Waiting
Login processing...

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

Engineering

रडार-एकत्र डेटा और सिमुलेशन के साथ एक विशेष प्रेरणा डाइक यू-टर्न डिजाइन का मूल्यांकन

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

यह प्रोटोकॉल सिमुलेशन के साथ एक सूक्ष्म यातायात समस्या को हल करने की प्रक्रिया का वर्णन करता है। पूरी प्रक्रिया में डेटा संग्रह, डेटा विश्लेषण, सिमुलेशन मॉडल बिल्ड, सिमुलेशन अंशांकन और संवेदनशील विश्लेषण का विस्तृत विवरण शामिल है। विधि के संशोधनों और समस्या निवारण पर भी चर्चा की जाती है।

Abstract

पारंपरिक यू-टर्न डिज़ाइन स्पष्ट रूप से परिचालन सुविधाओं में सुधार कर सकते हैं, जबकि यू-टर्न डायवर्जन और मर्ज सेगमेंट अभी भी यातायात भीड़, संघर्ष और देरी का कारण बनते हैं। पारंपरिक यू-टर्न डिजाइनके नुकसान को हल करने के लिए यहां एक विशेष प्रेरणा डाइक यू-टर्न लेन डिजाइन (ईसुल) प्रस्तावित है। ईसुल के ऑपरेशन प्रदर्शन का मूल्यांकन करने के लिए, एक ट्रैफ़िक सिमुलेशन प्रोटोकॉल की आवश्यकता है। पूरी सिमुलेशन प्रक्रिया में पांच चरण शामिल हैं: डेटा संग्रह, डेटा विश्लेषण, सिमुलेशन मॉडल बिल्ड, सिमुलेशन अंशांकन, और संवेदनशील विश्लेषण। डेटा संग्रह और सिमुलेशन मॉडल बिल्ड दो महत्वपूर्ण कदम हैं और बाद में अधिक विस्तार से वर्णित हैं। तीन इंडेक्स (यात्रा समय, देरी, और स्टॉप की संख्या) आमतौर पर मूल्यांकन में उपयोग किए जाते हैं, और अन्य मापदंडों को प्रयोगात्मक आवश्यकताओं के अनुसार सिमुलेशन से मापा जा सकता है। परिणाम बताते हैं कि ईसुल पारंपरिक यू-टर्न डिजाइनों के नुकसान को काफी कम करता है। सिमुलेशन सूक्ष्म यातायात समस्याओं को हल करने के लिए लागू किया जा सकता है, जैसे एकल या कई आसन्न चौराहों या छोटे खंडों में। यह विधि डेटा संग्रह के बिना बड़े पैमाने पर सड़क नेटवर्क या मूल्यांकन के लिए उपयुक्त नहीं है।

Introduction

किसी चौराहे या छोटे सेगमेंट में यातायात की भीड़ जैसी कुछ यातायात समस्याओं को सड़क डिजाइन को अनुकूलित करके हल या बेहतर किया जा सकता है, सिग्नल टाइमिंग बदल सकता है, यातायात प्रबंधन माप, और अन्य परिवहन प्रौद्योगिकियों1,2,3,4। इन सुधारों का या तो मूल स्थितियों की तुलना में यातायात प्रवाह संचालन पर सकारात्मक या नकारात्मक प्रभाव पड़ता है । यातायात संचालन में परिवर्तन चौराहे या खंड के वास्तविक पुनर्निर्माण के बजाय यातायात सिमुलेशन सॉफ्टवेयर में तुलना की जा सकती है। जब एक या अधिक सुधार योजनाएं प्रस्तावित होती हैं, खासकर जब विभिन्न सुधार योजनाओं की तुलना करते हैं या सुधार की प्रभावशीलता का मूल्यांकन करते हैं तो यातायात सिमुलेशन विधि एक त्वरित और सस्ता विकल्प है। यह लेख एक विशेष प्रेरणा डाइक यू-टर्न लेन डिजाइन5के यातायात प्रवाह परिचालन सुविधाओं का मूल्यांकन करके सिमुलेशन के साथ एक यातायात समस्या को हल करने की प्रक्रिया का परिचय देता है।

यू-टर्न आंदोलन एक व्यापक यातायात की मांग है जिसके लिए सड़क पर यू-टर्न मीडियन ओपनिंग की आवश्यकता होती है, लेकिन इस पर बहस हुई है । यू-टर्न खोलने की डिजाइनिंग से ट्रैफिक की भीड़ हो सकती है, जबकि यू-टर्न ओपनिंग बंद होने से यू-टर्न वाहनों के लिए चक्कर लग सकते हैं । दो आंदोलनों, यू-टर्न वाहनों और प्रत्यक्ष बाएं मोड़ वाहनों, एक यू बारी खोलने की आवश्यकता है और यातायात में देरी, बंद हो जाता है, या यहां तक कि दुर्घटनाओं का कारण । कुछ प्रौद्योगिकियों को यू-टर्न आंदोलनों के नुकसान को हल करने का प्रस्ताव किया गया है, जैसे सिग्नलाइजेशन6,7,एक्सक्लूसिव लेफ्ट टर्न लेन8,9और स्वायत्त वाहन10,11। सुधार क्षमता अभी भी यू-टर्न मुद्दों पर मौजूद है, उपरोक्त समाधानों के कारण प्रतिबंधात्मक अनुप्रयोग हैं। एक नया यू-टर्न डिजाइन कुछ शर्तों के तहत एक बेहतर समाधान हो सकता है और मौजूदा समस्याओं का समाधान करने में सक्षम हो सकता है।

सबसे लोकप्रिय यू-टर्न डिजाइन औसत यू-टर्न चौराहा (म्यूटीआई)12,13,14,15है, जैसा कि चित्र 1में दिखाया गया है। म्यूटी की एक महत्वपूर्ण सीमा यह है कि यह यू-टर्न वाहनों को वाहनों को गुजरने से अलग नहीं कर सकता और यातायात संघर्ष अभी भी16,17मौजूद है । एक संशोधित यू-टर्न डिजाइन जिसे एक्सक्लूसिव स्पर डाइक यू-टर्न लेन (ईसुल) कहा जाता है; चित्रा 2) यहां प्रस्तावित है और एक औसत के दोनों ओर एक विशेष यू-टर्न लेन शुरू करके यातायात भीड़ को कम करना है । ESUL काफी यात्रा के समय, देरी, और दो प्रवाह के अपने चैनलाइजेशन के कारण बंद हो जाता है की संख्या को कम कर सकते हैं ।

यह साबित करने के लिए कि ईसुल सामान्य म्यूटी की तुलना में अधिक कुशल है, एक कठोर प्रोटोकॉल की आवश्यकता है। ईएसल का निर्माण वास्तव में सैद्धांतिक मॉडल से पहले नहीं किया जा सकता; इस प्रकार, सिमुलेशन18की जरूरत है . यातायात प्रवाह मापदंडों का उपयोग करके, सिमुलेशन अनुसंधान19में कुछ प्रमुख मॉडलों का उपयोग किया गया है, जैसे ड्राइविंग व्यवहार मॉडल20,21,कार निम्नलिखित मॉडल22,23,यू-टर्न मॉडल4,और लेन परिवर्तन मॉडल21। यातायात प्रवाह सिमुलेशन की सटीकता को व्यापक रूप से स्वीकार किया जाता है16,24. इस अध्ययन में, दोनों MUTI और ESUL एकत्र डेटा के साथ नकली है ESUL द्वारा किए गए सुधार की तुलना कर रहे हैं । सटीकता की गारंटी देने के लिए, ईसुल का एक संवेदनशील विश्लेषण भी नकली है, जो कई अलग-अलग यातायात स्थितियों पर लागू हो सकता है।

