: chemia Załącznik nr 3 Matryca efektów kształcenia określa relacje między efektami kształcenia zdefiniowanymi dla programu kształcenia (efektami kierunkowymi) i efektami kształcenia

Bardziej szczegółowo

ZASTOSOWANIE RACHUNKU OPERATORÓW MIKUS- IŃSKIEGO W PEWNYCH ZAGADNIENIACH DYNAMIKI KONSTRUKCJI

ZASTOSOWANIE RACHUNKU OPERATORÓW MIKUS- IŃSKIEGO W PEWNYCH ZAGADNIENIACH DYNAMIKI KONSTRUKCJI Budownictwo 18 Mariusz Poński ZASTOSOWANIE RACHUNKU OPERATORÓW MIKUS- IŃSKIEGO W PEWNYCH ZAGADNIENIACH DYNAMIKI KONSTRUKCJI 1. Metody transformacji całkowych Najczęściej spotykaną metodą rozwiązywania

Bardziej szczegółowo

Szybkie prototypowanie w projektowaniu mechatronicznym

Szybkie prototypowanie w projektowaniu mechatronicznym Szybkie prototypowanie w projektowaniu mechatronicznym Systemy wbudowane (Embedded Systems) Systemy wbudowane (ang. Embedded Systems) są to dedykowane architektury komputerowe, które są integralną częścią

Bardziej szczegółowo

Program Analiza systemowa gospodarki energetycznej kompleksu budowlanego użyteczności publicznej

Program Analiza systemowa gospodarki energetycznej kompleksu budowlanego użyteczności publicznej W programie zawarto metodykę wykorzystywaną do analizy energetyczno-ekologicznej eksploatacji budynków, jak również do wspomagania projektowania ich optymalnego wariantu struktury gospodarki energetycznej.

Bardziej szczegółowo

Temat /6/: DYNAMIKA UKŁADÓW HYDRAULICZNYCH. WIADOMOŚCI PODSTAWOWE.

Temat /6/: DYNAMIKA UKŁADÓW HYDRAULICZNYCH. WIADOMOŚCI PODSTAWOWE. 1 Temat /6/: DYNAMIKA UKŁADÓW HYDRAULICZNYCH. WIADOMOŚCI PODSTAWOWE. Celem ćwiczenia jest doświadczalne określenie wskaźników charakteryzujących właściwości dynamiczne hydraulicznych układów sterujących

Bardziej szczegółowo

Statystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski

Statystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski Literatura STATYSTYKA OPISOWA A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu

Bardziej szczegółowo

Pojęcie Ekojazdy Eco-Driving

Pojęcie Ekojazdy Eco-Driving Ekojazda Pojęcie Ekojazdy Eco-Driving jest nurtem edukacyjnym i świadomość zainicjowanym w celu dostarczenia użytkownikom dróg porad i zasad, które pokazują, że regularne przeglądy pojazdu połączone ze

Bardziej szczegółowo

Katedra Budownictwa Drogowego. Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy W ŚRODOWISKU VISUM. dr inż. Jacek Chmielewski

Katedra Budownictwa Drogowego. Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy W ŚRODOWISKU VISUM. dr inż. Jacek Chmielewski Katedra Budownictwa Drogowego Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy INTERAKTYWNY CZTEROSTOPNIOWY MODEL TRANSPORTOWY DLA MIAST W ŚRODOWISKU VISUM dr inż. Jacek Chmielewski Wprowadzenie n

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela

Statystyka w pracy badawczej nauczyciela Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem

Bardziej szczegółowo

Jan A. Szantyr tel

Jan A. Szantyr tel Katedra Energetyki i Aparatury Przemysłowej Zakład Mechaniki Płynów, Turbin Wodnych i Pomp J. Szantyr Wykład 1 Rozrywkowe wprowadzenie do Mechaniki Płynów Jan A. Szantyr jas@pg.gda.pl tel. 58-347-2507

Bardziej szczegółowo

BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH

BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH Dr inż. Artur JAWORSKI, Dr inż. Hubert KUSZEWSKI, Dr inż. Adam USTRZYCKI W artykule przedstawiono wyniki analizy symulacyjnej

Bardziej szczegółowo

Matematyka Stosowana na Politechnice Wrocławskiej. Komitet Matematyki PAN, luty 2017 r.

