Summary
Neste estudo, analisa-se o efeito do estacionamento à beira da estrada em uma rua urbana. Todo o processo consiste na coleta de dados de tráfego, processamento de dados, simulação de operação, calibração de simulação e análise de sensibilidade.
Abstract
O estacionamento na estrada é um fenômeno de tráfego comum na China. Ruas urbanas estreitas, altas demandas de estacionamento e escassez de estacionamentos forçam o público a se envolver em estacionamento aleatório ao longo da estrada. Um protocolo é proposto para determinar o impacto de um veículo estacionado na estrada nos veículos que passam. Nesta investigação, uma rua urbana de dois sentidos e duas faixas em que um veículo está estacionado na beira da estrada é selecionada para a coleta de dados de tráfego. Com base nesses dados, o impacto dos veículos estacionados na estrada na trajetória e velocidade dos veículos que passam é determinado. Além disso, um modelo de microssimulação é aplicado para determinar o impacto do estacionamento na estrada no comprimento máximo da fila, atraso, emissões e outros indicadores sob diferentes volumes de tráfego de acordo com a análise de sensibilidade. Os resultados mostram que os veículos estacionados na estrada afetam a trajetória dos veículos que passam por aproximadamente 80 m e têm um efeito negativo na velocidade, com a menor velocidade sendo observada no local do veículo estacionado na estrada. Os resultados da análise de sensibilidade sugerem que o volume de tráfego aumenta de forma síncrona com os valores do indicador. O protocolo fornece um método para determinar o efeito do estacionamento na estrada na trajetória e velocidade de viagem. A pesquisa contribui para a gestão refinada do futuro estacionamento à beira da estrada.
Introduction
A aceleração da urbanização é acompanhada por um aumento óbvio na propriedade de veículos a motor e no fluxo de tráfego urbano. Em 2021, a propriedade de carros da China atingiu 378 milhões, representando um aumento de 25,1 milhões em comparação com o de 20201. No entanto, a situação actual, com capacidade rodoviária insuficiente e tecnologia limitada de gestão do tráfego, conduziu a uma discrepância cada vez mais evidente entre a oferta e a procura de tráfego urbano. Por conseguinte, o congestionamento do tráfego rodoviário intensificou-se gradualmente. Como o problema mais difundido no transporte urbano, o congestionamento do tráfego causa muitos perigos e tem atraído ampla atenção dos pesquisadores 2,3,4. Além de prolongar o tempo de viagem, o congestionamento do tráfego também agrava a poluição ambiental, intensifica o consumo de energia e aumenta as emissões de poluentes 5,6,7,8. Há uma correlação positiva entre congestionamento de tráfego e taxas de acidentes 9,10. Para além dos efeitos acima referidos, o aumento do congestionamento do tráfego prejudica o rendimento e o emprego11, e este efeito está intimamente relacionado com a vida quotidiana das pessoas, tornando este um dos principais problemas das cidades. Com o desenvolvimento das cidades, o impacto adverso do congestionamento rodoviário na sociedade continuará a aumentar.
O congestionamento do tráfego é um reflexo abrangente de muitos problemas de tráfego urbano, entre os quais o estacionamento é o principal. A expansão da população urbana e o aumento dos veículos a motor têm um impacto negativo na oferta de estacionamento e na procura de estacionamento excecional. No sistema de estacionamento, o estacionamento à beira da estrada é comum no tráfego urbano e é um meio importante de resolver o desequilíbrio entre a oferta e a procura de estacionamento. O estacionamento à beira da estrada utiliza recursos em ambos os lados da estrada para fornecer vagas de estacionamento. O estacionamento à beira da estrada é conveniente, rápido, flexível e economiza espaço em comparação com outras instalações de estacionamento. No entanto, o estacionamento à beira da estrada ocupa os recursos da estrada e seus efeitos adversos não podem ser ignorados. Em cidades em rápido desenvolvimento nos países em desenvolvimento, as crescentes demandas de estacionamento tornam o estacionamento na estrada sobrecarregado, reduzindo assim a segurança no trânsito, a qualidade do ar e o espaço público12. Por conseguinte, a questão do estacionamento na estrada tem de ser abordada.
O espaço de estacionamento à beira da estrada pode ser localizado em dois cenários: (1) a faixa não motorizada (ou seja, em estradas largas com faixas motorizadas e não motorizadas separadas, o estacionamento à beira da estrada ocupa espaço na faixa não motorizada mais à direita); e (2) a faixa mista de veículos a motor e veículos não motorizados, que muitas vezes é uma estrada estreita com um baixo volume de tráfego. Como os veículos a motor e não a motor compartilham recursos rodoviários, o estacionamento na estrada frequentemente leva ao caos nas operações de tráfego no segundo cenário. No entanto, a maioria dos estudos existentes tem se concentrado no primeiro cenário 13,14,15,16,17,18.
Quando um espaço de estacionamento à beira da estrada está presente na pista não motorizada, e se não houver isolamento obrigatório das faixas motorizadas e não motorizadas, o estacionamento à beira da estrada leva indiretamente ao tráfego misto. Um espaço de estacionamento à beira da estrada diminui significativamente a largura efetiva da pista não motorizada, aumentando assim a probabilidade de veículos não motorizados passarem pela pista não motorizada e ocuparem a pista motorizada adjacente. O comportamento é chamado de passagem de faixa16. Muitos estudos exploraram o impacto do estacionamento na estrada na pista não motorizada no fluxo de tráfego misto. Com base no modelo de autômatos celulares, Chen et al.13 avaliaram o impacto do estacionamento na estrada em operações de tráfego heterogêneo em vias urbanas por meio do estudo de conflitos de atrito e congestionamento entre veículos automotores e não motorizados 13. Chen et al. propuseram um modelo de resistência rodoviária do fluxo de tráfego misto, considerando o efeito do estacionamento na estrada17. Além disso, alguns estudos examinaram o impacto do estacionamento na estrada apenas nos veículos a motor. Guo et al. propuseram um método baseado na duração do risco, que foi usado para analisar quantitativamente o tempo de condução de veículos a motor em seções de estacionamento à beira da estrada19, e os resultados mostraram que o estacionamento na estrada impactou significativamente o tempo de viagem.
