Summary
In questo studio, viene analizzato l'effetto del parcheggio lungo la strada su una strada urbana. L'intero processo consiste nella raccolta dei dati sul traffico, nell'elaborazione dei dati, nella simulazione della simulazione, nella calibrazione della simulazione e nell'analisi della sensibilità.
Abstract
Il parcheggio lungo la strada è un fenomeno di traffico comune in Cina. Le strette strade urbane, le elevate richieste di parcheggio e la carenza di parcheggi costringono il pubblico a impegnarsi in parcheggi casuali lungo la strada. Viene proposto un protocollo per determinare l'impatto di un veicolo parcheggiato lungo la strada sui veicoli in transito. In questa indagine, una strada urbana a doppio senso e a due corsie in cui un veicolo è parcheggiato sul ciglio della strada viene selezionata per la raccolta dei dati sul traffico. Sulla base di questi dati, viene determinato l'impatto dei veicoli parcheggiati lungo la strada sulla traiettoria e sulla velocità dei veicoli in transito. Inoltre, viene applicato un modello di microsimulazione per determinare l'impatto del parcheggio lungo la strada sulla lunghezza massima della coda, sul ritardo, sulle emissioni e su altri indicatori sotto diversi volumi di traffico in base all'analisi di sensibilità. I risultati mostrano che i veicoli parcheggiati lungo la strada influenzano la traiettoria dei veicoli in transito per circa 80 m e hanno un effetto negativo sulla velocità, con la velocità più bassa osservata nella posizione del veicolo parcheggiato lungo la strada. I risultati dell'analisi di sensibilità suggeriscono che il volume del traffico aumenta in modo sincrono con i valori degli indicatori. Il protocollo fornisce un metodo per determinare l'effetto del parcheggio lungo la strada sulla traiettoria e sulla velocità di viaggio. La ricerca contribuisce alla gestione raffinata dei futuri parcheggi stradali.
Introduction
L'accelerazione dell'urbanizzazione è accompagnata da un evidente aumento della proprietà dei veicoli a motore e del flusso del traffico urbano. Nel 2021, la proprietà di auto della Cina ha raggiunto 378 milioni, con un aumento di 25,1 milioni rispetto a quello del 20201. Tuttavia, la situazione attuale con capacità stradale insufficiente e tecnologia di gestione del traffico limitata ha portato a una discrepanza sempre più evidente tra l'offerta e la domanda di traffico urbano. Pertanto, la congestione del traffico stradale si è gradualmente intensificata. Come problema più diffuso nel trasporto urbano, la congestione del traffico causa molti pericoli e ha attirato l'attenzione dei ricercatori 2,3,4. Oltre a prolungare i tempi di percorrenza, la congestione del traffico aggrava anche l'inquinamento ambientale, intensifica il consumo di energia e aumenta le emissioni inquinanti 5,6,7,8. Esiste una correlazione positiva tra congestione del traffico e tassi di incidenti 9,10. Oltre agli effetti summenzionati, l'aumento della congestione del traffico riduce il reddito e l'occupazione11, e questo effetto è strettamente correlato alla vita quotidiana delle persone, rendendo così questo uno dei principali problemi nelle città. Con lo sviluppo delle città, l'impatto negativo della congestione stradale sulla società continuerà ad aumentare.
La congestione del traffico è un riflesso completo di molti problemi del traffico urbano, tra cui il parcheggio è il principale. L'espansione della popolazione urbana e l'aumento dei veicoli a motore hanno un impatto negativo sull'offerta di parcheggi e sulla domanda di parcheggi in sospeso. Nel sistema di parcheggio, il parcheggio lungo la strada è comune nel traffico urbano ed è un mezzo importante per affrontare lo squilibrio tra offerta e domanda di parcheggio. Il parcheggio lungo la strada utilizza risorse su entrambi i lati della strada per fornire posti auto. Il parcheggio lungo la strada è comodo, veloce, flessibile e salvaspazio rispetto ad altri parcheggi. Tuttavia, il parcheggio lungo la strada occupa le risorse stradali e i suoi effetti negativi non possono essere ignorati. Nelle città in rapido sviluppo nei paesi in via di sviluppo, l'impennata della domanda di parcheggio rende sovraccarichi i parcheggi lungo la strada, riducendo così la sicurezza del traffico, la qualità dell'aria e lo spazio pubblico12. Pertanto, il problema dei parcheggi lungo la strada deve essere affrontato.
Il parcheggio su strada può essere situato in due scenari: (1) la corsia non motorizzata (cioè, su strade larghe con corsie motorizzate e non motorizzate separate, il parcheggio lungo la strada occupa spazio sulla corsia non motorizzata più a destra); e 2) la corsia mista tra veicoli a motore e veicoli non a motore, che è spesso una strada stretta con un basso volume di traffico. Poiché i veicoli a motore e non a motore condividono le risorse stradali, il parcheggio lungo la strada porta spesso al caos nelle operazioni di traffico nel secondo scenario. Tuttavia, la maggior parte degli studi esistenti si è concentrata sul primo scenario 13,14,15,16,17,18.
Quando un parcheggio lungo la strada è presente nella corsia non motorizzata e se non vi è alcun isolamento obbligatorio delle corsie motorizzate e non motorizzate, il parcheggio lungo la strada porta indirettamente al traffico misto. Un parcheggio lungo la strada riduce significativamente la larghezza effettiva della corsia non motorizzata, aumentando così la probabilità che i veicoli non a motore passino attraverso la corsia non motorizzata e occupino la corsia motorizzata adiacente. Il comportamento è chiamato attraversamento della corsia16. Molti studi hanno esplorato l'impatto del parcheggio lungo la strada nella corsia non motorizzata sul flusso di traffico misto. Sulla base del modello degli automi cellulari, Chen et al.13 hanno valutato l'impatto dei parcheggi lungo la strada su operazioni di traffico eterogenee nelle strade urbane attraverso lo studio dei conflitti di attrito e congestione tra veicoli a motore e non a motore 13. Chen et al. hanno proposto un modello di resistenza stradale del flusso di traffico misto considerando l'effetto del parcheggio lungo la strada17. Inoltre, alcuni studi hanno esaminato l'impatto del parcheggio lungo la strada solo sui veicoli a motore. Guo et al. hanno proposto un metodo basato sulla durata del rischio, che è stato utilizzato per analizzare quantitativamente il tempo di guida dei veicoli a motore sulle sezioni di parcheggio lungo la strada19, e i risultati hanno mostrato che il parcheggio lungo la strada ha avuto un impatto significativo sul tempo di viaggio.