Matematyka Stosowana na Politechnice Wrocławskiej. Komitet Matematyki PAN, luty 2017 r. Matematyka Stosowana na Politechnice Wrocławskiej Komitet Matematyki PAN, luty 2017 r. Historia kierunku Matematyka Stosowana utworzona w 2012 r. na WPPT (zespół z Centrum im. Hugona Steinhausa) studia

Bardziej szczegółowo

Wpływ prognozowania ruchu na analizy środowiskowe w drogownictwie cz. I

Wpływ prognozowania ruchu na analizy środowiskowe w drogownictwie cz. I W ciągu ostatnich lat obserwuje się coraz większe znaczenie opracowań i analiz środowiskowych w planowaniu oraz projektowaniu dróg i ulic. Najistotniejszym czynnikiem decydującym o ich wiarygodności są

Bardziej szczegółowo

Wprowadzenie w tematykę zarządzania projektami/przedsięwzięciami

Wprowadzenie w tematykę zarządzania projektami/przedsięwzięciami Wprowadzenie w tematykę zarządzania projektami/przedsięwzięciami punkt 2 planu zajęć dr inż. Agata Klaus-Rosińska 1 DEFINICJA PROJEKTU Zbiór działań podejmowanych dla zrealizowania określonego celu i uzyskania

Bardziej szczegółowo

Karta (sylabus) modułu/przedmiotu INŻYNIERIA MATERIAŁOWA Studia pierwszego stopnia

Karta (sylabus) modułu/przedmiotu INŻYNIERIA MATERIAŁOWA Studia pierwszego stopnia Karta (sylabus) modułu/przedmiotu INŻYNIERIA MATERIAŁOWA Studia pierwszego stopnia Przedmiot: Mechanika Rodzaj przedmiotu: Obowiązkowy Kod przedmiotu: IM 1 S 0 2 24-0_1 Rok: I Semestr: 2 Forma studiów:

Bardziej szczegółowo

Mechatronika i inteligentne systemy produkcyjne. Aktory

Mechatronika i inteligentne systemy produkcyjne. Aktory Mechatronika i inteligentne systemy produkcyjne Aktory 1 Definicja aktora Aktor (ang. actuator) -elektronicznie sterowany człon wykonawczy. Aktor jest łącznikiem między urządzeniem przetwarzającym informację

Bardziej szczegółowo

STRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.

STRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań

Bardziej szczegółowo

Dwurównaniowe domknięcie turbulentnego strumienia ciepła

Dwurównaniowe domknięcie turbulentnego strumienia ciepła Instytut Maszyn Przepływowych PAN Ośrodek Termomechaniki Płynów Zakład Przepływów z Reakcjami Chemicznymi Dwurównaniowe domknięcie turbulentnego strumienia ciepła Implementacja modelu: k 2 v' f ' 2 Michał

Bardziej szczegółowo

Rozszerzony konspekt preskryptu do przedmiotu Teoria Maszyn i Mechanizmów

Rozszerzony konspekt preskryptu do przedmiotu Teoria Maszyn i Mechanizmów Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Rozszerzony konspekt preskryptu do przedmiotu Teoria Maszyn i Mechanizmów Prof. dr hab. inż. Janusz Frączek Instytut

Bardziej szczegółowo

Wykład 5: Statystyki opisowe (część 2)

Wykład 5: Statystyki opisowe (część 2) Wykład 5: Statystyki opisowe (część 2) Wprowadzenie Na poprzednim wykładzie wprowadzone zostały statystyki opisowe nazywane miarami położenia (średnia, mediana, kwartyle, minimum i maksimum, modalna oraz

Bardziej szczegółowo

Znaczenie fazy użytkowej dla nawierzchni dróg dr inż. Marcin Tłustochowicz

Znaczenie fazy użytkowej dla nawierzchni dróg dr inż. Marcin Tłustochowicz Znaczenie fazy użytkowej dla nawierzchni dróg dr inż. Marcin Tłustochowicz 8 stycznia 2014r. Treść wykładu Wstęp znaczenie fazy użytkowej Zużycie paliwa w zależności od nawierzchni Współczynnik odbicia

Bardziej szczegółowo

INFRASTRUKTURA DROGOWA PRZYJAZNA MOTOCYKLISTOM WSTĘPNA ANALIZA ZAGROŻEŃ I POTRZEB ZMIAN W PRZEPISACH PROJEKTOWANIA

INFRASTRUKTURA DROGOWA PRZYJAZNA MOTOCYKLISTOM WSTĘPNA ANALIZA ZAGROŻEŃ I POTRZEB ZMIAN W PRZEPISACH PROJEKTOWANIA VI Śląskie Forum Drogownictwa 24-26 kwiecień 2018 INFRASTRUKTURA DROGOWA PRZYJAZNA MOTOCYKLISTOM WSTĘPNA ANALIZA ZAGROŻEŃ I POTRZEB ZMIAN W PRZEPISACH PROJEKTOWANIA Prof. dr hab. inż. Stanisław Gaca, dr

Bardziej szczegółowo

Wstępne ustalenia do badań i nowej metody: odcinki włączania/wyłączania, przeplatania

Wstępne ustalenia do badań i nowej metody: odcinki włączania/wyłączania, przeplatania Wstępne ustalenia do badań i nowej metody: odcinki włączania/wyłączania, przeplatania dr hab. inż. Kazimierz Jamroz, prof. nadzw. PG dr inż. Wojciech Kustra mgr inż. Aleksandra Romanowska mgr inż. Artur

Bardziej szczegółowo

Nowoczesne narzędzia obliczeniowe do projektowania i optymalizacji kotłów

Nowoczesne narzędzia obliczeniowe do projektowania i optymalizacji kotłów Nowoczesne narzędzia obliczeniowe do projektowania i optymalizacji kotłów Mateusz Szubel, Mariusz Filipowicz Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie AGH University of Science and

Bardziej szczegółowo

Rachunek prawdopodobieństwa WZ-ST1-AG--16/17Z-RACH. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 30. niestacjonarne: Wykłady: 9 Ćwiczenia: 18

Rachunek prawdopodobieństwa WZ-ST1-AG--16/17Z-RACH. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 30. niestacjonarne: Wykłady: 9 Ćwiczenia: 18 Karta przedmiotu Wydział: Wydział Zarządzania Kierunek: Analityka gospodarcza I. Informacje podstawowe Nazwa przedmiotu Rachunek prawdopodobieństwa Nazwa przedmiotu w j. ang. Język prowadzenia przedmiotu

Bardziej szczegółowo

Politechnika Śląska. Katedra Wytrzymałości Materiałów i Metod Komputerowych Mechaniki. Praca dyplomowa inżynierska. Wydział Mechaniczny Technologiczny

Politechnika Śląska. Katedra Wytrzymałości Materiałów i Metod Komputerowych Mechaniki. Praca dyplomowa inżynierska. Wydział Mechaniczny Technologiczny Politechnika Śląska Wydział Mechaniczny Technologiczny Katedra Wytrzymałości Materiałów i Metod Komputerowych Mechaniki Praca dyplomowa inżynierska Temat pracy Symulacja komputerowa działania hamulca tarczowego

Bardziej szczegółowo

WYKŁAD 9 METODY ZMIENNEJ METRYKI

WYKŁAD 9 METODY ZMIENNEJ METRYKI WYKŁAD 9 METODY ZMIENNEJ METRYKI Kierunki sprzężone. Metoda Newtona Raphsona daje dobre przybliżenie najlepszego kierunku poszukiwań, lecz jest to okupione znacznym kosztem obliczeniowym zwykle postać

Bardziej szczegółowo

Model MULTIPOLES - narzędzie do prognozowania, projekcji i symulacji stanu i struktury ludności

Model MULTIPOLES - narzędzie do prognozowania, projekcji i symulacji stanu i struktury ludności Model MULTIPOLES - narzędzie do prognozowania, projekcji i symulacji stanu i struktury ludności Dorota Kupiszewska i Marek Kupiszewski Konferencja Perspektywy demograficzne Europy Instytut Statystyki i

Bardziej szczegółowo

KIERUNKOWE EFEKTY KSZTAŁCENIA KIERUNEK TECHNOLOGIE OCHRONY ŚRODOWISKA P O L I T E C H N I K A POZNAŃSKA WYDZIAŁ TECHNOLOGII CHEMICZNEJ

KIERUNKOWE EFEKTY KSZTAŁCENIA KIERUNEK TECHNOLOGIE OCHRONY ŚRODOWISKA P O L I T E C H N I K A POZNAŃSKA WYDZIAŁ TECHNOLOGII CHEMICZNEJ P O L I T E C H N I K A POZNAŃSKA WYDZIAŁ TECHNOLOGII CHEMICZNEJ ul. Piotrowo 3 60-965 POZNAŃ tel. 061 6652351 fax 061 6652852 E-mail: office_dctf@put.poznan.pl http://www.fct.put.poznan.pl KIERUNKOWE

Bardziej szczegółowo

Politechnika Łódzka Wydział Mechaniczny Instytut obrabiarek i technologii budowy maszyn. Praca Magisterska

Politechnika Łódzka Wydział Mechaniczny Instytut obrabiarek i technologii budowy maszyn. Praca Magisterska Politechnika Łódzka Wydział Mechaniczny Instytut obrabiarek i technologii budowy maszyn Adam Wijata 193709 Praca Magisterska na kierunku Automatyka i Robotyka Studia stacjonarne TEMAT Modyfikacje charakterystyk

Bardziej szczegółowo

Tadeusz Lesiak. Dynamika punktu materialnego: Praca i energia; zasada zachowania energii

Tadeusz Lesiak. Dynamika punktu materialnego: Praca i energia; zasada zachowania energii Mechanika klasyczna Tadeusz Lesiak Wykład nr 4 Dynamika punktu materialnego: Praca i energia; zasada zachowania energii Energia i praca T. Lesiak Mechanika klasyczna 2 Praca Praca (W) wykonana przez stałą

Bardziej szczegółowo

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych. Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą

Bardziej szczegółowo

Karta (sylabus) modułu/przedmiotu Mechanika i Budowa Maszyn Studia drugiego stopnia

Karta (sylabus) modułu/przedmiotu Mechanika i Budowa Maszyn Studia drugiego stopnia Karta (sylabus) modułu/przedmiotu Mechanika i Budowa Maszyn Studia drugiego stopnia Przedmiot: Mechanika analityczna Rodzaj przedmiotu: Obowiązkowy Kod przedmiotu: MBM 2 S 0 1 02-0_1 Rok: 1 Semestr: 1

Bardziej szczegółowo

Modelowanie wieloskalowe. Automaty Komórkowe - podstawy

Modelowanie wieloskalowe. Automaty Komórkowe - podstawy Modelowanie wieloskalowe Automaty Komórkowe - podstawy Dr hab. inż. Łukasz Madej Katedra Informatyki Stosowanej i Modelowania Wydział Inżynierii Metali i Informatyki Przemysłowej Budynek B5 p. 716 lmadej@agh.edu.pl

Bardziej szczegółowo

Rozszerzony konspekt preskryptu do przedmiotu Podstawy Robotyki

Rozszerzony konspekt preskryptu do przedmiotu Podstawy Robotyki Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Rozszerzony konspekt preskryptu do przedmiotu Podstawy Robotyki dr inż. Marek Wojtyra Instytut Techniki Lotniczej

Bardziej szczegółowo

Wnikanie ciepła przy konwekcji swobodnej. 1. Wstęp

Wnikanie ciepła przy konwekcji swobodnej. 1. Wstęp Wnikanie ciepła przy konwekcji swobodnej 1. Wstęp Współczynnik wnikania ciepła podczas konwekcji silnie zależy od prędkości czynnika. Im prędkość czynnika jest większa, tym współczynnik wnikania ciepła

Bardziej szczegółowo

zna podstawową terminologię w języku obcym umożliwiającą komunikację w środowisku zawodowym

zna podstawową terminologię w języku obcym umożliwiającą komunikację w środowisku zawodowym Wykaz kierunkowych efektów kształcenia PROGRAM KSZTAŁCENIA: Kierunek Edukacja techniczno-informatyczna POZIOM KSZTAŁCENIA: studia pierwszego stopnia PROFIL KSZTAŁCENIA: praktyczny Przyporządkowanie kierunku

Bardziej szczegółowo

FIZYKA klasa 1 Liceum Ogólnokształcącego (4 letniego)

FIZYKA klasa 1 Liceum Ogólnokształcącego (4 letniego) 2019-09-01 FIZYKA klasa 1 Liceum Ogólnokształcącego (4 letniego) Treści z podstawy programowej przedmiotu POZIOM ROZSZERZONY (PR) SZKOŁY BENEDYKTA Podstawa programowa FIZYKA KLASA 1 LO (4-letnie po szkole

