Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Engineering
Click here for the English version

Engineering

Auswertung eines exklusiven Spur Deich-U-Turn-Designs mit Radar-collected Data und Simulation

Published: February 1, 2020 doi: 10.3791/60675
Automatic Translation
1, 1, 2, 1, 1, 3, 4, 5
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

Summary

Dieses Protokoll beschreibt den Prozess der Lösung eines mikroskopischen Verkehrsproblems mit Simulation. Der gesamte Prozess enthält eine detaillierte Beschreibung der Datensammlung, Datenanalyse, Simulationsmodellerstellung, Simulationskalibrierung und sensible Analyse. Änderungen und Fehlerbehebung enden ebenfalls.

Abstract

Herkömmliche Kehrtwende-Designs können die betriebsbereiten Funktionen natürlich verbessern, während Umleitungen und Zusammenführungssegmente immer noch zu Verkehrsstaus, Konflikten und Verzögerungen führen. Hier wird ein exklusiver Spurdeich-U-Turn-Spur-Design (ESUL) vorgeschlagen, um die Nachteile traditioneller Kehrtwende-Designs zu lösen. Um die Betriebsleistung von ESUL zu bewerten, ist ein Verkehrssimulationsprotokoll erforderlich. Der gesamte Simulationsprozess umfasst fünf Schritte: Datenerfassung, Datenanalyse, Simulationsmodellerstellung, Simulationskalibrierung und sensible Analyse. Datenerfassung und Simulationsmodellerstellung sind zwei wichtige Schritte und werden später ausführlicher beschrieben. Drei Indizes (Fahrzeit, Verzögerung und Anzahl der Stopps) werden häufig in der Auswertung verwendet, und andere Parameter können aus der Simulation entsprechend den experimentellen Bedürfnissen gemessen werden. Die Ergebnisse zeigen, dass die ESUL die Nachteile traditioneller Kehrtwende-Designs deutlich verringert. Die Simulation kann angewendet werden, um mikroskopische Verkehrsprobleme zu lösen, z. B. in einzelnen oder mehreren angrenzenden Kreuzungen oder kurzen Segmenten. Diese Methode eignet sich nicht für größere Straßennetze oder Auswertungen ohne Datenerhebung.

Introduction

Einige Verkehrsprobleme, wie Verkehrsstaus an einer Kreuzung oder einem kurzen Segment, können gelöst oder verbessert werden, indem die Straßengestaltung optimiert, die Signalzeitänderung, Verkehrsmanagementmessungen und andere Verkehrstechnologien1,2,3,4geändert werden. Diese Verbesserungen wirken sich im Vergleich zu den ursprünglichen Situationen entweder positiv oder negativ auf den Verkehrsflussausfluss aus. Die Änderungen im Verkehrsbetrieb können in der Verkehrssimulationssoftware und nicht in der tatsächlichen Rekonstruktion der Kreuzung oder des Segments verglichen werden. Die Verkehrssimulationsmethode ist eine schnelle und kostengünstige Option, wenn ein oder mehrere Verbesserungspläne vorgeschlagen werden, insbesondere beim Vergleich verschiedener Verbesserungspläne oder beim Bewerten der Wirksamkeit von Verbesserungen. Dieser Artikel stellt den Prozess der Lösung eines Verkehrsproblems mit Simulation durch die Bewertung der Verkehrsfluss-Betriebsmerkmale eines exklusiven Spurdeich U-Turn-Spur-Design5.

Die Kehrtwende ist eine weitverbreitete Verkehrsforderung, die eine Kehrtwende auf der Straße erfordert, aber dies wurde diskutiert. Das Entwerfen einer Kehrtwende kann zu Staus führen, während die Sperrung der U-Turn-Öffnung zu Umwegen für die U-Turn-Fahrzeuge führen kann. Zwei Bewegungen, U-Turn-Fahrzeuge und direkte Linksabbiegerfahrzeuge, erfordern eine Kehrtwende und verursachen Verkehrsverzögerungen, Stopps oder sogar Unfälle. Einige Technologien wurden vorgeschlagen, um die Nachteile von U-Turn-Bewegungen zu lösen, wie Signalisierung6,7, exklusive Linksabbiegespuren8,9und autonome Fahrzeuge10,11. Verbesserungspotenzial besteht immer noch bei U-Turn-Problemen, da die oben genannten Lösungen restriktive Anwendungen haben. Ein neues U-Turn-Design kann unter bestimmten Bedingungen eine bessere Lösung sein und in der Lage sein, bestehende Probleme zu lösen.

Das beliebteste U-Turn-Design ist der mittlere U-Turn-Schnittpunkt (MUTI)12,13,14,15, wie in Abbildung 1dargestellt. Eine wesentliche Einschränkung der MUTI besteht darin, dass sie keine U-Turn-Fahrzeuge von vorbeifahrenden Fahrzeugen unterscheiden kann und dass es immer noch einen Verkehrskonflikt gibt16,17. Ein modifiziertes U-Turn-Design, die exklusive Spurdeich-U-Turn-Spur (ESUL; Abbildung 2) wird hier vorgeschlagen und zielt darauf ab, die Verkehrsüberlastung durch die Einführung einer exklusiven Kehrtwende auf beiden Seiten eines Medians zu verringern. Das ESUL kann die Fahrzeit, Verspätungen und die Anzahl der Stopps aufgrund seiner Kanalisierung der beiden Strömungen erheblich reduzieren.

Um zu beweisen, dass die ESUL effizienter ist als die normale MUTI, ist ein strenges Protokoll erforderlich. Die ESUL kann nicht vor einem theoretischen Modell tatsächlich erstellt werden; daher ist eine Simulation erforderlich18. Unter Verwendung von Verkehrsflussparametern wurden einige Schlüsselmodelle in der Simulationsforschung19verwendet, wie z. B. Fahrverhaltensmodelle20,21, Auto nach den Modellen22,23, U-Turn-Modelle4und Spurwechselmodelle21. Die Genauigkeit von Verkehrsflusssimulationen ist weithin akzeptiert16,24. In dieser Studie werden sowohl MUTI als auch ESUL mit gesammelten Daten simuliert, um die vom ESUL vorgenommenen Verbesserungen zu vergleichen. Um die Genauigkeit zu gewährleisten, wird auch eine sensible Analyse des ESUL simuliert, die für viele unterschiedliche Verkehrssituationen gelten kann.

Dieses Protokoll stellt experimentelle Verfahren zur Lösung realer Verkehrsprobleme vor. Es werden Methoden für die Erhebung von Verkehrsdaten, die Datenanalyse und die Analyse der Gesamteffizienz von Verkehrsverbesserungen vorgeschlagen. Das Verfahren kann in fünf Schritten zusammengefasst werden: 1) Verkehrsdatenerfassung, 2) Datenanalyse, 3) Simulationsmodellbuild, 4) Kalibrierung des Simulationsmodells und 5) Sensitivitätsanalyse der Betriebsleistung. Wenn eine dieser Anforderungen in den fünf Schritten nicht erfüllt ist, ist der Prozess unvollständig und nicht ausreichend, um die Wirksamkeit nachzuweisen.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Vorbereitung der Ausrüstung

  1. Bereiten Sie zwei der folgenden Geräte vor, um Zwei-Richtung-Verkehrsströme zu sammeln: Radare, Laptops, Batterien und Kabel für Radare und Laptops, Kameras sowie Radar- und Kamerastative.
    HINWEIS: Das Radar und die entsprechende Software werden verwendet, um Fahrzeuggeschwindigkeit und Flugbahn zu erfassen, und dies ist genauer als ein Geschwindigkeitsgeschütz. Das Radar ist nicht die einzige Wahl, wenn andere Geräte zur Erfassung von Fahrzeuggeschwindigkeit, Flugbahn und Volumen zur Verfügung stehen. Da Radarsignale leicht von großen Fahrzeugen blockiert werden können, können Videos, die von Kameras aufgenommen wurden, für die Fahrzeugzählung verwendet werden. Während der Untersuchung, wenn das Wetter regnerisch oder sonnig ist, ist schutzweise die Ausrüstung erforderlich. Gerade an einem sonnigen Tag kann das Gerät eine hohe Temperatur erreichen und abgeschaltet werden, so dass ein Regenschirm oder Kühlgeräte für diese Situation benötigt wird.

