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

Artykuł metodologiczny

Ocena wpływu parkowania na poboczu drogi na dwukierunkową ulicę miejską

3.9K wyświetleń

⸱

DOI:

10.3791/63384

⸱

20 stycznia 2023

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

W tym artykule

Podsumowanie

W tym badaniu analizowany jest wpływ parkowania przy drodze na ulicy miejskiej. Cały proces składa się z gromadzenia danych o ruchu, przetwarzania danych, symulacji operacji, kalibracji symulacji i analizy wrażliwości.

Streszczenie

Parkowanie przy drogach jest powszechnym zjawiskiem drogowym w Chinach. Wąskie ulice miejskie, wysokie wymagania dotyczące parkowania i niedobór miejsc parkingowych zmuszają społeczeństwo do przypadkowego parkowania wzdłuż pobocza drogi. Proponuje się protokół w celu określenia wpływu pojazdu zaparkowanego na poboczu drogi na przejeżdżające pojazdy. W tym badaniu do zbierania danych o ruchu wybrano dwukierunkową i dwupasmową ulicę miejską, na której jeden pojazd jest zaparkowany na poboczu drogi. Na podstawie tych danych określa się wpływ pojazdów zaparkowanych na poboczu drogi na trajektorię i prędkość przejeżdżających pojazdów. Ponadto stosuje się model mikrosymulacyjny w celu określenia wpływu parkowania przydrożnego na maksymalną długość kolejki, opóźnienie, emisje i inne wskaźniki przy różnym natężeniu ruchu zgodnie z analizą wrażliwości. Wyniki pokazują, że pojazdy zaparkowane na poboczu drogi wpływają na tor jazdy mijanych pojazdów na długości około 80 m i mają negatywny wpływ na prędkość, przy czym najniższą prędkość obserwuje się w miejscu, w którym znajduje się pojazd zaparkowany na poboczu. Wyniki analizy wrażliwości sugerują, że natężenie ruchu wzrasta synchronicznie z wartościami wskaźników. W protokole przedstawiono metodę określania wpływu parkowania przydrożnego na trajektorię jazdy i prędkość. Badania przyczyniają się do udoskonalenia zarządzania przyszłymi parkingami przydrożnymi.

Wprowadzenie

Przyspieszeniu urbanizacji towarzyszy oczywisty wzrost liczby posiadanych pojazdów silnikowych i przepływu ruchu miejskiego. W 2021 roku liczba posiadanych samochodów w Chinach osiągnęła 378 milionów, co stanowi wzrost o 25,1 miliona w porównaniu z rokiem 20201. Jednak obecna sytuacja, przy niewystarczającej przepustowości dróg i ograniczonej technologii zarządzania ruchem, doprowadziła do coraz bardziej widocznej rozbieżności między podażą a popytem na ruch miejski. W związku z tym zagęszczenie ruchu drogowego stopniowo się nasilało. Jako najbardziej rozpowszechniony problem w transporcie miejskim, zatory drogowe powodują wiele zagrożeń i przyciągnęły szeroką uwagę badaczy2,3,4. Oprócz wydłużenia czasu podróży, zatory drogowe zwiększają również zanieczyszczenie środowiska, intensyfikują zużycie energii i zwiększają emisję zanieczyszczeń5,6,7,8. Istnieje dodatnia korelacja między natężeniem ruchu drogowego a wskaźnikami wypadków9,10. Oprócz wyżej wymienionych efektów, rosnące natężenie ruchu drogowego obniża dochody i zatrudnienie11, a efekt ten jest ściśle związany z codziennym życiem ludzi, co czyni go jednym z głównych problemów w miastach. Wraz z rozwojem miast niekorzystny wpływ zatłoczenia dróg na społeczeństwo będzie się nadal zwiększał.

Zatory drogowe są kompleksowym odzwierciedleniem wielu problemów związanych z ruchem miejskim, z których głównym jest parkowanie. Ekspansja populacji miejskiej i wzrost liczby pojazdów silnikowych mają negatywny wpływ na podaż miejsc parkingowych i nienaliczony popyt na miejsca parkingowe. W systemie parkingowym parkowanie przydrożne jest powszechne w ruchu miejskim i stanowi ważny sposób rozwiązania problemu braku równowagi między podażą a popytem na miejsca parkingowe. Parking przydrożny wykorzystuje zasoby po obu stronach drogi, aby zapewnić miejsca parkingowe. Parkowanie przydrożne jest wygodne, szybkie, elastyczne i zajmuje mało miejsca w porównaniu z innymi obiektami parkingowymi. Parkingi przydrożne zajmują jednak zasoby drogowe, a jego negatywnych skutków nie można ignorować. W szybko rozwijających się miastach w krajach rozwijających się, gwałtownie rosnące zapotrzebowanie na miejsca parkingowe powoduje przeciążenie parkingów przydrożnych, co zmniejsza bezpieczeństwo ruchu, jakość powietrza i przestrzeń publiczną12. W związku z tym należy zająć się kwestią parkowania na poboczach dróg.

