A subscription to JoVE is required to view this content. Sign in or start your free trial.
Research Article
Please note that some of the translations on this page are AI generated. Click here for the English version.
In dieser Studie wird der Effekt des Parkens am Straßenrand auf eine städtische Straße analysiert. Der gesamte Prozess besteht aus Verkehrsdatenerfassung, Datenverarbeitung, Betriebssimulation, Simulationskalibrierung und Sensitivitätsanalyse.
Parken am Straßenrand ist ein häufiges Verkehrsphänomen in China. Enge städtische Straßen, hohe Parkanforderungen und ein Mangel an Parkplätzen zwingen die Öffentlichkeit zu zufälligen Parkplätzen am Straßenrand. Es wird ein Protokoll vorgeschlagen, um die Auswirkungen eines am Straßenrand geparkten Fahrzeugs auf vorbeifahrende Fahrzeuge zu bestimmen. In dieser Untersuchung wird eine zweispurige und zweispurige Stadtstraße ausgewählt, in der ein Fahrzeug am Straßenrand geparkt ist, um Verkehrsdaten zu sammeln. Anhand dieser Daten wird der Einfluss der am Straßenrand geparkten Fahrzeuge auf die Fahrbahn und Geschwindigkeit vorbeifahrender Fahrzeuge ermittelt. Darüber hinaus wird ein Mikrosimulationsmodell angewendet, um die Auswirkungen des Parkens am Straßenrand auf die maximale Warteschlangenlänge, Verspätung, Emissionen und andere Indikatoren unter verschiedenen Verkehrsaufkommen gemäß der Sensitivitätsanalyse zu bestimmen. Die Ergebnisse zeigen, dass am Straßenrand geparkte Fahrzeuge die Fahrbahn vorbeifahrender Fahrzeuge für etwa 80 m beeinflussen und sich negativ auf die Geschwindigkeit auswirken, wobei die niedrigste Geschwindigkeit am Standort des am Straßenrand geparkten Fahrzeugs beobachtet wird. Die Ergebnisse der Sensitivitätsanalyse deuten darauf hin, dass das Verkehrsaufkommen synchron zu den Indikatorwerten zunimmt. Das Protokoll bietet eine Methode zur Bestimmung der Auswirkungen des Parkens am Straßenrand auf die Fahrbahn und die Geschwindigkeit. Die Forschung trägt zur Verfeinerung des zukünftigen Parkens am Straßenrand bei.
Die Beschleunigung der Urbanisierung geht einher mit einem deutlichen Anstieg des Kraftfahrzeugbesitzes und des städtischen Verkehrsflusses. Im Jahr 2021 erreichte Chinas Autobesitz 378 Millionen, was einem Anstieg von 25,1 Millionen im Vergleich zu 2020 entspricht1. Die derzeitige Situation mit unzureichender Straßenkapazität und begrenzter Verkehrsmanagementtechnologie hat jedoch zu einer immer deutlicheren Diskrepanz zwischen Angebot und Nachfrage im Stadtverkehr geführt. Daher hat sich die Überlastung des Straßenverkehrs allmählich verschärft. Als das am weitesten verbreitete Problem im städtischen Verkehr verursacht Verkehrsstaus viele Gefahren und hat die Aufmerksamkeit der Forscher auf sich gezogen 2,3,4. Neben der Verlängerung der Reisezeit verschärfen Verkehrsstaus auch die Umweltverschmutzung, erhöhen den Energieverbrauch und erhöhen die Schadstoffemissionen 5,6,7,8. Es besteht eine positive Korrelation zwischen Verkehrsstaus und Unfallraten 9,10. Abgesehen von den oben genannten Effekten untergräbt die zunehmende Verkehrsüberlastung Einkommen und Beschäftigung11, und dieser Effekt steht in engem Zusammenhang mit dem täglichen Leben der Menschen, wodurch dies zu einem der Hauptprobleme in Städten wird. Mit der Entwicklung der Städte werden die negativen Auswirkungen der Überlastung der Straßen auf die Gesellschaft weiter zunehmen.