2. Prüfung der Ausrüstung

  1. Stellen Sie sicher, dass alle Ermittler reflektierende Westen tragen.
  2. Bereiten Sie das Radarstativ vor und verlängern Sie es so hoch wie möglich. Stellen Sie das Stativ höher als 2 m ein, um zu vermeiden, dass Signale am Straßenrand blockiert werden.
  3. Installieren Sie das Radar auf dem Stativ und sperren Sie das Radar.
  4. Stellen Sie das Radar etwa 0,5 m am Straßenrand ein, stellen Sie das Radar vertikal ein und stellen Sie sich der Fahrzeugrichtung oder entgegengesetzten Richtung. Halten Sie den Winkel zwischen Straße und Radar so klein wie möglich.
    HINWEIS: Das Radar kann höchstens 200 m erkennen. Wenn das Radar zu nah an der Fahrspur eingestellt ist, kann es über die vorbeifahrenden Fahrzeuge wehen. Somit ist der übliche Abstand zur Fahrspur 0,5 bis 1,0 m.
  5. Schalten Sie die Batterie ein und schließen Sie den Laptop an den Akku an. Schließen Sie das Radarnetzkabel an und schließen Sie die Radardaten USB an den Laptop an. Wenn alle Kabel angeschlossen sind, schalten Sie den Laptop ein.
  6. Stellen Sie die Kamera neben das Radar ein, um den Fahrzeugfluss zu fotografieren.
  7. Öffnen der Radarsoftware
    1. Klicken Sie auf Kommunikationsprüfung, und wählen Sie dann die Radar-ID-Nummer aus der Dropdown-Liste aus. Es wird Radar Detected mit einer ID-Nummer angezeigt.
    2. Klicken Sie auf Untersuchungseinrichtung. Klicken Sie im Popup-Menü auf RLU-Zeit lesen, und die Gerätezeit auf der linken Seite ändert sich. Klicken Sie dann auf RLU-Zeit einrichten, und die aktuelle PC-Zeit auf der linken Seite ändert sich ebenfalls.
    3. Klicken Sie auf Untersuchung starten, und der Betriebsstatus des Geräts ändert sich von der Datenaufzeichnung wird nicht fortgesetzt, und keine Daten im Gerät zu Datenaufzeichnung in fortfahren und Daten in Gerät. Klicken Sie auf Schließen, um dieses Dialogfeld zu schließen.
    4. Klicken Sie auf die Echtzeitansicht, um den Radarstatus zu überprüfen. Ein neues Dialogfeld wird angezeigt, und die Radardaten werden schnell gerollt. Das bedeutet, dass das Radar die Fahrzeuge erkennt und gut funktioniert. Halten Sie dieses Dialogfeld geöffnet, bis die Auflistung abgeschlossen ist.
      HINWEIS: Das Fahrzeug kann vom Radar erfasst werden, wenn es das Radar passiert.
    5. Klicken Sie im Dialogfeld schließen, um die Sammlung abzuschließen.
    6. Klicken Sie auf Investigation-Setup | Beenden Siedie Untersuchung , und bestätigen Sie im Dialogfeld. Klicken Sie auf die Schaltfläche Schließen.
    7. Wählen Sie Datendownload im Hauptmenü aus. Klicken Sie auf Durchsuchen, um einen Ort zum Speichern der Radardaten auszuwählen. Geben Sie einen individuellen Namen für die Kalkulationstabelle ein. Klicken Sie auf die Schaltfläche Download starten, eine Statusleiste wird angezeigt, und nach dem Herunterladen wird ein Dialogfeld angezeigt. Klicken Sie auf Bestätigen, um die Datensammlung abzuschließen.
    8. Klicken Sie auf Investigation-Setup | Löschen Sieden Datensatz , und bestätigen Sie ihn im nächsten Dialogfeld, um den internen Speicher des Radars zu löschen.
      HINWEIS: Vor der Abreise zum Datenerfassungsort ist ein Test aller Geräte erforderlich. Verschieben Sie alle Geräte an den Speicherort der Datenerfassung, wenn alle Teile gut funktionieren.

