方法文章

评估路侧停车对双向城市道路的影响

DOI：

10.3791/63384

⸱

2023年1月20日

 ,  ,  ,  ,  , 
1Highway Academy, Chang’an University, 2School of Modern Posts (Logistics School) & Institute of Posts, Xi’an University of Posts and Telecommunications

本文内容

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究分析了路边停车对城市道路的影响。整个过程包括交通数据采集、数据处理、运行仿真、仿真校准和敏感性分析。

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

路侧停车是中国常见的交通现象。由于城市道路狭窄、停车需求高以及停车场数量不足，公众被迫在道路两侧随意停车。本文提出了一种用于评估路侧停放车辆对通行车辆影响的实验方案。在本研究中，选取一条双向两车道且一侧有车辆路侧停放的城市道路进行交通数据采集。基于所采集的数据，分析了路侧停放车辆对通行车辆行驶轨迹和速度的影响。此外，通过敏感性分析，应用微观仿真模型进一步评估在不同交通流量下，路侧停车对最大排队长度、延误、排放量及其他指标的影响。结果表明，路侧停放车辆会对通行车辆的行驶轨迹产生约80米范围的影响，并对车速产生负面影响，其中最低车速出现在路侧停放车辆所在位置。敏感性分析结果显示，随着交通流量的增加，各项指标值同步上升。该方案为评估路侧停车对行驶轨迹和速度的影响提供了方法支持，研究成果有助于未来路侧停车的精细化管理。

引言

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

城市化进程的加速伴随着机动车保有量和城市交通流量的显著增长。2021年，中国的汽车保有量达到3.78亿辆，相较于2020年增加了2510万辆1。然而，当前道路容量不足和交通管理技术有限的现状，导致城市交通供需之间的矛盾日益突出，道路交通拥堵问题也逐渐加剧。作为城市交通中最普遍的问题，交通拥堵带来了诸多危害，已引起研究人员的广泛关注2,3,4。交通拥堵不仅延长了出行时间，还加剧了环境污染，增加了能源消耗和污染物排放5,6,7,8。交通拥堵与交通事故发生率之间存在正相关关系9,10。除上述影响外，日益严重的交通拥堵还会削弱居民收入和就业机会11，这一效应与人们的日常生活密切相关，因而成为城市面临的主要问题之一。随着城市的发展，道路拥堵对社会的负面影响将持续增加。

交通拥堵是诸多城市交通问题的综合体现，其中停车问题是主要因素之一。城市人口扩张和机动车数量增加对停车供给造成了压力，导致停车需求尤为突出。在停车系统中，路侧停车在城市交通中十分普遍，是缓解停车供需失衡的重要手段。路侧停车利用道路两侧的空间资源提供停车位，相较于其他停车设施，具有便捷、快速、灵活和节省空间的优势。然而，路侧停车占用了道路资源，其带来的负面影响不容忽视。在发展中国家快速发展的城市中，激增的停车需求导致路侧停车超负荷运行，从而降低了交通安全水平、空气质量以及公共空间的使用效率12。因此，亟需解决路侧停车问题。

路侧停车位可能出现在两种场景中：（1）非机动车道（即在设有独立机动车道与非机动车道的较宽道路上，路侧停车占据最右侧非机动车道的空间）；（2）机动车与非机动车混行的道路，通常为交通流量较小的狭窄道路。由于机动车与非机动车共享道路资源，在第二种场景中，路侧停车常常导致交通运行混乱。然而，大多数现有研究主要集中在第一种场景13,14,15,16,17,18。

当非机动车道内存在路侧停车泊位，且机动车道与非机动车道之间无强制性隔离时，路侧停车会间接导致混合交通。路侧停车泊位显著减小了非机动车道的有效通行宽度，从而增加了非机动车在非机动车道内行驶时占用相邻机动车道的概率，此类行为称为越线行驶16。许多研究探讨了非机动车道内路侧停车对混合交通流的影响。基于元胞自动机模型，Chen 等人13通过分析机动车与非机动车之间的摩擦干扰与拥堵冲突，评估了路侧停车对城市道路异质交通运行的影响13。Chen 等人还提出了一种考虑路侧停车影响的混合交通流道路阻力模型17。此外，部分研究仅关注路侧停车对机动车的影响。Guo 等人提出了一种基于风险持续时间的方法，用于定量分析机动车在路侧停车路段的行驶时间19，结果表明路侧停车对通行时间具有显著影响。