A simulação de tráfego é uma ferramenta comum para investigar o impacto do estacionamento na estrada. Yang et al. utilizaram o software VISSIM para explorar o impacto do estacionamento na estrada no tráfego dinâmico (especialmente na capacidade), desenvolveram um modelo de tráfego de atraso médio do veículo e verificaram a confiabilidade do modelo por meio da simulação20. Gao et al. analisaram o efeito do estacionamento na estrada sobre o tráfego misto sob quatro tipos de interferência de tráfego utilizando o mesmo software18. Guo et al. utilizaram um modelo de autômatos celulares para analisar a influência do estacionamento na estrada nas características do tráfego de veículos (capacidade da pista e velocidade do veículo) por meio da simulação de Monte Carlo em diferentes cenários21. Sob a estrutura da teoria do tráfego trifásico de Kerner, Hu et al. analisaram o impacto do comportamento temporário de estacionamento na estrada no fluxo de tráfego com base nos autômatos celulares modelo22. Estes estudos mostram que o estacionamento na estrada tem um grande impacto negativo na eficiência do tráfego.
O departamento de gerenciamento de tráfego está interessado em entender o efeito dos veículos estacionados na estrada no fluxo de tráfego. O comprimento e o grau específicos do efeito são importantes para gerenciar problemas com estacionamento na estrada, por exemplo, fornecendo informações sobre como delimitar estacionamentos, determinar zonas de não estacionamento e regular as durações de estacionamento. Neste estudo, um protocolo foi projetado para examinar o efeito de um único veículo estacionado na estrada na operação de tráfego. O procedimento pode ser resumido nas seguintes etapas: 1) preparação do equipamento, 2) seleção do local de coleta de dados, 3) seleção do tempo de investigação, 4) coleta dos dados, 5) realização da análise dos dados, 6) construção do modelo de simulação, 7) calibração do modelo de simulação e 8) realização da análise de sensibilidade. Se algum requisito nessas oito etapas não for satisfeito, o processo é incompleto e insuficiente para comprovar a eficácia.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Preparação do equipamento
- Certifique-se de que todo o equipamento necessário esteja disponível: radares, dispositivo laser de beira de estrada, laptops, baterias, uma câmera, um drone, um tripé reflexivo, os cabos correspondentes e tripés de dispositivos.
2. Seleção do local de coleta de dados (Figura 1)
- Selecione o local de coleta de dados. Certifique-se de que o local selecionado esteja em uma estrada de duas direções e duas pistas.
NOTA: A escolha do local é fundamental nesta pesquisa. A largura de duas pistas é fácil de observar. - Certifique-se de que o local não tenha intersecções.
NOTA: Veículos vindos de uma terceira direção podem causar caos na observação. - Certifique-se de que não há barreiras na estrada, exceto um veículo estacionado colocado pelos investigadores.
NOTA: As barreiras podem interromper o comportamento do veículo e bloquear a detecção do radar. - Certifique-se de que há pelo menos uma distância de visão e folga de 300 m. Isso é necessário para a investigação do radar e a segurança dos investigadores.
NOTA: Um radar pode detectar 200 m no máximo. Os radares estão localizados a 100 m a montante e a jusante do veículo estacionado na investigação. - Certifique-se de que o local seja um segmento de linha reta.
NOTA: Se o segmento não estiver reto, não é possível determinar se o deslocamento do veículo é causado pelo estacionamento na estrada.
3. Seleção do tempo de investigação
- Selecione o tempo de investigação. Pelo menos 3 h no total são necessárias, sendo 1 h durante o pico da manhã, 1 h ao meio-dia e 1 h durante o pico da noite23,24,25.
- Obtenha o tempo da hora de pico de volume de tráfego a partir de relatórios de pesquisa de tráfego, departamentos de polícia de trânsito ou empresas de negócios de tráfego26 (Figura 2).
- Na ausência de relatórios ou análises de tráfego como referência, colete várias horas de dados durante os três períodos acima e, em seguida, selecione os dados com o maior volume de pico de tráfego27,28.
- Use os dados de hora com o maior volume de tráfego para realizar a análise de dados e como uma entrada no modelo de simulação. Use todos os 3 h de dados para a verificação do modelo.
NOTA: A estrada selecionada foi ladeada por restaurantes, e o horário de pico para catering é o horário de pico para a demanda de estacionamento à beira da estrada. A hora de ponta para o volume de tráfego é o tempo de despedida, e o tempo de despedida é também a hora de ponta para a restauração. Portanto, o horário de pico para o volume de tráfego e o horário de pico para a demanda de estacionamento são quase síncronos.
4. Coleta de dados (Figura 3)
- Estacione o veículo a aproximadamente 20 cm de distância do meio-fio no local pretendido para que o dispositivo laser de beira de estrada possa ser colocado.
- Coloque o tripé reflector na parte de trás do veículo. Não o coloque muito longe para garantir que não afete o comportamento dos veículos.
NOTA: Um tripé reflexivo é necessário para alertar e/ou evitar colisões com base nas disposições relevantes da Lei Chinesa de Segurança no Tráfego Rodoviário. O tripé é colocado a uma certa distância atrás do veículo estacionado para alertar os veículos atrás de que um veículo estacionado está na frente e, assim, para evitar uma colisão. A distância entre o tripé reflexivo e o veículo estacionado é mantida baixa, a fim de minimizar o efeito do tripé reflexivo no comportamento dos veículos que passam, de modo que seu efeito nos resultados do estudo é insignificante. - Defina o tripé do radar. Coloque o tripé a uma altura não inferior a 2 m para evitar o bloqueio do sinal. Bloqueie o radar com o tripé. Ajuste o radar verticalmente e vire-o em direção ao veículo estacionado. Conecte o cabo de dados do radar com a porta USB do laptop.
NOTA: Um radar está a 100 m a montante e outro a 100 m a jusante do veículo estacionado. Ambos os radares são colocados no mesmo lado do veículo estacionado para capturar os dados de tráfego. - Abra o software de radar e execute as etapas a seguir.
- Clique em Verificação de Comunicação. Selecione a Porta Serial e clique em Conectar. Clique em Confirmar depois que o software mostrar o Radar Detectado.
- Clique em Configuração da investigação. Clique em Ler Hora RLU e Definir Hora RLU. Clique em Apagar Registro de Dados e confirme-o para limpar a memória interna do radar. Clique em Iniciar investigação e feche a caixa de diálogo.
- Clique em Visualização em Tempo Real para verificar o status do radar e os dados de tráfego devem ser coletados à medida que os veículos passam.
- Prepare o dispositivo laser de beira de estrada e o cabo. Conecte o cabo de dados do dispositivo laser de beira de estrada com a porta. Conecte o cabo de dados do dispositivo laser à beira da estrada com a porta USB do laptop.