3. Datenerhebung

  1. Auswahl des Speicherorts der Datensammlung (Abbildung 3)
    1. Wählen Sie eine geeignete Position aus, die dem schnittpunktgroßen Typ ähnelt, der in der Forschung verwendet wird.
      HINWEIS: Dies ist die wichtigste Anforderung bei der Standortauswahl. Die Form des Standorts, die Verkehrsflusssituation, die Ampelsteuerung und andere Kontrollen sind alle erforderlich. Je ähnlicher die Studienseite, desto genauer die Ergebnisse. Eine Kehrtwende mediane Öffnung auf der Autobahn ist erforderlich. Es ist eine ausreichend lange Sicht- und Räumstrecke erforderlich, die für Radar und Sicherheit für die Ermittler notwendig ist. Basierend auf der Erfassungsentfernung des Radars und der Bremsstrecke des Fahrzeugs sollte die Sichtlinie mindestens 200 m von der Position in eine vorgelagerte Richtung betragen.
    2. Überprüfen Sie die Abfertigung der Radarrichtung. Stellen Sie sicher, dass keine Bäume, Sträucher, Fußgängerbrücken, Verkehrszeichen oder Straßenlaternen in Sicht sind.
    3. Stellen Sie sicher, dass der Standort ein sicherer Ort für die Ausrüstung und die Ermittler ist. Ob die Ausrüstung am Straßenrand oder oberhalb der Straße aufgestellt ist, hängt vom Gelände ab.
    4. Platzieren Sie die Ausrüstung an einem abgelegenen Ort, um die Aufmerksamkeit des Fahrers nicht zu gewinnen.
      HINWEIS: Nach früheren Erfahrungen können einige Fahrer langsamer werden, wenn sie die Untersuchungsausrüstung sehen, was zu Fehlern führt. Die Datenerfassungsgeräte können als Messinstrument für die Verkehrspolizei zur Messung der Geschwindigkeit von Fahrzeugen angesehen werden.
  2. Erhebung von Verkehrsdaten
    1. Wählen Sie die Sammlungszeit aus.
      1. Sammeln Sie 3 h Daten: 1 h in der Morgenspitze, 1 h am Mittag Tal und 1 h am Abend Spitze.
      2. Überprüfen Sie die genaue Spitzen- und Talzeit aus dem Verkehrsforschungsbericht, der Verkehrspolizei oder den Verkehrsunternehmen25,26 (Abbildung 4).
        HINWEIS: Wenn kein Verkehrsbericht oder keine Analyse als Referenz vorhanden ist, sammeln Sie 3 h Daten während der drei oben genannten Zeiträume, und wählen Sie die höchsten Daten aus.
      3. Geben Sie die Daten mit dem höchsten Verkehrsaufkommen über einen Zeitraum von 1 h in den Simulationsmodell- und Analyseabschnitt ein. Verwenden Sie die restlichen 2 h Daten für die Überprüfung am Ende.
    2. Einrichtung der Ausrüstung
      1. Passen Sie die Radarrichtung an, und stellen Sie die Kamera neben das Radar ein, wo sie alle Fahrspuren erfassen kann. Wiederholen Sie den Vorgang der Installation aller Geräte in Abschnitt 2 auf der Fußgängerbrücke.
        HINWEIS: Die Freiraumung vor dem Radar sollte so lang und breit wie möglich sein, um den gesamten Bereich der U-Turn-Bewegungen abzudecken. Das EW-Radar (Ost nach West) zeigt sich dem Verkehrsfluss, und das WIR-Radar (West-Ost) zeigt aufgrund der Straßenausrichtung den Fahrzeugschwänzen entgegen (Abbildung 5). Es gibt keine Unterschiede zwischen den Ergebnissen der Einrichtung der Ausrüstung auf der inneren und äußeren Seite der Fahrspuren. Die innere oder äußere Seite der Radarposition wirkt sich nur auf das Koordinatensystem der Flugbahnfiguren mit Radardaten aus. Wenn das Radar dem Verkehrsfluss ausgesetzt ist, ist die erkannte Laufgeschwindigkeit negativ und muss während der Datenverarbeitung umgekehrt werden. Wenn das Radar dem Verkehrsfluss ausgesetzt ist, ist die ermittelte Laufgeschwindigkeit positiv und kann direkt verwendet werden.
      2. Stellen Sie die Radare und Kameras so ein, dass sie etwas höher sind als die Brückengeländer, um die Freiraumung vor den Radaren und Kameras zu gewährleisten.
        HINWEIS: Es ist nicht notwendig, dass die Radare so hoch sind wie die Siedlung am Straßenrand.
    3. Stellen Sie sicher, dass das Timing der Radare, Laptops und Kameras mit der Echtzeit übereinstimmt.
    4. Starten Sie zwei Radare und Kameras gleichzeitig, um die Zeit zu planen.
    5. Prüfen Sie, ob die Radare und Kameras während der Datenerfassung alle 5 min normal funktionieren, um sicherzustellen, dass alle Teile gut funktionieren.
    6. Beenden Sie die Datenerfassung und geben Sie die Radardaten als Kalkulationstabelle mit einem identifizierten Namen aus (Tabelle 1).

4. Datenanalyse

  1. Mit Berechnungssoftware, um die Radardaten zu extrahieren und Betriebsgeschwindigkeit und Flugbahnen Zahlen aus der Tabelle zu zeichnen.
    HINWEIS: X/Y-Koordinaten und X/Y-Geschwindigkeit befinden sich in der Kalkulationstabelle.
  2. Löschen Sie offensichtlich diskrete Punkte in den Zahlen. Diese Punkte sind Radarfehler.
    HINWEIS: Das Radar erkennt eine große Reichweite, so dass die Daten Zielfahrzeuge, gegensätzliche Fahrzeuge und nicht motorische Fahrzeuge auf nicht-motorischen Fahrzeugspuren enthalten können. Bei der Darstellung aller Daten als Zahlen sind die dreispurigen Zielfahrzeuge offensichtlich, und die übrigen Punkte sind "offensichtlich diskrete Punkte". Die Erfassungsbereiche sind gerade in Abbildung 3, die Breite der drei Bahnen ist bekannt, und die "offensichtlich diskreten Punkte" können in der Software gelöscht werden. Zeichnen Sie die erforderlichen Punkte, wie in Abbildung 6b,ddargestellt.
  3. Wiederholen Sie die Verkehrsvideos und zählen Sie manuell, um das Datenverkehrsvolumen und die -typen zu erhalten.
    HINWEIS: Fahrzeuge können je nach Größe in Autos und Lastwagen unterteilt werden. Alle Autos, Taxis und Kleinlaster im Umkreis von 6 m werden hier als Autos klassifiziert. Alle großen LkWs und Busse werden als LKWs klassifiziert.
  4. Wählen Sie die Gruppe mit dem höchsten Verkehrsvolumen als repräsentative Daten aus und geben Sie sie in die in Abschnitt 5 beschriebene Simulation ein.
    HINWEIS: Für die Simulations- und Sensitivitätsanalyse wird nur eine Gruppe von Daten benötigt. Daten aus den beiden anderen Gruppen werden als Überprüfung simuliert.

