Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Methodenartikel

Auswertung eines exklusiven Spur Deich-U-Turn-Designs mit Radar-collected Data und Simulation

18.3K Ansichten

⸱

DOI:

10.3791/60675

⸱

1. Februar 2020

 ,  ,  ,  ,  ,  ,  , 
1Highway Academy, Chang'an University, 2Human Resource Department, Xi'an Shiyou University, 3Cockrell School of Engineering, University of Texas at Austin, 4Department of Earth and Atmospheric Science, University of Houston, 5School of Foreign Languages, Xi'an Shiyou University

In diesem Artikel

Zusammenfassung

Dieses Protokoll beschreibt den Prozess der Lösung eines mikroskopischen Verkehrsproblems mit Simulation. Der gesamte Prozess enthält eine detaillierte Beschreibung der Datensammlung, Datenanalyse, Simulationsmodellerstellung, Simulationskalibrierung und sensible Analyse. Änderungen und Fehlerbehebung enden ebenfalls.

Zusammenfassung

Herkömmliche Kehrtwende-Designs können die betriebsbereiten Funktionen natürlich verbessern, während Umleitungen und Zusammenführungssegmente immer noch zu Verkehrsstaus, Konflikten und Verzögerungen führen. Hier wird ein exklusiver Spurdeich-U-Turn-Spur-Design (ESUL) vorgeschlagen, um die Nachteile traditioneller Kehrtwende-Designs zu lösen. Um die Betriebsleistung von ESUL zu bewerten, ist ein Verkehrssimulationsprotokoll erforderlich. Der gesamte Simulationsprozess umfasst fünf Schritte: Datenerfassung, Datenanalyse, Simulationsmodellerstellung, Simulationskalibrierung und sensible Analyse. Datenerfassung und Simulationsmodellerstellung sind zwei wichtige Schritte und werden später ausführlicher beschrieben. Drei Indizes (Fahrzeit, Verzögerung und Anzahl der Stopps) werden häufig in der Auswertung verwendet, und andere Parameter können aus der Simulation entsprechend den experimentellen Bedürfnissen gemessen werden. Die Ergebnisse zeigen, dass die ESUL die Nachteile traditioneller Kehrtwende-Designs deutlich verringert. Die Simulation kann angewendet werden, um mikroskopische Verkehrsprobleme zu lösen, z. B. in einzelnen oder mehreren angrenzenden Kreuzungen oder kurzen Segmenten. Diese Methode eignet sich nicht für größere Straßennetze oder Auswertungen ohne Datenerhebung.

Einleitung

Einige Verkehrsprobleme, wie Verkehrsstaus an einer Kreuzung oder einem kurzen Segment, können gelöst oder verbessert werden, indem die Straßengestaltung optimiert, die Signalzeitänderung, Verkehrsmanagementmessungen und andere Verkehrstechnologien1,2,3,4geändert werden. Diese Verbesserungen wirken sich im Vergleich zu den ursprünglichen Situationen entweder positiv oder negativ auf den Verkehrsflussausfluss aus. Die Änderungen im Verkehrsbetrieb können in der Verkehrssimulationssoftware und nicht in der tatsächlichen Rekonstruktion der Kreuzung oder des Segments verglichen werden. Die Verkehrssimulationsmethode ist eine schnelle und kostengünstige Option, wenn ein oder mehrere Verbesserungspläne vorgeschlagen werden, insbesondere beim Vergleich verschiedener Verbesserungspläne oder beim Bewerten der Wirksamkeit von Verbesserungen. Dieser Artikel stellt den Prozess der Lösung eines Verkehrsproblems mit Simulation durch die Bewertung der Verkehrsfluss-Betriebsmerkmale eines exklusiven Spurdeich U-Turn-Spur-Design5.

Die Kehrtwende ist eine weitverbreitete Verkehrsforderung, die eine Kehrtwende auf der Straße erfordert, aber dies wurde diskutiert. Das Entwerfen einer Kehrtwende kann zu Staus führen, während die Sperrung der U-Turn-Öffnung zu Umwegen für die U-Turn-Fahrzeuge führen kann. Zwei Bewegungen, U-Turn-Fahrzeuge und direkte Linksabbiegerfahrzeuge, erfordern eine Kehrtwende und verursachen Verkehrsverzögerungen, Stopps oder sogar Unfälle. Einige Technologien wurden vorgeschlagen, um die Nachteile von U-Turn-Bewegungen zu lösen, wie Signalisierung6,7, exklusive Linksabbiegespuren8,9und autonome Fahrzeuge10,11. Verbesserungspotenzial besteht immer noch bei U-Turn-Problemen, da die oben genannten Lösungen restriktive Anwendungen haben. Ein neues U-Turn-Design kann unter bestimmten Bedingungen eine bessere Lösung sein und in der Lage sein, bestehende Probleme zu lösen.

Das beliebteste U-Turn-Design ist der mittlere U-Turn-Schnittpunkt (MUTI)12,13,14,15, wie in Abbildung 1dargestellt. Eine wesentliche Einschränkung der MUTI besteht darin, dass sie keine U-Turn-Fahrzeuge von vorbeifahrenden Fahrzeugen unterscheiden kann und dass es immer noch einen Verkehrskonflikt gibt16,17. Ein modifiziertes U-Turn-Design, die exklusive Spurdeich-U-Turn-Spur (ESUL; Abbildung 2) wird hier vorgeschlagen und zielt darauf ab, die Verkehrsüberlastung durch die Einführung einer exklusiven Kehrtwende auf beiden Seiten eines Medians zu verringern. Das ESUL kann die Fahrzeit, Verspätungen und die Anzahl der Stopps aufgrund seiner Kanalisierung der beiden Strömungen erheblich reduzieren.

