Author Produced

Оценка эксклюзивного Spur Dike U-Turn Дизайн с радар-собранных данных и моделирования

Engineering

Your institution must subscribe to JoVE's Engineering section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

Этот протокол описывает процесс решения микроскопической проблемы трафика с помощью моделирования. Весь процесс содержит подробное описание сбора данных, анализа данных, построения модели моделирования, калибровки моделирования и конфиденциального анализа. Обсуждаются также модификации и устранение неполадок метода.

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

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).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Традиционные конструкции разворота могут улучшить эксплуатационные характеристики, очевидно, в то время как развороты и сегменты слияния по-прежнему вызывают заторы на дорогах, конфликты и задержки. Эксклюзивный шпора дамбы Разворот переулок дизайн (ESUL) предлагается здесь, чтобы решить недостатки традиционных разворотконструкций. Для оценки эксплуатационных характеристик ESUL необходим протокол моделирования трафика. Весь процесс моделирования включает в себя пять этапов: сбор данных, анализ данных, сборка модели моделирования, калибровка моделирования и чувствительный анализ. Сборка модели сбора данных и моделирования — это два важных шага, которые описаны позднее более подробно. Три индекса (время в пути, задержка и количество остановок) обычно используются в оценке, а другие параметры могут быть измерены по моделированию в соответствии с экспериментальными потребностями. Результаты показывают, что ESUL значительно уменьшает недостатки традиционных конструкций разворота. Моделирование может быть применено для решения микроскопических проблем трафика, например, на одном или нескольких смежных перекрестках или коротких сегментах. Этот метод не подходит для более масштабных дорожных сетей или оценок без сбора данных.

Introduction

Некоторые транспортные проблемы, такие как пробки на перекрестке или короткий сегмент, могут быть решены или улучшены за счет оптимизации конструкции дороги, изменения времени сигнала, измерения управления движением и других транспортныхтехнологий1,2,3. Эти улучшения оказывают положительное или отрицательное воздействие на операции транспортного потока по сравнению с первоначальными ситуациями. Изменения в операциях трафика можно сравнить в программном обеспечении моделирования трафика, а не в фактической реконструкции перекрестка или сегмента. Метод моделирования трафика является быстрым и дешевым вариантом, когда предлагается один или несколько планов улучшения, особенно при сравнении различных планов улучшения или оценки эффективности улучшений. Эта статья вводит процесс решения проблемы движения с моделированием путем оценки транспортных потоков оперативных особенностей эксклюзивного размыва разворота дизайн полосы5.

Разворот движения является широкое движение спроса, который требует разворота среднего открытия на дороге, но это было обсуждено. Проектирование разворота открытия может привести к заторов на дорогах, в то время как закрытие разворота открытия может привести к объезддляе автомобилей разворота. Два движения, разворот транспортных средств и прямого левого поворота транспортных средств, требуют разворота открытия и привести к задержкам движения, остановки, или даже несчастных случаев. Некоторые технологии были предложены для решения недостатков разворота движений, таких как сигнализация6,7,эксклюзивные левые полосы поворота8,9,и автономные транспортные средства10,11. Потенциал улучшения по-прежнему существует по вопросам разворота, из-за вышеуказанных решений, имеющих ограничительные приложения. Новый разворот дизайн может быть лучшим решением при определенных условиях и быть в состоянии решить существующие проблемы.

Наиболее популярным разворотом является средний разворот пересечения (MUTI)12,13,14,15, как показано на рисунке 1. Существенное ограничение MUTI является то, что он не может отличить разворот транспортных средств от проезжающих транспортных средств и что дорожный конфликт по-прежнему существует16,17. Модифицированный разворот дизайн называется эксклюзивный шпора дамбы Разворот переулок (ESUL; Рисунок 2) предлагается здесь и направлена на уменьшение заторов на дорогах путем введения эксклюзивного разворота полосу по обе стороны от медианы. ESUL может значительно сократить время в пути, задержки и количество остановок из-за его направления двух потоков.

Чтобы доказать, что ESUL является более эффективным, чем обычный MUTI, необходим строгий протокол. ESUL не может быть построен до теоретической модели; таким образом, моделирование необходимо18. Используя параметры транспортного потока, некоторые ключевые модели были использованы в исследовании моделирования19, таких как модели поведения вождения20,21, автомобиль следующие модели22,23, разворот модели4, и модели изменения полосы движения21. Точность моделирования транспортных потоков широкопризнана 16,24. В этом исследовании как MUTI, так и ESUL моделируются со сбором данных для сравнения улучшений, сделанных ESUL. Чтобы гарантировать точность, также моделируется чувствительный анализ ESUL, который может применяться к различным дорожным ситуациям.

Этот протокол представляет экспериментальные процедуры для решения реальных проблем дорожного движения. Предлагаются методы сбора данных о дорожном движении, анализа данных и анализа общей эффективности улучшений дорожного движения. Процедура может быть обобщена в пять этапов: 1) сбор данных о трафике, 2) анализ данных, 3) сборка модели моделирования, 4) калибровка модели моделирования и 5) анализ чувствительности операционной эффективности. Если какое-либо из этих требований в рамках пяти этапов не будет выполнено, этот процесс является неполным и недостаточным для подтверждения эффективности.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Подготовка оборудования

  1. Подготовьте два из каждого из следующих устройств для сбора двухнаправлений транспортных потоков: радары, ноутбуки, батареи и кабели для радаров и ноутбуков, камеры, радары и штативы камеры.
    ПРИМЕЧАНИЕ: Радар и соответствующее программное обеспечение используются для сбора скорости и траектории транспортного средства, и это более точно, чем скорость пушки. Радар не единственный выбор, если другое оборудование доступно для сбора скорости транспортного средства, траектории и объема. Поскольку радиолокационные сигналы могут быть легко заблокированы крупными транспортными средствами, видео, снятые камерами, могут быть использованы для подсчета транспортных средств. Во время исследования, если погода дождливая или солнечная, необходима защита оборудования. Особенно в солнечный день, оборудование может достичь высокой температуры и выключить, поэтому зонтик или охлаждающее оборудование необходимо для этой ситуации.

