Summary
In deze studie wordt het effect van parkeren langs de weg op een stedelijke straat geanalyseerd. Het hele proces bestaat uit het verzamelen van verkeersgegevens, gegevensverwerking, bedrijfssimulatie, simulatiekalibratie en gevoeligheidsanalyse.
Abstract
Parkeren langs de weg is een veel voorkomend verkeersfenomeen in China. Smalle stedelijke straten, hoge parkeereisen en een tekort aan parkeerplaatsen dwingen het publiek om willekeurig langs de kant van de weg te parkeren. Er wordt een protocol voorgesteld om de impact van een langs de weg geparkeerd voertuig op passerende voertuigen te bepalen. In dit onderzoek wordt een tweerichtings- en tweebaans stadsstraat waarin één voertuig langs de kant van de weg geparkeerd staat, geselecteerd voor het verzamelen van verkeersgegevens. Op basis van deze gegevens wordt de impact van de langs de weg geparkeerde voertuigen op het traject en de snelheid van passerende voertuigen bepaald. Daarnaast wordt een microsimulatiemodel toegepast om de impact van parkeren langs de weg op de maximale wachtrijlengte, vertraging, emissies en andere indicatoren onder verschillende verkeersvolumes te bepalen volgens de gevoeligheidsanalyse. De resultaten tonen aan dat langs de weg geparkeerde voertuigen het traject van passerende voertuigen gedurende ongeveer 80 m beïnvloeden en een negatief effect hebben op de snelheid, waarbij de laagste snelheid wordt waargenomen op de locatie van het langs de weg geparkeerde voertuig. De resultaten van de gevoeligheidsanalyse suggereren dat het verkeersvolume synchroon toeneemt met indicatorwaarden. Het protocol biedt een methode om het effect van parkeren langs de weg op het reistraject en de snelheid te bepalen. Het onderzoek draagt bij aan het verfijnd beheer van toekomstig parkeren langs de weg.
Introduction
De versnelling van de verstedelijking gaat gepaard met een duidelijke toename van het bezit van motorvoertuigen en de stedelijke verkeersstroom. In 2021 bereikte het Chinese autobezit 378 miljoen, wat neerkomt op een toename van 25,1 miljoen in vergelijking met dat in 20201. De huidige situatie met onvoldoende wegcapaciteit en beperkte verkeersmanagementtechnologie heeft echter geleid tot een steeds duidelijkere discrepantie tussen vraag en aanbod van stedelijk verkeer. Daarom is de congestie van het wegverkeer geleidelijk toegenomen. Als het meest voorkomende probleem in het stadsvervoer veroorzaakt verkeersopstoppingen veel gevaren en heeft het brede aandacht getrokken van onderzoekers 2,3,4. Naast het verlengen van de reistijd, verergert verkeerscongestie ook de milieuvervuiling, verhoogt het energieverbruik en verhoogt het de uitstoot van verontreinigende stoffenmet 5,6,7,8. Er is een positieve correlatie tussen verkeersopstoppingen en ongevallencijfers 9,10. Afgezien van de bovengenoemde effecten, ondermijnt de toenemende verkeerscongestie het inkomen en de werkgelegenheid11, en dit effect hangt nauw samen met het dagelijks leven van mensen, waardoor dit een van de belangrijkste problemen in steden is. Met de ontwikkeling van steden zal de negatieve impact van verkeersopstoppingen op de samenleving blijven toenemen.
Verkeersopstoppingen zijn een veelomvattende weerspiegeling van veel stedelijke verkeersproblemen, waaronder parkeren de belangrijkste. De uitbreiding van de stedelijke bevolking en de toename van motorvoertuigen hebben een negatieve impact op het parkeeraanbod en de uitstekende parkeervraag. In het parkeersysteem is parkeren langs de weg gebruikelijk in stadsverkeer en is het een belangrijk middel om de onbalans tussen vraag en aanbod van parkeren aan te pakken. Parkeren langs de weg maakt gebruik van middelen aan beide zijden van de weg om parkeerplaatsen te bieden. Parkeren langs de weg is handig, snel, flexibel en ruimtebesparend in vergelijking met andere parkeerfaciliteiten. Parkeren langs de weg neemt echter wegen in beslag en de nadelige effecten ervan kunnen niet worden genegeerd. In steden die een snelle ontwikkeling doormaken in ontwikkelingslanden, maken de stijgende parkeereisen het parkeren langs de weg overbelast, waardoor de verkeersveiligheid, luchtkwaliteit en openbare ruimte afnemen12. Daarom moet het probleem van parkeren langs de weg worden aangepakt.
Parkeerplaats langs de weg kan in twee scenario's worden geplaatst: (1) de niet-gemotoriseerde rijstrook (d.w.z. op brede wegen met afzonderlijke gemotoriseerde en niet-gemotoriseerde rijstroken, neemt parkeren langs de weg ruimte in op de meest rechtse niet-gemotoriseerde rijstrook); en (2) de gemengde rijstrook van het motorvoertuig en het niet-motorvoertuig, wat vaak een smalle weg is met een laag verkeersvolume. Omdat motorvoertuigen en niet-motorvoertuigen de middelen van de weg delen, leidt parkeren langs de weg vaak tot chaos in het verkeer in het tweede scenario. De meeste bestaande studies hebben zich echter gericht op het eerste scenario 13,14,15,16,17,18.
Wanneer een parkeerplaats langs de weg aanwezig is op de niet-gemotoriseerde rijstrook, en als er geen verplichte isolatie van de gemotoriseerde en niet-gemotoriseerde rijstroken is, leidt parkeren langs de weg indirect tot gemengd verkeer. Een parkeerplaats langs de weg vermindert de effectieve breedte van de niet-gemotoriseerde rijstrook aanzienlijk, waardoor de kans toeneemt dat niet-motorvoertuigen de niet-gemotoriseerde rijstrook passeren en de aangrenzende gemotoriseerde rijstrook bezetten. Het gedrag wordt lane-crossing16 genoemd. Veel studies hebben de impact van parkeren langs de weg op de niet-gemotoriseerde rijstrook op gemengde verkeersstromen onderzocht. Op basis van het cellulaire automatenmodel evalueerden Chen et al.13 de impact van parkeren langs de weg op heterogene verkeersoperaties in stedelijke straten door de studie van wrijvings- en congestieconflicten tussen motorvoertuigen en niet-motorvoertuigen13. Chen et al. stelden een wegweerstandsmodel van gemengde verkeersstroom voor door rekening te houden met het effect van parkeren langs de weg17. Bovendien hebben sommige studies de impact van parkeren langs de weg alleen op motorvoertuigen onderzocht. Guo et al. stelden een methode voor op basis van risicoduur, die werd gebruikt om de rijtijd van motorvoertuigen op parkeersecties langs de weg kwantitatief te analyseren19, en de resultaten toonden aan dat parkeren langs de weg de reistijd aanzienlijk beïnvloedde.