Um zu beweisen, dass die ESUL effizienter ist als die normale MUTI, ist ein strenges Protokoll erforderlich. Die ESUL kann nicht vor einem theoretischen Modell tatsächlich erstellt werden; daher ist eine Simulation erforderlich18. Unter Verwendung von Verkehrsflussparametern wurden einige Schlüsselmodelle in der Simulationsforschung19verwendet, wie z. B. Fahrverhaltensmodelle20,21, Auto nach den Modellen22,23, U-Turn-Modelle4und Spurwechselmodelle21. Die Genauigkeit von Verkehrsflusssimulationen ist weithin akzeptiert16,24. In dieser Studie werden sowohl MUTI als auch ESUL mit gesammelten Daten simuliert, um die vom ESUL vorgenommenen Verbesserungen zu vergleichen. Um die Genauigkeit zu gewährleisten, wird auch eine sensible Analyse des ESUL simuliert, die für viele unterschiedliche Verkehrssituationen gelten kann.

Dieses Protokoll stellt experimentelle Verfahren zur Lösung realer Verkehrsprobleme vor. Es werden Methoden für die Erhebung von Verkehrsdaten, die Datenanalyse und die Analyse der Gesamteffizienz von Verkehrsverbesserungen vorgeschlagen. Das Verfahren kann in fünf Schritten zusammengefasst werden: 1) Verkehrsdatenerfassung, 2) Datenanalyse, 3) Simulationsmodellbuild, 4) Kalibrierung des Simulationsmodells und 5) Sensitivitätsanalyse der Betriebsleistung. Wenn eine dieser Anforderungen in den fünf Schritten nicht erfüllt ist, ist der Prozess unvollständig und nicht ausreichend, um die Wirksamkeit nachzuweisen.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

1. Vorbereitung der Ausrüstung

  1. Bereiten Sie zwei der folgenden Geräte vor, um Zwei-Richtung-Verkehrsströme zu sammeln: Radare, Laptops, Batterien und Kabel für Radare und Laptops, Kameras sowie Radar- und Kamerastative.
    HINWEIS: Das Radar und die entsprechende Software werden verwendet, um Fahrzeuggeschwindigkeit und Flugbahn zu erfassen, und dies ist genauer als ein Geschwindigkeitsgeschütz. Das Radar ist nicht die einzige Wahl, wenn andere Geräte zur Erfassung von Fahrzeuggeschwindigkeit, Flugbahn und Volumen zur Verfügung stehen. Da Radarsignale leicht von großen Fahrzeugen blockiert werden können, können Videos, die von Kameras aufgenommen wurden, für die Fahrzeugzählung verwendet werden. Während der Untersuchung, wenn das Wetter regnerisch oder sonnig ist, ist schutzweise die Ausrüstung erforderlich. Gerade an einem sonnigen Tag kann das Gerät eine hohe Temperatur erreichen und abgeschaltet werden, so dass ein Regenschirm oder Kühlgeräte für diese Situation benötigt wird.

2. Prüfung der Ausrüstung

  1. Stellen Sie sicher, dass alle Ermittler reflektierende Westen tragen.
  2. Bereiten Sie das Radarstativ vor und verlängern Sie es so hoch wie möglich. Stellen Sie das Stativ höher als 2 m ein, um zu vermeiden, dass Signale am Straßenrand blockiert werden.
  3. Installieren Sie das Radar auf dem Stativ und sperren Sie das Radar.
  4. Stellen Sie das Radar etwa 0,5 m am Straßenrand ein, stellen Sie das Radar vertikal ein und stellen Sie sich der Fahrzeugrichtung oder entgegengesetzten Richtung. Halten Sie den Winkel zwischen Straße und Radar so klein wie möglich.
    HINWEIS: Das Radar kann höchstens 200 m erkennen. Wenn das Radar zu nah an der Fahrspur eingestellt ist, kann es über die vorbeifahrenden Fahrzeuge wehen. Somit ist der übliche Abstand zur Fahrspur 0,5 bis 1,0 m.
  5. Schalten Sie die Batterie ein und schließen Sie den Laptop an den Akku an. Schließen Sie das Radarnetzkabel an und schließen Sie die Radardaten USB an den Laptop an. Wenn alle Kabel angeschlossen sind, schalten Sie den Laptop ein.
  6. Stellen Sie die Kamera neben das Radar ein, um den Fahrzeugfluss zu fotografieren.
  7. Öffnen der Radarsoftware
    1. Klicken Sie auf Kommunikationsprüfung, und wählen Sie dann die Radar-ID-Nummer aus der Dropdown-Liste aus. Es wird Radar Detected mit einer ID-Nummer angezeigt.
    2. Klicken Sie auf Untersuchungseinrichtung. Klicken Sie im Popup-Menü auf RLU-Zeit lesen, und die Gerätezeit auf der linken Seite ändert sich. Klicken Sie dann auf RLU-Zeit einrichten, und die aktuelle PC-Zeit auf der linken Seite ändert sich ebenfalls.
    3. Klicken Sie auf Untersuchung starten, und der Betriebsstatus des Geräts ändert sich von der Datenaufzeichnung wird nicht fortgesetzt, und keine Daten im Gerät zu Datenaufzeichnung in fortfahren und Daten in Gerät. Klicken Sie auf Schließen, um dieses Dialogfeld zu schließen.
    4. Klicken Sie auf die Echtzeitansicht, um den Radarstatus zu überprüfen. Ein neues Dialogfeld wird angezeigt, und die Radardaten werden schnell gerollt. Das bedeutet, dass das Radar die Fahrzeuge erkennt und gut funktioniert. Halten Sie dieses Dialogfeld geöffnet, bis die Auflistung abgeschlossen ist.
      HINWEIS: Das Fahrzeug kann vom Radar erfasst werden, wenn es das Radar passiert.
    5. Klicken Sie im Dialogfeld schließen, um die Sammlung abzuschließen.
    6. Klicken Sie auf Investigation-Setup | Beenden Siedie Untersuchung , und bestätigen Sie im Dialogfeld. Klicken Sie auf die Schaltfläche Schließen.
    7. Wählen Sie Datendownload im Hauptmenü aus. Klicken Sie auf Durchsuchen, um einen Ort zum Speichern der Radardaten auszuwählen. Geben Sie einen individuellen Namen für die Kalkulationstabelle ein. Klicken Sie auf die Schaltfläche Download starten, eine Statusleiste wird angezeigt, und nach dem Herunterladen wird ein Dialogfeld angezeigt. Klicken Sie auf Bestätigen, um die Datensammlung abzuschließen.
    8. Klicken Sie auf Investigation-Setup | Löschen Sieden Datensatz , und bestätigen Sie ihn im nächsten Dialogfeld, um den internen Speicher des Radars zu löschen.
      HINWEIS: Vor der Abreise zum Datenerfassungsort ist ein Test aller Geräte erforderlich. Verschieben Sie alle Geräte an den Speicherort der Datenerfassung, wenn alle Teile gut funktionieren.

