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.
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.
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.
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.
1. Préparation de l’équipement
2. Choix du lieu de collecte des données (figure 1)
3. Sélection du moment de l’enquête
4. Collecte de données (figure 3)
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.
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.
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)
(2)
est la capacité simulée dans le modèle de simulation (Veh/h) et 
est la capacité de l’enquête (Veh/h). Le MAPE calculé est répertorié dans le tableau 2.8. 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).
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 : 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 : 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 : 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 : 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 : Vitesse est-ouest. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 6 : Vitesse ouest-Est. Veuillez cliquer ici pour voir une version agrandie de cette figure.
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 : 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.
Les auteurs n’ont rien à divulguer.
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.
Les auteurs tiennent à remercier le programme de recherche scientifique financé par le Département provincial de l’éducation du Shaanxi (programme n ° 21JK0908).
| batterie | Shenzhen Saiqi Innovation Technology Co., Ltd | LPB-568S | |
| câbles pour radar | BEIJING AOZER TECH & DEVELOPMENT CO., LTD | ||
| câbles pour dispositif laser de bord de route | Caméra MicroSense | ||
| Sony Group Corp | HDR-CS680 | ||
| caméra trépied | Sony Group Corp | ||
| drone | SZ DJI Technology Co., Ltd. | DA2SUE1 | |
| ordinateur portable | Dell | C2H2L82 | |
| radar | BEIJING AOZER TECH & DEVELOPMENT CO.,LTD | CADS-0037 | |
| trépied radar | BEIJING AOZER TECH & DEVELOPMENT CO., LTD | ||
| trépied réfléchissant | Beijing Shunan liandun Technology Co., Ltd | ||
| dispositif laser de bord de route | MicroSense |
