Waiting
Login processing...

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

Engineering

Évaluation de l’effet du stationnement en bordure de route sur une rue urbaine à double sens

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

Dans cette étude, l’effet du stationnement en bordure de route sur une rue urbaine est analysé. L’ensemble du processus comprend la collecte de données de trafic, le traitement des données, la simulation d’exploitation, l’étalonnage de simulation et l’analyse de sensibilité.

Abstract

Le stationnement en bordure de route est un phénomène de circulation courant en Chine. Les rues urbaines étroites, les demandes élevées de stationnement et la pénurie de parcs de stationnement forcent le public à se garer au hasard le long de la route. Un protocole est proposé pour déterminer l’impact d’un véhicule stationné en bordure de route sur les véhicules qui passent. Dans le cadre de la présente enquête, une rue urbaine à deux voies et à deux voies dans laquelle un véhicule est stationné sur le bord de la route est sélectionnée pour la collecte de données sur la circulation. Sur la base de ces données, l’impact des véhicules stationnés en bordure de route sur la trajectoire et la vitesse des véhicules qui passent est déterminé. De plus, un modèle de microsimulation est appliqué pour déterminer l’impact du stationnement en bordure de route sur la longueur maximale de la file d’attente, le retard, les émissions et d’autres indicateurs sous différents volumes de trafic en fonction de l’analyse de sensibilité. Les résultats montrent que les véhicules stationnés en bordure de route affectent la trajectoire des véhicules qui dépassent sur environ 80 m et ont un effet négatif sur la vitesse, la vitesse la plus basse étant observée à l’emplacement du véhicule stationné en bordure de route. Les résultats de l’analyse de sensibilité suggèrent que le volume de trafic augmente de manière synchrone avec les valeurs des indicateurs. Le protocole fournit une méthode pour déterminer l’effet du stationnement en bordure de route sur la trajectoire et la vitesse. La recherche contribue à la gestion affinée du futur stationnement en bordure de route.

Introduction

L’accélération de l’urbanisation s’accompagne d’une augmentation évidente du nombre de propriétaires de véhicules à moteur et de la circulation urbaine. En 2021, le nombre de propriétaires de voitures en Chine a atteint 378 millions, soit une augmentation de 25,1 millions par rapport à 20201. Toutefois, la situation actuelle, caractérisée par une capacité routière insuffisante et une technologie limitée de gestion du trafic, a conduit à un écart de plus en plus évident entre l’offre et la demande de trafic urbain. Par conséquent, les embouteillages routiers se sont progressivement intensifiés. En tant que problème le plus répandu dans le transport urbain, la congestion routière entraîne de nombreux dangers et a attiré l’attention des chercheurs 2,3,4. En plus d’allonger le temps de trajet, les embouteillages aggravent également la pollution de l’environnement, intensifient la consommation d’énergie et augmentent les émissions polluantes 5,6,7,8. Il existe une corrélation positive entre les embouteillages et les taux d’accidents 9,10. Outre les effets susmentionnés, l’augmentation de la congestion du trafic réduit les revenus et l’emploi11, et cet effet est étroitement lié à la vie quotidienne des gens, ce qui en fait l’un des principaux problèmes des villes. Avec le développement des villes, l’impact négatif de la congestion routière sur la société continuera d’augmenter.

La congestion routière est le reflet global de nombreux problèmes de circulation urbaine, parmi lesquels le stationnement est le plus important. L’expansion de la population urbaine et l’augmentation du nombre de véhicules à moteur ont un impact négatif sur l’offre de stationnement et la demande de stationnement exceptionnelle. Dans le système de stationnement, le stationnement en bordure de route est courant dans la circulation urbaine et constitue un moyen important de remédier au déséquilibre entre l’offre et la demande de stationnement. Le stationnement en bordure de route utilise des ressources des deux côtés de la route pour fournir des places de stationnement. Le stationnement en bordure de route est pratique, rapide, flexible et peu encombrant par rapport aux autres installations de stationnement. Cependant, le stationnement en bordure de route occupe les ressources routières et ses effets néfastes ne peuvent être ignorés. Dans les villes en développement rapide des pays en développement, la montée en flèche de la demande de stationnement surcharge de stationnement en bordure de route, réduisant ainsi la sécurité routière, la qualité de l’air et l’espace public12. Par conséquent, la question du stationnement en bordure de route doit être abordée.

L’espace de stationnement en bordure de route peut être situé dans deux scénarios : (1) la voie non motorisée (c.-à-d. sur les routes larges avec des voies motorisées et non motorisées séparées, le stationnement en bordure de route occupe de la place sur la voie non motorisée la plus à droite); et (2) la voie mixte pour véhicules automobiles et autres véhicules, qui est souvent une route étroite avec un faible volume de trafic. Comme les véhicules à moteur et non motorisés partagent les ressources routières, le stationnement en bordure de route conduit souvent au chaos dans les opérations de circulation dans le deuxième scénario. Cependant, la plupart des études existantes se sont concentrées sur le premier scénario 13,14,15,16,17,18.

Lorsqu’une place de stationnement en bordure de route est présente dans la voie non motorisée, et s’il n’y a pas d’isolement obligatoire des voies motorisées et non motorisées, le stationnement en bordure de route entraîne indirectement une circulation mixte. Une place de stationnement en bordure de route réduit considérablement la largeur effective de la voie non motorisée, augmentant ainsi la probabilité que des véhicules non motorisés passent par la voie non motorisée et occupent la voie motorisée adjacente. Le comportement est appelé franchissement de voie16. De nombreuses études ont exploré l’impact du stationnement en bordure de route dans la voie non motorisée sur la circulation mixte. Sur la base du modèle des automates cellulaires, Chen et coll.13 ont évalué l’impact du stationnement en bordure de route sur les opérations de circulation hétérogènes dans les rues urbaines en étudiant les conflits de friction et de congestion entre les véhicules automobiles et non motorisés13. Chen et coll. ont proposé un modèle de résistance routière de la circulation mixte en tenant compte de l’effet du stationnement en bordure de route17. De plus, certaines études ont examiné l’impact du stationnement en bordure de route uniquement sur les véhicules automobiles. Guo et al. ont proposé une méthode basée sur la durée du risque, qui a été utilisée pour analyser quantitativement le temps de conduite des véhicules à moteur sur les sections19 du stationnement en bordure de route, et les résultats ont montré que le stationnement en bordure de route avait un impact significatif sur le temps de déplacement.