यह प्रोटोकॉल वास्तविक यातायात समस्याओं को हल करने के लिए प्रायोगिक प्रक्रियाएं प्रस्तुत करता है। यातायात डेटा संग्रह, डेटा विश्लेषण और यातायात सुधार की समग्र दक्षता के विश्लेषण के तरीकों का प्रस्ताव किया गया है। प्रक्रिया को पांच चरणों में संक्षेप में किया जा सकता है: 1) यातायात डेटा संग्रह, 2) डेटा विश्लेषण, 3) सिमुलेशन मॉडल बिल्ड, 4) सिमुलेशन मॉडल का अंशांकन, और 5) परिचालन प्रदर्शन का संवेदनशीलता विश्लेषण। यदि पांच चरणों में इन आवश्यकताओं में से किसी एक को पूरा नहीं किया जाता है, तो प्रक्रिया अधूरी है और प्रभावशीलता साबित करने के लिए अपर्याप्त है।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. उपकरण की तैयारी

  1. रडार, लैपटॉप, बैटरी और रडार और लैपटॉप, कैमरे, और रडार और कैमरा तिपाई के लिए केबल: दो दिशा यातायात प्रवाह इकट्ठा करने के लिए निम्नलिखित उपकरणों में से प्रत्येक के दो तैयार करें ।
    नोट: रडार और उसके इसी सॉफ्टवेयर वाहन की गति और प्रक्षेपवक्र इकट्ठा करने के लिए उपयोग किया जाता है, और यह एक गति बंदूक की तुलना में अधिक सटीक है । रडार ही विकल्प नहीं है अगर अंय उपकरणवाहन की गति, प्रक्षेपवक्र, और मात्रा इकट्ठा करने के लिए उपलब्ध है । रडार संकेतों के रूप में आसानी से बड़े वाहनों द्वारा अवरुद्ध किया जा सकता है, कैमरों द्वारा गोली मार दी वीडियो वाहन गिनती के लिए इस्तेमाल किया जा सकता है । जांच के दौरान यदि मौसम बरसात या धूप हो तो उपकरणों की सुरक्षा जरूरी है। विशेष रूप से धूप वाले दिन, उपकरण उच्च तापमान तक पहुंच सकते हैं और बंद हो सकते हैं, इसलिए इस स्थिति के लिए एक छाता या ठंडा उपकरण की आवश्यकता होती है।

2. उपकरणों का परीक्षण

  1. सुनिश्चित करें कि सभी जांचकर्ताचिंतत वास्कट पहने हुए हैं।
  2. रडार तिपाई तैयार करें और इसे यथासंभव लंबा बढ़ाएं। सड़क के किनारे अवरुद्ध होने से संकेतों से बचने के लिए तिपाई को 2 मीटर से लंबा सेट करें।
  3. तिपाई के शीर्ष पर रडार स्थापित करें और रडार को लॉक करें।
  4. रडार को सड़क के किनारे के बगल में 0.5 मीटर के बारे में सेट करें, रडार को खड़ी समायोजित करें, और वाहन की दिशा या विपरीत दिशा का सामना करें। सड़क और रडार के बीच कोण को यथासंभव छोटा रखें।
    नोट: रडार सबसे कम २०० मीटर का पता लगा सकते हैं । यदि रडार लेन के बहुत करीब सेट है, यह गुजर वाहनों पर उड़ा सकता है । इस प्रकार, 0.5−1.0 मीटर लेन के लिए सामान्य दूरी है।
  5. पावर बैटरी चालू करें और लैपटॉप को पावर बैटरी से कनेक्ट करें। रडार पावर केबल में प्लग और लैपटॉप के लिए रडार डेटा यूएसबी में प्लग। जब सभी केबल कनेक्ट हो जाएं, तो लैपटॉप चालू करें।
  6. वाहन प्रवाह को शूट करने के लिए रडार के बगल में कैमरा सेट करें।
  7. रडार सॉफ्टवेयर खोलना
    1. क्लिक करें संचार जांचकरें, फिर ड्रॉपडाउन सूची से रडार आईडी नंबर का चयन करें। इसमें आईडी नंबर के साथ रडार का पता चलेगा।
    2. क्लिक करें इन्वेस्टिगेशन सेटअप. पॉप-अप मेनू में, क्लिक करें पढ़ें RLU समय,और बाईं ओर डिवाइस समय बदल जाएगा । इसके बाद, आरबीयू समय सेट अपपर क्लिक करें, और बाईं ओर पीसी वर्तमान समय भी बदल जाएगा।
    3. जांच शुरू करनेपर क्लिक करें, और डेटा रिकॉर्डिंग से डिवाइस वर्किंग स्टेटस बदल जाएगा आगे नहीं बढ़ रहा है और डिवाइस में आगे बढ़ने और डेटा में डेटा रिकॉर्डिंग के लिए डिवाइस मेंकोई डेटा नहीं है । इस डायलॉग बॉक्स को बंद करने के लिए करीब क्लिक करें ।
    4. रडार की स्थिति की जांच करने के लिए रियलटाइम व्यू पर क्लिक करें। एक नया संवाद बॉक्स दिखाएगा, और रडार डेटा जल्दी लुढ़का दिया जाएगा। इसका मतलब यह है कि रडार वाहनों का पता लगा रहा है और अच्छी तरह से काम करता है । संग्रह समाप्त होने तक इस संवाद बॉक्स को खुला रखें।
      नोट: रडार से गुजरते समय रडार द्वारा वाहन को कैप्चर किया जा सकता है।
    5. कलेक्शन खत्म करने के लिए डायलॉग बॉक्स पर क्लोज पर क्लिक करें।
    6. क्लिक करें इन्वेस्टिगेशन सेटअप । अंत जांच,और संवाद बॉक्स में पुष्टि करते हैं । क्लोज बटन पर क्लिक करें।
    7. मुख्य मेनू में डेटा डाउनलोड का चयन करें। रडार डेटा को बचाने के लिए एक जगह का चयन करने के लिए ब्राउज़ करें क्लिक करें। स्प्रेडशीट के लिए एक व्यक्तिगत नाम इनपुट करें। स्टार्ट डाउनलोड बटन पर क्लिक करें, एक प्रगति बार दिखाई देगा, और डाउनलोड करने के बाद एक संवाद बॉक्स दिखाई देगा। डेटा संग्रह खत्म करने की पुष्टि पर क्लिक करें.
    8. क्लिक करें इन्वेस्टिगेशन सेटअप । डेटा रिकॉर्ड मिटा,और रडार की आंतरिक स्मृति स्पष्ट करने के लिए अगले संवाद बॉक्स में इसकी पुष्टि करें।
      नोट: डेटा संग्रह स्थान पर प्रस्थान से पहले सभी उपकरणों का परीक्षण आवश्यक है। यदि सभी भाग अच्छी तरह से काम करते हैं तो सभी उपकरणों को डेटा संग्रह स्थान पर ले जाएं।