La simulazione del traffico è uno strumento comune per studiare l'impatto del parcheggio lungo la strada. Yang et al. hanno utilizzato il software VISSIM per esplorare l'impatto del parcheggio lungo la strada sul traffico dinamico (in particolare sulla capacità), hanno sviluppato un modello di traffico con ritardo medio dei veicoli e verificato l'affidabilità del modello attraverso la simulazione20. Gao et al. hanno analizzato l'effetto del parcheggio lungo la strada sul traffico misto sotto quattro tipi di interferenze del traffico utilizzando lo stesso software18. Guo et al. hanno utilizzato un modello di automi cellulari per analizzare l'influenza del parcheggio lungo la strada sulle caratteristiche del traffico dei veicoli (capacità della corsia e velocità del veicolo) attraverso la simulazione Monte Carlo in diversi scenari21. Nell'ambito della teoria del traffico trifase di Kerner, Hu et al. hanno analizzato l'impatto del comportamento temporaneo dei parcheggi lungo la strada sul flusso del traffico basato sul modello di automi cellulari22. Questi studi dimostrano che il parcheggio lungo la strada ha un grande impatto negativo sull'efficienza del traffico.
Il dipartimento di gestione del traffico è interessato a comprendere l'effetto dei veicoli parcheggiati lungo la strada sul flusso del traffico. La lunghezza specifica e il grado dell'effetto sono importanti per gestire i problemi con il parcheggio lungo la strada, ad esempio, fornendo informazioni su come delimitare i parcheggi, determinare le zone non di parcheggio e regolare la durata dei parcheggi. In questo studio, è stato progettato un protocollo per esaminare l'effetto di un singolo veicolo parcheggiato lungo la strada sul funzionamento del traffico. La procedura può essere riassunta nei seguenti passaggi: 1) preparazione dell'apparecchiatura, 2) selezione del luogo di raccolta dei dati, 3) selezione del tempo di indagine, 4) raccolta dei dati, 5) esecuzione dell'analisi dei dati, 6) costruzione del modello di simulazione, 7) calibrazione del modello di simulazione e 8) esecuzione dell'analisi di sensibilità. Se uno qualsiasi dei requisiti in queste otto fasi non è soddisfatto, il processo è incompleto e insufficiente per dimostrare l'efficacia.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Preparazione dell'attrezzatura
- Assicurarsi che tutte le attrezzature necessarie siano disponibili: radar, dispositivi laser lungo la strada, laptop, batterie, una fotocamera, un drone, un treppiede riflettente, i cavi corrispondenti e treppiedi per dispositivi.
2. Selezione del luogo di raccolta dei dati (Figura 1)
- Selezionare il percorso di raccolta dei dati. Assicurati che la posizione selezionata sia su una strada a due direzioni e due corsie.
NOTA: La scelta della posizione è fondamentale in questa ricerca. La larghezza a due corsie è facile da osservare. - Assicurarsi che la posizione non abbia intersezioni.
NOTA: I veicoli provenienti da una terza direzione possono causare caos nell'osservazione. - Assicurarsi che non ci siano barriere sulla strada tranne un veicolo parcheggiato posizionato dagli investigatori.
NOTA: le barriere possono interrompere il comportamento del veicolo e bloccare il rilevamento radar. - Assicurarsi che ci sia almeno una distanza visiva e uno spazio libero di 300 m. Questo è necessario per l'indagine radar e la sicurezza degli investigatori.
NOTA: Un radar può rilevare al massimo 200 m. I radar si trovano 100 m a monte e a valle del veicolo parcheggiato nell'indagine. - Assicurarsi che la posizione sia un segmento lineare.
NOTA: se il segmento non è rettilineo, non è possibile determinare se l'offset del veicolo è causato dal parcheggio stradale.
3. Selezione del tempo dell'indagine
- Selezionare l'orario di indagine. Sono necessarie almeno 3 ore in totale, con 1 ora durante il picco mattutino, 1 ora a mezzogiorno e 1 ora durante il picco serale23,24,25.
- Ottenere l'ora dell'ora di picco del volume di traffico dai rapporti di ricerca sul traffico, dai dipartimenti di polizia stradale o dalle società commerciali del traffico26 (Figura 2).
- In assenza di rapporti o analisi sul traffico come riferimento, raccogliere diverse ore di dati durante i tre periodi precedenti, quindi selezionare i dati con il volume di traffico di picco più elevato27,28.
- Utilizzare i dati orari con il volume di traffico più elevato per condurre analisi dei dati e come input nel modello di simulazione. Utilizzare tutte le 3 ore di dati per la verifica del modello.
NOTA: la strada selezionata è stata fiancheggiata da ristoranti e l'ora di punta per la ristorazione è l'ora di punta per la domanda di parcheggio lungo la strada. L'ora di punta per il volume di traffico è il tempo di spegnimento e il tempo di spegnimento è anche l'ora di punta per la ristorazione. Pertanto, l'ora di punta per il volume di traffico e l'ora di punta per la domanda di parcheggio sono quasi sincrone.
4. Raccolta dei dati (Figura 3)
- Parcheggiare il veicolo a circa 20 cm di distanza dal marciapiede nel luogo previsto in modo che il dispositivo laser lungo la strada possa essere posizionato.
- Posizionare il treppiede riflettente sul retro del veicolo. Non posizionarlo troppo lontano per assicurarsi che non influisca sul comportamento dei veicoli.
