Summary
本研究では、都市道路における路上駐車の効果を分析した。プロセス全体は、トラフィックデータの収集、データ処理、運用シミュレーション、シミュレーションキャリブレーション、および感度分析で構成されています。
Abstract
路上駐車は中国で一般的な交通現象です。狭い都市の通り、高い駐車需要、および駐車場の不足により、一般の人々は道端に沿ってランダムな駐車に従事することを余儀なくされています。路側駐車車両が通過車両に与える影響を判断するためのプロトコルが提案されています。本調査では、1台の車両が沿道に駐車している2方向2車線の市街地を選択し、交通データを収集する。これらのデータに基づいて、路側駐車車両が通過車両の軌道と速度に与える影響が決定されます。さらに、マイクロシミュレーションモデルを適用して、感度分析に従って、さまざまな交通量の下での最大キュー長、遅延、排出量、およびその他の指標に対する路側駐車の影響を判断します。その結果、路側駐車車両は通過車両の軌道に約80m影響し、速度に悪影響を及ぼし、路側駐車車両の位置で最低速度が観測されるという結果となった。感度分析の結果は、トラフィック量がインジケータ値と同期して増加することを示唆しています。プロトコルは、移動軌跡と速度に対する路側駐車の影響を決定するための方法を提供します。この研究は、将来の路側駐車場の洗練された管理に貢献します。
Introduction
都市化の加速は、自動車の所有と都市の交通の流れの明らかな増加を伴います。2021年、中国の自動車所有台数は3億7,800万台に達し、2020年と比較して2,510万台増加しました1。しかし、道路容量が不十分で交通管理技術が限られている現状は、都市交通の需要と供給の間にますます明白な不一致をもたらしています。そのため、道路交通渋滞は徐々に激化しています。都市交通で最も蔓延している問題として、交通渋滞は多くの危険を引き起こし、研究者から広く注目を集めています2,3,4。交通渋滞は、移動時間を延長するだけでなく、環境汚染を悪化させ、エネルギー消費を激化させ、汚染物質の排出を増加させます5,6,7,8。交通渋滞と事故率の間には正の相関関係があります9,10。上記の影響とは別に、交通渋滞の増加は収入と雇用を弱体化させ11、この影響は人々の日常生活と密接に関連しており、これは都市の主要な問題の1つになっています。都市の発展に伴い、道路渋滞が社会に与える悪影響はますます大きくなっていくでしょう。
交通渋滞は、駐車場が主要な問題である多くの都市交通問題を包括的に反映しています。都市人口の増加と自動車の増加は、駐車場の供給と優れた駐車需要に悪影響を及ぼします。駐車システムでは、路上駐車は都市交通で一般的であり、駐車場の需要と供給の不均衡に対処するための重要な手段です。路側駐車は、道路の両側のリソースを利用して駐車スペースを提供します。路側駐車場は、他の駐車場に比べて便利で、迅速で、柔軟性があり、省スペースです。しかし、路上駐車は道路資源を占有しており、その悪影響は無視できません。発展途上国で急速な発展を遂げている都市では、駐車場需要の急増により路傍駐車が過負荷になり、交通安全、大気質、公共スペースが低下します12。したがって、路傍駐車の問題に対処する必要があります。
路側駐車スペースは2つのシナリオで配置できます:(1)非電動車線(つまり、電動車線と非電動車線が分離されている広い道路では、路側駐車は右端の非電動車線のスペースを占有します);(2)自動車と非自動車の混合車線は、交通量の少ない狭い道路であることが多い。自動車と非自動車は道路資源を共有するため、道路脇の駐車は、2番目のシナリオで交通操作に混乱をもたらすことがよくあります。ただし、既存のほとんどの研究は、最初のシナリオ13、14、15、16、17、18に焦点を当てています。
非電動車線に路側駐車スペースが存在し、電動車線と非電動車線の強制隔離がない場合、路側駐車は間接的に混合交通につながります。路傍の駐車スペースは、非電動車線の有効幅を大幅に減少させ、それによって非自動車が非電動車線を通過し、隣接する電動車線を占有する確率を高める。この動作は車線横断16 と呼ばれます。多くの研究では、非電動車線での路側駐車が混合交通流に与える影響を調査しています。セルオートマトンモデルに基づいて、Chenら13は、自動車と非自動車の間の摩擦と渋滞の競合の研究を通じて、都市部の道路での異質な交通操作に対する路側駐車の影響を評価しました13。Chenらは、路側駐車の影響を考慮して、混合交通流の道路抵抗モデルを提案した17。さらに、いくつかの研究では、道路脇の駐車が自動車にのみ及ぼす影響を調べています。Guoらは、路側駐車区間19での自動車の運転時間を定量的に分析するために使用されたリスク期間に基づく方法を提案し、その結果、路上駐車が移動時間に大きな影響を与えることが示されました。