3. Datenerhebung

  1. Auswahl des Speicherorts der Datensammlung (Abbildung 3)
    1. Wählen Sie eine geeignete Position aus, die dem schnittpunktgroßen Typ ähnelt, der in der Forschung verwendet wird.
      HINWEIS: Dies ist die wichtigste Anforderung bei der Standortauswahl. Die Form des Standorts, die Verkehrsflusssituation, die Ampelsteuerung und andere Kontrollen sind alle erforderlich. Je ähnlicher die Studienseite, desto genauer die Ergebnisse. Eine Kehrtwende mediane Öffnung auf der Autobahn ist erforderlich. Es ist eine ausreichend lange Sicht- und Räumstrecke erforderlich, die für Radar und Sicherheit für die Ermittler notwendig ist. Basierend auf der Erfassungsentfernung des Radars und der Bremsstrecke des Fahrzeugs sollte die Sichtlinie mindestens 200 m von der Position in eine vorgelagerte Richtung betragen.
    2. Überprüfen Sie die Abfertigung der Radarrichtung. Stellen Sie sicher, dass keine Bäume, Sträucher, Fußgängerbrücken, Verkehrszeichen oder Straßenlaternen in Sicht sind.
    3. Stellen Sie sicher, dass der Standort ein sicherer Ort für die Ausrüstung und die Ermittler ist. Ob die Ausrüstung am Straßenrand oder oberhalb der Straße aufgestellt ist, hängt vom Gelände ab.
    4. Platzieren Sie die Ausrüstung an einem abgelegenen Ort, um die Aufmerksamkeit des Fahrers nicht zu gewinnen.
      HINWEIS: Nach früheren Erfahrungen können einige Fahrer langsamer werden, wenn sie die Untersuchungsausrüstung sehen, was zu Fehlern führt. Die Datenerfassungsgeräte können als Messinstrument für die Verkehrspolizei zur Messung der Geschwindigkeit von Fahrzeugen angesehen werden.
  2. Erhebung von Verkehrsdaten
    1. Wählen Sie die Sammlungszeit aus.
      1. Sammeln Sie 3 h Daten: 1 h in der Morgenspitze, 1 h am Mittag Tal und 1 h am Abend Spitze.
      2. Überprüfen Sie die genaue Spitzen- und Talzeit aus dem Verkehrsforschungsbericht, der Verkehrspolizei oder den Verkehrsunternehmen25,26 (Abbildung 4).
        HINWEIS: Wenn kein Verkehrsbericht oder keine Analyse als Referenz vorhanden ist, sammeln Sie 3 h Daten während der drei oben genannten Zeiträume, und wählen Sie die höchsten Daten aus.
      3. Geben Sie die Daten mit dem höchsten Verkehrsaufkommen über einen Zeitraum von 1 h in den Simulationsmodell- und Analyseabschnitt ein. Verwenden Sie die restlichen 2 h Daten für die Überprüfung am Ende.
    2. Einrichtung der Ausrüstung
      1. Passen Sie die Radarrichtung an, und stellen Sie die Kamera neben das Radar ein, wo sie alle Fahrspuren erfassen kann. Wiederholen Sie den Vorgang der Installation aller Geräte in Abschnitt 2 auf der Fußgängerbrücke.
        HINWEIS: Die Freiraumung vor dem Radar sollte so lang und breit wie möglich sein, um den gesamten Bereich der U-Turn-Bewegungen abzudecken. Das EW-Radar (Ost nach West) zeigt sich dem Verkehrsfluss, und das WIR-Radar (West-Ost) zeigt aufgrund der Straßenausrichtung den Fahrzeugschwänzen entgegen (Abbildung 5). Es gibt keine Unterschiede zwischen den Ergebnissen der Einrichtung der Ausrüstung auf der inneren und äußeren Seite der Fahrspuren. Die innere oder äußere Seite der Radarposition wirkt sich nur auf das Koordinatensystem der Flugbahnfiguren mit Radardaten aus. Wenn das Radar dem Verkehrsfluss ausgesetzt ist, ist die erkannte Laufgeschwindigkeit negativ und muss während der Datenverarbeitung umgekehrt werden. Wenn das Radar dem Verkehrsfluss ausgesetzt ist, ist die ermittelte Laufgeschwindigkeit positiv und kann direkt verwendet werden.
      2. Stellen Sie die Radare und Kameras so ein, dass sie etwas höher sind als die Brückengeländer, um die Freiraumung vor den Radaren und Kameras zu gewährleisten.
        HINWEIS: Es ist nicht notwendig, dass die Radare so hoch sind wie die Siedlung am Straßenrand.
    3. Stellen Sie sicher, dass das Timing der Radare, Laptops und Kameras mit der Echtzeit übereinstimmt.
    4. Starten Sie zwei Radare und Kameras gleichzeitig, um die Zeit zu planen.
    5. Prüfen Sie, ob die Radare und Kameras während der Datenerfassung alle 5 min normal funktionieren, um sicherzustellen, dass alle Teile gut funktionieren.
    6. Beenden Sie die Datenerfassung und geben Sie die Radardaten als Kalkulationstabelle mit einem identifizierten Namen aus (Tabelle 1).