5. Erstellen des Simulationsmodells

  1. Bau der Straße
    1. Öffnen Sie die Simulationssoftware. Klicken Sie oben auf der Benutzeroberfläche auf Die Schaltfläche Karte, und zoomen Sie in die Karte, um den Speicherort der Datensammlung zu finden.
    2. Klicken Sie auf Links auf der linken Seite, bewegen Sie dann den Cursor an die Startposition des Links, und klicken Sie mit der rechten Maustaste. Wählen Sie Neue Verknüpfung hinzufügen, geben Sie den Linknamen und die Anzahl der Fahrspuren ein, und klicken Sie auf OK. Ziehen Sie den Cursor, um die Verknüpfung auf der Karte zu zeichnen.
    3. Klicken Sie mit der rechten Maustaste auf den Link, und wählen Sie Punkt hinzufügenaus. Fügen Sie Punkte hinzu und ziehen Sie Punkte, um die Verknüpfung mit einer echten Straßenausrichtung in der Karte zu glätten.
    4. Wiederholen Sie die Schritte 5.1.2 und 5.1.3 3x, um vier Segmente zu erstellen, mit Ausnahme der Drehung des Medians.
    5. Halten Sie die rechte Maustaste und die Strg-Taste auf der Tastatur gedrückt, und ziehen Sie dann den Endpunkt eines Links auf den angrenzenden Link, um die Links zu verbinden. Dieser Teil wird als "Connector" bezeichnet und kann glatter sein, wenn mehr Punkte hinzugefügt werden.
    6. Wiederholen Sie Schritt 5.1.5, um alle Verbindungen und U-Turn-Routen zu verbinden.
  2. Eingabe der gewünschten Geschwindigkeit
    1. Wählen Sie Basisdaten aus der oberen Leiste und dann Verteilungen | Gewünschte Geschwindigkeit.
    2. Klicken Sie unten auf die Schaltfläche "Hinzufügen", um eine neue gewünschte Geschwindigkeit hinzuzufügen, und benennen Sie sie.
    3. Geben Sie im Dialogfeld Desired Speed Distributions die maximale Geschwindigkeit ein, die aus den repräsentativen Daten als maximale gewünschte Geschwindigkeit erfasst wird, und geben Sie dann die aus den repräsentativen Daten berechnete Durchschnittsgeschwindigkeit als gewünschte Mindestgeschwindigkeit ein. Löschen Sie die Standarddaten.
    4. Geben Sie einen Namen für diese gewünschte Geschwindigkeit ein, der normalerweise mit einer Richtung benannt wird.
    5. Wiederholen Sie die Schritte 5.2.3 und 5.2.4, um alle gewünschten Geschwindigkeiten (WE, EW, WW U-Turn und EE U-Turn) zu erstellen.
  3. Fahrzeugzusammensetzung
    1. Wählen Sie die Schaltfläche Listen in der oberen Leiste aus, und klicken Sie dann auf Privater Transport | Fahrzeugzusammensetzungen.
    2. Klicken Sie unten auf die Schaltfläche "Grünkreuz Hinzufügen", um eine neue Fahrzeugzusammensetzung hinzuzufügen. Wählen Sie die gewünschte Geschwindigkeit in Schritt 5.2 als Autogebaut.
    3. Klicken Sie auf die Schaltfläche "Green-Cross Hinzufügen", um den Fahrzeugtyp Bus/LKW als Lkwhinzuzufügen. Wählen Sie die gewünschte Geschwindigkeit wie in Schritt 5.3.2.
    4. Geben Sie die Anzahl der Pkw und LKW bei RelFlow aus den repräsentativen Daten ein.
    5. Wiederholen Sie die Schritte 5.3.2-5.3.5, um alle Fahrzeugzusammensetzungen (WE, EW, WW U-turn und EE U-Turn) zu erstellen.
  4. Fahrzeugrouten
    1. Wählen Sie Fahrzeugroute in der linken Menüleiste aus.
    2. Bewegen Sie den Cursor in den Vorstrom eines Links als Startpunkt, klicken Sie mit der rechten Maustaste, und wählen Sie dann Neue statische Fahrzeugroutingentscheidung hinzufügenaus.
    3. Ziehen Sie den blauen Cursor, der die Fahrzeugrouten in der Datenerfassung darstellt. Wiederholen Sie diesen Schritt 4x in WE, EW, WW U-Turn und EE U-Turn, um alle Fahrzeugrouten zu zeichnen.
  5. Reduzierte Geschwindigkeitsbereiche
    1. Wählen Sie in der linken Menüleiste reduzierte Geschwindigkeitsbereiche aus.
    2. Klicken Sie mit der rechten Maustaste auf den Vorlauf der U-Turn-Öffnung, und wählen Sie dann Neue reduzierte Geschwindigkeitsbereichhinzufügen aus.
      HINWEIS: Die Länge des Bereichs hängt von den repräsentativen Daten und der Geschwindigkeitsänderungslänge ab.
    3. Bauen Sie diesen Bereich in beide Richtungen.
  6. Konfliktgebiete
    1. Wählen Sie Konfliktbereiche in der linken Menüleiste aus. Vier gelbe Konfliktbereiche werden im mittleren Öffnungsbereich angezeigt.
    2. Klicken Sie mit der rechten Maustaste auf einen gelben Konfliktbereich, und wählen Sie Status auf Unbestimmt festlegen aus, wenn die realistische Situation und Konfliktgebiete rot werden.
    3. Wiederholen Sie Schritt 5.6.2 für alle vier Konfliktgebiete.
  7. Fahrzeitmessung
    1. Wählen Sie Fahrzeugreisezeiten in der linken Menüleiste aus.
    2. Klicken Sie mit der rechten Maustaste auf den Anfang eines Links und wählen Sie Neue Fahrzeugreisezeitmessung hinzufügenaus.
    3. Ziehen Sie den Cursor an das Ende des Links, um die Fahrzeitmessung für ein Fahrzeug zu erstellen. Wiederholen Sie diesen Schritt für alle Fahrzeugrouten (WE, EW, WW U-Turn und EE U-Turn).
    4. Benennen Sie jede Fahrzeitmessung mit der entsprechenden Richtung.
      ANMERKUNG: Um die Betriebssituationen mit Verbesserungsentwürfen zu vergleichen, muss die Länge der Fahrzeitmessungen in beiden Simulationsmodellen gleich sein.
  8. Fahrzeugeingang
    1. Wählen Sie Fahrzeugeingänge in der linken Menüleiste aus. Klicken Sie auf den Startpunkt eines Links und klicken Sie mit der rechten Maustaste, um neue Fahrzeugeingaben hinzuzufügen.
    2. Bewegen Sie die Maus nach links unten und geben Sie das Volumen aus repräsentativen Daten ein. Wiederholen Sie diesen Schritt für alle Links.
  9. Erstellen Sie ein weiteres ESUL-Simulationsmodell als Vergleich, nur das U-Turn-Öffnungsteil muss geändert werden (Abbildung 7 und Tabelle 2).
  10. Klicken Sie auf die blaue Wiedergabeschaltfläche oben auf der Benutzeroberfläche, und die Simulation wird gestartet. Ziehen Sie die Skala links von der Wiedergabetaste, wodurch die Simulationsgeschwindigkeit angepasst werden kann.
    HINWEIS: Der Instrumententaste Schnellmodus kann die Simulationsgeschwindigkeit auf das Maximum bringen.
  11. Wenn die Simulation endet, werden alle Ergebnisse am unteren Rand der Schnittstelle angezeigt. Kopieren Sie die Ergebnisse in eine neue Kalkulationstabelle. Hierwerden werden Fahrzeit, Verspätung und die Anzahl der Stopps in der Analyse27ausgewertet.

6. Simulationsmodellkalibrierung

  1. Geben Sie das Verkehrsvolumen der repräsentativen Daten in die Simulationssoftware ein und führen Sie die Simulation durch (Abbildung 8a).
  2. Vergleichen Sie das Datenverkehrsvolumen aus den Simulationsergebnissen mit dem gesammelten Datenvolumen.
  3. Berechnen Sie die Kapazität mit Gleichung 1 unten:
    (1)
    wobei C die ideale Kapazität (veh/h) und ht die durchschnittliche minimale Vorfahrt (s) bezeichnet.
  4. Schätzen Sie den Simulationsfehler anhand der Kapazität als mittleren absoluten Prozentfehler (MAPE) nach Gleichung 2:
    (2)
    wobei n die vier verschiedenen Ströme in dieser Studie bezeichnet, ist Civ die im Simulationsmodell simulierte Kapazität (veh/h) und Cif die Kapazität der Untersuchung (veh/h). Die berechnete MAPE ist in Tabelle 3dargestellt.
    HINWEIS: Das Simulationsmodell kann verwendet werden, wenn der MAPE klein ist28,29,30.
  5. Ändern Sie die Parameter (d. h. Zufälliges Seed, Auto folgen Modelltyp, Spurwechselregel, etc.) basierend auf Anweisungen der Simulationssoftware, oder überprüfen Sie alle oben beschriebenen Schritte beim Bau des Simulationsmodells31,32,33,34.

7. Sensitivitätsanalyse

HINWEIS: Der Sensitivitätsanalyseprozess ist in Abbildung 8bdargestellt. Die gesammelten Daten können nur ihre eigene Leistung widerspiegeln (Abbildung 9, Tabelle 4, Tabelle 5und Tabelle 6). Um die Wirksamkeit in allen Situationen zu beweisen, wurden alle möglichen Verkehrssituationen und unterschiedliche Kombinationen in das Simulationsmodell eingegeben, um sicherzustellen, dass alle Situationen zwischen DEM MUTI und ESUL abgedeckt werden (Abbildung 10 und Tabelle 7).