交通仿真是一种常见的研究路侧停车影响的工具。Yang 等人 使用 VISSIM 软件探讨了路侧停车对动态交通（尤其是通行能力）的影响，建立了一个车辆平均延误交通模型，并通过仿真验证了模型的可靠性20。Gao 等人利用相同软件分析了四种交通干扰类型下路侧停车对混合交通流的影响18。Guo 等人采用元胞自动机模型，通过蒙特卡洛仿真在不同情景下分析了路侧停车对车辆交通特性（车道通行能力和车速）的影响21。在 Kerner 的三相交通理论框架下，Hu 等人基于元胞自动机模型分析了临时性路侧停车行为对交通流的影响22。这些研究表明，路侧停车对交通效率具有显著的负面影响。

交通管理部门希望了解路边停放车辆对交通流的影响。这种影响的具体范围和程度对于管理路边停车问题具有重要意义，例如为划定停车位、确定禁停区域以及规范停车时长提供依据。本研究设计了一套方案，用于考察单个路边停放车辆对交通运行的影响。该流程可概括为以下步骤：1）准备设备，2）选择数据采集地点，3）确定调查时间，4）收集数据，5）进行数据分析，6）构建仿真模型，7）校准仿真模型，以及8）开展敏感性分析。若上述八个步骤中任一条件未满足，则该过程不完整，不足以证明其有效性。

访问受限。请登录或开始试用以查看此内容。

方案

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. 仪器设备的准备

  1. 确保所有所需设备均已备齐：雷达、路边激光装置、笔记本电脑、电池、相机、无人机、反光三脚架、相应的电缆以及设备三脚架。

2. 数据采集地点的选择（图1）

  1. 选择数据采集地点。确保所选地点位于双向两车道的道路上。
    注意：地点的选择在本研究中至关重要。两车道宽度便于观察。
  2. 确保该地点没有交叉路口。
    注意：来自第三方向的车辆可能会干扰观测，造成混乱。
  3. 确保道路上除调查人员放置的一辆停放车辆外，无其他障碍物。
    注意：障碍物可能干扰车辆行驶行为，并阻碍雷达探测。
  4. 确保至少有300 m的视距和净空距离。这是雷达探测及调查人员安全的必要条件。
    注意：一台雷达最远可探测200 m。在本研究中，雷达分别位于停放车辆上下游各100 m处。
  5. 确保该路段为直线段。
    ​注意：若路段非直线，则无法判断车辆偏移是否由路侧停车引起。

3. 确定研究时间点

  1. 选择调查时间。总时长至少需要 3 小时，其中包含早晨高峰时段 1 小时、中午时段 1 小时和傍晚高峰时段 1 小时23,24,25。
  2. 从交通研究报告、交警部门或交通企业获取交通流量高峰小时的时间26（图 2）。
  3. 若无交通报告或分析作为参考，可在上述三个时段内分别采集数小时数据，然后选取交通流量最高的小时数据27,28。
  4. 采用交通流量最高的小时数据进行数据分析，并将其作为仿真模型的输入；使用全部 3 小时的数据用于模型验证。
    ​注：所选道路两侧分布有餐馆，餐饮业的高峰时段即为路侧停车需求的高峰时段。交通流量的高峰时段为非餐饮高峰时段，而非餐饮高峰时段同时也是餐饮业的高峰时段。因此，交通流量高峰时段与停车需求高峰时段基本同步。