Verkeerssimulatie is een veelgebruikt hulpmiddel om de impact van parkeren langs de weg te onderzoeken. Yang et al. gebruikten VISSIM-software om de impact van parkeren langs de weg op dynamisch verkeer (vooral op de capaciteit) te onderzoeken, ontwikkelden een voertuiggemiddelde vertragingsverkeersmodel en verifieerden de betrouwbaarheid van het model door middel van simulatie20. Gao et al. analyseerden het effect van parkeren langs de weg op gemengd verkeer onder vier soorten verkeersinterferentie met behulp van dezelfde software18. Guo et al. gebruikten een cellulair automaatmodel om de invloed van parkeren langs de weg op de verkeerskenmerken van voertuigen (rijstrookcapaciteit en voertuigsnelheid) te analyseren door monte carlo-simulatie onder verschillende scenario's21. In het kader van Kerner's driefasige verkeerstheorie analyseerden Hu et al. de impact van tijdelijk parkeergedrag langs de weg op de verkeersstroom op basis van het cellulaire automatenmodel22. Deze studies tonen aan dat parkeren langs de weg een grote negatieve impact heeft op de verkeersefficiëntie.
De afdeling verkeersmanagement is geïnteresseerd in het begrijpen van het effect van langs de weg geparkeerde voertuigen op de verkeersstroom. De specifieke lengte en mate van het effect zijn belangrijk voor het beheer van problemen met parkeren langs de weg, bijvoorbeeld door informatie te verstrekken over het afbakenen van parkeerplaatsen, het bepalen van niet-parkeerzones en het reguleren van parkeerduur. In deze studie werd een protocol ontworpen om het effect van een enkel bermgeparkeerd voertuig op de verkeersactiviteit te onderzoeken. De procedure kan worden samengevat in de volgende stappen: 1) het voorbereiden van de apparatuur, 2) het selecteren van de locatie voor gegevensverzameling, 3) het selecteren van de onderzoekstijd, 4) het verzamelen van de gegevens, 5) het uitvoeren van de gegevensanalyse, 6) het bouwen van het simulatiemodel, 7) het kalibreren van het simulatiemodel en 8) het uitvoeren van de gevoeligheidsanalyse. Als niet aan een vereiste in deze acht stappen wordt voldaan, is het proces onvolledig en onvoldoende om de effectiviteit aan te tonen.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Voorbereiding van de apparatuur
- Zorg ervoor dat alle benodigde apparatuur beschikbaar is: radars, laserapparatuur langs de weg, laptops, batterijen, een camera, een drone, een reflecterend statief, de bijbehorende kabels en statieven van het apparaat.
2. Selectie van de locatie voor gegevensverzameling (figuur 1)
- Selecteer de locatie voor gegevensverzameling. Zorg ervoor dat de geselecteerde locatie zich op een tweerichtings- en tweebaansweg bevindt.
OPMERKING: De locatiekeuze is de sleutel in dit onderzoek. De tweebaansbreedte is goed waar te nemen. - Zorg ervoor dat de locatie geen kruispunten heeft.
OPMERKING: Voertuigen die uit een derde richting komen, kunnen chaos veroorzaken in de waarneming. - Zorg ervoor dat er geen barrières op de weg zijn, behalve één geparkeerd voertuig dat door onderzoekers is geplaatst.
OPMERKING: Barrières kunnen het gedrag van voertuigen onderbreken en radardetectie blokkeren. - Zorg ervoor dat er ten minste een zichtafstand en speling van 300 m is. Dit is nodig voor het radaronderzoek en de veiligheid van de onderzoekers.
LET OP: Eén radar kan maximaal 200 m detecteren. De radars bevinden zich 100 m stroomopwaarts en stroomafwaarts van het geparkeerde voertuig in het onderzoek. - Zorg ervoor dat de locatie een rechtlijnig segment is.
OPMERKING: Als het segment niet recht is, is het niet mogelijk om te bepalen of de voertuigverschuiving wordt veroorzaakt door het parkeren langs de weg.
3. Selectie van het onderzoektijdvak
- Selecteer de onderzoekstijd. In totaal is minimaal 3 uur nodig, met 1 uur in de ochtendspits, 1 uur 's middags en 1 uur in deavondspits 23,24,25.
- Verkrijg de tijd van het piekverkeersvolume-uur uit verkeersonderzoeksrapporten, verkeerspolitieafdelingen of verkeersbedrijven26 (figuur 2).
- Bij gebrek aan verkeersrapporten of analyses als referentie, verzamel dan enkele uren aan gegevens gedurende de drie bovenstaande perioden en selecteer vervolgens de gegevens met het hoogste piekverkeersvolume 27,28.
- Gebruik de uurgegevens met het hoogste verkeersvolume om gegevensanalyse uit te voeren en als invoer in het simulatiemodel. Gebruik alle 3 uur aan gegevens voor de modelverificatie.
OPMERKING: De geselecteerde weg werd geflankeerd door restaurants en het piekuur voor catering is het piekuur voor de parkeervraag langs de weg. Het piekuur voor verkeersvolume is de off-time, en de off-time is ook de piektijd voor catering. Daardoor lopen het piekuur voor het verkeersvolume en het piekuur voor de parkeervraag vrijwel synchroon.
4. Gegevensverzameling (figuur 3)
- Parkeer het voertuig op ongeveer 20 cm afstand van de stoeprand op de beoogde plaats, zodat het laserapparaat langs de weg kan worden geplaatst.
- Plaats het reflecterende statief aan de achterkant van het voertuig. Plaats het niet te ver weg om ervoor te zorgen dat het het gedrag van de voertuigen niet beïnvloedt.