Przydrożne miejsce parkingowe może być zlokalizowane w dwóch scenariuszach: (1) pas dla pojazdów niezmotoryzowanych (np. na szerokich drogach z oddzielnymi pasami dla motorów i niezmotoryzowanych, parking przydrożny zajmuje miejsce na najbardziej wysuniętym na prawo pasie dla pojazdów niezmotoryzowanych); oraz (2) pas mieszany dla pojazdów silnikowych i niesilnikowych, który często jest wąską drogą o małym natężeniu ruchu. Ponieważ pojazdy silnikowe i niesilnikowe dzielą się zasobami drogowymi, parkowanie przydrożne często prowadzi do chaosu w ruchu drogowym w drugim scenariuszu. Jednak większość istniejących badań koncentrowała się na pierwszym scenariuszu13,14,15,16,17,18.

Gdy na pasie dla niezmotoryzowanych znajduje się przydrożne miejsce parkingowe i jeśli nie ma obowiązkowej izolacji pasów dla zmotoryzowanych i niezmotoryzowanych, parkowanie na poboczu drogi pośrednio prowadzi do ruchu mieszanego. Przydrożne miejsce parkingowe znacznie zmniejsza efektywną szerokość pasa ruchu dla pojazdów niezmotoryzowanych, zwiększając w ten sposób prawdopodobieństwo, że pojazdy niesilnikowe przejdą przez pas dla pojazdów niezmotoryzowanych i zajmą sąsiedni pas dla pojazdów niezmotoryzowanych. Zachowanie to nazywa się lane-crossing16. W wielu badaniach analizowano wpływ parkowania na poboczu drogi na pasie ruchu niezmotoryzowanym na przepływ ruchu mieszanego. Opierając się na modelu automatów komórkowych, Chen i in.13 ocenili wpływ parkowania przydrożnego na niejednorodne operacje ruchu na ulicach miejskich poprzez badanie konfliktów tarcia i zatorów między pojazdami silnikowymi i niesilnikowymi13. Chen i in. zaproponowali model oporu drogi dla ruchu mieszanego, biorąc pod uwagę wpływ parkingowania na poboczu drogi17. Ponadto w niektórych badaniach analizowano wpływ parkowania przydrożnego tylko na pojazdy silnikowe. Guo i in. zaproponowali metodę opartą na czasie trwania ryzyka, która została wykorzystana do ilościowej analizy czasu prowadzenia pojazdów silnikowych na odcinkach parkingów przydrożnych19, a wyniki wykazały, że parkowanie przy drodze znacząco wpłynęło na czas podróży.

Symulacja ruchu drogowego jest powszechnym narzędziem do badania wpływu parkowania przy drogach. Yang i in. wykorzystali oprogramowanie VISSIM do zbadania wpływu parkowania przydrożnego na dynamiczny ruch drogowy (zwłaszcza na przepustowość), opracowali model średniego opóźnienia ruchu pojazdów i zweryfikowali niezawodność modelu za pomocą symulacji20. Gao i in. przeanalizowali wpływ parkowania przydrożnego na ruch mieszany w czterech typach zakłóceń ruchu przy użyciu tego samego oprogramowania18. Guo i in. wykorzystali model automatów komórkowych do analizy wpływu parkowania na poboczu drogi na charakterystykę ruchu pojazdów (przepustowość pasa ruchu i prędkość pojazdu) za pomocą symulacji Monte Carlo w różnych scenariuszach21. W ramach trójfazowej teorii ruchu Kernera, Hu i in. przeanalizowali wpływ tymczasowego parkowania na poboczu drogi na płynność ruchu w oparciu o model automatów komórkowych22. Badania te pokazują, że parkowanie przydrożne ma duży negatywny wpływ na efektywność ruchu.

Dział zarządzania ruchem jest zainteresowany zrozumieniem wpływu pojazdów zaparkowanych na poboczu drogi na przepływ ruchu. Konkretna długość i stopień efektu są ważne dla rozwiązywania problemów z parkowaniem na poboczu drogi, na przykład poprzez dostarczanie informacji o tym, jak wyznaczyć parkingi, wyznaczyć strefy zakazu parkowania i regulować czas parkowania. W tym badaniu opracowano protokół mający na celu zbadanie wpływu pojedynczego pojazdu zaparkowanego na poboczu drogi na ruch drogowy. Procedurę można podsumować w następujących krokach: 1) przygotowanie sprzętu, 2) wybór miejsca zbierania danych, 3) wybór czasu badania, 4) zebranie danych, 5) przeprowadzenie analizy danych, 6) zbudowanie modelu symulacyjnego, 7) kalibracja modelu symulacyjnego oraz 8) wykonanie analizy wrażliwości. Jeśli którykolwiek z wymogów w tych ośmiu krokach nie zostanie 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. Upewnij się, że dostępny jest cały wymagany sprzęt: radary, przydrożne urządzenie laserowe, laptopy, akumulatory, aparat fotograficzny, dron, odblaskowy statyw, odpowiednie kable oraz statywy do urządzeń.