4. Datenanalyse

  1. Mit Berechnungssoftware, um die Radardaten zu extrahieren und Betriebsgeschwindigkeit und Flugbahnen Zahlen aus der Tabelle zu zeichnen.
    HINWEIS: X/Y-Koordinaten und X/Y-Geschwindigkeit befinden sich in der Kalkulationstabelle.
  2. Löschen Sie offensichtlich diskrete Punkte in den Zahlen. Diese Punkte sind Radarfehler.
    HINWEIS: Das Radar erkennt eine große Reichweite, so dass die Daten Zielfahrzeuge, gegensätzliche Fahrzeuge und nicht motorische Fahrzeuge auf nicht-motorischen Fahrzeugspuren enthalten können. Bei der Darstellung aller Daten als Zahlen sind die dreispurigen Zielfahrzeuge offensichtlich, und die übrigen Punkte sind "offensichtlich diskrete Punkte". Die Erfassungsbereiche sind gerade in Abbildung 3, die Breite der drei Bahnen ist bekannt, und die "offensichtlich diskreten Punkte" können in der Software gelöscht werden. Zeichnen Sie die erforderlichen Punkte, wie in Abbildung 6b,ddargestellt.
  3. Wiederholen Sie die Verkehrsvideos und zählen Sie manuell, um das Datenverkehrsvolumen und die -typen zu erhalten.
    HINWEIS: Fahrzeuge können je nach Größe in Autos und Lastwagen unterteilt werden. Alle Autos, Taxis und Kleinlaster im Umkreis von 6 m werden hier als Autos klassifiziert. Alle großen LkWs und Busse werden als LKWs klassifiziert.
  4. Wählen Sie die Gruppe mit dem höchsten Verkehrsvolumen als repräsentative Daten aus und geben Sie sie in die in Abschnitt 5 beschriebene Simulation ein.
    HINWEIS: Für die Simulations- und Sensitivitätsanalyse wird nur eine Gruppe von Daten benötigt. Daten aus den beiden anderen Gruppen werden als Überprüfung simuliert.

5. Erstellen des Simulationsmodells

  1. Bau der Straße
    1. Öffnen Sie die Simulationssoftware. Klicken Sie oben auf der Benutzeroberfläche auf Die Schaltfläche Karte, und zoomen Sie in die Karte, um den Speicherort der Datensammlung zu finden.
    2. Klicken Sie auf Links auf der linken Seite, bewegen Sie dann den Cursor an die Startposition des Links, und klicken Sie mit der rechten Maustaste. Wählen Sie Neue Verknüpfung hinzufügen, geben Sie den Linknamen und die Anzahl der Fahrspuren ein, und klicken Sie auf OK. Ziehen Sie den Cursor, um die Verknüpfung auf der Karte zu zeichnen.
    3. Klicken Sie mit der rechten Maustaste auf den Link, und wählen Sie Punkt hinzufügenaus. Fügen Sie Punkte hinzu und ziehen Sie Punkte, um die Verknüpfung mit einer echten Straßenausrichtung in der Karte zu glätten.
    4. Wiederholen Sie die Schritte 5.1.2 und 5.1.3 3x, um vier Segmente zu erstellen, mit Ausnahme der Drehung des Medians.
    5. Halten Sie die rechte Maustaste und die Strg-Taste auf der Tastatur gedrückt, und ziehen Sie dann den Endpunkt eines Links auf den angrenzenden Link, um die Links zu verbinden. Dieser Teil wird als "Connector" bezeichnet und kann glatter sein, wenn mehr Punkte hinzugefügt werden.
    6. Wiederholen Sie Schritt 5.1.5, um alle Verbindungen und U-Turn-Routen zu verbinden.
  2. Eingabe der gewünschten Geschwindigkeit
    1. Wählen Sie Basisdaten aus der oberen Leiste und dann Verteilungen | Gewünschte Geschwindigkeit.
    2. Klicken Sie unten auf die Schaltfläche "Hinzufügen", um eine neue gewünschte Geschwindigkeit hinzuzufügen, und benennen Sie sie.
    3. Geben Sie im Dialogfeld Desired Speed Distributions die maximale Geschwindigkeit ein, die aus den repräsentativen Daten als maximale gewünschte Geschwindigkeit erfasst wird, und geben Sie dann die aus den repräsentativen Daten berechnete Durchschnittsgeschwindigkeit als gewünschte Mindestgeschwindigkeit ein. Löschen Sie die Standarddaten.
    4. Geben Sie einen Namen für diese gewünschte Geschwindigkeit ein, der normalerweise mit einer Richtung benannt wird.
    5. Wiederholen Sie die Schritte 5.2.3 und 5.2.4, um alle gewünschten Geschwindigkeiten (WE, EW, WW U-Turn und EE U-Turn) zu erstellen.
  3. Fahrzeugzusammensetzung
    1. Wählen Sie die Schaltfläche Listen in der oberen Leiste aus, und klicken Sie dann auf Privater Transport | Fahrzeugzusammensetzungen.
    2. Klicken Sie unten auf die Schaltfläche "Grünkreuz Hinzufügen", um eine neue Fahrzeugzusammensetzung hinzuzufügen. Wählen Sie die gewünschte Geschwindigkeit in Schritt 5.2 als Autogebaut.
    3. Klicken Sie auf die Schaltfläche "Green-Cross Hinzufügen", um den Fahrzeugtyp Bus/LKW als Lkwhinzuzufügen. Wählen Sie die gewünschte Geschwindigkeit wie in Schritt 5.3.2.
    4. Geben Sie die Anzahl der Pkw und LKW bei RelFlow aus den repräsentativen Daten ein.
    5. Wiederholen Sie die Schritte 5.3.2-5.3.5, um alle Fahrzeugzusammensetzungen (WE, EW, WW U-turn und EE U-Turn) zu erstellen.
  4. Fahrzeugrouten
    1. Wählen Sie Fahrzeugroute in der linken Menüleiste aus.
    2. Bewegen Sie den Cursor in den Vorstrom eines Links als Startpunkt, klicken Sie mit der rechten Maustaste, und wählen Sie dann Neue statische Fahrzeugroutingentscheidung hinzufügenaus.
    3. Ziehen Sie den blauen Cursor, der die Fahrzeugrouten in der Datenerfassung darstellt. Wiederholen Sie diesen Schritt 4x in WE, EW, WW U-Turn und EE U-Turn, um alle Fahrzeugrouten zu zeichnen.
  5. Reduzierte Geschwindigkeitsbereiche
    1. Wählen Sie in der linken Menüleiste reduzierte Geschwindigkeitsbereiche aus.
    2. Klicken Sie mit der rechten Maustaste auf den Vorlauf der U-Turn-Öffnung, und wählen Sie dann Neue reduzierte Geschwindigkeitsbereichhinzufügen aus.
      HINWEIS: Die Länge des Bereichs hängt von den repräsentativen Daten und der Geschwindigkeitsänderungslänge ab.
    3. Bauen Sie diesen Bereich in beide Richtungen.
  6. Konfliktgebiete
    1. Wählen Sie Konfliktbereiche in der linken Menüleiste aus. Vier gelbe Konfliktbereiche werden im mittleren Öffnungsbereich angezeigt.
    2. Klicken Sie mit der rechten Maustaste auf einen gelben Konfliktbereich, und wählen Sie Status auf Unbestimmt festlegen aus, wenn die realistische Situation und Konfliktgebiete rot werden.
    3. Wiederholen Sie Schritt 5.6.2 für alle vier Konfliktgebiete.
  7. Fahrzeitmessung
    1. Wählen Sie Fahrzeugreisezeiten in der linken Menüleiste aus.
    2. Klicken Sie mit der rechten Maustaste auf den Anfang eines Links und wählen Sie Neue Fahrzeugreisezeitmessung hinzufügenaus.
    3. Ziehen Sie den Cursor an das Ende des Links, um die Fahrzeitmessung für ein Fahrzeug zu erstellen. Wiederholen Sie diesen Schritt für alle Fahrzeugrouten (WE, EW, WW U-Turn und EE U-Turn).
    4. Benennen Sie jede Fahrzeitmessung mit der entsprechenden Richtung.
      ANMERKUNG: Um die Betriebssituationen mit Verbesserungsentwürfen zu vergleichen, muss die Länge der Fahrzeitmessungen in beiden Simulationsmodellen gleich sein.
  8. Fahrzeugeingang
    1. Wählen Sie Fahrzeugeingänge in der linken Menüleiste aus. Klicken Sie auf den Startpunkt eines Links und klicken Sie mit der rechten Maustaste, um neue Fahrzeugeingaben hinzuzufügen.
    2. Bewegen Sie die Maus nach links unten und geben Sie das Volumen aus repräsentativen Daten ein. Wiederholen Sie diesen Schritt für alle Links.
  9. Erstellen Sie ein weiteres ESUL-Simulationsmodell als Vergleich, nur das U-Turn-Öffnungsteil muss geändert werden (Abbildung 7 und Tabelle 2).
  10. Klicken Sie auf die blaue Wiedergabeschaltfläche oben auf der Benutzeroberfläche, und die Simulation wird gestartet. Ziehen Sie die Skala links von der Wiedergabetaste, wodurch die Simulationsgeschwindigkeit angepasst werden kann.
    HINWEIS: Der Instrumententaste Schnellmodus kann die Simulationsgeschwindigkeit auf das Maximum bringen.
  11. Wenn die Simulation endet, werden alle Ergebnisse am unteren Rand der Schnittstelle angezeigt. Kopieren Sie die Ergebnisse in eine neue Kalkulationstabelle. Hierwerden werden Fahrzeit, Verspätung und die Anzahl der Stopps in der Analyse27ausgewertet.

