Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Engineering
Click here for the English version

Engineering

Evaluering af effekten af vejparkering på en dobbeltrettet bygade

Published: January 20, 2023 doi: 10.3791/63384
Automatic Translation
1, 1, 1, 2, 1, 1
1Highway Academy, Chang’an University, 2School of Modern Posts (Logistics School) & Institute of Posts, Xi’an University of Posts and Telecommunications

Summary

I denne undersøgelse analyseres effekten af vejparkering på en bygade. Hele processen består af indsamling af trafikdata, databehandling, operationssimulering, simuleringskalibrering og følsomhedsanalyse.

Abstract

Parkering ved vejsiden er et almindeligt trafikfænomen i Kina. Smalle bygader, høje parkeringskrav og mangel på parkeringspladser tvinger offentligheden til at engagere sig i tilfældig parkering langs vejkanten. Der foreslås en protokol for at bestemme virkningen af et parkeret køretøj ved vejsiden på forbipasserende køretøjer. I denne undersøgelse vælges en dobbeltrettet og tosporet bygade, hvor et køretøj er parkeret i vejkanten, til indsamling af trafikdata. På baggrund af disse data bestemmes virkningen af de parkerede køretøjer ved vejsiden på bane og hastighed for forbipasserende køretøjer. Derudover anvendes en mikrosimuleringsmodel til at bestemme virkningen af parkering ved vejsiden på den maksimale kølængde, forsinkelse, emissioner og andre indikatorer under forskellige trafikmængder i henhold til følsomhedsanalysen. Resultaterne viser, at parkerede køretøjer ved vejsiden påvirker kørebanen for forbipasserende køretøjer i ca. 80 m og har en negativ effekt på hastigheden, idet den laveste hastighed observeres på det parkerede køretøjs placering. Resultaterne af følsomhedsanalysen tyder på, at trafikmængden stiger synkront med indikatorværdierne. Protokollen giver en metode til bestemmelse af effekten af vejparkering på kørebane og hastighed. Forskningen bidrager til en forbedret styring af fremtidens vejparkering.

Introduction

Accelerationen af urbaniseringen ledsages af en tydelig stigning i ejerskab af motorkøretøjer og trafikstrøm i byerne. I 2021 nåede Kinas bilejerskab 378 millioner, hvilket repræsenterer en stigning på 25.1 millioner sammenlignet med den i 20201. Den nuværende situation med utilstrækkelig vejkapacitet og begrænset trafikstyringsteknologi har imidlertid ført til en stadig tydeligere uoverensstemmelse mellem udbud og efterspørgsel efter bytrafik. Derfor er trængslen i vejtrafikken gradvist blevet intensiveret. Som det mest udbredte problem inden for bytransport forårsager trafikpropper mange farer og har tiltrukket sig stor opmærksomhed fra forskere 2,3,4. Ud over at forlænge rejsetiden forværrer trafikbelastningen også miljøforureningen, intensiverer energiforbruget og øger udledningen af forurenende stoffermed 5,6,7,8. Der er en positiv sammenhæng mellem trafikpropper og ulykkesfrekvenser 9,10. Bortset fra ovennævnte virkninger undergraver den stigende trafikbelastning indkomsten og beskæftigelsen11, og denne virkning er tæt forbundet med folks dagligdag, hvilket gør dette til et af de største problemer i byerne. Med udviklingen af byer vil den negative indvirkning af vejbelastning på samfundet fortsætte med at stige.

Trafikpropper er en omfattende afspejling af mange trafikproblemer i byerne, blandt hvilke parkering er den største. Udvidelsen af bybefolkningen og stigningen i motorkøretøjer har en negativ indvirkning på parkeringsudbuddet og den udestående parkeringsefterspørgsel. I parkeringssystemet er vejparkering almindelig i bytrafik og er et vigtigt middel til at tackle ubalancen mellem parkeringsudbud og efterspørgsel. Vejparkering udnytter ressourcer på begge sider af vejen til at give parkeringspladser. Parkering ved vejen er praktisk, hurtig, fleksibel og pladsbesparende sammenlignet med andre parkeringsfaciliteter. Vejparkering optager imidlertid vejressourcer, og dens negative virkninger kan ikke ignoreres. I byer i rivende udvikling i udviklingslandene gør de skyhøje parkeringskrav vejparkering overbelastet, hvilket reducerer trafiksikkerheden, luftkvaliteten og det offentlige rum12. Derfor skal der gøres noget ved parkeringsproblemet ved vejene.

Parkeringsplads ved vejsiden kan placeres i to scenarier: (1) den ikke-motoriserede bane (dvs. på brede veje med separate motoriserede og ikke-motoriserede baner optager vejparkering plads på den højre ikke-motoriserede bane); og 2) blandet bane for motorkøretøjer og ikke-motorkøretøjer, som ofte er en smal vej med et lavt trafiktal. Da motorkøretøjer og ikke-motorkøretøjer deler vejressourcerne, fører parkering ved vejsiden ofte til kaos i trafikoperationer i det andet scenario. De fleste eksisterende undersøgelser har dog fokuseret på det første scenarie 13,14,15,16,17,18.

Når der er en parkeringsplads ved vejsiden i den ikke-motoriserede bane, og hvis der ikke er nogen obligatorisk isolering af de motoriserede og ikke-motoriserede baner, fører vejparkering indirekte til blandet trafik. En parkeringsplads ved vejsiden reducerer den effektive bredde af den ikke-motoriserede bane betydeligt, hvilket øger sandsynligheden for, at ikke-motorkøretøjer passerer gennem den ikke-motoriserede bane og optager den tilstødende motoriserede bane. Adfærden kaldes baneovergang16. Mange undersøgelser har undersøgt virkningen af vejparkering i den ikke-motoriserede bane på blandet trafikstrøm. Baseret på den cellulære automatmodel evaluerede Chen et al.13 virkningen af vejparkering på heterogene trafikoperationer i bygader gennem undersøgelsen af friktions- og overbelastningskonflikter mellem motorkøretøjer og ikke-motorkøretøjer13. Chen et al. foreslog en vejmodstandsmodel for blandet trafikstrøm ved at overveje effekten af vejparkering17. Derudover har nogle undersøgelser undersøgt virkningen af parkering ved vejsiden kun på motorkøretøjer. Guo et al. foreslog en metode baseret på risikovarighed, som blev brugt til kvantitativt at analysere køretiden for motorkøretøjer på vejparkering §19, og resultaterne viste, at parkering ved vejsiden påvirkede rejsetiden betydeligt.