2. Wybór miejsca gromadzenia danych (Rycina 1)

  1. Wybierz miejsce gromadzenia danych. Upewnij się, że wybrana lokalizacja znajduje się na drodze dwukierunkowej i dwujezdniowej.
    UWAGA: Wybór lokalizacji jest kluczowy w tych badaniach. Szerokość dwóch pasów ruchu jest łatwa do zaobserwowania.
  2. Upewnij się, że w wybranej lokalizacji nie ma żadnych skrzyżowań.
    UWAGA: Pojazdy nadjeżdżające z trzeciego kierunku mogą wprowadzić chaos podczas obserwacji.
  3. Upewnij się, że na drodze nie ma żadnych barier, z wyjątkiem jednego zaparkowanego pojazdu umieszczonego przez badaczy.
    UWAGA: Bariery mogą zakłócać zachowanie pojazdów i blokować detekcję radarową.
  4. Upewnij się, że zapewniona jest widoczność i prześwit wynoszący co najmniej 300 m. Jest to wymagane dla prowadzenia pomiarów radarowych oraz dla bezpieczeństwa badaczy.
    UWAGA: Jeden radar może wykryć obiekt z maksymalnie 200 m. Radary są rozmieszczone 100 m przed i za zaparkowanym pojazdem w badaniu.
  5. Upewnij się, że lokalizacja znajduje się na prostym odcinku drogi.
    ​UWAGA: Jeśli odcinek nie jest prosty, nie można określić, czy przesunięcie pojazdu jest spowodowane parkowaniem przy drodze.

3. Wybór czasu badania

  1. Wybierz czas badania. Wymagane jest łącznie co najmniej 3 h, w tym 1 h podczas porannego szczytu, 1 h w południe i 1 h podczas wieczornego szczytu23,24,25.
  2. Ustal godzinę szczytu natężenia ruchu na podstawie raportów z badań ruchu, danych z wydziałów policji ruchu drogowego lub firm zajmujących się zarządzaniem ruchem26 (Rysunek 2).
  3. W przypadku braku raportów lub analiz ruchu służących jako punkt odniesienia, zbierz dane z kilku godzin w każdym z trzech wyżej wymienionych okresów, a następnie wybierz dane z najwyższym natężeniem ruchu w szczycie27,28.
  4. Wykorzystaj dane z godziny o najwyższym natężeniu ruchu do przeprowadzenia analizy danych oraz jako dane wejściowe do modelu symulacyjnego. Wszystkich 3 h danych użyj do weryfikacji modelu.
    UWAGA: Wybrana droga była w sąsiedztwie restauracji, a godzina szczytu w gastronomii jest godziną szczytu zapotrzebowania na parking przy drodze. Godzina szczytu natężenia ruchu przypada na czas poza szczytem pracy, a czas ten jest również okresem szczytowym dla gastronomii. W związku z tym godzina szczytu natężenia ruchu i godzina szczytu zapotrzebowania na parking są niemal zsynchronizowane.