交通シミュレーションは、路側駐車の影響を調査するための一般的なツールです。Yangらは、VISSIMソフトウェアを使用して、路側駐車が動的交通(特に容量)に与える影響を調査し、車両平均遅延交通モデルを開発し、シミュレーション20を通じてモデルの信頼性を検証しました。Gaoらは、同じソフトウェアを使用して、4種類の交通干渉の下での混合交通に対する路側駐車の影響を分析しました18。Guoらは、セルオートマトンモデルを使用して、さまざまなシナリオ21でのモンテカルロシミュレーションを通じて、路側駐車が車両の交通特性(車線容量と車速)に与える影響を分析しました。カーナーの三相交通理論の枠組みの下で、Huらは、セルオートマトンモデル22に基づいて、一時的な路傍駐車行動が交通流に与える影響を分析しました。これらの研究は、路上駐車が交通効率に大きな悪影響を与えることを示しています。
交通管理部門は、道路脇に駐車した車両が交通流に与える影響を理解することに関心があります。効果の具体的な長さと程度は、駐車場の区切り方法、非駐車ゾーンの決定方法、駐車時間の規制方法に関する情報を提供するなど、路側駐車の問題を管理するために重要です。本研究では,路側駐車車両1台が交通操作に及ぼす影響を調べるためのプロトコルを設計した。手順は、1)機器の準備、2)データ収集場所の選択、3)調査時間の選択、4)データの収集、5)データ分析の実行、6)シミュレーションモデルの構築、7)シミュレーションモデルのキャリブレーション、8)感度分析の実行の手順に要約できます。これらの8つのステップのいずれかの要件が満たされない場合、プロセスは不完全であり、有効性を証明するには不十分です。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1.機器の準備
- レーダー、路傍レーザー装置、ラップトップ、バッテリー、カメラ、ドローン、反射三脚、対応するケーブル、デバイス三脚など、必要なすべての機器が利用可能であることを確認します。
2.データ収集場所の選択(図1)
- データ収集場所を選択します。選択した場所が 2 方向 2 車線の道路上にあることを確認します。
注:この調査では、場所の選択が重要です。2車線の幅は観察しやすいです。 - その場所に交差点がないことを確認します。
注:第3方向から来る車両は、観測に混乱を引き起こす可能性があります。 - 調査員が設置した駐車中の車両1台を除いて、道路に障壁がないことを確認してください。
注意: バリアは車両の挙動を妨げ、レーダー検出をブロックする可能性があります。 - 少なくとも視距離と300mのクリアランスがあることを確認してください。これは、レーダー調査と調査員の安全のために必要です。
注:1つのレーダーは最大200mを検出できます。レーダーは、調査で駐車中の車両から100m上流と下流に配置されています。 - 位置が直線セグメントであることを確認します。
注意: セグメントが直線でない場合、車両のオフセットが路傍の駐車によって引き起こされているかどうかを判断できません。
3. 調査時期の選定
- 調査時間を選択します。合計で少なくとも3時間が必要であり、朝のピーク時に1時間、正午に1時間、夕方のピーク時に1時間23,24,25。
- 交通調査報告書、交通警察署、交通事業者26 から交通量ピーク時の時刻を取得する(図2)。
- 参照としてトラフィックレポートまたは分析がない場合は、上記の3つの期間に数時間のデータを収集し、トラフィック量がピーク27,28が最も高いデータを選択します。
- トラフィック量が最も多い時間データを使用して、データ分析を実行し、シミュレーションモデルへの入力として使用します。モデル検証には、3 時間のデータすべてを使用します。
注:選択した道路にはレストランが隣接しており、ケータリングのピーク時間は道路脇の駐車需要のピーク時間です。交通量のピーク時間はオフタイムであり、オフタイムはケータリングのピーク時間でもあります。したがって、交通量のピーク時と駐車需要のピーク時はほぼ同期しています。
4. データ収集(図3)
- 路側レーザー装置を配置できるように、縁石から約20cm離れた目的の場所に車両を駐車します。
- 反射三脚を車両の後部に置きます。車両の挙動に影響を与えないように、遠すぎないでください。
注意: 中国の道路交通安全法の関連規定に基づいて、衝突を警告および/または回避するには、反射三脚が必要です。三脚は駐車中の車両の後ろに一定の距離を置いて配置され、駐車中の車両が前方にあることを後ろの車両に警告し、衝突を回避します。反射三脚と駐車車両の間の距離は、通過する車両の挙動に対する反射三脚の影響を最小限に抑えるために低く保たれているため、調査結果への影響はごくわずかです。 - レーダー三脚をセットします。信号の詰まりを防ぐために、三脚を2m以上の高さに設定します。三脚でレーダーをロックします。レーダーを垂直に調整し、駐車中の車両に向けます。レーダーデータケーブルをラップトップのUSBポートに接続します。
注意: 1つのレーダーは駐車中の車両の100m上流にあり、もう1つは100m下流にあります。両方のレーダーは、交通データをキャッチするために駐車車両の同じ側に配置されます。 - レーダーソフトウェアを開き、次の手順を実行します。