Trafiksimulering er et almindeligt værktøj til at undersøge virkningen af vejparkering. Yang et al. brugte VISSIM-software til at undersøge virkningen af parkering ved vejsiden på dynamisk trafik (især på kapaciteten), udviklede en køretøjsgennemsnitlig forsinkelsestrafikmodel og verificerede modellens pålidelighed gennem simulering20. Gao et al. analyserede effekten af vejparkering på blandet trafik under fire typer trafikforstyrrelser ved hjælp af den samme software18. Guo et al. brugte en cellulær automatmodel til at analysere indflydelsen af vejparkering på køretøjets trafikegenskaber (banekapacitet og køretøjshastighed) gennem Monte Carlo-simulering under forskellige scenarier21. Inden for rammerne af Kerners trefasede trafikteori analyserede Hu et al. virkningen af midlertidig vejparkeringsadfærd på trafikstrømmen baseret på den cellulære automatmodel22. Disse undersøgelser viser, at parkering ved vejsiden har en stor negativ indvirkning på trafikeffektiviteten.

Trafikstyringsafdelingen er interesseret i at forstå effekten af vejparkerede køretøjer på trafikstrømmen. Den specifikke længde og grad af effekten er vigtig for at håndtere problemer med vejparkering, for eksempel ved at give information om, hvordan man afgrænser parkeringspladser, bestemmer ikke-parkeringszoner og regulerer parkeringsvarigheder. I denne undersøgelse blev en protokol designet til at undersøge effekten af et enkelt parkeret køretøj ved vejsiden på trafikdriften. Proceduren kan opsummeres i følgende trin: 1) forberedelse af udstyret, 2) valg af dataindsamlingssted, 3) valg af undersøgelsestid, 4) indsamling af data, 5) udførelse af dataanalysen, 6) opbygning af simuleringsmodellen, 7) kalibrering af simuleringsmodellen og 8) udførelse af følsomhedsanalysen. Hvis et krav i disse otte trin ikke er opfyldt, er processen ufuldstændig og utilstrækkelig til at bevise effektivitet.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Klargøring af udstyret

  1. Sørg for, at alt det nødvendige udstyr er tilgængeligt: radarer, vejsidelaserenhed, bærbare computere, batterier, et kamera, en drone, et reflekterende stativ, de tilsvarende kabler og enhedsstativer.

2. Valg af dataindsamlingssted (figur 1)

  1. Vælg dataindsamlingsstedet. Sørg for, at den valgte placering er på en tovejs og tosporet vej.
    BEMÆRK: Placeringsvalget er nøglen i denne forskning. Den to-sporede bredde er let at observere.
  2. Sørg for, at placeringen ikke har nogen kryds.
    BEMÆRK: Køretøjer, der kommer fra en tredje retning, kan forårsage kaos i observationen.
  3. Sørg for, at der ikke er nogen barrierer på vejen undtagen et parkeret køretøj placeret af efterforskere.
    BEMÆRK: Barrierer kan afbryde køretøjets adfærd og blokere radardetektion.
  4. Sørg for, at der er mindst en synsafstand og frihøjde på 300 m. Dette er nødvendigt for radarundersøgelsen og efterforskernes sikkerhed.
    BEMÆRK: En radar kan højst registrere 200 m. Radarerne er placeret 100 m opstrøms og nedstrøms fra det parkerede køretøj i efterforskningen.
  5. Sørg for, at placeringen er et lineært segment.
    BEMÆRK: Hvis segmentet ikke er lige, er det ikke muligt at afgøre, om køretøjets forskydning skyldes parkering i vejsiden.

3. Valg af undersøgelsestidspunkt

  1. Vælg undersøgelsestidspunktet. Mindst 3 timer i alt er nødvendig, med 1 time i løbet af morgenspidsen, 1 time ved middagstid og 1 time i aftentoppen23,24,25.
  2. Få tidspunktet for myldretidstimen fra trafikforskningsrapporter, trafikpolitiafdelinger eller trafikvirksomheder26 (figur 2).
  3. I mangel af trafikrapporter eller analyser som reference skal du indsamle flere timers data i de tre perioder ovenfor og derefter vælge de data med den højeste myldretidstrafikmængde27,28.
  4. Brug timedataene med den højeste trafikmængde til at udføre dataanalyse og som input til simuleringsmodellen. Brug alle 3 timers data til modelverifikationen.
    BEMÆRK: Den valgte vej var flankeret af restauranter, og myldretiden for catering er myldretiden for parkeringsbehovet i vejkanten. Myldretiden for trafikmængde er off-time, og off-time er også spidsbelastningstiden for catering. Derfor er myldretiden for trafikmængde og myldretiden for parkeringsefterspørgsel næsten synkron.