4. Gromadzenie danych (Rysunek 3)

  1. Zaparkuj pojazd w zamierzonym miejscu w odległości około 20 cm od krawężnika, aby umożliwić rozmieszczenie przydrożnego urządzenia laserowego.
  2. Umieść trójkąt ostrzegawczy z tyłu pojazdu. Nie ustawiaj go zbyt daleko, aby nie wpływał on na zachowanie pojazdów.
    UWAGA: Trójkąt ostrzegawczy jest niezbędny w celu ostrzeżenia i/lub uniknięcia kolizji zgodnie z odpowiednimi postanowieniami chińskiego prawa bezpieczeństwa ruchu drogowego. Trójkąt umieszcza się w określonej odległości za zaparkowanym pojazdem, aby ostrzec nadjeżdżające samochody o obecności pojazdu z przodu i tym samym zapobiec kolizji. Odległość między trójkątem a zaparkowanym pojazdem jest utrzymywana na niskim poziomie, aby zminimalizować wpływ trójkąta na zachowanie przejeżdżających pojazdów, dzięki czemu jego wpływ na wyniki badania jest pomijalny.
  3. Ustaw statyw radarowy. Rozstaw statyw na wysokości nie mniejszej niż 2 m, aby uniknąć blokowania sygnału. Zamocuj radar na statywie. Wyreguluj radar w pionie i skieruj go w stronę zaparkowanego pojazdu. Podłącz kabel danych radaru do portu USB laptopa.
    UWAGA: Jeden radar znajduje się 100 m przed zaparkowanym pojazdem, a drugi 100 m za nim. Oba radary są ustawione po tej samej stronie zaparkowanego pojazdu w celu gromadzenia danych o ruchu.
  4. Otwórz oprogramowanie radaru i wykonaj następujące kroki:
    1. Kliknij Communication Check. Wybierz Serial Port i kliknij Connect. Po wyświetleniu komunikatu Radar Detected kliknij Confirm.
    2. Kliknij Investigation Set Up. Kliknij kolejno Read RLU Time oraz Set RLU Time. Kliknij Erase Data Record i zatwierdź, aby wyczyścić pamięć wewnętrzną radaru. Kliknij Start Investigation i zamknij okno dialogowe.
    3. Kliknij Real-Time View, aby sprawdzić status radaru; dane o ruchu powinny być zbierane w miarę przejazdu pojazdów.
  5. Przygotuj przydrożne urządzenie laserowe oraz kabel. Podłącz kabel danych przydrożnego urządzenia laserowego do portu, a następnie do portu USB laptopa.
  6. Umieść przydrożne urządzenie laserowe na środku zaparkowanego pojazdu. Obracaj cztery kolumny regulacyjne w urządzeniu, aby je wypoziomować.
    UWAGA: Przydrożne urządzenie laserowe musi pracować w standardowej pozycji.
  7. Otwórz oprogramowanie przydrożnego urządzenia laserowego i wykonaj następujące operacje:
    1. Kliknij Communication Check. Wybierz RLU Serial Port Number i kliknij Connect. Po wyświetleniu komunikatu New RLU Connection Detected kliknij Confirm.
    2. Kliknij View Investigation. Podczas przejazdu pojazdów przepływ ruchu będzie wyświetlany w czasie rzeczywistym.
    3. Kliknij Investigation Set Up. Kliknij kolejno Read RLU Time oraz Set RLU Time. Ustaw Start Time oraz End Time, a następnie kliknij Set Task. Po wyświetleniu komunikatu RLU Investigation Set Up Succeeded kliknij Confirm.
    4. Kliknij Finish. Kliknij Device Status, aby sprawdzić status przydrożnego urządzenia laserowego.
  8. Ustaw kamerę około 30 m przed zaparkowanym pojazdem.
    UWAGA: Dane o ruchu mogą być zbierane przez radary i przydrożne urządzenie laserowe. Nagrania wideo z ruchu drogowego służą do walidacji danych.
  9. Rozmieść cały sprzęt na drodze dwupasmowej obustronnej (w tym przypadku na drodze Dian Zi Yi). Co 5 min sprawdzaj, czy radary, przydrożne urządzenie laserowe i kamera działają prawidłowo.
    UWAGA: Upewnij się, że czas na laptopach i kamerze jest zgodny z czasem rzeczywistym. Uruchom oba radary, przydrożne urządzenie laserowe i kamerę jednocześnie w wyznaczonym czasie. Dwa radary skierowane ku sobie, wraz z pośrednim urządzeniem laserowym, zapewniają ciągłość trajektorii analizowanego ruchu.
  10. Zakończ gromadzenie danych i zamknij okno podglądu w czasie rzeczywistym w oprogramowaniu radaru.
    1. Kliknij Investigation Set Up, wybierz End Investigation i zatwierdź. Zamknij okno dialogowe.
    2. Wybierz Data Download, przejrzyj foldery komputera w celu zapisania danych i wprowadź nazwę pliku. Kliknij Open, a następnie Start Download. Kliknij Confirm, aby zakończyć pobieranie danych z radaru.
  11. Kliknij Device Status w oprogramowaniu przydrożnego urządzenia laserowego, a następnie kliknij Stop Task, aby zakończyć gromadzenie danych. Wybierz Data Download, przejrzyj foldery i wprowadź nazwę pliku. Kliknij Open, a następnie Start Download. Kliknij Confirm, aby zakończyć gromadzenie danych z przydrożnego urządzenia laserowego.

5. Analiza danych

UWAGA: W procesie gromadzenia danych pozyskuje się dane z 3 h, obejmujące poranny szczyt, godzinę południową oraz wieczorny szczyt. Kamera dostarcza nagrania ruchu w celu ręcznej kalibracji natężenia ruchu oraz typów pojazdów. Jako godzinę reprezentatywną do przeprowadzenia analizy danych należy wybrać grupę danych o najwyższym natężeniu (w tym przypadku dane z porannego szczytu).

  1. Użyć oprogramowania do zbierania trajektorii i prędkości z radarów.
    UWAGA: Radar znajduje się 100 m od zaparkowanego pojazdu, a droga ma 10 m szerokości. Zatem wszystkie punkty danych poza tym zakresem są błędami radaru i powinny zostać usunięte.
  2. Upewnić się, że przydrożne urządzenie laserowe dostarcza wartość offsetu, prędkość przejazdu, liczbę pojazdów oraz typy pojazdów w pozycji zaparkowanego pojazdu.
  3. Narysować cały zakres trajektorii i prędkości dostarczonych przez dwa radary i jedno przydrożne urządzenie laserowe jako dane reprezentatywne, używając oprogramowania obliczeniowego (Rysunki 4-6).