  1. Wählen Sie das Verhältnis von Auto/LKW (Bus) und die Betriebsgeschwindigkeit der repräsentativen Daten aus. Verwalten Sie diese Parameter.
  2. Stellen Sie das U-Turn-Verhältnis in der Sensitivitätsanalyse mit einem Anstieg von 0,03 auf 0,03, d. h. fünf U-Turn-Verhältnisse in der Sensitivitätsanalyse.
    ANMERKUNG: Nach den repräsentativen Daten in Tabelle 1beträgt der Bereich der Kehrtwendesrate 0,04-0,15.
  3. Stellen Sie das Verkehrsaufkommen von 0,2 bis 1,0 V/C mit einer Erhöhung um 693 fahrzeuge/h (0,1 V/C; Tabelle 7), d. h. neun Bände in der Sensitivitätsanalyse.
    HINWEIS: Das maximale Verkehrsaufkommen beträgt 6.930 veh/h auf einer städtischen Autobahn mit einem dreispurigen Segment, was der Servicestufe E gemäß dem Highway Capacity Manual35 des AASHTO entspricht, wenn die Baugeschwindigkeit 80 km/h beträgt.
  4. Simulieren Sie alle 45 Situationen und speichern Sie die Ergebnisse sowohl in der gegenwärtigen Situation (MUTI) als auch in der verbesserten Situation (ESUL).
  5. Überprüfen Sie Verbesserungen bei Fahrzeit und Verspätungen, indem Sie das Verhältnis = (MUTI - ESUL)/MUTI x 100% berechnen. Überprüfen Sie Die Anzahl der Stopps wird überprüft, indem Sie die reduzierte Zeit = MUTI - ESUL berechnen.
    ANMERKUNG: In den Endergebnissen (Abbildung 10) bedeutet ein positives (>0) Ergebnis, dass die ESUL die Verkehrssituation verbessert hat, während ein negatives (<0) Ergebnis in Empfindlichkeit das Gegenteil darstellt.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Abbildung 2 zeigt die Abbildung des ESUL für die Mittlere Öffnung der Kehrtwende. WENS bedeuten vier Himmelsrichtungen. Die Hauptstraße hat sechs Fahrspuren mit zwei Richtungen. Grüngurte teilen die nicht motorisierte Spur auf beiden Seiten und teilen die beiden Richtungen in der Mitte. Flow 1 ist der Ost-West-Durchgangsverkehr, Fluss 2 ist Ost-Ost-Kehrtwende-Fluss, Flow 3 ist west-östlich durch den Verkehr und Fluss 4 ist West-West-U-Turn-Verkehr.

Die Funktionen der inneren 2 Fahrspuren des ESUL sind die Umleitung, Entschleunigen, Kehrtwende, Beschleunigung, Suche nach Vorfahrt und Zusammenführung der U-Turn-Fahrzeuge. Der Sporndeichteil ist der Kernteil und unterscheidet sich von gewöhnlichen Kehrtwende-Designs. Dieser Teil hat das Potenzial, den Verkehrsfluss leicht nach außen zu bewegen (einspurige Breite) und den Durchgangsverkehr und den Umkehrverkehr nach dem Stirndeich zu trennen.

Die Sporndeweise weist drei wesentliche Unterschiede auf. Erstens bietet es eine spezielle U-Turn-Spur, um Einfluss aus dem Durchgangsverkehr zu vermeiden, indem die gesamten Fahrspuren nach außen verschoben werden. Im Vergleich zu den Markierungen können Autofahrer nicht über den Stirndeich und müssen die Fahrspuren folgen, um die beiden Ströme auseinander zu teilen36,37. Zweitens nutzt es das Land maximal, indem es beide Zwei-Richtungs-Umdrehungsanforderungen symmetrisch gestaltet. Drittens passt der Stirndeich verschiedene U-Turn-Radien von Fahrzeugen an und nutzt das Land flexibel.

Abbildung 3 zeigt den Speicherort der Datensammlung, der eine typische Medianöffnung an der nordwestlichen Ecke der zweiten Schleifenstraße der Stadt Xi'an in der chinesischen Provinz Shaanxi darstellt. Die Schleifenstraße in dieser Forschung besteht aus sechs Fahrspuren, und die Geschwindigkeitsbegrenzung in der Schleifenstraße beträgt 80 km/h(Abbildung 3a). Die Breite der Fahrspur beträgt 3,5 m und die Mittlere Breite durchschnittlich 1,2 m. Der mittlere Öffnungsbereich ist 10 m breit und 17 m lang. Zwei nicht motorische Fahrzeugspuren (9 m Breite) sind beidseitig, und ein 1,5 m grüner Gürtel trennt sie von den Hauptspuren (Abbildung 3b).

Der Abstand zwischen den vor- und nachgelagerten Anschlussstellen in der Nähe der Medianöffnung beträgt 5,1 km (Abbildung 3a). Da es für diesen Abschnitt keinen Ein- oder Ausstieg gibt, kann die Betriebsgeschwindigkeit die Geschwindigkeitsbegrenzung erreichen, nachdem die Medianöffnung 200 m erreicht hat. Von der Medianöffnung sind es 1,4 km bis zur stromaufwärts gelegenen Anschlussstelle und 3,6 km bis zur nachgelagerten Anschlussstelle. Fahrzeuge machen einen Umweg von 10 km (Verzögerung von höchstens 9 min), wenn keine Kehrtwende öffnung ist. Kehrtwende-Fahrzeuge müssen lange warten, wenn sie sich an der Kreuzung treffen oder gezwungen sind, mitzufahren, was zu Verzögerungen oder zum Anhalten des Durchgangsverkehrs führt. Abbildung 4 zeigt, dass der Morgengipfel von 7:00 Uhr bis 9:00 Uhr, der Abendgipfel von 17:00 bis 19:00 Uhr und der Tal (außer spätabends) von 12:00 bis 14:00 Uhr erscheint.

Die Geschwindigkeiten des gesamten Verkehrs von Ost nach West sind in Abbildung 6adargestellt. Die U-Dreh-Öffnung erfolgt bei 70 m an der horizontalen Achse. Die Verzögerung und Beschleunigung sind nahe 70 m offensichtlich, was darauf hindeutet, dass die Fahrzeuge von Kehrtwendefahrzeugen betroffen waren. Der Spitzenwert in Abbildung 6a liegt unter 80 km/h, und die Punkte sind hauptsächlich unter 40 km/h zentralisiert, was darauf hindeutet, dass die Betriebsgeschwindigkeit deutlich unter der Geschwindigkeitsbegrenzung (80 km/h) lag. Abbildung 6b zeigt die Flugbahnen des Verkehrsflusses von Ost nach West. Die drei Fahrspuren und U-Turn-Fahrzeuge Flugbahnen sind leicht in der Abbildung zu identifizieren. Die unterste Flugbahn ist dunkelblau und breiter als die beiden Flugbahnen darüber, was auf eine Verschmelzung zwischen den U-Turn-Fahrzeugen und durch Fahrzeuge hindeutet. Die Verschmelzungsbewegung beginnt bei 60 m und endet bei 40 m, was einem 20 m Zusammenführungssegment entspricht. Der Durchgangsverkehr auf der Innenfahrspur wurde von U-Bahn-Fahrzeugen stark beeinträchtigt.

