JoVE Journal > Engineering
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
Automatic Translation
Please note that all translations are automatically generated. Click here for the English version.
Engineering

Utvärdering av en exklusiv Spur Dike U-Turn Design med radar-insamlade data och simulering

Published: February 01, 2020
doi:
10.3791/60675
, , , , , , ,
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

Det här protokollet beskriver processen med att lösa ett mikroskopiskt trafikproblem med simulering. Hela processen innehåller en detaljerad beskrivning av datainsamling, dataanalys, simuleringsmodellbygg, simuleringskalibrering och känslig analys. Ändringar och felsökning av metoden diskuteras också.

Abstract

Traditionella U-sväng design kan förbättra operativa funktioner naturligtvis, medan U-sväng omläggningar och slå samman segment fortfarande orsaka trafikstockningar, konflikter och förseningar. En exklusiv sporre u-sväng körfält design (ESUL) föreslås här för att lösa nackdelarna med traditionella U-sväng mönster. För att utvärdera ESUL:s driftsprestanda behövs ett trafiksimuleringsprotokoll. Hela simuleringsprocessen innehåller fem steg: datainsamling, dataanalys, simuleringsmodellbygg, simuleringskalibrering och känslig analys. Datainsamling och simuleringsmodellbygge är två kritiska steg och beskrivs senare mer i detalj. Tre index (restid, fördröjning och antal stopp) används ofta i utvärderingen, och andra parametrar kan mätas från simuleringen enligt experimentella behov. Resultaten visar att ESUL avsevärt minskar nackdelarna med traditionella U-sväng mönster. Simuleringen kan tillämpas för att lösa mikroskopiska trafikproblem, till exempel i enstaka eller flera intilliggande korsningar eller korta segment. Denna metod är inte lämplig för större vägnät eller utvärderingar utan datainsamling.

Introduction

Vissa trafikproblem, såsom trafikstockningar vid en korsning eller kort segment, kan lösas eller förbättras genom att optimera vägdesignen, ändra signaltiming, mätningar trafikledning och annan transportteknik1,2,3,4. Dessa förbättringar har antingen en positiv eller negativ effekt på trafikflödesoperationer jämfört med de ursprungliga situationerna. Förändringarna i trafikverksamheten kan jämföras i trafiksimuleringsprogram snarare än i faktisk rekonstruktion av skärningspunkten eller segmentet. Trafiksimuleringsmetoden är ett snabbt och billigt alternativ när en eller flera förbättringsplaner föreslås, särskilt när olika förbättringsplaner jämförs eller utvärderar effektiviteten av förbättringar. Denna artikel introducerar processen att lösa ett trafikproblem med simulering genom att utvärdera trafikflödet operativa funktioner i en exklusiv sporre dike U-sväng körfält design5.

U-sväng rörelse är en utbredd efterfrågan på trafik som kräver en U-sväng median öppning på vägen, men detta har debatterats. Utforma en U-sväng öppning kan orsaka trafikstockningar, samtidigt stänga U-sväng öppning kan orsaka omvägar för U-sväng fordon. Två rörelser, U-sväng fordon och direkt vänstersväng fordon, kräver en U-sväng öppning och orsaka trafikförseningar, stopp, eller ens olyckor. Vissa tekniker har föreslagits för att lösa nackdelarna med U-sväng rörelser, såsom signalisering6,7, exklusiva vänstersvängkörfält8,9och autonoma fordon10,11. Förbättringspotential finns fortfarande på U-svängfrågor, på grund av ovanstående lösningar med restriktiva tillämpningar. En ny U-sväng design kan vara en bättre lösning under vissa förhållanden och kunna ta itu med befintliga problem.

Den mest populära U-sväng design är medianU-sväng skärningspunkten (MUTI)12,13,14,15, som visas i figur 1. En betydande begränsning av MUTI är att den inte kan skilja U-sväng fordon från förbipasserande fordon och att trafikkonflikten fortfarande finns16,17. En modifierad U-sväng design kallas den exklusiva sporre dike U-sväng körfält (ESUL; Figur 2) föreslås här och syftar till att minska trafikstockningargenom att införa en exklusiv U-sväng körfält på båda sidor av en median. ESUL kan avsevärt minska restiden, förseningarna och antalet stopp på grund av dess kanalisering av de två flödena.

För att bevisa att esul är effektivare än den normala MUTI behövs ett rigoröst protokoll. ESUL kan faktiskt inte konstrueras före en teoretisk modell. simulering behövsdärför 18. Med hjälp av trafikflödesparametrar har vissa nyckelmodeller använts i simuleringsforskning19, till exempel körbeteendemodeller20,21, bil efter modeller22,23, U-svängmodeller4och körfältsbyningsmodeller21. Noggrannheten i trafikflödessimuleringar är allmänt accepterad16,24. I denna studie simuleras både MUI och ESUL med insamlade data för att jämföra förbättringar som gjorts av ESUL. För att garantera noggrannhet simuleras också en känslig analys av ESUL, vilket kan gälla för många olika trafiksituationer.

Detta protokoll presenterar experimentella förfaranden för att lösa verkliga trafikproblem. Metoder för insamling av trafikdata, dataanalys och analys av den övergripande effektiviteten i trafikförbättringar föreslås. Proceduren kan sammanfattas i fem steg: 1) trafikdatainsamling, 2) dataanalys, 3) simuleringsmodell bygga, 4) kalibrering av simuleringsmodell, och 5) känslighetanalys av operativa prestanda. Om något av dessa krav i de fem stegen inte uppfylls är processen ofullständig och otillräcklig för att bevisa effektivitet.

Protocol

1. Beredning av utrustningen Förbered två av var och en av följande enheter för att samla in tvåriktningarstrafikflöden: radar, bärbara datorer, batterier och kablar för radar och bärbara datorer, kameror och radar- och kamerastativ.OBS: Radarn och dess motsvarande programvara används för att samla fordon hastighet och bana, och detta är mer exakt än en hastighet pistol. Radarn är inte det enda valet om annan utrustning finns tillgänglig för att samla fordonshastighet, bana och volym. Efters…

Representative Results

Figur 2 visar illustrationen av ESUL för U-sväng medianöppning. WENS betyder fyra kardinalriktningar. Huvudvägen har sex körfält med två riktningar. Greenbelts delar icke-motoriserade körfält på båda sidor och delar de två riktningarna i mitten. Flöde 1 är öst till väst genom trafiken, flöde 2 är öst till östra U-sväng flöde, flöde 3 är väst till öst genom trafiken, och flöde 4 är väst till västra U-sväng trafik. <p class="j…

Discussion

I den här artikeln diskuterades förfarandet för att lösa ett trafikproblem i en skärningspunkt eller ett kort segment med hjälp av simulering. Flera punkter förtjänar särskild uppmärksamhet och diskuteras mer i detalj här.

Fältdatainsamling är det första som förtjänar uppmärksamhet. Vissa krav för datainsamlingsplats är följande: 1) Hitta en lämplig plats för datainsamling. Platsen bör likna väggeometrisk form i studien, som är förutsättningen för datainsamling. 2) …

Disclosures

The authors have nothing to disclose.

Acknowledgements

Författarna vill erkänna China Scholarship Council för delvis finansiering detta arbete var med filen nr 201506560015.

Materials

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. , (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. , (1999).
  8. Ram, J., Vanasse, H. B. Synthesis of the Median U-Turn Intersection Treatment. Transportation Research Board. , (2007).
  9. Levinson, H. S., Koepke, F. J., Geiger, D., Allyn, D., Palumbo, C. Indirect left turns-the Michigan experience. Fourth Access Management Conference. , (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. , (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). , (2008).
  24. PTV AG. . PTV VISSIM 10 User Manual. , (2018).
  25. AutoNavi Traffic Big-data. . 2017 Traffic Analysis Reports for Major Cities in China. , (2018).
  26. AutoNavi Traffic Big-data. . Xi’an realtime traffic congestion delay index. , (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. , (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. , (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. , (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

U-turn DesignRadar Data CollectionTraffic SimulationTraffic EvaluationMedian OpeningTraffic FlowTraffic DataRadar InstallationRadar SoftwareTraffic Data Analysis

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
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).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image