6. Budowanie modelu symulacyjnego

UWAGA: Mikroskopowy model symulacyjny zostaje stworzony przy użyciu oprogramowania do symulacji ruchu drogowego. Wyniki gromadzenia danych, w tym natężenie ruchu, prędkość pojazdów oraz skład typów pojazdów, są kluczowymi parametrami w symulacji ruchu i stanowią podstawę budowy modelu. W symulacji wymagana jest jedynie reprezentatywna grupa danych.

  1. Budowa drogi
    1. Uruchom oprogramowanie do symulacji. Zaimportuj mapę tła badanego odcinka drogi.
    2. Kliknij Obstacles po lewej stronie, kliknij prawym przyciskiem myszy i wybierz Add New Obstacle. Wprowadź długość i szerokość przeszkody, a następnie kliknij OK. Przeciągnij kursor, aby przenieść przeszkodę na jeźnię.
      UWAGA: „Przeszkoda” odnosi się do pojazdu zaparkowanego przy drodze. Długość i szerokość przeszkody ustawia się zgodnie z rzeczywistym rozmiarem zaparkowanego pojazdu.
    3. Kliknij Links po lewej stronie, przesuń kursor na początek łącza i kliknij prawym przyciskiem myszy. Wybierz Add New Link, wprowadź szerokość pasa ruchu i kliknij OK. Przeciągnij kursor, aby narysować łącze na mapie.
    4. Powtórz krok 6.1.3, aby zbudować cztery odcinki drogi.
    5. Przytrzymaj prawy przycisk myszy oraz klawisz Ctrl na klawiaturze i przeciągnij koniec jednego łącza do łącza sąsiedniego, aby połączyć oba łącza.
      UWAGA: Część ta nazywana jest „łącznikiem” (connector) i staje się bardziej płynna po dodaniu większej liczby punktów.
    6. Powtórz krok 6.1.5, aby połączyć wszystkie łącza.
  2. Prędkość pożądana
    1. Wybierz Base Data z górnego paska, a następnie wybierz Distributions | Desired Speed.
    2. Kliknij zielony przycisk z krzyżykiem Add na dole, aby dodać nowy rozkład prędkości pożądanej i nazwij go.
    3. Wprowadź średnią prędkość oraz prędkość maksymalną pobrane z reprezentatywnych danych jako minimalną i maksymalną prędkość pożądaną. Usuń dane domyślne.
    4. Powtórz kroki 6.2.2-6.2.3, aby ustanowić wszystkie rozkłady prędkości pożądanej (kierunek ze wschodu na zachód, kierunek z zachodu na wschód oraz obszar z ograniczoną prędkością).
      UWAGA: W dalszej części tekstu kierunek ze wschodu na zachód określany jest skrótem E-W, a kierunek z zachodu na wschód skrótem W-E.
  3. Składy pojazdów
    1. Wybierz Lists z górnego paska, a następnie wybierz Private Transport | Vehicle Compositions.
    2. Kliknij zielony przycisk z krzyżykiem Add , aby dodać nowy skład pojazdów.
    3. Kliknij przycisk Add , aby dodać dwa typy pojazdów: pojazdy ciężarowe (HGVs) i autobusy.
    4. Wybierz rozkład prędkości pożądanej ustawiony w kroku 6.2 dla samochodów osobowych, ciężarówek i autobusów.
    5. Powtórz kroki 6.3.2-6.3.4, aby ustanowić dwa składy pojazdów (E-W i W-E). Wprowadź natężenie ruchu samochodów osobowych, ciężarówek i autobusów z reprezentatywnych danych.
  4. Trasy pojazdów
    1. Wybierz Vehicle Routes z lewego paska menu.
    2. Przesuń kursor na początek jednego łącza, kliknij prawym przyciskiem myszy i wybierz Add New Static Vehicle Routing Decision.
    3. Przeciągnij niebieski kursor, aby narysować trasy pojazdów na mapie na podstawie rzeczywistych tras z gromadzenia danych.
  5. Obszary z ograniczoną prędkością
    1. Wybierz Reduced Speed Areas z lewego paska menu.
    2. Kliknij prawym przyciskiem myszy na obszarze przed pozycją parkingową i wybierz Add New Reduced Speed Area.
      UWAGA: Długość obszaru zależy od wyników analizy danych.
    3. Kliknij prawym przyciskiem myszy na marginesie ekranu, wybierz Add, a następnie wybierz prędkość pożądaną ustawioną w kroku 6.2 dla obszaru z ograniczoną prędkością jako prędkość obszarową.
    4. Powtórz kroki 6.5.2-6.5.3, aby ustawić wszystkie obszary z ograniczoną prędkością.
  6. Zasady pierwszeństwa
    1. Wybierz Priority Rules z lewego paska menu.
    2. Kliknij prawym przyciskiem myszy na obszarze z ograniczoną prędkością przed pojazdem zaparkowanym w kierunku W-E i wybierz Add New Priority Rule. Wprowadź minimalny czas przerwy oraz odstęp.
    3. Powtórz krok 6.6.2, aby ustawić zasadę pierwszeństwa za pojazdem zaparkowanym w kierunku E-W.
      UWAGA: Ustawienie zasad pierwszeństwa zależy od rzeczywistej organizacji ruchu odzwierciedlonej w gromadzonych danych.
  7. Czasy przejazdu pojazdów
    1. Wybierz Vehicle Travel Times po lewej stronie.
    2. Kliknij prawym przyciskiem myszy na początku jednego łącza i wybierz Add New Vehicle Travel Time Measurement.
    3. Przeciągnij kursor do końca łącza, aby zbudować pomiar czasu przejazdu pojazdu.
    4. Powtórz krok 6.7.3 dla wszystkich tras pojazdów.
  8. Wloty pojazdów
    1. Wybierz Vehicle Inputs po lewej stronie. Kliknij prawym przyciskiem myszy na początku jednego łącza i wybierz Add New Vehicle Input.
    2. Przesuń mysz w lewy dolny róg i wprowadź natężenie ruchu dla danych reprezentatywnych.
    3. Powtórz kroki 6.8.1-6.8.2 dla wszystkich łączy.
  9. Węzły
    1. Wybierz Nodes po lewej stronie. Kliknij prawym przyciskiem myszy, aby wybrać Add New Node, a następnie kliknij OK.
    2. Kliknij lewym przyciskiem myszy i przesuń mysz, aby dostosować umiarkowany zakres węzła.
      UWAGA: Zakres węzła jest powiązany z wynikami symulacji i zależy od geometrii odcinka drogi.
  10. Kliknij Evaluation na górze interfejsu symulacji i wybierz Result Lists. Kliknij Nodes Results oraz Vehicle Travel Time Results.
  11. Kliknij niebieski przycisk odtwarzania na górze, aby uruchomić symulację. Kliknij przycisk urządzenia Quick Mode , aby zmaksymalizować prędkość symulacji.
  12. Po symulacji wyniki węzłów oraz wyniki czasu przejazdu pojazdów są wyświetlane na dole interfejsu, obejmując maksymalną długość kolejki, czasy parkowania, opóźnienia, liczbę pojazdów, zużycie paliwa, emisje CO, emisje NO, emisje LZO oraz czas przejazdu.