Verkehrsstaus sind ein umfassendes Spiegelbild vieler städtischer Verkehrsprobleme, unter denen das Parken das wichtigste ist. Die Zunahme der städtischen Bevölkerung und die Zunahme von Kraftfahrzeugen wirken sich negativ auf das Parkplatzangebot und die hervorragende Parkplatznachfrage aus. Im Parksystem ist das Parken am Straßenrand im Stadtverkehr üblich und ein wichtiges Mittel, um das Ungleichgewicht zwischen Parkplatzangebot und -nachfrage auszugleichen. Das Parken am Straßenrand nutzt Ressourcen auf beiden Seiten der Straße, um Parkplätze bereitzustellen. Parken am Straßenrand ist bequem, schnell, flexibel und platzsparend im Vergleich zu anderen Parkmöglichkeiten. Das Parken am Straßenrand beansprucht jedoch Straßenressourcen, und seine nachteiligen Auswirkungen können nicht ignoriert werden. In Städten, die sich in Entwicklungsländern rasant entwickeln, machen die steigenden Parkanforderungen das Parken am Straßenrand überlastet, wodurch die Verkehrssicherheit, die Luftqualität und der öffentliche Raum verringertwerden 12. Daher muss das Problem des Parkens am Straßenrand angegangen werden.
Parkplätze am Straßenrand können in zwei Szenarien lokalisiert werden: (1) die nicht motorisierte Spur (d. h. auf breiten Straßen mit getrennten motorisierten und nicht motorisierten Fahrspuren nimmt das Parken am Straßenrand Platz auf der nicht motorisierten Spur ganz rechts ein); und (2) die gemischte Fahrspur für Kraftfahrzeuge und Nichtkraftfahrzeuge, bei der es sich häufig um eine schmale Straße mit geringem Verkehrsaufkommen handelt. Da sich Kraftfahrzeuge und Nicht-Kraftfahrzeuge die Straßenressourcen teilen, führt das Parken am Straßenrand im zweiten Szenario häufig zu einem Chaos im Verkehrsbetrieb. Die meisten bestehenden Studien haben sich jedoch auf das erste Szenario 13,14,15,16,17,18 konzentriert.
Wenn auf der nicht motorisierten Fahrspur ein Parkplatz am Straßenrand vorhanden ist und keine obligatorische Isolierung der motorisierten und nicht motorisierten Fahrspuren besteht, führt das Parken am Straßenrand indirekt zu Mischverkehr. Ein Parkplatz am Straßenrand verringert die effektive Breite der nicht motorisierten Fahrspur erheblich, wodurch die Wahrscheinlichkeit erhöht wird, dass Nicht-Kraftfahrzeuge die nicht motorisierte Spur passieren und die benachbarte motorisierte Spur besetzen. Das Verhalten wird als Spurüberquerung16 bezeichnet. Viele Studien haben die Auswirkungen des Parkens am Straßenrand auf der nicht motorisierten Spur auf den gemischten Verkehrsfluss untersucht. Basierend auf dem zellulären Automatenmodell bewerteten Chen et al.13 die Auswirkungen des Parkens am Straßenrand auf heterogene Verkehrsabläufe in städtischen Straßen durch die Untersuchung von Reibungs- und Staukonflikten zwischen motorisierten und nicht-motorisierten Fahrzeugen 13. Chen et al. schlugen ein Straßenwiderstandsmodell des gemischten Verkehrsflusses vor, indem sie die Auswirkungen des Parkens am Straßenrandberücksichtigten 17. Darüber hinaus haben einige Studien die Auswirkungen des Parkens am Straßenrand nur auf Kraftfahrzeuge untersucht. Guo et al. schlugen eine auf der Risikodauer basierende Methode vor, mit der die Lenkzeit von Kraftfahrzeugen auf den Parkabschnitten am Straßenrand quantitativ analysiert wurde19, und die Ergebnisse zeigten, dass das Parken am Straßenrand die Reisezeit signifikant beeinflusste.
Die Verkehrssimulation ist ein gängiges Werkzeug, um die Auswirkungen des Parkens am Straßenrand zu untersuchen. Yang et al. verwendeten VISSIM-Software, um die Auswirkungen des Parkens am Straßenrand auf den dynamischen Verkehr (insbesondere auf die Kapazität) zu untersuchen, entwickelten ein Modell für den durchschnittlichen Verspätungsverkehr und verifizierten die Zuverlässigkeit des Modells durch Simulation20. Gao et al. analysierten die Auswirkungen des Parkens am Straßenrand auf den gemischten Verkehr unter vier Arten von Verkehrsstörungen mit derselben Software18. Guo et al. verwendeten ein zelluläres Automatenmodell, um den Einfluss des Parkens am Straßenrand auf die Fahrzeugverkehrseigenschaften (Fahrspurkapazität und Fahrzeuggeschwindigkeit) durch Monte-Carlo-Simulation unter verschiedenen Szenarienzu analysieren 21. Im Rahmen von Kerners Drei-Phasen-Verkehrstheorie analysierten Hu et al. den Einfluss von temporärem Parkverhalten am Straßenrand auf den Verkehrsfluss basierend auf dem zellulären Automatenmodell22. Diese Studien zeigen, dass das Parken am Straßenrand einen großen negativen Einfluss auf die Verkehrseffizienz hat.
