Waiting
Login processing...

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

Engineering

Bewertung der Auswirkungen des Parkens am Straßenrand auf einer zweispurigen städtischen Straße

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

In dieser Studie wird der Effekt des Parkens am Straßenrand auf eine städtische Straße analysiert. Der gesamte Prozess besteht aus Verkehrsdatenerfassung, Datenverarbeitung, Betriebssimulation, Simulationskalibrierung und Sensitivitätsanalyse.

Abstract

Parken am Straßenrand ist ein häufiges Verkehrsphänomen in China. Enge städtische Straßen, hohe Parkanforderungen und ein Mangel an Parkplätzen zwingen die Öffentlichkeit zu zufälligen Parkplätzen am Straßenrand. Es wird ein Protokoll vorgeschlagen, um die Auswirkungen eines am Straßenrand geparkten Fahrzeugs auf vorbeifahrende Fahrzeuge zu bestimmen. In dieser Untersuchung wird eine zweispurige und zweispurige Stadtstraße ausgewählt, in der ein Fahrzeug am Straßenrand geparkt ist, um Verkehrsdaten zu sammeln. Anhand dieser Daten wird der Einfluss der am Straßenrand geparkten Fahrzeuge auf die Fahrbahn und Geschwindigkeit vorbeifahrender Fahrzeuge ermittelt. Darüber hinaus wird ein Mikrosimulationsmodell angewendet, um die Auswirkungen des Parkens am Straßenrand auf die maximale Warteschlangenlänge, Verspätung, Emissionen und andere Indikatoren unter verschiedenen Verkehrsaufkommen gemäß der Sensitivitätsanalyse zu bestimmen. Die Ergebnisse zeigen, dass am Straßenrand geparkte Fahrzeuge die Fahrbahn vorbeifahrender Fahrzeuge für etwa 80 m beeinflussen und sich negativ auf die Geschwindigkeit auswirken, wobei die niedrigste Geschwindigkeit am Standort des am Straßenrand geparkten Fahrzeugs beobachtet wird. Die Ergebnisse der Sensitivitätsanalyse deuten darauf hin, dass das Verkehrsaufkommen synchron zu den Indikatorwerten zunimmt. Das Protokoll bietet eine Methode zur Bestimmung der Auswirkungen des Parkens am Straßenrand auf die Fahrbahn und die Geschwindigkeit. Die Forschung trägt zur Verfeinerung des zukünftigen Parkens am Straßenrand bei.

Introduction

Die Beschleunigung der Urbanisierung geht einher mit einem deutlichen Anstieg des Kraftfahrzeugbesitzes und des städtischen Verkehrsflusses. Im Jahr 2021 erreichte Chinas Autobesitz 378 Millionen, was einem Anstieg von 25,1 Millionen im Vergleich zu 2020 entspricht1. Die derzeitige Situation mit unzureichender Straßenkapazität und begrenzter Verkehrsmanagementtechnologie hat jedoch zu einer immer deutlicheren Diskrepanz zwischen Angebot und Nachfrage im Stadtverkehr geführt. Daher hat sich die Überlastung des Straßenverkehrs allmählich verschärft. Als das am weitesten verbreitete Problem im städtischen Verkehr verursacht Verkehrsstaus viele Gefahren und hat die Aufmerksamkeit der Forscher auf sich gezogen 2,3,4. Neben der Verlängerung der Reisezeit verschärfen Verkehrsstaus auch die Umweltverschmutzung, erhöhen den Energieverbrauch und erhöhen die Schadstoffemissionen 5,6,7,8. Es besteht eine positive Korrelation zwischen Verkehrsstaus und Unfallraten 9,10. Abgesehen von den oben genannten Effekten untergräbt die zunehmende Verkehrsüberlastung Einkommen und Beschäftigung11, und dieser Effekt steht in engem Zusammenhang mit dem täglichen Leben der Menschen, wodurch dies zu einem der Hauptprobleme in Städten wird. Mit der Entwicklung der Städte werden die negativen Auswirkungen der Überlastung der Straßen auf die Gesellschaft weiter zunehmen.

Verkehrsstaus sind ein umfassendes Spiegelbild vieler städtischer Verkehrsprobleme, unter denen das Parken das wichtigste ist. Die Zunahme der städtischen Bevölkerung und die Zunahme von Kraftfahrzeugen wirken sich negativ auf das Parkplatzangebot und die hervorragende Parkplatznachfrage aus. Im Parksystem ist das Parken am Straßenrand im Stadtverkehr üblich und ein wichtiges Mittel, um das Ungleichgewicht zwischen Parkplatzangebot und -nachfrage auszugleichen. Das Parken am Straßenrand nutzt Ressourcen auf beiden Seiten der Straße, um Parkplätze bereitzustellen. Parken am Straßenrand ist bequem, schnell, flexibel und platzsparend im Vergleich zu anderen Parkmöglichkeiten. Das Parken am Straßenrand beansprucht jedoch Straßenressourcen, und seine nachteiligen Auswirkungen können nicht ignoriert werden. In Städten, die sich in Entwicklungsländern rasant entwickeln, machen die steigenden Parkanforderungen das Parken am Straßenrand überlastet, wodurch die Verkehrssicherheit, die Luftqualität und der öffentliche Raum verringertwerden 12. Daher muss das Problem des Parkens am Straßenrand angegangen werden.

Parkplätze am Straßenrand können in zwei Szenarien lokalisiert werden: (1) die nicht motorisierte Spur (d. h. auf breiten Straßen mit getrennten motorisierten und nicht motorisierten Fahrspuren nimmt das Parken am Straßenrand Platz auf der nicht motorisierten Spur ganz rechts ein); und (2) die gemischte Fahrspur für Kraftfahrzeuge und Nichtkraftfahrzeuge, bei der es sich häufig um eine schmale Straße mit geringem Verkehrsaufkommen handelt. Da sich Kraftfahrzeuge und Nicht-Kraftfahrzeuge die Straßenressourcen teilen, führt das Parken am Straßenrand im zweiten Szenario häufig zu einem Chaos im Verkehrsbetrieb. Die meisten bestehenden Studien haben sich jedoch auf das erste Szenario 13,14,15,16,17,18 konzentriert.

Wenn auf der nicht motorisierten Fahrspur ein Parkplatz am Straßenrand vorhanden ist und keine obligatorische Isolierung der motorisierten und nicht motorisierten Fahrspuren besteht, führt das Parken am Straßenrand indirekt zu Mischverkehr. Ein Parkplatz am Straßenrand verringert die effektive Breite der nicht motorisierten Fahrspur erheblich, wodurch die Wahrscheinlichkeit erhöht wird, dass Nicht-Kraftfahrzeuge die nicht motorisierte Spur passieren und die benachbarte motorisierte Spur besetzen. Das Verhalten wird als Spurüberquerung16 bezeichnet. Viele Studien haben die Auswirkungen des Parkens am Straßenrand auf der nicht motorisierten Spur auf den gemischten Verkehrsfluss untersucht. Basierend auf dem zellulären Automatenmodell bewerteten Chen et al.13 die Auswirkungen des Parkens am Straßenrand auf heterogene Verkehrsabläufe in städtischen Straßen durch die Untersuchung von Reibungs- und Staukonflikten zwischen motorisierten und nicht-motorisierten Fahrzeugen 13. Chen et al. schlugen ein Straßenwiderstandsmodell des gemischten Verkehrsflusses vor, indem sie die Auswirkungen des Parkens am Straßenrandberücksichtigten 17. Darüber hinaus haben einige Studien die Auswirkungen des Parkens am Straßenrand nur auf Kraftfahrzeuge untersucht. Guo et al. schlugen eine auf der Risikodauer basierende Methode vor, mit der die Lenkzeit von Kraftfahrzeugen auf den Parkabschnitten am Straßenrand quantitativ analysiert wurde19, und die Ergebnisse zeigten, dass das Parken am Straßenrand die Reisezeit signifikant beeinflusste.