3. डेटा संग्रह

  1. डेटा संग्रह स्थान का चयन(चित्र3)
    1. एक उपयुक्त स्थान चुनें जो अनुसंधान में उपयोग किए जाने वाले चौराहे के प्रकार के समान है।
      नोट: स्थान चयन में यह महत्वपूर्ण आवश्यकता है। स्थान के आकार, यातायात प्रवाह की स्थिति, यातायात प्रकाश नियंत्रण, और अन्य नियंत्रण सभी को ध्यान में रखने की जरूरत है। अध्ययन स्थल जितना समान होगा, परिणाम उतने ही सटीक होंगे। फ्रीवे पर यू-टर्न मीडियन ओपनिंग की जरूरत है । दृष्टि और निकासी की पर्याप्त लंबी लाइन की आवश्यकता है, जो जांचकर्ताओं के लिए रडार और सुरक्षा के लिए आवश्यक है । रडार और वाहन स्टॉप दूरी की दूरी का पता लगाने के आधार पर, दृष्टि की रेखा स्थान से कम से कम 200 मीटर की दूरी तक एक अपस्ट्रीम दिशा में होनी चाहिए।
    2. रडार दिशा की मंजूरी की जांच करें। सुनिश्चित करें कि कोई पेड़, झाड़ियों, फुटब्रिज, यातायात संकेत या दृष्टि में स्ट्रीटलाइट हैं।
    3. सुनिश्चित करें कि स्थान उपकरण और जांचकर्ताओं के लिए एक सुरक्षित जगह है। चाहे उपकरण सड़क के किनारे या सड़क के ऊपर सेट हो, यह इलाके पर निर्भर करता है।
    4. उपकरण को एक अलग जगह पर रखें ताकि ड्राइवर का ध्यान आकर्षित करने से बचा जा सके।
      नोट: पूर्व अनुभव के अनुसार, कुछ ड्राइवरों धीमा हो सकता है अगर वे जांच उपकरण देखते हैं, जो त्रुटियों के लिए नेतृत्व करेंगे । डेटा अधिग्रहण उपकरण तेज वाहनों को मापने के लिए यातायात पुलिस के लिए एक मापने उपकरण के रूप में माना जा सकता है ।
  2. यातायात डेटा का संग्रह
    1. संग्रह का समय चुनें।
      1. डेटा के 3 एच लीजिए: सुबह पीक में 1 घंटे, दोपहर घाटी में 1 घंटे, और शाम पीक पर 1 घंटे ।
      2. यातायात अनुसंधान रिपोर्ट, यातायात पुलिस विभाग, या यातायात व्यापार कंपनियों25,26 (चित्रा 4)से सटीक चोटी और घाटी समय की जांच करें ।
        नोट: यदि संदर्भ के रूप में कोई ट्रैफ़िक रिपोर्ट या विश्लेषण नहीं है, तो ऊपर उल्लिखित तीन अवधियों के दौरान 3 घंटे का डेटा एकत्र करें, और उच्चतम डेटा चुनें।
      3. सिमुलेशन मॉडल और विश्लेषण अनुभाग में 1 घंटे की अवधि में उच्चतम ट्रैफ़िक वॉल्यूम वाले डेटा को इनपुट करें। अंत में सत्यापन के लिए शेष 2 एच डेटा का उपयोग करें।
    2. उपकरणों का सेटअप
      1. रडार दिशा समायोजित करें, और रडार के बगल में कैमरा सेट जहां यह सभी गलियों पर कब्जा कर सकते हैं । पैदल पुल पर धारा 2 में सभी उपकरण स्थापित करने की प्रक्रिया दोहराएं।
        नोट: रडार से पहले मंजूरी यू-टर्न आंदोलनों की पूरी श्रृंखला को कवर करने के लिए यथासंभव लंबी और चौड़ी होनी चाहिए। EW (पश्चिम से पश्चिम) रडार यातायात प्रवाह का सामना करना पड़ता है, और हम (पश्चिम से पूर्व) रडार सड़क संरेखण(चित्रा 5)के कारण वाहन पूंछ की ओर चेहरे । गलियों के भीतरी बनाम बाहरी तरफ उपकरण स्थापित करने से परिणामों के बीच कोई मतभेद नहीं हैं । रडार स्थान के भीतरी या बाहरी पक्ष केवल रडार डेटा के साथ प्रक्षेपवक्र आंकड़ों की समन्वय प्रणाली को प्रभावित करता है । जब रडार यातायात प्रवाह का सामना करना पड़ता है, पता चला चल गति नकारात्मक है और डेटा प्रसंस्करण के दौरान उलट की जरूरत है । जब रडार यातायात प्रवाह का सामना करना पड़ता है, पता चला चल गति सकारात्मक है और सीधे इस्तेमाल किया जा सकता है ।
      2. रडार और कैमरे सेट करें ताकि वे रडार और कैमरों से पहले मंजूरी सुनिश्चित करने के लिए पुल रेलिंग से थोड़ा लंबे हों ।
        नोट: रडार के लिए कोई जरूरत नहीं है के रूप में सड़क के किनारे निपटान के रूप में लंबा है ।
    3. सुनिश्चित करें कि रडार, लैपटॉप और कैमरों का समय वास्तविक समय के अनुरूप हो।
    4. समय निर्धारित करने के लिए एक साथ दो रडार और कैमरे शुरू करें।
    5. जांच करें कि क्या रडार और कैमरे डेटा संग्रह के दौरान हर 5 मिन सामान्य रूप से काम करते हैं ताकि यह सुनिश्चित किया जा सके कि सभी भाग अच्छी तरह से काम करते हैं।
    6. डेटा संग्रह को समाप्त करें और रडार डेटा को एक चिन्हित नाम(तालिका 1)के साथ स्प्रेडशीट के रूप में आउटपुट करें।

4. डेटा विश्लेषण

  1. रडार डेटा निकालने और स्प्रेडशीट से ऑपरेटिंग स्पीड और प्रक्षेप पथ के आंकड़े आकर्षित करने के लिए गणना सॉफ्टवेयर का उपयोग करना।
    नोट: एक्स/वाई निर्देशांक और एक्स/वाई स्पीड स्प्रेडशीट में हैं ।
  2. आंकड़ों में स्पष्ट रूप से असतत अंक हटाएं। ये बिंदु रडार त्रुटियां हैं।
    नोट: रडार क्षेत्र की एक बड़ी श्रृंखला का पता लगाता है, इसलिए डेटा में गैर-मोटर वाहन लेन में लक्षित वाहन, विपरीत वाहन और गैर-मोटर वाहन हो सकते हैं। जब आंकड़ों के रूप में सभी डेटा की साजिश रचने, तीन लेन लक्ष्य वाहनों स्पष्ट कर रहे हैं, और शेष अंक "स्पष्ट रूप से असतत अंक" हैं । पता लगाने के क्षेत्र ों चित्रा 3में सीधे कर रहे हैं, तीन गलियों की चौड़ाई जाना जाता है, और "स्पष्ट रूप से असतत अंक" सॉफ्टवेयर में हटाया जा सकता है । चित्रा 6बी डीमें दिखाए गए आवश्यक बिंदुओं को प्लॉट करें।
  3. यातायात वीडियो को फिर से चलाएं और यातायात की मात्रा और प्रकार प्राप्त करने के लिए मैन्युअल रूप से गणना करें।
    नोट: वाहनों को आकार के अनुसार कारों और ट्रकों में विभाजित किया जा सकता है। 6 मीटर के भीतर सभी कारों, टैक्सियों और छोटे ट्रकों को यहां कारों के रूप में वर्गीकृत किया गया है। सभी बड़े ट्रकों और बसों को ट्रकों के रूप में वर्गीकृत किया जाता है।
  4. प्रतिनिधि डेटा के रूप में उच्चतम ट्रैफ़िक वॉल्यूम समूह का चयन करें और इसे धारा 5 में वर्णित सिमुलेशन में इनपुट करें।
    नोट: सिमुलेशन और संवेदनशीलता विश्लेषण में डेटा के केवल एक समूह की आवश्यकता होती है। अन्य दो समूहों के डेटा को सत्यापन के रूप में अनुकरण किया जाएगा।