Abbildung 6c ist die Geschwindigkeit der Ströme von West nach Ost. Wenn die Laufgeschwindigkeit bei der U-Turn-Öffnung 80 m erreicht, beginnt sie zu steigen. Das Ergebnis zeigt, dass der WW U-Turn-Flow einen geringeren Einfluss auf WE über Flow hatte, der auf Ablenkungsbewegungen zurückzuführen war (anstatt Durchufusionsbewegungen; Abbildung 6b. Die Punkte ab 0 km/h zeigen an, dass die WW U-Turn-Fahrzeuge für ganze Fahrzeuge zum Anhalten und Abbremsn führten. Abbildung 6d zeigt die Flugbahnen von West nach Ost des Durchgangsverkehrs und des Wendeverkehrs. Der U-Turn-Abschnitt hat hohe Bäume, die die Radarsignale zur Erkennung von U-Turn-Bewegungen blockieren.

Abbildung 7 zeigt die Hälfte des ESUL-Designs. Die Fahrspuren 1 und 4 sind Durchgangsspuren, die Fahrspuren 2 und 3 sind U-Abbiegespuren. Die Berechnung der einzelnen Abschnitte basiert auf den zuvor veröffentlichten Leitlinien35,38 und den Studien39,40. Abschnitt AB basiert auf einem Straßenausrichtungsprozess, Abschnitt BC ist abhängig von den Reaktionszeiten und Bewegungsabläufen der Fahrer, Abschnitt CD ist das Umleitungsteil und Abschnitt DE enthält Verzögerung und Sicherheitsabstand. Abschnitt EF bietet genügend Platz zum Umdrehen. Abschnitt FH und HI enthalten Beschleunigung, Vorfahrtsfindung und kombinierte Bewegung getrennt. Alle Abschnitte sind in Tabelle 2 nach einer Baugeschwindigkeit von 80 km/h beschrieben.

Abbildung 10a zeigt, dass das Durchfluss-1-Fahrzeitverhältnis mit ESUL bei allen Verkehrskombinationen innerhalb von 20 %-40 % abgenommen hat. Die Verzögerung verringerte sich stark um 35 % bis 70 %(Abbildung 10b). Die Anzahl der Stopps ging leicht zurück, mit einem Höchstwert von 0,4 (Abbildung 10c). Die ESUL zeigte eine deutliche Verbesserung für den EW-Durchgangsverkehr in allen Situationen. Abbildung 9e,f und Abbildung 10d zeigen die Empfindlichkeitsergebnisse von Durchfluss 2 (EE-U-Turn-Fahrzeuge). Alle drei Indizes der EE-Kehrtwende-Fahrzeuge wurden erheblich verbessert. Die in Abbildung 10d dargestellte Fahrzeit verringerte sich um 20%-70% mit zunehmendem Verkehrsaufkommen. Die Verspätungen in Abbildung 10e verringerten sich stärker als die Fahrzeit und erreichten fast 100 % zum Spitzenwert. Die minimale Verbesserungsquote lag bei über 70 %. Eine signifikante Verbesserung der Anzahl der in Abbildung 10f dargestellten Stopps erreichte höchstens sechs.

Abbildung 9i,j und Abbildung 10h zeigen die Empfindlichkeitsergebnisse von Durchfluss 3 (WE durch Fahrzeuge). Mit einem ähnlichen Trend zu Flow 1 verbesserte sich Flow 3 mit ESUL stark. Die Reisezeit verringerte sich in Abbildung 10hum 40%-50%. Die Verzögerungen verringerten sich in Abbildung 10ium 50%-90%. Die Anzahl der Stopps ging in Abbildung 10jhöchstens um das 0,4-fache zurück. In Durchfluss 4 sind die WW-U-Turn-Fahrzeuge und Die Sensitivitätsergebnisse in Abbildung 9l,m und Abbildung 10kdargestellt. Die Fahrzeit verringerte sich um 20 % bis 60 %, wobei das Verkehrsaufkommen zunahm(Abbildung 10k). In Abbildung 10lstiegen die Verspätungen um 1 %, wenn das Verkehrsaufkommen 1.386 Veh/h betrug, und das U-Turn-Verhältnis betrug 0,06. Die Verzögerungen gingen im Restbereich deutlich um 54 %-97 % zurück. Die Anzahl der Stopps nimmt bis maximal 6x ab (Abbildung 10m).

Figure 1
Abbildung 1: Beispiele für mediane U-Turn-Kreuzungen (MUTIs). Zwei Konstruktionen stellen die gemeinsame Kehrtwende öffnung auf der Straße, aber es sei darauf hingewiesen, dass die U-Turn-Fahrzeuge Verkehrskonflikte mit vorbeifahrenden Fahrzeugen verursachen können, ob in der gleichen oder entgegengesetzten Richtung Fließen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 2
Abbildung 2: Abbildung des ESUL-Entwurfs auf der Landstraße. W = Westen, E = Osten, N = Norden, S = Süden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 3
Abbildung 3: Speicherort der Datensammlung an einem Median an der nordwestlichen Ecke der zweiten Schleifenstraße in Xi'an. Koordinaten: 108.903898, 34.301482. (a) Der Prüfort schaltplantisch. (b) Die MUTI der U-Turn-Medianöffnung. Das Bild wurde von einer Drohne in einer Höhe von 150 m aufgenommen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Figure 4
Abbildung 4: 24 h Stauindex. (a) Der 24 h Stautrend der Großstädte von 2015 bis 201725. (b) Der 24 h Stauverzögerungsindex für Xi'an am22.Mai 201925,26. Die Daten in Panel a stammen aus den 2017 Traffic Analysis Reports for Major Cities in China25, die von einem chinesischen Web-Mapping-Navigationsanbieter41bereitgestellt werden. Die Daten in Panel b stammen aus dem Echtzeit-Stauindex in Xi'an am22.Mai 201926. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 5
Abbildung 5: Datenerfassung mit Radar auf einer Fußgängerbrücke an der Kehrtwende. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 6
Abbildung 6: Geschwindigkeit und Flugbahnen der Verkehrsströme. (a) Geschwindigkeit der Fahrzeuge von Ost nach West. (b) Flugbahnen von Fahrzeugen von Ost nach West. (c) Geschwindigkeit der Fahrzeuge von West nach Ost. (d) Flugbahnen von Fahrzeugen von West nach Ost. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 7
Abbildung 7: Geometrie des ESUL-Designs. Der blaue Pfeil stellt Fahrzeuge dar, die geradedurch fahren, und der rote Pfeil stellt U-Turn-Fahrzeuge dar. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 8
Abbildung 8: Flussdiagramm zur Berechnung von MAPE und sensibler Analyse. (a) Berechnungsprozess von MAPE. (b) Prozess der sensiblen Analyse. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 9
Abbildung 9: Vergleich zwischen MUTI und ESUL mit gesammelten Daten. Vergleich der Fahrzeit (a), Verspätung (b) und Anzahl der Haltestellen (c) mit morgendlicheM Spitzenwert (h). Vergleich der Fahrzeit (d), Verspätung (e) und Anzahl der Haltestellen (f) mit mittlerem Mittagstal (h). Vergleich der Fahrzeit (h), Verspätung (i) und Anzahl der Haltestellen (j) mit Abendspitze (h). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 10
Abbildung 10: Sensitivitätsanalyse aller Ströme, einschließlich EW durch, EE Kehrtwende, WE durch und WW Kehrtwende. X-Achse = unterschiedliches Verkehrsaufkommen, Y-Achse = U-Drehverhältnis und Z-Achse = Verbesserungsverhältnis (Verhältnis = [MUTI - ESUL]/MUTI x 100%) in Fahrzeit und -verzögerung, reduzierte Zeiten (reduzierte Zeiten = MUTI - ESUL) in der Anzahl der Haltestellen. (a-c) EW durch Durchfluss, (d-f) EE U-Turn Flow, (h-j) WE durch Flow und (k-m) WW U-Turn-Flow. Alle drei Zahlen sind Fahrzeit (a,d,h,k), Verspätung (b,e,i,l) und die Anzahl der Haltestellen (c,f,j,m), bzw. . Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Artikel Morgen (07:00-08:00) Middle Noon (13:00-14:00) Abends (17:00-18:00 Uhr)
Richtung Ew Wir Ew Wir Ew Wir
Fluss i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4
Auto 4195 172 3442 504 3001 176 2460 402 1665 287 3296 394
Lkw 86 10 56 16 79 7 60 41 11 6 38 35
Kehrtwende-Verhältnis 4281:182 3498:520 3080:183 2520:443 1676:293 3334:429
Aver. Geschwindigkeit 21.5 11.5 22.2 10.5 36.7 12.3 23.7 11.8 29.3 12.8 22.9 12.1
Max. Geschwindigkeit 73.8 13.4 63.7 12.8 90.4 15.6 75.9 13.5 76.7 14.6 63.7 13.3
Min. Geschwindigkeit 0 0 0 0 0 0 0 0 0 0 0 0

