Artykuł metodologiczny

Ocena wpływu parkowania na poboczu drogi na dwukierunkową ulicę miejską

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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Przygotowanie sprzętu

  1. Upewnij się, że dostępny jest cały wymagany sprzęt: radary, przydrożne urządzenie laserowe, laptopy, baterie, kamera, dron, statyw odblaskowy, odpowiednie i statywy do urządzeń.

2. Wybór miejsca zbierania danych (Rysunek 1)

  1. Wybierz lokalizację zbierania danych. Upewnij się, że wybrana lokalizacja znajduje się na drodze dwukierunkowej i dwupasmowej.
    UWAGA: Wybór lokalizacji jest kluczowy w tych badaniach. Szerokość dwóch pasów ruchu jest łatwa do zaobserwowania.
  2. Upewnij się, że lokalizacja nie ma żadnych skrzyżowań.
    UWAGA: Pojazdy nadjeżdżające z trzeciego kierunku mogą powodować chaos w obserwacji.
  3. Upewnij się, że na drodze nie ma żadnych barier z wyjątkiem jednego zaparkowanego pojazdu umieszczonego przez śledczych.
    UWAGA: Bariery mogą zakłócać zachowanie pojazdu i blokować wykrywanie przez radar.
  4. Upewnij się, że odległość widzenia i odstęp wynoszą co najmniej 300 m. Jest to wymagane w celu przeprowadzenia śledztwa radarowego i zapewnienia bezpieczeństwa śledczym.
    UWAGA: Jeden radar może wykryć maksymalnie 200 m. Radary znajdują się 100 m w górę i w dół rzeki od zaparkowanego pojazdu w badaniu.
  5. Upewnij się, że lokalizacja jest segmentem w linii prostej.
    UWAGA: Jeśli odcinek nie jest prosty, nie jest możliwe określenie, czy przesunięcie pojazdu jest spowodowane przez przydrożny parking.

3. Wybór czasu śledztwa

  1. Wybierz czas analizy zagrożeń. Łącznie potrzebne są co najmniej 3 godziny, z czego 1 godzina w szczycie porannym, 1 godzina w południe i 1 godzina w szczycie wieczornym23,24,25.
  2. Uzyskaj czas godziny największego natężenia ruchu z raportów z badań ruchu drogowego, wydziałów policji drogowej lub firm zajmujących się ruchem drogowym26 (Rysunek 2).
  3. W przypadku braku raportów lub analiz ruchu drogowego jako odniesienia, zbierz dane z kilku godzin w trzech powyższych okresach, a następnie wybierz dane o największym natężeniu ruchu w szczycie 27,28.
  4. Wykorzystaj dane godzinowe o największym natężeniu ruchu do przeprowadzenia analizy danych i jako dane wejściowe do modelu symulacyjnego. Wykorzystaj wszystkie 3 godziny danych do weryfikacji modelu.
    UWAGA: Wybrana droga była otoczona restauracjami, a godzina szczytu dla cateringu to godzina szczytu dla zapotrzebowania na parkingi przydrożne. Godzina szczytu dla natężenia ruchu to czas wolny, a czas wolny to również czas szczytu dla cateringu. W związku z tym godziny szczytu dla natężenia ruchu i godziny szczytu dla zapotrzebowania na miejsca parkingowe są prawie synchroniczne.