La simulation de la circulation est un outil courant pour étudier l’impact du stationnement en bordure de route. Yang et al. ont utilisé le logiciel VISSIM pour explorer l’impact du stationnement en bordure de route sur le trafic dynamique (en particulier sur la capacité), développé un modèle de trafic de retard moyen des véhicules et vérifié la fiabilité du modèle par simulation20. Gao et al. ont analysé l’effet du stationnement en bordure de route sur la circulation mixte sous quatre types d’interférences routières à l’aide du même logiciel18. Guo et al. ont utilisé un modèle d’automates cellulaires pour analyser l’influence du stationnement en bordure de route sur les caractéristiques de la circulation des véhicules (capacité des voies et vitesse des véhicules) par simulation de Monte Carlo dans différents scénarios21. Dans le cadre de la théorie du trafic en trois phases de Kerner, Hu et al. ont analysé l’impact du comportement de stationnement temporaire en bordure de route sur la circulation en se basant sur le modèle d’automates cellulaires22. Ces études montrent que le stationnement en bordure de route a un impact négatif important sur l’efficacité du trafic.

Le service de gestion du trafic s’intéresse à la compréhension de l’effet des véhicules stationnés en bordure de route sur la fluidité de la circulation. La longueur et le degré précis de l’effet sont importants pour gérer les problèmes liés au stationnement en bordure de route, par exemple, en fournissant des renseignements sur la façon de délimiter les parcs de stationnement, de déterminer les zones sans stationnement et de réglementer les durées de stationnement. Dans cette étude, un protocole a été conçu pour examiner l’effet d’un seul véhicule stationné en bordure de route sur le fonctionnement de la circulation. La procédure peut être résumée en étapes : 1) préparation de l’équipement, 2) sélection du lieu de collecte des données, 3) sélection du temps d’enquête, 4) collecte des données, 5) réalisation de l’analyse des données, 6) construction du modèle de simulation, 7) calibrage du modèle de simulation et 8) réalisation de l’analyse de sensibilité. Si l’une des exigences de ces huit étapes n’est pas satisfaite, le processus est incomplet et insuffisant pour prouver l’efficacité.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Préparation de l’équipement

  1. Assurez-vous que tout l’équipement nécessaire est disponible: radars, appareil laser en bordure de route, ordinateurs portables, batteries, une caméra, un drone, un trépied réfléchissant, les câbles correspondants et les trépieds de l’appareil.

2. Choix du lieu de collecte des données (figure 1)

  1. Sélectionnez l’emplacement de collecte des données. Assurez-vous que l’emplacement choisi est sur une route à deux directions et à deux voies.
    REMARQUE: Le choix de l’emplacement est essentiel dans cette recherche. La largeur à deux voies est facile à observer.
  2. Assurez-vous que l’emplacement n’a pas d’intersections.
    NOTE: Les véhicules venant d’une troisième direction peuvent provoquer le chaos dans l’observation.
  3. Assurez-vous qu’il n’y a pas de barrières sur la route, à l’exception d’un véhicule stationné placé par les enquêteurs.
    NOTE: Les barrières peuvent interrompre le comportement du véhicule et bloquer la détection radar.
  4. Assurez-vous qu’il y a au moins une distance de visibilité et un dégagement de 300 m. Ceci est nécessaire pour l’enquête radar et la sécurité des enquêteurs.
    NOTE: Un radar peut détecter 200 m au maximum. Les radars sont situés à 100 m en amont et en aval du véhicule stationné dans l’enquête.
  5. Assurez-vous que l’emplacement est un segment linéaire.
    REMARQUE: Si le segment n’est pas droit, il n’est pas possible de déterminer si le décalage du véhicule est causé par le stationnement en bordure de route.

3. Sélection du moment de l’enquête

  1. Sélectionnez la durée de l’enquête. Au moins 3 h au total sont nécessaires, avec 1 h pendant la pointe du matin, 1 h à midi et 1 h pendant la pointe du soir23,24,25.
  2. Obtenez l’heure de pointe de l’heure de volume de trafic à partir des rapports de recherche sur la circulation, des services de police de la circulation ou des entreprises de trafic26 (Figure 2).
  3. En l’absence de rapports ou d’analyses de trafic comme référence, collectez plusieurs heures de données au cours des trois périodes ci-dessus, puis sélectionnez les données avec le volume de trafic de pointe le plus élevé27,28.
  4. Utilisez les données horaires avec le volume de trafic le plus élevé pour effectuer une analyse des données et comme entrée dans le modèle de simulation. Utilisez les 3 h de données pour la vérification du modèle.
    REMARQUE: La route sélectionnée était bordée de restaurants, et l’heure de pointe pour la restauration est l’heure de pointe pour la demande de stationnement en bordure de route. L’heure de pointe pour le volume de trafic est le temps mort, et le temps mort est également l’heure de pointe pour la restauration. Par conséquent, l’heure de pointe pour le volume de trafic et l’heure de pointe pour la demande de stationnement sont presque synchrones.

