Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Ocena wyjątkowego projektu zawracania wału przeciwpowodziowego z danymi zebranymi przez radar i symulacją

18.3K wyświetleń

⸱

DOI:

10.3791/60675

⸱

1 lutego 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

W tym artykule

Podsumowanie

Ten protokół opisuje proces rozwiązywania mikroskopijnego problemu z ruchem za pomocą symulacji. Cały proces zawiera szczegółowy opis zbierania danych, analizy danych, budowy modelu symulacyjnego, kalibracji symulacji i analizy czułości. Omówiono również modyfikacje i rozwiązywanie problemów z metodą.

Streszczenie

Tradycyjne projekty zawracania oczywiście mogą poprawić funkcje operacyjne, podczas gdy objazdy zawracania i łączenia segmentów nadal powodują zatory komunikacyjne, konflikty i opóźnienia. Zaproponowano tutaj ekskluzywną konstrukcję pasa do zawracania z wałem czołowym (ESUL), aby rozwiązać wady tradycyjnych konstrukcji zawracania. Aby ocenić wydajność działania ESUL, potrzebny jest protokół symulacji ruchu. Cały proces symulacji składa się z pięciu etapów: zbierania danych, analizy danych, budowy modelu symulacyjnego, kalibracji symulacji i analizy czułości. Zbieranie danych i tworzenie modelu symulacyjnego to dwa krytyczne kroki, które zostały opisane bardziej szczegółowo w dalszej części. W ocenie powszechnie stosuje się trzy wskaźniki (czas podróży, opóźnienie i liczba postojów), a inne parametry można mierzyć na podstawie symulacji zgodnie z potrzebami eksperymentalnymi. Wyniki pokazują, że ESUL znacznie zmniejsza wady tradycyjnych konstrukcji zawracania. Symulacja może być stosowana do rozwiązywania mikroskopijnych problemów związanych z ruchem drogowym, na przykład na jednym lub kilku sąsiednich skrzyżowaniach lub krótkich odcinkach. Metoda ta nie jest odpowiednia w przypadku sieci drogowych na większą skalę lub ocen bez gromadzenia danych.

Wprowadzenie

Niektóre problemy z ruchem, takie jak korki na skrzyżowaniu lub krótkim odcinku, mogą być rozwiązane lub poprawione poprzez optymalizację projektu drogi, zmianę czasu sygnalizacji, pomiary zarządzania ruchem i inne technologie transportowe1,2,3,4. Ulepszenia te mają pozytywny lub negatywny wpływ na przepływ ruchu w porównaniu z pierwotnymi sytuacjami. Zmiany w ruchu drogowym można porównać w oprogramowaniu do symulacji ruchu, a nie w rzeczywistej przebudowie skrzyżowania lub odcinka. Metoda symulacji ruchu drogowego jest szybką i tanią opcją, gdy proponowany jest jeden lub więcej planów poprawy, zwłaszcza przy porównywaniu różnych planów ulepszeń lub ocenie skuteczności ulepszeń. W tym artykule przedstawiono proces rozwiązywania problemów drogowych za pomocą symulacji poprzez ocenę cech operacyjnych przepływu ruchu ekskluzywnego projektu pasa do zawracania z ostrogą5.

Ruch zawracania to powszechne zapotrzebowanie na ruch, które wymaga zawracania na drodze, ale to było dyskutowane. Projektowanie otworu do zawracania może powodować zatory drogowe, podczas gdy zamykanie otworu do zawracania może powodować objazdy dla pojazdów zawracających. Dwa ruchy, pojazdy zawracające i pojazdy z bezpośrednim skrętem w lewo, wymagają zawrócenia i powodują opóźnienia w ruchu, zatrzymania, a nawet wypadki. Zaproponowano pewne technologie, aby rozwiązać problemy związane z zawracaniem, takie jak sygnalizacja6,7, wyłączne pasy do skrętu w lewo8,9 i pojazdy autonomiczne10,11. Nadal istnieje potencjał poprawy w przypadku problemów z zawracaniem, ze względu na to, że powyższe rozwiązania mają restrykcyjne zastosowania. Nowa konstrukcja zawracania może być lepszym rozwiązaniem w pewnych warunkach i być w stanie rozwiązać istniejące problemy.