4. Zbieranie danych (Rysunek 3)

  1. Zaparkuj pojazd w odległości około 20 cm od krawężnika w przewidzianym do tego miejscu, aby można było umieścić przydrożne urządzenie laserowe.
  2. Umieść statyw odblaskowy z tyłu pojazdu. Nie umieszczaj go zbyt daleko, aby upewnić się, że nie wpłynie to na zachowanie pojazdów.
    UWAGA: Statyw odblaskowy jest niezbędny do ostrzegania i/lub unikania kolizji w oparciu o odpowiednie przepisy chińskiej ustawy o bezpieczeństwie ruchu drogowego. Statyw umieszcza się w pewnej odległości za zaparkowanym pojazdem, aby ostrzec pojazdy z tyłu, że zaparkowany pojazd znajduje się z przodu, a tym samym uniknąć kolizji. Odległość między statywem odblaskowym a zaparkowanym pojazdem jest utrzymywana na niskim poziomie, aby zminimalizować wpływ statywu odblaskowego na zachowanie przejeżdżających pojazdów, a więc jego wpływ na wyniki badania jest znikomy.
  3. Ustaw statyw radarowy. Ustaw statyw na wysokości nie mniejszej niż 2 m, aby uniknąć zablokowania sygnału. Zablokuj radar za pomocą statywu. Ustaw radar w pionie i obróć go w kierunku zaparkowanego pojazdu. Podłącz danych radaru do portu USB laptopa.
    UWAGA: Jeden radar znajduje się 100 m przed zaparkowanym pojazdem, a drugi 100 m za zaparkowanym pojazdem. Oba radary są umieszczone po tej samej stronie zaparkowanego pojazdu, aby rejestrować dane o ruchu drogowym.
  4. Otwórz oprogramowanie radaru i wykonaj następujące czynności.
    1. Kliknij Sprawdzanie komunikacji. Wybierz port szeregowy i kliknij Połącz. Kliknij Potwierdź, gdy oprogramowanie pokaże Wykryto radar.
    2. Kliknij Konfiguracja dochodzenia. Kliknij Czytaj czas RLU i ustaw czas RLU. Kliknij Wymaż rekord danych i potwierdź to, aby wyczyścić pamięć wewnętrzną radaru. Kliknij pozycję Rozpocznij badanie i zamknij okno dialogowe.
    3. Kliknij Widok w czasie rzeczywistym, aby sprawdzić stan radaru, a dane o ruchu drogowym powinny być zbierane podczas przejazdu pojazdów.
  5. Przygotuj przydrożne urządzenie laserowe i. Podłącz danych przydrożnego urządzenia laserowego do portu. Podłącz do transmisji danych przydrożnego urządzenia laserowego do portu USB laptopa.
  6. Umieść przydrożne urządzenie laserowe na środku zaparkowanego pojazdu. Obróć cztery kolumny regulacyjne na urządzeniu, aby je wypoziomować.
    UWAGA: Przydrożne urządzenie laserowe musi pracować w standardowej pozycji.
  7. Otwórz oprogramowanie przydrożnego urządzenia laserowego i wykonaj następujące czynności.
    1. Kliknij Sprawdzanie komunikacji. Wybierz numer portu szeregowego RLU i kliknij Połącz. Kliknij Potwierdź, gdy oprogramowanie wyświetli Wykryto nowe połączenie RLU.
    2. Kliknij Wyświetl dochodzenie. Gdy pojazdy przejeżdżają, przepływ ruchu będzie pokazywany w czasie rzeczywistym.
    3. Kliknij Konfiguracja dochodzenia. Kliknij kolejno Read RLU Time i ustaw RLU Time. Ustaw czas rozpoczęcia i czas zakończenia, a następnie kliknij Ustaw zadanie. Kliknij przycisk Potwierdź, gdy oprogramowanie wyświetli komunikat RLU Investigation Set Up Succeeded.
    4. Kliknij Zakończ. Kliknij Stan urządzenia, aby view stan przydrożnego urządzenia laserowego.
  8. Ustaw kamerę około 30 m przed zaparkowanym pojazdem.
    UWAGA: Dane o ruchu drogowym mogą być zbierane przez radary i przydrożne urządzenie laserowe. Do walidacji danych przygotowywane są filmy z obsługi ruchu.
  9. Ustaw cały sprzęt na dwupasmowej dwukierunkowej drodze pobocznej (tutaj Dian Zi Yi Road). Sprawdzaj, czy radary, przydrożne urządzenie laserowe i kamera działają prawidłowo co 5 minut.
    UWAGA: Upewnij się, że czas laptopów i aparatu jest taki sam jak w czasie rzeczywistym. Uruchom jednocześnie dwa radary, przydrożne urządzenie laserowe i kamerę o zaplanowanej godzinie. Dwa radary umieszczone naprzeciwko siebie, w połączeniu z pośrednim przydrożnym urządzeniem laserowym, zapewniają ciągłą trajektorię ruchu, którego dotyczy ruch.
  10. Zakończ zbieranie danych i zamknij okno sprawdzania w czasie rzeczywistym w oprogramowaniu radaru.
    1. Kliknij pozycję Konfiguracja analizy zagrożeń, wybierz opcję Zakończ dochodzenie i potwierdź ją. Zamknij okno dialogowe.
    2. Wybierz pozycję Pobieranie danych, przeglądaj komputer, aby zapisać dane, a następnie wprowadź nazwę pliku. Kliknij Otwórz, a następnie kliknij Rozpocznij pobieranie. Kliknij Potwierdź, aby zakończyć zbieranie danych radarowych.
  11. Kliknij Stan urządzenia w oprogramowaniu przydrożnego urządzenia laserowego, a następnie kliknij Zatrzymaj zadanie, aby zakończyć zbieranie danych. Wybierz opcję Pobieranie danych, przeglądaj i wprowadź nazwę pliku. Kliknij Otwórz i kliknij Rozpocznij pobieranie. Kliknij Potwierdź, aby zakończyć zbieranie danych z przydrożnego urządzenia laserowego.