4. Dataindsamling (figur 3)

  1. Parker køretøjet ca. 20 cm væk fra kantstenen på det tilsigtede sted, så laseranordningen ved vejsiden kan placeres.
  2. Placer det reflekterende stativ bag på køretøjet. Placer det ikke for langt væk for at sikre, at det ikke påvirker køretøjernes adfærd.
    BEMÆRK: Et reflekterende stativ er nødvendigt for at advare og / eller undgå kollision baseret på de relevante bestemmelser i den kinesiske trafiksikkerhedslov. Stativet placeres en vis afstand bag det parkerede køretøj for at advare køretøjerne bagved, at et parkeret køretøj er foran og dermed for at undgå en kollision. Afstanden mellem det reflekterende stativ og det parkerede køretøj holdes lav for at minimere effekten af det reflekterende stativ på de forbipasserende køretøjers opførsel, så dets virkning på undersøgelsesresultaterne er ubetydelig.
  3. Indstil radarstativet. Indstil stativet i en højde på ikke mindre end 2 m for at undgå signalblokering. Lås radaren med stativet. Juster radaren lodret, og drej den mod det parkerede køretøj. Tilslut radardatakablet med den bærbare USB-port.
    BEMÆRK: En radar er 100 m opstrøms og en er 100 m nedstrøms for det parkerede køretøj. Begge radarer er placeret på samme side af det parkerede køretøj for at fange trafikdataene.
  4. Åbn radarsoftwaren, og udfør følgende trin.
    1. Klik på Kommunikationstjek. Vælg den serielle port, og klik på Opret forbindelse. Klik på Bekræft, når softwaren viser Radar Detected.
    2. Klik på Undersøgelsesopsætning. Klik på Læs RLU-tid og indstil RLU-tid. Klik på Slet datapost, og bekræft det for at rydde radarens interne hukommelse. Klik på Start undersøgelse, og luk dialogboksen.
    3. Klik på Real-Time View for at kontrollere radarstatus, og trafikdataene skal indsamles, når køretøjer passerer.
  5. Forbered vejlaserenheden og kablet. Tilslut vejlaserenhedens datakabel med porten. Tilslut vejlaserenhedens datakabel med USB-porten til den bærbare computer.
  6. Placer vejkanten laseranordning midt i det parkerede køretøj. Drej de fire justeringskolonner på enheden for at udjævne den.
    BEMÆRK: Vejsidelaserenheden skal arbejde under standardpositionen.
  7. Åbn vejsidelaserenhedens software, og udfør følgende handlinger.
    1. Klik på Kommunikationstjek. Vælg RLU-serieportnummeret, og klik på Opret forbindelse. Klik på Bekræft, når softwaren viser Ny RLU-forbindelse registreret.
    2. Klik på Vis undersøgelse. Når køretøjer passerer, vises trafikstrømmen i realtid.
    3. Klik på Undersøgelsesopsætning. Klik på Læs RLU-tid og indstil RLU-tid successivt. Indstil Starttid og Sluttid, og klik på Indstil opgave. Klik på Bekræft , når softwaren viser, at RLU-undersøgelse er oprettet.
    4. Klik på Udfør. Klik på Enhedsstatus for at se status for vejsidelaserenheden.
  8. Indstil kameraet ca. 30 m opstrøms for det parkerede køretøj.
    BEMÆRK: Trafikdataene kan indsamles af radarer og vejsidelaserenheden. Trafikdriftsvideoer er forberedt til datavalidering.
  9. Indstil alt udstyr på den dobbeltsporede dobbeltsidevej (her Dian Zi Yi Road). Kontroller, om radarerne, vejsidelaserenheden og kameraet fungerer godt hvert 5. minut.
    BEMÆRK: Sørg for, at tiden for bærbare computere og kamera er den samme som realtid. Start to radarer, vejkanten laserenhed og kameraet samtidigt på det planlagte tidspunkt. To radarer, der vender mod hinanden, kombineret med en mellemliggende vejsidelaseranordning, giver en kontinuerlig bane for den berørte trafik.
  10. Afslut dataindsamlingen, og luk kontrolvinduet i realtid i radarsoftwaren.
    1. Klik på Undersøgelsesopsætning, vælg Afslut undersøgelse, og bekræft den. Luk dialogboksen.
    2. Vælg Dataoverførsel, gennemse computeren for at gemme dataene, og indtast et navn til filen. Klik på Åbn, og klik derefter på Start download. Klik på Bekræft for at afslutte radardataindsamlingen.
  11. Klik på Enhedsstatus i vejsidelaserenhedssoftwaren, og klik derefter på Stop opgave for at afslutte dataindsamlingen. Vælg Download af data, gennemse, og indtast et navn til filen. Klik på Åbn, og klik på Start download. Klik på Bekræft for at afslutte dataindsamlingen af vejsidelaserenheden.

5. Dataanalyse

BEMÆRK: Gennem dataindsamling erhverves 3 timers data, inklusive morgenspidsen, midten af middagstimen og aftenspidsen. Afspilning af trafikvideoer leveres af kameraet for at kalibrere trafikmængderne og køretøjstyperne manuelt. Vælg gruppedataene med det højeste volumen (dvs. morgentopdataene i dette tilfælde) som den repræsentative time for udførelse af dataanalysen.

  1. Brug software til at indsamle baner og hastighed fra radarerne.
    BEMÆRK: Radaren er placeret 100 m væk fra det parkerede køretøj, og vejen er 10 m bred. Så alle datapunkter uden for dette interval er radarfejl og bør slettes.
  2. Sørg for, at vejsidelaseranordningen giver forskydningsværdien, forbipasserende hastighed, antal køretøjer og køretøjstyperne på det parkerede køretøjs position.
  3. Tegn hele spektret af baner og hastighed, der leveres af de to radarer og en vejsidelaseranordning som de repræsentative data ved hjælp af beregningssoftware (figur 4-6).

6. Opbygning af simuleringsmodellen

BEMÆRK: Den mikroskopiske simuleringsmodel er etableret af simuleringssoftware til trafiksimulering. Resultaterne af dataindsamlingen, herunder trafikmængde, køretøjshastighed og køretøjstypesammensætning, er vigtige parametre i trafiksimuleringen og danner grundlaget for modelbygningen. Kun den repræsentative datagruppe er nødvendig i simuleringen.