- [通信チェック]をクリックします。シリアルポートを選択し、接続をクリックします。ソフトウェアがレーダー検出を示したら、[確認]をクリックします。
- [調査の設定] をクリックします。[RLU時間の読み取り]をクリックし、RLU時間を設定します。[データレコードの消去]をクリックし、それを確認してレーダーの内部メモリをクリアします。[調査の開始] をクリックし、ダイアログ ボックスを閉じます。
- リアルタイムビューをクリックしてレーダーの状態を確認すると、車両が通過するときに交通データが収集されます。
- 路側レーザー装置とケーブルを準備します。路側レーザーデバイスのデータケーブルをポートに接続します。路側のレーザーデバイスデータケーブルをラップトップのUSBポートに接続します。
- 路傍のレーザー装置を駐車中の車両の中央に配置します。デバイスの4つの調整列を回転させて水平にします。
注意: 路傍レーザー装置は標準位置で動作している必要があります。 - 路側レーザーデバイスソフトウェアを開き、以下の操作を行います。
- [通信チェック]をクリックします。RLU シリアル ポート番号を選択し、[接続] をクリックします。ソフトウェアが新しいRLU接続を検出したと表示されたら、[確認]をクリックします。
- [ 調査の表示] をクリックします。車両が通過すると、交通流がリアルタイムで表示されます。
- [調査の設定] をクリックします。[RLU時間の読み取り]をクリックし、RLU時間を連続して設定します。開始時刻と終了時刻を設定し、[タスクの設定]をクリックします。ソフトウェアがRLU調査のセットアップに成功したことを示したら、[確認]をクリックします。
- [ 完了]をクリックします。[デバイス ステータス ]をクリックして、路傍のレーザーデバイスのステータスを表示します。
- 駐車中の車両の約30m上流にカメラをセットします。
注意: 交通データは、レーダーと路傍レーザー装置によって収集できます。トラフィック操作ビデオは、データ検証のために準備されています。 - すべての機器を二重車線の両側道路(ここではDian Zi Yi Road)に設定します。レーダー、路傍のレーザー装置、カメラが5分ごとに正常に機能しているかどうかを確認します。
注意: ラップトップとカメラの時刻がリアルタイムと同じであることを確認してください。スケジュールされた時間に、2つのレーダー、路側レーザー装置、およびカメラを同時に起動します。互いに向かい合っている2つのレーダーと中間の路側レーザー装置を組み合わせることで、影響を受ける交通の連続的な軌道を提供します。 - データ収集を終了し、レーダーソフトウェアのリアルタイムチェックウィンドウを閉じます。
- [ 調査の設定] をクリックし、[ 調査の終了] を選択して確認します。ダイアログ ボックスを閉じます。
- [ データのダウンロード] を選択し、コンピューターを参照してデータを保存し、ファイルの名前を入力します。[ 開く]をクリックし、[ ダウンロードの開始]をクリックします。[ 確認 ]をクリックして、レーダーデータの収集を終了します。
- 路側レーザーデバイスソフトウェアの [デバイスステータス ]をクリックし、[ タスクの停止 ]をクリックしてデータ収集を終了します。[ データのダウンロード] を選択し、参照して、ファイルの名前を入力します。[ 開く]をクリックし、[ ダウンロードの開始]をクリックします。[ 確認 ]をクリックして、路側レーザーデバイスのデータ収集を終了します。
5.データ分析
注:データ収集を通じて、朝のピーク、正午の中間時間、夕方のピークを含む3時間のデータが取得されます。再生交通ビデオは、交通量と車両タイプを手動で校正するためにカメラによって提供されます。データ分析を行うための代表時間として、最もボリュームの多いグループデータ(この場合は朝のピークデータ)を選択します。
- ソフトウェアを使用して、レーダーから軌道と速度を収集します。
注意: レーダーは駐車中の車両から100m離れた場所にあり、道路の幅は10mです。したがって、その範囲を超えるすべてのデータポイントはレーダーエラーであり、削除する必要があります。 - 路側レーザー装置が、オフセット値、通過速度、車両数、および駐車車両位置の車両の種類を提供することを確認します。
- 2つのレーダーと1つの路側レーザー装置が提供する軌道と速度の全範囲を、計算ソフトウェアを使用して代表データとして描画します(図4-6)。
6. シミュレーションモデルの構築
注:微視的シミュレーションモデルは、交通シミュレーション用のシミュレーションソフトウェアによって確立されます。交通量、車速、車種構成などのデータ収集の結果は、交通シミュレーションの重要なパラメータであり、モデル構築の基礎を形成します。シミュレーションに必要なのは代表的なデータグループのみです。
- 道路建設
- シミュレーションソフトウェアを開きます。調査対象の道路セグメントの背景マップをインポートします。
- 左側の障害物をクリックして右クリックし、[新しい障害物の追加]を選択します。障害物の長さと幅を入力し、[OK]をクリックします。カーソルをドラッグして、障害物を車道に移動します。
注:「障害物」とは、路傍に駐車した車両を指します。障害物の長さと幅は、駐車中の車両の実際のサイズに応じて設定されます。 - 左側のリンクをクリックし、カーソルを リンク の先頭に移動して右クリックします。[ 新しいリンクの追加]を選択し、レーン幅を入力して、[ OK]をクリックします。カーソルをドラッグして、マップ上にリンクを描画します。
- 手順 6.1.3 を繰り返して、4 つの道路セグメントを作成します。
- マウスの右ボタンとキーボードの Ctrl ボタンを押したまま、1 つのリンクの端点を隣接するリンクにドラッグし、2 つのリンクを接続します。
注:この部分は「コネクタ」と呼ばれ、ポイントを追加すると滑らかになります。 - 手順 6.1.5 を繰り返して、すべてのリンクを接続します。
- 希望の速度
- 上部のバーから [ 基本データ ] を選択し、[配布] を選択します|希望の速度。
- 下部にある緑色の十字の [追加 ]ボタンをクリックして、新しい目的の速度分布を追加し、名前を付けます。
- 代表データから取得した平均速度と最大速度を、希望する最小速度と最大速度として入力します。既定のデータを削除します。
- 手順6.2.2〜6.2.3を繰り返して、必要なすべての速度分布(東から西の方向、西から東の方向、および減速速度領域)を確立します。
注:次のテキストでは、東から西への方向はE-Wと省略され、西から東への方向はW-Eと省略されます。
- 車両構成
- 上部のバーから [リスト ] を選択し、[ プライベート トランスポート] | を選択します。車両構成。
- 緑色の十字 の[追加 ]ボタンをクリックして、新しい車両構成を追加します。
- [追加] ボタンをクリックして、重量物運搬車 (HGV) とバスの 2 種類の車両を追加します。
- 手順 6.2 で自動車、HGV、バス用に設定した速度分布を選択します。
- 手順6.3.2〜6.3.4を繰り返して、2つの車両構成(E-WとW-E)を確立します。代表データから自動車、HGV、バスの流れを入力します。
- 車両ルート
- 左側のメニュー バーから [車両ルート ] を選択します。
- カーソルを 1 つのリンクの上流に移動して右クリックし、[ 新しい静的配車ルート決定を追加]を選択します。
- 青いカーソルをドラッグして、データ コレクション内の実際のルートからマップ上に車両ルートを描画します。
- 減速エリア
- 左側のメニューバーから [減速エリア ]を選択します。
- 駐車位置の上流のエリアを右クリックし、[ 新しい減速エリアを追加]を選択します。
注:領域の長さは、データ分析結果によって異なります。 - 画面の余白を右クリックして[ 追加]を選択し、手順6.2で減速領域に設定した目的の速度をエリア速度として選択します。
- 手順6.5.2〜6.5.3を繰り返して、すべての減速領域を設定します。
- 優先ルール
- 左側のメニュー バーから [優先ルール ] を選択します。
- 駐車中の車両の上流のW-E方向の減速エリアを右クリックし、[ 新しい優先度ルールの追加]を選択します。最小ギャップタイムとクリアランスを入力します。
- 手順 6.6.2 を繰り返して、駐車車両の下流側の E-W 方向の優先ルールを設定します。
注: 優先度ルールの設定は、データ収集に反映される実際のトラフィック操作によって異なります。
- 車両の移動時間
- 左から [車両の移動時間 ] を選択します。
- 1 つのリンクの先頭を右クリックし、[ 新しい車両移動時間計測値の追加] を選択します。
- カーソルをリンクの末尾にドラッグして、車両の移動時間の計測を作成します。
- すべての車両ルートに対して手順 6.7.3 を繰り返します。
- 車両入力
- 左側から [車両入力 ]を選択します。1 つのリンクの先頭を右クリックし、[ 新しい車両入力を追加]を選択します。
- マウスを左下に移動し、代表データの音量を入力します。
- すべてのリンクに対して手順 6.8.1 から 6.8.2 を繰り返します。
- ノード
- 左側から [ノード ] を選択します。右クリックして [新しいノードの追加] を選択し、[ OK] をクリックします。
- マウスを左クリックして移動し、適度なノード範囲を調整します。
注: 節点範囲はシミュレーション結果に関連しており、道路断面ジオメトリによって異なります。
- シミュレーションインタフェースの上部にある[ 評価 ]をクリックし、[ 結果リスト]を選択します。 ノード の結果と 車両の移動時間の結果をクリックします。
- 上部の青い再生ボタンをクリックして、シミュレーションを開始します。デバイスボタンの クイックモード をクリックして、シミュレーション速度を最大化します。
- シミュレーション後、ノードの結果と車両移動時間の結果が、最大キュー長、駐車時間、遅延、車両数、燃料消費量、CO排出量、NO排出量、VOC排出量、移動時間など、インターフェイスの下部に表示されます。