- Coloque o dispositivo laser de beira de estrada no meio do veículo estacionado. Gire as quatro colunas de ajuste no dispositivo para nivelá-lo.
NOTA: O dispositivo laser de beira de estrada deve estar funcionando sob a posição padrão. - Abra o software do dispositivo laser de beira de estrada e execute as seguintes operações.
- Clique em Verificação de Comunicação. Selecione o número da porta serial RLU e clique em Conectar. Clique em Confirmar depois que o software mostrar Nova Conexão RLU Detectada.
- Clique em Ver investigação. Quando os veículos passam, o fluxo de tráfego será mostrado em tempo real.
- Clique em Configuração da investigação. Clique em Ler Tempo RLU e Definir Tempo RLU, sucessivamente. Defina a Hora de Início e a Hora de Término e clique em Definir Tarefa. Clique em Confirmar depois que o software mostrar RLU Investigation Set Up Succeeded.
- Clique em Concluir. Clique em Status do dispositivo para ver o status do dispositivo a laser de beira de estrada.
- Coloque a câmera a cerca de 30 m a montante do veículo estacionado.
NOTA: Os dados de tráfego podem ser coletados por radares e pelo dispositivo laser de beira de estrada. Os vídeos de operação de tráfego são preparados para validação de dados. - Coloque todo o equipamento na estrada de pista dupla (aqui, Dian Zi Yi Road). Verifique se os radares, o dispositivo laser de beira de estrada e a câmera estão funcionando bem a cada 5 minutos.
NOTA: Certifique-se de que o tempo dos laptops e da câmera seja o mesmo que o tempo real. Inicie dois radares, o dispositivo laser de beira de estrada e a câmera simultaneamente no horário agendado. Dois radares de frente um para o outro, combinados com um dispositivo laser intermediário de beira de estrada, fornecem uma trajetória contínua do tráfego afetado. - Encerre a coleta de dados e feche a janela de verificação em tempo real no software de radar.
- Clique em Configuração da investigação, selecione Encerrar investigação e confirme-a. Feche a caixa de diálogo.
- Selecione Download de Dados, navegue pelo computador para salvar os dados e insira um nome para o arquivo. Clique em Abrir e, em seguida, clique em Iniciar download. Clique em Confirmar para concluir a coleta de dados do radar.
- Clique em Status do dispositivo no software do dispositivo laser de beira de estrada e, em seguida, clique em Parar tarefa para encerrar a coleta de dados. Selecione Download de Dados, navegue e insira um nome para o arquivo. Clique em Abrir e clique em Iniciar Download. Clique em Confirmar para concluir a coleta de dados do dispositivo laser de beira de estrada.
5. Análise dos dados
NOTA: Por meio da coleta de dados, são adquiridas 3 h de dados, incluindo o pico da manhã, a hora do meio-dia e o pico da noite. Os vídeos de tráfego de reprodução são fornecidos pela câmera para calibrar manualmente os volumes de tráfego e os tipos de veículos. Selecione os dados do grupo com o maior volume (ou seja, os dados de pico da manhã, neste caso) como a hora representativa para a realização da análise dos dados.
- Use um software para coletar as trajetórias e a velocidade dos radares.
NOTA: O radar está localizado a 100 m de distância do veículo estacionado e a estrada tem 10 m de largura. Assim, todos os pontos de dados além desse alcance são erros de radar e devem ser excluídos. - Certifique-se de que o dispositivo laser de beira de estrada forneça o valor de deslocamento, a velocidade de passagem, o número de veículos e os tipos de veículos na posição do veículo estacionado.
- Desenhe toda a gama de trajetórias e velocidades fornecidas pelos dois radares e um dispositivo laser de beira de estrada como os dados representativos usando um software de cálculo (Figuras 4-6).
6. Construindo o modelo de simulação
NOTA: O modelo de simulação microscópica é estabelecido por software de simulação para simulação de tráfego. Os resultados da coleta de dados, incluindo o volume de tráfego, a velocidade do veículo e a composição do tipo de veículo, são parâmetros vitais na simulação de tráfego e formam a base do edifício modelo. Somente o grupo de dados representativo é necessário na simulação.
- Construção de estradas
- Abra o software de simulação. Importe o mapa de fundo do segmento rodoviário investigado.
- Clique em Obstáculos à esquerda, clique com o botão direito do mouse e selecione Adicionar novo obstáculo. Insira o comprimento e a largura do obstáculo e, em seguida, clique em OK. Arraste o cursor para mover o obstáculo para a estrada.
NOTA: "Obstáculo" refere-se ao veículo estacionado na estrada. O comprimento e a largura do obstáculo são definidos de acordo com o tamanho real do veículo estacionado. - Clique em Links à esquerda, mova o cursor para o início do link e clique com o botão direito do mouse. Selecione Adicionar novo link, insira a largura da pista e clique em OK. Arraste o cursor para desenhar o link no mapa.
- Repita a etapa 6.1.3 para construir quatro segmentos rodoviários.
- Mantenha pressionado o botão direito do mouse e o botão Ctrl no teclado para arrastar o ponto de extremidade de um link para o link adjacente para conectar os dois links.
NOTA: Esta parte é chamada de "conector" e torna-se mais suave quando mais pontos são adicionados. - Repita a etapa 6.1.5 para conectar todos os links.
- Velocidade desejada
- Selecione Dados Base na barra superior e, em seguida, selecione Distribuições | Velocidade desejada.
- Clique no botão Adicionar cruz verde na parte inferior para adicionar uma nova distribuição de velocidade desejada e nomeá-la.
- Insira a velocidade média e a velocidade máxima retiradas dos dados representativos como as velocidades mínima e máxima desejada. Exclua os dados padrão.
- Repita as etapas 6.2.2-6.2.3 para estabelecer todas as distribuições de velocidade desejadas (a direção de leste a oeste, a direção de oeste a leste e a área de velocidade reduzida).
NOTA: No texto a seguir, a direção de leste para oeste é abreviada como E-W, e a direção de oeste para leste é abreviada como W-E.
- Composições de veículos
- Selecione Listas na barra superior e, em seguida, selecione Transporte Privado | Composições de veículos.
- Clique no botão verde-cruz Adicionar para adicionar uma nova composição do veículo.
- Clique no botão Adicionar para adicionar dois tipos de veículos: veículos pesados de mercadorias (veículos pesados) e autocarros.
- Selecione o conjunto de distribuição de velocidade desejado na etapa 6.2 para carros, veículos pesados e ônibus.
