Author Produced

Evaluatie van een exclusieve Spur Dike U-Turn Design met radarverzamelde gegevens en simulatie

JoVE Journal
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

Dit protocol beschrijft het proces van het oplossen van een microscopisch verkeersprobleem met simulatie. Het hele proces bevat een gedetailleerde beschrijving van het verzamelen van gegevens, gegevensanalyse, simulatiemodelbouw, simulatiekalibratie en gevoelige analyse. Wijzigingen en het oplossen van problemen met de methode worden ook besproken.

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

Traditionele U-turn ontwerpen kunnen de operationele functies uiteraard verbeteren, terwijl U-turn omleidingen en samenvoegen segmenten nog steeds verkeersopstoppingen, conflicten en vertragingen veroorzaken. Een exclusieve spur dijk U-turn lane design (ESUL) wordt hier voorgesteld om de nadelen van traditionele U-turn ontwerpen op te lossen. Om de operationele prestaties van ESUL te evalueren, is een verkeerssimulatieprotocol nodig. Het hele simulatieproces omvat vijf stappen: gegevensverzameling, gegevensanalyse, simulatiemodelbouw, simulatiekalibratie en gevoelige analyse. Het verzamelen van gegevens en het bouwen van simulatiemodellen zijn twee kritieke stappen en worden later in meer detail beschreven. Drie indexen (reistijd, vertraging en aantal stops) worden vaak gebruikt in de evaluatie, en andere parameters kunnen worden gemeten uit de simulatie op basis van experimentele behoeften. De resultaten tonen aan dat de ESUL de nadelen van traditionele U-turn ontwerpen aanzienlijk vermindert. De simulatie kan worden toegepast om microscopische verkeersproblemen op te lossen, zoals in enkele of meerdere aangrenzende kruispunten of korte segmenten. Deze methode is niet geschikt voor grootschaligere wegennetwerken of evaluaties zonder gegevensverzameling.

Introduction

Sommige verkeersproblemen, zoals verkeersopstoppingen op een kruispunt of kort segment, kunnen worden opgelost of verbeterd door het wegontwerp, de signaaltiming van het wisselsignaal, de metingen van het verkeersbeheer en andere vervoerstechnologieën1,2,3,4te optimaliseren. Deze verbeteringen hebben een positief of negatief effect op de verkeersstroomactiviteiten in vergelijking met de oorspronkelijke situaties. De veranderingen in verkeersactiviteiten kunnen worden vergeleken in verkeerssimulatiesoftware in plaats van in de daadwerkelijke reconstructie van het kruispunt of segment. De verkeerssimulatiemethode is een snelle en goedkope optie wanneer een of meer verbeterplannen worden voorgesteld, vooral bij het vergelijken van verschillende verbeterplannen of het evalueren van de effectiviteit van verbeteringen. Dit artikel introduceert het proces van het oplossen van een verkeersprobleem met simulatie door het evalueren van de verkeersstroom operationele kenmerken van een exclusieve spur dijk U-turn lane ontwerp5.

U-bocht beweging is een wijdverbreide vraag naar verkeer dat een U-bocht mediaan opening op de weg vereist, maar dit is besproken. Het ontwerpen van een U-bocht opening kan leiden tot verkeersopstoppingen, terwijl het sluiten van de U-bocht opening kan leiden tot omleidingen voor de U-turn voertuigen. Twee bewegingen, U-bocht voertuigen en directe linksaf voertuigen, vereisen een U-bocht opening en veroorzaken vertragingen, stops, of zelfs ongevallen. Sommige technologieën zijn voorgesteld om de nadelen van U-draaibewegingen op te lossen, zoals signalering6,7, exclusieve linkerrijstroken8,9en autonome voertuigen10,11. Verbeteringspotentieel bestaat nog steeds bij Problemen met u-turn, als gevolg van de bovenstaande oplossingen met beperkende toepassingen. Een nieuw U-turn ontwerp kan onder bepaalde voorwaarden een betere oplossing zijn en bestaande problemen kunnen aanpakken.

Het meest populaire U-turn ontwerp is de mediane U-turn intersection (MUTI)12,13,14,15, zoals weergegeven in figuur 1. Een belangrijke beperking van het MUTI is dat het geen u-draaivoertuigen van passerende voertuigen kan onderscheiden en dat het verkeersconflict nog steedsbestaat 16,17. Een aangepast U-turn ontwerp genaamd de exclusieve spur dijk U-turn lane (ESUL; Figuur 2) wordt hier voorgesteld en heeft tot doel de verkeersopstoppingen te verminderen door aan beide zijden van een mediaan een exclusieve U-bochtbaan in te voeren. De ESUL kan de reistijd, vertragingen en het aantal stops aanzienlijk verminderen vanwege de kanaalisatie van de twee stromen.

Om te bewijzen dat de ESUL efficiënter is dan de normale MUTI, is een rigoureus protocol nodig. De ESUL kan niet daadwerkelijk worden gebouwd vóór een theoretisch model; simulatie is dus nodig18. Met behulp van traffic flow parameters, zijn sommige belangrijke modellen gebruikt in simulatie onderzoek19, zoals rijgedrag modellen20,21, auto volgende modellen22,23, U-turn modellen4, en lane change modellen21. De nauwkeurigheid van verkeersstroomsimulaties wordt algemeen aanvaard16,24. In deze studie worden zowel de MUTI als esul gesimuleerd met verzamelde gegevens om verbeteringen van de ESUL te vergelijken. Om de nauwkeurigheid te garanderen, wordt ook een gevoelige analyse van de ESUL gesimuleerd, die kan gelden voor veel verschillende verkeerssituaties.