4. Collecte de données (figure 3)

  1. Garez le véhicule à environ 20 cm du trottoir à l’endroit prévu afin que le dispositif laser en bordure de route puisse être placé.
  2. Placez le trépied réfléchissant à l’arrière du véhicule. Ne le placez pas trop loin pour vous assurer qu’il n’affecte pas le comportement des véhicules.
    REMARQUE: Un trépied réfléchissant est nécessaire pour alerter et / ou éviter la collision sur la base des dispositions pertinentes de la loi chinoise sur la sécurité routière. Le trépied est placé à une certaine distance derrière le véhicule stationné pour avertir les véhicules derrière qu’un véhicule stationné est devant et, ainsi, pour éviter une collision. La distance entre le trépied réfléchissant et le véhicule stationné est maintenue faible afin de minimiser l’effet du trépied réfléchissant sur le comportement des véhicules qui passent, de sorte que son effet sur les résultats de l’étude est négligeable.
  3. Réglez le trépied radar. Réglez le trépied à une hauteur d’au moins 2 m pour éviter le blocage du signal. Verrouillez le radar avec le trépied. Ajustez le radar verticalement et tournez-le vers le véhicule stationné. Connectez le câble de données radar au port USB de l’ordinateur portable.
    NOTA : Un radar se trouve à 100 m en amont et un autre à 100 m en aval du véhicule stationné. Les deux radars sont placés du même côté du véhicule stationné pour capter les données de trafic.
  4. Ouvrez le logiciel radar et effectuez les opérations suivantes.
    1. Cliquez sur Vérification de la communication. Sélectionnez le port série et cliquez sur Connecter. Cliquez sur Confirmer après que le logiciel affiche Radar détecté.
    2. Cliquez sur Configuration de l’enquête. Cliquez sur Lire l’heure RLU et définir l’heure RLU. Cliquez sur Effacer l’enregistrement de données et confirmez-le pour effacer la mémoire interne du radar. Cliquez sur Démarrer l’investigation et fermez la boîte de dialogue.
    3. Cliquez sur Vue en temps réel pour vérifier l’état du radar, et les données de trafic devraient être collectées au passage des véhicules.
  5. Préparez l’appareil laser en bordure de route et le câble. Connectez le câble de données de l’appareil laser en bordure de route au port. Connectez le câble de données de l’appareil laser en bordure de route au port USB de l’ordinateur portable.
  6. Placez le dispositif laser en bordure de route au milieu du véhicule garé. Faites pivoter les quatre colonnes de réglage de l’appareil pour le niveler.
    REMARQUE: L’appareil laser en bordure de route doit fonctionner sous la position standard.
  7. Ouvrez le logiciel du dispositif laser en bordure de route et effectuez les opérations suivantes.
    1. Cliquez sur Vérification de la communication. Sélectionnez le numéro de port série RLU et cliquez sur Connecter. Cliquez sur Confirmer après que le logiciel affiche Nouvelle connexion RLU détectée.
    2. Cliquez sur Voir l’enquête. Lorsque les véhicules passent, le flux de circulation sera affiché en temps réel.
    3. Cliquez sur Configuration de l’enquête. Cliquez sur Lire l’heure RLU et Définir l’heure RLU, successivement. Définissez l’heure de début et l’heure de fin, puis cliquez sur Définir la tâche. Cliquez sur Confirmer après que le logiciel affiche RLU Investigation Set Up Succeeded.
    4. Cliquez sur Terminer. Cliquez sur État de l’appareil pour afficher l’état de l’appareil laser en bordure de route.
  8. Réglez la caméra à environ 30 m en amont du véhicule stationné.
    REMARQUE: Les données de trafic peuvent être collectées par les radars et le dispositif laser en bordure de route. Des vidéos sur l’exploitation du trafic sont préparées pour la validation des données.
  9. Placez tout l’équipement sur la route à double voie à double voie (ici, Dian Zi Yi Road). Vérifiez si les radars, le dispositif laser en bordure de route et la caméra fonctionnent bien toutes les 5 minutes.
    REMARQUE: Assurez-vous que l’heure des ordinateurs portables et de l’appareil photo est la même que le temps réel. Démarrez simultanément deux radars, le dispositif laser en bordure de route et la caméra à l’heure prévue. Deux radars se faisant face, combinés à un dispositif laser intermédiaire en bordure de route, assurent une trajectoire continue du trafic affecté.
  10. Terminez la collecte de données et fermez la fenêtre de contrôle en temps réel dans le logiciel radar.
    1. Cliquez sur Configuration de l’enquête, sélectionnez Mettre fin à l’enquête et confirmez-la. Fermez la boîte de dialogue.
    2. Sélectionnez Téléchargement de données, parcourez l’ordinateur pour enregistrer les données et entrez un nom pour le fichier. Cliquez sur Ouvrir, puis sur Démarrer le téléchargement. Cliquez sur Confirmer pour terminer la collecte des données radar.
  11. Cliquez sur État de l’appareil dans le logiciel de l’appareil laser en bordure de route, puis cliquez sur Arrêter la tâche pour mettre fin à la collecte de données. Sélectionnez Télécharger les données, parcourir et entrez un nom pour le fichier. Cliquez sur Ouvrir, puis sur Démarrer le téléchargement. Cliquez sur Confirmer pour terminer la collecte de données de l’appareil laser en bordure de route.

5. Analyse des données

REMARQUE : Grâce à la collecte de données, 3 h de données sont acquises, y compris la pointe du matin, l’heure du milieu de midi et la pointe du soir. Les vidéos de circulation de lecture sont fournies par la caméra pour calibrer manuellement les volumes de trafic et les types de véhicules. Sélectionnez les données de groupe avec le volume le plus élevé (c.-à-d. les données de pointe du matin dans ce cas) comme heure représentative pour effectuer l’analyse des données.

  1. Utilisez un logiciel pour collecter les trajectoires et la vitesse des radars.
    REMARQUE : Le radar est situé à 100 m du véhicule stationné et la route a une largeur de 10 m. Ainsi, tous les points de données au-delà de cette portée sont des erreurs radar et doivent être supprimés.
  2. Assurez-vous que le dispositif laser en bordure de route fournit la valeur de décalage, la vitesse de passage, le nombre de véhicules et les types de véhicules à la position du véhicule stationné.
  3. Dessiner toute la gamme des trajectoires et de la vitesse fournies par les deux radars et un dispositif laser en bordure de route comme données représentatives à l’aide d’un logiciel de calcul (figures 4 à 6).

6. Construction du modèle de simulation

REMARQUE: Le modèle de simulation microscopique est établi par un logiciel de simulation pour la simulation du trafic. Les résultats de la collecte de données, y compris le volume de trafic, la vitesse du véhicule et la composition du type de véhicule, sont des paramètres essentiels dans la simulation de la circulation et constituent la base de la construction du modèle. Seul le groupe de données représentatif est nécessaire dans la simulation.

  1. Construction de routes
    1. Ouvrez le logiciel de simulation. Importez la carte d’arrière-plan du segment de route étudié.
    2. Cliquez sur Obstacles à gauche, cliquez avec le bouton droit de la souris et sélectionnez Ajouter un nouvel obstacle. Entrez la longueur et la largeur de l’obstacle, puis cliquez sur OK. Faites glisser le curseur pour déplacer l’obstacle vers la chaussée.
      REMARQUE : « Obstacle » désigne le véhicule stationné en bordure de route. La longueur et la largeur de l’obstacle sont définies en fonction de la taille réelle du véhicule stationné.
    3. Cliquez sur Liens à gauche, déplacez le curseur au début du lien, puis cliquez avec le bouton droit de la souris. Sélectionnez Ajouter un nouveau lien, entrez la largeur de la voie et cliquez sur OK. Faites glisser le curseur pour dessiner le lien sur la carte.
    4. Répétez l’étape 6.1.3 pour créer quatre segments de route.
    5. Maintenez le bouton droit de la souris enfoncé et le bouton Ctrl du clavier pour faire glisser le point de terminaison d’un lien vers le lien adjacent afin de connecter les deux liens.
      REMARQUE: Cette partie est appelée le « connecteur », et il devient plus lisse lorsque plus de points sont ajoutés.
    6. Répétez l’étape 6.1.5 pour connecter tous les liens.
  2. Vitesse souhaitée
    1. Sélectionnez Données de base dans la barre supérieure, puis sélectionnez Distributions | Vitesse souhaitée.
    2. Cliquez sur le bouton Ajouter en croix verte en bas pour ajouter une nouvelle distribution de vitesse souhaitée et nommez-la.
    3. Entrez la vitesse moyenne et la vitesse maximale tirées des données représentatives comme vitesses minimales et maximales souhaitées. Supprimez les données par défaut.
    4. Répétez les étapes 6.2.2 à 6.2.3 pour établir toutes les distributions de vitesse souhaitées (la direction d’est en ouest, la direction d’ouest en est et la zone de vitesse réduite).
      NOTE: Dans le texte suivant, la direction d’est en ouest est abrégée en E-W et la direction d’ouest en est abrégée en W-E.
  3. Compositions des véhicules
    1. Sélectionnez Listes dans la barre supérieure, puis | Transport privé Composition des véhicules.
    2. Cliquez sur le bouton Ajouter en croix verte pour ajouter une nouvelle composition de véhicule.
    3. Cliquez sur le bouton Ajouter pour ajouter deux types de véhicules : les poids lourds et les autobus.
    4. Sélectionnez le jeu de répartition de vitesse souhaité à l’étape 6.2 pour les voitures, les poids lourds et les bus.
    5. Répéter les étapes 6.3.2 à 6.3.4 pour établir deux compositions de véhicules (E-W et W-E). Entrez le flux de voitures, de poids lourds et d’autobus à partir des données représentatives.
  4. Itinéraires des véhicules
    1. Sélectionnez Itinéraires du véhicule dans la barre de menu de gauche.
    2. Déplacez le curseur en amont d’un lien, cliquez avec le bouton droit de la souris et sélectionnez Ajouter une nouvelle décision statique d’itinéraire du véhicule.
    3. Faites glisser le curseur bleu pour dessiner les itinéraires des véhicules sur la carte à partir des itinéraires réels dans la collecte de données.
  5. Zones de vitesse réduite
    1. Sélectionnez Zones de vitesse réduite dans la barre de menus de gauche.
    2. Cliquez avec le bouton droit de la souris sur la zone en amont de la position de stationnement, puis sélectionnez Ajouter une nouvelle zone de vitesse réduite.
      REMARQUE: La longueur de la zone dépend des résultats de l’analyse des données.
    3. Cliquez avec le bouton droit de la souris sur la marge de l’écran, sélectionnez Ajouter, puis sélectionnez la vitesse souhaitée définie à l’étape 6.2 pour la zone de vitesse réduite comme vitesse de zone.
    4. Répétez les étapes 6.5.2 à 6.5.3 pour définir toutes les zones de vitesse réduite.
  6. Règles de priorité
    1. Sélectionnez Règles de priorité dans la barre de menus de gauche.
    2. Cliquez avec le bouton droit de la souris sur la zone de vitesse réduite en amont du véhicule stationné dans la direction W-E, puis sélectionnez Ajouter une nouvelle règle de priorité. Entrez le temps d’écart minimum et le dégagement.
    3. Répétez l’étape 6.6.2 pour régler la règle de priorité en aval du véhicule stationné dans le sens E-W.
      REMARQUE : La définition des règles de priorité dépend de l’opération de trafic réelle reflétée par la collecte de données.
  7. Temps de trajet des véhicules
    1. Sélectionnez Temps de déplacement du véhicule à gauche.
    2. Cliquez avec le bouton droit de la souris au début d’un lien et sélectionnez Ajouter une mesure du temps de trajet d’un nouveau véhicule.
    3. Faites glisser le curseur jusqu’à la fin du lien pour créer une mesure du temps de trajet du véhicule.
    4. Répétez l’étape 6.7.3 pour tous les itinéraires du véhicule.
  8. Entrées du véhicule
    1. Sélectionnez Vehicle Inputs (Entrées du véhicule ) à gauche. Cliquez avec le bouton droit de la souris au début d’un lien et sélectionnez Ajouter une entrée de nouveau véhicule.
    2. Déplacez la souris vers le bas à gauche et entrez le volume des données représentatives.
    3. Répétez les étapes 6.8.1 à 6.8.2 pour tous les liens.
  9. Nœuds
    1. Sélectionnez Nodes dans la gauche. Cliquez avec le bouton droit pour sélectionner Ajouter un nouveau nœud, puis cliquez sur OK.
    2. Cliquez avec le bouton gauche de la souris et déplacez la souris pour ajuster une plage de nœuds modérée.
      REMARQUE: La plage de nœuds est liée aux résultats de la simulation et dépend de la géométrie de la section de route.
  10. Cliquez sur Evaluation en haut de l’interface de simulation et sélectionnez Listes de résultats. Cliquez sur Résultats des nœuds et Résultats du temps de trajet du véhicule.
  11. Cliquez sur le bouton de lecture bleu en haut pour lancer la simulation. Cliquez sur le bouton Mode rapide de l’appareil pour maximiser la vitesse de simulation.
  12. Après la simulation, les résultats des nœuds et les résultats du temps de trajet du véhicule sont affichés au bas de l’interface, y compris la longueur maximale de la file d’attente, les temps de stationnement, le retard, le nombre de véhicules, la consommation de carburant, les émissions de CO, les émissions de NO, les émissions de COV et le temps de trajet.

7. Calibrage du modèle de simulation

REMARQUE : Dans cette étude, les observations de trafic ont montré que les données de pointe du matin avaient le volume le plus élevé, mais les trois groupes de données ont été simulés pour vérification afin d’illustrer pleinement la fiabilité du modèle de simulation.

  1. Entrez les données collectées dans le modèle de simulation, exécutez la simulation et obtenez le résultat de la simulation (Figure 7A).
    REMARQUE: Le volume de simulation peut être généré à partir du résultat de la simulation.
  2. Comparez le volume de simulation avec le volume collecté.
    REMARQUE : Calculez la capacité à l’aide de l’équation 1 :
    Equation 1(1)
    où C désigne la capacité idéale (veh/h) et ht désigne l’écart minimal moyen (s).
    REMARQUE : La différence entre le volume collecté et le volume de simulation est appelée erreur moyenne absolue en pourcentage (MAPE), comme le montre l’équation 2 :
    Equation 2(2)
    où n désigne les quatre flux différents dans cette étude, Equation 3 est la capacité simulée dans le modèle de simulation (Veh/h) et Equation 4 est la capacité de l’enquête (Veh/h). Le MAPE calculé est répertorié dans le tableau 2.
    REMARQUE : La précision de la simulation est acceptable lorsque le MAPE est petit.

8. Analyse de sensibilité

REMARQUE : La figure 7B illustre le processus d’analyse de sensibilité. Le processus d’analyse de sensibilité ne reflète que le rendement des données recueillies (tableau 3). Pour comprendre les situations avec différents volumes de trafic dans des scénarios en temps réel, toutes les combinaisons possibles de volumes de trafic sont entrées dans le modèle de simulation pour s’assurer que toutes les situations sont couvertes dans l’analyse du stationnement en bordure de route (figure 8 et tableau 4).

  1. Assurez-vous que les données représentatives contiennent trois groupes de données (c.-à-d. volume W-E, volume E-W et autres paramètres).
  2. Divisez le volume W-E en six catégories, divisez le volume E-W en sept catégories et maintenez les autres paramètres stables dans la simulation.
    REMARQUE: Le volume de trafic W-E était de 150-400 veh/h, avec une augmentation de 50 veh/h pendant l’heure de pointe, et le volume de trafic E-W était de 150-450 veh/h, avec une augmentation de 50 veh/h pendant l’heure de pointe. Le volume maximal de trafic de service d’une voie dans la rue urbaine était de 1 140 veh/h.
  3. Simulez 42 situations et vérifiez l’efficacité dans toutes les situations.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Cet article présente un protocole visant à déterminer l’effet du stationnement en bordure de route sur les véhicules qui passent sur une route urbaine à deux directions et à deux voies grâce à la collecte et à la simulation de données sur la circulation. Une route a été choisie comme site d’étude (figure 1) et un véhicule a été stationné à l’emplacement prévu en bordure de route. Des radars, un dispositif laser en bordure de route et une caméra ont été utilisés pour recueillir la trajectoire, la vitesse, le volume et la composition du type du véhicule afin de déterminer les changements de trajectoire et de vitesse du véhicule sous le stationnement en bordure de route (figures 4 à 6). Un modèle de simulation microscopique a été construit en fonction des caractéristiques géométriques de la route et des résultats de la collecte de données (figure 7). L’analyse de sensibilité a permis de déterminer l’incidence du stationnement en bordure de route sur la longueur maximale des files d’attente, les retards, les émissions et d’autres indicateurs de l’utilisation des véhicules à différents volumes de circulation (figure 8).

La figure 1 montre l’emplacement de collecte des données. La route d’essai était une route à deux voies dans la ville de Xi’an, province du Shaanxi, en Chine. La largeur de la route était de 10 m, la limite de vitesse était de 60 km/h et il n’y avait pas de bande médiane, ce qui représente les conditions typiques du stationnement en bordure de route. La circulation dans les deux sens pouvait circuler facilement, mais ralentissait considérablement en présence d’un véhicule stationné.

La figure 4 montre les trajectoires sous l’influence du stationnement en bordure de route à partir des données mesurées par les radars et le dispositif laser en bordure de route. La figure montre que le véhicule stationné en bordure de route a affecté la trajectoire des véhicules qui passaient sur une longueur de 80 m. Le bleu représente les données radar de l’ouest et l’orange indique les données radar de l’est. La ligne noire du milieu est un ensemble de points, qui est la distribution de position formée par la position verticale des véhicules de passage détectés par le dispositif laser en bordure de route.

Le radar ouest montre les changements de trajectoire. Lorsque les véhicules ont vu la barrière stationnée en bordure de route, ils se sont décalés par rapport à la position normale à partir de 40 m en amont du véhicule stationné.

Le dispositif laser en bordure de route pouvait enregistrer la position latérale et la vitesse de chaque véhicule qui passe. La position latérale variait de 2,3 m à 4,9 m (c.-à-d. les extrémités inférieure et supérieure de la ligne noire médiane de la figure 4). La position moyenne était de 3,3 m. La position ici signifie la position du côté droit des véhicules circulant dans le sens W-E et la position gauche pour les véhicules circulant dans la direction E-W.

Pour le radar est, une tendance similaire à celle du radar ouest a été observée. Les véhicules sont revenus à la position normale environ 40 m après avoir dépassé le véhicule d’essai.

Comme le montre la figure 4, la longueur de l’effet d’un véhicule stationné en bordure de route sur la trajectoire des véhicules qui passaient était de 80 m. Les véhicules qui passaient ont commencé à dévier de leur trajectoire normale à 40 m du centre du véhicule stationné et sont revenus à leur trajectoire normale après 40 m du centre du véhicule stationné (l’emplacement exact est marqué par deux longues lignes noires à la figure 4, et les positions horizontales des deux lignes sont de 60 m et 140 m). À la position du véhicule stationné (c.-à-d. la position avec les coordonnées [100,0] à la figure 4), la distance moyenne entre les véhicules qui passent et le bord extérieur du véhicule stationné était de 3,3 m. Compte tenu de la largeur du véhicule stationné, la distance moyenne entre les véhicules qui passaient et le bord intérieur du véhicule stationné était de 1,3 m. Les distances minimale et maximale entre les véhicules qui passaient et le bord intérieur du véhicule en stationnement étaient respectivement de 0,3 m et 2,9 m, déterminées par l’emplacement initial et les conditions de fonctionnement des véhicules qui passaient. Les véhicules circulant près du trottoir n’avaient pas une grande distance latérale du véhicule stationné lorsqu’ils le dépassaient et passaient même près de celui-ci à faible vitesse en raison de l’influence d’autres véhicules circulant dans la même direction. Lorsque le véhicule qui passait n’était pas dérangé par d’autres véhicules circulant dans la même direction, la largeur de déplacement était plus généreuse. En d’autres termes, la largeur latérale entre le véhicule qui passe et le véhicule stationné en bordure de route était suffisante. Bien entendu, la largeur latérale entre le véhicule qui passe et le véhicule stationné dépend également du comportement de conduite. Par rapport à un conducteur agressif, un conducteur stable est plus susceptible de dépasser un véhicule stationné avec une plus grande largeur latérale.

Les figures 5 et 6 montrent que le stationnement en bordure de route réduit la vitesse des véhicules qui dépassent, la vitesse la plus faible des véhicules qui dépassent étant observée à la position du véhicule stationné (c.-à-d. la position avec une coordonnée horizontale centrale de [100, 0]). La figure 5 montre la vitesse dans la direction E-W. Le trafic se déplace de droite à gauche sur la photo, ce qui indique que la vitesse des véhicules diminue progressivement entre 180 et 120 m. Après avoir passé la position stationnée, la vitesse a été progressivement et uniformément répartie sans augmentation évidente.

Dans la section orange, juste avant la position du véhicule stationné, une vitesse maximale de 54,7 km/h a été atteinte, et c’était la vitesse à laquelle le véhicule passait à une vitesse supérieure à celle du véhicule venant en sens inverse. La vitesse la plus basse était de 0 km/h, et cela s’est produit à la position de stationnement. Avec des valeurs de décalage plus élevées du véhicule dans la direction W-E, ce véhicule occupait plus de largeur de route, et le véhicule dans la direction E-W devait attendre, ce qui signifie que la vitesse de ce dernier véhicule était de 0 km/h.

Dans la zone bleue, après avoir dépassé la position de stationnement, la vitesse du véhicule est restée comprise entre 8 et 35 km/h. Il aurait été difficile pour les voitures d’atteindre des limites de vitesse supérieures plus élevées en raison de l’environnement routier. La limite de vitesse inférieure a légèrement augmenté, passant de 8 km/h à 20 km/h en raison de l’éloignement de la position de stationnement.

La figure 6 montre la vitesse dans la direction W-E, avec des véhicules se déplaçant de gauche à droite dans l’image. Les changements de vitesse dans la direction W-E étaient similaires à ceux dans la direction E-W.

Avant la position de stationnement (c’est-à-dire dans la plage de 0 à 100 m sur la figure), les limites supérieure et inférieure de la vitesse du véhicule dans la direction W-E se rétrécissaient progressivement à partir de la position 20 m. Dans la plage de 0 à 40 m, la limite supérieure a progressivement diminué et était la plus basse à la position 80 m. La limite de vitesse supérieure de 38,6 km/h (position 20 m) est tombée à 29 km/h (position 80 m). La limite inférieure de vitesse est passée de 9,4 km/h (position 10 m) à 10,44 km/h (position 100 m).

La limite de vitesse abaissée avant la position de stationnement. Au cours de l’observation, si un véhicule dans la direction W-E trouvait le véhicule stationné du même côté et qu’il n’y avait pas de véhicules devant lui ou que le véhicule opposé était loin, le véhicule dans la direction W-E avait tendance à accélérer et à se décaler en premier pour occuper une bonne position pour dépasser le véhicule stationné en premier. Ce phénomène est la raison de l’augmentation de la vitesse juste avant la position de stationnement.