  1. Vejbygning
    1. Åbn simuleringssoftwaren. Importér baggrundskortet for det undersøgte vejsegment.
    2. Klik på Forhindringer til venstre, højreklik, og vælg Tilføj ny forhindring. Indtast forhindringens længde og bredde, og klik derefter på OK. Træk markøren for at flytte forhindringen til kørebanen.
      BEMÆRK: "Forhindring" henviser til det parkerede køretøj i vejkanten. Forhindringens længde og bredde indstilles i henhold til det parkerede køretøjs faktiske størrelse.
    3. Klik på Links til venstre, flyt markøren til starten af linket, og højreklik. Vælg Tilføj nyt link, indtast banebredden, og klik på OK. Træk markøren for at tegne linket på kortet.
    4. Gentag trin 6.1.3 for at bygge fire vejsegmenter.
    5. Hold højre museknap og Ctrl-knappen på tastaturet nede for at trække slutpunktet for et link til det tilstødende link for at forbinde de to links.
      BEMÆRK: Denne del kaldes "stikket", og det bliver glattere, når der tilføjes flere punkter.
    6. Gentag trin 6.1.5 for at forbinde alle links.
  2. Ønsket hastighed
    1. Vælg Basisdata på den øverste bjælke, og vælg derefter Distributioner | Ønsket hastighed.
    2. Klik på den grønne kryds Tilføj knap nederst for at tilføje en ny ønsket hastighedsfordeling og navngive den.
    3. Indtast gennemsnitshastigheden og den maksimale hastighed taget fra de repræsentative data som de mindste og maksimale ønskede hastigheder. Slet standarddataene.
    4. Gentag trin 6.2.2-6.2.3 for at fastlægge alle de ønskede hastighedsfordelinger (retningen fra øst til vest, retningen fra vest til øst og det reducerede hastighedsområde).
      BEMÆRK: I den følgende tekst forkortes retningen fra øst til vest som E-W, og retningen fra vest til øst forkortes som W-E.
  3. Køretøjets sammensætning
    1. Vælg Lister på den øverste bjælke, og vælg derefter Private Transport | Køretøjets sammensætninger.
    2. Klik på den grønne kryds Tilføj knap for at tilføje en ny køretøjssammensætning.
    3. Klik på knappen Tilføj for at tilføje to køretøjstyper: tunge godskøretøjer (lastbiler) og busser.
    4. Vælg den ønskede hastighedsfordeling, der er indstillet i trin 6.2 for biler, tunge godskøretøjer og busser.
    5. Trin 6.3.2-6.3.4 gentages for at fastlægge to køretøjssammensætninger (E-W og W-E). Indtast strømmen af biler, lastbiler og busser fra de repræsentative data.
  4. Køretøjets ruter
    1. Vælg Køretøjsruter i venstre menulinje.
    2. Flyt markøren til opstrøms for et link, højreklik, og vælg Tilføj ny beslutning om ruteføring af statiske køretøjer.
    3. Træk den blå markør for at tegne køretøjsruterne på kortet fra rigtige ruter i dataindsamlingen.
  5. Områder med nedsat hastighed
    1. Vælg Områder med reduceret hastighed i venstre menulinje.
    2. Højreklik på området opstrøms for parkeringspositionen, og vælg Tilføj nyt område med reduceret hastighed.
      BEMÆRK: Områdets længde afhænger af dataanalyseresultaterne.
    3. Højreklik i margenen på skærmen, vælg Tilføj, og vælg den ønskede hastighed, der er indstillet i trin 6.2 for området med reduceret hastighed som områdehastighed.
    4. Gentag trin 6.5.2-6.5.3 for at indstille alle områder med reduceret hastighed.
  6. Prioritetsregler
    1. Vælg Prioritetsregler i venstre menulinje.
    2. Højreklik på området med nedsat hastighed opstrøms for det parkerede køretøj i W-E-retningen, og vælg Tilføj ny prioritetsregel. Indtast den mindste mellemrumstid og clearance.
    3. Gentag trin 6.6.2 for at indstille prioritetsreglen nedstrøms for det parkerede køretøj i E-W-retningen.
      BEMÆRK: Fastsættelsen af prioritetsregler afhænger af den reelle trafikoperation, der afspejles i dataindsamlingen.
  7. Køretøjets rejsetid
    1. Vælg Køretøjets rejsetider fra venstre.
    2. Højreklik i begyndelsen af et link, og vælg Tilføj måling af ny køretøjsrejsetid.
    3. Træk markøren til slutningen af linket for at oprette en måling af køretøjets rejsetid.
    4. Gentag trin 6.7.3 for alle køretøjets ruter.
  8. Køretøjets input
    1. Vælg Køretøjsindgange fra venstre. Højreklik i begyndelsen af et link, og vælg Tilføj nyt køretøjsinput.
    2. Flyt musen til venstre nederst, og indtast lydstyrken for de repræsentative data.
    3. Gentag trin 6.8.1-6.8.2 for alle links.
  9. Noder
    1. Vælg Noder fra venstre. Højreklik for at vælge Tilføj ny node, og klik derefter på OK.
    2. Venstreklik og flyt musen for at justere et moderat nodeområde.
      BEMÆRK: Nodeområdet er relateret til simuleringsresultaterne og afhænger af vejsektionens geometri.
  10. Klik på Evaluering øverst i simuleringsgrænsefladen, og vælg Resultatlister. Klik på Noder Resultater og Køretøjets rejsetidsresultater.
  11. Klik på den blå afspilningsknap øverst for at starte simuleringen. Klik på enhedsknappen Hurtig tilstand for at maksimere simuleringshastigheden.
  12. Efter simuleringen vises noderesultaterne og køretøjets rejsetidsresultater nederst i grænsefladen, herunder den maksimale kølængde, parkeringstider, forsinkelse, antal køretøjer, brændstofforbrug, CO-emissioner, INGEN emissioner, VOC-emissioner og rejsetid.

7. Kalibrering af simuleringsmodel

BEMÆRK: I denne undersøgelse viste trafikobservationerne, at morgenspidsdataene havde den højeste volumen, men de tre datagrupper blev simuleret til verifikation for fuldt ud at illustrere simuleringsmodellens pålidelighed.

  1. Indtast de indsamlede data i simuleringsmodellen, kør simuleringen, og få simuleringsresultatet (figur 7A).
    BEMÆRK: Simuleringsvolumen kan genereres ud fra simuleringsresultatet.
  2. Sammenlign simuleringsvolumen med den indsamlede lydstyrke.
    BEMÆRK: Beregn kapaciteten ved hjælp af ligning 1:
    Equation 1(1)
    hvor C betegner den ideelle kapacitet (veh/h), og ht angiver den gennemsnitlige mindste fremgang(er).
    BEMÆRK: Forskellen mellem det indsamlede volumen og simuleringsvolumen kaldes den gennemsnitlige absolutte procentfejl (MAPE), som vist i ligning 2:
    Equation 2(2)
    hvor n angiver de fire forskellige strømme i denne undersøgelse, er den kapacitet, Equation 3 der simuleres i simuleringsmodellen (veh/h), og Equation 4 er undersøgelsens kapacitet (veh/h). Den beregnede MAPE er anført i tabel 2.
    BEMÆRK: Simuleringsnøjagtigheden er acceptabel, når MAPE er lille.

8. Følsomhedsanalyse

BEMÆRK: Figur 7B viser følsomhedsanalyseprocessen. Følsomhedsanalyseprocessen afspejler kun resultaterne af de indsamlede data (tabel 3). For at forstå situationer med forskellige trafikmængder i realtidsscenarier indlæses alle mulige trafikmængdekombinationer i simuleringsmodellen for at sikre, at alle situationer er dækket af vejparkeringsanalysen (figur 8 og tabel 4).

  1. Sørg for, at de repræsentative data indeholder tre grupper af data (dvs. W-E-volumen, E-W-volumen og andre parametre).
  2. Opdel W-E-lydstyrken i seks kategorier, opdel E-W-lydstyrken i syv kategorier, og hold de andre parametre stabile i simuleringen.
    BEMÆRK: W-E-trafikmængden var 150-400 veh/h med en stigning på 50 veh/t i myldretiden, og E-W-trafikmængden var 150-450 veh/h med en stigning på 50 veh/t i myldretiden. Den maksimale servicetrafikmængde for en bane i bygaden var 1.140 veh/t.
  3. Simuler 42 situationer, og kontroller effektiviteten under alle situationer.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Dette papir præsenterer en protokol til bestemmelse af effekten af vejparkering på forbipasserende køretøjer på en to-vejs og to-sporet byvej gennem indsamling og simulering af trafikdata. En vej blev valgt som undersøgelsessted (figur 1), og et køretøj blev parkeret ved den planlagte vejside. Radarer, en vejsidelaseranordning og et kamera blev anvendt til at indsamle køretøjets bane, hastighed, volumen og typesammensætning for at bestemme ændringerne i køretøjets bane og hastighed under vejkanten (figur 4-6). En mikroskopisk simuleringsmodel blev bygget baseret på vejens geometriske egenskaber og dataindsamlingsresultaterne (figur 7). Følsomhedsanalysen fastslog virkningen af parkering ved vejsiden på den maksimale kølængde, forsinkelse, emissioner og andre indikatorer for køretøjets drift ved varierende trafikmængder (figur 8).