Dit protocol presenteert experimentele procedures voor het oplossen van echte verkeersproblemen. De methoden voor het verzamelen van verkeersgegevens, gegevensanalyse en analyse van de algehele efficiëntie van verkeersverbeteringen worden voorgesteld. De procedure kan worden samengevat in vijf stappen: 1) het verzamelen van verkeersgegevens, 2) data-analyse, 3) simulatiemodel build, 4) kalibratie van simulatiemodel en 5) gevoeligheidsanalyse van de operationele prestaties. Als niet aan een van deze vereisten in de vijf stappen wordt voldaan, is het proces onvolledig en onvoldoende om de effectiviteit te bewijzen.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Voorbereiding van de uitrusting

  1. Bereid twee van elk van de volgende apparaten voor om tweerichtingsverkeersstromen te verzamelen: radars, laptops, batterijen en kabels voor radars en laptops, camera's en radar- en camerastatieven.
    OPMERKING: De radar en de bijbehorende software worden gebruikt om de snelheid en het traject van het voertuig te verzamelen, en dit is nauwkeuriger dan een snelheidspistool. De radar is niet de enige keuze als er andere apparatuur beschikbaar is voor het verzamelen van voertuigsnelheid, baan en volume. Aangezien radarsignalen gemakkelijk kunnen worden geblokkeerd door grote voertuigen, kunnen video's die door camera's zijn gemaakt, worden gebruikt voor het tellen van voertuigen. Tijdens het onderzoek, als het weer regenachtig of zonnig is, is bescherming van de apparatuur nodig. Vooral op een zonnige dag kan de apparatuur een hoge temperatuur bereiken en worden uitgeschakeld, dus voor deze situatie is een paraplu of koelapparatuur nodig.

2. Beproeving van de apparatuur

  1. Zorg ervoor dat alle onderzoekers reflecterende vesten dragen.
  2. Bereid het radarstatief voor en breid het zo hoog mogelijk uit. Stel het statief groter dan 2 m om te voorkomen dat signalen worden geblokkeerd op de weg.
  3. Installeer de radar op het statief en vergrendel de radar.
  4. Stel de radar ongeveer 0,5 m naast de weg, pas de radar verticaal, en het gezicht van het voertuig richting of tegenovergestelde richting. Houd de hoek tussen de weg en de radar zo klein mogelijk.
    LET OP: De radar kan hooguit 200 m detecteren. Als de radar te dicht bij de rijstrook is ingesteld, kan deze over de passerende voertuigen waaien. Zo is 0,5−1.0 m de gebruikelijke afstand tot de baan.
  5. Schakel de batterij aan en sluit de laptop aan op de batterij. Sluit de radarstroomkabel aan en sluit de radargegevens USB aan op de laptop. Wanneer alle kabels zijn aangesloten, schakelt u de laptop in.
  6. Stel de camera naast de radar om de doorstroming van het voertuig te schieten.
  7. Het openen van de radarsoftware
    1. Klik op Communicatiecontroleen selecteer vervolgens het radar-ID-nummer in de vervolgkeuzelijst. Het toont Radar Gedetecteerd met een ID-nummer.
    2. Klik op Instelling Onderzoek. Klik in het pop-upmenu op RLU-tijd lezenen de apparaattijd aan de linkerkant wordt gewijzigd. Klik vervolgens op RLU-tijd instellenen ook de huidige pc-tijd aan de linkerkant wordt gewijzigd.
    3. Klik op Onderzoek startenen de werkstatus van het apparaat wordt gewijzigd van gegevensopname gaat niet door en er worden geen gegevens in apparaat naar gegevensopname in de procedure en gegevens in het apparaat. Klik op Sluiten om dit dialoogvenster te sluiten.
    4. Klik op de realtime-weergave om de radarstatus te controleren. Er wordt een nieuw dialoogvenster weergegeven en de radargegevens worden snel opgerold. Dit betekent dat de radar de voertuigen detecteert en goed werkt. Houd dit dialoogvenster open totdat de verzameling is voltooid.
      LET OP: Het voertuig kan worden vastgelegd door de radar bij het passeren van de radar.
    5. Klik op Sluiten in het dialoogvenster om de verzameling te voltooien.
    6. Klik op Instelling Onderzoek | Onderzoek beëindigenen bevestigen in het dialoogvenster. Klik op de knop Sluiten.
    7. Selecteer Gegevens downloaden in het hoofdmenu. Klik op Bladeren om een plaats te selecteren om de radargegevens op te slaan. Voer een individuele naam in voor de spreadsheet. Klik op de knop Downloaden starten, er wordt een voortgangsbalk weergegeven en er verschijnt een dialoogvenster na het downloaden. Klik op Bevestigen om het verzamelen van gegevens te voltooien.
    8. Klik op Instelling Onderzoek | Gegevensrecord wissenen bevestigen in het volgende dialoogvenster om het interne geheugen van de radar te wissen.
      OPMERKING: Voor vertrek naar de locatie van het verzamelen van gegevens is een test van alle apparatuur nodig. Verplaats alle apparatuur naar de locatie voor het verzamelen van gegevens als alle onderdelen goed werken.