5. सिमुलेशन मॉडल का निर्माण

  1. सड़क का निर्माण
    1. सिमुलेशन सॉफ्टवेयर खोलें। इंटरफ़ेस के शीर्ष पर मानचित्र बटन पर क्लिक करें और डेटा संग्रह स्थान खोजने के लिए मानचित्र में ज़ूम करें।
    2. बाईं ओर लिंक पर क्लिक करें, तो लिंक के शुरू स्थान पर कर्सर ले जाएँ, और सही क्लिक करें । नया लिंक जोड़ें,लिंक नाम और गलियों की संख्या इनपुट करें, और OKपर क्लिक करें। नक्शे पर लिंक आकर्षित करने के लिए कर्सर खींचें।
    3. लिंक पर सही क्लिक करें और ऐड प्वाइंटका चयन करें । नक्शे में वास्तविक सड़क संरेखण के साथ लिंक को चिकनी बनाने के लिए अंक और ड्रैग पॉइंट जोड़ें।
    4. यू-टर्न मीडियन ओपनिंग को छोड़कर चार सेगमेंट बनाने के लिए चरण 5.1.2 और 5.1.3 3x दोहराएं।
    5. कीबोर्ड पर माउस और सीटीआरएल बटन का सही बटन पकड़ें, फिर लिंक को कनेक्ट करने के लिए आसन्न लिंक से एक लिंक के एंडपॉइंट को खींचें। इस भाग को "कनेक्टर" कहा जाता है और अधिक अंक जोड़े जाने के रूप में चिकनी हो सकती है।
    6. सभी लिंक और यू-टर्न मार्गों को जोड़ने के लिए चरण 5.1.5 दोहराएं।
  2. वांछित गति का इनपुट
    1. शीर्ष बार से आधार डेटा का चयन करें, फिर वितरण का चयन करें । वांछित गति।
    2. एक नई वांछित गति जोड़ने के लिए नीचे ग्रीन-क्रॉस ऐड बटन पर क्लिक करें, फिर इसे नाम दें।
    3. वांछित गति वितरण संवाद बॉक्स में, अधिकतम वांछित गति के रूप में प्रतिनिधि डेटा से एकत्र की गई अधिकतम गति को इनपुट करें, फिर प्रतिनिधि डेटा से गणना की गई औसत गति को न्यूनतम वांछित गति के रूप में इनपुट करें। डिफॉल्ट डाटा डिलीट कर दें।
    4. इनपुट इस वांछित गति के लिए एक नाम है, जो आमतौर पर एक दिशा का उपयोग कर नाम है ।
    5. सभी वांछित गति (हम, ईडब्ल्यू, WW यू-टर्न और ईई यू-टर्न) बनाने के लिए चरण 5.2.3 और 5.2.4 दोहराएं।
  3. वाहन संरचना
    1. टॉप बार से लिस्ट बटन चुनें, फिर निजी परिवहन पर क्लिक करें । वाहन रचनाएं।
    2. एक नई वाहन संरचना जोड़ने के लिए नीचे ग्रीन-क्रॉस ऐड बटन पर क्लिक करें। कारके रूप में चरण 5.2 में निर्मित वांछित गति का चयन करें।
    3. वाहन प्रकार बस/ट्रक को एचजीवीके रूप में जोड़ने के लिए ग्रीन-क्रॉस ऐड बटन पर क्लिक करें । चरण 5.3.2 में किया गया समान वांछित गति का चयन करें।
    4. प्रतिनिधि डेटा से RelFlow पर कारों और ट्रकों की मात्रा इनपुट।
    5. सभी वाहन रचनाओं (हम, ईडब्ल्यू, WW यू-टर्न और ईई यू-टर्न) बनाने के लिए चरण 5.3.2-5.3.5 दोहराएं।
  4. वाहन मार्ग
    1. बाएं मेनू बार से वाहन मार्ग का चयन करें।
    2. स्टार्ट पॉइंट, राइट-क्लिक के रूप में कर्सर को एक लिंक के अपस्ट्रीम में ले जाएं, फिर न्यू स्टैटिक व्हीकल राउटिंग निर्णय जोड़ें।
    3. डेटा संग्रह में वाहन मार्गों का प्रतिनिधित्व करने वाले नीले कर्सर को खींचें। सभी वाहन मार्गों को आकर्षित करने के लिए हम, ईडब्ल्यू, WW यू-टर्न और ईई यू-टर्न में इस चरण को 4x दोहराएं।
  5. कम गति क्षेत्र
    1. बाएं मेनू बार से कम गति क्षेत्रों का चयन करें।
    2. यू-टर्न ओपनिंग के अपस्ट्रीम पर राइट-क्लिक करें, फिर न्यू कम स्पीड एरिया जोड़ें।
      नोट: क्षेत्र की लंबाई प्रतिनिधि डेटा और गति परिवर्तन लंबाई पर निर्भर करती है।
    3. दोनों दिशाओं में इस क्षेत्र का निर्माण करें।
  6. संघर्ष क्षेत्र
    1. बाएं मेनू बार से संघर्ष क्षेत्रों का चयन करें। औसत उद्घाटन खंड में चार पीले संघर्ष क्षेत्रों को दिखाया जाएगा ।
    2. सही क्लिक करें एक पीला संघर्ष क्षेत्र और यथार्थवादी स्थिति और संघर्ष क्षेत्रों लाल बारी के रूप में अनिर्धारित करने के लिए सेट स्थिति का चयन करें ।
    3. सभी चार संघर्ष क्षेत्रों के लिए चरण 5.6.2 दोहराएं।
  7. यात्रा का समय माप
    1. बाएं मेनू बार से वाहन यात्रा समय का चयन करें।
    2. एक लिंक की शुरुआत में राइट-क्लिक करें और नए वाहन यात्रा समय माप जोड़ेंचुनें ।
    3. एक वाहन यात्रा समय माप बनाने के लिए लिंक के अंत तक कर्सर खींचें। सभी वाहन मार्गों (हम, ईडब्ल्यू, WW यू-टर्न और ईई यू-टर्न) के लिए यह कदम दोहराएं।
    4. प्रत्येक यात्रा समय माप को संबंधित दिशा के साथ नाम दें।
      नोट: सुधार डिजाइन के साथ ऑपरेटिंग स्थितियों की तुलना करने के लिए, यात्रा समय माप की लंबाई दोनों सिमुलेशन मॉडल में एक ही होने की जरूरत है ।
  8. वाहन इनपुट
    1. बाएं मेनू बार से वाहन इनपुट का चयन करें। नए वाहन इनपुट जोड़ने के लिए एक लिंक और सही क्लिक के शुरुआती बिंदु पर क्लिक करें।
    2. माउस को प्रतिनिधि डेटा से नीचे और इनपुट वॉल्यूम को छोड़ दें। सभी लिंक के लिए इस कदम को दोहराएं।
  9. तुलना के रूप में एक और ईएसयूएल सिमुलेशन मॉडल बनाएं, केवल यू-टर्न ओपनिंग पार्ट को संशोधित करने की आवश्यकता है(चित्रा 7 और तालिका 2)।
  10. इंटरफ़ेस के शीर्ष पर ब्लू प्ले बटन पर क्लिक करें, और सिमुलेशन शुरू हो जाएगा। प्ले बटन के बाईं ओर स्केल खींचें, जो सिमुलेशन गति को समायोजित कर सकता है।
    नोट: इंस्ट्रूमेंट बटन क्विक मोड सिमुलेशन स्पीड को अधिकतम कर सकता है।
  11. जब सिमुलेशन समाप्त होता है, तो सभी परिणाम इंटरफ़ेस के तल पर दिखाए जाएंगे। परिणामों को एक नई स्प्रेडशीट में कॉपी करें। यहां, यात्रा के समय, देरी, और बंद हो जाता है की संख्या विश्लेषण27में मूल्यांकन कर रहे हैं ।

6. सिमुलेशन मॉडल अंशांकन

  1. सिमुलेशन सॉफ्टवेयर में प्रतिनिधि डेटा की यातायात मात्रा इनपुट और सिमुलेशन प्रदर्शन(चित्रा 8ए)।
  2. एकत्र किए गए डेटा वॉल्यूम के साथ सिमुलेशन परिणामों से ट्रैफ़िक वॉल्यूम की तुलना करें।
  3. नीचे समीकरण 1 का उपयोग कर क्षमता की गणना करें:
    (1)
    जहां सी आदर्श क्षमता (veh/h) को दर्शाता है और एचटी औसत न्यूनतम प्रगति (एस) को दर्शाता है ।
  4. क्षमता का उपयोग करते हुए, समीकरण 2के बाद मतलब पूर्ण प्रतिशत त्रुटि (MAPE) के रूप में सिमुलेशन त्रुटि का अनुमान लगाएं:
    (2)
    जहां एन इस अध्ययन में चार अलग-अलग प्रवाहों को दर्शाता है, सीआईवी सिमुलेशन मॉडल (वेह/एच) में नकली क्षमता है, और सीआईएफ जांच की क्षमता है (veh/h)। गणना की गई MAPE तालिका 3में प्रस्तुत की जाती है।
    नोट: सिमुलेशन मॉडल का उपयोग किया जा सकता है यदि MAPEछोटा 28,29,30है ।
  5. सिमुलेशन सॉफ्टवेयर के निर्देशों के आधार पर पैरामीटर (यानी, यादृच्छिक बीज, कार का पालन मॉडल प्रकार, लेन परिवर्तन नियम, आदि) को संशोधित करें, या सिमुलेशन मॉडल31,32,33,34का निर्माण करते समय ऊपर वर्णित सभी चरणों की जांच करें।