Figur 1 viser dataindsamlingsstedet. Testvejen var en tovejs og tosporet vej i Xi'an by, Shaanxi-provinsen, Kina. Vejens bredde var 10 m, hastighedsgrænsen var 60 km/t, og der var ingen midterrabat, der repræsenterede typiske forhold for parkering ved vejen. To-retnings trafik kunne flyde let, men bremsede betydeligt i nærværelse af et parkeret køretøj.

Figur 4 viser banerne under påvirkning af parkering ved vejsiden baseret på de data, der måles af radarerne og vejsidelaserenheden. Figuren viser, at det parkerede køretøj i vejsiden påvirkede de forbipasserende køretøjers bane i en længde på 80 m. Den blå repræsenterer de vestlige radardata, og den orange angiver de østlige radardata. Den midterste sorte linje er en samling punkter, som er positionsfordelingen dannet af den lodrette position af forbipasserende køretøjer detekteret af vejkanten laseranordning.

Vestradaren viser baneændringerne. Når køretøjer så den parkerede barriere i vejkanten, udlignede de fra den normale position fra 40 m opstrøms for det parkerede køretøj.

Vejsidelaserenheden kunne registrere hvert forbipasserende køretøjs laterale position og hastighed. Sidepositionen varierede fra 2,3 m til 4,9 m (dvs. den nederste og øverste ende af den midterste sorte linje i figur 4). Den gennemsnitlige position var 3,3 m. Ved position forstås her højre side af de køretøjer, der kører i W-E-retning, og venstre side for køretøjer, der kører i E-W-retning.

For østradaren blev der observeret en lignende tendens som vestradaren. Køretøjerne vendte tilbage til normal position ca. 40 m efter at have passeret prøvekøretøjet.

Som det fremgår af figur 4, var længden af effekten af et parkeret køretøj ved vejsiden på banen for forbipasserende køretøjer 80 m. Forbipasserende køretøjer begyndte at afvige fra deres normale bane 40 m fra midten af det parkerede køretøj og vendte tilbage til deres normale bane efter 40 m fra midten af det parkerede køretøj (den nøjagtige placering er markeret med to lange sorte linjer i figur 4, og de to linjers vandrette positioner er 60 m og 140 m). Ved positionen parkeret køretøj (dvs. positionen med koordinater [100,0] i figur 4) var den gennemsnitlige afstand mellem de forbipasserende køretøjer og yderkanten af det parkerede køretøj 3,3 m. I betragtning af bredden af det parkerede køretøj var den gennemsnitlige afstand mellem de forbipasserende køretøjer og indersiden af det parkerede køretøj 1,3 m. Minimums- og maksimumsafstandene mellem de forbipasserende køretøjer og indersiden af det parkerede køretøj var henholdsvis 0,3 m og 2,9 m som bestemt af de forbipasserende køretøjers oprindelige placering og driftsforhold. Køretøjer, der kørte tæt på kantstenen, havde ikke en stor lateral afstand fra det parkerede køretøj, når de passerede det og passerede endda tæt på det med lav hastighed på grund af påvirkning fra andre køretøjer, der kørte i samme retning. Når det forbipasserende køretøj ikke blev forstyrret af andre køretøjer, der kørte i samme retning, var rejsebredden mere generøs. Med andre ord var sidebredden mellem det forbipasserende køretøj og det parkerede køretøj i vejkanten tilstrækkelig. Selvfølgelig afhænger sidebredden mellem det forbipasserende køretøj og det parkerede køretøj også af kørselsadfærd. Sammenlignet med en aggressiv chauffør er en stabil chauffør mere tilbøjelig til at passere et parkeret køretøj med en større lateral bredde.

Figur 5 og figur 6 viser, at parkering ved vejsiden underbyder hastigheden for forbipasserende køretøjer, idet den laveste hastighed for forbipasserende køretøjer observeres ved det parkerede køretøjs position (dvs. positionen med en central vandret koordinat på [100, 0]). Figur 5 viser hastigheden i E-W-retningen. Trafikken bevæger sig fra højre mod venstre i billedet, hvilket indikerer, at køretøjets hastighed gradvist falder inden for området 180-120 m. Efter at have passeret den parkerede position blev hastigheden gradvist og jævnt fordelt uden en åbenbar stigning.

I den orange sektion blev der lige før den parkerede køretøjsposition nået en maksimal hastighed på 54,7 km / t, og det var den hastighed, hvormed køretøjet passerede med en højere hastighed end det modkørende køretøj. Den laveste hastighed var 0 km/t, og det skete på parkeringspladsen. Med højere forskydningsværdier for køretøjet i W-E-retningen optog dette køretøj mere vejbredde, og køretøjet i E-W-retningen måtte vente, hvilket betyder, at sidstnævnte køretøjs hastighed var 0 km / t.

I det blå område, efter at have passeret parkeringspositionen, forblev køretøjets hastighed i området 8-35 km / t. Det ville have været vanskeligt for biler at nå højere øvre hastighedsgrænser på grund af vejmiljøet. Den nedre hastighedsgrænse blev lidt hævet fra 8 km/t til 20 km/t på grund af kørsel væk fra parkeringspositionen.

Figur 6 viser hastigheden i W-E-retning, hvor køretøjer bevæger sig fra venstre mod højre på billedet. Hastighedsændringerne i W-E-retningen lignede dem i E-W-retningen.

Før parkeringspositionen (dvs. inden for området 0-100 m i figuren) indsnævredes de øvre og nedre grænser for køretøjets hastighed i W-E-retning gradvist fra 20 m position. I området 0-40 m faldt den øvre grænse gradvist og var lavest ved 80 m position. Den øvre hastighedsgrænse på 38,6 km/t (ved 20 m position) faldt til 29 km/t (ved 80 m position). Den nedre hastighedsgrænse steg fra 9,4 km/t (ved 10 m position) til 10,44 km/t (ved 100 m position).

Hastighedsgrænsen sænkes før parkeringspositionen. Under observationen, hvis et køretøj i W-E-retning fandt det parkerede køretøj på samme side, og der ikke var nogen køretøjer foran det, eller det modsatte køretøj var langt væk, havde køretøjet i W-E-retningen en tendens til at accelerere og forskyde først for at indtage en god position for at passere det parkerede køretøj først. Dette fænomen er årsagen til hastighedsforøgelsen lige før parkeringspositionen.