2. Тестирование оборудования

  1. Убедитесь, что все следователи носят светоотражающие жилеты.
  2. Подготовьте радиолокационный штатив и расширьте его как можно выше. Установите штатив выше 2 м, чтобы избежать сигналов от блокировки на обочине дороги.
  3. Установите радар на верхней части штатива и заблокировать радар.
  4. Установите радар около 0,5 м рядом с обочиной, отрегулируйте радар вертикально, и лицом к направлению транспортного средства или противоположному направлению. Держите угол между дорогой и радар как можно меньше.
    ПРИМЕЧАНИЕ: Радар может обнаружить 200 м максимум. Если радар установлен слишком близко к полосе, он может взорваться над проезжающих транспортных средств. Таким образом, 0,5-1,0 м - это обычное расстояние до полосы.
  5. Включите аккумулятор питания и подключите ноутбук к батарее питания. Подключите радиолокационный силовой кабель и подключите данные радара USB к ноутбуку. Когда все кабели подключены, включите ноутбук.
  6. Установите камеру рядом с радаром, чтобы стрелять поток транспортного средства.
  7. Открытие радиолокационного программного обеспечения
    1. Нажмите проверка связи,а затем выберите номер радара ID из списка выпадающих. Он покажет Радар Обнаруженный с идентификационным номером.
    2. Нажмите Установка расследования. В всплывающем меню нажмите Кнопка Read RLU,и время устройства слева изменится. Затем нажмите Нарежье время RLU,и текущее время ПК слева также изменится.
    3. Нажмите Начало расследования, и состояние рабочего устройства будет меняться от записи данных не продолжается, и нет данных в устройстве для записи данных в продолжении и данных в устройстве. Нажмите Близко, чтобы закрыть этот диалоговый ящик.
    4. Нажмите на представление в реальном времени, чтобы проверить состояние радара. Появится новый диалоговый ящик, и данные радаров будут быстро свернуты. Это означает, что радар обнаруживает транспортные средства и хорошо работает. Держите эту коробку диалога открытой до тех пор, пока коллекция не будет закончена.
      ПРИМЕЧАНИЕ: Транспортное средство может быть захвачено радаром при прохождении радара.
    5. Нажмите Закрыть на диалоговом поле, чтобы закончить коллекцию.
    6. Нажмите Установка Расследования (ru) Окончание расследования, и подтвердить в диалоговом поле. Нажмите кнопку "Закрыть".
    7. Выберите загрузку данных в основном меню. Нажмите Просмотр, чтобы выбрать место для сохранения радиолокационных данных. Ввейте отдельное имя для электронной таблицы. Нажмите кнопку "Начать загрузку", покажет панель прогресса, а после загрузки появится диалоговый ящик. Нажмите Подтвердите, чтобы завершить сбор данных.
    8. Нажмите Установка Расследования (ru) Стереть запись данных,и подтвердить его в следующем диалоговом поле, чтобы очистить внутреннюю память радара.
      ПРИМЕЧАНИЕ: Перед отъездом в место сбора данных необходимо проверить все оборудование. Переместите все оборудование в место сбора данных, если все детали работают хорошо.