Najpopularniejszym projektem zawracania jest środkowa część skrzyżowania z zawracaniem (MUTI)12,13,14,15, jak pokazano na rysunku 1. Istotnym ograniczeniem MUTI jest to, że nie jest w stanie odróżnić pojazdów zawracających od przejeżdżających pojazdów, a konflikt drogowy nadal istnieje16,17. Zmodyfikowana konstrukcja zawracania zwana ekskluzywnym pasem do zawracania z wałem ostrogowym (ESUL; Rysunek 2) ma na celu zmniejszenie natężenia ruchu drogowego poprzez wprowadzenie wyłącznego pasa do zawracania po obu stronach pasa ruchu. ESUL może znacznie skrócić czas podróży, opóźnienia i liczbę postojów dzięki kanalizacji dwóch przepływów.

Aby udowodnić, że ESUL jest bardziej wydajny niż normalne MUTI, potrzebny jest rygorystyczny protokół. ESUL nie może być faktycznie skonstruowany przed modelem teoretycznym; W związku z tym potrzebna jest symulacja18. Korzystając z parametrów przepływu ruchu, niektóre kluczowe modele zostały wykorzystane w badaniach symulacyjnych19, takie jak modele zachowań podczas jazdy20,21, modele samochodów podążających za modelami22,23, modele zawracania4 oraz modele zmiany pasa ruchu21. Dokładność symulacji przepływu ruchu jest powszechnie akceptowana16,24. W tym badaniu zarówno MUTI, jak i ESUL są symulowane z zebranymi danymi w celu porównania ulepszeń wprowadzonych przez ESUL. Aby zagwarantować dokładność, symulowana jest również czuła analiza ESUL, która może mieć zastosowanie do wielu różnych sytuacji drogowych.

Ten protokół przedstawia eksperymentalne procedury rozwiązywania rzeczywistych problemów z ruchem. Zaproponowano metody gromadzenia danych o ruchu, analizy danych i analizy ogólnej efektywności usprawnień ruchu. Procedurę można podsumować w pięciu krokach: 1) zbieranie danych o ruchu, 2) analiza danych, 3) budowa modelu symulacyjnego, 4) kalibracja modelu symulacyjnego oraz 5) analiza wrażliwości wydajności operacyjnej. Jeśli którykolwiek z tych wymogów w pięciu krokach nie jest spełniony, proces jest niekompletny i niewystarczający, aby udowodnić skuteczność.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

1. Przygotowanie sprzętu

  1. Przygotuj po dwa egzemplarze następujących urządzeń do zbierania danych o przepływach ruchu w obu kierunkach: radary, laptopy, akumulatory i kable do radarów i laptopów, kamery oraz statywy dla radarów i kamer.
    UWAGA: Radar wraz z odpowiednim oprogramowaniem służy do zbierania danych o prędkości i trajektorii pojazdów, co zapewnia większą dokładność niż w przypadku miernika prędkości. Radar nie jest jedynym rozwiązaniem, jeśli dostępny jest inny sprzęt do pomiaru prędkości, trajektorii i natężenia ruchu pojazdów. Ponieważ sygnały radarowe mogą być łatwo blokowane przez duże pojazdy, do liczenia pojazdów można wykorzystać nagrania wideo z kamer. W przypadku opadów deszczu lub silnego nasłonecznienia podczas badania konieczna jest ochrona sprzętu. Szczególnie w słoneczne dni urządzenia mogą osiągnąć wysoką temperaturę i wyłączyć się, dlatego w takiej sytuacji niezbędny jest parasol lub system chłodzenia.