Når man passerede parkeringspositionen, var hastighedsområdet 8,2-47,7 km/t. Den lavere hastighedsgrænse faldt, fordi nogle chauffører bremsede, når de passerede det parkerede køretøj for at undgå ridser. Ridser sker, når køretøjer, der kommer i begge retninger, mødes på parkeringspladsen, og i disse tilfælde forsøger bilister at undgå ridser ved at reducere deres hastighed. Sammenlignet med det blå område blev hastighedsgrænsen forhøjet med 9,1 km/t. Dette skyldes, at når intet køretøj kom i den modsatte retning, accelererede køretøjerne i W-E-retningen af parkeringspositionen efter at have bekræftet, at de ikke ridsede det parkerede køretøj i vejkanten, i overensstemmelse med chaufførernes sædvanlige kørevaner.

I det orange område steg den nedre hastighedsgrænse på 7,5 km/t markant efter at have passeret parkeringspositionen. Dette indikerer, at de fleste køretøjer kan accelerere tilbage til hastigheden før parkeringspositionen efter at have bevæget sig 10 m væk fra parkeringspositionen.

Figur 8 viser simuleringsresultaterne for ni indikatorer, der afspejler køretøjernes driftsstatus ved forskellige trafikmængder. Trafikmængderne i retningen E-W og W-E påvirkede den maksimale kølængde (figur 8A), antal køretøjer (figur 8B), forsinkelse (figur 8C), antal stop (figur 8D), CO-emissioner (figur 8E), NO-emissioner (figur 8F), VOC-emissioner (figur 8G), brændstofforbrug (figur 8H) og rejsetid (figur 8I ) tilpasning til parkeringsdata ved vejsiden. Stigningen i trafikmængde fører til stigningen i alle indikatorværdier, men den berørte grad af forskellige indikatorværdier er forskellig. Derudover har parkering ved vejsiden ikke en identisk effekt på køretøjer i E-W og W-E retninger.

Med stigningen i trafikmængden var påvirkningsgraden af vejparkering på køretøjer i W-E-retningen for de tre indikatorer for maksimal kølængde, forsinkelse og antallet af stop betydeligt højere end for køretøjer i E-W-retningen. Med hensyn til de fem emissionsrelaterede indikatorer, brændstofforbrug og rejsetid var kollisionsgraden på køretøjer i E-W- og W-E-retningerne næsten den samme, men den var lidt større for køretøjer i W-E-retningen. Efter at trafikmængden nåede 300-350 veh/t i W-E- og E-W-retningerne, var væksttendensen med den maksimale kølængde, forsinkelse og antallet af stop betydeligt højere, idet den negative indvirkning af vejparkering på trafikdriftseffektiviteten af forbipasserende trafikstrøm blev mere alvorlig. Fem af de emissionsrelaterede indikatorer, brændstofforbrug og rejsetid ændrede sig ensartet med stigende trafikmængde i begge retninger.

Figure 1
Figur 1: Dataindsamlingsstedet: en tovejs og tosporet vej, Dian Zi Yi Road i Xi'an. Koordinater: 108.932882,34.220774. (A) En skematisk oversigt over undersøgelsesstedet i Xi'an City. (B) Den røde linje repræsenterer dataindsamlingssegmentet. Den nordlige vejkrydsning med den røde linje er en gågade med få mennesker og påvirker ikke denne undersøgelse. Klik her for at se en større version af denne figur.

Figure 2
Figur 2: Overbelastningsindekset på 24 timer. Dataene i panelet kommer fra overbelastningsindekset i realtid i Xi'an den 24. august 202126. Dataene indikerer, at morgentoppen fandt sted fra kl. 07.00 til 09.00, og aftentoppen fandt sted fra kl. 17.00 til 19.00. Dalen, undtagen sen nat, fandt sted fra kl. 11.00 til 12.00. Overbelastningsindeksene var henholdsvis kl. 2,25 og 2,66 kl. 08.00 og 18.00. Klik her for at se en større version af denne figur.

Figure 3
Figur 3: Dataindsamlingsskema vist på et billede taget af en drone i en højde af 150 m. Træskygge dækker alt udstyr, så farverige blokke repræsenterer udstyret. Det parkerede køretøj ved vejsiden er i midten, og de to radarer er placeret 100 m opstrøms og 100 m nedstrøms for det parkerede køretøj. Vestradaren og østradaren vender begge mod det parkerede køretøj. Klik her for at se en større version af denne figur.

Figure 4
Figur 4: Hele baner. Testkøretøjet er parkeret på positionen (100,0) i panelet. Den blå repræsenterer de vestlige radardata, den midterste sorte linje repræsenterer vejsidens laserenhedsdata, og den orange repræsenterer de østlige radardata. Klik her for at se en større version af denne figur.

Figure 5
Figur 5: Øst-vest hastighed. Klik her for at se en større version af denne figur.

Figure 6
Figur 6: Vest-øst hastighed. Klik her for at se en større version af denne figur.

Figure 7
Figur 7: Rutediagrammer til beregning af simuleringsfejlen (MAPE) og udførelse af følsomhedsanalysen. (A) Rutediagram til beregning af MAPE. (B) Rutediagram til følsomhedsanalysen. Klik her for at se en større version af denne figur.

Figure 8
Figur 8: Følsomhedsanalyse. X-akse = E-W trafikmængde, Y-akse = W-E trafikmængde og Z-akse = evalueringsindeksværdi. (A) Maksimal kølængde. (B) Antal køretøjer. (C) Forsinkelse. (D) Antal stop. E) CO-emissioner. (F) INGEN emissioner. G) VOC-emissioner. (H) Brændstofforbrug. (I) Rejsetid. Klik her for at se en større version af denne figur.

Vare Morgen (07:00-08:00) Mellem middag (13:00-14:00) Aften (17:00−18:00)
Retning W–E E-W W–E E-W W–E E-W
Bil (veh/h) 306 374 167 148 351 228
Lastbil(veh/h) 1 3 1 0 4 0
Bus(veh/h) 9 9 4 5 6 4
Gnsn. hastighed (km/t) 21.7 24.5 19.4 24.7 18.8 20.5
Maks. hastighed (km/t) 47.7 54.7 55.8 56.2 44.6 45.0
Min. hastighed (km/t) 0 0 0 0 0 0

Tabel 1: Køretøjsoplysninger indsamlet i forbindelse med undersøgelsen. En minimumshastighed på 0 km/t indikerer, at nogle køretøjer holder op med at bevæge sig.