Die Verkehrssimulation ist ein gängiges Werkzeug, um die Auswirkungen des Parkens am Straßenrand zu untersuchen. Yang et al. verwendeten VISSIM-Software, um die Auswirkungen des Parkens am Straßenrand auf den dynamischen Verkehr (insbesondere auf die Kapazität) zu untersuchen, entwickelten ein Modell für den durchschnittlichen Verspätungsverkehr und verifizierten die Zuverlässigkeit des Modells durch Simulation20. Gao et al. analysierten die Auswirkungen des Parkens am Straßenrand auf den gemischten Verkehr unter vier Arten von Verkehrsstörungen mit derselben Software18. Guo et al. verwendeten ein zelluläres Automatenmodell, um den Einfluss des Parkens am Straßenrand auf die Fahrzeugverkehrseigenschaften (Fahrspurkapazität und Fahrzeuggeschwindigkeit) durch Monte-Carlo-Simulation unter verschiedenen Szenarienzu analysieren 21. Im Rahmen von Kerners Drei-Phasen-Verkehrstheorie analysierten Hu et al. den Einfluss von temporärem Parkverhalten am Straßenrand auf den Verkehrsfluss basierend auf dem zellulären Automatenmodell22. Diese Studien zeigen, dass das Parken am Straßenrand einen großen negativen Einfluss auf die Verkehrseffizienz hat.

Die Abteilung Verkehrsmanagement ist daran interessiert, die Auswirkungen von am Straßenrand geparkten Fahrzeugen auf den Verkehrsfluss zu verstehen. Die spezifische Länge und der Grad des Effekts sind wichtig, um Probleme mit dem Parken am Straßenrand zu bewältigen, z. B. durch die Bereitstellung von Informationen zur Abgrenzung von Parkplätzen, zur Bestimmung von Parkverbotszonen und zur Regulierung der Parkdauer. In dieser Studie wurde ein Protokoll entworfen, um die Auswirkungen eines einzelnen am Straßenrand geparkten Fahrzeugs auf den Verkehrsbetrieb zu untersuchen. Die Vorgehensweise kann in den folgenden Schritten zusammengefasst werden: 1) Vorbereitung der Ausrüstung, 2) Auswahl des Ortes der Datenerhebung, 3) Auswahl der Untersuchungszeit, 4) Erfassung der Daten, 5) Durchführung der Datenanalyse, 6) Erstellung des Simulationsmodells, 7) Kalibrierung des Simulationsmodells und 8) Durchführung der Sensitivitätsanalyse. Wenn eine Anforderung in diesen acht Schritten nicht erfüllt ist, ist der Prozess unvollständig und unzureichend, um die Wirksamkeit nachzuweisen.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Vorbereitung der Ausrüstung

  1. Stellen Sie sicher, dass alle erforderlichen Geräte verfügbar sind: Radargeräte, Lasergerät am Straßenrand, Laptops, Batterien, eine Kamera, eine Drohne, ein reflektierendes Stativ, die entsprechenden Kabel und Gerätestative.

2. Auswahl des Ortes der Datenerhebung (Abbildung 1)

  1. Wählen Sie den Speicherort für die Datensammlung aus. Stellen Sie sicher, dass sich der ausgewählte Standort auf einer zweispurigen und zweispurigen Straße befindet.
    HINWEIS: Die Standortwahl ist der Schlüssel in dieser Forschung. Die zweispurige Breite ist gut zu beobachten.
  2. Stellen Sie sicher, dass der Standort keine Kreuzungen aufweist.
    HINWEIS: Fahrzeuge, die aus einer dritten Richtung kommen, können Chaos in der Beobachtung verursachen.
  3. Stellen Sie sicher, dass sich keine Barrieren auf der Straße befinden, außer einem geparkten Fahrzeug, das von den Ermittlern platziert wurde.
    HINWEIS: Barrieren können das Fahrzeugverhalten unterbrechen und die Radarerkennung blockieren.
  4. Stellen Sie sicher, dass mindestens eine Sichtweite und Durchfahrtshöhe von 300 m vorhanden ist. Dies ist für die Radaruntersuchung und die Sicherheit der Ermittler erforderlich.
    HINWEIS: Ein Radar kann maximal 200 m erfassen. Die Radargeräte befinden sich 100 m stromaufwärts und stromabwärts des geparkten Fahrzeugs in der Untersuchung.
  5. Stellen Sie sicher, dass es sich bei der Position um ein geradliniges Segment handelt.
    HINWEIS: Wenn der Abschnitt nicht gerade ist, kann nicht festgestellt werden, ob der Fahrzeugversatz durch das Parken am Straßenrand verursacht wird.

3. Wahl des Untersuchungszeitpunkts

  1. Wählen Sie die Untersuchungszeit aus. Insgesamt werden mindestens 3 h benötigt, mit 1 h während der Morgenspitze, 1 h mittags und 1 h während der abendlichen Spitze23,24,25.
  2. Ermitteln Sie die Uhrzeit der Spitzenverkehrsaufkommensstunde von Verkehrsforschungsberichten, Verkehrspolizeidienststellen oder Verkehrsunternehmen26 (Abbildung 2).
  3. In Ermangelung von Verkehrsberichten oder Analysen als Referenz, sammeln Sie mehrere Stunden Daten während der drei oben genannten Zeiträume und wählen Sie dann die Daten mit dem höchsten Spitzenverkehrsaufkommen27,28.
  4. Nutzen Sie die Stundendaten mit dem höchsten Verkehrsaufkommen zur Datenanalyse und als Eingabe in das Simulationsmodell. Verwenden Sie alle 3 Stunden Daten für die Modellverifikation.
    HINWEIS: Die ausgewählte Straße wurde von Restaurants flankiert, und die Hauptverkehrszeit für das Catering ist die Spitzenzeit für die Nachfrage nach Parkplätzen am Straßenrand. Die Hauptverkehrszeit für das Verkehrsaufkommen ist die Nebenzeit, und die Freizeit ist auch die Spitzenzeit für das Catering. Daher sind die Hauptverkehrszeit für das Verkehrsaufkommen und die Spitzenzeit für die Parkplatznachfrage nahezu synchron.

4. Datenerhebung (Abbildung 3)

  1. Parken Sie das Fahrzeug ca. 20 cm vom Bordstein entfernt an der vorgesehenen Stelle, damit das Lasergerät am Straßenrand platziert werden kann.
  2. Platzieren Sie das reflektierende Stativ am Heck des Fahrzeugs. Stellen Sie es nicht zu weit weg, um sicherzustellen, dass es das Verhalten der Fahrzeuge nicht beeinträchtigt.
    HINWEIS: Ein reflektierendes Stativ ist erforderlich, um eine Kollision gemäß den einschlägigen Bestimmungen des chinesischen Straßenverkehrssicherheitsgesetzes zu warnen und/oder zu vermeiden. Das Stativ wird in einem bestimmten Abstand hinter dem geparkten Fahrzeug platziert, um die nachfolgenden Fahrzeuge darauf aufmerksam zu machen, dass sich ein geparktes Fahrzeug vor ihm befindet, und so eine Kollision zu vermeiden. Der Abstand zwischen dem reflektierenden Stativ und dem geparkten Fahrzeug wird gering gehalten, um die Wirkung des reflektierenden Stativs auf das Verhalten der vorbeifahrenden Fahrzeuge zu minimieren, so dass seine Wirkung auf die Studienergebnisse vernachlässigbar ist.
  3. Stellen Sie das Radarstativ ein. Stellen Sie das Stativ auf eine Höhe von mindestens 2 m ein, um eine Signalblockade zu vermeiden. Verriegeln Sie das Radar mit dem Stativ. Stellen Sie das Radar vertikal ein und drehen Sie es in Richtung des geparkten Fahrzeugs. Verbinden Sie das Radardatenkabel mit dem USB-Anschluss des Laptops.
    HINWEIS: Ein Radar befindet sich 100 m stromaufwärts und eines 100 m stromabwärts des geparkten Fahrzeugs. Beide Radargeräte werden auf der gleichen Seite des geparkten Fahrzeugs platziert, um die Verkehrsdaten zu erfassen.
  4. Öffnen Sie die Radarsoftware, und führen Sie die folgenden Schritte aus.
    1. Klicken Sie auf Kommunikationsprüfung. Wählen Sie den seriellen Port und klicken Sie auf Verbinden. Klicken Sie auf Bestätigen , nachdem die Software Radar Detected anzeigt.
    2. Klicken Sie auf Untersuchung einrichten. Klicken Sie auf RLU-Zeit lesen und RLU-Zeit festlegen. Klicken Sie auf Datensatz löschen und bestätigen Sie es, um den internen Speicher des Radars zu löschen. Klicken Sie auf Untersuchung starten und schließen Sie das Dialogfenster.
    3. Klicken Sie auf Echtzeitansicht , um den Radarstatus zu überprüfen, und die Verkehrsdaten sollten gesammelt werden, wenn Fahrzeuge vorbeifahren.
  5. Bereiten Sie das Lasergerät am Straßenrand und das Kabel vor. Verbinden Sie das Datenkabel des Lasergeräts am Straßenrand mit dem Anschluss. Verbinden Sie das Datenkabel des Lasergeräts am Straßenrand mit dem USB-Anschluss des Laptops.
  6. Platzieren Sie das Lasergerät am Straßenrand in der Mitte des geparkten Fahrzeugs. Drehen Sie die vier Einstellsäulen am Gerät, um es auszurichten.
    HINWEIS: Das Lasergerät am Straßenrand muss unter der Standardposition arbeiten.
  7. Öffnen Sie die Software für das Lasergerät am Straßenrand, und führen Sie die folgenden Vorgänge aus.
    1. Klicken Sie auf Kommunikationsprüfung. Wählen Sie die serielle RLU-Portnummer aus und klicken Sie auf Verbinden. Klicken Sie auf Bestätigen , nachdem die Software New RLU Connection Detected (Neue RLU-Verbindung erkannt) anzeigt.
    2. Klicken Sie auf Untersuchung anzeigen. Wenn Fahrzeuge vorbeifahren, wird der Verkehrsfluss in Echtzeit angezeigt.
    3. Klicken Sie auf Untersuchung einrichten. Klicken Sie nacheinander auf RLU-Zeit lesen und RLU-Zeit festlegen. Legen Sie die Start- und Endzeit fest und klicken Sie auf Aufgabe festlegen. Klicken Sie auf Bestätigen , nachdem die Software RLU Investigation Setup Succeeded anzeigt.
    4. Klicken Sie auf Fertig stellen. Klicken Sie auf Gerätestatus , um den Status des Lasergeräts am Straßenrand anzuzeigen.
  8. Stellen Sie die Kamera ca. 30 m vor dem geparkten Fahrzeug ein.
    HINWEIS: Die Verkehrsdaten können von Radaren und dem Lasergerät am Straßenrand erfasst werden. Verkehrsvideos werden für die Datenvalidierung aufbereitet.
  9. Stellen Sie die gesamte Ausrüstung auf die zweispurige Doppelstraße (hier Dian Zi Yi Road). Überprüfen Sie alle 5 Minuten, ob das Radar, das Lasergerät am Straßenrand und die Kamera gut funktionieren.
    HINWEIS: Stellen Sie sicher, dass die Zeit der Laptops und der Kamera mit der Echtzeit übereinstimmt. Starten Sie zwei Radare, das Lasergerät am Straßenrand und die Kamera gleichzeitig zur geplanten Zeit. Zwei einander gegenüberliegende Radare, kombiniert mit einem zwischengeschalteten Lasergerät am Straßenrand, sorgen für eine kontinuierliche Flugbahn des betroffenen Verkehrs.
  10. Beenden Sie die Datenerfassung und schließen Sie das Echtzeit-Prüffenster in der Radarsoftware.
    1. Klicken Sie auf Untersuchung einrichten, wählen Sie Untersuchung beenden und bestätigen Sie es. Schließen Sie das Dialogfeld.
    2. Wählen Sie Datendownload aus, durchsuchen Sie den Computer, um die Daten zu speichern, und geben Sie einen Namen für die Datei ein. Klicken Sie auf Öffnen und dann auf Download starten. Klicken Sie auf Bestätigen , um die Radardatenerfassung abzuschließen.
  11. Klicken Sie in der Software für das Lasergerät am Straßenrand auf Gerätestatus und dann auf Task stoppen , um die Datenerfassung zu beenden. Wählen Sie Datendownload aus, durchsuchen und geben Sie einen Namen für die Datei ein. Klicken Sie auf Öffnen und dann auf Download starten. Klicken Sie auf Bestätigen , um die Datenerfassung des straßenseitigen Lasergeräts abzuschließen.

5. Datenanalyse

HINWEIS: Durch die Datenerfassung werden 3 Stunden Daten erfasst, einschließlich der Morgenspitze, der mittleren Mittagsstunde und der Abendspitze. Die Wiedergabe von Verkehrsvideos wird von der Kamera bereitgestellt, um das Verkehrsaufkommen und die Fahrzeugtypen manuell zu kalibrieren. Wählen Sie die Gruppendaten mit dem höchsten Volumen (in diesem Fall die Morgenspitzendaten) als repräsentative Stunde für die Durchführung der Datenanalyse aus.

  1. Verwenden Sie Software, um die Flugbahnen und die Geschwindigkeit von den Radaren zu erfassen.
    HINWEIS: Das Radar befindet sich 100 m vom geparkten Fahrzeug entfernt und die Straße ist 10 m breit. Daher sind alle Datenpunkte außerhalb dieses Bereichs Radarfehler und sollten gelöscht werden.
  2. Stellen Sie sicher, dass das Lasergerät am Straßenrand den Versatzwert, die Überholgeschwindigkeit, die Anzahl der Fahrzeuge und die Fahrzeugtypen an der geparkten Fahrzeugposition liefert.
  3. Zeichnen Sie den gesamten Bereich der Flugbahnen und Geschwindigkeiten, die von den beiden Radaren und einem Lasergerät am Straßenrand bereitgestellt werden, als repräsentative Daten mit Hilfe einer Berechnungssoftware (Abbildungen 4-6).