7. シミュレーションモデルのキャリブレーション
注:この研究では、交通観測では朝のピークデータが最も多いことが示されましたが、シミュレーションモデルの信頼性を完全に示すために、3つのデータグループをシミュレーションのためにシミュレートしました。
- 収集したデータをシミュレーションモデルに入力し、シミュレーションを実行し、シミュレーション結果を取得します(図7A)。
注: シミュレーション ボリュームは、シミュレーション結果から生成できます。 - シミュレーションボリュームと収集されたボリュームを比較します。
メモ: 式 1 を使用して容量を計算します。
(1)
ここで、 C は理想的な容量(veh / h)を示し、 htは 平均最小ヘッドウェイ(s)を示します。
注 : 収集されたボリュームとシミュレーション ボリュームの差は、 式 2 に示すように、平均絶対パーセント誤差(MAPE)と呼ばれます。
(2)
ここで、 n はこのスタディの4つの異なる流れを示し、
シミュレーションモデルでシミュレートされた容量(veh/h)、 
は調査の容量(veh/h)です。計算されたMAPEを 表2に示します。
注: シミュレーション精度は、MAPE が小さい場合に許容されます。
(1)
(2)
シミュレーションモデルでシミュレートされた容量(veh/h)、 
は調査の容量(veh/h)です。計算されたMAPEを 表2に示します。8.感度分析
注: 図7B は、感度分析プロセスを示しています。感度分析プロセスは、収集されたデータのパフォーマンスのみを反映しています(表3)。リアルタイムシナリオで交通量の異なる状況を理解するために、考えられるすべての交通量の組み合わせがシミュレーションモデルに入力され、すべての状況が路側駐車分析でカバーされるようにします(図8 および 表4)。
- 代表的なデータに3つのデータグループ(つまり、W-Eボリューム、E-Wボリューム、およびその他のパラメータ)が含まれていることを確認します。
- W-Eボリュームを6つのカテゴリに分割し、E-Wボリュームを7つのカテゴリに分割し、シミュレーションで他のパラメータを安定させます。
注:W-Eトラフィック量は150〜400 veh / hで、ピーク時に50 veh / h増加し、E-Wトラフィック量は150〜450 veh / hで、ピーク時に50 veh / h増加しました。市街地の1車線の最大サービス交通量は1,140 veh / hでした。 - 42の状況をシミュレートし、すべての状況で有効性を検証します。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
本稿では,道路脇の駐車が2方向2車線の都市道路の通過車両に与える影響を,交通データ収集とシミュレーションを通じて明らかにするプロトコルを提示する.調査地として道路を選択し(図1)、予定した沿道の場所に車両を駐車しました。レーダー、路側レーザー装置、カメラを適用して、車両の軌道、速度、体積、およびタイプ構成を収集し、路側駐車下での車両軌道と速度の変化を決定しました(図4-6)。道路の幾何学的特性とデータ収集結果に基づいて、微視的なシミュレーションモデルを構築しました(図7)。感度分析により、路側駐車が最大待ち行列長、遅延、排出量、およびさまざまな交通量での車両動作の他の指標に与える影響を決定しました(図8)。
図 1 に、データ収集の場所を示します。テスト道路は、中国陝西省西安市の2方向2車線道路でした。道路の幅員は10m、制限速度は60km/hで、道路分離帯はなく、道路脇の駐車の典型的な条件を表しています。双方向の交通は簡単に流れる可能性がありますが、駐車中の車両が存在する場合は大幅に遅くなります。
図4は、レーダと路側レーザー装置で計測されたデータに基づく路側駐車の影響下での軌跡を示す。図は、路傍に駐車した車両が通過車両の軌道に80mの長さで影響を与えたことを示しています。青は西レーダーデータ、オレンジは東レーダーデータを示します。真ん中の黒い線は点の集まりで、路側レーザー装置によって検出された通過車両の垂直位置によって形成される位置分布です。
西レーダーは軌道の変化を示しています。車両は、路傍の駐車バリアを見ると、駐車車両の40m上流から通常の位置からオフセットします。
路側レーザー装置は、通過するすべての車両の横方向の位置と速度を記録できます。横方向の位置は2.3mから4.9mの範囲であった(すなわち、 図4の中央の黒い線の下端と上端)。平均位置は3.3 mでした。ここでの位置とは、W−E方向に走行する車両の右側位置と、E−W方向に走行する車両の左側位置を意味する。
東レーダーについては、西レーダーと同様の傾向が観察されました。車両は試験車両を通過してから約40m後に通常の位置に戻った。
図4に見られるように、路側駐車車両が通過車両の軌道に与える影響の長さは80mであった。通過する車両は、駐車車両の中心から40mのところで通常の軌道から外れ始め、駐車車両の中心から40m後に通常の軌道に戻った(図4では正確な位置が2本の長い黒線でマークされており、2本の線の水平位置は60mと140mである)。駐車車両位置(すなわち、図4の座標[100,0]の位置)では、通過車両と駐車車両の外縁との間の平均距離は3.3mであった。駐車車両の幅を考慮すると、通過車両と駐車車両の内側端との間の平均距離は1.3mであった。通過車両と駐車車両の内側端との間の最小距離と最大距離は、通過車両の元の位置と運転条件によって決定されたそれぞれ0.3mと2.9mでした。縁石の近くを走行する車両は、駐車車両を通過するときに駐車車両から横方向の距離が大きくなく、同じ方向に走行する他の車両の影響により低速で近くを通過したことさえありました。通過する車両が同じ方向に走行する他の車両によって邪魔されなかった場合、移動幅はより寛大でした。つまり、通過車両と路側駐車車両との間の横幅は十分であった。もちろん、通過車両と駐車車両の間の横幅も運転行動に依存する。攻撃的なドライバーと比較して、安定したドライバーは、横方向の幅が大きい駐車中の車両を追い越す可能性が高くなります。
図5と図6は、路側駐車が通過車両の速度をアンダーカットし、駐車車両位置(つまり、中央の水平座標が[100,0]の位置)で通過車両の最低速度が観察されていることを示しています。図5にE-W方向の速度を示します。写真では交通量が右から左に動いており、180〜120mの範囲内で車速が徐々に低下していることを示しています。駐車位置を通過した後、速度は明らかな増加なしに徐々に均等に分散されました。
駐車車両位置直前のオレンジ色の区間は最高速度54.7km/hに達し、対向車よりも高速で通過した速度であった。最低速度は0 km / hで、これは駐車位置で発生しました。W-E方向の車両のオフセット値が高いほど、その車両はより多くの道路幅を占め、E-W方向の車両は待たなければならず、後者の車両の速度は0 km / hでした。
青いエリアでは、駐車位置を通過した後、車速は8〜35 km / hの範囲にとどまりました。道路環境のために、車がより高い上限速度に達することは困難だったでしょう。駐車位置から離れて運転したため、下限速度は8 km / hから20 km / hにわずかに増加しました。
図6は、W-E方向の速度を示しており、車両は写真の左から右に移動しています。W-E方向の速度変化はE-W方向の速度変化と同様であった。
駐車位置の前(すなわち、図の0〜100mの範囲内で)では、W−E方向の車速の上限と下限が20mの位置から徐々に狭くなった。0〜40 mの範囲では、上限は徐々に減少し、80 mの位置で最も低かった。上限速度の38.6km/h(20m地点)が29km/h(80m地点)に低下した。下限速度は9.4 km/h(10 m位置)から10.44 km/h(100 m位置)に引き上げられました。
駐車位置の前に制限速度が下がりました。観測中、W-E方向の車両が同じ側に駐車車両を見つけ、その前に車両がいない場合、または反対側の車両が遠くにある場合、W-E方向の車両は最初に加速してオフセットし、駐車車両を最初に追い越すのに適した位置を占める傾向がありました。この現象は、駐車位置の直前の速度上昇の理由です。
駐車位置を通過すると、速度範囲は8.2〜47.7 km / hでした。一部のドライバーは、駐車中の車両を通過するときに傷を避けるためにブレーキをかけたため、制限速度の下限が低下しました。引っかき傷は、両方向に来る車両が駐車場で出会うときに発生し、これらの場合、ドライバーは速度を落とすことで引っかき傷を回避しようとします。青いエリアと比較して、制限速度は9.1 km / h増加しました。これは、反対方向に来る車両がない場合、W-E方向の車両は、道路脇の駐車車両に傷がついていないことを確認した後、駐車位置によって加速し、ドライバーの通常の運転習慣と一致したためです。
オレンジ色のエリアでは、駐車位置を通過した後、7.5 km / hの下限速度が大幅に増加しました。これは、ほとんどの車両が駐車位置から10m離れた後、駐車位置の前の速度まで加速できることを示しています。
図8は、交通量の異なる車両の稼働状況を反映した9つの指標のシミュレーション結果を示しています。E-WおよびW-E方向の交通量は、最大キュー長(図8A)、車両数(図8B)、遅延(図8C)、停止数(図8D)、CO排出量(図8E)、NO排出量(図8F)、VOC排出量(図8G)、燃料消費量(図8H)、および移動時間(図8I)に影響を与えました。) を路傍の駐車データに揃えます。トラフィック量の増加は、すべての指標値の増加につながりますが、異なる指標値の影響度はさまざまです。さらに、路上駐車は、E-WおよびW-E方向の車両に同じ影響を与えません。
交通量の増加に伴い,最大待ち行列長,遅延,停車回数の3つの指標について,W-E方向の車両に対する路上駐車の影響度は,E-W方向の車両よりも有意に高かった。排出ガス関連の5つの指標、燃費、走行時間については、E-W方向とW-E方向の車両への影響度はほぼ同じであったが、W-E方向の車両ではわずかに大きかった。交通量がW-EおよびE-W方向に300〜350 veh / hに達した後、最大キュー長、遅延、および停止数の増加傾向が大幅に高くなり、 路側駐車が通過交通流の交通運用効率に及ぼす悪影響がより深刻になりました。排出ガス関連の5つの指標、燃料消費量、移動時間は、両方向の交通量の増加に伴って一様に変化しました。
図1:データ収集場所:西安の2方向2車線道路、Dian Zi Yi道路。 座標:108.932882,34.220774。(A)西安市の調査場所の概略図。(B) 赤い線はデータ収集セグメントを表します。赤線で交差する北道路は人が少ない歩行者専用道路であり、今回の調査には影響しない。この図の拡大版を表示するには、ここをクリックしてください。
図2:24時間の混雑指数。 パネルのデータは、2021年8月24日の西安のリアルタイム混雑指数26からのものです。データは、朝のピークが07:00から09:00に発生し、夕方のピークが17:00から19:00に発生したことを示しています。深夜を除く谷は11:00から12:00まで発生しました。混雑指数は、午前8:00と午後18:00にそれぞれ2.25と2.66でした。 この図の拡大版を表示するには、ここをクリックしてください。
図3:ドローンが高さ150mで撮影した写真に示されているデータ収集スキーム。木の陰がすべての機器を覆っているので、カラフルなブロックが機器を表しています。路側駐車車両は中央にあり、2つのレーダーは駐車車両の100m上流と100m下流に配置されています。西レーダーと東レーダーはどちらも駐車中の車両に面しています。 この図の拡大版を表示するには、ここをクリックしてください。
図4:全体の軌跡。 テスト車両は、パネルの(100,0)の位置に駐車されています。青は西レーダーデータ、真ん中の黒線は路側レーザー装置データ、オレンジは東レーダーデータを表します。 この図の拡大版を表示するには、ここをクリックしてください。
図5:東西の速度。 この図の拡大版を表示するには、ここをクリックしてください。
図6:西東の速度。 この図の拡大版を表示するには、ここをクリックしてください。
図7:シミュレーション誤差(MAPE)を計算し、感度解析を実行するためのフローチャート 。 (a)MAPEを計算するためのフローチャート。(B)感度解析のフローチャート。 この図の拡大版を表示するには、ここをクリックしてください。
図8:感度分析。 X 軸 = E-W トラフィック量、Y 軸 = W-E トラフィック量、Z 軸 = 評価指標値。(A) キューの最大長。(B)車両の数。(C) 遅延。(D)ストップの数。(E)CO排出量。(F)排出物なし。(G)VOC排出量。(H)燃料消費量。(I)移動時間。 この図の拡大版を表示するには、ここをクリックしてください。
| アイテム | モーニング (07:00−08:00) | 中正午 (13:00−14:00) | 夕方 (17:00−18:00) | |||
| 方向 | W–E | E–W | W–E | E–W | W–E | E–W |
| 車(veh/h) | 306 | 374 | 167 | 148 | 351 | 228 |
| トラック(車両/高さ) | 1 | 3 | 1 | 0 | 4 | 0 |
| バス(車/時間) | 9 | 9 | 4 | 5 | 6 | 4 |
| 断言。速度(キロ/時) | 21.7 | 24.5 | 19.4 | 24.7 | 18.8 | 20.5 |
| 最高速度(キロ/時) | 47.7 | 54.7 | 55.8 | 56.2 | 44.6 | 45.0 |
| 最低速度(キロ/時) | 0 | 0 | 0 | 0 | 0 | 0 |
表1:調査で収集された車両情報。 最低速度0 km / hは、一部の車両が動きを停止していることを示します。
| アイテム | モーニング (07:00−08:00) | 中正午 (13:00−14:00) | イブニング (17:00─18:00) | |||
| 方向 | W–E | E–W | W–E | E–W | W–E | E–W |
| 投資能力(veh/h) | 316 | 386 | 172 | 153 | 361 | 232 |
| シミュレートされた容量(veh/h) | 306 | 360 | 174 | 150 | 354 | 216 |
| 個別マップ(%) | 3.2 | 6.7 | 1.2 | 2.0 | 1.9 | 6.9 |
| マップ(%) | 5.0 | 1.6 | 4.4 | |||
表2:シミュレーションモデルのキャリブレーション結果。 調査されたトラフィック量とシミュレートされた量の間のキャリブレーション結果を表に示します。MAPEは 式2を使用して計算され、シミュレートされた容量と実際の容量の間の誤差は、すべて小さい3つのデータグループで5.5%、1.6%、および4.4%です。総容量誤差が15%未満であるため、確立されたモデルの誤差は許容範囲内であり、シミュレーション精度は十分です29。
| アイテム | 朝 | 正午中 | 夕方 | |||
| (07:00−08:00) | (13:00−14:00) | (17:00─18:00) | ||||