2. Testowanie sprzętu

  1. Upewnij się, że wszyscy badacze noszą kamizelki odblaskowe.
  2. Przygotuj statyw radarowy i wysuń go na maksymalną wysokość. Ustaw statyw powyżej 2 m, aby uniknąć blokowania sygnałów przy krawędzi jezdni.
  3. Zainstaluj radar na szczycie statywu i zablokuj go.
  4. Ustaw radar w odległości około 0,5 m od krawędzi jezdni, wyreguluj go w pionie i skieruj w stronę ruchu pojazdów lub w kierunku przeciwnym. Utrzymaj kąt między drogą a radarem na jak najniższym poziomie.
    UWAGA: Radar ma zasięg maksymalnie 200 m. Jeśli radar zostanie ustawiony zbyt blisko pasa ruchu, może zostać potrącony przez przejeżdżające pojazdy. Dlatego standardowa odległość od pasa ruchu wynosi 0,5−1,0 m.
  5. Włącz akumulator i podłącz laptop do akumulatora. Podłącz kabel zasilający radar oraz kabel USB do transmisji danych z radaru do laptopa. Po podłączeniu wszystkich kabli włącz laptop.
  6. Ustaw kamerę obok radaru, aby rejestrować przepływ pojazdów.
  7. Uruchomienie oprogramowania radarowego
    1. Kliknij Communication check, a następnie wybierz numer ID radaru z listy rozwijanej. Pojawi się komunikat Radar Detected wraz z numerem ID.
    2. Kliknij Investigation setup. W wyskakującym menu kliknij Read RLU time; wartość Device time po lewej stronie ulegnie zmianie. Następnie kliknij Set up RLU time; wartość PC current time po lewej stronie również ulegnie zmianie.
    3. Kliknij Start investigation; status pracy urządzenia zmieni się z Data recording is not proceeding oraz No data in device na Data recording in proceeding oraz Data in device. Kliknij Close, aby zamknąć to okno dialogowe.
    4. Kliknij Realtime view, aby sprawdzić stan radaru. Pojawi się nowe okno dialogowe, w którym dane radarowe będą szybko przewijane. Oznacza to, że radar wykrywa pojazdy i działa prawidłowo. Pozostaw to okno otwarte do momentu zakończenia zbierania danych.
      UWAGA: Pojazd może zostać zarejestrowany przez radar w momencie mijania urządzenia.
    5. Kliknij Close w oknie dialogowym, aby zakończyć zbieranie danych.
    6. Kliknij Investigation setup | End investigation i potwierdź operację w oknie dialogowym. Kliknij przycisk Close.
    7. Wybierz Data download w menu głównym. Kliknij Browse, aby wybrać miejsce zapisu danych radarowych. Wprowadź indywidualną nazwę dla arkusza. Kliknij przycisk Start download; pojawi się pasek postępu, a po zakończeniu pobierania wyświetli się okno dialogowe. Kliknij Confirm, aby zakończyć gromadzenie danych.
    8. Kliknij Investigation setup | Erase data record i potwierdź to w następnym oknie dialogowym, aby wyczyścić pamięć wewnętrzną radaru.
      UWAGA: Przed wyjazdem do miejsca zbierania danych konieczne jest przetestowanie całego sprzętu. Przenieś cały sprzęt do miejsca zbierania danych tylko wtedy, gdy wszystkie elementy działają prawidłowo.