Tabelle 1: Gesammelte Fahrzeuginformationen. Eine Mindestgeschwindigkeit von 0 km/h weist darauf hin, dass einige Fahrzeuge angehalten wurden, bevor sie sich in Bewegung setzten.

Artikel Beschreibung
LAB 166 m. Länge für alle Ströme, um sich leicht nach außen zu bewegen
LBC 185 m. Länge für Durchfluss i = 4, um das Kehrtwendenzeichen zu erkennen und Maßnahmen zu ergreifen
LCD 50 m. Umleitungslänge zu trennenden Durchfluss i = 3 und Durchfluss i = 4
LDE 42 m. Durchfluss i = 4 Verzögerungslänge
LEF Radius = 7,26 m. Wendebreite für Personenkraftwagen
LFH 180 m. Beschleunigungslänge des Durchflusses i = 4
LHI 140 m. Die Länge, um einen Vorweg für Durchfluss i = 4 zu suchen und in Flow i = 1 zu verschmelzen

Tabelle 2: Geometrische Parameter von ESUL. Die Berechnung der einzelnen Abschnitte basiert auf den zuvor veröffentlichten Leitlinien35,38 und den Studien39,40. Der Wert in Tabelle 2 wird in das Simulationsmodell eingegeben, um die ESUL-Leistung bei einer Konstruktionsgeschwindigkeit von 80 km/h zu bewerten.

Artikel Morgen (07:00-08:00) Mittags (13:00-14:00) Abends (17:00-18:00 Uhr)
Richtung Ew Wir Ew Wir Ew Wir
Fluss i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4
Investieren. Kapazität (veh/h) 4281 182 3498 520 3080 183 2520 443 1676 293 3334 429
Simulierte Kapazität (veh/h) 4115 127 3571 501 3000 169 2484 360 1814 268 3381 409
Individuelle MAPE (%) -3.9 -30.2 2.1 -3.6 -2.6 -7.4 -1.4 -18.7 8.2 -8.5 1.4 -4.6
MAPE (%) -9.9 -7.5 -5.7

Tabelle 3: Simulationskalibrierungsergebnisse. Die Kalibrierung zwischen der Untersuchung und der Simulation ist in der Tabelle dargestellt. Die MAPE wird mit Gleichung 2 berechnet, und die Ergebnisse sind akzeptabel27,30.

Artikel Reisezeit (s) Verzögerung (s) Anzahl der Stopps
Fluss Muti ESUL Satz (%) Muti ESUL Satz (%) Muti ESUL Satz (%)
i = 1 17.7 12.5 -29.4 7.2 4 -44.4 0.19 0 -100
i = 2 33.2 14.1 -57.5 17.4 0.4 -97.7 1 0 -100
i = 3 18.3 9.9 -45.9 5.6 1.6 -71.4 0.06 0 -100
i = 4 27.8 15.7 -43.5 14.8 3 -79.7 0.89 0 -100

Tabelle 4: Simulationsergebnisse von MUTI und ESUL mit Spitzendaten am Morgen. In der Morgenspitze verbessert sich die ESUL deutlich stärker als die MUTI. Die Reisezeit verringerte sich um 29,4%-57,5%. Die Verzögerung verringerte sich um 44,4% -97,7%. Die Anzahl der Haltestellen wird komplett reduziert.

Artikel Reisezeit (s) Verzögerung (s) Anzahl der Stopps
Fluss Muti ESUL Satz (%) Muti ESUL Satz (%) Muti ESUL Satz (%)
i = 1 16.3 11.2 -31.3 5.6 2.8 -50 0.1 0 -100
i = 2 26.7 15.6 -41.6 10.1 1.3 -87.1 0.5 0 -100
i = 3 17.8 10 -43.8 4.9 1.6 -67.3 0.1 0 -100
i = 4 24.4 15 -38.5 11.7 2.9 -75.2 0.7 0 -100

Tabelle 5: Simulationsergebnisse von MUTI und ESUL mit Daten zur Mittagszeit. Am Mittag verringerte sich die Fahrzeit um 31,3% -43,8%. Die Verzögerung verringerte sich um 50,0%-87,1%, und es gibt keine Anzahl von Stopps mit ESUL.

Artikel Reisezeit (s) Verzögerung (s) Anzahl der Stopps
Fluss Muti ESUL Satz (%) Muti ESUL Satz (%) Muti ESUL Satz (%)
i = 1 13 9.4 -27.7 2.9 1.1 -62.1 0 0 0
i = 2 37.6 16.3 -56.6 20.7 1.7 -91.8 5.9 0 -100
i = 3 18.3 10.6 -42.1 5.6 2.2 -60.7 0.2 0 -100
i = 4 23 15.5 -32.6 9.5 3.1 -67.4 1.4 0 -100

Tabelle 6: Simulationsergebnisse von MUTI und ESUL mit Abendspitzendaten. Mit den Spitzendaten des Abends verringerte sich die Reisezeit um 27,7% -56,6%. Die Verzögerung verringerte sich um 60,7% -91,8%. Auch die Anzahl der Haltestellen nimmt mit der ESUL ab.

Artikel Wert
Verhältnis Auto/LKW(Bus) 4281:182 (EW) / 3498:520 (WIR)
Kehrtwende (%) 0.03/0.06/0.09/0.12/0.15
V/C 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Volumen (veh/h) 1386 2079 2772 3465 4158 4851 5544 6237 6930

Tabelle 7: Parametereingabe in die Sensitivitätsanalyse in der Simulation.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

In diesem Artikel wurde das Verfahren zur Lösung eines Verkehrsproblems an einer Kreuzung oder eines kurzen Segments mithilfe von Simulationen erläutert. Mehrere Punkte verdienen besondere Aufmerksamkeit und werden hier ausführlicher diskutiert.