3. Сбор данных

  1. Выбор места сбора данных(рисунок 3)
    1. Выберите подходящее место, аналогичное типу пересечения, используемому в исследовании.
      ПРИМЕЧАНИЕ: Это ключевое требование при выборе местоположения. Необходимо учитывать форму местоположения, ситуацию с транспортным потоком, управление светофором и другие элементы управления. Чем больше похож на сайт исследования, тем точнее результаты. Необходимо среднее отверстие разворота на автостраде. Требуется достаточно длинная линия видимости и расчистки, которая необходима для радара и безопасности для следователей. Исходя из расстояния обнаружения радара и остановки транспортного средства, линия видимости должна быть не менее 200 м от места до восходящего направления.
    2. Проверьте расчистку радиолокационного направления. Убедитесь, что нет деревьев, кустарников, пешеходных мостов, дорожных знаков или уличных фонарей в поле зрения.
    3. Убедитесь, что расположение является безопасным местом для оборудования и следователей. Устанавливается ли оборудование на обочине дороги или над дорогой, зависит от рельефа.
    4. Поместите оборудование в уединенное место, чтобы не привлечь внимание водителя.
      ПРИМЕЧАНИЕ: Согласно предыдущему опыту, некоторые водители могут замедлиться, если они видят оборудование для расследования, что приведет к ошибкам. Оборудование для сбора данных можно рассматривать в качестве измерительного устройства для дорожной полиции для измерения превышения скорости транспортных средств.
  2. Сбор данных о трафике
    1. Выберите время сбора.
      1. Соберите 3 ч данных: 1 ч в утреннем пике, 1 ч в полдень долины, и 1 ч в вечернем пике.
      2. Проверьте точное время пика и долины из отчета о дорожном движении, ГИБДД, или компаний дорожного бизнеса25,26 (рисунок 4).
        ПРИМЕЧАНИЕ: Если нет отчета о трафике или анализа в качестве ссылки, соберите 3 ч данных в течение трех периодов, упомянутых выше, и выберите самые высокие данные.
      3. Ввиньи данные с наибольшим объемом трафика за 1 ч в раздел модели моделирования и анализа. Используйте оставшиеся 2 ч данных для проверки в конце.
    2. Настройка оборудования
      1. Отрегулируйте направление радара и установите камеру рядом с радаром, где она может захватить все полосы движения. Повторите процесс установки всего оборудования в разделе 2 на пешеходном мосту.
        ПРИМЕЧАНИЕ: Клиренс перед радаром должен быть как можно более длинным и широким, чтобы охватить весь диапазон разворотных движений. РЛС РЭБ (с востока на запад) сталкивается с транспортным потоком, а радар МЭ (с запада на восток) обращен к хвосту транспортного средства из-за выравнивания дороги(рисунок 5). Нет различий между результатами настройки оборудования на внутренней и внешней стороне полосдвижения. Внутренняя или внешняя сторона радиолокационного расположения влияет только на систему координат фигур траектории с радиолокационными данными. Когда радар сталкивается с транспортным потоком, обнаруженная скорость работы является отрицательной и нуждается в обратном направлении при обработке данных. Когда радар сталкивается с транспортным потоком, обнаруженная скорость бега положительна и может быть использована непосредственно.
      2. Установите радары и камеры так, чтобы они были немного выше, чем ограждения моста, чтобы обеспечить расчистку перед радарами и камерами.
        ПРИМЕЧАНИЕ: Нет необходимости в том, чтобы радары были такими же высокими, как придорожное поселение.
    3. Убедитесь, что время радиолокационных, ноутбуков и камер соответствует реальному времени.
    4. Запустите два радара и камеры одновременно, чтобы запланировать время.
    5. Проверьте, работают ли радары и камеры в обычном режиме каждые 5 минут во время сбора данных, чтобы убедиться, что все детали работают хорошо.
    6. Окончание сбора данных и вывода радиолокационных данных в виде электронной таблицы с идентифицированным именем (таблица 1).

4. Анализ данных

  1. Использование программного обеспечения для расчета для извлечения радиолокационных данных и составления данных о скорости работы и траекториях из электронной таблицы.
    ПРИМЕЧАНИЕ: X/Y координаты и скорость X/Y находятся в таблице.
  2. Удаление явно дискретных точек в цифрах. Эти точки являются ошибками радара.
    ПРИМЕЧАНИЕ: Радар обнаруживает большой диапазон площади, поэтому данные могут содержать транспортные средства мишени, противоположные транспортные средства и немоторные транспортные средства в немоторных полосах движения транспортных средств. При построении всех данных в виде цифр, трехполосные целевые транспортные средства очевидны, а остальные точки являются "очевидно дискретными точками". Области обнаружения прямо на рисунке 3,ширина трех полос известна, и "очевидно, дискретные точки" могут быть удалены в программном обеспечении. Участок необходимые точки, как показано на рисунке 6b,d.
  3. Воспроизведение видео трафика и подсчитать вручную, чтобы получить объем трафика и типы.
    ПРИМЕЧАНИЕ: Транспортные средства могут быть разделены на легковые и грузовые автомобили в зависимости от размера. Все автомобили, такси и небольшие грузовики в пределах 6 м классифицируются здесь как автомобили. Все большие грузовики и автобусы классифицируются как грузовики.
  4. Выберите группу наивысшего объема трафика в качестве репрезентативных данных и введите их в моделирование, описанное в разделе 5.
    ПРИМЕЧАНИЕ: В симуляции и анализе чувствительности требуется только одна группа данных. Данные двух других групп будут смоделированы в качестве проверки.