OPMERKING: Een reflecterend statief is noodzakelijk om botsingen te waarschuwen en/of te voorkomen op basis van de relevante bepalingen van de Chinese verkeersveiligheidswet. Het statief wordt een bepaalde afstand achter het geparkeerde voertuig geplaatst om de voertuigen erachter te waarschuwen dat er een geparkeerd voertuig vooraan staat en zo een botsing te voorkomen. De afstand tussen het reflecterende statief en het geparkeerde voertuig wordt laag gehouden om het effect van het reflecterende statief op het gedrag van de passerende voertuigen te minimaliseren, zodat het effect op de onderzoeksresultaten verwaarloosbaar is. - Stel het radarstatief in. Zet het statief op een hoogte van maar liefst 2 m om signaalblokkade te voorkomen. Vergrendel de radar met het statief. Stel de radar verticaal in en draai deze naar het geparkeerde voertuig. Sluit de radargegevenskabel aan op de USB-poort van de laptop.
OPMERKING: Eén radar bevindt zich 100 m stroomopwaarts en één is 100 m stroomafwaarts van het geparkeerde voertuig. Beide radars worden aan dezelfde kant van het geparkeerde voertuig geplaatst om de verkeersgegevens op te vangen. - Open de radarsoftware en voer de volgende stappen uit.
- Klik op Communicatiecontrole. Selecteer de seriële poort en klik op Verbinden. Klik op Bevestigen nadat de software Radar gedetecteerd weergeeft.
- Klik op Onderzoek instellen. Klik op RLU-tijd lezen en stel RLU-tijd in. Klik op Gegevensrecord wissen en bevestig dit om het interne geheugen van de radar te wissen. Klik op Onderzoek starten en sluit het dialoogvenster.
- Klik op Real-Time View om de radarstatus te controleren en de verkeersgegevens moeten worden verzameld als voertuigen passeren.
- Bereid het laserapparaat langs de weg en de kabel voor. Sluit de datakabel van het weglaserapparaat aan op de poort. Sluit de datakabel van het laserapparaat langs de weg aan op de USB-poort van de laptop.
- Plaats het laserapparaat langs de weg in het midden van het geparkeerde voertuig. Draai de vier aanpassingskolommen op het apparaat om het waterpas te zetten.
OPMERKING: Het laserapparaat langs de weg moet onder de standaardpositie werken. - Open de software van het weglaserapparaat en voer de volgende bewerkingen uit.
- Klik op Communicatiecontrole. Selecteer het RLU-serienummer en klik op Verbinden. Klik op Bevestigen nadat de software Nieuwe RLU-verbinding gedetecteerd weergeeft.
- Klik op Onderzoek bekijken. Wanneer voertuigen passeren, wordt de verkeersstroom in realtime weergegeven.
- Klik op Onderzoek instellen. Klik achtereenvolgens op RLU-tijd lezen en RLU-tijd instellen. Stel de begintijd en eindtijd in en klik op Taak instellen. Klik op Bevestigen nadat de software RLU Investigation Set Up Succeeded laat zien.
- Klik op Voltooien. Klik op Apparaatstatus om de status van het laserapparaat langs de weg te bekijken.
- Plaats de camera ongeveer 30 m stroomopwaarts van het geparkeerde voertuig.
OPMERKING: De verkeersgegevens kunnen worden verzameld door radars en het laserapparaat langs de weg. Verkeersvideo's worden voorbereid voor gegevensvalidatie. - Zet alle apparatuur op de dubbelbaans dubbelzijdige weg (hier, Dian Zi Yi Road). Controleer elke 5 minuten of de radars, het laserapparaat langs de weg en de camera goed werken.
OPMERKING: Zorg ervoor dat de tijd van de laptops en camera hetzelfde is als in realtime. Start twee radars, het laserapparaat langs de weg en de camera tegelijkertijd op het geplande tijdstip. Twee radars tegenover elkaar, gecombineerd met een tussenliggend laserapparaat langs de weg, zorgen voor een continu traject van het getroffen verkeer. - Beëindig de gegevensverzameling en sluit het realtime controlevenster in de radarsoftware.
- Klik op Onderzoek instellen, selecteer Onderzoek beëindigen en bevestig het. Sluit het dialoogvenster.
- Selecteer Gegevens downloaden, blader door de computer om de gegevens op te slaan en voer een naam voor het bestand in. Klik op Openen en klik vervolgens op Download starten. Klik op Bevestigen om de verzameling van radargegevens te voltooien.
- Klik op Apparaatstatus in de software voor laserapparaten langs de weg en klik vervolgens op Taak stoppen om de gegevensverzameling te beëindigen. Selecteer Gegevens downloaden, bladeren en een naam voor het bestand invoeren. Klik op Openen en klik op Download starten. Klik op Bevestigen om de gegevensverzameling van het laserapparaat langs de weg te voltooien.
5. Data-analyse
OPMERKING: Door gegevensverzameling wordt 3 uur aan gegevens verkregen, inclusief de ochtendspits, het midden van het middaguur en de avondspits. Het afspelen van verkeersvideo's wordt door de camera geleverd om de verkeersvolumes en voertuigtypen handmatig te kalibreren. Selecteer de groepsgegevens met het hoogste volume (d.w.z. de ochtendspitgegevens in dit geval) als het representatieve uur voor het uitvoeren van de gegevensanalyse.
- Gebruik software om de trajecten en snelheid van de radars te verzamelen.
OPMERKING: De radar bevindt zich op 100 m afstand van het geparkeerde voertuig en de weg is 10 m breed. Alle gegevenspunten buiten dat bereik zijn dus radarfouten en moeten worden verwijderd. - Zorg ervoor dat het laserapparaat langs de weg de offsetwaarde, de passeersnelheid, het aantal voertuigen en de soorten voertuigen op de geparkeerde voertuigpositie biedt.
- Teken het hele bereik van trajecten en snelheid van de twee radars en één laserapparaat langs de weg als de representatieve gegevens met behulp van berekeningssoftware (figuren 4-6).
6. Het bouwen van het simulatiemodel
OPMERKING: Het microscopische simulatiemodel wordt opgesteld door simulatiesoftware voor verkeerssimulatie. De resultaten van de gegevensverzameling, inclusief het verkeersvolume, de voertuigsnelheid en de samenstelling van het voertuigtype, zijn vitale parameters in de verkeerssimulatie en vormen de basis van de modelbouw. Alleen de representatieve gegevensgroep is nodig in de simulatie.
- Wegenbouw
- Open de simulatiesoftware. Importeer de achtergrondkaart van het onderzochte wegsegment.