4. 数据采集（图3）

  1. 将车辆停放在距离路缘约 20 cm 的预定位置，以便放置路侧激光设备。
  2. 将反光三角警示牌放置在车辆后方。不要放置得过远，以确保其不会影响车辆的行驶行为。
    注意：根据《中华人民共和国道路交通安全法》的相关规定，必须使用反光三角警示牌以警示后方车辆或避免发生碰撞。该警示牌应放置在停靠车辆后方一定距离处，以提醒后方车辆前方有停车，从而避免追尾事故。为尽量减少反光三角警示牌对通行车辆行为的影响，其与停靠车辆之间的距离应保持较低，使其对研究结果的影响可忽略不计。
  3. 架设雷达三脚架。将三脚架高度设置为不低于 2 m，以避免信号被遮挡。将雷达固定在三脚架上。调整雷达的垂直角度，并将其朝向停靠的车辆。将雷达数据线连接至笔记本电脑的 USB 接口。
    注意：一台雷达位于停靠车辆上游 100 m 处，另一台位于下游 100 m 处。两台雷达均布置在停靠车辆的同一侧，以采集交通数据。
  4. 打开雷达软件，并执行以下步骤。
    1. 点击 通信检查。选择 串行端口，然后点击 连接。当软件显示 雷达已检测到 后，点击 确认。
    2. 点击 调查设置。依次点击 读取 RLU 时间 和 设置 RLU 时间。点击 清除数据记录，并确认以清空雷达内部存储器。点击 开始调查，然后关闭对话框。
    3. 点击 实时查看 以检查雷达状态，当车辆通过时，交通数据将被自动采集。
  5. 准备路侧激光设备及其数据线。将路侧激光设备的数据线连接至对应端口。再将该数据线连接至笔记本电脑的 USB 接口。
  6. 将路侧激光设备放置在停靠车辆的正中间位置。旋转设备上的四个调节柱，使其水平对准。
    注意：路侧激光设备必须在标准位置下运行。
  7. 打开路侧激光设备软件，并执行以下操作。
    1. 点击 通信检查。选择 RLU 串行端口号，然后点击 连接。当软件显示 检测到新的 RLU 连接 后，点击 确认。
    2. 点击 查看调查。当车辆通过时，交通流量将实时显示。
    3. 点击 调查设置。依次点击 读取 RLU 时间 和 设置 RLU 时间。设置 开始时间 和 结束时间，然后点击 设置任务。当软件显示 RLU 调查设置成功 后，点击 确认。
    4. 点击 完成。点击 设备状态 以查看路侧激光设备的运行状态。
  8. 将摄像机设置在停靠车辆上游约 30 m 处。
    注意：交通数据可通过雷达和路侧激光设备采集。交通运行视频用于数据验证。
  9. 在双车道双向道路（此处为电子一路）上布置所有设备。每 5 分钟检查一次雷达、路侧激光设备和摄像机是否正常工作。
    注意：确保笔记本电脑和摄像机的时间与实际时间同步。在预定时间同时启动两台雷达、路侧激光设备和摄像机。两台相对设置的雷达结合中间的路侧激光设备，可提供受影响交通流的连续轨迹数据。
  10. 结束数据采集，并关闭雷达软件中的实时检查窗口。
    1. 点击 调查设置，选择 结束调查，并确认。关闭对话框。
    2. 选择 数据下载，浏览计算机以选择保存路径，并为文件命名。点击 打开，然后点击 开始下载。点击 确认 以完成雷达数据采集。
  11. 在路侧激光设备软件中点击 设备状态，然后点击 停止任务 以结束数据采集。选择 数据下载，浏览保存路径并输入文件名。点击 打开，再点击 开始下载。点击 确认 以完成路侧激光设备的数据采集。

5. 数据分析

注意：通过数据采集，共获取3小时的数据，包括早高峰、中午时段和晚高峰。摄像头提供回放交通视频，用于手动校准交通流量和车辆类型。选择流量最大的数据组（在本例中为早高峰数据）作为代表小时，用于进行数据分析。

  1. 使用软件采集雷达记录的轨迹和速度数据。
    注意：雷达位于停靠车辆100米外，道路宽度为10米。因此，超出该范围的所有数据点均为雷达误差，应予以删除。
  2. 确保路边激光设备提供停靠车辆位置处的横向偏移值、通过速度、车辆数量及车辆类型。
  3. 利用计算软件将两个雷达和一个路边激光设备提供的完整范围的轨迹和速度数据绘制成代表性数据图（图4-6）。