3. Gromadzenie danych

  1. Wybór miejsca gromadzenia danych (Rysunek 3)
    1. Wybierz odpowiednią lokalizację, która jest zbliżona do typu skrzyżowania wykorzystanego w badaniu.
      UWAGA: Jest to kluczowy wymóg przy wyborze lokalizacji. Należy wziąć pod uwagę kształt miejsca, sytuację przepływu ruchu, sterowanie sygnalizacją świetlną oraz inne formy kontroli. Im bardziej zbliżony jest obszar badań, tym dokładniejsze będą wyniki. Wymagany jest otwór w pasie rozdzielczym dla zawracania na autostradzie. Niezbędne jest zapewnienie odpowiednio długiej linii widoczności i wolnej przestrzeni, co jest konieczne dla działania radaru oraz bezpieczeństwa badaczy. Biorąc pod uwagę zasięg detekcji radaru i drogę hamowania pojazdów, linia widoczności powinna wynosić co najmniej 20 m od lokalizacji w kierunku powyżej strumienia ruchu.
    2. Sprawdź prześwit w kierunku radaru. Upewnij się, że w polu widzenia nie znajdują się drzewa, krzewy, kładki dla pieszych, znaki drogowe ani latarnie uliczne.
    3. Upewnij się, że lokalizacja jest bezpieczna dla sprzętu i badaczy. To, czy sprzęt zostanie ustawiony przy drodze, czy nad nią, zależy od ukształtowania terenu.
    4. Umieść sprzęt w ustronnym miejscu, aby uniknąć zwrócenia uwagi kierowców.
      UWAGA: Z wcześniejszego doświadczenia wynika, że niektórzy kierowcy mogą zwolnić po zauważeniu sprzętu badawczego, co prowadzi do błędów. Sprzęt do akwizycji danych może być postrzegany jako urządzenie pomiarowe policji drogowej do wykrywania nadmiernej prędkości pojazdów.
  2. Gromadzenie danych ruchu drogowego
    1. Wybierz czas gromadzenia danych.
      1. Zbierz dane z 3 h: 1 h w szczycie porannym, 1 h w dolinie południowej i 1 h w szczycie wieczornym.
      2. Sprawdź dokładne godziny szczytów i dolin w raporcie z badań ruchu, w wydziale policji drogowej lub w firmach zajmujących się analizą ruchu25,26 (Rysunek 4).
        UWAGA: Jeśli nie ma dostępnego raportu ani analizy ruchu do odniesienia, zbierz dane z 3 h w trzech wspomnianych okresach i wybierz zestaw z najwyższym natężeniem ruchu.
      3. Wprowadź dane z najwyższym natężeniem ruchu z okresu 1 h do modelu symulacyjnego i sekcji analizy. Pozostałe 2 h danych wykorzystaj do weryfikacji na koniec.
    2. Konfiguracja sprzętu
      1. Dostosuj kierunek radaru i ustaw kamerę obok radaru tak, aby obejmowała wszystkie pasy ruchu. Powtórz proces instalacji całego sprzętu opisany w sekcji 2 na kładce dla pieszych.
        UWAGA: Prześwit przed radarem powinien być jak najdłuższy i najszerszy, aby objąć cały zakres manewrów zawracania. Radar EW (wschód-zachód) jest skierowany przodem do przepływu ruchu, a radar WE (zachód-wschód) jest skierowany w stronę tyłów pojazdów ze względu na geometrię drogi (Rysunek 5). Nie ma różnic w wynikach między ustawieniem sprzętu po wewnętrznej a zewnętrznej stronie pasów. Położenie radaru po stronie wewnętrznej lub zewnętrznej wpływa jedynie na układ współrzędnych wykresów trajektorii z danymi radarowymi. Gdy radar jest skierowany przodem do przepływu ruchu, wykryta prędkość przemieszczania się jest ujemna i musi zostać odwrócona podczas przetwarzania danych. Gdy radar jest skierowany w stronę tyłów pojazdów, wykryta prędkość przemieszczania się jest dodatnia i może być użyta bezpośrednio.
      2. Ustaw radary i kamery tak, aby wystawały nieco ponad barierki mostu, co zapewni prześwit przed urządzeniami.
        UWAGA: Radary nie muszą być tak wysokie jak instalacje przydrożne.
    3. Upewnij się, że czas w radarach, laptopach i kamerach jest zsynchronizowany z czasem rzeczywistym.
    4. Uruchom dwa radary i kamery jednocześnie w celu zsynchronizowania czasu.
    5. Podczas gromadzenia danych sprawdzaj co 5 min, czy radary i kamery działają prawidłowo, aby upewnić się, że wszystkie komponenty funkcjonują sprawnie.
    6. Zakończ gromadzenie danych i wyeksportuj dane z radaru do arkusza kalkulacyjnego z przypisaną nazwą (Tabela 1).