7. संवेदनशीलता विश्लेषण

नोट: संवेदनशीलता विश्लेषण प्रक्रिया चित्रा 8बीमें दिखाया गया है । एकत्र किए गए आंकड़े केवल अपने प्रदर्शन(चित्र 9, तालिका 4, तालिका 5और तालिका 6)को प्रतिबिंबित कर सकते हैं । सभी स्थितियों के तहत प्रभावशीलता को साबित करने के लिए, सभी संभावित यातायात स्थितियों और विभिन्न संयोजनों को सिमुलेशन मॉडल में इनपुट दिया गया था ताकि यह सुनिश्चित किया जा सके कि सभी स्थितियों को म्यूटी और ईसुल(चित्रा 10 और तालिका 7)के बीच कवर किया गया है।

  1. रिप्रेजेंटेटिव डेटा की कार/ट्रक (बस) अनुपात और ऑपरेटिंग स्पीड का चयन करें । इन मापदंडों को बनाए रखें।
  2. 0.03 की वृद्धि के साथ संवेदनशीलता विश्लेषण में ~ 0.03-0.15 से यू-टर्न अनुपात सेट करें, जिसका अर्थ है संवेदनशीलता विश्लेषण में पांच यू-टर्न अनुपात।
    नोट: तालिका 1में प्रतिनिधि डेटा के अनुसार, यू-टर्न दर की सीमा 0.04-0.15 है।
  3. 693 वी/एच (0.1 V/C) की वृद्धि के साथ ~ 0.2-1.0 V/C से यातायात की मात्रा निर्धारित करें; तालिका 7),जिसका अर्थ है संवेदनशीलता विश्लेषण में नौ खंड।
    नोट: अधिकतम यातायात की मात्रा एक तीन लेन खंड के साथ एक शहरी फ्रीवे में ६,९३० veh/h है, सेवा स्तर ई के अनुरूप है AASHTO राजमार्ग क्षमता मैनुअल३५ के अनुसार जब डिजाइन की गति ८० किमी/घंटा है ।
  4. सभी 45 स्थितियों का अनुकरण करें और वर्तमान स्थिति (म्यूटीआई) और बेहतर स्थिति (ईसुल) दोनों में परिणामों को बचाएं।
  5. यात्रा के समय में सुधार और अनुपात = (MUTI-ESUL) /MUTI x १००% की गणना करके देरी सत्यापित करें । कम समय की गणना करके स्टॉप की संख्या में सुधार सत्यापित करें = म्यूटी - ईसुल।
    नोट: अंतिम परिणामों में(चित्रा 10),एक सकारात्मक (>0) परिणाम का मतलब है कि ईसुल ने यातायात की स्थिति में सुधार किया, जबकि संवेदनशीलता में नकारात्मक (<0) परिणाम विपरीत का प्रतिनिधित्व करता है।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

चित्रा 2 यू-टर्न मीडियन ओपनिंग के लिए ईसुल का चित्रण दिखाता है। वेन्स का मतलब चार कार्डिनल दिशाएं हैं । मुख्य सड़क पर दो दिशाओं के साथ छह लेन है। ग्रीनबेल्ट दोनों तरफ गैर-मोटर चालित लेन को विभाजित करते हैं और दोनों दिशाओं को बीच में विभाजित करते हैं। प्रवाह 1 यातायात के माध्यम से पश्चिम के लिए पूर्व है, प्रवाह 2 पूर्व यू-टर्न प्रवाह के लिए पूर्व है, प्रवाह 3 यातायात के माध्यम से पश्चिम से पूर्व है, और प्रवाह 4 पश्चिम यू-टर्न यातायात के लिए पश्चिम है ।

ईसुल के भीतरी 2 लेन के कार्यों को हटाने, मंदी, यू-टर्न, तेजी लाने, प्रगति की तलाश और यू-टर्न वाहनों को मर्ज करना है। प्रेरणा डाइक हिस्सा मुख्य हिस्सा है और साधारण यू-टर्न डिजाइनों से अलग है। इस भाग में यातायात प्रवाह को थोड़ा (एक लेन चौड़ाई) जावक स्थानांतरित करने के लिए मजबूर करने और प्रेरणा डाइक के बाद माध्यम से यातायात और यू-टर्न यातायात को अलग करने की क्षमता है।

प्रेरणा डाइक डिजाइन में तीन महत्वपूर्ण अंतर हैं। सबसे पहले, यह पूरी गलियों को जावक ले जाकर यातायात के माध्यम से प्रभाव से बचने के लिए एक विशिष्ट यू-टर्न लेन प्रदान करता है। चिह्नों की तुलना में, ड्राइवरों प्रेरणा डाइक के पार नहीं कर सकते है और गलियों का पालन करने के लिए दो प्रवाह के अलावा३६,३७विभाजित करना चाहिए । दूसरा, यह अधिकतम दोनों दो दिशा यू बारी मांगडिजाइन द्वारा सममित रूप से डिजाइन करके भूमि का उपयोग करता है । तीसरा, प्रेरणा डाइक वाहनों के विभिन्न यू-टर्न रेडी को समायोजित करता है और भूमि लचीले ढंग से उपयोग करता है।

चित्रा 3 डेटा संग्रह स्थान है, जो चीन के Shaanxi प्रांत में Xian शहर के दूसरे पाश सड़क के पश्चिमोत्तर कोने में एक ठेठ औसत खोलने से पता चलता है । इस शोध में लूप रोड में छह लेन होते हैं, और लूप रोड में गति सीमा 80 किमी/घंटा(चित्रा 3ए)है। लेन की चौड़ाई 3.5 मीटर है और औसत चौड़ाई औसतन 1.2 मीटर है। मीडियन ओपनिंग सेक्शन 10 मीटर चौड़ा और 17 मीटर लंबा है। दो गैर मोटर वाहन लेन (9 मीटर चौड़ाई) दोनों तरफ हैं, और एक १.५ मीटर ग्रीनबेल्ट उन्हें मुख्य गलियों से विभाजित करता है(चित्रा 3बी)।

औसत उद्घाटन के पास अपस्ट्रीम और डाउनस्ट्रीम इंटरचेंज के बीच की दूरी 5.1 किमी(चित्रा 3ए)है। चूंकि इस सेक्शन के लिए कोई प्रवेश द्वार या निकास नहीं है, इसलिए मीडियन ओपनिंग 200 मीटर तक पहुंचने के बाद ऑपरेशन की गति गति सीमा तक पहुंच सकती है। मीडियन ओपनिंग से, यह अपस्ट्रीम इंटरचेंज के लिए 1.4 किमी और डाउनस्ट्रीम इंटरचेंज के लिए 3.6 किमी है। यदि कोई यू-टर्न ओपनिंग डिज़ाइन नहीं किया गया है तो वाहन 10 किमी (सबसे कम 9 मिन की देरी) का चक्कर लगाते हैं। यू-टर्न वाहनों को चौराहे पर बैठक करते समय लंबे समय तक इंतजार करना चाहिए या शामिल होने के लिए मजबूर किया जाता है, जिसके परिणामस्वरूप देरी होती है या यातायात को रोकना पड़ता है । चित्रा 4 से पता चलता है कि सुबह पीक 7:00 बजे से 9:00 बजे तक प्रकट होता है, शाम की चोटी 17:00 से 19:00 तक दिखाई देती है, और घाटी (देर रात को छोड़कर) 12:00 से 14:00 तक दिखाई देती है ।