| W–E | E–W | W–E | E–W | W–E | E–W | |
| キューの最大長(m) | 31.26 | 34.93 | 12.00 | 7.96 | 34.88 | 20.40 |
| 車両台数 | 306 | 360 | 168 | 150 | 348 | 216 |
| 遅延 | 6.47 | 6.58 | 3.10 | 1.74 | 6.68 | 4.64 |
| 停留所数(倍) | 0.28 | 0.52 | 0.05 | 0.11 | 0.24 | 0.42 |
| CO排出量(グラム) | 191.790 | 249.606 | 89.112 | 77.820 | 219.462 | 135.468 |
| 排出量なし(グラム) | 37.314 | 48.564 | 17.340 | 15.138 | 42.702 | 26.358 |
| VOC排出量(グラム) | 44.448 | 57.846 | 20.652 | 18.036 | 50.862 | 31.398 |
| 燃料消費量(ガロン) | 2.742 | 3.570 | 1.272 | 1.116 | 3.138 | 1.938 |
| 所要時間 | 35.46 | 29.12 | 31.92 | 24.56 | 35.73 | 27.25 |
表3:朝のピークデータ、昼中期データ、夕方のピークデータによるシミュレーション結果。 代表データとして、朝のピークデータ群が最もトラフィック量と指標値を持っています。正午のトラフィック データ グループでは、トラフィック量とインジケーターの値が最も低くなっています。
| アイテム | 価値 |
| E–W ボリューム (veh/h) | 150/200/250/300/350/400/450 |
| W–E ボリューム (veh/h) | 150/200/250/300/350/400 |
| 注:E〜Wトラフィック量は150〜450 veh / hの範囲で、50 veh / hの増加があります。W–Eトラフィック量は150〜400 veh / hの範囲で、50 veh / hの増加があります。 | |
表 4: シミュレーションでの感度解析の入力パラメータ。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
都市部の路上での路上駐車の影響は無視できず、ランダム駐車に対処する必要があります30,31。ここでは、道路脇の駐車が双方向の都市道路の交通流に与える影響を判断するためのプロトコルを示します。データ収集は、路傍駐車によって引き起こされる通過車両の軌道と速度の変化を指定します。交通シミュレーションは、最大キュー長、遅延、排出量などの道路指標を定量化します。
プロトコルの重要なステップは、データ収集とマイクロシミュレーションモデルの構築です。データ収集場所は、交差点、入口、出口のない直線セグメントです。影響を確実に見えるように、道路の幅を10 m以上にすることはできません。幅10mの通りが観察に適しています。狭い場合はトラフィックが完全に分解され、幅が広い場合は影響が検出されない可能性があります。十分に長い視距離もセグメントの要件です。シミュレーションモデルを確立する際には、減速領域と優先ルールに注意を払う必要があります。減速エリアの関連パラメータ(速度と長さ)は、実際の道路運用を反映するために代表的なデータに基づいて設定されます。ドライバーの行動は、競合領域の代わりに優先ルールを使用してより適切に反映できます。優先ルールは代表データと同じで、カメラで撮影した交通操作映像で確認する。
路上駐車が通過車両に与える影響に関して、このプロトコルは調査結果の具体的かつ現実的な説明を提供します。たとえば、通過する車両の軌道は長さ80 m影響を受け、車速も悪影響を受けます。また、シミュレーション分析の結果は、交通量の異なる下で、交通運用効率を反映した様々な指標の性能を示しています。トラフィック量の増加は、インジケーター値の増加と同期しています。
このプロトコルの主な制限は、道路脇に駐車している1台の車両にのみ有効であることです。次の研究段階では、ランダムに駐車した複数の車両が交通流の操作に与える影響を判断します。
交通警察は、狭い都市の通りに監視装置を追加して、道路脇に駐車している車両を監視し、路傍駐車の影響を軽減することをお勧めします。
二方向の都市道路における路上駐車の効果を評価するためにここで説明したプロトコルを適用して、許容駐車時間、推奨駐車場所、許容駐車車両タイプなど、洗練された路側駐車管理対策を提案することができます。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者は開示するものは何もありません。
Acknowledgments
著者は、陝西省教育局が資金提供する科学研究プログラム(プログラム番号21JK0908)に感謝したいと思います。
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).