3. Verzamelen van gegevens

  1. Selectie van de locatie van het verzamelen van gegevens (figuur 3)
    1. Selecteer een geschikte locatie die vergelijkbaar is met het snijtype dat in het onderzoek wordt gebruikt.
      OPMERKING: Dit is de belangrijkste vereiste in locatieselectie. De vorm van de locatie, verkeersstroomsituatie, verkeerslichtcontrole en andere controles zijn allemaal nodig in overweging. Hoe meer op de onderzoekslocatie lijkt, hoe nauwkeuriger de resultaten. Een U-bocht mediaan opening op de snelweg is nodig. Een voldoende lange lijn van zicht en speling zijn vereist, die noodzakelijk is voor radar en veiligheid voor onderzoekers. Op basis van de detectieafstand van de radar en de stopafstand van het voertuig moet de zichtlijn ten minste 200 m van de locatie naar een stroomopwaartse richting liggen.
    2. Controleer de speling van de radarrichting. Zorg ervoor dat er geen bomen, struiken, loopbruggen, verkeersborden of straatverlichting in zicht zijn.
    3. Zorg ervoor dat de locatie een veilige plek is voor de apparatuur en onderzoekers. Of de apparatuur langs de weg of boven de weg is ingesteld, hangt af van het terrein.
    4. Plaats de apparatuur op een afgelegen plaats om te voorkomen dat de aandacht van de bestuurder.
      OPMERKING: Volgens eerdere ervaring, sommige bestuurders kunnen vertragen als ze zien het onderzoek apparatuur, wat zal leiden tot fouten. De apparatuur voor het verzamelen van gegevens kan worden beschouwd als een meetapparaat voor de verkeerspolitie om snelheidsvoertuigen te meten.
  2. Verzameling van verkeersgegevens
    1. Kies de afhaaltijd.
      1. Verzamel 3 uur aan gegevens: 1 uur in de ochtendspits, 1 uur 's middags en 1 uur in de avondspits.
      2. Controleer de nauwkeurige piek- en daltijd uit het rapport over verkeersonderzoek, verkeerspolitie of verkeersbedrijven25,26 (figuur 4).
        OPMERKING: Als er geen verkeersrapport of -analyse als referentie is, verzamelt u 3 uur gegevens tijdens de drie bovengenoemde perioden en kiest u de hoogste gegevens.
      3. Voer de gegevens met het hoogste verkeersvolume over een periode van 1 uur in in de simulatiemodel- en analysesectie. Gebruik de resterende 2 uur aan gegevens voor verificatie aan het einde.
    2. Opstelling van de apparatuur
      1. Pas de radarrichting aan en stel de camera naast de radar in waar hij alle rijstroken kan vastleggen. Herhaal het proces van het installeren van alle apparatuur in sectie 2 op de voetgangersbrug.
        OPMERKING: De klaring voor de radar moet zo lang en breed mogelijk zijn om het hele bereik van U-turn bewegingen te dekken. De EW (oost naar west) radar wordt geconfronteerd met de verkeersstroom, en de WE (van west naar oost) radar gezichten in de richting van het voertuig staarten als gevolg van aanpassing van de weg (Figuur 5). Er zijn geen verschillen tussen de resultaten van het opzetten van de apparatuur aan de binnen-vs. buitenzijde van de rijstroken. De binnen- of buitenzijde van de radarlocatie beïnvloedt alleen het coördinatensysteem van trajectfiguren met radargegevens. Wanneer de radar wordt geconfronteerd met de verkeersstroom, is de gedetecteerde loopsnelheid negatief en moet deze tijdens de gegevensverwerking worden omgekeerd. Wanneer de radar wordt geconfronteerd met de verkeersstroom, is de gedetecteerde loopsnelheid positief en kan direct worden gebruikt.
      2. Stel de radars en camera's zo in dat ze iets groter zijn dan de leuningen van de brug om de speling vóór de radars en camera's te garanderen.
        LET OP: Het is niet nodig dat de radars zo hoog zijn als de bermregeling.
    3. Zorg ervoor dat de timing van de radars, laptops en camera's consistent zijn met real-time.
    4. Start twee radars en camera's tegelijk om tijd te plannen.
    5. Controleer of de radars en camera's normaal elke 5 min werken tijdens het verzamelen van gegevens om ervoor te zorgen dat alle onderdelen goed werken.
    6. De gegevensverzameling beëindigen en de radargegevens uitvoeren als een spreadsheet met een geïdentificeerde naam(tabel 1).

4. Gegevensanalyse

  1. Met behulp van berekeningssoftware om de radargegevens te extraheren en de operationele snelheid en trajecten cijfers uit de spreadsheet te halen.
    OPMERKING: X/Y-coördinaten en X/Y-snelheid staan in de spreadsheet.
  2. Verwijder uiteraard discrete punten in de cijfers. Deze punten zijn radarfouten.
    OPMERKING: De radar detecteert een groot gebied, zodat de gegevens doelvoertuigen, tegenovervoertuigen en niet-motorvoertuigen in rijstroken van niet-motorvoertuigen kunnen bevatten. Bij het plotten van alle gegevens als cijfers, de drie-lane doel voertuigen zijn duidelijk, en de resterende punten zijn "uiteraard discrete punten". De detectiegebieden zijn recht in figuur 3,de breedte van de drie rijstroken is bekend, en de "uiteraard discrete punten" kunnen worden verwijderd in de software. De nodige punten, zoals aangegeven in figuur 6b,d.
  3. Speel de verkeersvideo's opnieuw af en tel handmatig om het verkeersvolume en de typen te verkrijgen.
    LET OP: Voertuigen kunnen worden onderverdeeld in auto's en vrachtwagens op maat. Alle auto's, taxi's en kleine vrachtwagens binnen 6 m zijn hier geclassificeerd als auto's. Alle grote vrachtwagens en bussen zijn geclassificeerd als vrachtwagens.
  4. Selecteer de hoogste verkeersvolumegroep als representatieve gegevens en voer deze in in de simulatie beschreven in sectie 5.
    OPMERKING: Er is slechts één groep gegevens nodig in de simulatie- en gevoeligheidsanalyse. Gegevens van de andere twee groepen worden gesimuleerd als verificatie.

5. Bouwen van het simulatiemodel

  1. Aanleg van de weg
    1. Open de simulatiesoftware. Klik op Knop Kaart boven aan de interface en zoom in op de kaart om de locatie van de gegevensverzameling te vinden.
    2. Klik op Links aan de linkerkant, verplaats de cursor naar de beginlocatie van de koppeling en klik met de rechtermuisknop. Selecteer Nieuwe koppeling toevoegen, voer de koppelingsnaam en het aantal rijstroken in en klik op OK. Sleep de cursor om de koppeling op de kaart te tekenen.
    3. Klik met de rechtermuisknop op de koppeling en selecteer Punt toevoegen. Voeg punten toe en sleep punten om de koppeling soepeler te maken met echte uitlijning van de weg in de kaart.
    4. Herhaal stap 5.1.2 en 5.1.3 3x om vier segmenten te bouwen, met uitzondering van de U-turn mediane opening.
    5. Houd de rechterknop van de muis en de ctrl-knop op het toetsenbord ingedrukt en sleep het eindpunt van één koppeling naar de aangrenzende koppeling om de koppelingen aan te sluiten. Dit deel wordt de "connector" genoemd en kan soepeler zijn naarmate er meer punten worden toegevoegd.
    6. Herhaal stap 5.1.5 om alle koppelingen en U-turn routes aan te sluiten.
  2. Invoer van de gewenste snelheid
    1. Selecteer Basisgegevens op de bovenste balk en selecteer vervolgens Distributies | Gewenste snelheid.
    2. Klik op de knop Toevoegen onderin om een nieuwe gewenste snelheid toe te voegen en geef deze vervolgens een naam.
    3. Voer in het dialoogvenster Gewenste snelheidsverdelingen de maximale snelheid in die uit de representatieve gegevens wordt verzameld als de maximaal gewenste snelheid en voert vervolgens de gemiddelde snelheid in die vanuit de representatieve gegevens als de minimaal gewenste snelheid wordt berekend. Verwijder de standaardgegevens.
    4. Voer een naam in voor deze gewenste snelheid, die meestal wordt genoemd met behulp van een richting.
    5. Herhaal stappen 5.2.3 en 5.2.4 om alle gewenste snelheden te bouwen (WE, EW, WW U-turn en EE U-turn).
  3. Samenstelling van het voertuig
    1. Selecteer de knop Lijsten op de bovenste balk en klik op Privévervoer | Voertuigsamenstellingen.
    2. Klik op de knop Toevoegen onderin op de knop Toevoegen om een nieuwe voertuigsamenstelling toe te voegen. Selecteer de gewenste snelheid ingebouwd in stap 5.2 als auto.
    3. Klik op de knop Toevoegen met groen en kruis om de bus/vrachtwagen van het voertuigtype als HGVtoe te voegen. Selecteer dezelfde gewenste snelheid als in stap 5.3.2.
    4. Breng het volume van auto's en vrachtwagens bij RelFlow in op basis van de representatieve gegevens.
    5. Herhaal stappen 5.3.2-5.3.5 om alle voertuigsamenstellingen te bouwen (WE, EW, WW U-turn en EE U-turn).
  4. Voertuigroutes
    1. Selecteer Voertuigroute in de linkermenubalk.
    2. Verplaats de cursor naar de upstream van één koppeling als het beginpunt en klik met de rechtermuisknop en selecteer vervolgens De beslissing over nieuwe statische voertuigroutering toevoegen.
    3. Sleep de blauwe cursor die de voertuigroutes in het verzamelen van gegevens vertegenwoordigt. Herhaal deze stap 4x in WE, EW, WW U-turn en EE U-turn om alle voertuigroutes te tekenen.
  5. Gebieden met een verlaagde snelheid
    1. Selecteer Gebieden met beperkte snelheid in de linkermenubalk.
    2. Klik met de rechtermuisknop op de stroomopwaarts van u-turn opening en selecteer vervolgens Nieuw gebied met beperkte snelheid toevoegen.
      OPMERKING: De lengte van het gebied is afhankelijk van de representatieve gegevens en de snelheid te wijzigen lengte.
    3. Bouw dit gebied in beide richtingen.
  6. Conflictgebieden
    1. Selecteer Conflictgebieden in de linkermenubalk. Vier gele conflictgebieden worden weergegeven in het mediaan openingsgedeelte.
    2. Klik met de rechtermuisknop op één geel conflictgebied en selecteer Status instellen op Onbepaald als de realistische situatie en conflictgebieden rood worden.
    3. Herhaal stap 5.6.2 voor alle vier conflictgebieden.
  7. Reistijdmeting
    1. Selecteer Voertuigreistijden in de linkermenubalk.
    2. Klik met de rechtermuisknop aan het begin van één koppeling en selecteer Reistijdmeting voor nieuwe voertuigen toevoegen.
    3. Sleep de cursor naar het einde van de koppeling om de reistijdmeting van één voertuig te bouwen. Herhaal deze stap voor alle voertuigroutes (WE, EW, WW U-turn en EE U-turn).
    4. Noem elke reistijdmeting met de bijbehorende richting.
      OPMERKING: Om de bedrijfssituaties te vergelijken met verbeterontwerpen, moet de lengte van de reistijdmetingen in beide simulatiemodellen hetzelfde zijn.
  8. Voertuiginvoer
    1. Selecteer Voertuigingangen in de linkermenubalk. Klik op het startpunt van één koppeling en klik met de rechtermuisknop om nieuwe voertuiginvoer toe te voegen.
    2. Verplaats de muis naar links onder en invoer volume van representatieve gegevens. Herhaal deze stap voor alle links.
  9. Bouw een ander ESUL-simulatiemodel als vergelijking, alleen het U-turn openingsonderdeel moet worden gewijzigd(figuur 7 en tabel 2).
  10. Klik op de blauwe afspeelknop boven aan de interface en de simulatie wordt gestart. Sleep de weegschaal links van de afspeelknop, die de simulatiesnelheid kan aanpassen.
    OPMERKING: De knop Snel van het instrument kan de simulatiesnelheid maximaal maken.
  11. Wanneer de simulatie eindigt, worden alle resultaten onder aan de interface weergegeven. Kopieer de resultaten naar een nieuwe spreadsheet. Hier worden reistijd, vertraging en het aantal stops geëvalueerd in de analyse27.

6. Kalibratie van simulatiemodel

  1. Voer het verkeersvolume van de representatieve gegevens in in simulatiesoftware en voer de simulatie uit (figuur 8a).
  2. Vergelijk het verkeersvolume van de simulatieresultaten met het verzamelde gegevensvolume.
  3. Bereken de capaciteit met vergelijking 1 hieronder:
    (1)
    waar C de ideale capaciteit (veh/h) aangeeft en ht de gemiddelde minimale vooruitgang (s) aangeeft.
  4. Met behulp van de capaciteit, schatten de simulatie fout als de gemiddelde absolute procent fout (MAPE) volgende vergelijking 2:
    (2)
    n duidt op de vier verschillende stromen in deze studie, Civ is de capaciteit gesimuleerd in het simulatiemodel (veh/h), en Cif is de capaciteit van het onderzoek (veh/h). De berekende MAPE wordt gepresenteerd in tabel 3.
    OPMERKING: Het simulatiemodel kan worden gebruikt als de MAPE klein is28,29,30.
  5. Wijzig de parameters (d.w.z. willekeurig zaad, autovolgmodeltype, rijstrookwijzigingsregel, enz.) op basis van instructies van de simulatiesoftware, of controleer alle hierboven beschreven stappen bij het bouwen van het simulatiemodel31,32,33,34.

7. Gevoeligheidsanalyse

OPMERKING: Het gevoeligheidsanalyseproces wordt weergegeven in figuur 8b. De verzamelde gegevens kunnen alleen hun eigen prestaties weerspiegelen (figuur 9, tabel 4, tabel 5en tabel 6). Om de doeltreffendheid in alle situaties te bewijzen, werden alle mogelijke verkeerssituaties en verschillende combinaties in het simulatiemodel ingevoerd om ervoor te zorgen dat alle situaties tussen de MUTI en ESUL (figuur 10 en tabel 7) worden behandeld.

  1. Selecteer de verhouding auto/vrachtwagen (bus) en de bedrijfssnelheid van de representatieve gegevens. Houd deze parameters bij.
  2. Stel de U-turn ratio in van ~0,03-0,15 in de gevoeligheidsanalyse met een stijging van 0,03, wat vijf U-turn ratio's in de gevoeligheidsanalyse betekent.
    OPMERKING: Volgens de representatieve gegevens in tabel 1is het bereik van de U-turn rate 0,04-0,15.
  3. Stel het verkeersvolume in van ~0,2-1,0 V/C met een toename van 693 veh/h (0,1 V/C; Tabel 7), wat betekent dat negen volumes in de gevoeligheidsanalyse.
    OPMERKING: Het maximale verkeersvolume is 6.930 veh/h in een stedelijke snelweg met een driebaanssegment, wat overeenkomt met serviceniveau E volgens de AASHTO's Highway Capacity Manual35 wanneer de ontwerpsnelheid 80 km/h is.
  4. Simuleer alle 45 situaties en sla de resultaten op in zowel de huidige situatie (MUTI) als de verbeterde situatie (ESUL).
  5. Controleer verbeteringen in reistijd en vertragingen door de verhouding = (MUTI - ESUL)/MUTI x 100% te berekenen. Controleer verbeteringen in het aantal stops door de kortere tijd = MUTI - ESUL te berekenen.
    OPMERKING: In de eindresultaten (figuur 10) betekent een positief (>0) resultaat dat de ESUL de verkeerssituatie heeft verbeterd, terwijl een negatief (<0) resultaat in gevoeligheid het tegenovergestelde vertegenwoordigt.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Figuur 2 toont de illustratie van de ESUL voor U-turn mediane opening. WENS betekent vier kardinale aanwijzingen. De hoofdweg heeft zes rijstroken met twee richtingen. Greenbelts verdelen niet-gemotoriseerde rijstrook aan beide zijden en verdelen de twee richtingen in het midden. Stroom 1 is het oosten tot westen door het verkeer, stroom 2 is oost naar oost U-bocht stroom, stroom 3 is west naar oost door het verkeer, en stroom 4 is west naar west U-turn verkeer.

De functies van de binnenste 2 rijstroken van de ESUL zijn om af te leiden, vertragen, U-bocht, versnellen, op zoek naar vooruitgang, en samenvoegen van de U-turn voertuigen. Het spur dijk deel is het kerndeel en verschilt van gewone U-turn ontwerpen. Dit deel heeft het potentieel om de doorstroming van het verkeer te dwingen om iets naar buiten te bewegen (éénbaansbreedte) en het doorgaande verkeer en u-bochtverkeer na de spoordijk te scheiden.

Het ontwerp van de spurdijk kent drie belangrijke verschillen. Ten eerste biedt het een specifieke U-bochtrijstrook om invloed van doorgaand verkeer te voorkomen door de hele rijstroken naar buiten te verplaatsen. In vergelijking met de markeringen kunnen automobilisten de spoordijk niet oversteken en moeten ze de rijstroken volgen om de twee stromen uit elkaar te verdelen36,37. Ten tweede gebruikt het maximaal het land door symmetrisch beide tweerichtings-U-turn eisen te ontwerpen. Ten derde past de spoordijk verschillende U-turn stralen van voertuigen aan en gebruikt het land flexibel.

Figuur 3 toont de locatie van het verzamelen van gegevens, een typische mediane opening in de noordwestelijke hoek van de tweede lusweg van Xi'an City in de provincie Shaanxi, China. De lusweg in dit onderzoek bestaat uit zes rijstroken, en de snelheidsbeperking in de lusweg is 80 km/h (Figuur 3a). De breedte van de rijstrook is 3,5 m en de middenbreedte bedraagt gemiddeld 1,2 m. Het mediane openingsgedeelte is 10 m breed en 17 m lang. Twee rijstroken zonder motorrijtuigen (breedte van 9 m) bevinden zich aan beide zijden en een greenbelt van 1,5 m verdeelt ze van de hoofdrijstroken (figuur 3b).

De afstand tussen de stroomopwaartse en stroomafwaartse knooppunten in de buurt van de mediane opening is 5,1 km (figuur 3a). Aangezien er geen in- of uitgang voor dit gedeelte is, kan de bedrijfssnelheid de maximumsnelheid bereiken nadat de mediaan opening 200 m bereikt. Vanaf de mediane opening is het 1,4 km naar de stroomopwaartse uitwisseling en 3,6 km naar de stroomafwaartse uitwisseling. Voertuigen maken een omweg van 10 km (vertraging van maximaal 9 min) als er geen U-bocht opening is ontworpen. U-turn voertuigen moeten wachten voor een lange tijd bij de vergadering op de kruising of worden gedwongen om toe te treden, wat resulteert in vertragingen of het stoppen van doorgaand verkeer. Figuur 4 laat zien dat de ochtendspits verschijnt van 7:00 tot 9:00 uur, de avondspits verschijnt van 17:00 tot 19:00 uur en het dal (met uitzondering van de late nacht) verschijnt van 12:00 tot 14:00 uur.

De snelheden van al het verkeer van oost naar west zijn weergegeven in figuur 6a. De U-turn opening vindt plaats op ~ 70 m op de horizontale as. De vertraging en acceleratie zijn duidelijk in de buurt van 70 m, wat aangeeft dat de voertuigen werden beïnvloed door U-bocht voertuigen. De piekwaarde in figuur 6a is minder dan 80 km/h, en punten zijn voornamelijk gecentraliseerd onder 40 km/h, wat erop wijst dat de bedrijfssnelheid veel lager was dan de maximumsnelheid (80 km/h). Figuur 6b toont de trajecten van de verkeersstroom van oost naar west. De drie rijstroken en U-bocht voertuigen trajecten zijn gemakkelijk te identificeren in de figuur. Het laagste traject is donkerblauw en breder dan de twee trajecten erboven, wat duidt op het samenvoegen tussen de U-bocht voertuigen en door voertuigen. De samenvoegbeweging begint bij 60 m en eindigt bij 40 m, wat neerkomt op een samenvoegsegment van 20 m. Het doorgaand verkeer op de binnenbaan werd ernstig getroffen door U-bochtvoertuigen.

Figuur 6c is de snelheid van stromen van west naar oost. Wanneer de rijsnelheid 80 m bereikt bij de U-bocht opening, begint deze te stijgen. Het resultaat geeft aan dat de WW U-turn flow een kleinere invloed had op WE via flow die te wijten was aan omleidingsbeweging (in plaats van beweging samen te voegen; Figuur 6b. De punten vanaf 0 km/h geven aan dat de WW U-bocht voertuigen stops en vertraging voor hele voertuigen veroorzaakt. Figuur 6d toont de trajecten van west naar oost van doorgaand verkeer en U-turn verkeer. De U-turn sectie heeft hoge bomen, die de radarsignalen blokkeren voor het detecteren van U-bochtbewegingen.

Figuur 7 toont de helft van het ESUL-ontwerp. Rijstroken 1 en 4 zijn doorgaande rijstroken, en rijstroken 2 en 3 zijn U-bochtrijstroken. De berekening van elke sectie is gebaseerd op eerder gepubliceerde richtsnoeren35,38 en studies39,40. Sectie AB is gebaseerd op een weguitlijningsproces, sectie BC is afhankelijk van de reactietijden en bewegingsprocedures van de bestuurders, sectie-cd is het omleidingsdeel en sectie DE bevat vertragings- en veiligheidsafstand. Sectie EF biedt voldoende ruimte om U-turn. Sectie FH en HI bevatten versnelling, vooruitgang vinden, en gecombineerde beweging afzonderlijk. Alle secties worden beschreven in tabel 2 volgens een ontwerpsnelheid van 80 km/h.

Figuur 10a toont aan dat de reistijdratio van flow 1 met ESUL is gedaald onder alle verkeerscombinaties binnen 20%-40%. De vertraging daalde sterk met 35%−70% (figuur 10b). Het aantal stops daalde licht, met een maximale waarde van 0,4 (figuur 10c). De ESUL liet in alle situaties een aanzienlijke verbetering zien voor het EW-door-het verkeer. Figuur 9e,f en figuur 10d tonen de gevoeligheidsresultaten van flow 2 (EE U-turn vehicles). Alle drie de indexen van EE U-turn voertuigen werden sterk verbeterd. De reistijd in figuur 10d daalde met 20%-70% met een toenemend verkeersvolume. De vertragingen in figuur 10e daalden meer dan de reistijd en bereikten bijna 100% bij de piekwaarde. De minimale verbeteringsratio was groter dan 70%. Een aanzienlijke verbetering voor het aantal in figuur 10f vermelde stops bereikte hooguit zes.

Figuur 9i,j en figuur 10uur tonen de gevoeligheidsresultaten van flow 3 (WE door voertuigen). Met een vergelijkbare trend als flow 1 verbeterde flow 3 veel met ESUL. De reistijd daalde met 40%-50% in figuur 10uur. De vertragingen daalden met 50%-90% in figuur 10i. Het aantal stops daalde slechts 0,4x hoogstens in figuur 10j. In stroom 4 worden de WW U-turn voertuigen en gevoeligheidsresultaten weergegeven in figuur 9l,m en figuur 10k. De reistijd daalde met ~ 20%-60% met een toename van het verkeersvolume(figuur 10k). In figuur 10lstegen de vertragingen met 1% toen het verkeersvolume 1.386 veh/h bedroeg en de U-turn ratio 0,06 was. De vertragingen daalden aanzienlijk met 54%-97% in de restruimte. Het aantal stops daalt tot maximaal 6x (figuur 10m).

Figure 1
Figuur 1: Voorbeelden van mediane U-turn intersections (MUTI's). Twee ontwerpen vertegenwoordigen de gemeenschappelijke U-bocht opening op de weg, maar opgemerkt moet worden dat de U-turn voertuigen kunnen leiden tot verkeersconflicten met passerende voertuigen, of in dezelfde of tegenovergestelde richting stroom. Klik hier om een grotere versie van dit cijfer te bekijken.

Figure 2
Figuur 2: Illustratie van het ESUL-ontwerp op de provinciale hoofdweg. W = west, E = oost, N = noord, S = zuid. Klik hier om een grotere versie van dit cijfer te bekijken.

Figure 3
Figuur 3: Locatie van het verzamelen van gegevens op een mediaan in de noordwestelijke hoek tweede lus weg in Xi'an. Coördinaten: 108.903898, 34.301482. (a) Het schema van de onderzoekslocatie. b) De MUTI van de U-bocht mediane opening. De foto is genomen door een drone op de hoogte van 150 m. Klik hier om een grotere versie van dit cijfer te bekijken.

Figure 4
Figuur 4: 24 uur fileindex. a) De 24 uur sverkeersopstoppingen van de grote steden van 2015 tot 201725. b) De 24 uur se uur file-index voor Xi'an op22mei 201925,26. De gegevens in paneel a zijn afkomstig van de 2017 Traffic Analysis Reports for Major Cities in China25, die wordt geleverd door een Chinese web mapping navigatie provider41. De gegevens in panel b zijn afkomstig van de real-time congestieindex in Xi'an op22mei 201926. Klik hier om een grotere versie van dit cijfer te bekijken.

Figure 5
Figuur 5: Gegevensverzameling met radar op een voetgangersbrug op de U-turn locatie. Klik hier om een grotere versie van dit cijfer te bekijken.

Figure 6
Figuur 6: Snelheid en trajecten van verkeersstromen. a) Snelheid van voertuigen van oost naar west. b) Trajecten van voertuigen van oost naar west. c) Snelheid van voertuigen van west naar oost. d) Trajecten van voertuigen van west naar oost. Klik hier om een grotere versie van dit cijfer te bekijken.

Figure 7
Figuur 7: Geometrie van het ESUL-ontwerp. De blauwe pijl vertegenwoordigt voertuigen die dwars door, en de rode pijl vertegenwoordigt U-bocht voertuigen. Klik hier om een grotere versie van dit cijfer te bekijken.

Figure 8
Figuur 8: Stroomdiagram voor het berekenen van MAPE en gevoelige analyse. (a) Berekeningsproces van MAPE. b) Proces van gevoelige analyse. Klik hier om een grotere versie van dit cijfer te bekijken.

Figure 9
Figuur 9: Vergelijking tussen MUTI en ESUL met verzamelde gegevens. Vergelijking van de reistijd(a),vertraging (b) en aantal stops(c)met ochtendspits (h). Vergelijking van de reistijd (d), vertraging (e) en het aantal stops (f) met middenmiddag vallei (h). Vergelijking van de reistijd(h),vertraging (i) en het aantal stops(j)met avondspits (h). Klik hier om een grotere versie van dit cijfer te bekijken.

Figure 10
Figuur 10: Gevoeligheidsanalyse van alle stromen, inclusief EW door, EE U-turn, WE door en WW U-turn. X-as = verschillende verkeersvolumes, Y-as = U-turn ratio en Z-as = improvement ratio (ratio = [MUTI - ESUL]/MUTI x 100%) in reistijd en vertraging, kortere tijden (kortere tijden = MUTI - ESUL) in aantal stops. (a-c) EW door flow, (d-f) EE U-turn flow, (h-j) WE door flow, en (k-m) WW U-turn flow. Om de drie cijfers gaat het om reistijd (a,d,h,k),vertraging (b,e,i,l) en het aantal stops (c,f,j,m),respectievelijk. Klik hier om een grotere versie van dit cijfer te bekijken.

Item Ochtend (07:00−08:00) Midden middag (13:00−14:00) Avond (17:00−18:00)
Richting Ew We Ew We Ew We
Stroom i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4
Auto 4195 172 3442 504 3001 176 2460 402 1665 287 3296 394
Truck 86 10 56 16 79 7 60 41 11 6 38 35
U-turn Ratio 4281:182 3498:520 3080:183 2520:443 1676:293 3334:429
Gem. Snelheid 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. Snelheid 73.8 13.4 63.7 12.8 90.4 15.6 75.9 13.5 76.7 14.6 63.7 13.3
Min. Snelheid 0 0 0 0 0 0 0 0 0 0 0 0

Tabel 1: Verzamelde voertuiginformatie. Een minimumsnelheid van 0 km/h geeft aan dat sommige voertuigen werden gestopt voordat ze begonnen te rijden.

Item Beschrijving
LAB 166 m. Lengte voor alle stromen om iets naar buiten te bewegen
LBC 185 m. Lengte voor flow i = 4 om het U-turn teken te herkennen en actie te ondernemen
LCD 50 m. Omleidingslengte om stroom i = 3 en stroom i = 4 te scheiden
LDE 42 m. Stroom i = 4 vertragingslengte
LEF Radius = 7,26 m. U-turn breedte voor personenauto's
LFH 180 m. Acceleratielengte van de stroom i = 4
LHI 140 m. De lengte om een vooruitgang te zoeken voor flow i = 4 en samen te voegen in flow i = 1

Tabel 2: Geometrische parameters van ESUL. De berekening van elke sectie is gebaseerd op eerder gepubliceerde richtsnoeren35,38 en studies39,40. De waarde in tabel 2 wordt ingevoerd in het simulatiemodel om de ESUL-prestaties te evalueren met een ontwerpsnelheid van 80 km/h.

Item Ochtend (07:00−08:00) 12.00 uur (13:00−14:00) Avond (17:00−18:00)
Richting Ew We Ew We Ew We
Stroom i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4 i = 1 i = 2 i = 3 i = 4
Investeren. Capaciteit (veh/h) 4281 182 3498 520 3080 183 2520 443 1676 293 3334 429
Gesimuleerde capaciteit (veh/h) 4115 127 3571 501 3000 169 2484 360 1814 268 3381 409
Individuele 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

Tabel 3: Simulatiekalibratieresultaten. Kalibratie tussen het onderzoek en de simulatie wordt weergegeven in de tabel. De MAPE wordt berekend met vergelijking 2 en de resultaten zijn acceptabel27,30.

Item Reistijd (s) Vertraging (s) Aantal stops
Stroom Muti ESUL ESUL Tarief (%) Muti ESUL ESUL Tarief (%) Muti ESUL ESUL Tarief (%)
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

Tabel 4: Simulatieresultaten van MUTI en ESUL met ochtendpiekgegevens. In de ochtendspits verbetert de ESUL aanzienlijk meer dan de MUTI. De reistijd daalde met 29,4%-57,5%. De vertraging daalde met 44,4%-97,7%. Het aantal stops is volledig verminderd.

Item Reistijd (s) Vertraging (s) Aantal stops
Stroom Muti ESUL ESUL Tarief (%) Muti ESUL ESUL Tarief (%) Muti ESUL ESUL Tarief (%)
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

Tabel 5: Simulatieresultaten van MUTI en ESUL met middelste middaggegevens. Rond het middaguur daalde de reistijd met 31,3%-43,8%. De vertraging daalde met 50,0%-87,1% en er zijn geen stops met ESUL.

Item Reistijd (s) Vertraging (s) Aantal stops
Stroom Muti ESUL ESUL Tarief (%) Muti ESUL ESUL Tarief (%) Muti ESUL ESUL Tarief (%)
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

Tabel 6: Simulatieresultaten van MUTI en ESUL met avondspitsgegevens. Met de avondspits daalde de reistijd met 27,7%-56,6%. De vertraging daalde met 60,7%-91,8%. Het aantal stops neemt ook af met de ESUL.

Item Waarde
Verhouding auto/vrachtwagen(bus) 4281:182 (EW) / 3498:520 (WE)
U-turn ratio (%) 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

Tabel 7: Parameters input in gevoeligheidsanalyse in simulatie.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

In dit artikel werd de procedure voor het oplossen van een verkeersprobleem op een kruispunt of een kort segment met behulp van simulatie besproken. Verschillende punten verdienen speciale aandacht en worden hier nader besproken.

Het verzamelen van veldgegevens is het eerste wat aandacht verdient. Enkele vereisten voor het verzamelen van gegevens zijn als volgt: 1) Het vinden van een geschikte locatie voor het verzamelen van gegevens. De locatie moet vergelijkbaar zijn met de weg geometrische vorm in de studie, dat is het uitgangspunt van het verzamelen van gegevens. 2) Bepaling van de ingestelde locatie van radar en andere apparatuur door het vinden van een voldoende speling, waar radarsignalen niet kunnen worden geblokkeerd. Sommige state-of-art technologieën kunnen worden gebruikt, zoals drones, om verkeersactiviteiten te detecteren. Het hele observatiegebied moet vrij zijn van barrières, zoals bomen of architectuur. 3) Ten slotte moet de tijd voor het verzamelen van gegevens ten minste 3 uur op één locatie zijn. De tijd moet de ochtend- en avondspits en de dalsituatie in de dag weerspiegelen. De tijd van congestieindex kan worden verkregen uit observatie of van een andere betrouwbare transportuitgever.

Simulatie model bouwen is een andere kritieke stap. De nauwkeurigheid van het simulatiemodel zal leiden tot verschillende simulatiefouten. Het eerste in het simulatiemodel is de connector. Als één koppeling aan één kant van de connector beweegt, kan de connector uit vorm zijn en de aangrenzende koppeling of connector binnendringen, wat kan leiden tot fouten. Het is dus belangrijk om de connector opnieuw te berekenen wanneer een koppeling wordt verplaatst.

Een andere belangrijke stap is de conflictregel in conflictgebied. Gebruik conflictgebieden in plaats van prioriteitsregels om het recht van weg op kruispunten te simuleren. In vergelijking met prioriteitsregels worden conflictgebieden automatisch weergegeven en zijn ze daarom gemakkelijker te bewerken en beter het rijgedrag weer te geven. De conflictregel moet hetzelfde zijn als het verzamelen van gegevens en elk conflictgebied moet worden ingesteld met overeenkomstige regels. De laatste kritieke stap is het aanpassen van de parameters met betrekking tot rijgedrag wanneer simulatiefout (MAPE) groot is. Rijgedrag heeft verschillende afzonderlijke parameters en een kleine wijziging in elke parameter kan leiden tot een positieve of negatieve invloed op de resultaten. Het is de sleutel om de verschillende parameters zorgvuldig en herhaaldelijk aan te passen.

Meestal is de reistijd, vertraging en het aantal stops wordt het meest gebruikt indexen bij de evaluatie van de operationele functies in simulatie. Uit de simulatie kunnen ook veel andere indexen worden verkregen (d.w.z. het volume van het voertuig, de uitlaatemissie, het brandstofverbruik, het voetgangersrecord, de veiligheidsevaluatie, het voertuiggedrag, voertuigroutes, coördinaten, enz.). Het is belangrijk om de overeenkomstige evaluatie-indexen te selecteren op basis van de verschillende experimentele behoeften. Andere indexen, met uitzondering van de drie hierboven die het meest worden gebruikt, kan leiden tot nieuwe onderzoeksresultaten of methoden.

Het gebruik van "snelle modus" bij het uitvoeren van de simulatie kan de simulatie in staat stellen om de hoogste snelheid te bereiken en tijd te besparen, vooral tijdens de gevoelige analyse. Zo zijn tientallen simulaties nodig. Het simulatieresultaat blijft hetzelfde, ongeacht welke simulatiesnelheid wordt gekozen.

Er zijn twee belangrijke gebieden voor toekomstige toepassingen. Een toepassing is het oplossen van verkeersproblemen en het evalueren van een of meer verkeersontwerpen op een kruispunt of kort segment. De simulatie helpt bij het evalueren van microscopisch verkeersgedrag, of het nu gaat om voertuigen, voetgangers, infrastructuurwijzigingen of metingen van verkeersbeheer. Ten tweede biedt het proces een voldoende praktijkgids voor degenen die verkeersonderzoek verrichten. De bepalingen helpen om nauwkeurige en robuuste gegevens over verkeerssimulatiemetingen te verkrijgen.

Deze methode heeft ook een aantal beperkingen. Ten eerste kan de radar een rechte richting detecteren, en dit vereist dat het doelsegment ook recht is. De radar kan niet worden gebruikt voor gebogen segmenten, zoals hellingen. Ten tweede heeft de radar voldoende speling nodig om de voertuigen te detecteren. Echter, in de echte omgeving, zijn er altijd bomen of billboards die het signaal blokkeren. Het is moeilijk om een geschikte plaats voor radarregeling te vinden. Bovendien, wanneer het verkeersvolume groot is of voertuigen dicht bij elkaar staan, kan radar de voertuigen niet onderscheiden, en handmatig tellen van de video is de enige optie, wat veel werk is. Efficiëntie en nauwkeurigheid kunnen worden verbeterd als het protocol ook een methode gebruikt die voertuigen automatisch kan tellen en classificeren.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

De auteurs hebben niets te onthullen.

Acknowledgments

De auteurs willen de China Scholarship Council erkennen voor het gedeeltelijk financieren van dit werk met het dossier Nr. 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 sign in or create an account.

    Usage Statistics