5. Создание модели моделирования

  1. Строительство дороги
    1. Откройте программное обеспечение для моделирования. Нажмите кнопку Карта в верхней части интерфейса и увеличить карту, чтобы найти местоположение сбора данных.
    2. Нажмите ссылки слева, затем переместите курсор в начальное место ссылки и нажмите правой кнопкой мыши. Выберите Добавить новую ссылку,ввейди имя ссылки и количество полос движения, и нажмите OK. Перетащите курсор, чтобы нарисовать ссылку на карте.
    3. Право нажмите на ссылку и выберите Добавить точку. Добавьте точки и точки перетаскивания, чтобы сделать ссылку более гладкой с реальным выравниванием дороги на карте.
    4. Повторите шаги 5.1.2 и 5.1.3 3x для построения четырех сегментов, за исключением медианного открытия разворота.
    5. Держите правую кнопку мыши и кнопку Ctrl на клавиатуре, а затем перетащите конечную точку одной ссылки на смежную ссылку для подключения ссылок. Эта часть называется "разъем" и может быть более гладкой по мере добавления большего количества очков.
    6. Повторите шаг 5.1.5 для подключения всех ссылок и маршрутов разворота.
  2. Вход нужной скорости
    1. Выберите базовые данные из верхней панели, а затем выберите Дистрибутивы Пожеланная скорость.
    2. Нажмите кнопку "зеленый крест Добавить" внизу, чтобы добавить новую желаемую скорость, а затем назовите ее.
    3. В диалоговом ящике Desired Speed Distributions ввешаем максимальную скорость, собранную из репрезентативных данных, как максимальную нужную скорость, затем ввводя среднюю скорость, рассчитанную на основе репрезентативных данных, как минимальную нужную скорость. Удалите данные по умолчанию.
    4. Ввеждите имя для этой желаемой скорости, которая обычно называется с помощью направления.
    5. Повторите шаги 5.2.3 и 5.2.4 для построения всех желаемых скоростей (WE, EW, WW U-turn и EE U-turn).
  3. Состав автомобиля
    1. Выберите кнопку Списки из верхней панели, а затем нажмите Частный транспорт (ru) Автомобиль Композиции.
    2. Нажмите кнопку "зеленый крест Добавить" внизу, чтобы добавить новую композицию транспортного средства. Выберите нужную скорость, построенную в шаге 5.2 как автомобиль.
    3. Нажмите кнопку зеленый крест Добавить, чтобы добавить автомобиль типа автобуса / грузовика, как HGV. Выберите ту же нужную скорость, что и в шаге 5.3.2.
    4. Ввод объема легковых и грузовых автомобилей на RelFlow из репрезентативных данных.
    5. Повторите шаги 5.3.2-5.3.5 для построения всех композиций транспортных средств (WE, EW, WW U-turn и EE U-turn).
  4. Маршруты транспортных средств
    1. Выберите маршрут транспортного средства из левой панели меню.
    2. Переместите курсор вверх по течению одной ссылки в качестве отправной точки, нажмите правой кнопкой мыши, а затем выберите Добавить новое статическое решение о реутриции транспортного средства.
    3. Перетащите синий курсор, представляющий маршруты транспортных средств, в сборе данных. Повторите этот шаг 4x в WE, EW, WW разворот, и EE разворот, чтобы привлечь все маршруты транспортных средств.
  5. Области снижения скорости
    1. Выберите области с пониженной скоростью из левой панели меню.
    2. Нажмите на правой щелчок вверх по течению разворота открытия, а затем выберите Добавить новые снижение скорости области.
      ПРИМЕЧАНИЕ: Длина области зависит от репрезентативных данных и длины изменения скорости.
    3. Постройте эту область в обоих направлениях.
  6. Конфликтные районы
    1. Выберите зоны конфликта из левой панели меню. Четыре желтые зоны конфликта будут показаны в разделе медианного открытия.
    2. Нажмите правой щелкните одну желтую зону конфликта и выберите Set Status для неопределенных, поскольку реалистичная ситуация и зоны конфликтов покраснеют.
    3. Повторите шаг 5.6.2 для всех четырех районов конфликта.
  7. Измерение времени в пути
    1. Выберите время в пути к транспортному средству из левого бара меню.
    2. Нажмите правой кнопкой мыши в начале одной ссылки и выберите Добавить новое транспортное средство Время в пути измерения.
    3. Перетащите курсор до конца ссылки, чтобы построить одно измерение времени в пути транспортного средства. Повторите этот шаг для всех маршрутов транспортных средств (МЫ, EW, WW U-поворот, и EE разворот).
    4. Назовите каждое измерение времени в пути соответствующим направлением.
      ПРИМЕЧАНИЕ: Чтобы сравнить операционные ситуации с дизайном улучшений, продолжительность измерений времени в пути должна быть одинаковой в обеих моделях моделирования.
  8. Ввод транспортного средства
    1. Выберите входы в транспортное средство из левой панели меню. Нажмите на отправную точку одной ссылки и нажмите правой кнопкой мыши, чтобы добавить новый вход автомобиля.
    2. Переместите мышь в левое дно и объем ввода из репрезентативных данных. Повторите этот шаг для всех ссылок.
  9. Построить еще одну модель моделирования ESUL для сравнения, только разворот открытия часть должна быть изменена(Рисунок 7 и таблица 2).
  10. Нажмите на синюю кнопку воспроизведения в верхней части интерфейса, и начнется моделирование. Перетащите шкалу слева от кнопки воспроизведения, которая может регулировать скорость моделирования.
    ПРИМЕЧАНИЕ: Кнопка прибора Быстрый режим может сделать скорость моделирования до максимума.
  11. Когда моделирование заканчивается, все результаты будут показаны в нижней части интерфейса. Копируйте результаты в новую таблицу. Здесь время в пути, задержка и количество остановок оцениваются в анализе27.

6. Калибровка модели моделирования

  1. Ввиньте объем трафика репрезентативных данных в программное обеспечение моделирования и выполните моделирование(рисунок 8a).
  2. Сравните объем трафика из результатов моделирования с объемом собранных данных.
  3. Рассчитайте емкость с помощью уравнения 1 ниже:
    (1)
    где C обозначает идеальную емкость (veh/h) и ht обозначает средний минимальный уровень (ы).
  4. Используя емкость, оцените ошибку моделирования как среднее абсолютное процентное погрешность (MAPE) после уравнения 2:
    (2)
    где n обозначает четыре различных потока в этом исследовании, Civ — это емкость, смоделированная в модели моделирования (veh/h), а Cif — это способность исследования (veh/h). Расчетный MAPE представлен в таблице 3.
    ПРИМЕЧАНИЕ: Модель моделирования может быть использована, если MAPE небольшой28,29,30.
  5. Изменение параметров (т.е. случайных семян, автомобиль следовать типу модели, правила изменения полосы движения и т.д.) на основе инструкций программного обеспечения моделирования, или проверить все шаги, описанные выше при создании модели моделирования31,32,33,34.