पूर्व से पश्चिम तक सभी यातायात की गति चित्र6एमें दिखाई गई है । यू-टर्न खोलने क्षैतिज धुरी पर ~ 70 मीटर पर होता है। मंदी और त्वरण 70 मीटर के पास स्पष्ट हैं, जो इंगित करता है कि वाहन यू-टर्न वाहनों से प्रभावित थे। चित्रा 6ए में पीक वैल्यू ८० किमी/घंटा से कम है, और अंक मुख्य रूप से ४० किमी/घंटा के तहत केंद्रीकृत हैं, जो इंगित करता है कि परिचालन गति गति सीमा (८० किमी/घंटा) से काफी कम थी । चित्रा 6बी पूर्व से पश्चिम तक यातायात प्रवाह के प्रक्षेप पथ को दर्शाता है। तीन लेन और यू-टर्न वाहनों के प्रक्षेप पथ की पहचान आंकड़ों में आसानी से की जाती है । सबसे कम प्रक्षेप वक्र गहरे नीले और इसके ऊपर दो प्रक्षेप पथ से व्यापक है, जो यू-टर्न वाहनों और वाहनों के माध्यम से विलय का संकेत देता है । विलय आंदोलन 60 मीटर से शुरू होता है और 40 मीटर पर समाप्त होता है, जो 20 मीटर मर्ज सेगमेंट का प्रतिनिधित्व करता है। इनर लेन में थ्रू ट्रैफिक यू-टर्न वाहनों से गंभीर रूप से प्रभावित हुआ ।

चित्रा 6सी पश्चिम से पूर्व तक प्रवाह की गति है। जब यू-टर्न ओपनिंग पर रनिंग स्पीड 80 मीटर तक पहुंच जाती है तो यह बढ़ने लगती है। परिणाम इंगित करता है कि WW यू-टर्न प्रवाह प्रवाह के माध्यम से हम पर एक छोटा प्रभाव था जो डायवर्जन आंदोलन (विलय आंदोलन के बजाय) के कारण था; चित्रा 6बी। 0 किमी/घंटा से शुरू होने वाले बिंदुओं से संकेत मिलता है कि WW यू-टर्न वाहनों के कारण पूरे वाहनों के लिए स्टॉप और मंदी हुई । चित्रा 6डी पश्चिम से पूर्व तक के माध्यम से यातायात और यू-टर्न यातायात को दर्शाता है। यू-टर्न सेक्शन में ऊंचे पेड़ हैं, जो यू-टर्न मूवमेंट ्स का पता लगाने के लिए रडार सिग्नल ब्लॉक करते हैं ।

चित्रा 7 ईसुल डिजाइन का एक-आधा दिखाता है। लेन 1 और 4 के माध्यम से कर रहे है यातायात लेन, और लेन 2 और 3 यू बारी लेन हैं । प्रत्येक खंड की गणना पहले प्रकाशित दिशा -निर्देशों 35,38 और अध्ययन39,40पर आधारित है . सेक्शन एबी एक सड़क संरेखण प्रक्रिया पर आधारित है, अनुभाग ईसा पूर्व ड्राइवरों के प्रतिक्रिया समय और आंदोलन प्रक्रियाओं पर निर्भर है, अनुभाग सीडी मोड़ हिस्सा है, और अनुभाग डीई में मंदी और सुरक्षा दूरी शामिल है। सेक्शन ईएफ यू-टर्न के लिए पर्याप्त जगह प्रदान करता है। सेक्शन एफएच और एचआई में त्वरण, प्रगति खोज, और संयुक्त गति अलग-अलग होती है। सभी वर्गों को तालिका 2 में 80 किमी/घंटा की डिजाइन गति के अनुसार वर्णित किया गया है।

चित्रा 10एक से पता चलता है कि प्रवाह 1 यात्रा समय अनुपात 20%-40% के भीतर सभी यातायात संयोजनों के तहत ESUL के साथ कमी आई । देरी में 35%−70%(चित्रा 10बी)की बहुत कमी आई । 0.4(चित्रा 10सी)के अधिकतम मूल्य के साथ स्टॉप की संख्या थोड़ी कम हो गई। ESUL सभी स्थितियों में यातायात के माध्यम से EW के लिए एक महत्वपूर्ण सुधार दिखाया । चित्रा 9ई, एफ और चित्रा 10डी प्रवाह 2 (ईई यू-टर्न वाहनों) के संवेदनशीलता परिणाम दिखाते हैं। ईई यू-टर्न वाहनों के सभी तीन अनुक्रमित में काफी सुधार किया गया । फिगर 10डी में दिखाए गए यात्रा के समय में ट्रैफिक वॉल्यूम बढ़ने के साथ 20%-70% की कमी आई । चित्रा 10ई में देरी यात्रा के समय से अधिक कम हो गई और पीक वैल्यू पर लगभग १००% तक पहुंच गई । न्यूनतम सुधार अनुपात 70% से बड़ा था। चित्रा 10एफ में दिखाया बंद हो जाता है की संख्या के लिए एक महत्वपूर्ण सुधार सबसे कम छह तक पहुंच गया ।

चित्रा 9i, j और चित्रा 10एच प्रवाह 3 (हम वाहनों के माध्यम से) के संवेदनशीलता परिणाम दिखाते हैं। 1 प्रवाह के लिए एक समान प्रवृत्ति के साथ, प्रवाह 3 ESUL के साथ एक बहुत सुधार हुआ । यात्रा के समय में 40%-50% की कमी आई आंकड़ा 10एचमें । अंक 10में देरी 50%-90% की कमीआई। स्टॉप की संख्या केवल आंकड़ा 10जेमें सबसे कम 0.4 x कम हो गई । प्रवाह 4 में, WW यू-टर्न वाहनों और संवेदनशीलता परिणाम चित्र9एल, एम और चित्रा 10कश्मीरमें दिखाए जाते हैं। यात्रा के समय में यातायात की मात्रा बढ़ जाती है(चित्रा 10k)के साथ ~ 20%-60% की कमी आई । चित्रा 10एलमें, देरी 1% वृद्धि हुई जब यातायात की मात्रा १,३८६ veh/h था, और यू-टर्न अनुपात ०.०६ था । देरी में बाकी दायरे में 54%-97% की काफी कमी आई । स्टॉप की संख्या सबसे कम 6x तक कम हो जाती है(चित्रा 10मीटर)।