- Klik op Obstakels aan de linkerkant, klik met de rechtermuisknop en selecteer Nieuw obstakel toevoegen. Voer de lengte en breedte van het obstakel in en klik vervolgens op OK. Sleep de cursor om het obstakel naar de rijbaan te verplaatsen.
OPMERKING: "Obstakel" verwijst naar het langs de weg geparkeerde voertuig. De lengte en breedte van het obstakel worden ingesteld op basis van de werkelijke grootte van het geparkeerde voertuig. - Klik op Links aan de linkerkant, verplaats de cursor naar het begin van de link en klik met de rechtermuisknop. Selecteer Nieuwe koppeling toevoegen, voer de rijstrookbreedte in en klik op OK. Sleep de cursor om de koppeling op de kaart te tekenen.
- Herhaal stap 6.1.3 om vier wegsegmenten te bouwen.
- Houd de rechterknop van de muis en de Ctrl-knop op het toetsenbord ingedrukt om het eindpunt van één koppeling naar de aangrenzende koppeling te slepen om de twee koppelingen te verbinden.
OPMERKING: Dit deel wordt de "connector" genoemd en het wordt soepeler wanneer er meer punten worden toegevoegd. - Herhaal stap 6.1.5 om alle koppelingen met elkaar te verbinden.
- Gewenste snelheid
- Selecteer Basisgegevens in de bovenste balk en selecteer vervolgens Distributies | Gewenste snelheid.
- Klik onderaan op het groene kruisje Toevoegen om een nieuwe gewenste snelheidsverdeling toe te voegen en deze een naam te geven.
- Voer de gemiddelde snelheid en de maximumsnelheid uit de representatieve gegevens in als de minimaal en maximaal gewenste snelheden. Verwijder de standaardgegevens.
- Herhaal stap 6.2.2-6.2.3 om alle gewenste snelheidsverdelingen vast te stellen (de richting van oost naar west, de richting van west naar oost en het gebied met verminderde snelheid).
OPMERKING: In de volgende tekst wordt de richting van oost naar west afgekort als E-W en de richting van west naar oost afgekort als W-E.
- Samenstellingen van voertuigen
- Selecteer Lijsten in de bovenste balk en selecteer vervolgens Privévervoer | Voertuigsamenstellingen.
- Klik op de knop Toevoegen met groen kruisje om een nieuwe voertuigsamenstelling toe te voegen.
- Klik op de knop Toevoegen om twee voertuigtypen toe te voegen: vrachtwagens en bussen.
- Selecteer de gewenste snelheidsverdelingsset in stap 6.2 voor auto's, vrachtwagens en bussen.
- Herhaal stap 6.3.2-6.3.4 om twee voertuigsamenstellingen (E-W en W-E) vast te stellen. Voer de stroom van auto's, vrachtwagens en bussen in op basis van de representatieve gegevens.
- Voertuig routes
- Selecteer Voertuigroutes in de linkermenubalk.
- Verplaats de cursor naar de stroomopwaartse van één koppeling, klik met de rechtermuisknop en selecteer Nieuwe statische voertuigrouteringsbeslissing toevoegen.
- Sleep de blauwe cursor om de voertuigroutes op de kaart te tekenen van echte routes in de gegevensverzameling.
- Gebieden met een lagere snelheid
- Selecteer Gebieden met verminderde snelheid in de linkermenubalk.
- Klik met de rechtermuisknop op het gebied stroomopwaarts van de parkeerpositie en selecteer Nieuw gebied met verlaagde snelheid toevoegen.
OPMERKING: De lengte van het gebied is afhankelijk van de resultaten van de gegevensanalyse. - Klik met de rechtermuisknop in de marge van het scherm, selecteer Toevoegen en selecteer de gewenste snelheid die in stap 6.2 is ingesteld voor het gebied met verminderde snelheid als de gebiedssnelheid.
- Herhaal stap 6.5.2-6.5.3 om alle gebieden met verminderde snelheid in te stellen.
- Voorrangsregels
- Selecteer Prioriteitsregels in de linkermenubalk.
- Klik met de rechtermuisknop op het gebied met verlaagde snelheid stroomopwaarts van het geparkeerde voertuig in de richting W-E en selecteer Nieuwe prioriteitsregel toevoegen. Voer de minimale pauzetijd en -klaring in.
- Herhaal stap 6.6.2 om de voorrangsregel stroomafwaarts van het geparkeerde voertuig in de richting E-W in te stellen.
OPMERKING: Het instellen van prioriteitsregels is afhankelijk van de werkelijke verkeersactiviteit die wordt weerspiegeld door de gegevensverzameling.
- Reistijden van voertuigen
- Selecteer Voertuig reistijden aan de linkerkant.
- Klik met de rechtermuisknop aan het begin van een koppeling en selecteer Nieuwe reistijdmeting van voertuig toevoegen.
- Sleep de cursor naar het einde van de koppeling om een reistijdmeting van het voertuig te maken.
- Herhaal stap 6.7.3 voor alle voertuigroutes.
- Voertuigingangen
- Selecteer Voertuiginvoer aan de linkerkant. Klik met de rechtermuisknop aan het begin van een koppeling en selecteer Nieuwe voertuiginvoer toevoegen.
- Verplaats de muis naar linksonder en voer het volume in voor de representatieve gegevens.
- Herhaal stap 6.8.1-6.8.2 voor alle koppelingen.
- Knooppunten
- Selecteer Nodes aan de linkerkant. Klik met de rechtermuisknop om Nieuw knooppunt toevoegen te selecteren en klik vervolgens op OK.
- Klik met de linkermuisknop en beweeg de muis om een gemiddeld knooppuntbereik aan te passen.
OPMERKING: Het knooppuntbereik is gerelateerd aan de simulatieresultaten en is afhankelijk van de geometrie van het weggedeelte.
- Klik op Evaluatie bovenaan de simulatie-interface en selecteer Resultatenlijsten. Klik op knooppuntenresultaten en voertuigreistijdresultaten.
- Klik op de blauwe afspeelknop bovenaan om de simulatie te starten. Klik op de apparaatknop Snelle modus om de simulatiesnelheid te maximaliseren.
- Na de simulatie worden de knooppuntresultaten en de reistijdresultaten van het voertuig onderaan de interface weergegeven, inclusief de maximale wachtrijlengte, parkeertijden, vertraging, aantal voertuigen, brandstofverbruik, CO-emissies, NO-emissies, VOS-emissies en reistijd.
7. Kalibratie van simulatiemodellen
OPMERKING: In deze studie toonden de verkeerswaarnemingen aan dat de ochtendpiekgegevens het hoogste volume hadden, maar de drie gegevensgroepen werden gesimuleerd voor verificatie om de betrouwbaarheid van het simulatiemodel volledig te illustreren.
- Voer de verzamelde gegevens in het simulatiemodel in, voer de simulatie uit en verkrijg het simulatieresultaat (figuur 7A).
OPMERKING: Het simulatievolume kan worden gegenereerd op basis van het simulatieresultaat. - Vergelijk het simulatievolume met het verzamelde volume.
OPMERKING: Bereken de capaciteit met behulp van vergelijking 1:
(1)
waarbij C de ideale capaciteit aangeeft (veh/h) en ht de gemiddelde minimale vooruitgang (s).
OPMERKING: Het verschil tussen het verzamelde volume en het simulatievolume wordt de gemiddelde absolute procentuele fout (MAPE) genoemd, zoals weergegeven in vergelijking 2:
(2)
waarbij n de vier verschillende stromen in dit onderzoek aanduidt,
de in het simulatiemodel gesimuleerde capaciteit is (veh/h) en 
de capaciteit van het onderzoek (veh/h). De berekende MAPE is opgenomen in tabel 2.
OPMERKING: De nauwkeurigheid van de simulatie is acceptabel wanneer de MAPE klein is.
(1)
(2)
de in het simulatiemodel gesimuleerde capaciteit is (veh/h) en 
de capaciteit van het onderzoek (veh/h). De berekende MAPE is opgenomen in tabel 2.8. Gevoeligheidsanalyse
OPMERKING: Figuur 7B toont het gevoeligheidsanalyseproces. Het gevoeligheidsanalyseproces weerspiegelt alleen de prestaties van de verzamelde gegevens (tabel 3). Om situaties met verschillende verkeersvolumes in real-time scenario's te begrijpen, worden alle mogelijke verkeersvolumecombinaties ingevoerd in het simulatiemodel om ervoor te zorgen dat alle situaties worden behandeld in de parkeeranalyse langs de weg (figuur 8 en tabel 4).
- Zorg ervoor dat de representatieve gegevens drie groepen gegevens bevatten (d.w.z. W-E-volume, E-W-volume en andere parameters).
- Verdeel het W-E-volume in zes categorieën, verdeel het E-W-volume in zeven categorieën en houd de andere parameters stabiel in de simulatie.
OPMERKING: Het W-E-verkeersvolume was 150-400 veh / h, met een toename van 50 veh / h tijdens het piekuur, en het E-W-verkeersvolume was 150-450 veh / h, met een toename van 50 veh / h tijdens het piekuur. Het maximale verkeersvolume van één rijstrook in de stedelijke straat was 1.140 veh/u. - Simuleer 42 situaties en controleer de effectiviteit onder alle situaties.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Dit artikel presenteert een protocol om het effect van parkeren langs de weg op passerende voertuigen op een tweerichtings- en tweebaans stedelijke weg te bepalen door het verzamelen en simuleren van verkeersgegevens. Als onderzoekslocatie werd een weg gekozen (figuur 1) en op de geplande bermlocatie werd een voertuig geparkeerd. Radars, een laserapparaat langs de weg en een camera werden toegepast om het voertuigtraject, de snelheid, het volume en de typesamenstelling te verzamelen om de veranderingen in het traject en de snelheid van het voertuig te bepalen tijdens het parkeren langs de weg (figuren 4-6). Er werd een microscopisch simulatiemodel gebouwd op basis van de geometrische kenmerken van de weg en de resultaten van de gegevensverzameling (figuur 7). De gevoeligheidsanalyse bepaalde de impact van parkeren langs de weg op de maximale wachtrijlengte, vertraging, emissies en andere indicatoren van voertuiggebruik bij verschillende verkeersvolumes (figuur 8).
Figuur 1 toont de locatie van de gegevensverzameling. De testweg was een tweerichtings- en tweebaansweg in de stad Xi'an, provincie Shaanxi, China. De breedte van de weg was 10 m, de maximumsnelheid was 60 km/u en er was geen middenberm, wat de typische omstandigheden van parkeren langs de weg vertegenwoordigt. Tweerichtingsverkeer kon gemakkelijk doorstromen, maar vertraagde aanzienlijk in de aanwezigheid van een geparkeerd voertuig.
Figuur 4 toont de trajecten onder invloed van parkeren langs de weg op basis van de gegevens gemeten door de radars en het weglaserapparaat. De figuur laat zien dat het langs de weg geparkeerde voertuig het traject van de passerende voertuigen over een lengte van 80 m beïnvloedde. Het blauw vertegenwoordigt de westelijke radargegevens en het oranje geeft de oostelijke radargegevens aan. De middelste zwarte lijn is een verzameling punten, de positieverdeling gevormd door de verticale positie van passerende voertuigen die worden gedetecteerd door het laserapparaat langs de weg.
De westelijke radar toont de trajectveranderingen. Wanneer voertuigen de geparkeerde slagboom langs de weg zagen, verschoven ze van de normale positie vanaf 40 m stroomopwaarts van het geparkeerde voertuig.
Het laserapparaat langs de weg kon de laterale positie en snelheid van elk passerend voertuig registreren. De zijdelingse positie varieerde van 2,3 m tot 4,9 m (d.w.z. de onderste en bovenste uiteinden van de middelste zwarte lijn in figuur 4). De gemiddelde stand was 3,3 m. De positie betekent hier de rechterpositie van de voertuigen die in de W-E-richting werken en de linkerpositie voor de voertuigen die in de E-W-richting rijden.
Voor de oostradar werd een vergelijkbare trend als de westradar waargenomen. Voertuigen keerden ongeveer 40 m na het passeren van het testvoertuig terug naar de normale stand.
Zoals te zien is in figuur 4, bedroeg de lengte van het effect van een langs de weg geparkeerd voertuig op het traject van passerende voertuigen 80 m. Passerende voertuigen begonnen af te wijken van hun normale traject op 40 m van het midden van het geparkeerde voertuig en keerden terug naar hun normale traject na 40 m van het midden van het geparkeerde voertuig (de exacte locatie is gemarkeerd met twee lange zwarte lijnen in figuur 4 en de horizontale posities van de twee lijnen zijn 60 m en 140 m). Op de positie van het geparkeerde voertuig (d.w.z. de positie met coördinaten [100,0] in figuur 4) bedroeg de gemiddelde afstand tussen de passerende voertuigen en de buitenrand van het geparkeerde voertuig 3,3 m. Gezien de breedte van het geparkeerde voertuig was de gemiddelde afstand tussen de passerende voertuigen en de binnenrand van het geparkeerde voertuig 1,3 m. De minimum- en maximumafstanden tussen de passerende voertuigen en de binnenrand van het geparkeerde voertuig bedroegen respectievelijk 0,3 m en 2,9 m, zoals bepaald door de oorspronkelijke locatie en de bedrijfsomstandigheden van de passerende voertuigen. Voertuigen die dicht bij de stoeprand reden, hadden geen grote zijdelingse afstand van het geparkeerde voertuig bij het passeren ervan en passeerden er zelfs dicht bij met een lage snelheid vanwege de invloed van andere voertuigen die in dezelfde richting reden. Wanneer het passerende voertuig niet werd gestoord door andere voertuigen die in dezelfde richting reden, was de rijbreedte royaler. Met andere woorden, de zijdelingse breedte tussen het passerende voertuig en het langs de weg geparkeerde voertuig was voldoende. Natuurlijk is de zijdelingse breedte tussen het passerende voertuig en het geparkeerde voertuig ook afhankelijk van het rijgedrag. In vergelijking met een agressieve bestuurder heeft een stabiele bestuurder meer kans om een geparkeerd voertuig met een grotere zijdelingse breedte te passeren.
Figuur 5 en figuur 6 laten zien dat parkeren langs de weg de snelheid van passerende voertuigen ondergraaft, waarbij de laagste snelheid van passerende voertuigen wordt waargenomen op de geparkeerde voertuigpositie (d.w.z. de positie met een centrale horizontale coördinaat van [100, 0]). Figuur 5 toont de snelheid in de E-W richting. Het verkeer beweegt zich van rechts naar links op de foto, wat aangeeft dat de snelheid van het voertuig geleidelijk afneemt binnen het bereik van 180-120 m. Na het passeren van de geparkeerde positie werd de snelheid geleidelijk en gelijkmatig verdeeld zonder een duidelijke toename.
In het oranje gedeelte, vlak voor de geparkeerde voertuigpositie, werd een maximumsnelheid van 54,7 km/u bereikt, en dit was de snelheid waarmee het voertuig met een hogere snelheid passeerde dan de tegenligger. De laagste snelheid was 0 km/u en dit gebeurde op de parkeerstand. Met hogere offsetwaarden van het voertuig in de W-E-richting nam dat voertuig meer wegbreedte in beslag en moest het voertuig in de richting E-W wachten, wat betekent dat de snelheid van het laatstgenoemde voertuig 0 km / h was.
In het blauwe gebied bleef de snelheid van het voertuig na het passeren van de parkeerpositie in het bereik van 8-35 km / h. Het zou voor auto's moeilijk zijn geweest om hogere maximumsnelheden te bereiken vanwege de wegomgeving. De lagere maximumsnelheid is licht verhoogd van 8 km/u naar 20 km/u vanwege het wegrijden van de parkeerstand.
Figuur 6 toont de snelheid in de W-E-richting, waarbij voertuigen van links naar rechts op de foto bewegen. De snelheidsveranderingen in de W-E-richting waren vergelijkbaar met die in de E-W-richting.
Vóór de parkeerpositie (d.w.z. binnen het bereik van 0-100 m in de figuur) versmalden de boven- en ondergrenzen van de voertuigsnelheid in de W-E-richting geleidelijk van de 20 m-positie. In het bereik van 0-40 m nam de bovengrens geleidelijk af en was het laagst op de positie van 80 m. De maximumsnelheid van 38,6 km/u (op de 20 m-positie) daalde naar 29 km/u (op de 80 m-positie). De lagere maximumsnelheid werd verhoogd van 9,4 km/u (op de 10 m-positie) naar 10,44 km/u (op de 100 m-positie).
De maximumsnelheid verlaagd voor de parkeerpositie. Tijdens de observatie, als een voertuig in de W-E-richting het geparkeerde voertuig aan dezelfde kant vond en er geen voertuigen voor stonden of het tegenovergestelde voertuig ver weg was, had het voertuig in de W-E-richting de neiging om eerst te accelereren en te verschuiven om een goede positie in te nemen om het geparkeerde voertuig als eerste te passeren. Dit fenomeen is de reden voor de snelheidsverhoging vlak voor de parkeerpositie.
Bij het passeren van de parkeerpositie was het snelheidsbereik 8,2-47,7 km/u. De lagere snelheidslimiet daalde omdat sommige bestuurders remden bij het passeren van het geparkeerde voertuig om krassen te voorkomen. Krassen gebeuren wanneer voertuigen die in beide richtingen komen elkaar ontmoeten op de parkeerplaats, en in deze gevallen proberen bestuurders krassen te voorkomen door hun snelheid te verlagen. Ten opzichte van het blauwe gebied werd de maximumsnelheid met 9,1 km/u verhoogd. Dit komt omdat wanneer er geen voertuig in de tegenovergestelde richting kwam, de voertuigen in de W-E-richting versnelden door de parkeerpositie nadat ze hadden bevestigd dat ze het langs de weg geparkeerde voertuig niet hadden bekrast, in overeenstemming met de gebruikelijke rijgewoonten van de bestuurders.
In het oranje gebied steeg de lagere snelheidslimiet van 7,5 km/u aanzienlijk na het passeren van de parkeerpositie. Dit geeft aan dat de meeste voertuigen kunnen versnellen naar de snelheid vóór de parkeerpositie nadat ze zich 10 m van de parkeerpositie hebben verplaatst.
Figuur 8 geeft de simulatieresultaten weer van negen indicatoren die de operationele status van de voertuigen bij verschillende verkeersvolumes weergeven. Verkeersvolumes in E-W- en W-E-richtingen beïnvloedden de maximale wachtrijlengte (figuur 8A), het aantal voertuigen (figuur 8B), vertraging (figuur 8C), het aantal stops (figuur 8D), CO-emissies (figuur 8E), NO-emissies (figuur 8F), VOS-emissies (figuur 8G), brandstofverbruik (figuur 8H) en reistijd (figuur 8I) ) uitlijnen op de parkeergegevens langs de weg. De toename van het verkeersvolume leidt tot de toename van alle indicatorwaarden, maar de getroffen mate van verschillende indicatorwaarden is divers. Bovendien heeft parkeren langs de weg geen identiek effect op voertuigen in E-W- en W-E-richtingen.
Met de toename van het verkeersvolume was de impactgraad van parkeren langs de weg op voertuigen in de W-E-richting voor de drie indicatoren van maximale wachtrijlengte, vertraging en het aantal stops aanzienlijk hoger dan die op voertuigen in de E-W-richting. In termen van de vijf emissiegerelateerde indicatoren, brandstofverbruik en reistijd, was de impactgraad op voertuigen in de E-W- en W-E-richting bijna hetzelfde, maar het was iets groter voor voertuigen in de W-E-richting. Nadat het verkeersvolume 300-350 veh/h bereikte in de richtingen W-E en E-W, was de groeitrend van de maximale wachtrijlengte, vertraging en het aantal stops aanzienlijk hoger, waarbij de negatieve impact van parkeren langs de weg op de verkeersefficiëntie van passerende verkeersstromen ernstiger werd. Vijf van de emissiegerelateerde indicatoren, brandstofverbruik en reistijd veranderden uniform met toenemend verkeersvolume in beide richtingen.
Figuur 1: De locatie van de gegevensverzameling: een tweerichtings- en tweebaansweg, Dian Zi Yi Road in Xi'an. Coördinaten: 108.932882,34.220774. (A) Een schema van de onderzoekslocatie in Xi'an City. (B) De rode lijn staat voor het segment gegevensverzameling. De noordelijke kruising met de rode lijn is een voetgangersstraat met weinig mensen en heeft geen invloed op dit onderzoek. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 2: De 24-uurs congestie-index. De gegevens in het panel zijn afkomstig van de real-time congestie-index in Xi'an op 24 augustus 202126. De gegevens geven aan dat de ochtendspits plaatsvond van 07:00 tot 09:00 uur en de avondspits van 17:00 tot 19:00 uur. De vallei, met uitzondering van de late nacht, vond plaats van 11.00 tot 12.00 uur. De congestie-indexen waren respectievelijk 2,25 en 2,66 om 08:00 uur en 18:00 uur. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 3: Gegevensverzamelingsschema weergegeven op een foto gemaakt door een drone op een hoogte van 150 m. Boomschaduw bedekt alle apparatuur, dus kleurrijke blokken vertegenwoordigen de apparatuur. Het langs de weg geparkeerde voertuig bevindt zich in het midden en de twee radars zijn 100 m stroomopwaarts en 100 m stroomafwaarts van het geparkeerde voertuig geplaatst. De westradar en de oostradar staan beide tegenover het geparkeerde voertuig. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 4: Hele trajecten. Het testvoertuig wordt geparkeerd op de positie van (100,0) in het paneel. Het blauw vertegenwoordigt de westelijke radargegevens, de middelste zwarte lijn vertegenwoordigt de gegevens van het laserapparaat langs de weg en het oranje vertegenwoordigt de oostelijke radargegevens. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 5: Oost-West snelheid. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 6: West-Oost snelheid. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 7: Stroomdiagrammen voor het berekenen van de simulatiefout (MAPE) en het uitvoeren van de gevoeligheidsanalyse. (A) Stroomdiagram voor de berekening van de MAPE. (B) Stroomdiagram voor de gevoeligheidsanalyse. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 8: Gevoeligheidsanalyse. X-as = E-W verkeersvolume, Y-as = W-E verkeersvolume en Z-as = evaluatie-indexwaarde. (A) Maximale wachtrijlengte. (B) Aantal voertuigen. (C) Vertraging. (D) Aantal haltes. E) CO-emissies. F) GEEN emissies. G) VOS-emissies. (H) Brandstofverbruik. (I) Reistijd. Klik hier om een grotere versie van deze figuur te bekijken.
| Item | Ochtend (07:00−08:00) | Midden middag (13:00−14:00) | Avond (17:00−18:00) | |||
| Richting | W-E | E-W | W-E | E-W | W-E | E-W |
| Auto(veh/h) | 306 | 374 | 167 | 148 | 351 | 228 |
| Vrachtwagen (voertuig / h) | 1 | 3 | 1 | 0 | 4 | 0 |
| Bus(veh/h) | 9 | 9 | 4 | 5 | 6 | 4 |
| Gem. snelheid (km/h) | 21.7 | 24.5 | 19.4 | 24.7 | 18.8 | 20.5 |
| Max. snelheid (km / h) | 47.7 | 54.7 | 55.8 | 56.2 | 44.6 | 45.0 |
| Min. snelheid (km / h) | 0 | 0 | 0 | 0 | 0 | 0 |
Tabel 1: Voertuiginformatie verzameld in het kader van het onderzoek. Een minimumsnelheid van 0 km/h geeft aan dat sommige voertuigen niet meer rijden.
| Item | Ochtend (07:00−08:00) | Midden middag (13:00−14:00) | Avond (17:00─18:00) | |||
| Richting | W-E | E-W | W-E | E-W | W-E | E-W |
| Investeer capaciteit (veh / h) | 316 | 386 | 172 | 153 | 361 | 232 |
| Gesimuleerde capaciteit (veh / h) | 306 | 360 | 174 | 150 | 354 | 216 |
| Individuele MAPE(%) | 3.2 | 6.7 | 1.2 | 2.0 | 1.9 | 6.9 |
| MAPE(%) | 5.0 | 1.6 | 4.4 | |||
Tabel 2: De kalibratieresultaten voor het simulatiemodel. De kalibratieresultaten tussen het onderzochte verkeersvolume en het gesimuleerde volume zijn weergegeven in de tabel. De MAPE wordt berekend met behulp van vergelijking 2 en de fouten tussen de gesimuleerde capaciteit en de werkelijke capaciteit zijn 5,5%, 1,6% en 4,4% voor de drie gegevensgroepen, die allemaal klein zijn. Aangezien de totale capaciteitsfout minder dan 15% is, ligt de fout van het vastgestelde model binnen het aanvaardbare bereik en is de simulatienauwkeurigheid voldoende29.
| Item | Ochtend | Midden middag | Avond | |||
| (07:00−08:00) | (13:00−14:00) | (17:00─18:00) | ||||
| W-E | E-W | W-E | E-W | W-E | E-W | |
| maximale wachtrijlengte(m) | 31.26 | 34.93 | 12.00 | 7.96 | 34.88 | 20.40 |
| aantal voertuigen | 306 | 360 | 168 | 150 | 348 | 216 |
| vertraging(en) | 6.47 | 6.58 | 3.10 | 1.74 | 6.68 | 4.64 |
| aantal stops(tijden) | 0.28 | 0.52 | 0.05 | 0.11 | 0.24 | 0.42 |
| CO-uitstoot (gram) | 191.790 | 249.606 | 89.112 | 77.820 | 219.462 | 135.468 |
| GEEN emissies (gram) | 37.314 | 48.564 | 17.340 | 15.138 | 42.702 | 26.358 |
| VOS-emissies(gram) | 44.448 | 57.846 | 20.652 | 18.036 | 50.862 | 31.398 |
| brandstofverbruik (gallon) | 2.742 | 3.570 | 1.272 | 1.116 | 3.138 | 1.938 |
| reistijd(en) | 35.46 | 29.12 | 31.92 | 24.56 | 35.73 | 27.25 |
Tabel 3: Simulatieresultaten met de ochtendspitgegevens, gegevens over het midden van de middag en de avondspits. Als representatieve gegevens heeft de gegevensgroep ochtendspits het hoogste verkeersvolume en de hoogste indicatorwaarden. De verkeersgegevensgroep van de middelste middag heeft het laagste verkeersvolume en de laagste indicatorwaarden.
| Item | Waarde |
| E-W volume (veh/h) | 150/200/250/300/350/400/450 |
| W-E volume (veh/h) | 150/200/250/300/350/400 |
| Opmerking: Het E-W verkeersvolume ligt in het bereik van 150-450 veh / h met een toename van 50 veh / h. Het W-E verkeersvolume ligt in het bereik van 150-400 veh/h met een toename van 50 veh/h. | |
Tabel 4: Invoerparameters voor de gevoeligheidsanalyse in de simulatie.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Het effect van parkeren langs de weg in stedelijke straten kan niet worden genegeerd en willekeurig parkeren moet worden aangepakt30,31. Een protocol om de impact van parkeren langs de weg op de verkeersstroom in een stedelijke straat met twee richtingen te bepalen, wordt hier gepresenteerd. De gegevensverzameling specificeert de traject- en snelheidsveranderingen van passerende voertuigen veroorzaakt door parkeren langs de weg. De verkeerssimulatie kwantificeert rijwegindices zoals maximale wachtrijlengte, vertraging en emissies.
De kritieke stappen in het protocol zijn de gegevensverzameling en het bouwen van het microsimulatiemodel. De locatie voor gegevensverzameling is een recht segment zonder kruispunt, ingang of uitgang. Om ervoor te zorgen dat de invloed zichtbaar is, mag de weg niet breder zijn dan 10 m. Een straat met een breedte van 10 m is goed voor observatie. Als het smaller is, kan het verkeer volledig worden afgebroken en als het breder is, wordt de invloed mogelijk niet gedetecteerd. Een voldoende lange zichtafstand is ook een vereiste voor het segment. Bij het opstellen van het simulatiemodel moet aandacht worden besteed aan gebieden met een lagere snelheid en voorrangsregels. De relevante parameters (snelheid en lengte) van de gebieden met verlaagde snelheid worden vastgesteld op basis van de representatieve gegevens om de werkelijke werking van de weg weer te geven. Het gedrag van de chauffeurs kan beter worden weerspiegeld met behulp van prioriteitsregels in plaats van conflictgebieden. De prioriteitsregels zijn hetzelfde als de representatieve gegevens en worden gecontroleerd met behulp van de verkeersbewerkingsvideo's die door de camera zijn vastgelegd.
Met betrekking tot het effect van parkeren langs de weg op passerende voertuigen geeft dit protocol een specifieke en realistische beschrijving van de onderzoeksresultaten. Zo worden de trajecten van passerende voertuigen gedurende 80 m lang beïnvloed en wordt ook de snelheid van het voertuig negatief beïnvloed. Bovendien tonen de simulatieanalyseresultaten onder verschillende verkeersvolumes de prestaties van verschillende indices die de efficiëntie van de verkeersoperatie weerspiegelen. De toename van het verkeersvolume loopt synchroon met de groei van de indicatorwaarden.
De belangrijkste beperking van dit protocol is dat het alleen effectief is voor één geparkeerd voertuig langs de weg. De volgende onderzoeksfase zal worden uitgevoerd om het effect van meerdere willekeurig geparkeerde voertuigen op de verkeersstroom te bepalen.
Het wordt aanbevolen dat de verkeerspolitie bewakingsapparatuur toevoegt aan smalle stedelijke straten om voertuigen te controleren die langs de kant van de weg geparkeerd staan, waardoor de impact van parkeren langs de weg wordt beperkt.
Het hier beschreven protocol voor het evalueren van het effect van parkeren langs de weg op een stedelijke straat met twee richtingen kan worden toegepast om verfijnde parkeerbeheersmaatregelen langs de weg voor te stellen, zoals de toegestane parkeertijd, de aanbevolen parkeerlocatie en de toegestane parkeervoertuigtypen.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
De auteurs hebben niets te onthullen.
Acknowledgments
De auteurs willen graag het wetenschappelijk onderzoeksprogramma erkennen dat wordt gefinancierd door de provinciale onderwijsafdeling van Shaanxi (programma 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 |
References
- China Statistical Yearbook. National Bureau of Statistics. , Available from: http://www.stats.gov.cn/tjsj./ndsj/ (2020).
- He, Y. X. A traffic capacity model of lane occupation. Applied Mechanics and Materials. 599-601, 2083-2087 (2014).
- 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).
- 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).
- Rajé, F., Tight, M., Pope, F. D. Traffic pollution: A search for solutions for a city like Nairobi. Cities. 82, 100-107 (2018).
- 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).
- 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).
- 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).
- Sánchez González, S., Bedoya-Maya, F., Calatayud, A. Understanding the effect of traffic congestion on accidents using big data. Sustainability. 13 (13), 7500 (2021).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Xi'an realtime traffic congestion delay index. AutoNavi Traffic Big-data. , Available from: https://trp.autonavi.com/detail.do?city=610100 (2021).
- 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).
- Pan, B. H., et al. Evaluating operational features of three unconventional intersections under heavy traffic based on CRITIC method. Sustainability. 13 (8), 4098 (2021).
- Sun, J. Guideline for Microscopic Traffic Simulation Analysis. , Tongji University Press. Shanghai, China. (2014).
- 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).
- 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).