7. Анализ чувствительности

ПРИМЕЧАНИЕ: Процесс анализа чувствительности показан на рисунке 8b. Собранные данные могут отражать только его собственную производительность(рисунок 9, таблица 4, Таблица 5и таблица 6). Чтобы доказать эффективность в любой ситуации, все возможные дорожные ситуации и различные комбинации были влиты в модель моделирования, чтобы гарантировать, что все ситуации охватываются между MUTI и ESUL(рисунок 10 и таблица 7).

  1. Выберите соотношение автомобиля/грузовика (автобуса) и скорость работы репрезентативных данных. Поддерживайте эти параметры.
  2. Установите коэффициент разворота от 0,03-0,15 евро в анализе чувствительности с увеличением на 0,03, что означает пять коэффициентов разворота в анализе чувствительности.
    ПРИМЕЧАНИЕ: Согласно репрезентативным данным в таблице 1,диапазон коэффициента разворота составляет 0,04-0,15.
  3. Установите объем трафика от 0,2-1,0 V/C с увеличением на 693 вэ/ч (0,1 В/С; Таблица 7), что означает девять томов в анализе чувствительности.
    ПРИМЕЧАНИЕ: Максимальный объем движения составляет 6930 вэ/ч в городской автостраде с трехполосным сегментом, соответствующим уровню обслуживания E в соответствии с Руководством по пропускной способности шоссе AASHTO35, когда скорость проектирования составляет 80 км/ч.
  4. Имитировать все 45 ситуаций и сохранить результаты как в нынешней ситуации (MUTI) и улучшение ситуации (ESUL).
  5. Проверить улучшение времени в пути и задержки, вычисляя соотношение - (MUTI - ESUL)/MUTI x 100%. Проверить улучшения в количестве остановок, вычисляя сокращенное время - MUTI - ESUL.
    ПРИМЕЧАНИЕ: В окончательных результатах(Рисунок 10),положительный (Зтт;0) результат означает, что ESUL улучшил дорожную ситуацию, в то время как отрицательный (Злт;0) результат чувствительности представляет обратное.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

На рисунке 2 показана иллюстрация ESUL для медианного открытия разворота. WENS означает четыре кардинальных направления. Главная дорога имеет шесть полос движения с двумя направлениями. Зеленые ремни делят немоторизованную полосу с обеих сторон и делят два направления посередине. Поток 1 с востока на запад через трафик, поток 2 с востока на восток Разворот потока, поток 3 с запада на восток через трафик, и поток 4 с запада на запад разворот движения.

Функции внутренних 2 полос ESUL являются отвлечь, замедлять, разворот, ускорить, искать променад, и объединить разворот транспортных средств. Шпора дамбы часть основной части и отличается от обычных разворот конструкций. Эта часть имеет потенциал, чтобы заставить поток трафика двигаться наружу немного (одна полоса ширины) и отделить через трафик и разворот движения после шпоры дамбы.

Дизайн шпоры дамбы имеет три существенных отличия. Во-первых, он обеспечивает конкретный разворот переулок, чтобы избежать влияния через трафик, перемещая все полосы наружу. По сравнению с разметкой, водители не могут через шпоры дамбы и должны следовать по полосам, чтобы разделить два потока друг от друга36,37. Во-вторых, он максимально использует землю, симметрично проектируя оба двухнаправленных требования разворота. В-третьих, шпора дамба регулирует различные U-поворот радиусы транспортных средств и использует землю гибко.

На рисунке 3 показано место сбора данных, которое является типичным средним отверстием на северо-западном углу второй кольцевой дороги города Сиань в провинции Шэньси, Китай. Петля дороги в этом исследовании состоит из шести полос движения, а ограничение скорости в петли дороги составляет 80 км / ч(рисунок 3a). Ширина полосы движения составляет 3,5 м, средняя ширина - 1,2 м. Средняя секция отверстия 10 м в ширину и 17 м в длину. Две немоторные полосы движения транспортных средств (ширина 9 м) находятся с обеих сторон, и 1,5 м зеленый пояс отделяет их от основных полос движения(рисунок 3b).

Расстояние между восходящими и нистримными развязками вблизи медианного отверстия составляет 5,1 км(рисунок 3a). Так как нет входа или выхода для этого раздела, скорость работы может достигать ограничения скорости после того, как среднее отверстие достигает 200 м. От медианного отверстия он находится на 1,4 км до восходящей развязки и 3,6 км до нисходящего развязки. Транспортные средства делают объезд 10 км (задержка 9 минут не более), если не разповорот аутора предназначен. Транспортные средства разворота должны долго ждать встречи на перекрестке или вынуждены присоединиться, что приводит к задержкам или остановке сквозного движения. На рисунке 4 видно, что утренний пик появляется с 7:00 до 9:00, вечерний пик появляется с 17:00 до 19:00, а долина (за исключением поздней ночи) появляется с 12:00 до 14:00.

Скорость движения с востока на запад показана на рисунке 6a. Открытие разворота происходит на 70 м в горизонтальной оси. Замедление и ускорение очевидны около 70 м, что указывает на то, что транспортные средства пострадали от разворота транспортных средств. Пиковое значение на рисунке 6а составляет менее 80 км/ч, а точки в основном централизованы под 40 км/ч, что указывает на то, что скорость работы была значительно ниже скоростного режима (80 км/ч). На рисунке 6b показаны траектории транспортного потока с востока на запад. На рисунке легко идентифицируются три полосы движения и траектории разворота транспортных средств. Самая низкая траектория темно-синего цвета и шире двух траекторий над ней, что указывает на слияние транспортных средств разворота и транспортных средств. Слияние начинается на 60 м и заканчивается на 40 м, что представляет собой 20-м сегмент слияния. На пробокую движение во внутренней полосе серьезно повлияли транспортные средства разворота.

Рисунок 6c — это скорость потоков с запада на восток. Когда скорость бега достигает 80 м при разворотном открытии, она начинает увеличиваться. Результат указывает на то, что ww разворот поток имел меньшее влияние на Мы через поток, который был из-за движения утечки (а не слияние движения; Рисунок 6b. Точки, начиная с 0 км / ч показывают, что WW разворот транспортных средств вызвало остановки и замедление для целых транспортных средств. На рисунке 6d показаны траектории с запада на восток от сквозного движения и разворота. Секция разворота имеет высокие деревья, которые блокируют радиолокационные сигналы для обнаружения разворотных движений.

На рисунке 7 показана половина конструкции ESUL. Полосы 1 и 4 являются полосами движения, а полосы 2 и 3 являются разворотами. Расчет каждого раздела основан на ранее опубликованных руководящих принципах35,38 иисследованиях 39,40. Раздел AB основан на процессе выравнивания дороги, раздел до н.э. зависит от времени реакции водителей и процедур движения, раздел CD является отвлекающим частью, а раздел DE содержит замедление и расстояние безопасности. Раздел EF предоставляет достаточно места для разворота. Раздел FH и HI содержат ускорение, поиск и комбинированное движение отдельно. Все секции описаны в таблице 2 в соответствии с проектной скоростью 80 км/ч.

Рисунок 10a показывает, что коэффициент времени в пути потока 1 снизился с ESUL при всех комбинациях трафика в пределах 20%-40%. Задержка значительно снизилась на 35%-70%(рисунок 10b). Количество остановок несколько уменьшилось, с максимальным значением 0,4(рисунок 10c). ESUL показал значительное улучшение для РЭБ через трафик во всех ситуациях. Рисунок 9e,f и рисунок 10d показывают результаты чувствительности потока 2 (EE U-turn vehicles). Все три индекса транспортных средств EE U-turn были значительно улучшены. Время в пути, указанное на рисунке 10d, сократилось на 20%-70% с увеличением объема перевозок. Задержки на рисунке 10e сократились больше, чем время в пути, и достигли почти 100% при пиковом значении. Минимальный коэффициент улучшения был больше, чем 70%. Значительное улучшение числа остановок, показанных на рисунке 10f, достигло максимум шести.

Рисунок 9i,j и Рисунок 10h показывают результаты чувствительности потока 3 (МЫ через транспортные средства). С аналогичной тенденцией к потоку 1, поток 3 улучшилось много с ESUL. Время в пути сократилось на 40%-50% на рисунке 10ч. Задержки снизились на 50%-90% на рисунке 10i. Количество остановок только уменьшилось 0,4x максимум на рисунке 10j. В потоке 4, WW разворот транспортных средств и чувствительность результаты показаны на рисунке 9л,м и рисунок 10k. Время в пути сократилось на 20%-60% с увеличением объема трафика(рисунок 10k). На рисунке 10л, задержки увеличились на 1%, когда объем трафика составил 1386 вех/ч, а коэффициент разворота составил 0,06. Задержки значительно сократились на 54%-97% в остальном. Количество остановок уменьшается до 6x максимум(рисунок 10м).

Figure 1
Рисунок 1: Примеры средних разворотных пересечений (MUTIs). Два проекта представляют собой общее разворотное отверстие на дороге, но следует отметить, что транспортные средства разворота могут вызывать транспортные конфликты с проезжающих транспортных средств, будь то в том же потоке или в противоположном направлении. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Figure 2
Рисунок 2: Иллюстрация дизайна ESUL на провинциальном магистрали. W - запад, E - восток, N - север, S и юг. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Figure 3
Рисунок 3: Место сбора данных в медиане на северо-западном углу второй петли дороги в Сиань. Координаты: 108.903898, 34.301482. (a)Схема местоположения исследования. (b)MUTI медианного открытия разворота. Снимок был сделан беспилотником на высоте 150 м. Пожалуйста, нажмите здесь, чтобы посмотреть более крупную версию этой фигуры.

Figure 4
Рисунок 4: 24 ч индекс заторов. ()24 ч заторов тенденция крупных городов с 2015 по 2017 201725. (b)Индекс задержки заторов 24 ч для Сианя22мая, 201925,26. Данные в панели а исходит от 2017 Отчеты по анализу трафика для крупных городов в Китае25, который предоставляется китайским веб-картографический поставщик навигации41. Данные в панели b поступают из индекса перегрузки в режиме реального времени в Сиане22мая 2019года 26. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Figure 5
Рисунок 5: Сбор данных с радаром на пешеходном мосту в месте разворота. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Figure 6
Рисунок 6: Скорость и траектории транспортных потоков. () Скорость транспортных средств с востока на запад. (б)Траектории транспортных средств с востока на запад. (c)Скорость транспортных средств с запада на восток. (d)Траектории транспортных средств с запада на восток. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Figure 7
Рисунок 7: Геометрия дизайна ESUL. Синяя стрелка представляет транспортные средства, движущийся прямо через, а красная стрелка представляет разворот транспортных средств. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Figure 8
Рисунок 8: Flowchart расчета MAPE и чувствительный анализ. () Процесс расчета MAPE. (б)Процесс чувствительного анализа. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Figure 9
Рисунок 9: Сравнение MUTI и ESUL со собранными данными. Сравнение времени в пути(a),задержки(b)и количества остановок(c)с утренним пиком (ч). Сравнение времени в пути(d),задержка(e)и количество остановок(f)со средним полуднем долины (ч). Сравнение времени в пути(ч),задержки(i)и количества остановок(j)с вечерним пиком (ч). Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Figure 10
Рисунок 10: Анализ чувствительности всех потоков, включая РЭБ через, EE разворот, мы через и WW разворот. X-оси - различные объемы трафика, Y-оси - коэффициент разворота, и коэффициент улучшения --оси (коэффициент улучшения - MUTI - ESUL/MUTI x 100%) во времени в пути и задержке, уменьшенное время (сокращение времени - MUTI - ESUL) в количестве остановок. (a-c) EW через поток, (d-f) EE U-поворот потока, (h-j) Мы через поток, и (k-m) WW разворот потока. Каждые три цифры время в пути(a,d,h,k),задержка(b,e,i,l)и количество остановок(c,f,j,m),соответственно. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Элемента Утро (07:00-08:00) Середина дня (13:00–14:00) Вечер (17:00-18:00)
Направление Ew Мы Ew Мы Ew Мы
Потока i no 1 я No 2 я No 3 я No 4 i no 1 я No 2 я No 3 я No 4 i no 1 я No 2 я No 3 я No 4
Автомобилей 4195 172 3442 504 3001 176 2460 402 1665 287 3296 394
Грузовик 86 10 56 16 79 7 60 41 11 6 38 35
Коэффициент разворота 4281:182 3498:520 3080:183 2520:443 1676:293 3334:429
Aver. Скорость 21.5 11.5 22.2 10.5 36.7 12.3 23.7 11.8 29.3 12.8 22.9 12.1
Макс. Скорость 73.8 13.4 63.7 12.8 90.4 15.6 75.9 13.5 76.7 14.6 63.7 13.3
Мин. Скорость 0 0 0 0 0 0 0 0 0 0 0 0

Таблица 1: Собранная информация о транспортном средстве. Минимальная скорость 0 км/ч указывает на то, что некоторые транспортные средства были остановлены перед началом движения.

Элемента Описание
LAB 166 м. Длина для всех потоков для движения наружу немного
Lдо н.э. 185 м. Длина потока я No 4, чтобы распознать знак разворота и принять меры
LCD 50 м. Длина утечки, чтобы отделить поток я No 3 и поток я 4
LDE 42 м. Поток i й 4 длина замедления
LEF Радиус 7,26 м. Ширина разворота для легковых автомобилей
LFH 180 м. Длина ускорения потока i No 4
LHI 140 м. Длина, чтобы искать путь для потока я 4 и сливаются в поток е 1

Таблица 2: Геометрические параметры ESUL. Расчет каждого раздела основан на ранее опубликованных руководящих принципах35,38 иисследованиях 39,40. Значение в таблице 2 входит в модель моделирования для оценки производительности ESUL при проектной скорости 80 км/ч.

Элемента Утро (07:00-08:00) Полдень (13:00–14:00) Вечер (17:00-18:00)
Направление Ew Мы Ew Мы Ew Мы
Потока i no 1 я No 2 я No 3 я No 4 i no 1 я No 2 я No 3 я No 4 i no 1 я No 2 я No 3 я No 4
Инвестировать. Емкость (veh/h) 4281 182 3498 520 3080 183 2520 443 1676 293 3334 429
Имитированная емкость (veh/h) 4115 127 3571 501 3000 169 2484 360 1814 268 3381 409
Индивидуальный 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

Таблица 3: Результаты калибровки моделирования. Калибровка между исследованием и моделированием отображается в таблице. MAPE рассчитывается с использованием уравнения 2, и результаты приемлемы27,30.

Элемента Время в пути (ы) Задержка (ы) Количество остановок
Потока Мути ESUL Тариф (%) Мути ESUL Тариф (%) Мути ESUL Тариф (%)
i no 1 17.7 12.5 -29.4 7.2 4 -44.4 0.19 0 -100
я No 2 33.2 14.1 -57.5 17.4 0.4 -97.7 1 0 -100
я No 3 18.3 9.9 -45.9 5.6 1.6 -71.4 0.06 0 -100
я No 4 27.8 15.7 -43.5 14.8 3 -79.7 0.89 0 -100

Таблица 4: Результаты моделирования MUTI и ESUL с утренними пиковыми данными. В утренний пик, ESUL улучшается значительно больше, чем MUTI. Время в пути сократилось на 29,4%-57,5%. Задержка снизилась на 44,4%-97,7%. Количество остановок полностью уменьшается.

Элемента Время в пути (ы) Задержка (ы) Количество остановок
Потока Мути ESUL Тариф (%) Мути ESUL Тариф (%) Мути ESUL Тариф (%)
i no 1 16.3 11.2 -31.3 5.6 2.8 -50 0.1 0 -100
я No 2 26.7 15.6 -41.6 10.1 1.3 -87.1 0.5 0 -100
я No 3 17.8 10 -43.8 4.9 1.6 -67.3 0.1 0 -100
я No 4 24.4 15 -38.5 11.7 2.9 -75.2 0.7 0 -100

Таблица 5: Результаты моделирования MUTI и ESUL с данными среднего полудня. В полдень время в пути сократилось на 31,3%-43,8%. Задержка снизилась на 50,0%-87,1%, и с ESUL не существует ни одно количество остановок.