Figure 1
चित्रा 1: औसत यू-टर्न चौराहों (MUTIs) के उदाहरण। दो डिजाइन सड़क पर आम यू-टर्न खोलने का प्रतिनिधित्व करते हैं, लेकिन यह ध्यान दिया जाना चाहिए कि यू-टर्न वाहनों के पासिंग वाहनों के साथ यातायात संघर्ष हो सकता है, चाहे वह एक ही या विपरीत दिशा प्रवाह में हो। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 2
चित्रा 2: प्रांतीय ट्रंक राजमार्ग पर ESUL डिजाइन का चित्रण । डब्ल्यू = पश्चिम, ई = पूर्व, एन = उत्तर, एस = दक्षिण। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 3
चित्रा 3: Xian में पश्चिमोत्तर कोने दूसरी पाश सड़क पर एक औसत पर डेटा संग्रह स्थान । निर्देशांक: 108.903898, 34.301482. (क)जांच स्थान योजनाबद्ध । (ख)यू-टर्न मीडियन ओपनिंग का म्यूटी । छवि १५० मीटर की ऊंचाई पर एक ड्रोन द्वारा लिया गया था कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 4
चित्रा 4: 24 घंटे भीड़ सूचकांक। (क) 2015 से 201725तक प्रमुख शहरों का 24 घंटे का भीड़ भाड़ ट्रेंड . 22मई,201925,26को शीआन के लिए 24 घंटे की भीड़ देरी सूचकांक । पैनल ए में डेटा चीन के प्रमुख शहरों के लिए 2017 यातायात विश्लेषण रिपोर्ट25से आता है , जो एक चीनी वेब मैपिंग नेविगेशन प्रदाता41द्वारा प्रदान किया जाता है । पैनल बी में डेटा22मई, 201926को Xian में वास्तविक समय भीड़ सूचकांक से आता है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 5
चित्रा 5: यू-टर्न स्थान पर पैदल यात्री पुल पर रडार के साथ डेटा संग्रह। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 6
चित्रा 6: गति और यातायात प्रवाह के प्रक्षेप पथ । (क)पूर्व से पश्चिम की ओर वाहनों की गति। (ख)पूर्व से पश्चिम तक वाहनों के प्रक्षेपपथ। }पश्चिम से पूर्व की ओर वाहनों की गति। (d)पश्चिम से पूर्व तक वाहनों के प्रक्षेपपथ। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 7
चित्रा 7: ESUL डिजाइन की ज्यामिति। नीला तीर सीधे यात्रा करने वाले वाहनों का प्रतिनिधित्व करता है, और लाल तीर यू-टर्न वाहनों का प्रतिनिधित्व करता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 8
चित्रा 8: MAPE और संवेदनशील विश्लेषण की गणना का फ्लोचार्ट। (क)एमएपीई की गणना प्रक्रिया। (ख)संवेदनशील विश्लेषण की प्रक्रिया। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 9
चित्रा 9: एकत्र किए गए डेटा के साथ म्यूटी आई और ईसुल के बीच तुलना। यात्रा के समय की तुलना(क),विलंब(ख)और सुबह पीक (एच) के साथ स्टॉप(सी)की संख्या। मध्य दोपहर घाटी (एच) के साथ यात्रा के समय(डी),विलंब(ई)और स्टॉप(एफ)की संख्या की तुलना। यात्रा के समय की तुलना(एच),देरी(i)और शाम पीक (एच) के साथ स्टॉप(जे)की संख्या। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 10
चित्रा 10: ईडब्ल्यू के माध्यम से, ईई यू-टर्न, हम के माध्यम से और WW यू-टर्न सहित सभी प्रवाहों का संवेदनशीलता विश्लेषण। एक्स-एक्सिस = विभिन्न यातायात खंड, वाई-एक्सिस = यू-टर्न अनुपात, और जेड-एक्सिस = सुधार अनुपात (अनुपात = [MUTI -ESUL]/MUTI x 100%) यात्रा के समय और देरी में, स्टॉप की संख्या में कम समय (कम समय = म्यूटी - ईसुल)। (ए-सी) प्रवाह के माध्यम से EW,(डी-एफ)ईई यू-टर्न प्रवाह,(एच-जे)हम प्रवाह के माध्यम से, और(कश्मीर-एम)WW यू-टर्न प्रवाह। हर तीन आंकड़े क्रमशः यात्रा का समय(ए, डी, एच, कश्मीर),देरी(बी, ई, एल)और स्टॉप(सी, एफ, जे, एम)की संख्या हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

आइटम सुबह (07:00−08:00) मध्य दोपहर (13:00−14:00) शाम (17:00−18:00)
दिशा Ew हम Ew हम Ew हम
प्रवाह i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4
कार 4195 172 3442 504 3001 176 2460 402 1665 287 3296 394
ट्रक 86 10 56 16 79 7 60 41 11 6 38 35
यू-टर्न अनुपात 4281:182 3498:520 3080:183 2520:443 1676:293 3334:429
Aver। गति 21.5 11.5 22.2 10.5 36.7 12.3 23.7 11.8 29.3 12.8 22.9 12.1
अधिकतम. गति 73.8 13.4 63.7 12.8 90.4 15.6 75.9 13.5 76.7 14.6 63.7 13.3
मिन स्पीड 0 0 0 0 0 0 0 0 0 0 0 0

तालिका 1: एकत्र वाहन की जानकारी। 0 किमी/घंटा की न्यूनतम गति से पता चलता है कि कुछ वाहनों को आगे बढ़ने से पहले रोक दिया गया था ।

आइटम विवरण
एलएबी 166 मीटर लंबाई सभी प्रवाह के लिए जावक थोड़ा स्थानांतरित करने के लिए
एलबीसी 185 मीटर प्रवाह के लिए लंबाई मैं = 4 यू-टर्न साइन को पहचानने और कार्रवाई करने के लिए
एलसीडी 50 मीटर मोड़ लंबाई प्रवाह मैं अलग करने के लिए = 3 और प्रवाह मैं = 4
एलडे 42 मीटर फ्लो आई = 4 मंदी की लंबाई
एलईएफ त्रिज्या = यात्री कारों के लिए 7.26 मीटर यू-टर्न चौड़ाई
एलएफएच 180 मीटर त्वरण प्रवाह की लंबाई मैं = 4
एलएचआई 140 मीटर। लंबाई प्रवाह के लिए एक प्रगति की तलाश करने के लिए मैं = 4 और प्रवाह में विलय मैं = 1

तालिका 2: ईसुल के ज्यामितीय पैरामीटर। प्रत्येक खंड की गणना पहले प्रकाशित दिशा -निर्देशों 35,38 और अध्ययन39,40पर आधारित है . तालिका 2 में मूल्य 80 किमी/घंटा की डिजाइन गति से ईसुल प्रदर्शन का मूल्यांकन करने के लिए सिमुलेशन मॉडल में इनपुट है।

आइटम सुबह (07:00−08:00) दोपहर (13:00−14:00) शाम (17:00−18:00)
दिशा Ew हम Ew हम Ew हम
प्रवाह i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4
निवेश. क्षमता (veh/h) 4281 182 3498 520 3080 183 2520 443 1676 293 3334 429
नकली क्षमता (veh/h) 4115 127 3571 501 3000 169 2484 360 1814 268 3381 409
व्यक्तिगत 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

तालिका 3: सिमुलेशन अंशांकन परिणाम। जांच और सिमुलेशन के बीच अंशांकन तालिका में दिखाया गया है। MAPE समीकरण 2 का उपयोग कर गणना की है, और परिणाम स्वीकार्य27,30हैं ।

आइटम यात्रा का समय (एस) विलंब (एस) स्टॉप की संख्या
प्रवाह Muti ईसुल दर (%) Muti ईसुल दर (%) Muti ईसुल दर (%)
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

तालिका 4: सुबह पीक डेटा के साथ म्यूटी आई और ईसुल के सिमुलेशन परिणाम। सुबह के पीक में, ईसुल म्यूटी की तुलना में काफी अधिक सुधार करता है। यात्रा के समय में 29.4%-57.5% की कमी आई। देरी में 44.4%-97.7% की कमी आई। स्टॉप की संख्या पूरी तरह से कम हो गई है।

आइटम यात्रा का समय (एस) विलंब (एस) स्टॉप की संख्या
प्रवाह Muti ईसुल दर (%) Muti ईसुल दर (%) Muti ईसुल दर (%)
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

तालिका 5: मध्य दोपहर के डेटा के साथ म्यूटी आई और ईसुल के सिमुलेशन परिणाम। दोपहर के समय यात्रा के समय में 31.3%-43.8% की कमी आई। देरी 50.0%-87.1% की कमी आई और ईसुल के साथ स्टॉप की कोई संख्या मौजूद नहीं है।

आइटम यात्रा का समय (एस) विलंब (एस) स्टॉप की संख्या
प्रवाह Muti ईसुल दर (%) Muti ईसुल दर (%) Muti ईसुल दर (%)
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

तालिका 6: शाम के पीक डेटा के साथ म्यूटी आई और ईसुल के सिमुलेशन परिणाम। शाम के पीक डेटा के साथ, यात्रा के समय में 27.7%-56.6% की कमी आई। देरी 60.7%-91.8% की कमी आई। ईसुल के साथ स्टॉप की संख्या भी कम हो जाती है।

आइटम मान
कार/ट्रक (बस) अनुपात 4281:182 (EW)/3498:520 (हम)
यू-टर्न अनुपात (%) 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
मात्रा (veh/h) 1386 2079 2772 3465 4158 4851 5544 6237 6930

तालिका 7: सिमुलेशन में संवेदनशीलता विश्लेषण में पैरामीटर इनपुट।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