4. Analiza danych

  1. Wykorzystanie oprogramowania obliczeniowego do wyodrębnienia danych radarowych oraz wykreślenia prędkości operacyjnych i trajektorii na podstawie arkusza kalkulacyjnego.
    UWAGA: Współrzędne X/Y oraz prędkość X/Y znajdują się w arkuszu kalkulacyjnym.
  2. Usunięcie ewidentnie odseparowanych punktów z wykresów. Punkty te stanowią błędy pomiarowe radaru.
    UWAGA: Radar wykrywa szeroki obszar, więc dane mogą zawierać pojazdy docelowe, pojazdy jadące z przeciwka oraz pojazdy niezmotoryzowane na pasach dla ruchu pieszego/rowerowego. Podczas nanoszenia wszystkich danych na wykresy, pojazdy docelowe w trzech pasach są wyraźne, a pozostałe punkty są „ewidentnie odseparowanymi punktami”. Obszary detekcji w Rysunku 3 są proste, szerokość trzech pasów jest znana, zatem „ewidentnie odseparowane punkty” można usunąć w oprogramowaniu. Należy nanieść niezbędne punkty, jak pokazano na Rysunku 6b,d.
  3. Odtworzenie nagrań wideo z ruchu drogowego i ręczne przeliczenie w celu uzyskania natężenia ruchu oraz typów pojazdów.
    UWAGA: Pojazdy można podzielić na samochody osobowe i ciężarowe ze względu na ich rozmiar. Wszystkie samochody osobowe, taksówki i małe ciężarówki o długości do 6 m są tutaj klasyfikowane jako samochody osobowe. Wszystkie duże ciężarówki i autobusy są klasyfikowane jako samochody ciężarowe.
  4. Wybór grupy o najwyższym natężeniu ruchu jako danych reprezentatywnych i wprowadzenie ich do symulacji opisanej w sekcji 5.
    UWAGA: W symulacji i analizie wrażliwości potrzebna jest tylko jedna grupa danych. Dane z dwóch pozostałych grup zostaną zasymulowane w celu weryfikacji.