6. Simulationsmodellkalibrierung

  1. Geben Sie das Verkehrsvolumen der repräsentativen Daten in die Simulationssoftware ein und führen Sie die Simulation durch (Abbildung 8a).
  2. Vergleichen Sie das Datenverkehrsvolumen aus den Simulationsergebnissen mit dem gesammelten Datenvolumen.
  3. Berechnen Sie die Kapazität mit Gleichung 1 unten:
    figure-protocol-1(1)
    wobei C die ideale Kapazität (veh/h) und ht die durchschnittliche minimale Vorfahrt (s) bezeichnet.
  4. Schätzen Sie den Simulationsfehler anhand der Kapazität als mittleren absoluten Prozentfehler (MAPE) nach Gleichung 2:
    figure-protocol-2(2)
    wobei n die vier verschiedenen Ströme in dieser Studie bezeichnet, ist Civ die im Simulationsmodell simulierte Kapazität (veh/h) und Cif die Kapazität der Untersuchung (veh/h). Die berechnete MAPE ist in Tabelle 3dargestellt.
    HINWEIS: Das Simulationsmodell kann verwendet werden, wenn der MAPE klein ist28,29,30.
  5. Ändern Sie die Parameter (d. h. Zufälliges Seed, Auto folgen Modelltyp, Spurwechselregel, etc.) basierend auf Anweisungen der Simulationssoftware, oder überprüfen Sie alle oben beschriebenen Schritte beim Bau des Simulationsmodells31,32,33,34.

7. Sensitivitätsanalyse

HINWEIS: Der Sensitivitätsanalyseprozess ist in Abbildung 8bdargestellt. Die gesammelten Daten können nur ihre eigene Leistung widerspiegeln (Abbildung 9, Tabelle 4, Tabelle 5und Tabelle 6). Um die Wirksamkeit in allen Situationen zu beweisen, wurden alle möglichen Verkehrssituationen und unterschiedliche Kombinationen in das Simulationsmodell eingegeben, um sicherzustellen, dass alle Situationen zwischen DEM MUTI und ESUL abgedeckt werden (Abbildung 10 und Tabelle 7).

  1. Wählen Sie das Verhältnis von Auto/LKW (Bus) und die Betriebsgeschwindigkeit der repräsentativen Daten aus. Verwalten Sie diese Parameter.
  2. Stellen Sie das U-Turn-Verhältnis in der Sensitivitätsanalyse mit einem Anstieg von 0,03 auf 0,03, d. h. fünf U-Turn-Verhältnisse in der Sensitivitätsanalyse.
    ANMERKUNG: Nach den repräsentativen Daten in Tabelle 1beträgt der Bereich der Kehrtwendesrate 0,04-0,15.
  3. Stellen Sie das Verkehrsaufkommen von 0,2 bis 1,0 V/C mit einer Erhöhung um 693 fahrzeuge/h (0,1 V/C; Tabelle 7), d. h. neun Bände in der Sensitivitätsanalyse.
    HINWEIS: Das maximale Verkehrsaufkommen beträgt 6.930 veh/h auf einer städtischen Autobahn mit einem dreispurigen Segment, was der Servicestufe E gemäß dem Highway Capacity Manual35 des AASHTO entspricht, wenn die Baugeschwindigkeit 80 km/h beträgt.
  4. Simulieren Sie alle 45 Situationen und speichern Sie die Ergebnisse sowohl in der gegenwärtigen Situation (MUTI) als auch in der verbesserten Situation (ESUL).
  5. Überprüfen Sie Verbesserungen bei Fahrzeit und Verspätungen, indem Sie das Verhältnis = (MUTI - ESUL)/MUTI x 100% berechnen. Überprüfen Sie Die Anzahl der Stopps wird überprüft, indem Sie die reduzierte Zeit = MUTI - ESUL berechnen.
    ANMERKUNG: In den Endergebnissen (Abbildung 10) bedeutet ein positives (>0) Ergebnis, dass die ESUL die Verkehrssituation verbessert hat, während ein negatives (<0) Ergebnis in Empfindlichkeit das Gegenteil darstellt.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Abbildung 2 zeigt die Abbildung des ESUL für die Mittlere Öffnung der Kehrtwende. WENS bedeuten vier Himmelsrichtungen. Die Hauptstraße hat sechs Fahrspuren mit zwei Richtungen. Grüngurte teilen die nicht motorisierte Spur auf beiden Seiten und teilen die beiden Richtungen in der Mitte. Flow 1 ist der Ost-West-Durchgangsverkehr, Fluss 2 ist Ost-Ost-Kehrtwende-Fluss, Flow 3 ist west-östlich durch den Verkehr und Fluss 4 ist West-West-U-Turn-Verkehr.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

In diesem Artikel wurde das Verfahren zur Lösung eines Verkehrsproblems an einer Kreuzung oder eines kurzen Segments mithilfe von Simulationen erläutert. Mehrere Punkte verdienen besondere Aufmerksamkeit und werden hier ausführlicher diskutiert.

Die Erfassung von Felddaten ist das erste, was Aufmerksamkeit verdient. Einige Anforderungen für den Speicherort der Datenerfassung sind wie folgt: 1) Suche nach einem geeigneten Speicherort für die Datenerfassung. Die Position sollte der geometrischen...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren haben nichts zu verraten.

Danksagungen

Die Autoren möchten den China Scholarship Council für die teilweise Finanzierung dieser Arbeit mit der Datei Nr. 201506560015 danken.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
BatterieBeijing Aozeer Technology CompanyLPB-568SKapazität: 3,7 V / 50000 mAh. Zwei Anschlüsse, DC 1 Ausgang: 19 V/5 A (max.), für einen Laptop. DC 2 Out: 12V/3A (max.), für ein Radar.
BatteriekabelBeijing Aozeer Technology CompanyKeine KatalognummerVerbinden Sie einen Akku mit einem Laptop.
KameraSONYa6000/AS50rDie von den Kameras aufgenommenen Videos waren 1080p, was bedeutet, dass die Auflösung 1920*1080 beträgt.
KamerastativWEI FENG3560/3130Die Höhe des Kamerastativs beträgt 1,4m.
LaptopDellC2H2L82Betrieb Windows 7 Basissystem.
Matlab SoftwareMathWorksR2016a
RadarBeijing Aozeer Technology CompanySD/D CADX-0037
Radar SoftwareBeijing Aozeer Technology CompanyDatalogger
Radar TripodBeijing Aozeer Technology CompanyKeine KatalognummerEntsprechende Stative, die mit Radaren verbunden werden können, die Höhe beträgt maximal 2 m.
Reflektierende WesteKundenspezifischKeine Katalognummer
VISSIM SoftwarePTV AG GruppePTV vissim 10.00-07 Studentenversion