Die Abteilung Verkehrsmanagement ist daran interessiert, die Auswirkungen von am Straßenrand geparkten Fahrzeugen auf den Verkehrsfluss zu verstehen. Die spezifische Länge und der Grad des Effekts sind wichtig, um Probleme mit dem Parken am Straßenrand zu bewältigen, z. B. durch die Bereitstellung von Informationen zur Abgrenzung von Parkplätzen, zur Bestimmung von Parkverbotszonen und zur Regulierung der Parkdauer. In dieser Studie wurde ein Protokoll entworfen, um die Auswirkungen eines einzelnen am Straßenrand geparkten Fahrzeugs auf den Verkehrsbetrieb zu untersuchen. Die Vorgehensweise kann in den folgenden Schritten zusammengefasst werden: 1) Vorbereitung der Ausrüstung, 2) Auswahl des Ortes der Datenerhebung, 3) Auswahl der Untersuchungszeit, 4) Erfassung der Daten, 5) Durchführung der Datenanalyse, 6) Erstellung des Simulationsmodells, 7) Kalibrierung des Simulationsmodells und 8) Durchführung der Sensitivitätsanalyse. Wenn eine Anforderung in diesen acht Schritten nicht erfüllt ist, ist der Prozess unvollständig und unzureichend, um die Wirksamkeit nachzuweisen.
1. Vorbereitung der Ausrüstung
2. Auswahl des Ortes der Datenerhebung (Abbildung 1)
3. Wahl des Untersuchungszeitpunkts
4. Datenerhebung (Abbildung 3)
5. Datenanalyse
HINWEIS: Durch die Datenerfassung werden 3 Stunden Daten erfasst, einschließlich der Morgenspitze, der mittleren Mittagsstunde und der Abendspitze. Die Wiedergabe von Verkehrsvideos wird von der Kamera bereitgestellt, um das Verkehrsaufkommen und die Fahrzeugtypen manuell zu kalibrieren. Wählen Sie die Gruppendaten mit dem höchsten Volumen (in diesem Fall die Morgenspitzendaten) als repräsentative Stunde für die Durchführung der Datenanalyse aus.
6. Erstellen des Simulationsmodells
HINWEIS: Das mikroskopische Simulationsmodell wird durch Simulationssoftware für die Verkehrssimulation erstellt. Die Ergebnisse der Datenerhebung, darunter Verkehrsaufkommen, Fahrzeuggeschwindigkeit und Fahrzeugtypenzusammensetzung, sind wichtige Parameter in der Verkehrssimulation und bilden die Grundlage des Modellbaus. In der Simulation wird nur die repräsentative Datengruppe benötigt.
7. Kalibrierung des Simulationsmodells
HINWEIS: In dieser Studie zeigten die Verkehrsbeobachtungen, dass die morgendlichen Spitzendaten das höchste Volumen aufwiesen, aber die drei Datengruppen wurden zur Überprüfung simuliert, um die Zuverlässigkeit des Simulationsmodells vollständig zu veranschaulichen.
(1)
(2)
ist die im Simulationsmodell simulierte Kapazität (VEH/H) und 
die Kapazität der Untersuchung (VEH/H). Der berechnete MAPE ist in Tabelle 2 aufgeführt.8. Sensitivitätsanalyse
HINWEIS: Abbildung 7B zeigt den Prozess der Sensitivitätsanalyse. Die Sensitivitätsanalyse spiegelt nur die Leistung der gesammelten Daten wider (Tabelle 3). Um Situationen mit unterschiedlichem Verkehrsaufkommen in Echtzeitszenarien zu verstehen, werden alle möglichen Verkehrsaufkommenskombinationen in das Simulationsmodell eingegeben, um sicherzustellen, dass alle Situationen in der Parkanalyse am Straßenrand abgedeckt werden (Abbildung 8 und Tabelle 4).