5. Budowanie modelu symulacyjnego

  1. Budowa drogi
    1. Otwórz oprogramowanie do symulacji. Kliknij przycisk Map (Mapa) na górze interfejsu i przybliż mapę, aby zlokalizować miejsce zbierania danych.
    2. Kliknij Links (Łącza) po lewej stronie, następnie przenieś kursor w miejsce rozpoczęcia łącza i kliknij prawym przyciskiem myszy. Wybierz Add New Link (Dodaj nowe łącze), wprowadź nazwę łącza oraz liczbę pasów i kliknij OK. Przeciągnij kursor, aby narysować łącze na mapie.
    3. Kliknij prawym przyciskiem myszy na łączu i wybierz Add Point (Dodaj punkt). Dodawaj i przesuwaj punkty, aby wygładzić łącze zgodnie z rzeczywistym przebiegiem drogi na mapie.
    4. Powtórz kroki 5.1.2 i 5.1.3 trzykrotnie, aby zbudować cztery segmenty, z wyjątkiem otworu w medianie dla zawrotu.
    5. Przytrzymaj prawy przycisk myszy oraz klawisz Ctrl na klawiaturze, a następnie przeciągnij punkt końcowy jednego łącza do łącza sąsiedniego, aby je połączyć. Część ta nazywana jest „łącznikiem” i może być wygładzona poprzez dodanie większej liczby punktów.
    6. Powtórz krok 5.1.5, aby połączyć wszystkie łącza i trasy zawrotne.
  2. Wprowadzanie prędkości pożądanej
    1. Wybierz Base Data (Dane podstawowe) z górnego paska, a następnie wybierz Distributions | Desired speed (Rozkłady | Prędkość pożądana).
    2. Kliknij przycisk Add (Dodaj) z zielonym krzyżykiem na dole, aby dodać nową prędkość pożądaną, a następnie ją nazwij.
    3. W oknie dialogowym Desired Speed Distributions (Rozkłady prędkości pożądanej) wprowadź maksymalną prędkość uzyskaną z reprezentatywnych danych jako maksymalną prędkość pożądaną, a następnie wprowadź średnią prędkość obliczoną z reprezentatywnych danych jako minimalną prędkość pożądaną. Usuń dane domyślne.
    4. Wprowadź nazwę dla tej prędkości pożądanej, zazwyczaj określając kierunek.
    5. Powtórz kroki 5.2.3 i 5.2.4, aby zdefiniować wszystkie prędkości pożądane (WE, EW, zawrót WW oraz zawrót EE).
  3. Skład pojazdów
    1. Wybierz przycisk Lists (Listy) z górnego paska, a następnie kliknij Private Transport | Vehicle Compositions (Transport prywatny | Składy pojazdów).
    2. Kliknij przycisk Add (Dodaj) z zielonym krzyżykiem na dole, aby dodać nowy skład pojazdów. Wybierz prędkość pożądaną zdefiniowaną w kroku 5.2 jako Car (Samochód osobowy).
    3. Kliknij przycisk Add (Dodaj) z zielonym krzyżykiem, aby dodać typ pojazdu autobus/ciężarówka jako HGV (Pojazd ciężki). Wybierz tę samą prędkość pożądaną, co w kroku 5.3.2.
    4. W polu RelFlow (Przepływ względny) wprowadź natężenie ruchu samochodów osobowych i ciężarówek na podstawie reprezentatywnych danych.
    5. Powtórz kroki 5.3.2–5.3.5, aby zbudować wszystkie składy pojazdów (WE, EW, zawrót WW oraz zawrót EE).
  4. Trasy pojazdów
    1. Wybierz Vehicle Route (Trasa pojazdu) z lewego paska menu.
    2. Przenieś kursor w górę jednego łącza, wyznaczając punkt startowy, kliknij prawym przyciskiem myszy, a następnie wybierz Add New Static Vehicle Routing Decision (Dodaj nową statyczną decyzję o trasowaniu pojazdów).
    3. Przeciągnij niebieski kursor reprezentujący trasy pojazdów zgodnie z danymi z pomiarów. Powtórz ten krok 4 razy dla kierunków WE, EW, zawrotu WW i zawrotu EE, aby wyrysować wszystkie trasy pojazdów.
  5. Obszary ograniczenia prędkości
    1. Wybierz Reduced Speed Areas (Obszary ograniczenia prędkości) z lewego paska menu.
    2. Kliknij prawym przyciskiem myszy przed otworem dla zawrotu, a następnie wybierz Add New Reduced Speed Area (Dodaj nowy obszar ograniczenia prędkości).
      UWAGA: Długość obszaru zależy od reprezentatywnych danych oraz długości odcinka zmiany prędkości.
    3. Utwórz ten obszar w obu kierunkach.
  6. Obszary konfliktów
    1. Wybierz Conflict Areas (Obszary konfliktów) z lewego paska menu. W sekcji otworu w medianie zostaną wyświetlone cztery żółte obszary konfliktów.
    2. Kliknij prawym przyciskiem myszy na jednym z żółtych obszarów konfliktów i wybierz Set Status to Undetermined (Ustaw status na nieokreślony), aby odzwierciedlić rzeczywistą sytuację; obszary konfliktów zmienią kolor na czerwony.
    3. Powtórz krok 5.6.2 dla wszystkich czterech obszarów konfliktów.
  7. Pomiar czasu przejazdu
    1. Wybierz Vehicle Travel Times (Czasy przejazdu pojazdów) z lewego paska menu.
    2. Kliknij prawym przyciskiem myszy na początku jednego łącza i wybierz Add New Vehicle Travel Time Measurement (Dodaj nowy pomiar czasu przejazdu pojazdu).
    3. Przeciągnij kursor do końca łącza, aby utworzyć pojedynczy pomiar czasu przejazdu. Powtórz ten krok dla wszystkich tras pojazdów (WE, EW, zawrót WW oraz zawrót EE).
    4. Nazwij każdy pomiar czasu przejazdu zgodnie z odpowiadającym mu kierunkiem.
      UWAGA: Aby porównać sytuacje eksploatacyjne z projektami usprawnień, długość pomiarów czasu przejazdu musi być taka sama w obu modelach symulacyjnych.
  8. Wprowadzanie pojazdów
    1. Wybierz Vehicle Inputs (Wprowadzanie pojazdów) z lewego paska menu. Kliknij punkt początkowy jednego łącza prawym przyciskiem myszy, aby dodać nowe wprowadzenie pojazdów.
    2. Przenieś mysz w lewy dolny róg i wprowadź natężenie ruchu z reprezentatywnych danych. Powtórz ten krok dla wszystkich łącz.
  9. Zbuduj drugi model symulacji ESUL w celu porównania; zmodyfikować należy jedynie część dotyczącą otworu dla zawrotu (Rysunek 7 i Tabela 2).
  10. Kliknij niebieski przycisk odtwarzania na górze interfejsu, aby rozpocząć symulację. Przeciągnij suwak po lewej stronie przycisku odtwarzania, aby dostosować prędkość symulacji.
    UWAGA: Przycisk instrumentu Quick mode (Tryb szybki) pozwala na ustawienie maksymalnej prędkości symulacji.
  11. Po zakończeniu symulacji wszystkie wyniki zostaną wyświetlone na dole interfejsu. Skopiuj wyniki do nowego arkusza kalkulacyjnego. W analizie 27 oceniano czas przejazdu, opóźnienie oraz liczbę zatrzymań.