Referenzen

  1. Tang, J. Q., Heinimann, H. R., Ma, X. L. A resilience-oriented approach for quantitatively assessing recurrent spatial-temporal congestion on urban roads. PLoS ONE. 13 (1), e0190616(2018).
  2. Bared, J. G., Kaisar, E. I. Median U-turn design as an alternative treatment for left turns at signalized intersections. ITE Journal. 72 (2), 50-54 (2002).
  3. El Esawey, M., Sayed, T. Operational performance analysis of the unconventional median U-turn intersection design. Canadian Journal of Civil Engineering. 38 (11), 1249-1261 (2011).
  4. Leng, J., Zhang, Y., Sun, M. VISSIM-based simulation approach to evaluation of design and operational performance of U-turn at intersection in China. 2008 International Workshop on Modelling, Simulation and Optimization. , IEEE. Hong Kong, China. (2008).
  5. Shao, Y., et al. Evaluating the sustainable traffic flow operational features of an exclusive spur dike U-turn lane design. PLoS ONE. 14 (4), e0214759(2019).
  6. Zhao, J., Ma, W. J., Head, K., Yang, X. G. Optimal Intersection Operation with Median U-Turn: Lane-Based Approach. Transportation Research Record. (2439), 71-82 (2014).
  7. Hummer, J. E., Reid, J. E. Unconventional Left Turn Alternatives for Urban and Suburban Arterials-An Update. Urban Street Symposium Conference Proceedings. , Dallas, TX. (1999).
  8. Ram, J., Vanasse, H. B. Synthesis of the Median U-Turn Intersection Treatment. Transportation Research Board. , Washington, DC. (2007).
  9. Levinson, H. S., Koepke, F. J., Geiger, D., Allyn, D., Palumbo, C. Indirect left turns-the Michigan experience. Fourth Access Management Conference. , Portland, OR. (2000).
  10. Mousa, M., Sharma, K., Claudel, G. C. Inertial Measurement Units-Based Probe Vehicles: Automatic Calibration, Trajectory Estimation, and Context Detection. IEEE Transactions on Intelligent Transportation Systems. , 1-11 (2017).
  11. Odat, E., Shamma, J., Claudel, G. C. Vehicle Classification and Speed Estimation Using Combined Passive Infrared/Ultrasonic Sensors. IEEE Transactions on Intelligent Transportation Systems. , 1-14 (2017).
  12. Liu, P., et al. Operational effects of U-turns as alternatives to direct left-turns. Journal of Transportation Engineering. 133 (5), 327-334 (2007).
  13. Potts, I. B., et al. Safety of U-turns at Unsignalized Median Opening. Transportation Research Board. , Washington, DC. (2004).
  14. Yang, X. K., Zhou, G. H. CORSIM-Based Simulation Approach to Evaluation of Direct Left Turn vs Right Rurn Plus U-Turn from Driveways. Journal of Transportation Engineering. 130 (1), 68-75 (2004).
  15. Guo, Y. Y., Sayed, T., Zaki, M. H. Exploring Evasive Action-Based Indicators for PTW Conflicts in Shared Traffic Facility Environments. Transportation Engineering, Part A: Systems. 144 (11), 04018065(2018).
  16. Liu, P., Qu, X., Yu, H., Wang, W., Gao, B. Development of a VISSIM simulation model for U-turns at unsignalized intersections. Journal of Transportation Engineering. 138 (11), 1333-1339 (2012).
  17. Shao, Y., Han, X. Y., Wu, H., Claudel, G. C. Evaluating Signalization and Channelization Selections at Intersections Based on an Entropy Method. Entropy. 21 (8), 808(2019).
  18. Ander, P., Oihane, K. E., Ainhoa, A., Cruz, E. B. Transport Choice Modeling for the Evaluation of New Transport Policies. Sustainability. 10 (4), 1230(2018).
  19. Wang, J., Kong, Y., Fu, T., Stipanicic, J. The impact of vehicle moving violations and freeway traffic flow on crash risk: An application of plugin development for microsimulation. PLoS ONE. 12 (9), e0184564(2017).
  20. Lin, C., Gong, B., Qu, X. Low Emissions and Delay Optimization for an Isolated Signalized Intersection Based on Vehicular Trajectories. PLoS ONE. 10 (12), e0146018(2015).
  21. Tang, T. Q., Wang, Y. P., Yang, X. B., Huang, H. J. A multilane traffic flow model accounting for lane width, lanechanging and the number of lanes. Networks and Spatial Economics. 14 (14), 465-483 (2014).
  22. Gupta, A. K., Dhiman, I. Analyses of a continuum traffic flow model for a nonlane-based system. International Journal of Modern Physics C. 25 (10), 1450045(2014).
  23. Chen, H., Zhang, N., Qian, Z. VISSIM-Based Simulation of the Left-Turn Waiting Zone at Signalized Intersection. 2008 International Conference on Intelligent Computation Technology and Automation (ICICTA). , IEEE. Hunan, China. (2008).
  24. PTV AG. PTV VISSIM 10 User Manual. , Karlsruhe, Germany. (2018).
  25. AutoNavi Traffic Big-data. 2017 Traffic Analysis Reports for Major Cities in China. , China. https://report.amap.com/share.do?id=8a38bb86614afa0801614b0a029a2f79 (2018).
  26. AutoNavi Traffic Big-data. Xi'an realtime traffic congestion delay index. , https://trp.autonavi.com/detail.do?city=610100 (2019).
  27. Xiang, Y., et al. Evaluating the Operational Features of an Unconventional Dual-Bay U-Turn Design for Intersections. PLoS ONE. 11 (7), e0158914(2016).
  28. Kuang, Y., Qu, X., Weng, J., Etemad, S. A. How Does the Driver's Perception Reaction Time Affect the Performances of Crash Surrogate Measures? PLoS ONE. 10 (9), e0138617(2015).
  29. Zhao, F., Sun, H., Wu, J., Gao, Z., Liu, R. Analysis of Road Network Pattern Considering Population Distribution and Central Business District. PLoS ONE. 11 (3), e0151676(2016).
  30. Jian, S. Guideline for microscopic traffic simulation analysis. , Tongji University Press. Shanghai, China. (2014).
  31. Liu, K., Cui, M. Y., Cao, P., Wang, J. B. Iterative Bayesian Estimation of Travel Times on Urban Arterials: Fusing Loop Detector and Probe Vehicle Data. PLoS ONE. 11 (6), e0158123(2016).
  32. Ran, B., Song, L., Zhang, J., Cheng, Y., Tan, H. Using Tensor Completion Method to Achieving Better Coverage of Traffic State Estimation from Sparse Floating Car Data. PLoS ONE. 11 (7), e0157420(2016).
  33. Zhao, J., Li, P., Zhou, X. Capacity Estimation Model for Signalized Intersections under the Impact of Access Point. PLoS ONE. 11 (1), e0145989(2016).
  34. Wei, X., Xu, C., Wang, W., Yang, M., Ren, X. Evaluation of average travel delay caused by moving bottlenecks on highways. PLoS ONE. 12 (8), e0183442(2017).
  35. American Association of State and Highway Transportation Officials (AASHTO). Highway Capacity Manual 6th edition. , Washington, D.C. (2010).
  36. Wang, Y., Qu, W., Ge, Y., Sun, X., Zhang, K. Effect of personality traits on driving style: Psychometric adaption of the multidimensional driving style inventory in a Chinese sample. PLoS ONE. 13 (9), e0202126(2018).
  37. Shen, B., Qu, W., Ge, Y., Sun, X., Zhang, K. The relationship between personalities and self-report positive driving behavior in a Chinese sample. PLoS ONE. 13 (1), e0190746(2018).
  38. American Association of State and Highway Transportation Officials (AASHTO). A policy on geometric design of highways and streets 6th Edition. , Washington, D.C. (2011).
  39. Ashraf, M. I., Sinha, S. The "handedness" of language: Directional symmetry breaking of sign usage in words. PLoS ONE. 13 (1), e0190735(2018).
  40. Lu, A. T., Yu, Y. P., Niu, J. X., John, X. Z. The Effect of Sign Language Structure on Complex Word Reading in Chinese Deaf Adolescents. PLoS ONE. 10 (3), e0120943(2015).
  41. Fan, L., Tang, L., Chen, S. Optimizing location of variable message signs using GPS probe vehicle data. PLoS ONE. 13 (7), e0199831(2018).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Schlagwörter

VerkehrsdatenerfassungEinrichtung von Radarger tenWaSiM SimulationssoftwareReisezeitanalyseVerz gerungsmessungAnzahl der StoppsAufbau des SimulationsmodellsSimulationskalibrierungSensitivit tsanalyse
Auswertung eines exklusiven Spur Deich-U-Turn-Designs mit Radar-collected Data und Simulation
Kontakt
Rückmeldung an Ihre Bibliothek

Datenschutz

Nutzungsbedingungen

Richtlinien

Copyright © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.