Vare Morgen (07:00-08:00) Mellem middag (13:00-14:00) Aften (17:00─18:00)
Retning W–E E-W W–E E-W W–E E-W
Invester kapacitet (veh/h) 316 386 172 153 361 232
Simuleret kapacitet(veh/h) 306 360 174 150 354 216
Individuel MAPE(%) 3.2 6.7 1.2 2.0 1.9 6.9
MAPE(%) 5.0 1.6 4.4

Tabel 2: Kalibreringsresultaterne for simuleringsmodellen. Kalibreringsresultaterne mellem den undersøgte trafikmængde og den simulerede mængde er angivet i tabellen. MAPE beregnes ved hjælp af ligning 2, og fejlene mellem den simulerede kapacitet og den faktiske kapacitet er 5,5%, 1,6% og 4,4% for de tre datagrupper, som alle er små. Da den samlede kapacitetsfejl er mindre end 15 %, ligger fejlen i den etablerede model inden for det acceptable interval, og simuleringsnøjagtigheden er tilstrækkelig29.

Vare Morgen Mellem middag Aften
(07:00-08:00) (13:00-14:00) (17:00─18:00)
W–E E-W W–E E-W W–E E-W
maksimal kølængde(m) 31.26 34.93 12.00 7.96 34.88 20.40
antal køretøjer 306 360 168 150 348 216
forsinkelse(r) 6.47 6.58 3.10 1.74 6.68 4.64
antal stop(gange) 0.28 0.52 0.05 0.11 0.24 0.42
CO-emissioner (gram) 191.790 249.606 89.112 77.820 219.462 135.468
INGEN emissioner (gram) 37.314 48.564 17.340 15.138 42.702 26.358
VOC-emissioner (gram) 44.448 57.846 20.652 18.036 50.862 31.398
brændstofforbrug (gallon) 2.742 3.570 1.272 1.116 3.138 1.938
rejsetid(er) 35.46 29.12 31.92 24.56 35.73 27.25

Tabel 3: Simuleringsresultater med morgenspidsdata, data midt på middagstid og aftenspidsdata. Som de repræsentative data har morgenspidsdatagruppen den højeste trafikmængde og indikatorværdier. Den midterste middag trafikdatagruppe har den laveste trafikmængde og indikatorværdier.

Vare Værdi
E–W-volumen (veh/h) 150/200/250/300/350/400/450
W–E-volumen (veh/h) 150/200/250/300/350/400
Bemærk: E-W-trafikmængden ligger i området 150-450 veh/h med en stigning på 50 veh/h. W-E-trafikmængden ligger i området 150-400 veh/h med en stigning på 50 veh/h.

Tabel 4: Inputparametre for følsomhedsanalysen i simuleringen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Effekten af vejparkering på bygader kan ikke ignoreres, og tilfældig parkering skal behandles30,31. En protokol til bestemmelse af vejparkerings indvirkning på trafikstrømmen i en dobbeltrettet bygade præsenteres her. Dataindsamlingen specificerer bane- og hastighedsændringer for forbipasserende køretøjer forårsaget af parkering ved vejsiden. Trafiksimuleringen kvantificerer vejbaneindekser såsom maksimal kølængde, forsinkelse og emissioner.

De kritiske trin i protokollen er dataindsamlingen og mikrosimuleringsmodelbygningen. Dataindsamlingsstedet er et lige segment uden kryds, indgang eller udgang. For at sikre, at påvirkningen er synlig, må vejen ikke være bredere end 10 m. En gade med en bredde på 10 m er rigtig til observation. Hvis den er smallere, kan trafikken blive brudt helt ned, og hvis den er bredere, kan påvirkningen muligvis ikke opdages. En lang nok synsafstand er også et krav til segmentet. Ved udarbejdelsen af simuleringsmodellen bør der tages hensyn til områder med nedsat hastighed og prioritetsregler. De relevante parametre (hastighed og længde) for områderne med nedsat hastighed fastsættes på grundlag af de repræsentative data for at afspejle den faktiske vejdrift. Chaufførernes adfærd kan bedre afspejles ved hjælp af prioriterede regler i stedet for konfliktområder. Prioritetsreglerne er de samme som de repræsentative data og kontrolleres ved hjælp af trafikoperationsvideoerne, der er optaget af kameraet.

Med hensyn til virkningen af parkering ved vejsiden på forbipasserende køretøjer giver denne protokol en specifik og realistisk beskrivelse af undersøgelsesresultaterne. For eksempel påvirkes banerne for forbipasserende køretøjer i 80 m længde, og køretøjets hastighed påvirkes også negativt. Derudover viser simuleringsanalyseresultaterne under forskellige trafikmængder ydeevnen for forskellige indekser, der afspejler trafikdriftseffektiviteten. Stigningen i trafikmængden er synkron med væksten i indikatorværdierne.

Den største begrænsning ved denne protokol er, at den kun er effektiv for et parkeret køretøj i vejkanten. Den næste forskningsfase vil blive gennemført for at bestemme effekten af flere tilfældigt parkerede køretøjer på trafikstrømsdriften.

Det anbefales, at trafikpolitiet tilføjer overvågningsudstyr på smalle bygader for at overvåge køretøjer, der er parkeret i vejkanten, og derved afbøde virkningen af parkering ved vejsiden.

Den her beskrevne protokol til evaluering af effekten af vejparkering på en bygade med to retninger kan anvendes til at foreslå raffinerede parkeringsstyringsforanstaltninger ved vejsiden, såsom den tilladte parkeringstid, den anbefalede parkeringsplacering og de tilladte parkeringskøretøjstyper.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har intet at afsløre.

Acknowledgments

Forfatterne vil gerne anerkende det videnskabelige forskningsprogram finansieret af Shaanxi Provincial Education Department (program nr. 21JK0908).

Materials

Name Company Catalog Number Comments
battery Shenzhen Saiqi Innovation Technology Co., Ltd LPB-568S
cables for radar BEIJING AOZER TECH & DEVELOPMENT CO.,LTD
cables for roadside laser device MicroSense
camera Sony Group Corp HDR-CS680
camera tripod Sony Group Corp
drone SZ DJI Technology Co.,Ltd. DA2SUE1
laptop Dell C2H2L82
radar BEIJING AOZER TECH & DEVELOPMENT CO.,LTD CADS-0037
radar tripod BEIJING AOZER TECH & DEVELOPMENT CO.,LTD
reflective tripod Beijing Shunan liandun Technology Co., Ltd
roadside laser device MicroSense