NOTA: Un treppiede riflettente è necessario per avvisare e / o evitare la collisione in base alle disposizioni pertinenti della legge cinese sulla sicurezza stradale. Il treppiede è posizionato a una certa distanza dietro il veicolo parcheggiato per avvisare i veicoli dietro che un veicolo parcheggiato è davanti e, quindi, per evitare una collisione. La distanza tra il treppiede riflettente e il veicolo parcheggiato è mantenuta bassa al fine di ridurre al minimo l'effetto del treppiede riflettente sul comportamento dei veicoli in transito, quindi il suo effetto sui risultati dello studio è trascurabile. - Impostare il treppiede radar. Posizionare il treppiede ad un'altezza non inferiore a 2 m per evitare il blocco del segnale. Blocca il radar con il treppiede. Regolare il radar verticalmente e girarlo verso il veicolo parcheggiato. Collegare il cavo dati radar alla porta USB del laptop.
NOTA: Un radar si trova 100 m a monte e uno a 100 m a valle del veicolo parcheggiato. Entrambi i radar sono posizionati sullo stesso lato del veicolo parcheggiato per catturare i dati sul traffico. - Aprire il software radar ed eseguire i seguenti passaggi.
- Fare clic su Verifica comunicazione. Selezionare la porta seriale e fare clic su Connetti. Fare clic su Conferma dopo che il software mostra Radar rilevato.
- Fare clic su Imposta indagine. Fare clic su Leggi ora RLU e imposta ora RLU. Fare clic su Cancella record di dati e confermarlo per cancellare la memoria interna del radar. Fare clic su Avvia indagine e chiudere la finestra di dialogo.
- Fai clic su Vista in tempo reale per controllare lo stato del radar e i dati sul traffico dovrebbero essere raccolti al passaggio dei veicoli.
- Preparare il dispositivo laser su strada e il cavo. Collegare il cavo dati del dispositivo laser stradale alla porta. Collegare il cavo dati del dispositivo laser stradale alla porta USB del laptop.
- Posizionare il dispositivo laser lungo la strada al centro del veicolo parcheggiato. Ruotare le quattro colonne di regolazione sul dispositivo per livellarlo.
NOTA: il dispositivo laser stradale deve funzionare nella posizione standard. - Aprire il software del dispositivo laser stradale ed eseguire le seguenti operazioni.
- Fare clic su Verifica comunicazione. Selezionare il numero di porta seriale RLU e fare clic su Connetti. Fare clic su Conferma dopo che il software mostra Nuova connessione RLU rilevata.
- Fare clic su Visualizza indagine. Quando i veicoli passano, il flusso del traffico verrà mostrato in tempo reale.
- Fare clic su Imposta indagine. Fare clic su Leggi ora RLU e Imposta ora RLU, successivamente. Imposta l'ora di inizio e l'ora di fine e fai clic su Imposta attività. Fare clic su Conferma dopo che il software mostra che l'indagine RLU è stata configurata con successo.
- Fare clic su Fine. Fare clic su Stato dispositivo per visualizzare lo stato del dispositivo laser stradale.
- Posizionare la telecamera a circa 30 m a monte del veicolo parcheggiato.
NOTA: I dati sul traffico possono essere raccolti dai radar e dal dispositivo laser stradale. I video operativi del traffico sono preparati per la convalida dei dati. - Imposta tutte le attrezzature sulla strada a doppia corsia (qui, Dian Zi Yi Road). Controlla se i radar, il dispositivo laser stradale e la telecamera funzionano bene ogni 5 minuti.
NOTA: assicurarsi che l'ora dei laptop e della fotocamera sia la stessa del tempo reale. Avviare due radar, il dispositivo laser lungo la strada e la telecamera contemporaneamente all'ora pianificata. Due radar uno di fronte all'altro, combinati con un dispositivo laser intermedio lungo la strada, forniscono una traiettoria continua del traffico interessato. - Terminare la raccolta dei dati e chiudere la finestra di controllo in tempo reale nel software radar.
- Fai clic su Impostazione indagine, seleziona Termina indagine e conferma. Chiudere la finestra di dialogo.
- Selezionare Download dati, sfogliare il computer per salvare i dati e immettere un nome per il file. Fare clic su Apri, quindi fare clic su Avvia download. Fare clic su Conferma per completare la raccolta dei dati radar.
- Fare clic su Stato dispositivo nel software del dispositivo laser stradale, quindi fare clic su Interrompi attività per terminare la raccolta dei dati. Selezionare Download dati, sfogliare e immettere un nome per il file. Fare clic su Apri e fare clic su Avvia download. Fare clic su Conferma per completare la raccolta dei dati del dispositivo laser stradale.
5. Analisi dei dati
NOTA: Attraverso la raccolta dei dati, vengono acquisite 3 ore di dati, tra cui il picco del mattino, l'ora centrale di mezzogiorno e il picco serale. La riproduzione di video sul traffico viene fornita dalla telecamera per calibrare manualmente i volumi di traffico e i tipi di veicoli. Selezionare i dati di gruppo con il volume più alto (ad esempio, i dati di picco del mattino in questo caso) come ora rappresentativa per condurre l'analisi dei dati.
- Utilizzare il software per raccogliere le traiettorie e la velocità dai radar.
NOTA: Il radar si trova a 100 m di distanza dal veicolo parcheggiato e la strada è larga 10 m. Quindi, tutti i punti dati oltre tale intervallo sono errori radar e dovrebbero essere eliminati. - Assicurarsi che il dispositivo laser lungo la strada fornisca il valore di offset, la velocità di passaggio, il numero di veicoli e i tipi di veicoli nella posizione del veicolo parcheggiato.
- Disegnare l'intera gamma di traiettorie e velocità fornite dai due radar e da un dispositivo laser lungo la strada come dati rappresentativi utilizzando il software di calcolo (Figure 4-6).
6. Costruire il modello di simulazione
NOTA: Il modello di simulazione microscopica è stabilito dal software di simulazione per la simulazione del traffico. I risultati della raccolta dei dati, tra cui il volume del traffico, la velocità del veicolo e la composizione del tipo di veicolo, sono parametri vitali nella simulazione del traffico e costituiscono la base della costruzione del modello. Nella simulazione è necessario solo il gruppo di dati rappresentativo.