Dieses Papier stellt ein Protokoll vor, um die Auswirkungen des Parkens am Straßenrand auf vorbeifahrende Fahrzeuge auf einer zwei- und zweispurigen Stadtstraße durch Verkehrsdatenerfassung und -simulation zu bestimmen. Als Untersuchungsstandort wurde eine Straße ausgewählt (Abbildung 1), und am geplanten Straßenrand wurde ein Fahrzeug geparkt. Radargeräte, ein Lasergerät am Straßenrand und eine Kamera wurden eingesetzt, um die Flugbahn, Geschwindigkeit, Volumen und Typzusammensetzung des Fahrzeugs zu erfassen, um die Änderungen der Fahrzeugbahn und der Geschwindigkeit beim Parken am Straßenrand zu bestimmen (Abbildungen 4-6). Basierend auf den geometrischen Eigenschaften der Straße und den Ergebnissen der Datenerhebung wurde ein mikroskopisches Simulationsmodell erstellt (Abbildung 7). Die Sensitivitätsanalyse ermittelte die Auswirkungen des Parkens am Straßenrand auf die maximale Warteschlangenlänge, Verspätung, Emissionen und andere Indikatoren des Fahrzeugbetriebs bei unterschiedlichem Verkehrsaufkommen (Abbildung 8).
Abbildung 1 zeigt den Speicherort der Datensammlung. Die Teststraße war eine zweispurige Straße in Xi'an, Provinz Shaanxi, China. Die Breite der Straße betrug 10 m, die Höchstgeschwindigkeit betrug 60 km/h und es gab keinen Mittelstreifen, was typische Bedingungen für das Parken am Straßenrand darstellte. Der Zwei-Richtungs-Verkehr konnte leicht fließen, verlangsamte sich aber in Gegenwart eines geparkten Fahrzeugs erheblich.
Abbildung 4 zeigt die Trajektorien unter dem Einfluss des Parkens am Straßenrand basierend auf den von den Radaren und dem straßenseitigen Lasergerät gemessenen Daten. Die Abbildung zeigt, dass das am Straßenrand geparkte Fahrzeug die Fahrbahn der vorbeifahrenden Fahrzeuge auf einer Länge von 80 m beeinträchtigte. Das Blau steht für die westlichen Radardaten und das Orange für die östlichen Radardaten. Die mittlere schwarze Linie ist eine Sammlung von Punkten, die die Positionsverteilung darstellt, die durch die vertikale Position der vorbeifahrenden Fahrzeuge gebildet wird, die vom Lasergerät am Straßenrand erfasst werden.
Das Westradar zeigt die Flugbahnänderungen. Wenn Fahrzeuge die am Straßenrand geparkte Schranke sahen, versetzten sie sich von der Normalposition aus 40 m stromaufwärts des geparkten Fahrzeugs.
Das Lasergerät am Straßenrand könnte die seitliche Position und Geschwindigkeit jedes vorbeifahrenden Fahrzeugs aufzeichnen. Die seitliche Position reichte von 2,3 m bis 4,9 m (d. h. das untere und obere Ende der mittleren schwarzen Linie in Abbildung 4). Die durchschnittliche Position betrug 3,3 m. Die Position bedeutet hier die rechte Position der Fahrzeuge, die in W-E-Richtung fahren, und die linke Position für die Fahrzeuge, die in E-W-Richtung fahren.
Für das Ostradar wurde ein ähnlicher Trend zum Westradar beobachtet. Die Fahrzeuge kehrten etwa 40 m nach dem Passieren des Testfahrzeugs in die normale Position zurück.
Wie in Abbildung 4 zu sehen ist, betrug die Länge der Wirkung eines am Straßenrand geparkten Fahrzeugs auf die Fahrbahn vorbeifahrender Fahrzeuge 80 m. Vorbeifahrende Fahrzeuge begannen 40 m von der Mitte des geparkten Fahrzeugs von ihrer normalen Flugbahn abzuweichen und kehrten nach 40 m von der Mitte des geparkten Fahrzeugs auf ihre normale Flugbahn zurück (die genaue Position ist in Abbildung 4 mit zwei langen schwarzen Linien markiert, und die horizontalen Positionen der beiden Linien betragen 60 m und 140 m). An der Position des geparkten Fahrzeugs (d. h. der Position mit den Koordinaten [100,0] in Abbildung 4) betrug der durchschnittliche Abstand zwischen den vorbeifahrenden Fahrzeugen und der Außenkante des abgestellten Fahrzeugs 3,3 m. Unter Berücksichtigung der Breite des abgestellten Fahrzeugs betrug der durchschnittliche Abstand zwischen den vorbeifahrenden Fahrzeugen und der Innenkante des abgestellten Fahrzeugs 1,3 m. Die minimalen und maximalen Abstände zwischen den vorbeifahrenden Fahrzeugen und der Innenkante des abgestellten Fahrzeugs betrugen 0,3 m bzw. 2,9 m, je nach dem ursprünglichen Standort und den Betriebsbedingungen der vorbeifahrenden Fahrzeuge. Fahrzeuge, die in der Nähe des Bordsteins fuhren, hatten beim Passieren keinen großen seitlichen Abstand zum geparkten Fahrzeug und fuhren aufgrund des Einflusses anderer Fahrzeuge, die in die gleiche Richtung fuhren, sogar mit niedriger Geschwindigkeit in die Nähe davon. Wenn das vorbeifahrende Fahrzeug nicht durch andere Fahrzeuge gestört wurde, die in die gleiche Richtung fuhren, war die Fahrbreite großzügiger. Mit anderen Worten, die seitliche Breite zwischen dem vorbeifahrenden Fahrzeug und dem am Straßenrand geparkten Fahrzeug war ausreichend. Natürlich hängt auch die Seitenbreite zwischen dem vorbeifahrenden Fahrzeug und dem geparkten Fahrzeug vom Fahrverhalten ab. Im Vergleich zu einem aggressiven Fahrer ist es wahrscheinlicher, dass ein stabiler Fahrer ein geparktes Fahrzeug mit einer größeren Seitenbreite überholt.
Abbildung 5 und Abbildung 6 zeigen, dass das Parken am Straßenrand die Geschwindigkeit vorbeifahrender Fahrzeuge unterschreitet, wobei die niedrigste Geschwindigkeit der vorbeifahrenden Fahrzeuge an der Position des geparkten Fahrzeugs beobachtet wird (d. h. die Position mit einer zentralen horizontalen Koordinate von [100, 0]). Abbildung 5 zeigt die Geschwindigkeit in E-W-Richtung. Der Verkehr bewegt sich von rechts nach links im Bild, was darauf hindeutet, dass die Fahrzeuggeschwindigkeit im Bereich von 180-120 m allmählich abnimmt. Nach dem Passieren der geparkten Position wurde die Geschwindigkeit allmählich und gleichmäßig verteilt, ohne dass es zu einer offensichtlichen Erhöhung kam.
Im orangefarbenen Abschnitt wurde kurz vor der geparkten Fahrzeugposition eine Höchstgeschwindigkeit von 54,7 km/h erreicht, und das war die Geschwindigkeit, mit der das Fahrzeug mit einer höheren Geschwindigkeit als das entgegenkommende Fahrzeug vorbeifuhr. Die niedrigste Geschwindigkeit war 0 km/h, und dies geschah an der Parkposition. Bei höheren Versatzwerten des Fahrzeugs in W-E-Richtung belegte dieses Fahrzeug mehr Straßenbreite, und das Fahrzeug in E-W-Richtung musste warten, was bedeutete, dass die Geschwindigkeit des letzteren Fahrzeugs 0 km / h betrug.
Im blauen Bereich blieb die Fahrzeuggeschwindigkeit nach dem Passieren der Parkposition im Bereich von 8-35 km / h. Für Autos wäre es aufgrund der Straßenumgebung schwierig gewesen, höhere Geschwindigkeitsobergrenzen zu erreichen. Die untere Geschwindigkeitsbegrenzung wurde leicht von 8 km/h auf 20 km/h erhöht, weil man von der Parkposition wegfuhr.
Abbildung 6 zeigt die Geschwindigkeit in W-E-Richtung, wobei sich die Fahrzeuge im Bild von links nach rechts bewegen. Die Geschwindigkeitsänderungen in W-E-Richtung waren ähnlich wie in E-W-Richtung.
Vor der Parkposition (d.h. im Bereich von 0-100 m in der Abbildung) verengten sich die oberen und unteren Grenzen der Fahrzeuggeschwindigkeit in W-E-Richtung allmählich von der 20-m-Position. Im Bereich von 0-40 m nahm die obere Grenze allmählich ab und war bei der 80-m-Position am niedrigsten. Die Höchstgeschwindigkeit von 38,6 km/h (bei 20 m) sank auf 29 km/h (bei 80 m). Die untere Höchstgeschwindigkeit wurde von 9,4 km/h (auf 10 m) auf 10,44 km/h (100 m) erhöht.
Die Geschwindigkeitsbegrenzung wurde vor der Parkposition gesenkt. Wenn während der Beobachtung ein Fahrzeug in W-E-Richtung das geparkte Fahrzeug auf der gleichen Seite fand und sich keine Fahrzeuge davor befanden oder das gegenüberliegende Fahrzeug weit entfernt war, neigte das Fahrzeug in W-E-Richtung dazu, zuerst zu beschleunigen und zu versetzen, um eine gute Position einzunehmen, um das geparkte Fahrzeug zuerst zu überholen. Dieses Phänomen ist der Grund für die Geschwindigkeitserhöhung kurz vor der Parkposition.
Beim Passieren der Parkposition betrug der Geschwindigkeitsbereich 8,2-47,7 km/h. Die untere Geschwindigkeitsbegrenzung sank, weil einige Fahrer beim Überholen des geparkten Fahrzeugs bremsten, um Kratzer zu vermeiden. Kratzer treten auf, wenn sich Fahrzeuge, die in beide Richtungen kommen, auf dem Parkplatz treffen, und in diesen Fällen versuchen die Fahrer, Kratzer zu vermeiden, indem sie ihre Geschwindigkeit reduzieren. Im Vergleich zum blauen Bereich wurde die Höchstgeschwindigkeit um 9,1 km/h erhöht. Dies liegt daran, dass, wenn kein Fahrzeug in die entgegengesetzte Richtung kam, die Fahrzeuge in Richtung W-E durch die Parkposition beschleunigten, nachdem bestätigt wurde, dass sie das am Straßenrand geparkte Fahrzeug nicht zerkratzt hatten, was den üblichen Fahrgewohnheiten der Fahrer entspricht.
Im orangefarbenen Bereich erhöhte sich die untere Geschwindigkeitsbegrenzung von 7,5 km/h nach dem Passieren der Parkposition deutlich. Dies deutet darauf hin, dass die meisten Fahrzeuge wieder auf die Geschwindigkeit vor der Parkposition beschleunigen können, nachdem sie sich 10 m von der Parkposition entfernt haben.
Abbildung 8 zeigt die Simulationsergebnisse von neun Indikatoren, die den Betriebszustand der Fahrzeuge bei unterschiedlichem Verkehrsaufkommen widerspiegeln. Das Verkehrsaufkommen in E-W- und W-E-Richtungen beeinflusste die maximale Warteschlangenlänge (Abbildung 8A), die Anzahl der Fahrzeuge (Abbildung 8B), die Verspätung (Abbildung 8C), die Anzahl der Haltestellen (Abbildung 8D), die CO-Emissionen (Abbildung 8E), die NO-Emissionen (Abbildung 8F), die VOC-Emissionen (Abbildung 8G), den Kraftstoffverbrauch (Abbildung 8H) und die Reisezeit (Abbildung 8I). ) mit den Parkdaten am Straßenrand ausgerichtet. Die Zunahme des Verkehrsaufkommens führt zur Erhöhung aller Indikatorwerte, der betroffene Grad an unterschiedlichen Indikatorwerten ist jedoch unterschiedlich. Darüber hinaus hat das Parken am Straßenrand keine identischen Auswirkungen auf Fahrzeuge in E-W- und W-E-Richtung.
Mit dem Anstieg des Verkehrsaufkommens war der Aufprallgrad des Parkens am Straßenrand auf Fahrzeuge in W-E-Richtung für die drei Indikatoren maximale Warteschlangenlänge, Verspätung und Anzahl der Haltestellen deutlich höher als bei Fahrzeugen in E-W-Richtung. Bei den fünf emissionsrelevanten Indikatoren Kraftstoffverbrauch und Fahrzeit war der Aufprallgrad auf Fahrzeuge in E-W- und W-E-Richtung nahezu gleich, bei Fahrzeugen in W-E-Richtung jedoch etwas größer. Nachdem das Verkehrsaufkommen 300-350 veh/h in W-E- und E-W-Richtung erreicht hatte, war der Wachstumstrend der maximalen Warteschlangenlänge, der Verspätung und der Anzahl der Haltestellen deutlich höher, wobei die negativen Auswirkungen des Parkens am Straßenrand auf die Verkehrseffizienz des vorbeifahrenden Verkehrsflusses ernster wurden. Fünf der emissionsrelevanten Indikatoren, Kraftstoffverbrauch und Fahrzeit, veränderten sich einheitlich mit steigendem Verkehrsaufkommen in beide Richtungen.
Abbildung 1: Der Ort der Datensammlung: eine zweispurige und zweispurige Straße, Dian Zi Yi Road in Xi'an. Koordinaten: 108.932882,34.220774. (A) Eine schematische Darstellung des Untersuchungsortes in der Stadt Xi'an. (B) Die rote Linie stellt das Datenerhebungssegment dar. Die nördliche Straßenkreuzung mit der roten Linie ist eine Fußgängerzone mit wenigen Menschen und hat keinen Einfluss auf diese Untersuchung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 2: Der 24-Stunden-Stauindex. Die Daten im Panel stammen aus dem Echtzeit-Stauindex in Xi'an am 24. August 202126. Die Daten zeigen, dass die Morgenspitze von 07:00 bis 09:00 Uhr und die Abendspitze von 17:00 bis 19:00 Uhr auftrat. Das Tal, mit Ausnahme der späten Nacht, ereignete sich von 11:00 bis 12:00 Uhr. Die Stauindizes lagen um 08:00 Uhr bzw. 18:00 Uhr bei 2,25 und 2,66. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 3: Datenerfassungsschema in einem Bild, das von einer Drohne in 150 m Höhe aufgenommen wurde. Baumschatten bedeckt die gesamte Ausrüstung, so dass bunte Blöcke die Ausrüstung darstellen. Das am Straßenrand geparkte Fahrzeug befindet sich in der Mitte, und die beiden Radargeräte sind 100 m stromaufwärts und 100 m stromabwärts des geparkten Fahrzeugs platziert. Das Westradar und das Ostradar sind beide dem geparkten Fahrzeug zugewandt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 4: Ganze Trajektorien. Das Testfahrzeug wird an der Position (100,0) in der Schalttafel geparkt. Das Blau stellt die westlichen Radardaten dar, die mittlere schwarze Linie die Daten der Lasergeräte am Straßenrand und die orange die östlichen Radardaten. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 5: Ost-West-Geschwindigkeit. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 6: West-Ost-Geschwindigkeit. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 7: Flussdiagramme zur Berechnung des Simulationsfehlers (MAPE) und zur Durchführung der Sensitivitätsanalyse. (A) Flussdiagramm für die Berechnung des MAPE. (B) Flussdiagramm für die Sensitivitätsanalyse. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 8: Sensitivitätsanalyse. X-Achse = E-W-Verkehrsvolumen, Y-Achse = W-E-Verkehrsvolumen und Z-Achse = Auswertungsindexwert. (A) Maximale Warteschlangenlänge. (B) Anzahl der Fahrzeuge. (c) Verspätung. (D) Anzahl der Haltestellen. e) CO-Emissionen. (F) KEINE Emissionen. g) VOC-Emissionen. (H) Kraftstoffverbrauch. (I) Reisezeit. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
| Artikel | Morgen (07:00−08:00) | Mittelmittag (13:00−14:00) | Abend (17:00−18:00) | |||
| Richtung | W–E | E–W | W–E | E–W | W–E | E–W |
| Auto (veh / h) | 306 | 374 | 167 | 148 | 351 | 228 |
| LKW (veh/h) | 1 | 3 | 1 | 0 | 4 | 0 |
| Bus(veh/h) | 9 | 9 | 4 | 5 | 6 | 4 |
| Beteuern. Geschwindigkeit (km / h) | 21.7 | 24.5 | 19.4 | 24.7 | 18.8 | 20.5 |
| Max. Geschwindigkeit (km / h) | 47.7 | 54.7 | 55.8 | 56.2 | 44.6 | 45.0 |
| Min. Geschwindigkeit (km / h) | 0 | 0 | 0 | 0 | 0 | 0 |
Tabelle 1: Im Rahmen der Untersuchung gesammelte Fahrzeuginformationen. Eine Mindestgeschwindigkeit von 0 km/h zeigt an, dass sich einige Fahrzeuge nicht mehr bewegen.
| Artikel | Morgen (07:00−08:00) | Mittelmittag (13:00−14:00) | Abend (17:00─18:00) | |||
| Richtung | W–E | E–W | W–E | E–W | W–E | E–W |
| Investitionskapazität (veh/h) | 316 | 386 | 172 | 153 | 361 | 232 |
| Simulierte Kapazität (veh/h) | 306 | 360 | 174 | 150 | 354 | 216 |
| Individuelle MAPE(%) | 3.2 | 6.7 | 1.2 | 2.0 | 1.9 | 6.9 |
| MAPE(%) | 5.0 | 1.6 | 4.4 |
Tabelle 2: Die Kalibrierergebnisse für das Simulationsmodell. Die Kalibrierergebnisse zwischen dem untersuchten Verkehrsaufkommen und dem simulierten Verkehrsaufkommen sind in der Tabelle aufgeführt. Der MAPE wird anhand von Gleichung 2 berechnet, und die Fehler zwischen der simulierten Kapazität und der tatsächlichen Kapazität betragen 5,5 %, 1,6 % und 4,4 % für die drei Datengruppen, die alle klein sind. Da der Gesamtkapazitätsfehler weniger als 15% beträgt, liegt der Fehler des etablierten Modells im akzeptablen Bereich und die Simulationsgenauigkeit ist ausreichend29.
| Artikel | Morgen | Mittelmittag | Abend | |||
| (07:00−08:00) | (13:00−14:00) | (17:00─18:00) | ||||
| W–E | E–W | W–E | E–W | W–E | E–W | |
| Maximale Warteschlangenlänge (m) | 31.26 | 34.93 | 12.00 | 7.96 | 34.88 | 20.40 |
| Anzahl der Fahrzeuge | 306 | 360 | 168 | 150 | 348 | 216 |
| Verspätung(en) | 6.47 | 6.58 | 3.10 | 1.74 | 6.68 | 4.64 |
| Anzahl der Stopps (mal) | 0.28 | 0.52 | 0.05 | 0.11 | 0.24 | 0.42 |
| CO-Emissionen (Gramm) | 191.790 | 249.606 | 89.112 | 77.820 | 219.462 | 135.468 |
| KEINE Emissionen (Gramm) | 37.314 | 48.564 | 17.340 | 15.138 | 42.702 | 26.358 |
| VOC-Emissionen (Gramm) | 44.448 | 57.846 | 20.652 | 18.036 | 50.862 | 31.398 |
| Kraftstoffverbrauch (Gallone) | 2.742 | 3.570 | 1.272 | 1.116 | 3.138 | 1.938 |
| Reisezeit(en) | 35.46 | 29.12 | 31.92 | 24.56 | 35.73 | 27.25 |
Tabelle 3: Simulationsergebnisse mit den Morgenspitzendaten, mittleren Mittagsdaten und abendlichen Spitzendaten. Als repräsentative Daten weist die Datengruppe Morgenspitze das höchste Verkehrsaufkommen und die höchsten Indikatorwerte auf. Die Verkehrsdatengruppe mittlerer Mittags hat das niedrigste Verkehrsaufkommen und die niedrigsten Indikatorwerte.
| Artikel | Wert |
| E-W-Volumen (veh / h) | 150/200/250/300/350/400/450 |
| W–E-Volumen (veh/h) | 150/200/250/300/350/400 |
| Hinweis:Das E–W-Verkehrsaufkommen liegt im Bereich von 150–450 veh/h mit einem Anstieg von 50 veh/h. Das W–E-Verkehrsaufkommen liegt im Bereich von 150–400 veh/h mit einem Plus von 50 veh/h. |
Tabelle 4: Eingangsparameter für die Sensitivitätsanalyse in der Simulation.
Die Autoren haben nichts offenzulegen.
In dieser Studie wird der Effekt des Parkens am Straßenrand auf eine städtische Straße analysiert. Der gesamte Prozess besteht aus Verkehrsdatenerfassung, Datenverarbeitung, Betriebssimulation, Simulationskalibrierung und Sensitivitätsanalyse.
Die Autoren danken dem wissenschaftlichen Forschungsprogramm, das vom Bildungsministerium der Provinz Shaanxi (Programm Nr. 21JK0908) finanziert wird.
| Batterie | Shenzhen Saiqi Innovation Technology Co., Ltd | LPB-568S | |
| Kabel für Radar | BEIJING AOZER TECH & DEVELOPMENT CO., LTD | ||
| Kabel für Straßenrand-Lasergerät | MicroSense | ||
| Kamera | Sony Group Corp | HDR-CS680 | |
| Kamerastativ | Sony Group Corp | ||
| Drohne | SZ DJI Technology Co., Ltd. | DA2SUE1 | |
| Laptop | Dell | C2H2L82 | |
| Radar | BEIJING AOZER TECH & DEVELOPMENT CO.,LTD | CADS-0037 | |
| Radarstativ | BEIJING AOZER TECH & DEVELOPMENT CO., LTD | ||
| reflektierendes Stativ | Beijing Shunan liandun Technology Co., Ltd | ||
| Straßenrand-Lasergerät | MicroSense |