7. Kalibracja modelu symulacyjnego

UWAGA: W niniejszym badaniu obserwacje ruchu wykazały, że dane z porannego szczytu charakteryzowały się najwyższym natężeniem, jednak w celu pełnego zobrazowania wiarygodności modelu symulacyjnego przeprowadzono symulacje dla trzech grup danych w ramach weryfikacji.

  1. Wprowadź zebrane dane do modelu symulacyjnego, uruchom symulację i uzyskaj wynik symulacji (Rycina 7A).
    UWAGA: Objętość symulacji może zostać wygenerowana na podstawie wyniku symulacji.
  2. Porównaj objętość symulowaną z objętością zebraną.
    UWAGA: Oblicz pojemność korzystając z Równanie 1:
    Wzór na sprawność cieplną, C=3600/ht, służący do obliczania wydajności w równaniach     (1)
    gdzie C oznacza przepustowość idealną (poj./h), a ht oznacza średni minimalny odstęp czasowy (s).
    UWAGA: Różnica między objętością zebraną a objętością symulowaną jest określana jako średni bezwzględny błąd procentowy (MAPE), co przedstawiono w Równanie 2:
    Wzór na średni bezwzględny procentowy błąd (MAPE); analiza statystyczna; metoda pomiaru błędu.      (2)
    gdzie n oznacza cztery różne przepływy w niniejszym badaniu, Równanie równowagi statycznej ΣFx=0, schemat, analiza bilansu sił, rozkład wektorów. jest to przepustowość symulowana w modelu symulacyjnym (poj./h), a Oznaczenie współczynnika \(C_i^f\) w formule matematycznej, odniesienie edukacyjne. jest przepustowość badania (poj/h). Obliczona wartość MAPE jest wymieniona w Tabela 2.
    UWAGA: Dokładność symulacji jest dopuszczalna, gdy wartość MAPE jest niska.

8. Analiza wrażliwości

UWAGA: Rysunek 7B przedstawia proces analizy wrażliwości. Proces analizy wrażliwości odzwierciedla jedynie wydajność zgromadzonych danych (Tabela 3). Aby zrozumieć sytuacje z różnym natężeniem ruchu w scenariuszach czasu rzeczywistego, do modelu symulacyjnego wprowadzono wszystkie możliwe kombinacje natężenia ruchu, aby zapewnić uwzględnienie wszystkich sytuacji w analizie parkowania przy krawędzi jezdni (Rycina 8 i Tabela 4).