5. Analiza danych

UWAGA: Poprzez zbieranie danych pozyskiwane są 3 godziny danych, w tym szczyt poranny, godzina środkowa południe i szczyt wieczorny. Kamera zapewnia odtwarzanie filmów o ruchu drogowym w celu ręcznej kalibracji natężenia ruchu i typów pojazdów. Wybierz dane grupowe o największym wolumenie (tj. w tym przypadku dane o szczycie porannym) jako reprezentatywną godzinę do przeprowadzenia analizy danych.

  1. Użyj oprogramowania, aby zebrać trajektorie i prędkość z radarów.
    UWAGA: Radar znajduje się w odległości 100 m od zaparkowanego pojazdu, a droga ma szerokość 10 m. Tak więc wszystkie punkty danych poza tym zakresem są błędami radarowymi i powinny zostać usunięte.
  2. Upewnij się, że przydrożne urządzenie laserowe podaje wartość przesunięcia, prędkość przejazdu, liczbę pojazdów i typy pojazdów w pozycji zaparkowanego pojazdu.
  3. Narysuj cały zakres trajektorii i prędkości dostarczanych przez dwa radary i jedno przydrożne urządzenie laserowe jako reprezentatywne dane za pomocą oprogramowania obliczeniowego (Rysunki 4-6).

6. Budowanie modelu symulacyjnego

UWAGA: Mikroskopijny model symulacyjny jest tworzony przez oprogramowanie symulacyjne do symulacji ruchu. Wyniki zebranych danych, w tym natężenie ruchu, prędkość pojazdu i skład typu pojazdu, są istotnymi parametrami w symulacji ruchu drogowego i stanowią podstawę budowy modelu. W symulacji potrzebna jest tylko reprezentatywna grupa danych.