- Costruzione di strade
- Aprire il software di simulazione. Importare la mappa di sfondo del segmento stradale esaminato.
- Fai clic su Ostacoli a sinistra, fai clic con il pulsante destro del mouse e seleziona Aggiungi nuovo ostacolo. Inserisci la lunghezza e la larghezza dell'ostacolo, quindi fai clic su OK. Trascinare il cursore per spostare l'ostacolo sulla carreggiata.
NOTA: "Ostacolo" si riferisce al veicolo parcheggiato lungo la strada. La lunghezza e la larghezza dell'ostacolo sono impostate in base alle dimensioni effettive del veicolo parcheggiato. - Fare clic su Collegamenti a sinistra, spostare il cursore all'inizio del collegamento e fare clic con il pulsante destro del mouse. Selezionare Aggiungi nuovo collegamento, inserire la larghezza della corsia e fare clic su OK. Trascinare il cursore per disegnare il collegamento sulla mappa.
- Ripetere il passaggio 6.1.3 per costruire quattro segmenti stradali.
- Tenere premuto il pulsante destro del mouse e il pulsante Ctrl sulla tastiera per trascinare il punto finale di un collegamento sul collegamento adiacente per connettere i due collegamenti.
NOTA: questa parte è chiamata "connettore" e diventa più fluida quando vengono aggiunti più punti. - Ripetere il passaggio 6.1.5 per collegare tutti i collegamenti.
- Velocità desiderata
- Seleziona Dati di base dalla barra superiore, quindi seleziona Distribuzioni | Velocità desiderata.
- Fare clic sul pulsante verde croce Aggiungi in basso per aggiungere una nuova distribuzione della velocità desiderata e assegnarle un nome.
- Inserire la velocità media e la velocità massima desunte dai dati rappresentativi come velocità minima e massima desiderata. Eliminare i dati predefiniti.
- Ripetere i passaggi 6.2.2-6.2.3 per stabilire tutte le distribuzioni di velocità desiderate (la direzione da est a ovest, la direzione da ovest a est e l'area a velocità ridotta).
Nota : nel testo seguente, la direzione da est a ovest è abbreviata in E-W e la direzione da ovest a est è abbreviata in W-E.
- Composizioni di veicoli
- Seleziona Elenchi dalla barra superiore, quindi seleziona Trasporto privato | Composizioni di veicoli.
- Fai clic sul pulsante verde Aggiungi a croce per aggiungere una nuova composizione di veicoli.
- Fare clic sul pulsante Aggiungi per aggiungere due tipi di veicoli: veicoli commerciali pesanti (HGV) e autobus.
- Selezionare l'impostazione di distribuzione della velocità desiderata nel passaggio 6.2 per auto, camion e autobus.
- Ripetere i passaggi da 6.3.2 a 6.3.4 per stabilire due composizioni di veicoli (E-W e W-E). Inserisci il flusso di automobili, camion e autobus dai dati rappresentativi.
- Percorsi dei veicoli
- Seleziona Percorsi veicoli dalla barra dei menu a sinistra.
- Spostare il cursore a monte di un collegamento, fare clic con il pulsante destro del mouse e selezionare Aggiungi nuova decisione di routing statico del veicolo.
- Trascina il cursore blu per disegnare i percorsi dei veicoli sulla mappa da percorsi reali nella raccolta dati.
- Zone a velocità ridotta
- Seleziona Aree a velocità ridotta dalla barra dei menu a sinistra.
- Fare clic con il pulsante destro del mouse sull'area a monte della posizione di parcheggio e selezionare Aggiungi nuova area a velocità ridotta.
NOTA: la lunghezza dell'area dipende dai risultati dell'analisi dei dati. - Fare clic con il pulsante destro del mouse sul margine dello schermo, selezionare Aggiungi e selezionare la velocità desiderata impostata nel passaggio 6.2 per l'area a velocità ridotta come velocità dell'area.
- Ripetere i passaggi 6.5.2-6.5.3 per impostare tutte le aree a velocità ridotta.
- Regole di priorità
- Seleziona Regole di priorità dalla barra dei menu a sinistra.
- Fare clic con il pulsante destro del mouse sull'area a velocità ridotta a monte del veicolo parcheggiato nella direzione W-E e selezionare Aggiungi nuova regola di priorità. Immettere il tempo di intervallo minimo e il gioco.
- Ripetere il punto 6.6.2 per impostare la regola di priorità a valle del veicolo parcheggiato nella direzione E-W.
NOTA: l'impostazione delle regole di priorità dipende dall'operazione di traffico reale riflessa dalla raccolta dei dati.
- Tempi di percorrenza del veicolo
- Seleziona Tempi di percorrenza del veicolo da sinistra.
- Fare clic con il pulsante destro del mouse all'inizio di un collegamento e selezionare Aggiungi nuova misurazione del tempo di percorrenza del veicolo.
- Trascinare il cursore alla fine del collegamento per creare una misurazione del tempo di percorrenza del veicolo.
- Ripetere il passaggio 6.7.3 per tutti i percorsi dei veicoli.
- Input del veicolo
- Seleziona Ingressi veicolo da sinistra. Fare clic con il pulsante destro del mouse all'inizio di un collegamento e selezionare Aggiungi nuovo input veicolo.
- Spostare il mouse in basso a sinistra e immettere il volume per i dati rappresentativi.
- Ripetere i passaggi 6.8.1-6.8.2 per tutti i collegamenti.
- Nodi
- Selezionare Nodi da sinistra. Fare clic con il pulsante destro del mouse per selezionare Aggiungi nuovo nodo, quindi fare clic su OK.
- Fare clic con il pulsante sinistro del mouse e spostare il mouse per regolare un intervallo di nodi moderato.
NOTA: l'intervallo dei nodi è correlato ai risultati della simulazione e dipende dalla geometria della sezione stradale.
- Fare clic su Valutazione nella parte superiore dell'interfaccia di simulazione e selezionare Elenchi di risultati. Fare clic sui risultati dei nodi e sui risultati del tempo di percorrenza del veicolo.
- Clicca sul pulsante blu play in alto per avviare la simulazione. Fare clic sul pulsante del dispositivo Modalità rapida per massimizzare la velocità di simulazione.
- Dopo la simulazione, i risultati del nodo e i risultati del tempo di percorrenza del veicolo vengono visualizzati nella parte inferiore dell'interfaccia, tra cui la lunghezza massima della coda, i tempi di parcheggio, il ritardo, il numero di veicoli, il consumo di carburante, le emissioni di CO, le emissioni di NO, le emissioni di COV e il tempo di viaggio.
7. Calibrazione del modello di simulazione
NOTA: In questo studio, le osservazioni sul traffico hanno mostrato che i dati di picco del mattino avevano il volume più alto, ma i tre gruppi di dati sono stati simulati per la verifica per illustrare pienamente l'affidabilità del modello di simulazione.
- Immettere i dati raccolti nel modello di simulazione, eseguire la simulazione e ottenere il risultato della simulazione (Figura 7A).
NOTA: il volume della simulazione può essere generato dal risultato della simulazione. - Confrontare il volume di simulazione con il volume raccolto.
NOTA: calcolare la capacità utilizzando l'equazione 1:
(1)
dove C indica la capacità ideale (veh/h) e ht indica l'avanzamento minimo medio (s).
NOTA: la differenza tra il volume raccolto e il volume di simulazione è chiamata errore percentuale assoluto medio (MAPE), come illustrato nell'equazione 2:
(2)
dove n indica i quattro diversi flussi in questo studio,
è la capacità simulata nel modello di simulazione (veh/h) e 
è la capacità dell'indagine (veh/h). Il MAPE calcolato è elencato nella Tabella 2.
NOTA: la precisione della simulazione è accettabile quando il MAPE è piccolo.
(1)
(2)
è la capacità simulata nel modello di simulazione (veh/h) e 
è la capacità dell'indagine (veh/h). Il MAPE calcolato è elencato nella Tabella 2.8. Analisi di sensibilità
NOTA: la Figura 7B mostra il processo di analisi della sensibilità. Il processo di analisi della sensibilità riflette solo le prestazioni dei dati raccolti (Tabella 3). Per comprendere situazioni con diversi volumi di traffico in scenari in tempo reale, tutte le possibili combinazioni di volumi di traffico vengono inserite nel modello di simulazione per garantire che tutte le situazioni siano coperte nell'analisi dei parcheggi lungo la strada (Figura 8 e Tabella 4).
- Assicurarsi che i dati rappresentativi contengano tre gruppi di dati (ad esempio, volume W-E, volume E-W e altri parametri).
- Dividere il volume W-E in sei categorie, dividere il volume E-W in sette categorie e mantenere stabili gli altri parametri nella simulazione.
NOTA: Il volume di traffico W-E era di 150-400 veh/h, con un aumento di 50 veh/h durante le ore di punta, e il volume di traffico E-W era di 150-450 veh/h, con un aumento di 50 veh/h durante l'ora di punta. Il volume massimo di traffico di servizio di una corsia nella strada urbana era di 1.140 veh/h. - Simula 42 situazioni e verifica l'efficacia in tutte le situazioni.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Questo documento presenta un protocollo per determinare l'effetto del parcheggio lungo la strada sui veicoli in transito su una strada urbana a due direzioni e due corsie attraverso la raccolta e la simulazione dei dati sul traffico. È stata selezionata una strada come sito di studio (Figura 1) e un veicolo è stato parcheggiato nella posizione stradale pianificata. Sono stati applicati radar, un dispositivo laser lungo la strada e una telecamera per raccogliere la traiettoria del veicolo, la velocità, il volume e la composizione del tipo per determinare i cambiamenti nella traiettoria del veicolo e nella velocità sotto il parcheggio stradale (Figure 4-6). È stato costruito un modello di simulazione microscopica basato sulle caratteristiche geometriche della strada e sui risultati della raccolta dei dati (Figura 7). L'analisi di sensibilità ha determinato l'impatto del parcheggio lungo la strada sulla lunghezza massima della coda, sul ritardo, sulle emissioni e su altri indicatori di funzionamento del veicolo a volumi di traffico variabili (Figura 8).
Nella Figura 1 viene illustrato il percorso di raccolta dei dati. La strada di prova era una strada a due direzioni e due corsie nella città di Xi'an, nella provincia dello Shaanxi, in Cina. La larghezza della strada era di 10 m, il limite di velocità era di 60 km/h e non c'era una striscia mediana, che rappresentava le condizioni tipiche del parcheggio lungo la strada. Il traffico bidirezionale potrebbe scorrere facilmente ma rallentato in modo significativo in presenza di un veicolo parcheggiato.
La figura 4 mostra le traiettorie sotto l'influenza del parcheggio lungo la strada in base ai dati misurati dai radar e dal dispositivo laser stradale. La figura mostra che il veicolo parcheggiato lungo la strada ha influenzato la traiettoria dei veicoli in transito per una lunghezza di 80 m. Il blu rappresenta i dati radar occidentali e l'arancione indica i dati radar orientali. La linea nera centrale è una raccolta di punti, che è la distribuzione della posizione formata dalla posizione verticale dei veicoli di passaggio rilevati dal dispositivo laser stradale.
Il radar ovest mostra i cambiamenti di traiettoria. Quando i veicoli hanno visto la barriera parcheggiata sul ciglio della strada, hanno compensato dalla posizione normale da 40 m a monte del veicolo parcheggiato.
Il dispositivo laser su strada potrebbe registrare la posizione laterale e la velocità di ogni veicolo in transito. La posizione laterale variava da 2,3 m a 4,9 m (cioè le estremità inferiore e superiore della linea nera centrale nella figura 4). La posizione media era di 3,3 m. La posizione qui indica la posizione sul lato destro dei veicoli che operano nella direzione W-E e la posizione sul lato sinistro per i veicoli che operano nella direzione E-W.
Per il radar est, è stata osservata una tendenza simile al radar ovest. I veicoli sono tornati alla posizione normale circa 40 m dopo aver superato il veicolo di prova.