6. Kalibracja modelu symulacyjnego

  1. Wprowadź natężenie ruchu z reprezentatywnych danych do oprogramowania symulacyjnego i przeprowadź symulację (Rysunek 8a).
  2. Porównaj natężenie ruchu uzyskane z wyników symulacji z zebraną objętością danych.
  3. Oblicz pojemność przy użyciu Równanie 1 Proszę podać tekst źródłowy do tłumaczenia.
    Wzór na obliczenie wydajności w schemacie, C=360/ht, stosowany w analizie dynamiki płynów. (1)
    gdzie C oznacza przepustowość idealną (poj./h) oraz ht oznacza średni minimalny odstęp czasowy (s).
  4. Wykorzystując pojemność, należy oszacować błąd symulacji jako średni bezwzględny błąd procentowy (MAPE) zgodnie z poniższym wzorem Równanie 2:
    Wzór na średni bezwzględny błąd procentowy (MAPE), równanie matematyczne, analiza statystyczna. (2)
    gdzie n oznacza cztery różne przepływy w niniejszym badaniu, Civ jest to przepustowość symulowana w modelu symulacyjnym (poj./h), a Cif jest przepustowość badania (poj/h). Obliczona wartość MAPE została przedstawiona w Tabela 3.
    UWAGA: Model symulacyjny może być stosowany, jeśli wartość MAPE jest mała28,29,30.
  5. Zmodyfikuj parametry (np. ziarno liczb losowych, typ modelu podążania za pojazdem, regułę zmiany pasa ruchu itp.) zgodnie z instrukcjami oprogramowania do symulacji lub sprawdź wszystkie opisane powyżej kroki podczas budowania modelu symulacji31,32,33,34.

7. Analiza wrażliwości

UWAGA: Proces analizy wrażliwości przedstawiono w Rycina 8bZebrane dane mogą odzwierciedlać jedynie jego własną wydajność (Rysunek 9, Tabela 4, Tabela 5, i Tabela 6). Aby udowodnić skuteczność we wszystkich warunkach, do modelu symulacyjnego wprowadzono wszystkie możliwe sytuacje ruchu drogowego oraz ich różne kombinacje, aby zapewnić objęcie wszystkich scenariuszy pomiędzy MUTI a ESUL (Rycina 10 i Tabela 7).