इस लेख में, सिमुलेशन का उपयोग करके चौराहे या छोटे सेगमेंट में यातायात समस्या को हल करने की प्रक्रिया पर चर्चा की गई थी। कई बिंदुओं पर विशेष ध्यान देने के लायक है और यहां अधिक विस्तार से चर्चा की जाती है ।

फ़ील्ड डेटा संग्रह पहली चीज है जो ध्यान के योग्य है। डेटा संग्रह स्थान के लिए कुछ आवश्यकताएं इस प्रकार हैं: 1) डेटा संग्रह के लिए उपयुक्त स्थान ढूंढना। स्थान अध्ययन में सड़क ज्यामितीय आकार के समान होना चाहिए, जो डेटा संग्रह का आधार है। 2) पर्याप्त मंजूरी खोजकर रडार और अन्य उपकरणों के निर्धारित स्थान का निर्धारण, जहां रडार संकेतों को अवरुद्ध नहीं किया जा सकता है। यातायात संचालन का पता लगाने के लिए ड्रोन जैसी कुछ अत्याधुनिक प्रौद्योगिकियों का इस्तेमाल किया जा सकता है । पूरा अवलोकन क्षेत्र पेड़ या वास्तुकला की तरह बाधाओं से स्पष्ट होना चाहिए। 3) अंत में, डेटा संग्रह का समय एक स्थान में कम से कम 3 घंटे होना चाहिए। समय सुबह और शाम की चोटियों के साथ-साथ दिन में घाटी की स्थिति को भी प्रतिबिंबित करना चाहिए । भीड़ सूचकांक का समय अवलोकन से या किसी अन्य विश्वसनीय परिवहन प्रकाशक से प्राप्त किया जा सकता है।

सिमुलेशन मॉडल बिल्डिंग एक और महत्वपूर्ण कदम है। सिमुलेशन मॉडल की सटीकता अलग-अलग सिमुलेशन त्रुटियों को जन्म देगी। सिमुलेशन मॉडल में पहली बात कनेक्टर है। यदि कनेक्टर चालके एक तरफ एक लिंक होता है, तो कनेक्टर आकार से बाहर हो सकता है और आसन्न लिंक या कनेक्टर घुसपैठ कर सकता है, जिसके परिणामस्वरूप त्रुटियां हो सकती हैं। इसलिए, जब भी लिंक ले जाना आवश्यक है, कनेक्टर की पुनर्गणना करना महत्वपूर्ण है।

एक और महत्वपूर्ण कदम संघर्ष क्षेत्र में संघर्ष नियम है । चौराहों पर रास्ते के अधिकार का अनुकरण करने के लिए प्राथमिकता नियमों के बजाय संघर्ष क्षेत्रों का उपयोग करें। प्राथमिकता नियमों की तुलना में, संघर्ष क्षेत्रों को स्वचालित रूप से प्रदर्शित किया जाता है, और इसलिए ड्राइविंग व्यवहार को संपादित करना और बेहतर ढंग से प्रतिबिंबित करना आसान है। संघर्ष नियम डेटा संग्रह के रूप में ही होना चाहिए, और हर संघर्ष क्षेत्र इसी नियमों के साथ स्थापित किया जाना चाहिए । अंतिम महत्वपूर्ण कदम सिमुलेशन त्रुटि (MAPE) बड़ा होने पर ड्राइविंग व्यवहार के बारे में मापदंडों का समायोजन है। ड्राइविंग व्यवहार में कई व्यक्तिगत पैरामीटर होते हैं, और प्रत्येक पैरामीटर में एक छोटा सा परिवर्तन परिणामों पर सकारात्मक या नकारात्मक प्रभाव डाल सकता है। विभिन्न मापदंडों को सावधानीपूर्वक और बार-बार समायोजित करना महत्वपूर्ण है।

आमतौर पर, यात्रा का समय, देरी और स्टॉप की संख्या सिमुलेशन में परिचालन सुविधाओं का मूल्यांकन करने में सबसे आम उपयोग किए जाने वाले अनुक्रमित हैं। सिमुलेशन (यानी, वाहन की मात्रा, निकास उत्सर्जन, ईंधन की खपत, पैदल यात्री रिकॉर्ड, सुरक्षा मूल्यांकन, वाहन व्यवहार, वाहन मार्गों, निर्देशांक आदि) से कई अन्य अनुक्रमित भी प्राप्त किए जा सकते हैं। विभिन्न प्रयोगात्मक आवश्यकताओं के अनुसार संबंधित मूल्यांकन अनुक्रमित का चयन करना महत्वपूर्ण है। ऊपर के तीन को छोड़कर अन्य इंडेक्स, जो सबसे अधिक उपयोग किए जाते हैं, नए शोध निष्कर्षों या तरीकों का कारण बन सकते हैं।

सिमुलेशन करते समय "त्वरित मोड" का उपयोग करने से सिमुलेशन उच्चतम गति तक पहुंच सकता है और समय बचा सकता है, विशेष रूप से संवेदनशील विश्लेषण के दौरान। इस प्रकार, दर्जनों सिमुलेशन की आवश्यकता होती है। सिमुलेशन परिणाम वही रहता है कोई फर्क नहीं पड़ता कि सिमुलेशन गति किसको चुना जाता है।

भविष्य के अनुप्रयोगों के लिए दो प्रमुख क्षेत्र हैं । एक आवेदन यातायात समस्याओं का समाधान और एक चौराहे या छोटे खंड पर एक या एक से अधिक यातायात डिजाइन का मूल्यांकन है । सिमुलेशन सूक्ष्म यातायात व्यवहार का मूल्यांकन करने में मदद करता है, चाहे इसमें वाहन, पैदल यात्री, बुनियादी ढांचे के संशोधन या यातायात प्रबंधन माप शामिल हों। दूसरा, यह प्रक्रिया यातायात अनुसंधान करने वालों के लिए पर्याप्त अभ्यास गाइड प्रदान करती है । प्रावधान यातायात सिमुलेशन मापन पर सटीक और मजबूत डेटा प्राप्त करने में मदद करते हैं।

इस विधि की कुछ सीमाएं भी हैं। सबसे पहले, रडार एक सीधी दिशा का पता लगा सकता है, और इसके लिए आवश्यक है कि लक्ष्य खंड भी सीधे हो। रडार का इस्तेमाल घुमावदार सेगमेंट के लिए नहीं किया जा सकता, जैसे रैंप । दूसरा, रडार वाहनों का पता लगाने के लिए पर्याप्त मंजूरी की आवश्यकता है । हालांकि, वास्तविक वातावरण में, हमेशा पेड़ या होर्डिंग होते हैं जो सिग्नल को अवरुद्ध करते हैं। रडार सेटलमेंट के लिए उपयुक्त जगह खोजना मुश्किल है। इसके अलावा, जब यातायात की मात्रा बड़ी होती है या वाहन एक दूसरे के करीब होते हैं, तो रडार वाहनों को अलग नहीं कर सकता है, और वीडियो से मैन्युअल रूप से गिनती ही एकमात्र विकल्प है, जो बहुत काम है। यदि प्रोटोकॉल एक ऐसी विधि का भी उपयोग करता है जो वाहनों को स्वचालित रूप से गिन और वर्गीकृत कर सकती है तो दक्षता और सटीकता में सुधार किया जा सकता है।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों के पास खुलासा करने के लिए कुछ नहीं है ।

Acknowledgments

लेखक आंशिक रूप से इस काम को आंशिक रूप से फंडिंग करने के लिए चाइना स्कॉलरशिप काउंसिल को स्वीकार करना चाहते हैं फाइल नंबर २०१५०६५६००१५ के साथ थी ।

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

इंजीनियरिंग अंक 156 यू-टर्न प्रेरणा डाइक सिमुलेशन यातायात डेटा यातायात भीड़ परिवहन राजमार्ग
रडार-एकत्र डेटा और सिमुलेशन के साथ एक विशेष प्रेरणा डाइक यू-टर्न डिजाइन का मूल्यांकन
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