DOWNLOAD MATERIALS LIST

References

  1. China Statistical Yearbook. National Bureau of Statistics. , Available from: http://www.stats.gov.cn/tjsj./ndsj/ (2020).
  2. He, Y. X. A traffic capacity model of lane occupation. Applied Mechanics and Materials. 599-601, 2083-2087 (2014).
  3. Hua, S. Y., Wang, J. L., Zhu, Y. Cause analysis and countermeasures of Beijing city congestion. Procedia-Social and Behavioral Sciences. 96, 1426-1432 (2013).
  4. Yang, H. X., Li, J. D., Zhang, H., Liu, S. Q. Research on the governance of urban traffic jam based on system dynamics. Systems Engineering-Theory & Practice. 34 (8), 2135-2143 (2014).
  5. Rajé, F., Tight, M., Pope, F. D. Traffic pollution: A search for solutions for a city like Nairobi. Cities. 82, 100-107 (2018).
  6. Abdull, N., Yoneda, M., Shimada, Y. Traffic characteristics and pollutant emission from road transport in urban area. Air Quality, Atmosphere & Health. 13 (6), 731-738 (2020).
  7. Shi, K., Di, B. F., Zhang, K. S., Feng, C. Y., Svirchev, L. Detrended cross-correlation analysis of urban traffic congestion and NO 2 concentrations in Chengdu. Transportation Research Part D: Transport and Environment. 61, 165-173 (2018).
  8. Lu, Q. Y., Chai, J., Wang, S. Y., Zhang, Z. G., Sun, X. C. Potential energy conservation and CO2 emissions reduction related to China's road transportation. Journal of Cleaner Production. 245, 118892 (2020).
  9. Sánchez González, S., Bedoya-Maya, F., Calatayud, A. Understanding the effect of traffic congestion on accidents using big data. Sustainability. 13 (13), 7500 (2021).
  10. Fuente, J., Rolloque, A. C., Azas, P., Alcantara, M. M. Young road safety advocate program, the "peer to peer" approach in teaching pedestrian safety. Injury Prevention. 22, Suppl 2 67 (2016).
  11. Jin, J., Rafferty, P. Does congestion negatively affect income growth and employment growth? Empirical evidence from US metropolitan regions. Transport Policy. 55, 1-8 (2017).
  12. Ajeng, C., Gim, T. Analyzing on-street parking duration and demand in a metropolitan city of a developing country: A case study of Yogyakarta City, Indonesia. Sustainability. 10 (3), 591 (2018).
  13. Chen, J. X., Li, Z. B., Jiang, H., Zhu, S. L., Wang, W. Simulating the impacts of on-street vehicle parking on traffic operations on urban streets using cellular automation. Physica A: Statistical Mechanics and its Applications. 468, 880-891 (2017).
  14. Ye, X. F., Chen, J. Impact of curbside parking on travel time and space mean speed of nonmotorized vehicles. Transportation Research Record. 2394 (1), 1-9 (2013).
  15. Ye, X., Yan, X. C., Chen, J., Wang, T., Yang, Z. Impact of curbside parking on bicycle lane capacity in Nanjing, China. Transportation Research Record. 2672 (31), 120-129 (2018).
  16. Guo, H. W., Gao, Z. Y., Zhao, X. M., Yang, X. B. Traffic behavior analysis of non-motorized vehicle under influence of curb parking. Journal of Transportation Systems Engineering and Information Technology. 11 (1), 79-84 (2011).
  17. Chen, J., Mei, Z. Y., Wang, W. Road resistance model under mixed traffic flow conditions with curb parking. China Civil Engineering Journal. (09), 103-108 (2007).
  18. Gao, L. P., Sun, Q. X., Liu, M. J., Liang, X., Mao, B. H. Delay models and simulation on mixed traffic system with curb parking. Journal of System Simulation. 22 (003), 804-808 (2010).
  19. Guo, H. W., Gao, Z. Y., Yang, X. B., Zhao, X. M., Wang, W. H. Modeling travel time under the influence of on-street parking. Journal of Transportation Engineering. 138 (2), 229-235 (2012).
  20. Yang, X. G., Long, L., Pu, W. J. Optimal distance between one-side curbside parking location and signalized intersection. Journal of Tongji University (Natural Science). 33 (3), 297-300 (2005).
  21. Guo, H. W., Wang, W. H., Guo, W. W. Micro-simulation study on the effect of on-street parking on vehicular flow. 2012 15th International IEEE Conference on Intelligent Transportation Systems. , 1840-1845 (2012).
  22. Hu, X. J., Hao, X. T., Wang, H., Su, Z. Y., Zhang, F. Research on on-street temporary parking effects based on cellular automaton model under the framework of Kerner's three-phase traffic theory. Physica A: Statistical Mechanics and its Applications. 545, 123725 (2020).
  23. Shao, Y., et al. Evaluation of two improved schemes at non-aligned intersections affected by a work zone with an entropy method. Sustainability. 12 (14), 5494 (2020).
  24. Shao, Y., et al. Evaluating the sustainable traffic flow operational features of an exclusive spur dike U-turn lane design. PLoS One. 14 (4), 0214759 (2019).
  25. Shao, Y., Han, X. Y., Wu, H., Claudel, C. G. Evaluating signalization and channelization selections at intersections based on an entropy method. Entropy. 21 (8), 808 (2019).
  26. Xi'an realtime traffic congestion delay index. AutoNavi Traffic Big-data. , Available from: https://trp.autonavi.com/detail.do?city=610100 (2021).
  27. Pan, B. H., et al. Evaluation and analysis model of the length of added displaced left-turn lane based on entropy evaluation method. Journal of Advanced Transportation. 2021, 2688788 (2021).
  28. Pan, B. H., et al. Evaluating operational features of three unconventional intersections under heavy traffic based on CRITIC method. Sustainability. 13 (8), 4098 (2021).
  29. Sun, J. Guideline for Microscopic Traffic Simulation Analysis. , Tongji University Press. Shanghai, China. (2014).
  30. Koohpayma, J., Tahooni, A., Jelokhani, N. M., Jokar, A. J. Spatial analysis of curb-park violations and their relationship with points of interest: A case study of Tehran, Iran. Sustainability. 11 (22), 6336 (2019).
  31. Zoika, S., Tzouras, P. G., Tsigdinos, S., Kepaptsoglou, K. Causal analysis of illegal parking in urban roads: The case of Greece. Case Studies on Transport Policy. 9 (3), 1084-1096 (2021).

Tags

Teknik udgave 191 Parkering ved vejsiden trafikdata trafikforsinkelse trafikbelastning transport bygade
Evaluering af effekten af vejparkering på en dobbeltrettet bygade
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Pan, B., Liu, J., Chai, H., Shao,… More

Pan, B., Liu, J., Chai, H., Shao, Y., Zhang, R., Li, J. Evaluating the Effect of Roadside Parking on a Dual-Direction Urban Street. J. Vis. Exp. (191), e63384, doi:10.3791/63384 (2023).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter