Author Produced

Avaliação de um design exclusivo de Giro de Dpur dike com dados coletados por radar e simulação

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

Este protocolo descreve o processo de resolução de um problema microscópico de tráfego com simulação. Todo o processo contém uma descrição detalhada da coleta de dados, análise de dados, construção de modelo de simulação, calibração de simulação e análise sensível. Modificações e solução de problemas do método também são discutidos.

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

Os projetos tradicionais de retorno u podem melhorar os recursos operacionais, obviamente, enquanto desvios u-turn e segmentos de fusão ainda causam congestionamentos, conflitos e atrasos. Um projeto exclusivo de dpur dike U-turn lane (ESUL) é proposto aqui para resolver as desvantagens dos designs tradicionais de u-turn. Para avaliar o desempenho da operação do ESUL, é necessário um protocolo de simulação de trânsito. Todo o processo de simulação inclui cinco etapas: coleta de dados, análise de dados, construção de modelo de simulação, calibração de simulação e análise sensível. A coleta de dados e a construção do modelo de simulação são dois passos críticos e são descritos mais tarde em maior detalhe. Três índices (tempo de viagem, atraso e número de paradas) são comumente utilizados na avaliação, e outros parâmetros podem ser medidos a partir da simulação de acordo com as necessidades experimentais. Os resultados mostram que o ESUL diminui significativamente as desvantagens dos projetos tradicionais de volta do U. A simulação pode ser aplicada para resolver problemas de tráfego microscópicos, como em cruzamentos únicos ou diversos adjacentes ou segmentos curtos. Este método não é adequado para redes rodoviárias de maior escala ou avaliações sem coleta de dados.

Introduction

Alguns problemas de trânsito, como congestionamento de tráfego em um cruzamento ou segmento curto, podem ser resolvidos ou melhorados otimizando o projeto da estrada, alterar o tempo do sinal, medidas de gerenciamento de tráfego e outras tecnologias de transporte1,2,3,4. Essas melhorias têm um efeito positivo ou negativo nas operações de fluxo de tráfego em comparação com as situações originais. As mudanças nas operações de tráfego podem ser comparadas em software de simulação de tráfego e não na reconstrução real do cruzamento ou segmento. O método de simulação de tráfego é uma opção rápida e barata quando um ou mais planos de melhoria são propostos, especialmente quando se comparam diferentes planos de melhoria ou avaliando a eficácia das melhorias. Este artigo introduz o processo de resolução de um problema de tráfego com simulação, avaliando características operacionais do fluxo de tráfego de um projeto exclusivo de pista u-turn5.

O movimento u-turn é uma demanda generalizada de tráfego que requer uma abertura mediana da curva U na estrada, mas isso tem sido debatido. Projetar uma abertura de giro de u pode causar congestionamento no trânsito, enquanto fechar a abertura da curva U pode causar desvios para os veículos em giro u. Dois movimentos, veículos de giro u e veículos diretos à esquerda, exigem uma abertura de giro de u e causam atrasos no trânsito, paradas ou até mesmo acidentes. Algumas tecnologias foram propostas para resolver as desvantagens dos movimentos de giro u, como sinalização6,7, faixas exclusivas à esquerda8,9, e veículos autônomos10,11. O potencial de melhoria ainda existe em questões de retorno de U, devido às soluções acima ter aplicações restritivas. Um novo design de giro de U pode ser uma solução melhor certas condições e ser capaz de resolver os problemas existentes.

O design u-turn mais popular é a intersecção mediana u-turn (MUTI)12,13,14,15, como mostrado na Figura 1. Uma limitação significativa do MUTI é que não pode distinguir veículos de giro de u de veículos que passam e que o conflito de tráfego ainda existe16,17. Um design modificado de u-turn chamado de pista exclusiva de giro u-turn (ESUL; Figura 2) é proposto aqui e visa diminuir o congestionamento do tráfego introduzindo uma faixa exclusiva de u-turn em ambos os lados de uma mediana. O ESUL pode reduzir significativamente o tempo de viagem, os atrasos e o número de paradas devido à sua canalização dos dois fluxos.

Para provar que o ESUL é mais eficiente que o MUTI normal, é necessário um protocolo rigoroso. O ESUL não pode ser realmente construído antes de um modelo teórico; assim, é necessária a simulação18. Usando parâmetros de fluxo de tráfego, alguns modelos-chave têm sido utilizados na pesquisa de simulação19, como os modelos de comportamento de condução20,21, carro seguindo os modelos22,23, modelos U-turn4, e modelos de mudança de faixa21. A precisão das simulações de fluxo de tráfego é amplamente aceita16,24. Neste estudo, tanto o MUTI quanto o ESUL são simulados com dados coletados para comparar melhorias feitas pelo ESUL. Para garantir a precisão, também é simulada uma análise sensível do ESUL, que pode se aplicar a muitas situações de trânsito diferentes.

Este protocolo apresenta procedimentos experimentais para resolver problemas reais de trânsito. São propostos os métodos de coleta de dados de tráfego, análise de dados e análise da eficiência geral das melhorias no tráfego. O procedimento pode ser resumido em cinco etapas: 1) coleta de dados de tráfego, 2) análise de dados, 3) construção de modelo de simulação, 4) calibração do modelo de simulação e 5) análise de sensibilidade do desempenho operacional. Se qualquer um desses requisitos nas cinco etapas não for cumprido, o processo é incompleto e insuficiente para provar eficácia.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Preparação do equipamento

  1. Prepare dois de cada um dos seguintes dispositivos para coletar fluxos de tráfego de duas direções: radares, laptops, baterias e cabos para radares e laptops, câmeras e tripés de radar e câmera.
    NOTA: O radar e seu software correspondente são usados para coletar velocidade e trajetória do veículo, e isso é mais preciso do que uma arma de velocidade. O radar não é a única escolha se outros equipamentos estão disponíveis para coleta de velocidade, trajetória e volume do veículo. Como os sinais de radar podem ser facilmente bloqueados por veículos grandes, vídeos filmados por câmeras podem ser usados para contagem de veículos. Durante a investigação, se o tempo estiver chuvoso ou ensolarado, é necessária proteção do equipamento. Especialmente em um dia ensolarado, o equipamento pode atingir uma alta temperatura e desligar, de modo que um guarda-chuva ou equipamento de resfriamento é necessário para esta situação.

2. Teste do equipamento

  1. Certifique-se de que todos os investigadores estão usando coletes reflexivos.
  2. Prepare o tripé do radar e amplie o mais alto possível. Coloque o tripé mais alto que 2 m para evitar que os sinais sejam bloqueados na beira da estrada.
  3. Instale o radar em cima do tripé e bloqueie o radar.
  4. Defina o radar cerca de 0,5 m ao lado da beira da estrada, ajuste o radar verticalmente e enfrente a direção do veículo ou sentido oposto. Mantenha o ângulo entre a estrada e o radar o menor possível.
    NOTA: O radar pode detectar 200 m no máximo. Se o radar estiver muito próximo da pista, pode passar por cima dos veículos que passam. Assim, 0,5-1,0 m é a distância usual até a pista.
  5. Ligue a bateria de energia e conecte o laptop à bateria de energia. Conecte o cabo de alimentação do radar e conecte os dados de radar USB ao laptop. Quando todos os cabos estiverem conectados, ligue o laptop.
  6. Coloque a câmera ao lado do radar para disparar o fluxo do veículo.
  7. Abrindo o software de radar
    1. Clique em verificar a comunicaçãoe selecione o número de ID do radar na lista de queda. Ele mostrará radar detectado com um número de id.
    2. Clique na configuração da Investigação. No menu pop-up, clique em Ler o tempo de RLUe o tempo do Dispositivo à esquerda mudará. Em seguida, clique em Configurar o tempo rlu, e o tempo atual do PC à esquerda também mudará.
    3. Click Start investigation, e o status de funcionamento do dispositivo mudará de registro de dados não está em andamento e nenhum dado no dispositivo para registro de dados em processo e Dados no dispositivo. Clique em fechar esta caixa de diálogo.
    4. Clique na visualização do Realtime para verificar o status do radar. Uma nova caixa de diálogo será exibida, e os dados do radar serão revertidos rapidamente. Isso significa que o radar está detectando os veículos e funciona bem. Mantenha esta caixa de diálogo aberta até que a coleção esteja concluída.
      NOTA: O veículo pode ser capturado pelo radar ao passar pelo radar.
    5. Clique em Fechar a caixa de diálogo para finalizar a coleção.
    6. Clique na configuração da investigação | Terminea investigação e confirme na caixa de diálogo. Clique no botão Fechar.
    7. Selecione Download de dados no menu principal. Clique em Procurar selecionar um local para salvar os dados do radar. Insira um nome individual para a planilha. Clique no botão iniciar o download, uma barra de progresso será exibida, e uma caixa de diálogo aparecerá após o download. Clique em Confirmar para concluir a coleta de dados.
    8. Clique na configuração da investigação | Apagueo registro de dados e confirme-o na próxima caixa de diálogo para limpar a memória interna do radar.
      NOTA: Um teste de todos os equipamentos é necessário antes da partida para o local de coleta de dados. Mova todo o equipamento para o local de coleta de dados se todas as peças funcionarem bem.

3. Coleta de dados

  1. Seleção de localização de coleta de dados (Figura 3)
    1. Selecione um local adequado semelhante ao tipo de intersecção usado na pesquisa.
      NOTA: Este é o requisito chave na seleção de localização. A forma do local, a situação do fluxo de tráfego, o controle do semáforo e outros controles são necessários em consideração. Quanto mais semelhante o local de estudo, mais precisos são os resultados. Uma abertura mediana de retorno na rodovia é necessária. Uma linha de visão e liberação suficientemente longas são necessárias, o que é necessário para radar e segurança para os investigadores. Com base na distância de detecção do radar e da distância de parada do veículo, a linha de visão deve estar a pelo menos 200 metros do local até uma direção a montante.
    2. Verifique a liberação da direção do radar. Certifique-se de que não há árvores, arbustos, passarelas, placas de trânsito ou postes à vista.
    3. Certifique-se de que o local é um lugar seguro para os equipamentos e investigadores. Se o equipamento está situado na beira da estrada ou acima da estrada depende do terreno.
    4. Coloque o equipamento em um local isolado para evitar ganhar a atenção do motorista.
      NOTA: De acordo com a experiência prévia, alguns motoristas podem diminuir a velocidade se virem o equipamento de investigação, o que levará a erros. Os equipamentos de aquisição de dados podem ser considerados como um dispositivo de medição para a polícia de trânsito medir veículos em alta velocidade.
  2. Coleta de dados de tráfego
    1. Escolha o tempo de coleta.
      1. Coletar 3 h de dados: 1 h no pico da manhã, 1 h ao meio-dia de vale, e 1h no pico da noite.
      2. Confira o horário preciso do pico e do vale do relatório de pesquisa de trânsito, departamento de polícia de trânsito ou empresas de negócios de tráfego25,26 (Figura 4).
        NOTA: Se não houver relatório de tráfego ou análise como referência, colete 3h de dados durante os três períodos mencionados acima e escolha os dados mais altos.
      3. Insira os dados com maior volume de tráfego durante um período de 1h no modelo de simulação e na seção de análise. Use os 2h restantes de dados para verificação no final.
    2. Configuração do equipamento
      1. Ajuste a direção do radar e ajuste a câmera ao lado do radar onde ela pode capturar todas as pistas. Repita o processo de instalação de todos os equipamentos na seção 2 na ponte de pedestres.
        NOTA: A liberação antes do radar deve ser o mais longo e largo possível para cobrir toda a gama de movimentos u-turn. O radar EW (leste a oeste) enfrenta o fluxo de tráfego, e o radar WE (oeste a leste) enfrenta as caudas do veículo devido ao alinhamento rodoviário(Figura 5). Não há diferenças entre os resultados da instalação do equipamento no lado interno versus externo das pistas. O lado interno ou externo da localização do radar afeta apenas o sistema de coordenadas de figuras de trajetória com dados de radar. Quando o radar enfrenta o fluxo de tráfego, a velocidade de execução detectada é negativa e precisa ser revertida durante o processamento de dados. Quando o radar enfrenta o fluxo de tráfego, a velocidade de execução detectada é positiva e pode ser usada diretamente.
      2. Defina os radares e câmeras para que sejam ligeiramente mais altos que as grades da ponte para garantir a liberação perante os radares e câmeras.
        NOTA: Não há necessidade de os radares serem tão altos quanto o assentamento na estrada.
    3. Certifique-se de que o tempo dos radares, laptops e câmeras são consistentes com o tempo real.
    4. Inicie dois radares e câmeras simultaneamente para agendar o tempo.
    5. Verifique se os radares e câmeras funcionam normalmente a cada 5 min durante a coleta de dados para garantir que todas as peças funcionem bem.
    6. Acabe com a coleta de dados e a saída dos dados do radar como planilha com nome identificado (Tabela 1).

4. Análise de dados

  1. Usando software de cálculo para extrair os dados do radar e desenhar dados de velocidade de operação e trajetórias da planilha.
    NOTA: Coordenadas X/Y e velocidade X/Y estão na planilha.
  2. Exclua pontos obviamente discretos nos números. Esses pontos são erros de radar.
    NOTA: O radar detecta uma grande gama de área, de modo que os dados podem conter veículos-alvo, veículos opostos e veículos não motorizados em faixas de veículos não motorizados. Ao traçar todos os dados como números, os veículos-alvo de três pistas são óbvios, e os pontos restantes são "obviamente pontos discretos". As áreas de detecção estão diretamente na Figura 3,a largura das três pistas é conhecida, e os "pontos obviamente discretos" podem ser excluídos no software. Traçar os pontos necessários, como mostrado na Figura 6b,d.
  3. Reproduza os vídeos de tráfego e conte manualmente para obter o volume de tráfego e os tipos.
    NOTA: Os veículos podem ser divididos em carros e caminhões de acordo com o tamanho. Todos os carros, táxis e caminhões pequenos dentro de 6 m são classificados aqui como carros. Todos os caminhões e ônibus grandes são classificados como caminhões.
  4. Selecione o grupo de maior volume de tráfego como dados representativos e insira-os na simulação descrita na seção 5.
    NOTA: Apenas um grupo de dados é necessário na análise de simulação e sensibilidade. Os dados dos outros dois grupos serão simulados como verificação.

5. Construindo o modelo de simulação

  1. Construção da estrada
    1. Abra o software de simulação. Clique no botão Mapear na parte superior da interface e ampliar o mapa para encontrar o local de coleta de dados.
    2. Clique em Links à esquerda e, em seguida, mova o cursor para o local inicial do link e clique à direita. Selecione Adicionar novo link,inserir o nome do link e o número de pistas e clicar em OK. Arraste o cursor para desenhar o link no mapa.
    3. Clique no link e selecione Adicionar ponto. Adicione pontos e pontos de arrasto para tornar o link mais suave com o alinhamento real da estrada no mapa.
    4. Repita as etapas 5.1.2 e 5.1.3 3x para construir quatro segmentos, com exceção da abertura mediana da u-turn.
    5. Segure o botão direito do mouse e do botão Ctrl no teclado e, em seguida, arraste o ponto final de um link para o link adjacente para conectar os links. Esta parte é chamada de "conector" e pode ser mais suave à medida que mais pontos são adicionados.
    6. Repita o passo 5.1.5 para conectar todos os links e rotas de giro u.
  2. Entrada da velocidade desejada
    1. Selecione Dados básicos da barra superior e selecione Distribuições | Velocidade desejada.
    2. Clique no botão de adicionar cruz verde na parte inferior para adicionar uma nova velocidade desejada, em seguida, nomeá-lo.
    3. Na caixa de diálogo Distribuições de Velocidade Desejada, insira a velocidade máxima coletada dos dados representativos como a velocidade máxima desejada, em seguida, insira a velocidade média calculada dos dados representativos como a velocidade mínima desejada. Exclua os dados padrão.
    4. Insira um nome para esta velocidade desejada, que geralmente é nomeado usando uma direção.
    5. Repita as etapas 5.2.3 e 5.2.4 para construir todas as velocidades desejadas (WE, EW, WW U-turn e EE U-turn).
  3. Composição do veículo
    1. Selecione o botão Listas na barra superior e clique em Transporte Privado | Composições de Veículos.
    2. Clique no botão de adicionar cruz verde na parte inferior para adicionar uma nova composição do veículo. Selecione a velocidade desejada construída na etapa 5.2 como Carro.
    3. Clique no botão de adicionar cruz verde adicionar o tipo veículo de ônibus/caminhão como HGV. Selecione a mesma velocidade desejada feita na etapa 5.3.2.
    4. Insira o volume de carros e caminhões na RelFlow a partir dos dados representativos.
    5. Repita as etapas 5.3.2-5.3.5 para construir todas as composições do veículo (WE, EW, WW U-turn e EE U-turn).
  4. Rotas de veículos
    1. Selecione A Rota do Veículo na barra de menu sobra.
    2. Mova o cursor para o upstream de um link como ponto de partida, clique com o botão direito e selecione Adicionar nova decisão de roteamento de veículo estático.
    3. Arraste o cursor azul representando as rotas do veículo na coleta de dados. Repita esta etapa 4x em WE, EW, WW U-turn e EE U-turn para desenhar todas as rotas de veículos.
  5. Áreas de velocidade reduzida
    1. Selecione Áreas de Velocidade Reduzida seleto simesmor áreas de velocidade reduzidas na barra de menu sobra.
    2. Clique com o botão direito na abertura da u-turn e selecione Adicionar nova áreade velocidade reduzida .
      NOTA: O comprimento da área depende dos dados representativos e do comprimento da mudança de velocidade.
    3. Construa esta área em ambas as direções.
  6. Áreas de conflito
    1. Selecione Áreas de Conflito na barra de menu sobra. Quatro áreas de conflito amarelo serão mostradas na seção mediana de abertura.
    2. Clique à direita em uma área de conflito amarelo e selecione Status de Conjunto para Indeterminado à medida que a situação realista e as áreas de conflito ficam vermelhas.
    3. Repita a etapa 5.6.2 para todas as quatro áreas de conflito.
  7. Medição do tempo de viagem
    1. Selecione Os tempos de viagem do veículo na barra do menu esquerdo.
    2. Clique com o botão direito no início de um link e selecione Adicionar nova medição de tempo de viagem do veículo.
    3. Arraste o cursor até o final do link para construir a medição do tempo de viagem de um veículo. Repita este passo para todas as rotas de veículos (WE, EW, WW U-turn e EE U-turn).
    4. Nomeie cada medição de tempo de viagem com a direção correspondente.
      NOTA: Para comparar as situações operacionais com projetos de melhoria, o comprimento das medições de tempo de viagem precisa ser o mesmo em ambos os modelos de simulação.
  8. Entrada do veículo
    1. Selecione entradas do veículo na barra de menu sobra. Clique no ponto de partida de um link e clique direito para adicionar nova entrada do veículo.
    2. Mova o mouse para a parte inferior esquerda e o volume de entrada a partir de dados representativos. Repita este passo para todos os links.
  9. Construa outro modelo de simulação ESUL como comparação, apenas a peça de abertura u-turn precisa ser modificada(Figura 7 e Tabela 2).
  10. Clique no botão de reprodução azul na parte superior da interface, e a simulação começará. Arraste a balança à esquerda do botão de reprodução, que pode ajustar a velocidade de simulação.
    NOTA: O botão de instrumento O modo rápido pode fazer a velocidade de simulação ao máximo.
  11. Quando a simulação terminar, todos os resultados serão mostrados na parte inferior da interface. Copie os resultados em uma nova planilha. Aqui, o tempo de viagem, o atraso e o número de paradas são avaliados na análise27.

6. Calibração do modelo de simulação

  1. Insira o volume de tráfego dos dados representativos em software de simulação e realize a simulação (Figura 8a).
  2. Compare o volume de tráfego dos resultados da simulação com o volume de dados coletados.
  3. Calcule a capacidade usando a Equação 1 abaixo:
    (1)
    onde C denota a capacidade ideal (veh/h) e ht denota o avanço mínimo médio (s).
  4. Usando a capacidade, estimao o erro de simulação como o erro absoluto médio (MAPE) seguindo a Equação 2:
    (2)
    onde n denota os quatro fluxos diferentes neste estudo, Civ é a capacidade simulada no modelo de simulação (veh/h), e Cif é a capacidade da investigação (veh/h). O MAPE calculado é apresentado na Tabela 3.
    NOTA: O modelo de simulação pode ser usado se o MAPE for pequeno28,29,30.
  5. Modifique os parâmetros (ou seja, sementealeatória, tipo de modelo de seguimento de carro, regra de mudança de faixa, etc.) com base em instruções do software de simulação, ou verifique todas as etapas descritas acima ao construir o modelo de simulação31,32,33,34.

7. Análise de sensibilidade

NOTA: O processo de análise de sensibilidade é mostrado na Figura 8b. Os dados coletados só podem refletir seu próprio desempenho (Figura 9, Tabela 4, Tabela 5e Tabela 6). Para comprovar a eficácia em todas as situações, todas as situações de trânsito possíveis e diferentes combinações foram inseridas no modelo de simulação para garantir que todas as situações sejam cobertas entre o MUTI e o ESUL (Figura 10 e Tabela 7).

  1. Selecione a relação carro/caminhão (ônibus) e a velocidade de operação dos dados representativos. Mantenha esses parâmetros.
  2. Defina a relação u-turn de ~0,03-0,15 na análise de sensibilidade com um aumento de 0,03, o que significa cinco relações u-turn na análise de sensibilidade.
    NOTA: De acordo com os dados representativos da Tabela 1,a faixa da taxa de u-turn é de 0,04-0,15.
  3. Definir o volume de tráfego de ~0.2-1.0 V/C com um aumento de 693 veh/h (0,1 V/C; Tabela 7), que significa nove volumes na análise de sensibilidade.
    NOTA: O volume máximo de tráfego é de 6.930 veh/h em uma rodovia urbana com um segmento de três pistas, correspondendo ao nível de serviço E de acordo com o Manual de Capacidade Rodoviária35 da AASHTO, quando a velocidade de projeto é de 80 km/h.
  4. Simule todas as 45 situações e salve os resultados tanto na situação atual (MUTI) quanto na melhor situação (ESUL).
  5. Verifique melhorias no tempo de viagem e atrasos calculando a proporção = (MUTI - ESUL)/MUTI x 100%. Verifique melhorias no número de paradas calculando tempo reduzido = MUTI - ESUL.
    NOTA: Nos resultados finais (Figura 10),resultado positivo (>0) significa que o ESUL melhorou a situação do tráfego, enquanto um resultado negativo (<0) representa o contrário.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

A Figura 2 mostra a ilustração do ESUL para abertura mediana do U-turn. Wens significa quatro direções cardeal. A estrada principal tem seis pistas com dois sentidos. Os greenbelts dividem a pista não motorizada em ambos os lados e dividem as duas direções no meio. O fluxo 1 é de leste a oeste através do tráfego, o fluxo 2 é leste para leste de fluxo u-turn, fluxo 3 é oeste a leste através do tráfego, e o fluxo 4 é oeste para oeste u-turn tráfego.

As funções das 2 pistas internas do ESUL são desviar, desacelerar, u-turn, acelerar, procurar o avanço e fundir os veículos u-turn. A parte do dique de esporão é a parte central e é diferente dos designs comuns de u-turn. Esta parte tem o potencial de forçar o fluxo de tráfego a se mover ligeiramente para fora (largura de uma faixa) e separar o tráfego através do tráfego e u-turn após o dique de esporão.

O design de dique spur tem três diferenças significativas. Primeiro, fornece uma pista específica de u-turn para evitar influência através do tráfego, movendo toda a pista para fora. Em comparação com as marcas, os motoristas não podem atravessar o dique e devem seguir as pistas para dividir os dois fluxos separados36,37. Em segundo lugar, ele usa a terra ao projetar simetricamente ambas as demandas de duas direções. Em terceiro lugar, o dique de esporão ajusta diferentes raios u-turn de veículos e usa a terra de forma flexível.

A Figura 3 mostra a localização da coleta de dados, que é uma típica abertura mediana no canto noroeste da segunda estrada da cidade de Xi'an na província de Shaanxi, China. A estrada de loop nesta pesquisa consiste em seis pistas, e a limitação de velocidade na estrada de loop é de 80 km/h (Figura 3a). A largura da pista é de 3,5 m e a largura média é de 1,2 m em média. A seção média de abertura tem 10 m de largura e 17 m de comprimento. Duas faixas de veículos não motorais (9 m de largura) estão em ambos os lados, e um cinturão verde de 1,5 m as divide das faixas principais (Figura 3b).

A distância entre os intercâmbios a montante e a jusante perto da abertura mediana é de 5,1 km(Figura 3a). Como não há entrada ou saída para esta seção, a velocidade de operação pode atingir o limite de velocidade após a abertura mediana chegar a 200 m. Desde a abertura mediana, é de 1,4 km até o intercâmbio a montante e 3,6 km até o intercâmbio a jusante. Os veículos fazem um desvio de 10 km (atraso de 9 min no máximo) se nenhuma abertura de u-turn for projetada. Os veículos de giro de u devem esperar por muito tempo quando se reunirem no cruzamento ou forem forçados a participar, resultando em atrasos ou parando de tráfego. A Figura 4 mostra que o pico da manhã aparece das 7:00 às 9:00, o pico da noite aparece das 17:00 às 19:00, e o vale (excluindo o final da noite) aparece das 12:00 às 14:00.

As velocidades de todo o tráfego de leste a oeste são mostradas na Figura 6a. A abertura da u-turn ocorre a ~70 m no eixo horizontal. A desaceleração e aceleração são óbvias perto de 70 m, o que indica que os veículos foram afetados por veículos de giro u. O valor máximo na Figura 6a é inferior a 80 km/h, e os pontos são centralizados principalmente abaixo de 40 km/h, o que indica que a velocidade de operação foi muito menor do que o limite de velocidade (80 km/h). A Figura 6b mostra as trajetórias do fluxo de tráfego de leste a oeste. As três pistas e trajetórias de veículos u-turn são identificadas facilmente na figura. A trajetória mais baixa é azul escuro e mais largo do que as duas trajetórias acima dela, indicando a fusão entre os veículos u-turn e através de veículos. O movimento de fusão começa em 60 m e termina em 40 m, o que representa um segmento de fusão de 20 m. O tráfego no interior foi afetado seriamente por veículos em curva U.

Figura 6c é a velocidade dos fluxos de oeste para leste. Quando a velocidade de corrida atinge 80 m na abertura da curva U, ela começa a aumentar. O resultado indica que o fluxo de u-turn da WW teve uma influência menor na WE via fluxo que se deveu ao movimento de desvio (em vez de se fundir ao movimento; Figura 6b. Os pontos a partir de 0 km/h indicam que os veículos u-turn da WW causaram paradas e desaceleração para veículos inteiros. A Figura 6D mostra as trajetórias de oeste a leste do tráfego de tráfego e u-turn. A seção U-turn tem árvores altas, que bloqueiam os sinais de radar para detectar movimentos de giro de U.

A Figura 7 mostra metade do design do ESUL. As faixas 1 e 4 são via tráfego, e as faixas 2 e 3 são vias U-turn. O cálculo de cada seção baseia-se nas diretrizes publicadas anteriormente35,38 e estudos39,40. O trecho AB é baseado em um processo de alinhamento rodoviário, o trecho BC depende dos tempos de reação e procedimentos de movimento dos motoristas, o CD do trecho é a parte de desvio, e o trecho DE contém desaceleração e distância de segurança. A Seção EF fornece espaço suficiente para u-turn. A seção FH e o HI contêm aceleração, localização de headway e movimento combinado separadamente. Todas as seções são descritas na Tabela 2 de acordo com uma velocidade de projeto de 80 km/h.

A Figura 10a mostra que a relação tempo de viagem do fluxo 1 diminuiu com o ESUL todas as combinações de tráfego entre 20% e 40%. O atraso diminuiu consideravelmente em 35%-70%(Figura 10b). O número de paradas diminuiu ligeiramente, com valor máximo de 0,4 (Figura 10c). O ESUL apresentou uma melhora significativa para o tráfego de EW em todas as situações. Figura 9e.f e Figura 10d mostram os resultados de sensibilidade do fluxo 2 (veículos EE U-turn). Todos os três índices de veículos EE U-turn foram muito melhorados. O tempo de viagem mostrado na Figura 10D diminuiu 20%-70% com o aumento do volume de tráfego. Os atrasos na Figura 10e diminuíram mais do que o tempo de viagem e atingiram quase 100% no valor máximo. A taxa de melhora mínima foi superior a 70%. Uma melhora significativa para o número de paradas mostradas na Figura 10f atingiu seis no máximo.

Figura 9i,j e Figura 10h mostram os resultados de sensibilidade do fluxo 3 (WE através de veículos). Com uma tendência semelhante ao flow 1, o fluxo 3 melhorou muito com o ESUL. O tempo de viagem diminuiu 40%-50% na Figura 10h. Os atrasos diminuíram em 50%-90% na Figura 10i. O número de paradas só diminuiu 0,4x no máximo na Figura 10j. No fluxo 4, os veículos u-turn da WW e os resultados de sensibilidade são mostrados na Figura 9l,m e Figura 10k. O tempo de viagem diminuiu em ~20%-60% com o aumento do volume de tráfego(Figura 10k). Na Figura 10l,os atrasos aumentaram 1% quando o volume de tráfego foi de 1.386 veh/h, e a relação U-turn foi de 0,06. Os atrasos diminuíram significativamente em 54%-97% no escopo de repouso. O número de paradas diminui para 6x no máximo (Figura 10m).

Figure 1
Figura 1: Exemplos de intersecções medianas de u-turn (MUTIs). Dois projetos representam a abertura comum de retorno na estrada, mas deve-se notar que os veículos em curva u podem causar conflitos de tráfego com veículos que passam, seja no mesmo ou sentido oposto. Clique aqui para ver uma versão maior deste valor.

Figure 2
Figura 2: Ilustração do projeto ESUL na rodovia provincial trunk. W = oeste, E = leste, N = norte, S = sul. Clique aqui para ver uma versão maior deste valor.

Figure 3
Figura 3: Localização de coleta de dados em uma mediana na estrada de segunda alça da esquina noroeste em Xi'an. Coordenadas: 108.903898, 34.301482. A)localização da investigação esquemática. (b)O MUTI da abertura mediana do Retorno u. A imagem foi tirada por um drone na altura de 150 m. Clique aqui para ver uma versão maior deste valor.

Figure 4
Figura 4: índice de congestionamento de 24 h. aA tendência de congestionamento de 24 h das principais cidades de 2015 a 201725. (b) O índice de atraso de congestionamento de 24 h para Xi'an em22de maio de 201925,26. Os dados no painel vêm dos Relatórios de Análise de Tráfego de 2017 para grandes cidades na China25, que é fornecido por um provedor chinês de navegação de mapeamento web41. Os dados do painel B vêm do índice de congestionamento em tempo real em Xi'an em22de maio de 201926. Clique aqui para ver uma versão maior deste valor.

Figure 5
Figura 5: Coleta de dados com radar em uma ponte de pedestres no local de giro u. Clique aqui para ver uma versão maior deste valor.

Figure 6
Figura 6: Velocidade e trajetórias de fluxos de tráfego. aVelocidade dos veículos de leste a oeste. (b) Trajetórias de veículos de leste a oeste. (c) Velocidade dos veículos de oeste a leste. dTrajetórias de veículos de oeste a leste. Clique aqui para ver uma versão maior deste valor.

Figure 7
Figura 7: Geometria do design ESUL. A seta azul representa veículos que viajam direto, e a seta vermelha representa veículos de giro u. Clique aqui para ver uma versão maior deste valor.

Figure 8
Figura 8: Fluxograma de cálculo MAPE e análise sensível. aProcesso de cálculo da MAPE. bProcesso de análise sensível. Clique aqui para ver uma versão maior deste valor.

Figure 9
Figura 9: Comparação entre MUTI e ESUL com dados coletados. Comparação do tempo de viagem (a),atraso(b) e número de paradas(c) com pico matinal (h). Comparação do tempo de viagem (d),atraso(e) e número de paradas(f) com vale do meio do meio-dia (h). Comparação do tempo de viagem(h),atraso(i) e número de paradas(j) com pico noturno (h). Clique aqui para ver uma versão maior deste valor.

Figure 10
Figura 10: Análise de sensibilidade de todos os fluxos, incluindo EW através, EE U-turn, WE through e WW U-turn. Eixo X = diferentes volumes de tráfego, eixo Y = relação U-turn e z-eixo = razão de melhoria (razão = [MUTI - ESUL]/MUTI x 100%) em tempo de viagem e atraso, tempos reduzidos (tempos reduzidos = MUTI - ESUL) em número de paradas. (a-c) EW através do fluxo,(d-f) EE U-turn flow,(h-j) WE através do fluxo, e (k-m) WW U-turn flow. A cada três números são o tempo de viagem (a,d,h,k), atraso (b,e,i,l) e o número de paradas (c,f,j,m), respectivamente. Clique aqui para ver uma versão maior deste valor.

Item Manhã (07:00-08:00) Meio-dia (13:00-14:00) Noite (17:00-18:00)
Direção Ew Nós Ew Nós Ew Nós
Fluxo i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4
Carro 4195 172 3442 504 3001 176 2460 402 1665 287 3296 394
Caminhão 86 10 56 16 79 7 60 41 11 6 38 35
Relação u-turn 4281:182 3498:520 3080:183 2520:443 1676:293 3334:429
Aver. Velocidade 21.5 11.5 22.2 10.5 36.7 12.3 23.7 11.8 29.3 12.8 22.9 12.1
Max. Velocidade 73.8 13.4 63.7 12.8 90.4 15.6 75.9 13.5 76.7 14.6 63.7 13.3
Velocidade min. 0 0 0 0 0 0 0 0 0 0 0 0

Tabela 1: Informações coletadas do veículo. Uma velocidade mínima de 0 km/h indica que alguns veículos foram parados antes de começar a se mover.

Item Descrição
LAB Comprimento de 166 m. para todos os fluxos se moverligeiramente para fora
LBC 185 m. Comprimento para fluxo i = 4 para reconhecer o sinal u-turn e tomar medidas
CD l 50 m. Comprimento de desvio para separar fluxo i = 3 e fluxo i = 4
LDE 42 m. Flow i = 4 comprimento de desaceleração
LEF Raio = largura de u-turn de 7,26 m. para carros de passeio
LFH 180 m. Comprimento de aceleração do fluxo i = 4
LHI 140 m. O comprimento para procurar um avanço para o fluxo i = 4 e fundir-se no fluxo i = 1

Tabela 2: Parâmetros geométricos do ESUL. O cálculo de cada seção baseia-se nas diretrizes publicadas anteriormente35,38 e estudos39,40. O valor na Tabela 2 é inserido no modelo de simulação para avaliar o desempenho do ESUL a uma velocidade de design de 80 km/h.

Item Manhã (07:00-08:00) Meio-dia (13:00-14:00) Noite (17:00-18:00)
Direção Ew Nós Ew Nós Ew Nós
Fluxo i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4
Investir. Capacidade (veh/h) 4281 182 3498 520 3080 183 2520 443 1676 293 3334 429
Capacidade Simulada (veh/h) 4115 127 3571 501 3000 169 2484 360 1814 268 3381 409
MAPA Individual (%) -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

Tabela 3: Resultados de calibração de simulação. A calibração entre a investigação e a simulação é mostrada na tabela. O MAPE é calculado usando a Equação 2, e os resultados são aceitáveis27,30.

Item Tempo de viagem (s) Atraso (s) Número de paradas
Fluxo Muti ESUL Taxa (%) Muti ESUL Taxa (%) Muti ESUL Taxa (%)
i = 1 17.7 12.5 -29.4 7.2 4 -44.4 0.19 0 -100
i = 2 33.2 14.1 -57.5 17.4 0.4 -97.7 1 0 -100
i = 3 18.3 9.9 -45.9 5.6 1.6 -71.4 0.06 0 -100
i = 4 27.8 15.7 -43.5 14.8 3 -79.7 0.89 0 -100

Tabela 4: Resultados de simulação de MUTI e ESUL com dados de pico matinal. No pico da manhã, o ESUL melhora significativamente mais do que o MUTI. O tempo de viagem diminuiu 29,4%-57,5%. O atraso diminuiu 44,4%-97,7%. O número de paradas está completamente diminuído.

Item Tempo de viagem (s) Atraso (s) Número de paradas
Fluxo Muti ESUL Taxa (%) Muti ESUL Taxa (%) Muti ESUL Taxa (%)
i = 1 16.3 11.2 -31.3 5.6 2.8 -50 0.1 0 -100
i = 2 26.7 15.6 -41.6 10.1 1.3 -87.1 0.5 0 -100
i = 3 17.8 10 -43.8 4.9 1.6 -67.3 0.1 0 -100
i = 4 24.4 15 -38.5 11.7 2.9 -75.2 0.7 0 -100

Tabela 5: Resultados de simulação de MUTI e ESUL com dados do meio-dia. Ao meio-dia, o tempo de viagem diminuiu 31,3%-43,8%. O atraso diminuiu de 50,0%-87,1% e não existe número de paradas com o ESUL.

Item Tempo de viagem (s) Atraso (s) Número de paradas
Fluxo Muti ESUL Taxa (%) Muti ESUL Taxa (%) Muti ESUL Taxa (%)
i = 1 13 9.4 -27.7 2.9 1.1 -62.1 0 0 0
i = 2 37.6 16.3 -56.6 20.7 1.7 -91.8 5.9 0 -100
i = 3 18.3 10.6 -42.1 5.6 2.2 -60.7 0.2 0 -100
i = 4 23 15.5 -32.6 9.5 3.1 -67.4 1.4 0 -100

Tabela 6: Resultados de simulação de MUTI e ESUL com dados de pico noturno. Com os dados do pico da noite, o tempo de viagem diminuiu 27,7%-56,6%. O atraso diminuiu 60,7%-91,8%. O número de paradas também diminui com o ESUL.

Item Valor
Relação carro/caminhão(ônibus) 4281:182 (EW) / 3498:520 (WE)
Relação u-turn (%) 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
Volume (veh/h) 1386 2079 2772 3465 4158 4851 5544 6237 6930

Tabela 7: Entrada de parâmetros na análise de sensibilidade na simulação.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Neste artigo, foi discutido o procedimento de resolução de um problema de trânsito em um cruzamento ou segmento curto utilizando simulação. Vários pontos merecem atenção especial e são discutidos com mais detalhes aqui.

A coleta de dados de campo é a primeira coisa que merece atenção. Alguns requisitos para localização de coleta de dados são os seguintes: 1) Encontrar um local adequado para coleta de dados. O local deve ser semelhante à forma geométrica da estrada no estudo, que é a premissa da coleta de dados. 2) Determinação da localização definida do radar e outros equipamentos, encontrando uma liberação suficiente, onde os sinais de radar não podem ser bloqueados. Algumas tecnologias de última geração podem ser usadas, como drones, para detectar operações de trânsito. Toda a área de observação deve estar livre de barreiras, como árvores ou arquitetura. 3) Finalmente, o tempo de coleta de dados deve ser de pelo menos 3h em um local. O tempo deve refletir os picos da manhã e da noite, bem como a situação do vale no dia. O tempo do índice de congestionamento pode ser obtido a partir de observação ou de outro editor de transporte confiável.

A construção do modelo de simulação é outro passo crítico. A precisão do modelo de simulação levará a diferentes erros de simulação. A primeira coisa no modelo de simulação é o conector. Se um link de um lado do conector se mover, o conector pode estar fora de forma e intrusão refeitos no link ou conector adjacente, o que pode resultar em erros. Por isso, é importante recalcular o conector sempre que a movimentação de um link for necessária.

Outro passo fundamental é a regra do conflito na área de conflito. Use áreas de conflito em vez de regras prioritárias para simular o direito de passagem nas intersecções. Em comparação com as regras prioritárias, as áreas de conflito são exibidas automaticamente e, portanto, são mais fáceis de editar e refletir melhor o comportamento de condução. A regra do conflito deve ser a mesma que a coleta de dados, e todas as áreas de conflito devem ser definidas com regras correspondentes. O último passo crítico é o ajuste dos parâmetros relativos aos comportamentos de condução quando o erro de simulação (MAPE) é grande. Os comportamentos de condução têm vários parâmetros individuais, e uma pequena mudança em cada parâmetro pode levar a um impacto positivo ou negativo sobre os resultados. É fundamental ajustar os vários parâmetros com cuidado e repetidamente.

Normalmente, o tempo de viagem, o atraso e o número de paradas são índices usados mais comuns na avaliação dos recursos operacionais na simulação. Muitos outros índices também podem ser obtidos a partir da simulação (ou seja, volume de veículos, emissão de escape, consumo de combustível, registro de pedestres, avaliação de segurança, comportamento do veículo, rotas de veículos, coordenadas, etc.). É importante selecionar os índices de avaliação correspondentes de acordo com as diferentes necessidades experimentais. Outros índices, exceto os três acima que são mais comumente utilizados, podem levar a novos achados ou métodos de pesquisa.

Usar o "modo rápido" ao realizar a simulação pode permitir que a simulação atinja a velocidade mais alta e economize tempo, especialmente durante a análise sensível. Assim, são necessárias dezenas de simulações. O resultado da simulação permanece o mesmo, não importa qual velocidade de simulação seja escolhida.

Há duas grandes áreas para aplicações futuras. Uma aplicação é a resolução de problemas de tráfego e avaliação de um ou mais projetos de tráfego em um cruzamento ou segmento curto. A simulação ajuda a avaliar comportamentos microscópicos de tráfego, seja ela que inclui veículos, pedestres, modificações de infraestrutura ou medições de gerenciamento de tráfego. Em segundo lugar, o processo fornece um guia de prática suficiente para quem realiza pesquisas de trânsito. As disposições ajudam a obter dados precisos e robustos sobre medidas de simulação de tráfego.

Este método também tem algumas limitações. Primeiro, o radar pode detectar uma direção reta, e isso requer que o segmento alvo também seja reto. O radar não pode ser usado para segmentos curvos, como rampas. Em segundo lugar, o radar requer autorização suficiente para detectar os veículos. No entanto, no ambiente real, há sempre árvores ou outdoors que bloqueiam o sinal. É difícil encontrar um lugar adequado para o assentamento de radares. Além disso, quando o volume de tráfego é grande ou os veículos estão próximos uns dos outros, o radar não pode distinguir os veículos, e contar manualmente a partir do vídeo é a única opção, que é muito trabalho. Eficiência e precisão podem ser melhoradas se o protocolo também usar um método que pode contar e classificar os veículos automaticamente.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Os autores não têm nada para divulgar.

Acknowledgments

Os autores gostariam de reconhecer que o Conselho de Bolsas da China para financiar parcialmente este trabalho estava com o arquivo 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