Элемента Время в пути (ы) Задержка (ы) Количество остановок
Потока Мути ESUL Тариф (%) Мути ESUL Тариф (%) Мути ESUL Тариф (%)
i no 1 13 9.4 -27.7 2.9 1.1 -62.1 0 0 0
я No 2 37.6 16.3 -56.6 20.7 1.7 -91.8 5.9 0 -100
я No 3 18.3 10.6 -42.1 5.6 2.2 -60.7 0.2 0 -100
я No 4 23 15.5 -32.6 9.5 3.1 -67.4 1.4 0 -100

Таблица 6: Результаты моделирования MUTI и ESUL с данными вечернего пика. С вечерним пиковыми данными время в пути сократилось на 27,7%-56,6%. Задержка снизилась на 60,7%-91,8%. Количество остановок также уменьшается с ESUL.

Элемента Значение
Соотношение автомобилей/грузовиков (автобусов) 4281:182 (EW) / 3498:520 (МЫ)
Коэффициент разворота (%) 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
Объем (вех/ч) 1386 2079 2772 3465 4158 4851 5544 6237 6930

Таблица 7: Параметры, вводимые в анализ чувствительности в моделировании.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

В этой статье обсуждалась процедура решения дорожной проблемы на перекрестке или коротком сегменте с помощью моделирования. Особого внимания заслуживают несколько пунктов, которые обсуждаются здесь более подробно.

Сбор полевых данных – это первое, что заслуживает внимания. Некоторые требования к местоположению сбора данных следующие: 1) Поиск подходящего места для сбора данных. Расположение должно быть похоже на геометрическая форма дороги в исследовании, которое является предпосылкой сбора данных. 2) Определение установленного местоположения радара и другого оборудования путем нахождения достаточного клиренса, где радиолокационные сигналы не могут быть заблокированы. Для обнаружения транспортных операций можно использовать некоторые современные технологии, такие как беспилотные летательные аппараты. Вся зона наблюдения должна быть очищена от барьеров, таких как деревья или архитектура. 3) Наконец, время сбора данных должно быть не менее 3 ч в одном месте. Время должно отражать утренние и вечерние пики, а также ситуацию в долине в день. Время индекса заторов можно получить из наблюдения или от другого надежного транспортного издателя.

Еще одним важным шагом является создание модели моделирования. Точность модели моделирования приведет к различным ошибкам моделирования. Первое, что в модели моделирования разъем. Если одна ссылка на одной стороне разъема движется, разъем может быть не в форме и вторгаться в смежную ссылку или разъем, что может привести к ошибкам. Таким образом, важно пересчитывать разъем при перемещении ссылки.

Другим ключевым шагом является правило конфликта в зоне конфликта. Используйте зоны конфликтов вместо правил приоритета для имитации права пути на перекрестках. По сравнению с правилами приоритета, зоны конфликтов отображаются автоматически, и поэтому их легче отобразить и лучше отражать поведение вождения. Правило конфликта должно быть таким же, как и сбор данных, и каждая область конфликта должна быть установлена с соответствующими правилами. Последним важным шагом является корректировка параметров, касающихся поведения при вождении, когда ошибка моделирования (MAPE) является большой. Поведение вождения имеет несколько индивидуальных параметров, и небольшое изменение каждого параметра может привести к положительному или отрицательному воздействию на результаты. Это ключ к корректировке различных параметров тщательно и неоднократно.

Обычно время в пути, задержка и количество остановок являются наиболее распространенными используемыми индексами при оценке эксплуатационных характеристик в моделировании. Многие другие индексы также могут быть получены из моделирования (т.е. объем транспортного средства, выбросы выхлопных газов, расход топлива, запись пешеходов, оценка безопасности, поведение транспортного средства, маршруты транспортных средств, координаты и т.д.). Важно выбрать соответствующие индексы оценки в соответствии с различными экспериментальными потребностями. Другие индексы, за исключением трех вышеперечисленных, которые наиболее часто используются, могут привести к новым результатам исследований или методам.

Использование "быстрого режима" при выполнении моделирования может позволить симуляции достичь максимальной скорости и сэкономить время, особенно во время чувствительного анализа. Таким образом, необходимы десятки симуляций. Результат моделирования остается неизменным независимо от того, какая скорость моделирования выбрана.

Есть две основные области для будущих приложений. Одним из приложений является решение проблем трафика и оценка одного или нескольких конструкций трафика на перекрестке или коротком сегменте. Моделирование помогает оценить микроскопическое поведение движения, будь то транспортные средства, пешеходы, изменения инфраструктуры или измерения управления движением. Во-вторых, этот процесс является достаточным практическим руководством для тех, кто проводит исследования в области дорожного движения. Эти положения помогают получить точные и надежные данные об измерениях моделирования дорожного движения.

Этот метод также имеет некоторые ограничения. Во-первых, радар может обнаружить прямое направление, и это требует, чтобы целевой сегмент также прямой. Радар не может быть использован для изогнутых сегментов, как пандусы. Во-вторых, радар требует достаточного разрешения для обнаружения транспортных средств. Однако в реальной среде всегда есть деревья или рекламные щиты, которые блокируют сигнал. Трудно найти подходящее место для радиолокационного поселения. Кроме того, когда объем трафика большой или транспортные средства находятся близко друг к другу, радар не может отличить транспортные средства, и подсчет вручную от видео является единственным вариантом, который много работы. Эффективность и точность могут быть улучшены, если протокол также использует метод, который может считать и классифицировать транспортные средства автоматически.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Авторам нечего раскрывать.

Acknowledgments

Авторы хотели бы признать, что Китайский стипендиальный совет за частичное финансирование этой работы был с файлом No 201506560015.

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).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics