Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 4

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Being negatively impressed by the data published by the European Commission in CARE (Community database on Accidents on the Roads in Europe), where Poland is presented as the European Country with the highest rate of fatalities in road crashes involving cyclists during 4 years period (2009-2013), the Authors decided to analyse available data. Bikes become a more and more popular means of transport and the way of active recreation. In Warsaw, the share of bicycle trips rises 1 to 3% per year. The aforementioned, together with increasing traffic density, caused 4233 registered injuries among cyclists in 2018 in Poland. In 286 cases the accidents were direct reasons for the cyclists’ death. Considering these facts, it becomes extremely important to point the most influencing factors and conditions contributing to cyclists’ serious accidents. One-dimensional or two-dimensional statistics are not sufficient to find all important associations between the road conditions and the number of cyclists’ accidents. To overcome that the association analysis is applied. The results of the analysis can contribute to increasing the knowledge and safety of transport.
PL
Opublikowane przez Komisję Europejską dane w CARE (Community database on Accidents in the Roads in Europe) wskazują, że Polska jest krajem o najwyższym wskaźniku śmiertelności rowerzystów w efekcie wypadków drogowych w okresie 2009-2013 r. Jednocześnie rower staje się coraz bardziej popularnym środkiem transportu i sposobem rekreacji. W Warszawie ruch rowerowy wzrasta od 1 do 3% rocznie. To zjawisko oraz coraz gęstszy ruch drogowy było w Polsce przyczyną 4233 zarejestrowanych wypadków w 2018 r, w których ucierpieli rowerzyści. W 286 przypadkach wypadek był przyczyną śmierci rowerzysty. W świetle powyższych informacji bardzo istotne staje się wskazanie najważniejszych czynników i warunków drogowych towarzyszących poważnym wypadkom rowerzystów. Statystyki z użyciem jednej czy dwu zmiennych są niewystarczające, gdyż okoliczności towarzyszących wypadkom jest zwykle więcej. Do badania tych okoliczności wykorzystano więc analizę asocjacji zwaną też analizą koszykową. Obserwowanemu wzrostowi ruchu rowerowego (w Warszawie podwoił się w ciągu ostatnich kilku lat) towarzyszy także wzrost długości wybudowanych ścieżek rowerowych (np. w Warszawie od 305 km w 2011 r. do 645 km w 2019 r.). Niestety podobny wzrost dotyczy liczby wypadków w udziałem rowerzystów, wśród których także są wypadki śmiertelne. Całkowitą liczbę wypadków rowerzystów w Polsce wraz z liczbą wypadków śmiertelnych w latach 2011-2019 pokazano na rys. 3. Analiza asocjacji to wyszukiwanie związków pomiędzy zdarzeniem (lub jednoczesnym wystąpieniem kilku zdarzeń) towarzyszących innemu, obserwowanemu zdarzeniu, bądź zjawisku. Inna nazwa takich analiz, to analiza koszykowa, która powstała od pierwotnego zastosowania tj. badań zawartości koszyków klientów w sklepach wielkopowierzchniowych. Wtedy celem było zwiększanie sprzedaży, jednak przydatność tego rodzaju analiz została zauważona przez naukowców i są one wykorzystywane np. w biologii [8], edukacji [9]. Naturalnym zastosowaniem analizy asocjacji jest medycyna (np. w [10]). Symptomy choroby stanowią tam poprzednik reguły, a następnikiem jest wystąpienie choroby. Zastosowania analizy koszykowej można także znaleźć w rozwiązaniach problemów z zakresu inżynierii lądowej np. w zagadnieniach dotyczących zarządzania jakością [12], w ocenie ryzyka [14], w ocenie rzetelności ofert w postępowaniach przetargowych [13]. Reguł asocjacyjnych poszukiwano już także w zagadnieniach związanych z bezpieczeństwem ruchu drogowego [15, 16, 17]. Analiza asocjacji posługuje się trzema podstawowymi wskaźnikami: wsparciem (sup od ang. support) oznaczającym udział zdarzeń z jednoczesnym wystąpieniem poprzednika i następnika w całkowitej liczbie zdarzeń, ufnością (sup od ang. confidence) wyrażającym stosunek liczby zdarzeń z jednoczesnym wystąpieniem poprzednika i następnika do liczby zdarzeń, w których wystąpił dany poprzednik, przyrostem (ang. lift), który zdefiniowany jest jako iloraz ufności i prawdopodobieństwa wystąpienia następnika. Znalezione reguły o przyroście mniejszym niż 1 nie wyjaśniają zjawiska. Przykładowe obliczenia tych trzech parametrów przedstawiono w tab. 1. Analizie poddano bazę danych stworzoną przez Instytut Transportu Samochodowego na podstawie bazy [20]. Zawiera ona informacje o 21470 wypadkach rowerzystów w Polsce jakie miały miejsce w latach 2009-2013. Rodzaje informacji jakie zawiera każdy z rekordów w bazie to: stopień obrażeń rowerzysty (lekkie, ciężkie lub śmiertelne), miejsce zdarzenia (obszar miejski lub poza nim), rodzaj ulicy/drogi (jedno lub dwujezdniowa, jedno lub dwukierunkowa), lokalizacja zdarzenia na skrzyżowaniu lub poza nim, czy skrzyżowanie było wyposażone w sygnalizację świetlną, jaki był stopień oświetlenie naturalnego (dzień, zmierzch, noc). Bazę danych (której fragment przedstawiono na rys. 4) przekształcono do postaci z binarnymi wartościami (patrz tab. 2). Niezależnie od postaci przedstawianych informacji (tabelarycznie lub graficznie) analiza więcej niż dwóch czynników jednocześnie wpływających na stopień obrażeń jest albo trudna, albo informacje są nieczytelne. Podstawowe statystyki dotyczące wypadków rowerowych przedstawiono w rozdziale 3.1. Ze względu na znaczne różnice w strukturze wypadków w obszarze miejskim i poza nim, zdecydowano na poszukiwanie reguł asocjacyjnych odrębnie dla tych dwóch obszarów. Drugim założeniem było połączenie kategorii obrażeń ciężkich i śmiertelnych w jedną kategorię oznaczaną FS (ang. fatal and serious injuries), gdyż poszukiwanie reguł wyłącznie dla wypadków śmiertelnych pozwoliło znaleźć małą liczbę mało znaczących reguł (z przyrostem poniżej 1). Najsilniejsze, istotne reguły znalezione po przyjęciu wyżej opisanych założeń przedstawiono w tab. 6, 7, 8 i 9. Regułą o największej ufności jest następująca reguła (nr 10 w tab. 9): jeśli wypadek miał miejsce poza terenem miejskim na skrzyżowaniu drogi jednojezdniowej, dwukierunkowej, w czasie zmierzchu lub nocą, to w wyniku wypadku rowerzysta zmarł lub doznał ciężkich obrażeń ciała, z ufnością 80,0%. Nie znaleziono natomiast istotnych reguł dotyczących wypadków ze skutkiem FS dla obszarów miejskich. Najbardziej zaskakującym wnioskiem z przeprowadzonych analiz jest mała istotność sygnalizacji świetlnej w obszarze miejskim dla ciężkich wypadków w ruchu rowerowym. Natomiast poza obszarem miejskim, o ile skrzyżowanie posiada sygnalizację świetlną, w wypadku z udziałem rowerzysty można spodziewać się jego lekkich obrażeń z ufnością 65,2% przy wsparciu reguły 41,4%. Należy podkreślić, że przedstawione w artykule analizy były wykonane w oparciu o bazę danych, która nie zawiera wielu informacji istotnych z punktu widzenia przyczyn wypadków drogowych z udziałem rowerzystów takich jak: sztuczne oświetlenie ulicy lub drogi, oświetlenie osobiste rowerzysty, czy wypadek miał miejsce na ścieżce rowerowej, jakie były warunki pogodowe. Uwzględnienie ich w analizie koszykowej mogłoby doprowadzić do znalezienia reguł o większej istotności oraz do wniosków, które jeszcze w większym stopniu mogłyby się przyczynić do zapobiegania wypadkom rowerzystów.
EN
The homogenous properties – as flats are – have the set of key features that characterizes them. The area of a flat, the number of rooms and storey number where it is located, the technical state of a building, and the state of the vicinity of the blocks of flats assessed. The database comprises 222 flats with their transaction prices on the secondary estate market. The analysed flats are located in a certain quarter of Wrocław city in Poland. The database is large enough to apply machine learning for successful price predictions. Their close locations significantly lower the influence of clients’ assessments of the attractiveness of the location on the flat’s price. The hybrid approach is applied, where classifying precedes the solution of the regression problem. Dependently on the class of flats, the mean absolute percentage error achieved through the calculations presented in the article varies from 4,4 % to 7,8 %. In the classes of flats where the number of cases doesn’t allow for machine predicting, multivariate linear regression is applied. The reliable use of machine learning tools has proved that the automated valuation of homogenous types of properties can produce price predictions with the error low enough for real applications.
PL
Wycena nieruchomości jest złożonym procesem. Rzeczoznawca majątkowy musi być biegły zarówno w naukach ekonomicznych, prawnych, jak i technicznych. W praktyce często zdarzają się przypadki, w których konieczne jest poznanie zakresu wartości nieruchomości w krótkim czasie. Zautomatyzowane modele wyceny (AVM) są kwestionowane przez praktyków, ale nie oznacza to, że nie należy szukać nowych metod wyceny, innych niż te określone w Rozporządzeniu Rady Ministrów z dnia 21 września 2004 r. w sprawie wyceny nieruchomości i sporządzania operatu szacunkowego. Do określenia wartości rynkowej nieruchomości zdefiniowanej w Ustawie z dnia 21 sierpnia 1997 r o gospodarce nieruchomościami, jako „szacunkowa kwota, jaką w dniu wyceny można uzyskać za nieruchomość w transakcji sprzedaży zawieranej na warunkach rynkowych pomiędzy kupującym a sprzedającym, którzy mają stanowczy zamiar zawarcia umowy, działają z rozeznaniem i postępują rozważnie oraz nie znajdują się w sytuacji przymusowej”, najczęściej stosowaną metodą wyceny jest podejście porównawcze polegające na szacowaniu wartości na podstawie ostatnich danych sprzedaży innych podobnych nieruchomości na rynku lokalnym. Takie podejście wymaga aktywnego, rozwiniętego oraz w miarę stabilnego rynku. Rzeczoznawca majątkowy analizuje ceny transakcyjne nieruchomości, które w wystarczającym stopniu są podobne do nieruchomości wycenianej. Analiza atrybutów nieruchomości polega na badaniu nieruchomości pod względem trwałych cech, które mają znaczący wpływ na wartość, w szczególności lokalizację obiektu, jego powierzchnię, położenie w budynku, stan techniczny. W pracy przenalizowano próbkę 222 nieruchomości lokalowych, które były przedmiotem obrotu na wrocławskim rynku wtórnym. Lokalny rynek nieruchomości przyjęto jako nieruchomości lokalowe o powierzchni użytkowej z przedziału od 15 do 95 m2, w budynkach o stanie dobry lub średnim, z obrębu Grabiszyn dzielnicy Fabryczna miasta Wrocław. W pracy przyjęto dwuletni okres analizy, ze względu na w miarę stabilny rynek w okresie 2013-2014 nie uwzględniono czynnika czasu - przyjęto zerowy trend czasowy dla transakcji wolnorynkowych.
EN
Based on catalogues, the time schedule of erecting multi-storey building has been prepared. Real current conditions and the average cost of the building allows for creating the model where four variables influence NPV and maximum cash demand of a contractor erecting the building. The simulation made in the spreadsheet is the base for calculating and presenting the sensitivity analysis of each variable separately, as well as, for creating the surface chart where the joint influence of terms of payments affects the maximum demand for cash. The way of using of this chart has been described aiming at the protection of the contractor from losing financial liquidity while the profi table project is executed.
EN
The paper presents the comparison of deterministic and stochastic approach for modeling the set of earthworks machinery. Simulation takes into account the normal distribution of cycle time and efficiency of machines and points out its influence for total construction works time. Results of the simulation indicate the need of identification time and efficiency deviation as a risk factor, which can cause delay whenever earthworks cycle includes the serial work of several machines.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.