Come si vede nella figura 4, la lunghezza dell'effetto di un veicolo parcheggiato lungo la strada sulla traiettoria dei veicoli in transito era di 80 m. I veicoli in transito hanno iniziato a deviare dalla loro traiettoria normale a 40 m dal centro del veicolo parcheggiato e sono tornati alla loro traiettoria normale dopo 40 m dal centro del veicolo parcheggiato (la posizione esatta è contrassegnata da due lunghe linee nere nella figura 4 e le posizioni orizzontali delle due linee sono 60 m e 140 m). Nella posizione del veicolo parcheggiato (cioè la posizione con le coordinate [100,0] nella figura 4), la distanza media tra i veicoli in transito e il bordo esterno del veicolo parcheggiato era di 3,3 m. Considerando la larghezza del veicolo parcheggiato, la distanza media tra i veicoli in transito e il bordo interno del veicolo parcheggiato era di 1,3 m. Le distanze minime e massime tra i veicoli in transito e il bordo interno del veicolo parcheggiato erano rispettivamente di 0,3 m e 2,9 m, come determinato dalla posizione originale e dalle condizioni operative dei veicoli in transito. I veicoli che viaggiavano vicino al marciapiede non avevano una grande distanza laterale dal veicolo parcheggiato quando lo passavano e passavano anche vicino ad esso a bassa velocità a causa dell'influenza di altri veicoli che viaggiavano nella stessa direzione. Quando il veicolo di passaggio non era disturbato da altri veicoli che viaggiavano nella stessa direzione, la larghezza di viaggio era più generosa. In altre parole, la larghezza laterale tra il veicolo in transito e il veicolo parcheggiato lungo la strada era sufficiente. Naturalmente, la larghezza laterale tra il veicolo in transito e il veicolo parcheggiato dipende anche dal comportamento di guida. Rispetto a un conducente aggressivo, un conducente stabile ha maggiori probabilità di superare un veicolo parcheggiato con una larghezza laterale maggiore.
Le figure 5 e 6 mostrano che il parcheggio lungo la strada è inferiore alla velocità dei veicoli in transito, con la velocità più bassa dei veicoli in transito osservata nella posizione del veicolo parcheggiato (cioè la posizione con una coordinata orizzontale centrale di [100, 0]). La Figura 5 mostra la velocità nella direzione E-W. Il traffico si sposta da destra a sinistra nella foto, indicando che la velocità del veicolo diminuisce gradualmente entro il raggio di 180-120 m. Dopo aver superato la posizione parcheggiata, la velocità è stata gradualmente e uniformemente distribuita senza un evidente aumento.
Nel tratto arancione, poco prima della posizione del veicolo parcheggiato, è stata raggiunta una velocità massima di 54,7 km/h, e questa era la velocità alla quale il veicolo passava a una velocità superiore a quella del veicolo in arrivo. La velocità minima era di 0 km/h, e questo si è verificato nella posizione di parcheggio. Con valori di offset più elevati del veicolo nella direzione W-E, quel veicolo occupava una larghezza della strada maggiore e il veicolo nella direzione E-W doveva aspettare, il che significa che la velocità di quest'ultimo veicolo era di 0 km / h.
Nella zona blu, dopo aver superato la posizione di parcheggio, la velocità del veicolo è rimasta nell'intervallo di 8-35 km/h. Sarebbe stato difficile per le auto raggiungere limiti di velocità superiori più elevati a causa dell'ambiente stradale. Il limite di velocità inferiore è leggermente aumentato da 8 km/h a 20 km/h a causa dell'allontanamento dalla posizione di parcheggio.
La figura 6 mostra la velocità nella direzione W-E, con i veicoli che si muovono da sinistra a destra nella foto. I cambiamenti di velocità nella direzione W-E erano simili a quelli nella direzione E-W.
Prima della posizione di parcheggio (cioè entro l'intervallo 0-100 m nella figura), i limiti superiore e inferiore della velocità del veicolo nella direzione W-E si sono gradualmente ridotti dalla posizione di 20 m. Nell'intervallo 0-40 m, il limite superiore è gradualmente diminuito ed è stato più basso nella posizione di 80 m. Il limite massimo di velocità di 38,6 km/h (in posizione 20 m) è sceso a 29 km/h (in posizione 80 m). Il limite di velocità inferiore è aumentato da 9,4 km/h (in posizione 10 m) a 10,44 km/h (in posizione 100 m).
Il limite di velocità abbassato prima della posizione di parcheggio. Durante l'osservazione, se un veicolo nella direzione W-E trovava il veicolo parcheggiato sullo stesso lato e non c'erano veicoli davanti ad esso o il veicolo opposto era lontano, il veicolo nella direzione W-E tendeva ad accelerare e compensare prima per occupare una buona posizione per superare prima il veicolo parcheggiato. Questo fenomeno è la ragione dell'aumento di velocità proprio prima della posizione di parcheggio.
Superando la posizione di parcheggio, la gamma di velocità era di 8,2-47,7 km / h. Il limite di velocità inferiore è diminuito perché alcuni conducenti hanno frenato quando hanno superato il veicolo parcheggiato per evitare graffi. I graffi si verificano quando i veicoli provenienti da entrambe le direzioni si incontrano nel parcheggio e, in questi casi, i conducenti cercano di evitare i graffi riducendo la velocità. Rispetto all'area blu, il limite di velocità è stato aumentato di 9,1 km/h. Questo perché quando nessun veicolo stava arrivando nella direzione opposta, i veicoli nella direzione W-E acceleravano dalla posizione di parcheggio dopo aver confermato di non aver graffiato il veicolo parcheggiato lungo la strada, coerentemente con le abituali abitudini di guida dei conducenti.
Nella zona arancione, il limite di velocità inferiore di 7,5 km/h è aumentato significativamente dopo aver superato la posizione di parcheggio. Ciò indica che la maggior parte dei veicoli può accelerare di nuovo alla velocità prima della posizione di parcheggio dopo essersi allontanata di 10 m dalla posizione di parcheggio.
La figura 8 indica i risultati della simulazione di nove indicatori che riflettono lo stato operativo dei veicoli a diversi volumi di traffico. I volumi di traffico nelle direzioni E-W e W-E hanno influenzato la lunghezza massima della coda (Figura 8A), il numero di veicoli (Figura 8B), il ritardo (Figura 8C), il numero di fermate (Figura 8D), le emissioni di CO (Figura 8E), le emissioni di NO (Figura 8F), le emissioni di COV (Figura 8G), il consumo di carburante (Figura 8H) e il tempo di percorrenza (Figura 8I) ) allineandosi ai dati relativi ai parcheggi lungo la strada. L'aumento del volume di traffico porta all'aumento di tutti i valori dell'indicatore, ma il grado interessato dei diversi valori dell'indicatore è vario. Inoltre, il parcheggio lungo la strada non ha un effetto identico sui veicoli nelle direzioni E-W e W-E.
Con l'aumento del volume di traffico, il grado di impatto del parcheggio lungo la strada sui veicoli nella direzione W-E per i tre indicatori di lunghezza massima della coda, ritardo e numero di fermate è stato significativamente superiore a quello dei veicoli nella direzione E-W. In termini di cinque indicatori relativi alle emissioni, consumo di carburante e tempo di viaggio, il grado di impatto sui veicoli nelle direzioni E-W e W-E era quasi lo stesso, ma era leggermente maggiore per i veicoli nella direzione W-E. Dopo che il volume di traffico ha raggiunto 300-350 veh/h nelle direzioni W-E ed E-W, il trend di crescita della lunghezza massima della coda, del ritardo e del numero di fermate è stato significativamente più elevato, con l'impatto negativo del parcheggio lungo la strada sull'efficienza operativa del traffico del flusso di traffico in transito che diventa più grave. Cinque degli indicatori relativi alle emissioni, al consumo di carburante e al tempo di percorrenza sono cambiati uniformemente con l'aumento del volume di traffico in entrambe le direzioni.
Figura 1: Il luogo di raccolta dei dati: una strada a due direzioni e due corsie, Dian Zi Yi Road a Xi'an. Coordinate: 108.932882,34.220774. (A) Uno schema del luogo dell'indagine nella città di Xi'an. (B) La linea rossa rappresenta il segmento di raccolta dei dati. L'incrocio stradale nord con la linea rossa è una strada pedonale con poche persone e non influisce su questa indagine. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 2: L'indice di congestione delle 24 ore. I dati del pannello provengono dall'indice di congestione in tempo reale a Xi'an il 24 agosto 202126. I dati indicano che il picco mattutino si è verificato dalle 07:00 alle 09:00 e il picco serale si è verificato dalle 17:00 alle 19:00. La valle, esclusa la tarda notte, si svolgeva dalle 11:00 alle 12:00. Gli indici di congestione erano 2,25 e 2,66 rispettivamente alle 08:00 e alle 18:00. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 3: Schema di raccolta dei dati mostrato in una foto scattata da un drone ad un'altezza di 150 m. L'ombra dell'albero copre tutte le attrezzature, quindi i blocchi colorati rappresentano l'attrezzatura. Il veicolo parcheggiato lungo la strada si trova al centro e i due radar sono posizionati 100 m a monte e 100 m a valle del veicolo parcheggiato. Il radar ovest e il radar est sono entrambi rivolti verso il veicolo parcheggiato. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 4: Traiettorie intere. Il veicolo di prova è parcheggiato nella posizione di (100,0) nel pannello. Il blu rappresenta i dati del radar ovest, la linea nera centrale rappresenta i dati del dispositivo laser lungo la strada e l'arancione rappresenta i dati radar orientali. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 5: Velocità Est-Ovest. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 6: Velocità ovest-est. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 7: Diagrammi di flusso per il calcolo dell'errore di simulazione (MAPE) e l'esecuzione dell'analisi di sensibilità. (A) Diagramma di flusso per il calcolo del MAPE. (B) Diagramma di flusso per l'analisi di sensibilità. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 8: Analisi di sensibilità. Asse X = volume di traffico E-W, asse Y = volume di traffico W-E e asse Z = valore dell'indice di valutazione. (A) Lunghezza massima della coda. (B) Numero di veicoli. (C) Ritardo. (D) Numero di fermate. E) emissioni di CO. (F) NESSUNA emissione. G) emissioni di COV. (H) Consumo di carburante. (I) Tempo di viaggio. Fare clic qui per visualizzare una versione ingrandita di questa figura.
| Articolo | Mattina (07:00−08:00) | Mezzogiorno medio (13:00−14:00) | Sera (17:00−18:00) | |||
| Direzione | W–E | E–W | W–E | E–W | W–E | E–W |
| Auto (veh/h) | 306 | 374 | 167 | 148 | 351 | 228 |
| Camion (veh / h) | 1 | 3 | 1 | 0 | 4 | 0 |
| Bus (veh/h) | 9 | 9 | 4 | 5 | 6 | 4 |
| Asserire. Velocità (km/h) | 21.7 | 24.5 | 19.4 | 24.7 | 18.8 | 20.5 |
| Velocità massima (km/h) | 47.7 | 54.7 | 55.8 | 56.2 | 44.6 | 45.0 |
| Velocità minima (km/h) | 0 | 0 | 0 | 0 | 0 | 0 |
Tabella 1: Informazioni sui veicoli raccolte nell'ambito dell'inchiesta. Una velocità minima di 0 km/h indica che alcuni veicoli smettono di muoversi.