  1. Budownictwo drogowe
    1. Otwórz oprogramowanie symulacyjne. Zaimportuj mapę tła badanego odcinka drogi.
    2. Kliknij Przeszkody po lewej stronie, kliknij prawym przyciskiem myszy i wybierz Dodaj nową przeszkodę. Wprowadź długość i szerokość przeszkody, a następnie kliknij OK. Przeciągnij kursor, aby przesunąć przeszkodę na jezdnię.
      UWAGA: "Przeszkoda" odnosi się do pojazdu zaparkowanego na poboczu drogi. Długość i szerokość przeszkody ustawia się zgodnie z rzeczywistymi rozmiarami zaparkowanego pojazdu.
    3. Kliknij Linki po lewej stronie, przesuń kursor na początek linku i kliknij prawym przyciskiem myszy. Wybierz Dodaj nowe łącze, wprowadź szerokość pasa ruchu i kliknij OK. Przeciągnij kursor, aby narysować łącze na mapie.
    4. Powtórz krok 6.1.3, aby zbudować cztery segmenty drogi.
    5. Przytrzymaj prawy przycisk myszy i przycisk Ctrl na klawiaturze, aby przeciągnąć punkt końcowy jednego łącza do sąsiedniego łącza, aby połączyć dwa łącza.
      UWAGA: Ta część nazywana jest "łącznikiem" i staje się gładsza, gdy dodaje się więcej punktów.
    6. Powtórz krok 6.1.5, aby połączyć wszystkie łącza.
  2. Żądana prędkość
    1. Wybierz pozycję Dane podstawowe na górnym pasku, a następnie wybierz pozycję Dystrybucje | Żądana prędkość.
    2. Kliknij zielony krzyżyk Dodaj przycisk na dole, aby dodać nowy żądany rozkład prędkości i nazwać go.
    3. Należy wprowadzić średnią prędkość i prędkość maksymalną pobraną z reprezentatywnych danych jako minimalną i maksymalną żądaną prędkość. Usuń dane domyślne.
    4. Powtórz kroki 6.2.2-6.2.3, aby ustalić wszystkie żądane rozkłady prędkości (kierunek ze wschodu na zachód, kierunek z zachodu na wschód i obszar zmniejszonej prędkości).
      UWAGA: W poniższym tekście kierunek ze wschodu na zachód jest skrócony jako E-W, a kierunek z zachodu na wschód jest skrócony jako W-E.
  3. Składy pojazdów
    1. Wybierz pozycję Listy na górnym pasku, a następnie wybierz pozycję Transport prywatny | Składy pojazdów.
    2. Kliknij na zielony krzyżyk Dodaj przycisk, aby dodać nowy skład pojazdu.
    3. Kliknij przycisk Dodaj, aby dodać dwa typy pojazdów: pojazdy ciężarowe (HGV) i autobusy.
    4. Wybierz żądany rozkład prędkości ustawiony w kroku 6.2 dla samochodów osobowych, ciężarowych i autobusów.
    5. Powtórzyć kroki 6.3.2-6.3.4 w celu ustalenia dwóch składów pojazdu (E-W i W-E). Wprowadź przepływ samochodów osobowych, ciężarowych i autobusów na podstawie reprezentatywnych danych.
  4. Trasy pojazdów
    1. Wybierz opcję Trasy pojazdów z lewego paska menu.
    2. Przesuń kursor na górę jednego łącza, kliknij prawym przyciskiem myszy i wybierz polecenie Dodaj nową decyzję o statycznej trasie pojazdu.
    3. Przeciągnij niebieski kursor, aby narysować trasy pojazdów na mapie na podstawie rzeczywistych tras w zbiorze danych.
  5. Obszary zmniejszonej prędkości
    1. Wybierz Obszary zmniejszonej prędkości z lewego paska menu.
    2. Kliknij prawym przyciskiem myszy obszar przed pozycją parkowania i wybierz Dodaj nowy obszar zmniejszonej prędkości.
      UWAGA: Długość obszaru zależy od wyników analizy danych.
    3. Kliknij prawym przyciskiem myszy na marginesie ekranu, wybierz polecenie Dodaj i wybierz żądaną prędkość ustawioną w kroku 6.2 dla obszaru zmniejszonej prędkości jako szybkość obszaru.
    4. Powtórz kroki 6.5.2-6.5.3, aby ustawić wszystkie obszary zmniejszonej prędkości.
  6. Reguły pierwszeństwa
    1. Wybierz pozycję Reguły priorytetu z lewego paska menu.
    2. Kliknij prawym przyciskiem myszy obszar zmniejszonej prędkości przed zaparkowanym pojazdem w kierunku WE i wybierz Dodaj nową regułę priorytetu. Wprowadź minimalny czas przerwy i prześwit.
    3. Powtórz krok 6.6.2, aby ustawić regułę pierwszeństwa za zaparkowanym pojazdem w kierunku E-W.
      UWAGA: Ustawienie reguł priorytetu zależy od rzeczywistej operacji ruchu odzwierciedlonej w zbieraniu danych.
  7. Czas przejazdu pojazdu
    1. Wybierz Czas przejazdu pojazdu po lewej stronie.
    2. Kliknij prawym przyciskiem myszy początek jednego z linków i wybierz opcję Dodaj pomiar czasu przejazdu nowego pojazdu.
    3. Przeciągnij kursor na koniec łącza, aby utworzyć pomiar czasu przejazdu pojazdu.
    4. Powtórzyć krok 6.7.3 dla wszystkich tras pojazdu.
  8. Dane wejściowe pojazdu
    1. Wybierz opcję Vehicle Inputs (Wejścia pojazdu) od lewej strony. Kliknij prawym przyciskiem myszy początek jednego z linków i wybierz polecenie Dodaj dane wejściowe nowego pojazdu.
    2. Przesuń mysz w lewo na dół i wprowadź wolumin dla reprezentatywnych danych.
    3. Powtórz kroki 6.8.1-6.8.2 dla wszystkich łączy.
  9. Węzłów
    1. Wybierz pozycję Węzły po lewej stronie. Kliknij prawym przyciskiem myszy, aby wybrać Dodaj nowy węzeł, a następnie kliknij OK.
    2. Kliknij lewym przyciskiem myszy i przesuń mysz, aby dostosować umiarkowany zakres węzłów.
      UWAGA: Zakres węzłów jest powiązany z wynikami symulacji i zależy od geometrii odcinka drogi.
  10. Kliknij Ocena w górnej części interfejsu symulacji i wybierz Listy wyników. Kliknij Wyniki węzłów i Wyniki czasu przejazdu pojazdu.
  11. Kliknij niebieski przycisk odtwarzania u góry, aby rozpocząć symulację. Kliknij przycisk urządzenia Tryb szybki, aby zmaksymalizować prędkość symulacji.
  12. Po przeprowadzeniu symulacji wyniki węzła i wyniki czasu podróży pojazdu są wyświetlane w dolnej części interfejsu, w tym maksymalna długość kolejki, czas parkowania, opóźnienie, liczba pojazdów, zużycie paliwa, emisje CO, emisje NO, emisje LZO i czas podróży.