  1. Upewnij się, że reprezentatywne dane zawierają trzy grupy danych (tj. natężenie ruchu W-E, natężenie ruchu E-W oraz pozostałe parametry).
  2. Podziel natężenie ruchu W-E na sześć kategorii, natężenie ruchu E-W na siedem kategorii i zachowaj stabilność pozostałych parametrów w symulacji.
    UWAGA: Natężenie ruchu W-E wynosiło 150-400 veh/h, z przyrostem 50 veh/h w godzinach szczytu, a natężenie ruchu E-W wynosiło 150-450 veh/h, z przyrostem 50 veh/h w godzinach szczytu. Maksymalna przepustowość jednego pasa ruchu na ulicy miejskiej wynosiła 1 140 veh/h.
  3. Przeprowadź symulację dla 42 scenariuszy i zweryfikuj skuteczność we wszystkich przypadkach.

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

Wyniki

Niniejsza praca przedstawia protokół służący do określenia wpływu parkowania przy krawędzi jezdni na przejeżdżające pojazdy na miejskiej drodze dwukierunkowej i dwupasmowej, poprzez gromadzenie danych o ruchu i symulację. Jako miejsce badania wybrano odcinek drogi (Rysunek 1), a w zaplanowanym miejscu przy krawędzi jezdni zaparkowano pojazd. Do gromadzenia trajektorii, prędkości, natężenia ruchu oraz składu typologicznego pojazdów wykorzystano radary, przydrożne urządzenie laserowe oraz kame...

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

Dyskusja

Nie można ignorować wpływu parkowania przydrożnego na ulicach miast i należy zająć się kwestią losowego parkowania30,31. Przedstawiono protokół określający wpływ parkowania przydrożnego na płynność ruchu na dwukierunkowej ulicy miejskiej. Gromadzenie danych określa trajektorię i zmiany prędkości przejeżdżających pojazdów spowodowane parkowaniem na poboczu drogi. Symulacja ruchu drogowego określa ilościowo wskaźniki drogowe, takie jak maksymalna długość kolejki, o...

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

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Podziękowania

Autorzy pragną podziękować Programowi Badań Naukowych Finansowanemu przez Departament Edukacji Prowincji Shaanxi (Program nr 21JK0908).

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

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
bateriaShenzhen Saiqi Innovation Technology Co., LtdLPB-568S
do radaruBEIJING AOZER TECH & DEVELOPMENT CO., LTD
do przydrożnego urządzenia laserowegoKamera MicroSense
Sony Group CorpHDR-CS680
statyw do kamerySony Group Corp
droneSZ DJI Technology Co., Ltd.
laptopDellC2H2L82
radarBEIJING AOZER TECH & DEVELOPMENT CO., LTDCADS-0037
statyw radarowyBEIJING AOZER TECH & DEVELOPMENT CO., LTD
statyw odblaskowyPekin Shunan liandun Technology Co., Ltd
przydrożne urządzenie laseroweMicroSense
DA2SUE1