- Repetir os passos 6.3.2-6.3.4 para estabelecer duas composições do veículo (E-W e W-E). Insira o fluxo de carros, veículos pesados e ônibus a partir dos dados representativos.
- Rotas de veículos
- Selecione Rotas de veículos na barra de menus à esquerda.
- Mova o cursor para o upstream de um link, clique com o botão direito do mouse e selecione Adicionar nova decisão de roteamento estático de veículos.
- Arraste o cursor azul para desenhar as rotas do veículo no mapa a partir de rotas reais na coleta de dados.
- Áreas de velocidade reduzidas
- Selecione Áreas de velocidade reduzida na barra de menus à esquerda.
- Clique com o botão direito do mouse na área a montante da posição de estacionamento e selecione Adicionar nova área de velocidade reduzida.
NOTA: O comprimento da área depende dos resultados da análise de dados. - Clique com o botão direito do mouse na margem da tela, selecione Adicionar e selecione a velocidade desejada definida na etapa 6.2 para a área de velocidade reduzida como a velocidade da área.
- Repita as etapas 6.5.2-6.5.3 para definir todas as áreas de velocidade reduzida.
- Regras de prioridade
- Selecione Regras de prioridade na barra de menus à esquerda.
- Clique com o botão direito do mouse na área de velocidade reduzida a montante do veículo estacionado na direção W-E e selecione Adicionar nova regra de prioridade. Insira o tempo mínimo de intervalo e a folga.
- Repita o passo 6.6.2 para definir a regra de prioridade a jusante do veículo estacionado no sentido E-W.
NOTA: A definição de regras de prioridade depende da operação de tráfego real refletida pela coleta de dados.
- Tempos de viagem do veículo
- Selecione Tempos de viagem do veículo à esquerda.
- Clique com o botão direito do mouse no início de um link e selecione Adicionar nova medição do tempo de viagem do veículo.
- Arraste o cursor para o final do link para criar uma medição do tempo de viagem do veículo.
- Repetir o passo 6.7.3 para todos os itinerários do veículo.
- Entradas do veículo
- Selecione Entradas de veículo à esquerda. Clique com o botão direito do mouse no início de um link e selecione Adicionar nova entrada de veículo.
- Mova o mouse para a parte inferior esquerda e insira o volume para os dados representativos.
- Repita as etapas 6.8.1-6.8.2 para todos os links.
- Nós
- Selecione Nós na esquerda. Clique com o botão direito do mouse para selecionar Adicionar Novo Nó e clique em OK.
- Clique com o botão esquerdo do mouse e mova o mouse para ajustar um intervalo de nós moderado.
NOTA: O intervalo de nós está relacionado com os resultados da simulação e depende da geometria da secção da estrada.
- Clique em Avaliação na parte superior da interface de simulação e selecione Listas de resultados. Clique em Resultados dos Nós e Resultados do Tempo de Viagem do Veículo.
- Clique no botão de reprodução azul na parte superior para iniciar a simulação. Clique no botão do dispositivo Modo Rápido para maximizar a velocidade da simulação.
- Após a simulação, os resultados do nó e os resultados do tempo de viagem do veículo são mostrados na parte inferior da interface, incluindo o comprimento máximo da fila, os tempos de estacionamento, o atraso, o número de veículos, o consumo de combustível, as emissões de CO, as emissões de NO, as emissões de COV e o tempo de viagem.
7. Calibração do modelo de simulação
NOTA: Neste estudo, as observações de tráfego mostraram que os dados de pico matinal apresentaram o maior volume, mas os três grupos de dados foram simulados para verificação para ilustrar completamente a confiabilidade do modelo de simulação.
- Insira os dados coletados no modelo de simulação, execute a simulação e obtenha o resultado da simulação (Figura 7A).
NOTA: O volume de simulação pode ser gerado a partir do resultado da simulação. - Compare o volume de simulação com o volume coletado.
NOTA: Calcule a capacidade usando a equação 1:
(1)
onde C denota a capacidade ideal (veh/h) e ht denota o(s) progresso(s) mínimo(s) médio(s).
NOTA: A diferença entre o volume coletado e o volume de simulação é chamada de erro percentual absoluto médio (MAPE), conforme mostrado na Equação 2:
(2)
onde n denota os quatro diferentes fluxos neste estudo,
é a capacidade simulada no modelo de simulação (veh/h), e 
é a capacidade da investigação (veh/h). O MAPE calculado está listado na Tabela 2.
Observação : A precisão da simulação é aceitável quando o MAPE é pequeno.
(1)
(2)
é a capacidade simulada no modelo de simulação (veh/h), e 
é a capacidade da investigação (veh/h). O MAPE calculado está listado na Tabela 2.8. Análise de sensibilidade
NOTA: A Figura 7B mostra o processo de análise de sensibilidade. O processo de análise de sensibilidade reflete apenas o desempenho dos dados coletados (Tabela 3). Para entender situações com diferentes volumes de tráfego em cenários em tempo real, todas as combinações possíveis de volume de tráfego são inseridas no modelo de simulação para garantir que todas as situações sejam cobertas na análise de estacionamento na estrada (Figura 8 e Tabela 4).
- Certifique-se de que os dados representativos contenham três grupos de dados (ou seja, volume W-E, volume E-W e outros parâmetros).
- Divida o volume W-E em seis categorias, divida o volume E-W em sete categorias e mantenha os outros parâmetros estáveis na simulação.
NOTA: O volume de tráfego W-E foi de 150-400 veh/h, com um aumento de 50 veh/h durante o horário de pico, e o volume de tráfego E-W foi de 150-450 veh/h, com um aumento de 50 veh/h durante o horário de pico. O volume máximo de tráfego de serviço de uma faixa na rua urbana foi de 1.140 veículos/h. - Simule 42 situações e verifique a eficácia em todas as situações.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Este trabalho apresenta um protocolo para determinar o efeito do estacionamento na estrada sobre os veículos que passam em uma estrada urbana de duas direções e duas pistas por meio da coleta e simulação de dados de tráfego. Uma estrada foi selecionada como local de estudo (Figura 1) e um veículo foi estacionado no local de beira de estrada planejado. Radares, um dispositivo laser de beira de estrada e uma câmera foram aplicados para coletar a trajetória, a velocidade, o volume e a composição do tipo do veículo para determinar as mudanças na trajetória e velocidade do veículo sob o estacionamento à beira da estrada (Figuras 4-6). Um modelo de simulação microscópica foi construído com base nas características geométricas da estrada e nos resultados da coleta de dados (Figura 7). A análise de sensibilidade determinou o impacto do estacionamento na estrada no comprimento máximo da fila, atraso, emissões e outros indicadores de operação do veículo em volumes de tráfego variados (Figura 8).
A Figura 1 mostra o local de coleta de dados. A estrada de teste era uma estrada de duas direções e duas pistas na cidade de Xi'an, província de Shaanxi, China. A largura da estrada era de 10 m, o limite de velocidade era de 60 km/h e não havia faixa mediana, representando condições típicas de estacionamento à beira da estrada. O tráfego em duas direções podia fluir facilmente, mas diminuía significativamente na presença de um veículo estacionado.
A Figura 4 mostra as trajetórias sob a influência do estacionamento na estrada com base nos dados medidos pelos radares e pelo dispositivo laser de beira de estrada. A figura mostra que o veículo estacionado à beira da estrada afetou a trajetória dos veículos que passavam por um comprimento de 80 m. O azul representa os dados do radar oeste e o laranja indica os dados do radar leste. A linha preta do meio é uma coleção de pontos, que é a distribuição de posição formada pela posição vertical dos veículos que passam detectada pelo dispositivo laser de beira de estrada.
O radar oeste mostra as mudanças de trajetória. Quando os veículos viram a barreira estacionada à beira da estrada, eles se deslocaram da posição normal a partir de 40 m a montante do veículo estacionado.
O dispositivo laser de beira de estrada poderia registrar a posição lateral e a velocidade de cada veículo que passava. A posição lateral variou de 2,3 m a 4,9 m (ou seja, as extremidades inferior e superior da linha preta média na Figura 4). A posição média foi de 3,3 m. A posição aqui significa a posição do lado direito dos veículos que operam na direção W-E e a posição do lado esquerdo para os veículos que operam na direção E-W.
Para o radar leste, uma tendência semelhante ao radar oeste foi observada. Os veículos regressaram à posição normal aproximadamente 40 m após a aprovação no veículo de ensaio.
Como visto na Figura 4, o comprimento do efeito de um veículo estacionado na estrada na trajetória dos veículos que passavam era de 80 m. Os veículos que passavam começaram a se desviar de sua trajetória normal a 40 m do centro do veículo estacionado e retornaram à sua trajetória normal após 40 m do centro do veículo estacionado (a localização exata é marcada com duas longas linhas pretas na Figura 4, e as posições horizontais das duas linhas são de 60 m e 140 m). Na posição do veículo estacionado (ou seja, a posição com coordenadas [100,0] na Figura 4), a distância média entre os veículos que passam e a borda externa do veículo estacionado foi de 3,3 m. Considerando a largura do veículo estacionado, a distância média entre os veículos que passam e a borda interna do veículo estacionado foi de 1,3 m. As distâncias mínima e máxima entre os veículos que passam e a borda interna do veículo estacionado foram de 0,3 m e 2,9 m, respectivamente, conforme determinado pela localização original e condições de operação dos veículos que passam. Os veículos que trafegavam perto do meio-fio não tinham uma grande distância lateral do veículo estacionado ao passá-lo e até passavam perto dele em baixa velocidade devido à influência de outros veículos que trafegavam na mesma direção. Quando o veículo que passava não era perturbado por outros veículos que viajavam na mesma direção, a largura de viagem era mais generosa. Em outras palavras, a largura lateral entre o veículo que passava e o veículo estacionado na estrada era suficiente. Naturalmente, a largura lateral entre o veículo que passa e o veículo estacionado também depende do comportamento de condução. Em comparação com um motorista agressivo, um motorista estável é mais propenso a passar por um veículo estacionado com uma largura lateral maior.
A Figura 5 e a Figura 6 mostram que o estacionamento na estrada prejudica a velocidade dos veículos que passam, com a menor velocidade dos veículos que passam sendo observada na posição do veículo estacionado (ou seja, a posição com uma coordenada horizontal central de [100, 0]). A Figura 5 mostra a velocidade na direção E-W. O tráfego está se movendo da direita para a esquerda na imagem, indicando que a velocidade do veículo diminui gradualmente dentro da faixa de 180-120 m. Depois de passar a posição estacionada, a velocidade foi gradualmente e uniformemente distribuída sem um aumento óbvio.
Na seção laranja, pouco antes da posição do veículo estacionado, uma velocidade máxima de 54,7 km/h foi atingida, e esta foi a velocidade na qual o veículo passou a uma velocidade maior do que o veículo que se aproximava. A menor velocidade foi de 0 km/h, e isso ocorreu na posição de estacionamento. Com valores de deslocamento mais altos do veículo na direção W-E, esse veículo ocupava mais largura da estrada, e o veículo na direção E-W tinha que esperar, o que significa que a velocidade do último veículo era de 0 km / h.
Na área azul, depois de passar a posição de estacionamento, a velocidade do veículo permaneceu na faixa de 8-35 km / h. Teria sido difícil para os carros atingirem limites de velocidade superiores mais elevados devido ao ambiente rodoviário. O limite de velocidade mais baixo aumentou ligeiramente de 8 km/h para 20 km/h devido à condução longe da posição de estacionamento.
A Figura 6 mostra a velocidade na direção W-E, com os veículos se movendo da esquerda para a direita na imagem. As mudanças de velocidade na direção W-E foram semelhantes às da direção E-W.
Antes da posição de estacionamento (ou seja, dentro da faixa de 0-100 m na figura), os limites superior e inferior da velocidade do veículo na direção W-E gradualmente se estreitaram a partir da posição de 20 m. Na faixa de 0-40 m, o limite superior diminuiu gradualmente e foi mais baixo na posição de 80 m. O limite superior de velocidade de 38,6 km/h (na posição de 20 m) caiu para 29 km/h (na posição de 80 m). O limite de velocidade inferior aumentou de 9,4 km/h (na posição de 10 m) para 10,44 km/h (na posição de 100 m).
O limite de velocidade baixou antes da posição de estacionamento. Durante a observação, se um veículo na direção W-E encontrasse o veículo estacionado do mesmo lado e não houvesse veículos à sua frente ou o veículo oposto estivesse longe, o veículo na direção W-E tendia a acelerar e compensar primeiro para ocupar uma boa posição para passar o veículo estacionado primeiro. Este fenômeno é a razão para o aumento de velocidade logo antes da posição de estacionamento.