| Articolo | Mattina (07:00−08:00) | Mezzogiorno medio (13:00−14:00) | Sera (17:00─18:00) | |||
| Direzione | W–E | E–W | W–E | E–W | W–E | E–W |
| Capacità di investimento (veh/h) | 316 | 386 | 172 | 153 | 361 | 232 |
| Capacità simulata (veh/h) | 306 | 360 | 174 | 150 | 354 | 216 |
| MAPE individuale (%) | 3.2 | 6.7 | 1.2 | 2.0 | 1.9 | 6.9 |
| MAPE(%) | 5.0 | 1.6 | 4.4 | |||
Tabella 2: Risultati della calibrazione per il modello di simulazione. I risultati della calibrazione tra il volume di traffico studiato e il volume simulato sono elencati nella tabella. Il MAPE viene calcolato utilizzando l'equazione 2 e gli errori tra la capacità simulata e la capacità effettiva sono 5,5%, 1,6% e 4,4% per i tre gruppi di dati, che sono tutti piccoli. Poiché l'errore di capacità totale è inferiore al 15%, l'errore del modello stabilito rientra nell'intervallo accettabile e l'accuratezza della simulazione è sufficiente29.
| Articolo | Mattina | Mezzogiorno medio | Sera | |||
| (07:00−08:00) | (13:00−14:00) | (17:00─18:00) | ||||
| W–E | E–W | W–E | E–W | W–E | E–W | |
| Lunghezza massima della coda(m) | 31.26 | 34.93 | 12.00 | 7.96 | 34.88 | 20.40 |
| numero di veicoli | 306 | 360 | 168 | 150 | 348 | 216 |
| ritardo(i) | 6.47 | 6.58 | 3.10 | 1.74 | 6.68 | 4.64 |
| Numero di fermate (orari) | 0.28 | 0.52 | 0.05 | 0.11 | 0.24 | 0.42 |
| Emissioni di CO (grammi) | 191.790 | 249.606 | 89.112 | 77.820 | 219.462 | 135.468 |
| NESSUNA emissione (grammi) | 37.314 | 48.564 | 17.340 | 15.138 | 42.702 | 26.358 |
| Emissioni di COV (grammi) | 44.448 | 57.846 | 20.652 | 18.036 | 50.862 | 31.398 |
| Consumo di carburante (gallone) | 2.742 | 3.570 | 1.272 | 1.116 | 3.138 | 1.938 |
| tempo di percorrenza | 35.46 | 29.12 | 31.92 | 24.56 | 35.73 | 27.25 |
Tabella 3: Risultati della simulazione con i dati di picco del mattino, dei dati di mezzogiorno e dei dati di picco serali. Come dati rappresentativi, il gruppo di dati di picco mattutino ha il volume di traffico e i valori degli indicatori più elevati. Il gruppo di dati sul traffico di mezzogiorno centrale ha il volume di traffico e i valori degli indicatori più bassi.
| Articolo | Valore |
| Volume E–W (veh/h) | 150/200/250/300/350/400/450 |
| Volume W-E (veh/h) | 150/200/250/300/350/400 |
| Nota:Il volume di traffico E–W è compreso tra 150 e 450 veh/h con un aumento di 50 veh/h. Il volume di traffico W-E è compreso tra 150 e 400 veh/h con un aumento di 50 veh/h. | |
Tabella 4: Parametri di input per l'analisi di sensibilità nella simulazione.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
L'effetto del parcheggio lungo la strada sulle strade urbane non può essere ignorato e il parcheggio casuale deve essere affrontato30,31. Qui viene presentato un protocollo per determinare l'impatto del parcheggio lungo la strada sul flusso del traffico in una strada urbana a doppio senso. La raccolta dei dati specifica la traiettoria e le variazioni di velocità dei veicoli in transito causate dal parcheggio lungo la strada. La simulazione del traffico quantifica gli indici stradali come la lunghezza massima della coda, il ritardo e le emissioni.
I passaggi critici del protocollo sono la raccolta dei dati e la costruzione del modello di microsimulazione. La posizione di raccolta dei dati è un segmento rettilineo senza intersezione, ingresso o uscita. Per garantire che l'influenza sia visibile, la strada non può essere più larga di 10 m. Una strada con una larghezza di 10 m è giusta per l'osservazione. Se più stretto, il traffico può essere completamente suddiviso e, se più ampio, l'influenza potrebbe non essere rilevata. Anche una distanza visiva sufficientemente lunga è un requisito per il segmento. Nello stabilire il modello di simulazione, si dovrebbe prestare attenzione alle aree a velocità ridotta e alle regole di priorità. I parametri rilevanti (velocità e lunghezza) delle aree a velocità ridotta sono stabiliti sulla base dei dati rappresentativi per riflettere l'effettivo funzionamento stradale. Il comportamento dei conducenti può essere meglio riflesso utilizzando regole di priorità anziché aree di conflitto. Le regole di priorità sono le stesse dei dati rappresentativi e vengono controllate utilizzando i video delle operazioni di traffico catturati dalla telecamera.
Per quanto riguarda l'effetto del parcheggio lungo la strada sui veicoli in transito, questo protocollo fornisce una descrizione specifica e realistica dei risultati dell'indagine. Ad esempio, le traiettorie dei veicoli in transito sono influenzate per 80 m di lunghezza e anche la velocità del veicolo è influenzata negativamente. Inoltre, in diversi volumi di traffico, i risultati dell'analisi di simulazione mostrano le prestazioni di vari indici che riflettono l'efficienza delle operazioni di traffico. L'aumento del volume di traffico è sincrono con la crescita dei valori dell'indicatore.
La limitazione principale di questo protocollo è che è efficace solo per un veicolo parcheggiato sul ciglio della strada. La prossima fase di ricerca sarà condotta per determinare l'effetto di più veicoli parcheggiati casualmente sul funzionamento del flusso di traffico.
Si raccomanda che la polizia stradale aggiunga apparecchiature di monitoraggio sulle strette strade urbane per monitorare i veicoli parcheggiati sul ciglio della strada, mitigando così l'impatto del parcheggio lungo la strada.
Il protocollo qui descritto per valutare l'effetto del parcheggio lungo la strada su una strada urbana a doppio senso può essere applicato per proporre raffinate misure di gestione del parcheggio lungo la strada, come il tempo di parcheggio consentito, la posizione di parcheggio consigliata e i tipi di veicoli di parcheggio consentiti.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Gli autori non hanno nulla da rivelare.
Acknowledgments
Gli autori desiderano riconoscere il programma di ricerca scientifica finanziato dal Dipartimento provinciale dell'istruzione dello Shaanxi (programma n. 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).