En passant la position de stationnement, la plage de vitesse était de 8,2 à 47,7 km/h. La limite de vitesse inférieure a diminué parce que certains conducteurs ont freiné lorsqu’ils ont dépassé le véhicule stationné pour éviter les égratignures. Les rayures se produisent lorsque les véhicules venant dans les deux sens se rencontrent à la place de stationnement, et dans ces cas, les conducteurs tentent d’éviter les rayures en réduisant leur vitesse. Par rapport à la zone bleue, la limite de vitesse a été augmentée de 9,1 km/h. En effet, lorsqu’aucun véhicule ne venait dans la direction opposée, les véhicules dans la direction W-E accéléraient par la position de stationnement après avoir confirmé qu’ils ne rayaient pas le véhicule stationné en bordure de route, conformément aux habitudes de conduite habituelles des conducteurs.

Dans la zone orange, la limite de vitesse inférieure de 7,5 km/h a considérablement augmenté après le dépassement de la position de stationnement. Cela indique que la plupart des véhicules peuvent accélérer jusqu’à la vitesse avant la position de stationnement après s’être éloignés de 10 m de la position de stationnement.

La figure 8 indique les résultats de la simulation de neuf indicateurs qui reflètent l’état opérationnel des véhicules à différents volumes de trafic. Les volumes de trafic dans les directions E-W et W-E ont eu une incidence sur la longueur maximale de la file d’attente (figure 8A), le nombre de véhicules (figure 8B), le retard (figure 8C), le nombre d’arrêts (figure 8D), les émissions de CO (figure 8E), les émissions de NO (figure 8F), les émissions de COV (figure 8G), la consommation de carburant (figure 8H) et le temps de trajet (figure 8I). ) s’alignant sur les données sur le stationnement en bordure de route. L’augmentation du volume de trafic entraîne l’augmentation de toutes les valeurs des indicateurs, mais le degré affecté des différentes valeurs des indicateurs est variable. De plus, le stationnement en bordure de route n’a pas un effet identique sur les véhicules dans les directions E-W et W-E.

Avec l’augmentation du volume de trafic, le degré d’impact du stationnement en bordure de route sur les véhicules dans la direction W-E pour les trois indicateurs de longueur maximale de la file d’attente, de retard et de nombre d’arrêts était nettement plus élevé que celui des véhicules dans la direction E-W. En ce qui concerne les cinq indicateurs liés aux émissions, la consommation de carburant et le temps de trajet, le degré d’impact sur les véhicules dans les directions E-W et W-E était presque le même, mais il était légèrement plus élevé pour les véhicules dans le sens W-E. Après que le volume de trafic a atteint 300-350 veh/h dans les directions W-E et E-W, la tendance à la croissance de la longueur maximale des files d’attente, des retards et du nombre d’arrêts a été nettement plus élevée, l’impact négatif du stationnement en bordure de route sur l’efficacité de la circulation du trafic passant devenant plus grave. Cinq des indicateurs liés aux émissions, la consommation de carburant et le temps de trajet ont changé uniformément avec l’augmentation du volume de trafic dans les deux sens.

Figure 1
Figure 1 : Lieu de collecte des données : une route à deux sens et à deux voies, Dian Zi Yi Road à Xi’an. Coordonnées: 108.932882,34.220774. (A) Un schéma du lieu de l’enquête dans la ville de Xi’an. (B) La ligne rouge représente le segment de collecte de données. Le passage à niveau de la route nord avec la ligne rouge est une rue piétonne avec peu de gens et n’affecte pas cette enquête. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 2
Figure 2 : L’indice de congestion sur 24 heures. Les données du panel proviennent de l’indice de congestion en temps réel à Xi’an le 24 août 202126. Les données indiquent que le pic du matin a eu lieu de 07h00 à 09h00 et le pic du soir a eu lieu de 17h00 à 19h00. La vallée, à l’exception de la fin de la nuit, s’est déroulée de 11h00 à 12h00. Les indices de congestion étaient de 2,25 et 2,66 à 08h00 et 18h00, respectivement. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 3
Figure 3 : Schéma de collecte de données illustré sur une photo prise par un drone à une hauteur de 150 m. L’ombre de l’arbre couvre tout l’équipement, de sorte que des blocs colorés représentent l’équipement. Le véhicule stationné en bordure de route se trouve au milieu et les deux radars sont placés 100 m en amont et 100 m en aval du véhicule stationné. Le radar ouest et le radar est font tous deux face au véhicule stationné. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 4
Figure 4 : Trajectoires entières. Le véhicule d’essai est garé à la position (100,0) dans le panneau. Le bleu représente les données radar ouest, la ligne noire du milieu représente les données du dispositif laser en bordure de route et l’orange représente les données radar est. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 5
Figure 5 : Vitesse est-ouest. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 6
Figure 6 : Vitesse ouest-Est. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 7
Figure 7 : Organigrammes pour le calcul de l’erreur de simulation (MAPE) et l’exécution de l’analyse de sensibilité. (A) Organigramme pour le calcul du MAPE. (B) Organigramme pour l’analyse de sensibilité. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 8
Figure 8 : Analyse de sensibilité. Axe X = volume de trafic E-W, axe Y = volume de trafic W-E et axe Z = valeur de l’indice d’évaluation. (A) Durée maximale de la file d’attente. b) Nombre de véhicules. c) Retard. (D) Nombre d’arrêts. E) Émissions de CO. (F) AUCUNE émission. G) Émissions de COV. h) Consommation de carburant. (I) Durée du trajet. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Article Matin (07:00−08:00) Midi moyen (13:00−14:00) Soir (17:00−18:00)
Direction W-E E–W W-E E–W W-E E–W
Voiture (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
Affirmer. vitesse (km/h) 21.7 24.5 19.4 24.7 18.8 20.5
Vitesse max. (km/h) 47.7 54.7 55.8 56.2 44.6 45.0
Vitesse minimale (km/h) 0 0 0 0 0 0

Tableau 1 : Renseignements sur le véhicule recueillis au cours de l’enquête. Une vitesse minimale de 0 km/h indique que certains véhicules cessent de circuler.