Passando a posição de estacionamento, a faixa de velocidade foi de 8,2-47,7 km / h. O limite de velocidade mais baixo diminuiu porque alguns motoristas frearam ao passar pelo veículo estacionado para evitar arranhões. Os arranhões acontecem quando os veículos que chegam em ambos os sentidos se encontram no local de estacionamento e, nesses casos, os motoristas tentam evitar arranhões reduzindo sua velocidade. Em comparação com a área azul, o limite de velocidade foi aumentado em 9,1 km/h. Isso ocorre porque, quando nenhum veículo estava vindo na direção oposta, os veículos na direção W-E aceleraram pela posição de estacionamento depois de confirmar que não arranharam o veículo estacionado à beira da estrada, consistente com os hábitos habituais de condução dos motoristas.
Na área laranja, o limite de velocidade inferior de 7,5 km/h aumentou significativamente depois de passar a posição de estacionamento. Isso indica que a maioria dos veículos pode acelerar de volta à velocidade antes da posição de estacionamento depois de se mover a 10 m da posição de estacionamento.
A Figura 8 indica os resultados da simulação de nove indicadores que refletem o estado operacional dos veículos em diferentes volumes de tráfego. Os volumes de tráfego nas direções E-W e W-E afetaram o comprimento máximo da fila (Figura 8A), o número de veículos (Figura 8B), o atraso (Figura 8C), o número de paradas (Figura 8D), as emissões de CO (Figura 8E), as emissões de NO (Figura 8F), as emissões de COV (Figura 8G), o consumo de combustível (Figura 8H) e o tempo de viagem (Figura 8I ) alinhando-se aos dados de estacionamento na estrada. O aumento no volume de tráfego leva ao aumento de todos os valores do indicador, mas o grau afetado de diferentes valores do indicador é variado. Além disso, o estacionamento na estrada não tem um efeito idêntico em veículos nas direções E-W e W-E.
Com o aumento do volume de tráfego, o grau de impacto do estacionamento na estrada nos veículos na direção W-E para os três indicadores de comprimento máximo da fila, atraso e número de paradas foi significativamente maior do que o dos veículos no sentido E-W. Em termos dos cinco indicadores relacionados às emissões, consumo de combustível e tempo de viagem, o grau de impacto nos veículos nas direções E-W e W-E foi quase o mesmo, mas foi ligeiramente maior para os veículos na direção W-E. Depois que o volume de tráfego atingiu 300-350 veh/h nas direções W-E e E-W, a tendência de crescimento do comprimento máximo da fila, atraso e número de paradas foi significativamente maior, com o impacto negativo do estacionamento na estrada na eficiência da operação de tráfego do fluxo de tráfego de passagem se tornando mais grave. Cinco dos indicadores relacionados às emissões, consumo de combustível e tempo de viagem mudaram uniformemente com o aumento do volume de tráfego em ambos os sentidos.
Figura 1: O local de coleta de dados: uma estrada de duas direções e duas pistas, a estrada Dian Zi Yi em Xi'an. Coordenadas: 108.932882,34.220774. (A) Um esquema do local de investigação na cidade de Xi'an. (B) A linha vermelha representa o segmento de coleta de dados. O cruzamento da estrada norte com a linha vermelha é uma rua pedonal com poucas pessoas e não afeta esta investigação. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 2: O índice de congestionamento de 24 horas. Os dados no painel vêm do índice de congestionamento em tempo real em Xi'an em 24 de agosto de 202126. Os dados indicam que o pico da manhã ocorreu das 07:00 às 09:00 e o pico da noite ocorreu das 17:00 às 19:00. O vale, excluindo tarde da noite, ocorreu das 11:00 às 12:00. Os índices de congestionamento foram de 2,25 e 2,66 às 08:00 e 18:00 horas, respectivamente. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 3: Esquema de coleta de dados mostrado em uma foto tirada por um drone a uma altura de 150 m. A sombra da árvore cobre todo o equipamento, de modo que os blocos coloridos representam o equipamento. O veículo estacionado à beira da estrada está no meio, e os dois radares são colocados a 100 m a montante e 100 m a jusante do veículo estacionado. O radar oeste e o radar leste estão voltados para o veículo estacionado. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 4: Trajetórias inteiras. O veículo de ensaio está estacionado na posição de (100,0) no painel. O azul representa os dados do radar oeste, a linha preta do meio representa os dados do dispositivo laser de beira de estrada e o laranja representa os dados do radar leste. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 5: Velocidade Leste-Oeste. Clique aqui para ver uma versão maior desta figura.
Figura 6: Velocidade Oeste-Leste. Clique aqui para ver uma versão maior desta figura.
Figura 7: Fluxogramas para cálculo do erro de simulação (MAPE) e realização da análise de sensibilidade. (A) Fluxograma para o cálculo do MAPE. (B) Fluxograma para a análise de sensibilidade. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 8: Análise de sensibilidade. Eixo X = volume de tráfego E-W, eixo Y = volume de tráfego W-E e eixo Z = valor do índice de avaliação. (A) Comprimento máximo da fila. (B) Número de veículos. (C) Atraso. (D) Número de paradas. (E) Emissões de CO. (F) SEM emissões. (G) Emissões de COV. (H) Consumo de combustível. (I) Tempo de viagem. Por favor, clique aqui para ver uma versão maior desta figura.
| Item | Manhã (07:00−08:00) | Médio meio-dia (13:00−14:00) | Noite (17:00−18:00) | |||
| Direção | W–E | E–W | W–E | E–W | W–E | E–W |
| Car(veh/h) | 306 | 374 | 167 | 148 | 351 | 228 |
| Caminhão (veh/h) | 1 | 3 | 1 | 0 | 4 | 0 |
| Ônibus (veh/h) | 9 | 9 | 4 | 5 | 6 | 4 |
| Aver. velocidade (km/h) | 21.7 | 24.5 | 19.4 | 24.7 | 18.8 | 20.5 |
| Velocidade máxima (km/h) | 47.7 | 54.7 | 55.8 | 56.2 | 44.6 | 45.0 |
| Velocidade mínima (km/h) | 0 | 0 | 0 | 0 | 0 | 0 |
Tabela 1: Informações sobre veículos coletadas na investigação. Uma velocidade mínima de 0 km/h indica que alguns veículos param de se mover.
| Item | Manhã (07:00−08:00) | Médio meio-dia (13:00−14:00) | Noite (17:00─18:00) | |||
| Direção | W–E | E–W | W–E | E–W | W–E | E–W |
| Capacidade de investimento (veh/h) | 316 | 386 | 172 | 153 | 361 | 232 |
| Capacidade simulada (veh/h) | 306 | 360 | 174 | 150 | 354 | 216 |
| MAPE individual (%) | 3.2 | 6.7 | 1.2 | 2.0 | 1.9 | 6.9 |
| MAPE(%) | 5.0 | 1.6 | 4.4 | |||
Tabela 2: Os resultados da calibração para o modelo de simulação. Os resultados da calibração entre o volume de tráfego investigado e o volume simulado estão listados na tabela. O MAPE é calculado usando a Equação 2, e os erros entre a capacidade simulada e a capacidade real são de 5,5%, 1,6% e 4,4% para os três grupos de dados, que são todos pequenos. Como o erro de capacidade total é inferior a 15%, o erro do modelo estabelecido está dentro da faixa aceitável, e a precisão da simulação é suficiente29.
| Item | Manhã | Meio meio-dia | Noite | |||
| (07:00−08:00) | (13:00−14:00) | (17:00─18:00) | ||||
| W–E | E–W | W–E | E–W | W–E | E–W | |
| comprimento máximo da fila (m) | 31.26 | 34.93 | 12.00 | 7.96 | 34.88 | 20.40 |
| número de veículos | 306 | 360 | 168 | 150 | 348 | 216 |
| atraso(s) | 6.47 | 6.58 | 3.10 | 1.74 | 6.68 | 4.64 |
| número de paragens (vezes) | 0.28 | 0.52 | 0.05 | 0.11 | 0.24 | 0.42 |
| Emissões de CO (gramas) | 191.790 | 249.606 | 89.112 | 77.820 | 219.462 | 135.468 |
| SEM emissões (gramas) | 37.314 | 48.564 | 17.340 | 15.138 | 42.702 | 26.358 |
| Emissões de COV (gramas) | 44.448 | 57.846 | 20.652 | 18.036 | 50.862 | 31.398 |
| consumo de combustível (galão) | 2.742 | 3.570 | 1.272 | 1.116 | 3.138 | 1.938 |
| tempo(s) de viagem | 35.46 | 29.12 | 31.92 | 24.56 | 35.73 | 27.25 |
Tabela 3: Resultados da simulação com os dados de pico da manhã, meio-dia e dados de pico noturno. Como os dados representativos, o grupo de dados de pico matinal tem o maior volume de tráfego e valores do indicador. O grupo de dados de tráfego do meio-dia tem o menor volume de tráfego e valores de indicador.
| Item | Valor |
| Volume E–W (veh/h) | 150/200/250/300/350/400/450 |
| Volume W–E (veh/h) | 150/200/250/300/350/400 |
| Nota: O volume de tráfego E–W está na faixa de 150–450 veh/h com um aumento de 50 veh/h. O volume de tráfego W-E está na faixa de 150 a 400 veh/h com um aumento de 50 veh/h. | |
Tabela 4: Parâmetros de entrada para a análise de sensibilidade na simulação.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
O efeito do estacionamento à beira da estrada nas ruas urbanas não pode ser ignorado, e o estacionamento aleatório precisa ser abordado30,31. Um protocolo para determinar o impacto do estacionamento na estrada no fluxo de tráfego em uma rua urbana de dupla direção é apresentado aqui. A coleta de dados especifica as mudanças de trajetória e velocidade dos veículos que passam causadas pelo estacionamento na estrada. A simulação de tráfego quantifica os índices da estrada, como comprimento máximo da fila, atraso e emissões.
As etapas críticas no protocolo são a coleta de dados e a construção do modelo de microssimulação. O local de coleta de dados é um segmento reto sem interseção, entrada ou saída. Para garantir que a influência seja visível, a estrada não pode ser mais larga do que 10 m. Uma rua com uma largura de 10 m é ideal para observação. Se mais estreito, o tráfego pode ser completamente dividido e, se mais amplo, a influência pode não ser detectada. Uma distância de visão longa o suficiente também é um requisito para o segmento. Ao estabelecer o modelo de simulação, deve ser dada atenção às áreas de velocidade reduzida e às regras de prioridade. Os parâmetros relevantes (velocidade e comprimento) das áreas de velocidade reduzida são definidos com base nos dados representativos para refletir a operação real da estrada. O comportamento dos motoristas pode ser melhor refletido usando regras de prioridade em vez de áreas de conflito. As regras de prioridade são as mesmas dos dados do representante e são verificadas usando os vídeos de operação de tráfego capturados pela câmera.
No que diz respeito ao efeito do estacionamento na estrada sobre os veículos que passam, este protocolo fornece uma descrição específica e realista dos resultados da investigação. Por exemplo, as trajetórias dos veículos que passam são afetadas por 80 m de comprimento, e a velocidade do veículo também é impactada negativamente. Além disso, sob diferentes volumes de tráfego, os resultados da análise de simulação mostram o desempenho de vários índices que refletem a eficiência da operação de tráfego. O aumento no volume de tráfego é síncrono com o crescimento dos valores do indicador.
A principal limitação deste protocolo é que ele só é eficaz para um veículo estacionado na beira da estrada. A próxima etapa de pesquisa será conduzida para determinar o efeito de vários veículos estacionados aleatoriamente na operação do fluxo de tráfego.
Recomenda-se que a polícia de trânsito adicione equipamentos de monitoramento em ruas urbanas estreitas para monitorar veículos estacionados na beira da estrada, mitigando assim o impacto do estacionamento na estrada.
O protocolo descrito aqui para avaliar o efeito do estacionamento na estrada em uma rua urbana de dupla direção pode ser aplicado para propor medidas refinadas de gerenciamento de estacionamento na estrada, como o tempo de estacionamento permitido, o local de estacionamento recomendado e os tipos de veículos de estacionamento permitidos.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Os autores não têm nada a revelar.
Acknowledgments
Os autores gostariam de agradecer o Programa de Pesquisa Científica Financiado pelo Departamento de Educação Provincial de Shaanxi (Programa No. 21JK0908).
Materials
| Name | Company | Catalog Number | Comments |
| battery | Shenzhen Saiqi Innovation Technology Co., Ltd | LPB-568S | |
| cables for radar | BEIJING AOZER TECH & DEVELOPMENT CO.,LTD | ||
| cables for roadside laser device | MicroSense | ||
| camera | Sony Group Corp | HDR-CS680 | |
| camera tripod | Sony Group Corp | ||
| drone | SZ DJI Technology Co.,Ltd. | DA2SUE1 | |
| laptop | Dell | C2H2L82 | |
| radar | BEIJING AOZER TECH & DEVELOPMENT CO.,LTD | CADS-0037 | |
| radar tripod | BEIJING AOZER TECH & DEVELOPMENT CO.,LTD | ||
| reflective tripod | Beijing Shunan liandun Technology Co., Ltd | ||
| roadside laser device | MicroSense |
References
- China Statistical Yearbook. National Bureau of Statistics. , Available from: http://www.stats.gov.cn/tjsj./ndsj/ (2020).
- He, Y. X. A traffic capacity model of lane occupation. Applied Mechanics and Materials. 599-601, 2083-2087 (2014).
- Hua, S. Y., Wang, J. L., Zhu, Y. Cause analysis and countermeasures of Beijing city congestion. Procedia-Social and Behavioral Sciences. 96, 1426-1432 (2013).
- Yang, H. X., Li, J. D., Zhang, H., Liu, S. Q. Research on the governance of urban traffic jam based on system dynamics. Systems Engineering-Theory & Practice. 34 (8), 2135-2143 (2014).
- Rajé, F., Tight, M., Pope, F. D. Traffic pollution: A search for solutions for a city like Nairobi. Cities. 82, 100-107 (2018).
- Abdull, N., Yoneda, M., Shimada, Y. Traffic characteristics and pollutant emission from road transport in urban area. Air Quality, Atmosphere & Health. 13 (6), 731-738 (2020).
- Shi, K., Di, B. F., Zhang, K. S., Feng, C. Y., Svirchev, L. Detrended cross-correlation analysis of urban traffic congestion and NO 2 concentrations in Chengdu. Transportation Research Part D: Transport and Environment. 61, 165-173 (2018).
- Lu, Q. Y., Chai, J., Wang, S. Y., Zhang, Z. G., Sun, X. C. Potential energy conservation and CO2 emissions reduction related to China's road transportation. Journal of Cleaner Production. 245, 118892 (2020).
- Sánchez González, S., Bedoya-Maya, F., Calatayud, A. Understanding the effect of traffic congestion on accidents using big data. Sustainability. 13 (13), 7500 (2021).
- Fuente, J., Rolloque, A. C., Azas, P., Alcantara, M. M. Young road safety advocate program, the "peer to peer" approach in teaching pedestrian safety. Injury Prevention. 22, Suppl 2 67 (2016).
- Jin, J., Rafferty, P. Does congestion negatively affect income growth and employment growth? Empirical evidence from US metropolitan regions. Transport Policy. 55, 1-8 (2017).
- Ajeng, C., Gim, T. Analyzing on-street parking duration and demand in a metropolitan city of a developing country: A case study of Yogyakarta City, Indonesia. Sustainability. 10 (3), 591 (2018).
- Chen, J. X., Li, Z. B., Jiang, H., Zhu, S. L., Wang, W. Simulating the impacts of on-street vehicle parking on traffic operations on urban streets using cellular automation. Physica A: Statistical Mechanics and its Applications. 468, 880-891 (2017).
- Ye, X. F., Chen, J. Impact of curbside parking on travel time and space mean speed of nonmotorized vehicles. Transportation Research Record. 2394 (1), 1-9 (2013).
- Ye, X., Yan, X. C., Chen, J., Wang, T., Yang, Z. Impact of curbside parking on bicycle lane capacity in Nanjing, China. Transportation Research Record. 2672 (31), 120-129 (2018).
- Guo, H. W., Gao, Z. Y., Zhao, X. M., Yang, X. B. Traffic behavior analysis of non-motorized vehicle under influence of curb parking. Journal of Transportation Systems Engineering and Information Technology. 11 (1), 79-84 (2011).
- Chen, J., Mei, Z. Y., Wang, W. Road resistance model under mixed traffic flow conditions with curb parking. China Civil Engineering Journal. (09), 103-108 (2007).
- Gao, L. P., Sun, Q. X., Liu, M. J., Liang, X., Mao, B. H. Delay models and simulation on mixed traffic system with curb parking. Journal of System Simulation. 22 (003), 804-808 (2010).
- Guo, H. W., Gao, Z. Y., Yang, X. B., Zhao, X. M., Wang, W. H. Modeling travel time under the influence of on-street parking. Journal of Transportation Engineering. 138 (2), 229-235 (2012).
- Yang, X. G., Long, L., Pu, W. J. Optimal distance between one-side curbside parking location and signalized intersection. Journal of Tongji University (Natural Science). 33 (3), 297-300 (2005).
- Guo, H. W., Wang, W. H., Guo, W. W. Micro-simulation study on the effect of on-street parking on vehicular flow. 2012 15th International IEEE Conference on Intelligent Transportation Systems. , 1840-1845 (2012).
- Hu, X. J., Hao, X. T., Wang, H., Su, Z. Y., Zhang, F. Research on on-street temporary parking effects based on cellular automaton model under the framework of Kerner's three-phase traffic theory. Physica A: Statistical Mechanics and its Applications. 545, 123725 (2020).
- Shao, Y., et al. Evaluation of two improved schemes at non-aligned intersections affected by a work zone with an entropy method. Sustainability. 12 (14), 5494 (2020).
- Shao, Y., et al. Evaluating the sustainable traffic flow operational features of an exclusive spur dike U-turn lane design. PLoS One. 14 (4), 0214759 (2019).
- Shao, Y., Han, X. Y., Wu, H., Claudel, C. G. Evaluating signalization and channelization selections at intersections based on an entropy method. Entropy. 21 (8), 808 (2019).
- Xi'an realtime traffic congestion delay index. AutoNavi Traffic Big-data. , Available from: https://trp.autonavi.com/detail.do?city=610100 (2021).
- Pan, B. H., et al. Evaluation and analysis model of the length of added displaced left-turn lane based on entropy evaluation method. Journal of Advanced Transportation. 2021, 2688788 (2021).
- Pan, B. H., et al. Evaluating operational features of three unconventional intersections under heavy traffic based on CRITIC method. Sustainability. 13 (8), 4098 (2021).
- Sun, J. Guideline for Microscopic Traffic Simulation Analysis. , Tongji University Press. Shanghai, China. (2014).
- Koohpayma, J., Tahooni, A., Jelokhani, N. M., Jokar, A. J. Spatial analysis of curb-park violations and their relationship with points of interest: A case study of Tehran, Iran. Sustainability. 11 (22), 6336 (2019).
- Zoika, S., Tzouras, P. G., Tsigdinos, S., Kepaptsoglou, K. Causal analysis of illegal parking in urban roads: The case of Greece. Case Studies on Transport Policy. 9 (3), 1084-1096 (2021).