6. Erstellen des Simulationsmodells

HINWEIS: Das mikroskopische Simulationsmodell wird durch Simulationssoftware für die Verkehrssimulation erstellt. Die Ergebnisse der Datenerhebung, darunter Verkehrsaufkommen, Fahrzeuggeschwindigkeit und Fahrzeugtypenzusammensetzung, sind wichtige Parameter in der Verkehrssimulation und bilden die Grundlage des Modellbaus. In der Simulation wird nur die repräsentative Datengruppe benötigt.

  1. Straßenbau
    1. Öffnen Sie die Simulationssoftware. Importieren Sie die Hintergrundkarte des untersuchten Straßenabschnitts.
    2. Klicken Sie links auf Hindernisse , klicken Sie mit der rechten Maustaste und wählen Sie Neues Hindernis hinzufügen aus. Geben Sie die Länge und Breite des Hindernisses ein und klicken Sie dann auf OK. Ziehen Sie den Cursor, um das Hindernis auf die Fahrbahn zu verschieben.
      HINWEIS: "Hindernis" bezieht sich auf das am Straßenrand geparkte Fahrzeug. Länge und Breite des Hindernisses richten sich nach der tatsächlichen Größe des geparkten Fahrzeugs.
    3. Klicken Sie links auf Links, bewegen Sie den Cursor an den Anfang des Links und klicken Sie mit der rechten Maustaste. Wählen Sie Neuen Link hinzufügen, geben Sie die Spurbreite ein und klicken Sie auf OK. Ziehen Sie den Cursor, um den Link auf der Karte zu zeichnen.
    4. Wiederholen Sie Schritt 6.1.3, um vier Straßenabschnitte zu erstellen.
    5. Halten Sie die rechte Maustaste und die Strg-Taste auf der Tastatur gedrückt, um den Endpunkt eines Links auf den benachbarten Link zu ziehen, um die beiden Links zu verbinden.
      HINWEIS: Dieser Teil wird als "Verbinder" bezeichnet und wird glatter, wenn weitere Punkte hinzugefügt werden.
    6. Wiederholen Sie Schritt 6.1.5, um alle Links zu verbinden.
  2. Gewünschte Geschwindigkeit
    1. Wählen Sie in der oberen Leiste Basisdaten und dann Verteilungen | Gewünschte Geschwindigkeit.
    2. Klicken Sie unten auf die grün-kreuzige Schaltfläche Hinzufügen , um eine neue gewünschte Geschwindigkeitsverteilung hinzuzufügen und zu benennen.
    3. Geben Sie die Durchschnittsgeschwindigkeit und die maximale Geschwindigkeit aus den repräsentativen Daten als minimale und maximale gewünschte Geschwindigkeiten ein. Löschen Sie die Standarddaten.
    4. Wiederholen Sie die Schritte 6.2.2-6.2.3, um alle gewünschten Geschwindigkeitsverteilungen (die Richtung von Ost nach West, die Richtung von West nach Ost und den reduzierten Geschwindigkeitsbereich) zu ermitteln.
      HINWEIS: Im folgenden Text wird die Richtung von Ost nach West als E-W und die Richtung von West nach Ost als W-E abgekürzt.
  3. Fahrzeugzusammensetzungen
    1. Wählen Sie in der oberen Leiste Listen und dann Privater Transport | Fahrzeugzusammensetzungen.
    2. Klicken Sie auf die grüne Schaltfläche Hinzufügen , um eine neue Fahrzeugzusammensetzung hinzuzufügen.
    3. Klicken Sie auf die Schaltfläche Hinzufügen , um zwei Fahrzeugtypen hinzuzufügen: Lastkraftwagen und Busse.
    4. Wählen Sie den gewünschten Geschwindigkeitsverteilungssatz in Schritt 6.2 für PKW, LKW und Busse aus.
    5. Wiederholen Sie die Schritte 6.3.2-6.3.4, um zwei Fahrzeugzusammensetzungen (E-W und W-E) zu ermitteln. Geben Sie den Fluss von Autos, LKWs und Bussen aus den repräsentativen Daten ein.
  4. Fahrzeugrouten
    1. Wählen Sie in der linken Menüleiste Fahrzeugrouten aus.
    2. Bewegen Sie den Cursor zum Upstream eines Links, klicken Sie mit der rechten Maustaste, und wählen Sie Add New Static Vehicle Routing Decision (Neue statische Fahrzeugrouting-Entscheidung hinzufügen) aus.
    3. Ziehen Sie den blauen Cursor, um die Fahrzeugrouten auf der Karte aus realen Routen in der Datensammlung zu zeichnen.
  5. Bereiche mit reduzierter Geschwindigkeit
    1. Wählen Sie in der linken Menüleiste Bereiche mit reduzierter Geschwindigkeit .
    2. Klicken Sie mit der rechten Maustaste auf den Bereich oberhalb der Parkposition und wählen Sie Neuen Bereich mit reduzierter Geschwindigkeit hinzufügen.
      HINWEIS: Die Länge des Bereichs hängt von den Ergebnissen der Datenanalyse ab.
    3. Klicken Sie mit der rechten Maustaste auf den Bildschirmrand, wählen Sie Hinzufügen und wählen Sie die gewünschte Geschwindigkeit, die in Schritt 6.2 für den Bereich mit reduzierter Geschwindigkeit als Bereichsgeschwindigkeit festgelegt wurde.
    4. Wiederholen Sie die Schritte 6.5.2-6.5.3, um alle Bereiche mit reduzierter Geschwindigkeit einzustellen.
  6. Prioritätsregeln
    1. Wählen Sie in der linken Menüleiste Prioritätsregeln aus.
    2. Klicken Sie mit der rechten Maustaste auf den Bereich mit reduzierter Geschwindigkeit stromaufwärts des geparkten Fahrzeugs in Richtung W-E und wählen Sie Neue Prioritätsregel hinzufügen. Geben Sie die minimale Spaltzeit und den Abstand ein.
    3. Wiederholen Sie Schritt 6.6.2, um die Prioritätsregel stromabwärts des geparkten Fahrzeugs in E-W-Richtung einzustellen.
      HINWEIS: Das Festlegen von Prioritätsregeln hängt vom tatsächlichen Verkehrsbetrieb ab, der sich in der Datenerfassung widerspiegelt.
  7. Fahrzeiten des Fahrzeugs
    1. Wählen Sie links Fahrzeuglaufzeiten aus.
    2. Klicken Sie mit der rechten Maustaste auf den Anfang eines Links, und wählen Sie Neue Fahrzeuglaufzeitmessung hinzufügen aus.
    3. Ziehen Sie den Cursor an das Ende des Links, um eine Fahrzeuglaufzeitmessung zu erstellen.
    4. Wiederholen Sie Schritt 6.7.3 für alle Fahrzeugrouten.
  8. Fahrzeugeingänge
    1. Wählen Sie links Fahrzeugeingänge aus. Klicken Sie mit der rechten Maustaste auf den Anfang eines Links und wählen Sie Neue Fahrzeugeingabe hinzufügen aus.
    2. Bewegen Sie die Maus nach links nach unten, und geben Sie die Lautstärke für die repräsentativen Daten ein.
    3. Wiederholen Sie die Schritte 6.8.1-6.8.2 für alle Links.
  9. Knoten
    1. Wählen Sie links Knoten aus. Klicken Sie mit der rechten Maustaste, um Neuen Knoten hinzufügen auszuwählen, und klicken Sie dann auf OK.
    2. Klicken Sie mit der linken Maustaste, und bewegen Sie die Maus, um einen moderaten Knotenbereich anzupassen.
      HINWEIS: Der Knotenbereich bezieht sich auf die Simulationsergebnisse und hängt von der Geometrie des Straßenabschnitts ab.
  10. Klicken Sie oben in der Simulationsoberfläche auf Auswertung und wählen Sie Ergebnislisten. Klicken Sie auf Knotenergebnisse und Fahrzeugreisezeitergebnisse.
  11. Klicken Sie oben auf den blauen Play-Button, um die Simulation zu starten. Klicken Sie auf die Geräteschaltfläche Quick Mode, um die Simulationsgeschwindigkeit zu maximieren.
  12. Nach der Simulation werden die Knoten- und Fahrzeuglaufzeitergebnisse am unteren Rand der Benutzeroberfläche angezeigt, einschließlich der maximalen Warteschlangenlänge, Parkzeiten, Verspätung, Anzahl der Fahrzeuge, Kraftstoffverbrauch, CO-Emissionen, NO-Emissionen, VOC-Emissionen und Fahrzeit.

7. Kalibrierung des Simulationsmodells

HINWEIS: In dieser Studie zeigten die Verkehrsbeobachtungen, dass die morgendlichen Spitzendaten das höchste Volumen aufwiesen, aber die drei Datengruppen wurden zur Überprüfung simuliert, um die Zuverlässigkeit des Simulationsmodells vollständig zu veranschaulichen.

  1. Geben Sie die gesammelten Daten in das Simulationsmodell ein, führen Sie die Simulation aus und erhalten Sie das Simulationsergebnis (Abbildung 7A).
    HINWEIS: Das Simulationsvolumen kann aus dem Simulationsergebnis generiert werden.
  2. Vergleichen Sie das Simulationsvolumen mit dem gesammelten Volumen.
    HINWEIS: Berechnen Sie die Kapazität mit Gleichung 1:
    Equation 1(1)
    wobei C die ideale Kapazität (veh/h) und ht den durchschnittlichen Mindestdurchtrieb (s) bezeichnet.
    HINWEIS: Die Differenz zwischen dem gesammelten Volumen und dem Simulationsvolumen wird als mittlerer absoluter Prozentfehler (MAPE) bezeichnet, wie in Gleichung 2 gezeigt:
    Equation 2(2)
    wobei n die vier verschiedenen Strömungen in dieser Studie bezeichnet, Equation 3 ist die im Simulationsmodell simulierte Kapazität (VEH/H) und Equation 4 die Kapazität der Untersuchung (VEH/H). Der berechnete MAPE ist in Tabelle 2 aufgeführt.
    HINWEIS: Die Simulationsgenauigkeit ist akzeptabel, wenn der MAPE klein ist.

8. Sensitivitätsanalyse

HINWEIS: Abbildung 7B zeigt den Prozess der Sensitivitätsanalyse. Die Sensitivitätsanalyse spiegelt nur die Leistung der gesammelten Daten wider (Tabelle 3). Um Situationen mit unterschiedlichem Verkehrsaufkommen in Echtzeitszenarien zu verstehen, werden alle möglichen Verkehrsaufkommenskombinationen in das Simulationsmodell eingegeben, um sicherzustellen, dass alle Situationen in der Parkanalyse am Straßenrand abgedeckt werden (Abbildung 8 und Tabelle 4).

  1. Stellen Sie sicher, dass die repräsentativen Daten drei Gruppen von Daten enthalten (d. h. W-E-Volumen, E-W-Volumen und andere Parameter).
  2. Unterteilen Sie das W-E-Volumen in sechs Kategorien, unterteilen Sie das E-W-Volumen in sieben Kategorien und halten Sie die anderen Parameter in der Simulation stabil.
    HINWEIS: Das W-E-Verkehrsaufkommen betrug 150-400 veh / h, mit einem Anstieg von 50 veh / h während der Hauptverkehrszeit, und das E-W-Verkehrsaufkommen betrug 150-450 veh / h, mit einem Anstieg von 50 veh / h während der Hauptverkehrszeit. Das maximale Serviceverkehrsaufkommen einer Fahrspur in der Stadtstraße betrug 1.140 veh/h.
  3. Simulieren Sie 42 Situationen und überprüfen Sie die Wirksamkeit in allen Situationen.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Dieses Papier stellt ein Protokoll vor, um die Auswirkungen des Parkens am Straßenrand auf vorbeifahrende Fahrzeuge auf einer zwei- und zweispurigen Stadtstraße durch Verkehrsdatenerfassung und -simulation zu bestimmen. Als Untersuchungsstandort wurde eine Straße ausgewählt (Abbildung 1), und am geplanten Straßenrand wurde ein Fahrzeug geparkt. Radargeräte, ein Lasergerät am Straßenrand und eine Kamera wurden eingesetzt, um die Flugbahn, Geschwindigkeit, Volumen und Typzusammensetzung des Fahrzeugs zu erfassen, um die Änderungen der Fahrzeugbahn und der Geschwindigkeit beim Parken am Straßenrand zu bestimmen (Abbildungen 4-6). Basierend auf den geometrischen Eigenschaften der Straße und den Ergebnissen der Datenerhebung wurde ein mikroskopisches Simulationsmodell erstellt (Abbildung 7). Die Sensitivitätsanalyse ermittelte die Auswirkungen des Parkens am Straßenrand auf die maximale Warteschlangenlänge, Verspätung, Emissionen und andere Indikatoren des Fahrzeugbetriebs bei unterschiedlichem Verkehrsaufkommen (Abbildung 8).

Abbildung 1 zeigt den Speicherort der Datensammlung. Die Teststraße war eine zweispurige Straße in Xi'an, Provinz Shaanxi, China. Die Breite der Straße betrug 10 m, die Höchstgeschwindigkeit betrug 60 km/h und es gab keinen Mittelstreifen, was typische Bedingungen für das Parken am Straßenrand darstellte. Der Zwei-Richtungs-Verkehr konnte leicht fließen, verlangsamte sich aber in Gegenwart eines geparkten Fahrzeugs erheblich.

Abbildung 4 zeigt die Trajektorien unter dem Einfluss des Parkens am Straßenrand basierend auf den von den Radaren und dem straßenseitigen Lasergerät gemessenen Daten. Die Abbildung zeigt, dass das am Straßenrand geparkte Fahrzeug die Fahrbahn der vorbeifahrenden Fahrzeuge auf einer Länge von 80 m beeinträchtigte. Das Blau steht für die westlichen Radardaten und das Orange für die östlichen Radardaten. Die mittlere schwarze Linie ist eine Sammlung von Punkten, die die Positionsverteilung darstellt, die durch die vertikale Position der vorbeifahrenden Fahrzeuge gebildet wird, die vom Lasergerät am Straßenrand erfasst werden.

Das Westradar zeigt die Flugbahnänderungen. Wenn Fahrzeuge die am Straßenrand geparkte Schranke sahen, versetzten sie sich von der Normalposition aus 40 m stromaufwärts des geparkten Fahrzeugs.

Das Lasergerät am Straßenrand könnte die seitliche Position und Geschwindigkeit jedes vorbeifahrenden Fahrzeugs aufzeichnen. Die seitliche Position reichte von 2,3 m bis 4,9 m (d. h. das untere und obere Ende der mittleren schwarzen Linie in Abbildung 4). Die durchschnittliche Position betrug 3,3 m. Die Position bedeutet hier die rechte Position der Fahrzeuge, die in W-E-Richtung fahren, und die linke Position für die Fahrzeuge, die in E-W-Richtung fahren.

Für das Ostradar wurde ein ähnlicher Trend zum Westradar beobachtet. Die Fahrzeuge kehrten etwa 40 m nach dem Passieren des Testfahrzeugs in die normale Position zurück.

Wie in Abbildung 4 zu sehen ist, betrug die Länge der Wirkung eines am Straßenrand geparkten Fahrzeugs auf die Fahrbahn vorbeifahrender Fahrzeuge 80 m. Vorbeifahrende Fahrzeuge begannen 40 m von der Mitte des geparkten Fahrzeugs von ihrer normalen Flugbahn abzuweichen und kehrten nach 40 m von der Mitte des geparkten Fahrzeugs auf ihre normale Flugbahn zurück (die genaue Position ist in Abbildung 4 mit zwei langen schwarzen Linien markiert, und die horizontalen Positionen der beiden Linien betragen 60 m und 140 m). An der Position des geparkten Fahrzeugs (d. h. der Position mit den Koordinaten [100,0] in Abbildung 4) betrug der durchschnittliche Abstand zwischen den vorbeifahrenden Fahrzeugen und der Außenkante des abgestellten Fahrzeugs 3,3 m. Unter Berücksichtigung der Breite des abgestellten Fahrzeugs betrug der durchschnittliche Abstand zwischen den vorbeifahrenden Fahrzeugen und der Innenkante des abgestellten Fahrzeugs 1,3 m. Die minimalen und maximalen Abstände zwischen den vorbeifahrenden Fahrzeugen und der Innenkante des abgestellten Fahrzeugs betrugen 0,3 m bzw. 2,9 m, je nach dem ursprünglichen Standort und den Betriebsbedingungen der vorbeifahrenden Fahrzeuge. Fahrzeuge, die in der Nähe des Bordsteins fuhren, hatten beim Passieren keinen großen seitlichen Abstand zum geparkten Fahrzeug und fuhren aufgrund des Einflusses anderer Fahrzeuge, die in die gleiche Richtung fuhren, sogar mit niedriger Geschwindigkeit in die Nähe davon. Wenn das vorbeifahrende Fahrzeug nicht durch andere Fahrzeuge gestört wurde, die in die gleiche Richtung fuhren, war die Fahrbreite großzügiger. Mit anderen Worten, die seitliche Breite zwischen dem vorbeifahrenden Fahrzeug und dem am Straßenrand geparkten Fahrzeug war ausreichend. Natürlich hängt auch die Seitenbreite zwischen dem vorbeifahrenden Fahrzeug und dem geparkten Fahrzeug vom Fahrverhalten ab. Im Vergleich zu einem aggressiven Fahrer ist es wahrscheinlicher, dass ein stabiler Fahrer ein geparktes Fahrzeug mit einer größeren Seitenbreite überholt.

Abbildung 5 und Abbildung 6 zeigen, dass das Parken am Straßenrand die Geschwindigkeit vorbeifahrender Fahrzeuge unterschreitet, wobei die niedrigste Geschwindigkeit der vorbeifahrenden Fahrzeuge an der Position des geparkten Fahrzeugs beobachtet wird (d. h. die Position mit einer zentralen horizontalen Koordinate von [100, 0]). Abbildung 5 zeigt die Geschwindigkeit in E-W-Richtung. Der Verkehr bewegt sich von rechts nach links im Bild, was darauf hindeutet, dass die Fahrzeuggeschwindigkeit im Bereich von 180-120 m allmählich abnimmt. Nach dem Passieren der geparkten Position wurde die Geschwindigkeit allmählich und gleichmäßig verteilt, ohne dass es zu einer offensichtlichen Erhöhung kam.

Im orangefarbenen Abschnitt wurde kurz vor der geparkten Fahrzeugposition eine Höchstgeschwindigkeit von 54,7 km/h erreicht, und das war die Geschwindigkeit, mit der das Fahrzeug mit einer höheren Geschwindigkeit als das entgegenkommende Fahrzeug vorbeifuhr. Die niedrigste Geschwindigkeit war 0 km/h, und dies geschah an der Parkposition. Bei höheren Versatzwerten des Fahrzeugs in W-E-Richtung belegte dieses Fahrzeug mehr Straßenbreite, und das Fahrzeug in E-W-Richtung musste warten, was bedeutete, dass die Geschwindigkeit des letzteren Fahrzeugs 0 km / h betrug.

Im blauen Bereich blieb die Fahrzeuggeschwindigkeit nach dem Passieren der Parkposition im Bereich von 8-35 km / h. Für Autos wäre es aufgrund der Straßenumgebung schwierig gewesen, höhere Geschwindigkeitsobergrenzen zu erreichen. Die untere Geschwindigkeitsbegrenzung wurde leicht von 8 km/h auf 20 km/h erhöht, weil man von der Parkposition wegfuhr.

Abbildung 6 zeigt die Geschwindigkeit in W-E-Richtung, wobei sich die Fahrzeuge im Bild von links nach rechts bewegen. Die Geschwindigkeitsänderungen in W-E-Richtung waren ähnlich wie in E-W-Richtung.

Vor der Parkposition (d.h. im Bereich von 0-100 m in der Abbildung) verengten sich die oberen und unteren Grenzen der Fahrzeuggeschwindigkeit in W-E-Richtung allmählich von der 20-m-Position. Im Bereich von 0-40 m nahm die obere Grenze allmählich ab und war bei der 80-m-Position am niedrigsten. Die Höchstgeschwindigkeit von 38,6 km/h (bei 20 m) sank auf 29 km/h (bei 80 m). Die untere Höchstgeschwindigkeit wurde von 9,4 km/h (auf 10 m) auf 10,44 km/h (100 m) erhöht.

Die Geschwindigkeitsbegrenzung wurde vor der Parkposition gesenkt. Wenn während der Beobachtung ein Fahrzeug in W-E-Richtung das geparkte Fahrzeug auf der gleichen Seite fand und sich keine Fahrzeuge davor befanden oder das gegenüberliegende Fahrzeug weit entfernt war, neigte das Fahrzeug in W-E-Richtung dazu, zuerst zu beschleunigen und zu versetzen, um eine gute Position einzunehmen, um das geparkte Fahrzeug zuerst zu überholen. Dieses Phänomen ist der Grund für die Geschwindigkeitserhöhung kurz vor der Parkposition.

Beim Passieren der Parkposition betrug der Geschwindigkeitsbereich 8,2-47,7 km/h. Die untere Geschwindigkeitsbegrenzung sank, weil einige Fahrer beim Überholen des geparkten Fahrzeugs bremsten, um Kratzer zu vermeiden. Kratzer treten auf, wenn sich Fahrzeuge, die in beide Richtungen kommen, auf dem Parkplatz treffen, und in diesen Fällen versuchen die Fahrer, Kratzer zu vermeiden, indem sie ihre Geschwindigkeit reduzieren. Im Vergleich zum blauen Bereich wurde die Höchstgeschwindigkeit um 9,1 km/h erhöht. Dies liegt daran, dass, wenn kein Fahrzeug in die entgegengesetzte Richtung kam, die Fahrzeuge in Richtung W-E durch die Parkposition beschleunigten, nachdem bestätigt wurde, dass sie das am Straßenrand geparkte Fahrzeug nicht zerkratzt hatten, was den üblichen Fahrgewohnheiten der Fahrer entspricht.

Im orangefarbenen Bereich erhöhte sich die untere Geschwindigkeitsbegrenzung von 7,5 km/h nach dem Passieren der Parkposition deutlich. Dies deutet darauf hin, dass die meisten Fahrzeuge wieder auf die Geschwindigkeit vor der Parkposition beschleunigen können, nachdem sie sich 10 m von der Parkposition entfernt haben.

Abbildung 8 zeigt die Simulationsergebnisse von neun Indikatoren, die den Betriebszustand der Fahrzeuge bei unterschiedlichem Verkehrsaufkommen widerspiegeln. Das Verkehrsaufkommen in E-W- und W-E-Richtungen beeinflusste die maximale Warteschlangenlänge (Abbildung 8A), die Anzahl der Fahrzeuge (Abbildung 8B), die Verspätung (Abbildung 8C), die Anzahl der Haltestellen (Abbildung 8D), die CO-Emissionen (Abbildung 8E), die NO-Emissionen (Abbildung 8F), die VOC-Emissionen (Abbildung 8G), den Kraftstoffverbrauch (Abbildung 8H) und die Reisezeit (Abbildung 8I). ) mit den Parkdaten am Straßenrand ausgerichtet. Die Zunahme des Verkehrsaufkommens führt zur Erhöhung aller Indikatorwerte, der betroffene Grad an unterschiedlichen Indikatorwerten ist jedoch unterschiedlich. Darüber hinaus hat das Parken am Straßenrand keine identischen Auswirkungen auf Fahrzeuge in E-W- und W-E-Richtung.

Mit dem Anstieg des Verkehrsaufkommens war der Aufprallgrad des Parkens am Straßenrand auf Fahrzeuge in W-E-Richtung für die drei Indikatoren maximale Warteschlangenlänge, Verspätung und Anzahl der Haltestellen deutlich höher als bei Fahrzeugen in E-W-Richtung. Bei den fünf emissionsrelevanten Indikatoren Kraftstoffverbrauch und Fahrzeit war der Aufprallgrad auf Fahrzeuge in E-W- und W-E-Richtung nahezu gleich, bei Fahrzeugen in W-E-Richtung jedoch etwas größer. Nachdem das Verkehrsaufkommen 300-350 veh/h in W-E- und E-W-Richtung erreicht hatte, war der Wachstumstrend der maximalen Warteschlangenlänge, der Verspätung und der Anzahl der Haltestellen deutlich höher, wobei die negativen Auswirkungen des Parkens am Straßenrand auf die Verkehrseffizienz des vorbeifahrenden Verkehrsflusses ernster wurden. Fünf der emissionsrelevanten Indikatoren, Kraftstoffverbrauch und Fahrzeit, veränderten sich einheitlich mit steigendem Verkehrsaufkommen in beide Richtungen.

Figure 1
Abbildung 1: Der Ort der Datensammlung: eine zweispurige und zweispurige Straße, Dian Zi Yi Road in Xi'an. Koordinaten: 108.932882,34.220774. (A) Eine schematische Darstellung des Untersuchungsortes in der Stadt Xi'an. (B) Die rote Linie stellt das Datenerhebungssegment dar. Die nördliche Straßenkreuzung mit der roten Linie ist eine Fußgängerzone mit wenigen Menschen und hat keinen Einfluss auf diese Untersuchung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Figure 2
Abbildung 2: Der 24-Stunden-Stauindex. Die Daten im Panel stammen aus dem Echtzeit-Stauindex in Xi'an am 24. August 202126. Die Daten zeigen, dass die Morgenspitze von 07:00 bis 09:00 Uhr und die Abendspitze von 17:00 bis 19:00 Uhr auftrat. Das Tal, mit Ausnahme der späten Nacht, ereignete sich von 11:00 bis 12:00 Uhr. Die Stauindizes lagen um 08:00 Uhr bzw. 18:00 Uhr bei 2,25 und 2,66. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Figure 3
Abbildung 3: Datenerfassungsschema in einem Bild, das von einer Drohne in 150 m Höhe aufgenommen wurde. Baumschatten bedeckt die gesamte Ausrüstung, so dass bunte Blöcke die Ausrüstung darstellen. Das am Straßenrand geparkte Fahrzeug befindet sich in der Mitte, und die beiden Radargeräte sind 100 m stromaufwärts und 100 m stromabwärts des geparkten Fahrzeugs platziert. Das Westradar und das Ostradar sind beide dem geparkten Fahrzeug zugewandt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Figure 4
Abbildung 4: Ganze Trajektorien. Das Testfahrzeug wird an der Position (100,0) in der Schalttafel geparkt. Das Blau stellt die westlichen Radardaten dar, die mittlere schwarze Linie die Daten der Lasergeräte am Straßenrand und die orange die östlichen Radardaten. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Figure 5
Abbildung 5: Ost-West-Geschwindigkeit. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 6
Abbildung 6: West-Ost-Geschwindigkeit. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 7
Abbildung 7: Flussdiagramme zur Berechnung des Simulationsfehlers (MAPE) und zur Durchführung der Sensitivitätsanalyse. (A) Flussdiagramm für die Berechnung des MAPE. (B) Flussdiagramm für die Sensitivitätsanalyse. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Figure 8
Abbildung 8: Sensitivitätsanalyse. X-Achse = E-W-Verkehrsvolumen, Y-Achse = W-E-Verkehrsvolumen und Z-Achse = Auswertungsindexwert. (A) Maximale Warteschlangenlänge. (B) Anzahl der Fahrzeuge. (c) Verspätung. (D) Anzahl der Haltestellen. e) CO-Emissionen. (F) KEINE Emissionen. g) VOC-Emissionen. (H) Kraftstoffverbrauch. (I) Reisezeit. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Artikel Morgen (07:00−08:00) Mittelmittag (13:00−14:00) Abend (17:00−18:00)
Richtung W–E E–W W–E E–W W–E E–W
Auto (veh / h) 306 374 167 148 351 228
LKW (veh/h) 1 3 1 0 4 0
Bus(veh/h) 9 9 4 5 6 4
Beteuern. Geschwindigkeit (km / h) 21.7 24.5 19.4 24.7 18.8 20.5
Max. Geschwindigkeit (km / h) 47.7 54.7 55.8 56.2 44.6 45.0
Min. Geschwindigkeit (km / h) 0 0 0 0 0 0

Tabelle 1: Im Rahmen der Untersuchung gesammelte Fahrzeuginformationen. Eine Mindestgeschwindigkeit von 0 km/h zeigt an, dass sich einige Fahrzeuge nicht mehr bewegen.

Artikel Morgen (07:00−08:00) Mittelmittag (13:00−14:00) Abend (17:00─18:00)
Richtung W–E E–W W–E E–W W–E E–W
Investitionskapazität (veh/h) 316 386 172 153 361 232
Simulierte Kapazität (veh/h) 306 360 174 150 354 216
Individuelle MAPE(%) 3.2 6.7 1.2 2.0 1.9 6.9
MAPE(%) 5.0 1.6 4.4

Tabelle 2: Die Kalibrierergebnisse für das Simulationsmodell. Die Kalibrierergebnisse zwischen dem untersuchten Verkehrsaufkommen und dem simulierten Verkehrsaufkommen sind in der Tabelle aufgeführt. Der MAPE wird anhand von Gleichung 2 berechnet, und die Fehler zwischen der simulierten Kapazität und der tatsächlichen Kapazität betragen 5,5 %, 1,6 % und 4,4 % für die drei Datengruppen, die alle klein sind. Da der Gesamtkapazitätsfehler weniger als 15% beträgt, liegt der Fehler des etablierten Modells im akzeptablen Bereich und die Simulationsgenauigkeit ist ausreichend29.

Artikel Morgen Mittelmittag Abend
(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 Warteschlangenlänge (m) 31.26 34.93 12.00 7.96 34.88 20.40
Anzahl der Fahrzeuge 306 360 168 150 348 216
Verspätung(en) 6.47 6.58 3.10 1.74 6.68 4.64
Anzahl der Stopps (mal) 0.28 0.52 0.05 0.11 0.24 0.42
CO-Emissionen (Gramm) 191.790 249.606 89.112 77.820 219.462 135.468
KEINE Emissionen (Gramm) 37.314 48.564 17.340 15.138 42.702 26.358
VOC-Emissionen (Gramm) 44.448 57.846 20.652 18.036 50.862 31.398
Kraftstoffverbrauch (Gallone) 2.742 3.570 1.272 1.116 3.138 1.938
Reisezeit(en) 35.46 29.12 31.92 24.56 35.73 27.25

Tabelle 3: Simulationsergebnisse mit den Morgenspitzendaten, mittleren Mittagsdaten und abendlichen Spitzendaten. Als repräsentative Daten weist die Datengruppe Morgenspitze das höchste Verkehrsaufkommen und die höchsten Indikatorwerte auf. Die Verkehrsdatengruppe mittlerer Mittags hat das niedrigste Verkehrsaufkommen und die niedrigsten Indikatorwerte.

Artikel Wert
E-W-Volumen (veh / h) 150/200/250/300/350/400/450
W–E-Volumen (veh/h) 150/200/250/300/350/400
Hinweis:Das E–W-Verkehrsaufkommen liegt im Bereich von 150–450 veh/h mit einem Anstieg von 50 veh/h. Das W–E-Verkehrsaufkommen liegt im Bereich von 150–400 veh/h mit einem Plus von 50 veh/h.

Tabelle 4: Eingangsparameter für die Sensitivitätsanalyse in der Simulation.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Die Auswirkungen des Parkens am Straßenrand auf städtischen Straßen können nicht ignoriert werden, und zufälliges Parken muss angegangen werden30,31. Ein Protokoll zur Bestimmung der Auswirkungen des Parkens am Straßenrand auf den Verkehrsfluss in einer zweispurigen städtischen Straße wird hier vorgestellt. Die Datensammlung gibt die Flugbahn- und Geschwindigkeitsänderungen von vorbeifahrenden Fahrzeugen an, die durch das Parken am Straßenrand verursacht werden. Die Verkehrssimulation quantifiziert Fahrbahnindizes wie maximale Warteschlangenlänge, Verspätung und Emissionen.

Die kritischen Schritte im Protokoll sind die Datenerfassung und die Erstellung von Mikrosimulationsmodellen. Der Ort der Datenerfassung ist ein gerades Segment ohne Kreuzung, Eingang oder Ausgang. Um sicherzustellen, dass der Einfluss sichtbar ist, darf die Straße nicht breiter als 10 m sein. Eine Straße mit einer Breite von 10 m ist richtig für die Beobachtung. Wenn er schmaler ist, kann der Verkehr vollständig unterbrochen werden, und wenn er breiter ist, kann der Einfluss nicht erkannt werden. Ein ausreichend großer Sichtabstand ist auch Voraussetzung für das Segment. Bei der Erstellung des Simulationsmodells sollte auf Bereiche mit reduzierter Geschwindigkeit und Prioritätsregeln geachtet werden. Die relevanten Parameter (Geschwindigkeit und Länge) der reduzierten Geschwindigkeitsbereiche werden auf Basis der repräsentativen Daten so eingestellt, dass sie den tatsächlichen Straßenbetrieb widerspiegeln. Das Verhalten der Fahrer kann durch Prioritätsregeln anstelle von Konfliktbereichen besser abgebildet werden. Die Prioritätsregeln entsprechen den repräsentativen Daten und werden anhand der von der Kamera aufgenommenen Verkehrsbetriebsvideos überprüft.

In Bezug auf die Auswirkungen des Parkens am Straßenrand auf vorbeifahrende Fahrzeuge liefert dieses Protokoll eine spezifische und realistische Beschreibung der Untersuchungsergebnisse. Zum Beispiel werden die Trajektorien von vorbeifahrenden Fahrzeugen für 80 m Länge beeinflusst, und auch die Fahrzeuggeschwindigkeit wird negativ beeinflusst. Darüber hinaus zeigen die Ergebnisse der Simulationsanalyse unter verschiedenen Verkehrsvolumina die Leistung verschiedener Indizes, die die Effizienz des Verkehrsbetriebs widerspiegeln. Der Anstieg des Verkehrsaufkommens ist synchron mit dem Wachstum der Indikatorwerte.

Die Haupteinschränkung dieses Protokolls besteht darin, dass es nur für ein geparktes Fahrzeug am Straßenrand wirksam ist. In der nächsten Forschungsphase soll der Einfluss mehrerer zufällig geparkter Fahrzeuge auf den Verkehrsfluss ermittelt werden.

Es wird empfohlen, dass die Verkehrspolizei Überwachungsgeräte auf engen städtischen Straßen anbringt, um am Straßenrand geparkte Fahrzeuge zu überwachen und so die Auswirkungen des Parkens am Straßenrand zu mildern.

Das hier beschriebene Protokoll zur Bewertung der Auswirkungen des Parkens am Straßenrand auf eine zweiseitige Stadtstraße kann angewendet werden, um verfeinerte Parkraumbewirtschaftungsmaßnahmen am Straßenrand vorzuschlagen, wie z. B. die zulässige Parkzeit, den empfohlenen Parkort und die zulässigen Parkfahrzeugtypen.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Die Autoren haben nichts offenzulegen.

Acknowledgments

Die Autoren danken dem wissenschaftlichen Forschungsprogramm, das vom Bildungsministerium der Provinz Shaanxi (Programm Nr. 21JK0908) finanziert wird.

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

Engineering Ausgabe 191 Parken am Straßenrand Verkehrsdaten Verkehrsverzögerung Verkehrsstaus Transport städtische Straße
Bewertung der Auswirkungen des Parkens am Straßenrand auf einer zweispurigen städtischen Straße
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