Article Matin (07:00−08:00) Midi moyen (13:00−14:00) Soir (17:00─18:00)
Direction W-E E–W W-E E–W W-E E–W
Capacité d’investissement (veh/h) 316 386 172 153 361 232
Capacité simulée (veh/h) 306 360 174 150 354 216
MAPE individuel (%) 3.2 6.7 1.2 2.0 1.9 6.9
MAPE(%) 5.0 1.6 4.4

Tableau 2 : Résultats de l’étalonnage pour le modèle de simulation. Les résultats d’étalonnage entre le volume de trafic étudié et le volume simulé sont répertoriés dans le tableau. Le MAPE est calculé à l’aide de l’équation 2, et les erreurs entre la capacité simulée et la capacité réelle sont de 5,5 %, 1,6 % et 4,4 % pour les trois groupes de données, qui sont tous petits. Comme l’erreur de capacité totale est inférieure à 15 %, l’erreur du modèle établi se situe dans la plage acceptable et la précision de la simulation est suffisante29.

Article Matin Milieu de midi Soir
(07:00−08:00) (13:00−14:00) (17:00─18:00)
W-E E–W W-E E–W W-E E–W
Longueur maximale de la file d’attente(m) 31.26 34.93 12.00 7.96 34.88 20.40
Nombre de véhicules 306 360 168 150 348 216
Retard(s) 6.47 6.58 3.10 1.74 6.68 4.64
Nombre d’arrêts 0.28 0.52 0.05 0.11 0.24 0.42
Émissions de CO (grammes) 191.790 249.606 89.112 77.820 219.462 135.468
AUCUNE émission (grammes) 37.314 48.564 17.340 15.138 42.702 26.358
Émissions de COV (grammes) 44.448 57.846 20.652 18.036 50.862 31.398
Consommation de carburant (gallon) 2.742 3.570 1.272 1.116 3.138 1.938
Temps(s) de trajet 35.46 29.12 31.92 24.56 35.73 27.25

Tableau 3 : Résultats de simulation avec les données de pointe du matin, les données du milieu de midi et les données de pointe du soir. En tant que données représentatives, le groupe de données de pointe du matin a le volume de trafic et les valeurs d’indicateur les plus élevés. Le groupe de données de trafic du milieu de midi a le volume de trafic et les valeurs d’indicateur les plus faibles.

Article Valeur
Volume E–W (veh/h) 150/200/250/300/350/400/450
Volume W-E (veh/h) 150/200/250/300/350/400
Remarque: Le volume de trafic E-W est compris entre 150 et 450 veh/h avec une augmentation de 50 veh/h. Le volume de trafic W-E est compris entre 150 et 400 veh/h avec une augmentation de 50 veh/h.

Tableau 4 : Paramètres d’entrée pour l’analyse de sensibilité dans la simulation.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

L’effet du stationnement en bordure de route sur les rues urbaines ne peut être ignoré, et le stationnement aléatoire doit être abordé30,31. Un protocole visant à déterminer l’impact du stationnement en bordure de route sur la circulation dans une rue urbaine bidirectionnelle est présenté ici. La collecte de données précise les changements de trajectoire et de vitesse des véhicules qui passent causés par le stationnement en bordure de route. La simulation de la circulation quantifie les indices routiers tels que la longueur maximale de la file d’attente, les retards et les émissions.

Les étapes critiques du protocole sont la collecte de données et la construction du modèle de microsimulation. Le lieu de collecte des données est un segment droit sans intersection, entrée ou sortie. Pour que l’influence soit visible, la route ne peut pas être plus large que 10 m. Une rue d’une largeur de 10 m est propice à l’observation. S’il est plus étroit, le trafic peut être complètement décomposé et, s’il est plus large, l’influence peut ne pas être détectée. Une distance de vision suffisamment longue est également une exigence pour le segment. Lors de l’établissement du modèle de simulation, il convient de prêter attention aux zones à vitesse réduite et aux règles de priorité. Les paramètres pertinents (vitesse et longueur) des zones de vitesse réduite sont fixés sur la base des données représentatives pour refléter l’exploitation réelle de la route. Le comportement des conducteurs peut être mieux reflété en utilisant des règles de priorité plutôt que des zones de conflit. Les règles de priorité sont les mêmes que les données représentatives et sont vérifiées à l’aide des vidéos d’opérations de trafic capturées par la caméra.

En ce qui concerne l’effet du stationnement en bordure de route sur les véhicules qui passent, ce protocole fournit une description précise et réaliste des résultats de l’enquête. Par exemple, les trajectoires des véhicules qui passent sont affectées sur une longueur de 80 m, et la vitesse des véhicules est également affectée négativement. En outre, sous différents volumes de trafic, les résultats de l’analyse de simulation montrent la performance de divers indices qui reflètent l’efficacité de l’exploitation du trafic. L’augmentation du volume de trafic est synchrone avec la croissance des valeurs des indicateurs.

La principale limite de ce protocole est qu’il n’est efficace que pour un seul véhicule stationné sur le bord de la route. La prochaine étape de recherche sera menée pour déterminer l’effet de plusieurs véhicules stationnés au hasard sur le fonctionnement de la circulation.

Il est recommandé que la police de la circulation ajoute de l’équipement de surveillance dans les rues urbaines étroites pour surveiller les véhicules stationnés sur le bord de la route, atténuant ainsi l’impact du stationnement en bordure de route.

Le protocole décrit ici pour évaluer l’effet du stationnement en bordure de route sur une rue urbaine à double sens peut être appliqué pour proposer des mesures de gestion du stationnement en bordure de route raffinées, telles que le temps de stationnement autorisé, l’emplacement de stationnement recommandé et les types de véhicules de stationnement autorisés.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs n’ont rien à divulguer.

Acknowledgments

Les auteurs tiennent à remercier le programme de recherche scientifique financé par le Département provincial de l’éducation du Shaanxi (programme 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

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

Ingénierie numéro 191 Stationnement en bordure de route données sur la circulation retard de la circulation congestion routière transport rue urbaine
Évaluation de l’effet du stationnement en bordure de route sur une rue urbaine à double sens
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