6. 构建模拟模型

注意：微观仿真模型由交通仿真软件建立。数据采集结果，包括交通量、车速和车型组成，是交通仿真中的关键参数，也是模型构建的基础。仿真中仅需使用具有代表性的数据组。

  1. 道路建设
    1. 打开仿真软件，导入所研究道路路段的背景地图。
    2. 在左侧点击障碍物，右键单击并选择添加新障碍物。输入障碍物的长度和宽度，然后点击确定。拖动光标将障碍物移至道路区域。
      注：“障碍物”指路边停放的车辆，其长度和宽度应根据实际停放车辆的尺寸设定。
    3. 在左侧点击连接线，将光标移至连接线起点，右键单击，选择添加新连接线，输入车道宽度后点击确定。拖动光标在地图上绘制连接线。
    4. 重复步骤6.1.3，构建四段道路。
    5. 按住鼠标右键和键盘上的Ctrl键，将一条连接线的端点拖动至相邻连接线，以连接两者。
      注：该部分称为“连接段”，添加的点越多，连接越平滑。
    6. 重复步骤6.1.5，连接所有连接线。
  2. 期望速度
    1. 从顶部菜单栏选择基础数据，然后选择分布 | 期望速度。
    2. 点击底部的绿色加号添加按钮，添加一个新的期望速度分布并为其命名。
    3. 输入代表性数据中的平均速度和最大速度，作为最小和最大期望速度，并删除默认数据。
    4. 重复步骤6.2.2–6.2.3，建立所有期望速度分布（东向西方向、西向东方向以及降速区域）。
      注：下文中，东向西方向简称为E-W，西向东方向简称为W-E。
  3. 车辆组成
    1. 从顶部菜单栏选择列表，然后选择私人交通 | 车辆组成。
    2. 点击绿色加号添加按钮，添加一个新的车辆组成。
    3. 点击添加按钮，添加两种车辆类型：重型货车（HGVs）和公交车。
    4. 为小汽车、重型货车和公交车选择在步骤6.2中设定的期望速度分布。
    5. 重复步骤6.3.2–6.3.4，建立两个车辆组成（E-W和W-E），并输入代表性数据中的小汽车、重型货车和公交车流量。
  4. 车辆路径
    1. 从左侧菜单栏选择车辆路径。
    2. 将光标移至某连接线的上游位置，右键单击并选择添加新的静态车辆路径决策。
    3. 拖动蓝色光标，根据数据采集中的实际路径在地图上绘制车辆行驶路线。
  5. 降速区域
    1. 从左侧菜单栏选择降速区域。
    2. 在停车位置上游区域右键单击，选择添加新降速区域。
      注：该区域的长度取决于数据分析结果。
    3. 在屏幕边缘右键单击，选择添加，并选择在步骤6.2中设定的期望速度作为该降速区域的区域速度。
    4. 重复步骤6.5.2–6.5.3，设置所有降速区域。
  6. 优先通行规则
    1. 从左侧菜单栏选择优先通行规则。
    2. 在W-E方向停放车辆上游的降速区域右键单击，选择添加新优先通行规则，输入最小车头时距和净空距离。
    3. 重复步骤6.6.2，设置E-W方向停放车辆下游的优先通行规则。
      注：优先通行规则的设定取决于数据采集所反映的实际交通运行状况。
  7. 车辆行程时间
    1. 在左侧选择车辆行程时间。
    2. 在某连接线起点处右键单击，选择添加新车辆行程时间测量。
    3. 拖动光标至连接线终点，建立车辆行程时间测量。
    4. 对所有车辆路径重复步骤6.7.3。
  8. 车辆输入
    1. 在左侧选择车辆输入，在连接线起点处右键单击，选择添加新车辆输入。
    2. 将鼠标移至左下角，输入代表性数据中的交通量。
    3. 对所有连接线重复步骤6.8.1–6.8.2。
  9. 节点
    1. 在左侧选择节点，右键单击选择添加新节点，然后点击确定。
    2. 左键单击并移动鼠标，调整合适的节点范围。
      注：节点范围与仿真结果相关，取决于道路段的几何结构。
  10. 点击仿真界面顶部的评估，选择结果列表，然后点击节点结果和车辆行程时间结果。
  11. 点击顶部的蓝色播放按钮启动仿真，点击设备按钮快速模式以最大化仿真速度。
  12. 仿真结束后，界面底部将显示节点结果和车辆行程时间结果，包括最大排队长度、停车次数、延误、车辆数、燃油消耗、CO排放、NO排放、VOC排放以及行程时间。

7. 模拟模型校准

注意：本研究中的交通观测结果显示，早高峰时段的数据量最大，但为全面验证并充分说明仿真模型的可靠性，对三组数据均进行了模拟。

  1. 将采集的数据输入仿真模型，运行仿真并获得仿真结果（图7A）。
    注意：仿真体积可由仿真结果生成。
  2. 比较仿真体积与采集体积。
    注意：使用公式1计算容量：
    C=3600/ht 公式；水力传导方程；用于流体动力学计算。     (1)
    其中 C 表示理想容量（veh/h），ht  表示平均最小车头时距（s）。
    注意：采集体积与仿真体积之间的差异称为平均绝对百分比误差（MAPE），如公式2所示：
    统计分析中平均绝对百分比误差（MAPE）的数学公式。      (2)
    其中 n 表示本研究中的四种不同流量，静力平衡方程图示；ΣFx=0, MA=0；简洁的平衡分析 表示仿真模型中模拟的容量（veh/h），浓度比方程公式，化学分析，科学研究方法。 表示实测调查容量（veh/h）。计算得到的 MAPE 列于表2中。
    注意：当 MAPE 较小时，仿真精度可接受。

8. 敏感性分析

注意：图7B展示了敏感性分析过程。敏感性分析过程仅反映所收集数据的性能（表3）。为了理解实时场景中不同交通流量的情况，将所有可能的交通流量组合输入仿真模型，以确保路边停车分析涵盖所有情况（图8和表4）。

  1. 确保代表性数据包含三组数据（即西向东车流量、东向西车流量及其他参数）。
  2. 将西向东车流量分为六类，将东向西车流量分为七类，并在模拟中保持其他参数稳定。
    注意：西向东交通流量为150–400辆/小时，高峰时段每小时增加50辆；东向西交通流量为150–450辆/小时，高峰时段每小时增加50辆。城市道路单条车道的最大服务交通流量为1,140辆/小时。
  3. 模拟42种情况，并验证所有情况下的有效性。

访问受限。请登录或开始试用以查看此内容。

结果

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本文提出了一种通过交通数据采集与仿真，评估路侧停车对双向两车道城市道路上通行车辆影响的实验方案。选取一条道路作为研究路段（图1），并在规划的路侧位置停放一辆车辆。利用雷达、路侧激光设备和摄像机采集车辆轨迹、速度、交通量及车型组成等数据，以分析路侧停车条件下车辆轨迹与速度的变化情况（图4–6）。基于道路几何特征及数据采集结果，构建了微观交通仿真模型（图7）。通过敏感性分析，研究了在不同交通量条件下，路侧停车对车辆运行的最大排队长度、延误、排放量等指标的影响（图8）。

图1 显示了数据采集位置。测试道路位于中国陕西省西安市，为双向两车道道路。道路宽度为10 m，限速60 km/h，无中央隔离带，代表了典型的路边停车环境。双向交通可顺畅通行，但在存在停放车辆时...

访问受限。请登录或开始试用以查看此内容。

讨论

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

路边停车对城市道路的影响不容忽视，无序停车问题亟需解决30,31。本文提出了一种用于评估路边停车对双向城市道路交通流影响的实验方案。数据采集部分明确了路边停车所引起的通行车辆轨迹及速度变化。交通仿真则对最大排队长度、延误和排放等道路指标进行量化分析。

该方案中的关键步骤是数据采集和微观仿真模型构建。数据采集地点应为无交叉口、出入口的直线路段。为确保影响可见，道路宽度不得超过10 m；宽度为10 m的街道适合进行观测。若道路过窄，交通可能完全中断；若过宽，则可能无法检测到影响。该路段还需具备足够长的视距。在建立仿真模型时，应注意减速区域和优先通行规则的设置。减速区域的相关参数（速度和长度）应根据代表性数据设定，以反映实际道路运行状况。使用优先通行规则而非冲突区域，能更好地反映驾驶员行为。优先通行规则应与代表性数据一致，并通过摄像头拍摄的交通运行视频进行验证。

关于路侧停车对通行车辆的影响，本方案对研究结果提供了具...

访问受限。请登录或开始试用以查看此内容。

披露

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者无任何利益冲突需要披露。

致谢

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者感谢陕西省教育厅科学研究计划项目（项目编号：21JK0908）的资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
电池Shenzhen Saiqi Innovation Technology Co., LtdLPB-568S
雷达用电缆BEIJING AOZER TECH & DEVELOPMENT CO.,LTD
路边激光设备用电缆MicroSense
摄像机Sony Group CorpHDR-CS680
摄像机三脚架Sony Group Corp
无人机SZ DJI Technology Co.,Ltd.DA2SUE1
笔记本电脑DellC2H2L82
雷达BEIJING AOZER TECH & DEVELOPMENT CO.,LTDCADS-0037
雷达三脚架BEIJING AOZER TECH & DEVELOPMENT CO.,LTD
反射式三脚架Beijing Shunan liandun Technology Co., Ltd
路边激光设备MicroSense

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

相关文章