Bibliografia

  1. China Statistical Yearbook. National Bureau of Statistics. , Available from: http://www.stats.gov.cn/tjsj./ndsj/ (2020).
  2. He, Y. X. A traffic capacity model of lane occupation. Applied Mechanics and Materials. 599-601, 2083-2087 (2014).
  3. Hua, S. Y., Wang, J. L., Zhu, Y. Cause analysis and countermeasures of Beijing city congestion. Procedia-Social and Behavioral Sciences. 96, 1426-1432 (2013).
  4. Yang, H. X., Li, J. D., Zhang, H., Liu, S. Q. Research on the governance of urban traffic jam based on system dynamics. Systems Engineering-Theory & Practice. 34 (8), 2135-2143 (2014).
  5. Rajé, F., Tight, M., Pope, F. D. Traffic pollution: A search for solutions for a city like Nairobi. Cities. 82, 100-107 (2018).
  6. Abdull, N., Yoneda, M., Shimada, Y. Traffic characteristics and pollutant emission from road transport in urban area. Air Quality, Atmosphere & Health. 13 (6), 731-738 (2020).
  7. Shi, K., Di, B. F., Zhang, K. S., Feng, C. Y., Svirchev, L. Detrended cross-correlation analysis of urban traffic congestion and NO 2 concentrations in Chengdu. Transportation Research Part D: Transport and Environment. 61, 165-173 (2018).
  8. Lu, Q. Y., Chai, J., Wang, S. Y., Zhang, Z. G., Sun, X. C. Potential energy conservation and CO2 emissions reduction related to China's road transportation. Journal of Cleaner Production. 245, 118892(2020).
  9. Sánchez González, S., Bedoya-Maya, F., Calatayud, A. Understanding the effect of traffic congestion on accidents using big data. Sustainability. 13 (13), 7500(2021).
  10. Fuente, J., Rolloque, A. C., Azas, P., Alcantara, M. M. Young road safety advocate program, the "peer to peer" approach in teaching pedestrian safety. Injury Prevention. 22, Suppl 2 67(2016).
  11. Jin, J., Rafferty, P. Does congestion negatively affect income growth and employment growth? Empirical evidence from US metropolitan regions. Transport Policy. 55, 1-8 (2017).
  12. Ajeng, C., Gim, T. Analyzing on-street parking duration and demand in a metropolitan city of a developing country: A case study of Yogyakarta City, Indonesia. Sustainability. 10 (3), 591(2018).
  13. Chen, J. X., Li, Z. B., Jiang, H., Zhu, S. L., Wang, W. Simulating the impacts of on-street vehicle parking on traffic operations on urban streets using cellular automation. Physica A: Statistical Mechanics and its Applications. 468, 880-891 (2017).
  14. Ye, X. F., Chen, J. Impact of curbside parking on travel time and space mean speed of nonmotorized vehicles. Transportation Research Record. 2394 (1), 1-9 (2013).
  15. Ye, X., Yan, X. C., Chen, J., Wang, T., Yang, Z. Impact of curbside parking on bicycle lane capacity in Nanjing, China. Transportation Research Record. 2672 (31), 120-129 (2018).
  16. Guo, H. W., Gao, Z. Y., Zhao, X. M., Yang, X. B. Traffic behavior analysis of non-motorized vehicle under influence of curb parking. Journal of Transportation Systems Engineering and Information Technology. 11 (1), 79-84 (2011).
  17. Chen, J., Mei, Z. Y., Wang, W. Road resistance model under mixed traffic flow conditions with curb parking. China Civil Engineering Journal. (09), 103-108 (2007).
  18. Gao, L. P., Sun, Q. X., Liu, M. J., Liang, X., Mao, B. H. Delay models and simulation on mixed traffic system with curb parking. Journal of System Simulation. 22 (003), 804-808 (2010).
  19. Guo, H. W., Gao, Z. Y., Yang, X. B., Zhao, X. M., Wang, W. H. Modeling travel time under the influence of on-street parking. Journal of Transportation Engineering. 138 (2), 229-235 (2012).
  20. Yang, X. G., Long, L., Pu, W. J. Optimal distance between one-side curbside parking location and signalized intersection. Journal of Tongji University (Natural Science). 33 (3), 297-300 (2005).
  21. Guo, H. W., Wang, W. H., Guo, W. W. Micro-simulation study on the effect of on-street parking on vehicular flow. 2012 15th International IEEE Conference on Intelligent Transportation Systems. , 1840-1845 (2012).
  22. Hu, X. J., Hao, X. T., Wang, H., Su, Z. Y., Zhang, F. Research on on-street temporary parking effects based on cellular automaton model under the framework of Kerner's three-phase traffic theory. Physica A: Statistical Mechanics and its Applications. 545, 123725(2020).
  23. Shao, Y., et al. Evaluation of two improved schemes at non-aligned intersections affected by a work zone with an entropy method. Sustainability. 12 (14), 5494(2020).
  24. Shao, Y., et al. Evaluating the sustainable traffic flow operational features of an exclusive spur dike U-turn lane design. PLoS One. 14 (4), 0214759(2019).
  25. Shao, Y., Han, X. Y., Wu, H., Claudel, C. G. Evaluating signalization and channelization selections at intersections based on an entropy method. Entropy. 21 (8), 808(2019).
  26. Xi'an realtime traffic congestion delay index. AutoNavi Traffic Big-data. , Available from: https://trp.autonavi.com/detail.do?city=610100 (2021).
  27. Pan, B. H., et al. Evaluation and analysis model of the length of added displaced left-turn lane based on entropy evaluation method. Journal of Advanced Transportation. 2021, 2688788(2021).
  28. Pan, B. H., et al. Evaluating operational features of three unconventional intersections under heavy traffic based on CRITIC method. Sustainability. 13 (8), 4098(2021).
  29. Sun, J. Guideline for Microscopic Traffic Simulation Analysis. , Tongji University Press. Shanghai, China. (2014).
  30. Koohpayma, J., Tahooni, A., Jelokhani, N. M., Jokar, A. J. Spatial analysis of curb-park violations and their relationship with points of interest: A case study of Tehran, Iran. Sustainability. 11 (22), 6336(2019).
  31. Zoika, S., Tzouras, P. G., Tsigdinos, S., Kepaptsoglou, K. Causal analysis of illegal parking in urban roads: The case of Greece. Case Studies on Transport Policy. 9 (3), 1084-1096 (2021).

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

Przedruki i uprawnienia

Tagi

Miejski ruch ulicznyGromadzenie danych o ruchuUlica dwukierunkowaModel symulacyjnyTrajektoria pojazduPr dko przeje d aj cych pojazd wAnaliza d ugo ci kolejkiWp yw nat enia ruchuOcena emisji
Ocena wpływu parkowania na poboczu drogi na dwukierunkową ulicę miejską
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.