  1. Wybierz stosunek samochodów osobowych do ciężarówek (autobusów) oraz prędkość roboczą dla danych reprezentatywnych. Zachowaj te parametry.
  2. W analizie wrażliwości ustaw stosunek zawrotów w zakresie od ~0,03 do 0,15 z przyrostem 0,03, co oznacza pięć wartości stosunku zawrotów w analizie wrażliwości.
    UWAGA: Zgodnie z danymi reprezentatywnymi w Tabeli 1, zakres wskaźnika zawrotów wynosi 0,04-0,15.
  3. Ustaw natężenie ruchu w zakresie od ~0,2 do 1,0 V/C z przyrostem 693 poj./h (0,1 V/C; Tabela 7), co oznacza dziewięć wartości natężenia w analizie wrażliwości.
    UWAGA: Maksymalne natężenie ruchu wynosi 6 930 poj./h na miejskiej autostradzie z odcinkiem trzypasowym, co odpowiada poziomowi usług E zgodnie z podręcznikiem Highway Capacity Manual AASHTO35 przy prędkości projektowej 80 km/h.
  4. Przeprowadź symulacje dla wszystkich 45 sytuacji i zapisz wyniki zarówno dla sytuacji obecnej (MUTI), jak i sytuacji ulepszonej (ESUL).
  5. Zweryfikuj poprawę czasu podróży i opóźnień, obliczając stosunek = (MUTI - ESUL)/MUTI x 100%. Zweryfikuj poprawę liczby zatrzymań, obliczając czas zredukowany = MUTI - ESUL.
    UWAGA: W wynikach końcowych (Rysunek 10) wynik dodatni (>0) oznacza, że ESUL poprawił sytuację ruchu, natomiast wynik ujemny (<0) w analizie wrażliwości oznacza sytuację przeciwną.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Rycina 2 przedstawia ilustrację ESUL dla otwarcia pasa do zawracania na środku drogi. WENS oznacza cztery kierunki świata. Droga główna ma sześć pasów ruchu w dwóch kierunkach. Zielone pasy oddzielają pasy dla ruchu niesamochodowego po obu stronach oraz dzielą oba kierunki ruchu w środku. Strumień 1 to ruch przejezdny z wschodu na zachód, strumień 2 to strumień zawracającego ruchu z wschodu na wschód, strumień 3 to ruch przejezdny z zachodu na wschód, a strum...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

W artykule omówiono procedurę rozwiązywania problemu drogowego na skrzyżowaniu lub krótkim odcinku z wykorzystaniem symulacji. Na szczególną uwagę zasługuje kilka punktów, które zostały omówione bardziej szczegółowo tutaj.

Zbieranie danych terenowych to pierwsza rzecz, która zasługuje na uwagę. Niektóre wymagania dotyczące miejsca zbierania danych są następujące: 1) Znalezienie odpowiedniej lokalizacji do zbierania danych. Lokalizacja powinna być zbliżona do kształtu geometrycznego drogi w bad...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Podziękowania

Autorzy chcieliby podziękować Chińskiej Radzie Stypendialnej za częściowe sfinansowanie tej pracy z plikiem nr 201506560015.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
BateriaBeijing Aozeer Technology CompanyLPB-568SPojemność: 3,7 V / 50000 mAh. Dwa porty, wyjście DC 1: 19 V / 5 A (maks.), dla jednego laptopa. Wyjście DC 2: 12 V / 3 A (maks.), dla jednego radaru.
akumulatorowyBeijing Aozeer Technology CompanyBrak numeru katalogowegoPodłącz jedną baterię do jednego laptopa.
KameraSONYa6000/as50rFilmy nakręcone kamerami miały rozdzielczość 1080p, co oznacza, że rozdzielczość wynosi 1920*1080.
Statyw do aparatuWEI FENG3560/3130Wysokość statywu do aparatu wynosi 1,4m.
LaptopDellC2H2L82obsługuje podstawowy system Windows 7.
Matlab SoftwareMathWorksR2016a
RadarBeijing Aozeer Technology CompanySD/D CADX-0037
Oprogramowanie radaroweBeijing Aozeer Technology CompanyDatalogger Statyw
radarowyBeijing Aozeer Technology CompanyBrak numeru katalogowegoOdpowiednie statywy, które mogą łączyć się z radarami, wysokość wynosi maksymalnie 2 m.
Kamizelka odblaskowaDostosowanaBrak numeru katalogowego
VISSIM OprogramowaniePTV AG grupaPTV vissim 10.00-07 wersja studencka

Bibliografia

  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).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Gromadzenie danych o ruchukonfiguracja sprz tu radarowegooprogramowanie symulacyjne WaSiManaliza czasu przejazdupomiar op nieliczba zatrzymabudowa modelu symulacyjnegokalibracja symulacjianaliza wra liwo ci
Ocena wyjątkowego projektu zawracania wału przeciwpowodziowego z danymi zebranymi przez radar i symulacją
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki Korzystania

Zasady

Copyright © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.