Bardziej szczegółowo

Karta (sylabus) przedmiotu Kierunek studiów Mechatronika Studia pierwszego stopnia. Mechanika Techniczna Rodzaj przedmiotu: Podstawowy Kod przedmiotu:

Karta (sylabus) przedmiotu Kierunek studiów Mechatronika Studia pierwszego stopnia. Mechanika Techniczna Rodzaj przedmiotu: Podstawowy Kod przedmiotu: Karta (sylabus) przedmiotu Kierunek studiów Mechatronika Studia pierwszego stopnia Przedmiot: Mechanika Techniczna Rodzaj przedmiotu: Podstawowy Kod przedmiotu: MT 1 S 0 2 14-0_1 Rok: I Semestr: II Forma

Bardziej szczegółowo

Algorytm. Krótka historia algorytmów

Algorytm. Krótka historia algorytmów Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z FIZYKI

WYMAGANIA EDUKACYJNE Z FIZYKI WYMAGANIA EDUKACYJNE Z FIZYKI KLASA I Budowa materii Wymagania na stopień dopuszczający obejmują treści niezbędne dla dalszego kształcenia oraz użyteczne w pozaszkolnej działalności ucznia. Uczeń: rozróżnia

Bardziej szczegółowo

Definicje. Algorytm to:

Definicje. Algorytm to: Algorytmy Definicje Algorytm to: skończony ciąg operacji na obiektach, ze ściśle ustalonym porządkiem wykonania, dający możliwość realizacji zadania określonej klasy pewien ciąg czynności, który prowadzi

Bardziej szczegółowo

Karta (sylabus) modułu/przedmiotu Transport Studia I stopnia. Ekologiczne aspekty transportu Rodzaj przedmiotu: Język polski.

Karta (sylabus) modułu/przedmiotu Transport Studia I stopnia. Ekologiczne aspekty transportu Rodzaj przedmiotu: Język polski. Karta (sylabus) modułu/przedmiotu Transport Studia I stopnia Przedmiot: Ekologiczne aspekty transportu Rodzaj przedmiotu: Obieralny/kierunkowy Kod przedmiotu: TR N 0 7 5-5_ Rok: IV Semestr: 7 Forma studiów:

Bardziej szczegółowo

OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI

OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI Autoreferat do rozprawy doktorskiej OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI Michał Mazur Gliwice 2016 1 2 Montaż samochodów na linii w

Bardziej szczegółowo

Inteligentna analiza danych

Inteligentna analiza danych Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki

Bardziej szczegółowo

Systemy. Krzysztof Patan

Systemy. Krzysztof Patan Systemy Krzysztof Patan Systemy z pamięcią System jest bez pamięci (statyczny), jeżeli dla dowolnej chwili t 0 wartość sygnału wyjściowego y(t 0 ) zależy wyłącznie od wartości sygnału wejściowego w tej

Bardziej szczegółowo

8. PODSTAWY ANALIZY NIELINIOWEJ

8. PODSTAWY ANALIZY NIELINIOWEJ 8. PODSTAWY ANALIZY NIELINIOWEJ 1 8. 8. PODSTAWY ANALIZY NIELINIOWEJ 8.1. Wprowadzenie Zadania nieliniowe mają swoje zastosowanie na przykład w rozwiązywaniu cięgien. Przyczyny nieliniowości: 1) geometryczne:

Bardziej szczegółowo

Aproksymacja. funkcji: ,a 2. ,...,a m. - są funkcjami bazowymi m+1 wymiarowej podprzestrzeni liniowej X m+1

Aproksymacja. funkcji: ,a 2. ,...,a m. - są funkcjami bazowymi m+1 wymiarowej podprzestrzeni liniowej X m+1 Założenie: f(x) funkcja którą aproksymujemy X jest przestrzenią liniową Aproksymacja liniowa funkcji f(x) polega na wyznaczeniu współczynników a 0,a 1,a 2,...,a m funkcji: Gdzie: - są funkcjami bazowymi

Bardziej szczegółowo

17. 17. Modele materiałów

17. 17. Modele materiałów 7. MODELE MATERIAŁÓW 7. 7. Modele materiałów 7.. Wprowadzenie Podstawowym modelem w mechanice jest model ośrodka ciągłego. Przyjmuje się, że materia wypełnia przestrzeń w sposób ciągły. Możliwe jest wyznaczenie

Bardziej szczegółowo