7. Kalibracja modelu symulacyjnego

UWAGA: W tym badaniu, obserwacje ruchu wykazały, że dane z porannego szczytu miały największą objętość, ale trzy grupy danych zostały zasymulowane w celu weryfikacji, aby w pełni zilustrować wiarygodność modelu symulacyjnego.

  1. Wprowadź zebrane dane do modelu symulacyjnego, uruchom symulację i uzyskaj wynik symulacji (Rysunek 7A).
    UWAGA: Objętość symulacji można wygenerować na podstawie wyniku symulacji.
  2. Porównaj wolumin symulacji z woluminem zebranym.
    UWAGA: Oblicz nośność, korzystając z równania 1:
    figure-protocol-1 (1)
    gdzie C oznacza idealną wydajność (veh/h), a ht oznacza średni minimalny postęp (s).
    UWAGA: Różnica między objętością zebraną a objętością symulacji nazywana jest średnim bezwzględnym błędem procentowym (MAPE), jak pokazano w równaniu 2:
    figure-protocol-2 (2)
    gdzie n oznacza cztery różne przepływy w tym badaniu, figure-protocol-3 to pojemność symulowana w modelu symulacyjnym (veh/h), a figure-protocol-4 to zdolność badania (veh/h). Obliczony MAPE jest podany w tabeli 2.
    UWAGA: Dokładność symulacji jest akceptowalna, gdy MAPE jest mały.

8. Analiza wrażliwości

UWAGA: Rysunek 7B pokazuje proces analizy wrażliwości. Proces analizy wrażliwości odzwierciedla jedynie wyniki zgromadzonych danych (tabela 3). Aby zrozumieć sytuacje o różnym natężeniu ruchu w scenariuszach czasu rzeczywistego, wszystkie możliwe kombinacje natężenia ruchu są wprowadzane do modelu symulacyjnego, aby zapewnić, że wszystkie sytuacje są uwzględnione w analizie parkingów przydrożnych (Rysunek 8 i Tabela 4).

  1. Upewnij się, że reprezentatywne dane zawierają trzy grupy danych (tj. objętość W-E, objętość E-W i inne parametry).
  2. Podziel objętość W-E na sześć kategorii, podziel objętość E-W na siedem kategorii i utrzymuj pozostałe parametry na stabilnym poziomie w symulacji.
    UWAGA: Natężenie ruchu W-E wynosiło 150-400 veh/h, ze wzrostem o 50 veh/h w godzinach szczytu, a natężenie ruchu E-W wynosiło 150-450 veh/h, przy wzroście o 50 veh/h w godzinach szczytu. Maksymalne natężenie ruchu serwisowego na jednym pasie ruchu na ulicy miejskiej wynosiło 1 140 veh/h.
  3. Przeprowadź symulację 42 sytuacji i zweryfikuj skuteczność we wszystkich sytuacjach.

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

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ten artykuł przedstawia protokół do określenia wpływu parkowania przydrożnego na przejeżdżające pojazdy na dwukierunkowej i dwupasmowej drodze miejskiej poprzez zbieranie danych o ruchu drogowym i symulację. Jako miejsce badań wybrano drogę (Rysunek 1), a pojazd został zaparkowany w planowanej lokalizacji na poboczu drogi. Radary, przydrożne urządzenie laserowe i kamera zostały użyte do zebrania trajektorii pojazdu, prędkości, objętości i składu typu w celu określenia zmian trajektorii i prędkości poj...

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

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie mają nic do ujawnienia.

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

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

Powiązane artykuły