Die Erfassung von Felddaten ist das erste, was Aufmerksamkeit verdient. Einige Anforderungen für den Speicherort der Datenerfassung sind wie folgt: 1) Suche nach einem geeigneten Speicherort für die Datenerfassung. Die Position sollte der geometrischen Straßenform in der Studie ähneln, die die Prämisse der Datenerfassung ist. 2) Bestimmung der eingestellten Position von Radar und anderen Geräten durch Eine ausreichende Freigabe, wo Radarsignale nicht blockiert werden können. Einige hochmoderne Technologien, wie Drohnen, können verwendet werden, um Verkehrsvorgänge zu erkennen. Das gesamte Beobachtungsgebiet sollte frei von Barrieren sein, wie Bäume oder Architektur. 3) Schließlich sollte die Datenerfassungszeit mindestens 3 h an einem Ort betragen. Die Zeit sollte die Morgen- und Abendspitzen sowie die Talsituation am Tag widerspiegeln. Der Zeitpunkt des Stauindex kann aus Beobachtungen oder von einem anderen zuverlässigen Transportverlag ermittelt werden.

Die Erstellung von Simulationsmodellen ist ein weiterer wichtiger Schritt. Die Genauigkeit des Simulationsmodells führt zu unterschiedlichen Simulationsfehlern. Das erste, was im Simulationsmodell ist, ist der Stecker. Wenn sich eine Verbindung auf einer Seite des Verbinders bewegt, ist der Verbinder möglicherweise nicht in formiert und dringt in die benachbarte Verbindung oder den Anschluss ein, was zu Fehlern führen kann. Daher ist es wichtig, den Connector neu zu berechnen, wenn das Verschieben einer Verknüpfung erforderlich ist.

Ein weiterer wichtiger Schritt ist die Konfliktregel im Konfliktgebiet. Verwenden Sie Konfliktbereiche anstelle von Prioritätsregeln, um das Vorfahrtsrecht an Kreuzungen zu simulieren. Im Vergleich zu Prioritätsregeln werden Konfliktbereiche automatisch angezeigt und sind daher einfacher zu bearbeiten und spiegeln das Fahrverhalten besser wider. Die Konfliktregel sollte mit der Datenerfassung identisch sein, und jeder Konfliktbereich sollte mit entsprechenden Regeln festgelegt werden. Der letzte kritische Schritt ist die Anpassung der Parameter in Bezug auf das Fahrverhalten, wenn Simulationsfehler (MAPE) groß ist. Das Fahrverhalten hat mehrere einzelne Parameter, und eine kleine Änderung in jedem Parameter kann zu positiven oder negativen Auswirkungen auf die Ergebnisse führen. Es ist wichtig, die verschiedenen Parameter sorgfältig und wiederholt anzupassen.

In der Regel werden die Fahrzeit, die Verspätung und die Anzahl der Stopps am häufigsten bei der Bewertung der Betriebsmerkmale in der Simulation verwendet. Viele andere Indizes können auch aus der Simulation gewonnen werden (z. B. Fahrzeugvolumen, Abgasausstoß, Kraftstoffverbrauch, Fußgängeraufzeichnung, Sicherheitsbewertung, Fahrzeugverhalten, Fahrzeugrouten, Koordinaten usw.). Es ist wichtig, die entsprechenden Bewertungsindizes entsprechend den unterschiedlichen experimentellen Bedürfnissen auszuwählen. Andere Indizes, mit Ausnahme der drei oben genannten, die am häufigsten verwendet werden, können zu neuen Forschungsergebnissen oder -methoden führen.

Die Verwendung des "Schnellmodus" bei der Simulation kann es der Simulation ermöglichen, die höchste Geschwindigkeit zu erreichen und Zeit zu sparen, insbesondere während der sensiblen Analyse. Daher sind Dutzende von Simulationen erforderlich. Das Simulationsergebnis bleibt gleich, unabhängig davon, welche Simulationsgeschwindigkeit gewählt wird.

Es gibt zwei Hauptbereiche für zukünftige Anwendungen. Eine Anwendung ist die Lösung von Verkehrsproblemen und die Bewertung eines oder mehrerer Verkehrsentwürfe an einer Kreuzung oder einem kurzen Segment. Die Simulation hilft bei der Bewertung mikroskopischer Verkehrsverhalten, ob fahrzeuge, Fußgänger, Infrastrukturänderungen oder Verkehrsmanagementmessungen. Zweitens bietet das Verfahren eine ausreichende Praxisanleitung für diejenigen, die Verkehrsforschung betreiben. Die Bestimmungen helfen, genaue und robuste Daten über Verkehrssimulationsmessungen zu erhalten.

Diese Methode hat auch einige Einschränkungen. Zunächst kann das Radar eine gerade Richtung erkennen, und dies erfordert, dass das Zielsegment auch gerade ist. Das Radar kann nicht für gekrümmte Segmente wie Rampen verwendet werden. Zweitens benötigt das Radar ausreichend Abstand, um die Fahrzeuge zu erkennen. In der realen Umgebung gibt es jedoch immer Bäume oder Werbetafeln, die das Signal blockieren. Es ist schwierig, einen geeigneten Ort für die Radarbesiedlung zu finden. Darüber hinaus, wenn das Verkehrsaufkommen groß ist oder Fahrzeuge nahe beieinander sind, kann Radar die Fahrzeuge nicht unterscheiden, und manuell vom Video zu zählen ist die einzige Option, was eine Menge Arbeit ist. Effizienz und Genauigkeit können verbessert werden, wenn das Protokoll auch eine Methode verwendet, die Fahrzeuge automatisch zählen und klassifizieren kann.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Die Autoren haben nichts zu verraten.

Acknowledgments

Die Autoren möchten den China Scholarship Council für die teilweise Finanzierung dieser Arbeit mit der Datei Nr. 201506560015 danken.

Materials

Name Company Catalog Number Comments
Battery Beijing Aozeer Technology Company LPB-568S Capacity: 3.7v/50000mAh. Two ports, DC 1 out:19v/5A (max), for one laptop. DC 2 out:12v/3A (max), for one radar.
Battery Cable Beijing Aozeer Technology Company No Catalog Number Connect one battery with one laptop.
Camera SONY a6000/as50r The videos shot by the cameras were 1080p, which means the resolution is 1920*1080.
Camera Tripod WEI FENG 3560/3130 The camera tripod height is 1.4m.
Laptop Dell C2H2L82 Operate Windows 7 basic system.
Matlab Software MathWorks R2016a
Radar Beijing Aozeer Technology Company SD/D CADX-0037
Radar Software Beijing Aozeer Technology Company Datalogger
Radar Tripod Beijing Aozeer Technology Company No Catalog Number Corresponding tripods which could connect with radars, the height is 2m at most.
Reflective Vest Customized No Catalog Number
VISSIM Software PTV AG group PTV vissim 10.00-07 student version

DOWNLOAD MATERIALS LIST

References

  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).

Tags

Engineering Ausgabe 156 Kehrtwende Spurdeich Simulation Verkehrsdaten Verkehrsstaus Verkehr Autobahn
Auswertung eines exklusiven Spur Deich-U-Turn-Designs mit Radar-collected Data und Simulation
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Shao, Y., Yu, H., Wu, H., Han, X.,… More

Shao, Y., Yu, H., Wu, H., Han, X., Zhou, X., Claudel, C. G., Zhang, H., Yang, C. Evaluation of an Exclusive Spur Dike U-Turn Design with Radar-Collected Data and Simulation. J. Vis. Exp. (156), e60675, doi:10.3791/60675 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter