JoVE Logo
Authors
Contact Us

Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • תוצאות
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

פרוטוקול זה מתאר את תהליך הפתרון של בעיית תנועה מיקרוסקופית עם הדמיה. התהליך כולו מכיל תיאור מפורט של איסוף נתונים, ניתוח נתונים, בניית מודל הדמיה, כיול סימולציה וניתוח רגיש. גם שינויים ופתרון בעיות של השיטה נדונים.

Abstract

עיצובים U-הפעלה מסורתיים יכולים לשפר את התכונות התפעוליות כמובן, בעוד U-להפוך הסחות ומקטעי מיזוג עדיין לגרום עומס תעבורה, קונפליקטים, ועיכובים. עיצוב בלעדי בתורו U-הפעל נתיב (ESUL) מוצע כאן כדי לפתור את החסרונות של עיצובים U-הפעל מסורתיים. כדי להעריך את ביצועי הפעולה של ESUL, יש צורך בפרוטוקול סימולציית תעבורה. כל תהליך ההדמיה כולל חמישה שלבים: איסוף נתונים, ניתוח נתונים, בניית מודל הדמיה, כיול סימולציה וניתוח רגיש. איסוף נתונים ומודל הדמיה לבנות הם שני שלבים קריטיים מתוארים בהמשך בפירוט רב יותר. שלושה אינדקסים (זמן נסיעה, עיכוב ומספר עצירות) משמשים בדרך כלל בהערכה, וניתן למדוד פרמטרים אחרים מהסימולציה בהתאם לצרכים הניסיוניים. התוצאות מראות כי ESUL מפחיתה באופן משמעותי את החסרונות של עיצובים U-הפעלה מסורתיים. ניתן ליישם את ההדמיה כדי לפתור בעיות תנועה מיקרוסקופיים, כגון בצמתים בודדים או מספר או מקטעים קצרים. שיטה זו אינה מתאימה לרשתות או הערכות בהיקפים גדולים יותר ללא איסוף נתונים.

Introduction

בעיות תנועה מסוימות, כגון עומס תנועה בצומת או קטע קצר, ניתן לפתור או לשפר על-ידי אופטימיזציה של עיצוב הכביש, לשנות את תזמון האות, מדידות ניהול תנועה, וטכנולוגיות תחבורה אחרות1,2,3,4. לשיפורים אלה יש השפעה חיובית או שלילית על פעולות זרימת התעבורה בהשוואה למצבים המקוריים. השינויים בפעולות התנועה יכולים להיות מושווים בתוכנת סימולציית תנועה במקום בשחזור בפועל של הצטלבות או קטע. שיטת סימולצית תנועה היא אפשרות מהירה וזולה כאשר מוצעות תוכניות שיפור אחת או יותר, במיוחד בעת השוואת תוכניות שיפור שונות או הערכת יעילות השיפורים. מאמר זה מציג את התהליך של פתרון בעיית תנועה עם הדמיה על ידי הערכת מאפיינים מבצעיים של זרימת התנועה של מסלול U-הפעלה בלעדית של התוכנית5.

תנועת u-להפוך היא ביקוש התנועה הנרחבת הדורשת פתיחה החציוני U-הפעלה על הכביש, אבל זה כבר התווכחו. עיצוב הפתיחה U-הפעלה יכול לגרום לעומס התנועה, בזמן סגירת הפתיחה U-תורו יכול לגרום לחפש את כלי הרכב U-פונים. שתי תנועות, U-הפעל כלי רכב ישירה הפונים שמאלה, דורשים פתיחה U-הפעלה ולגרום עיכובים התנועה, עצירות, או אפילו תאונות. טכנולוגיות מסוימות הוצעו על מנת לפתור את החסרונות של תנועות U-הפעלה, כגון סימן6,7, שמאל בלעדי מסלולים8,9, ומכוניות אוטונומיות10,11. פוטנציאל השיפור עדיין קיים בסוגיות U-הפעלה, בשל הפתרונות הנ ל שיש יישומים מגבילים. עיצוב חדש של U-בתורו עשוי להיות פתרון טוב יותר בתנאים מסוימים ולהיות מסוגל לטפל בבעיות קיימות.

העיצוב הפופולרי ביותר u-הפעל הוא צומת u-להפוך החציוני (מוטי)12,13,14,15, כמוצג באיור 1. מגבלה משמעותית של המוטי היא שהיא אינה יכולה להבחין בין יו-פונים לבין כלי רכב חולפים והתנגשות התנועה עדיין קיימת16,17. עיצוב U-הפעלה שונה הנקרא השלוחה הבלעדית U-פונים למסלול (ESUL; איור 2) מוצע כאן ומטרתו לצמצם את העומס בתנועה על ידי החדרת נתיב בלעדי U-בתורו משני צידי החציון. ESUL יכול להפחית באופן משמעותי את זמן הנסיעה, עיכובים, ואת מספר העצירות בשל התקשור של שני זרימות.

כדי להוכיח כי ה-ESUL יעיל יותר מאשר מוטי הרגיל, יש צורך בפרוטוקול קפדני. אי אפשר לבנות את ESUL בפועל לפני מודל תיאורטי; לפיכך, הדמיה נדרשת18. באמצעות פרמטרים של זרימת התנועה, כמה מודלים מרכזיים שימשו במחקר סימולציה19, כגון התנהגות נהיגה מודלים20,21, המכונית בעקבותמודלים 22,23, U-הפעל מודלים4, וליין לשנות מודלים21. הדיוק של סימולציות זרימת התנועה מתקבל באופן נרחב16,24. במחקר זה, הן מוטי ו-ESUL מדומים עם נתונים שנאספו כדי להשוות שיפורים שנעשו על ידי ESUL. כדי להבטיח דיוק, ניתוח רגיש של ESUL הוא גם מדומה, אשר יכול לחול על הרבה מצבים תנועה שונים.

פרוטוקול זה מציג הליכים ניסיוניים לפתרון בעיות תנועה אמיתיות. השיטות לאיסוף נתוני תעבורה, ניתוח נתונים וניתוח של יעילות כוללת של שיפורים בתעבורה מוצעות. ניתן לסכם את ההליך בחמישה שלבים: 1) התנועה איסוף נתונים, 2) ניתוח נתונים, 3) סימולציה מודל לבנות, 4) כיול של מודל הדמיה, ו 5) ניתוח רגישות של ביצועים תפעוליים. אם אחת מהדרישות הללו בחמשת השלבים לא מתקיימים, התהליך אינו שלם ואינו מספיק כדי להוכיח יעילות.

Protocol

1. הכנת הציוד

  1. הכן שניים מכל אחד מההתקנים הבאים כדי לאסוף זרמי תעבורה בשני כיוונים: מכ מים, מחשבים נישאים, סוללות וכבלים עבור מכ מים ומחשבים נישאים, מצלמות ומכשירי מכ ם ומצלמה.
    הערה: מכ ם והתוכנה המתאימה לו משמשים לאיסוף מהירות הרכב ומסלול, וזה מדויק יותר מאשר אקדח מהירות. המכ ם אינו האפשרות היחידה אם ציוד אחר זמין לאיסוף מהירות רכב, מסלול ונפח. כמו אותות מכ ם ניתן לחסום בקלות על ידי כלי רכב גדולים, וידאו נורה על ידי מצלמות ניתן להשתמש עבור ספירת הרכב. במהלך החקירה, אם מזג האוויר גשום או שטוף שמש, יש צורך בהגנה על הציוד. במיוחד ביום שמש, הציוד עשוי להגיע לטמפרטורה גבוהה וכיבוי, כך מטריה או ציוד קירור נדרש עבור המצב הזה.

2. בדיקת ציוד

  1. תוודא שכל החוקרים. לובשים אפודים משקפים
  2. הכן את חצובה המכ ם והארך אותו גבוה ככל האפשר. להגדיר את החצובה גבוה מ 2 מ ' כדי למנוע אותות מלהיות חסום על הכביש.
  3. להתקין את המכ ם על גבי החצובה ולנעול את המכ ם.
  4. הגדר את המכ ם כ 0.5 מ' ליד הכביש, כוונן את המכ ם במאונך, ופנה לכיוון הרכב או לכיוון ההפוך. שמור את הזווית בין הכביש לבין המכ ם קטן ככל האפשר.
    הערה: המכ ם יכול לזהות 200 מ' לכל היותר. אם המכ ם ממוקם קרוב מדי לנתיב, הוא עלול לפוצץ את כלי הרכב החולפים. לפיכך, 0.5-1.0 מטר הוא המרחק הרגיל לנתיב.
  5. הפעל את סוללת החשמל וחבר את המחשב הנישא לסוללת החשמל. חבר את כבל המכ ם וחבר את ה-USB של נתוני המכ ם למחשב הנישא. כאשר כל הכבלים מחוברים, הפעל את המחשב הנישא.
  6. הגדר את המצלמה ליד המכ ם כדי לירות את זרימת הרכב.
  7. פתיחת תוכנת המכ ם
    1. לחץ על בדיקת תקשורתולאחר מכן בחר את מספר מזהה המכ ם מהרשימה הנפתחת. זה יציג מכ ם זוהה עם מספר זיהוי.
    2. לחץ על הגדרת חקירה. בתפריט הנפתח, לחץ על קריאת זמן RLUוהזמן של ההתקן בצד שמאל ישתנה. לאחר מכן, לחץ על הגדרת זמן RLU והזמן הנוכחי של המחשב משמאל ישתנה גם הוא.
    3. לחץ על התחל חקירה, ומצב העבודה של ההתקן ישתנה מהקלטת נתונים אינו ממשיך ואין נתונים בהתקן להקלטת נתונים בהליך ובנתונים בהתקן. לחץ על ' סגור ' כדי לסגור תיבת דו-שיח זו.
    4. לחץ על תצוגת זמן אמת כדי לבדוק את מצב המכ ם. תופיע תיבת דו-שיח חדשה, ונתוני המכ ם יוגלגלו במהירות. משמעות הדבר היא כי המכ ם מזהה את כלי הרכב ועובד היטב. שמור תיבת דו-שיח זו פתוחה עד לסיום האיסוף.
      הערה: ניתן ללכוד את הרכב על ידי המכ ם בעת העברת המכ ם.
    5. לחץ על סגור בתיבת הדו כדי לסיים את האוסף.
    6. לחץ על הגדרת חקירה | , סיים את החקירה. ותאשר בתיבת הדו לחץ על לחצן הסגירה .
    7. בחרו הורדת נתונים בתפריט הראשי. לחץ על עיון כדי לבחור מקום לשמירת נתוני המכ ם. הקלט שם בודד עבור הגיליון האלקטרוני. לחץ על לחצן התחל הורדה , יופיע פס התקדמות ותיבת דו-שיח תופיע לאחר ההורדה. לחץ על אשר כדי לסיים את איסוף הנתונים.
    8. לחץ על הגדרת חקירה | מחק רשומת נתוניםואשר אותה בתיבת הדו הבאה כדי לנקות את הזיכרון הפנימי של המכ ם.
      הערה: יש צורך בבדיקה של כל הציוד לפני היציאה למיקום איסוף הנתונים. העבר את כל הציוד למיקום איסוף הנתונים אם כל החלקים פועלים היטב.

3. איסוף נתונים

  1. בחירת מיקום איסוף נתונים (איור 3)
    1. בחר מיקום מתאים הדומה לסוג החיתוך המשמש במחקר.
      הערה: זוהי דרישת המפתח בבחירת מיקום. צורת המיקום, מצב זרימת התנועה, בקרת אור התנועה ופקדים אחרים נחוצים בהתחשב. ככל שאתר המחקר דומה יותר, כך התוצאות מדויקות יותר. הפתיחה החציוני של U-הפעלה על הכביש המהיר נדרשת. יש צורך בשורה ארוכה מספיק של מראה וסיווג, שהיא הכרחית לרדאר ובטיחות לחוקרים. בהתבסס על מרחק האיתור של המכ ם ומרחק עצירת הרכב, קו הראייה צריך להיות לפחות 200 מ' מהמיקום לכיוון הזרם.
    2. תבדקו את הסיווג. של כיוון המכ ם ודאו שאין עצים, שיחים, כבישי גשרים, תמרורים או פנסי רחוב באופק.
    3. ודא כי המיקום הוא מקום בטוח עבור ציוד וחוקרים. האם הציוד מוגדר על שפת הכביש או מעל הכביש תלוי בשטח.
    4. מניחים את הציוד במקום מבודד כדי להימנע מקבלת תשומת לב הנהג.
      הערה: על פי הניסיון הקודם, נהגים מסוימים עשויים להאט אם הם רואים את ציוד החקירה, אשר יוביל לשגיאות. את ציוד רכישת הנתונים ניתן לראות כמכשיר מדידה עבור משטרת התנועה למדוד כלי רכב מהירות.
  2. אוסף נתוני תעבורה
    1. בחר את זמן האיסוף.
      1. לאסוף 3 הנתונים: 1 h בשיא הבוקר, 1 h בצהריים בעמק, ו 1 h בשיא הערב.
      2. בדוק את זמן השיא והעמק המדויקים מדוח מחקר התנועה, משטרת התנועה, או חברות עסקיות25,26 (איור 4).
        הערה: אם אין דוח תעבורה או ניתוח כהפניה, אסוף 3 מתוך נתונים במהלך שלוש התקופות שהוזכרו לעיל, ובחר את הנתונים הגבוהים ביותר.
      3. הקלט את הנתונים עם עוצמת התעבורה הגבוהה ביותר לאורך תקופה של 1 שעות למודל הסימולציה ומקטע הניתוח. השתמש ב -2 הנתונים הנותרים לצורך אימות בסוף.
    2. כיוונון ציוד
      1. כוונן את כיוון המכ ם, והגדר את המצלמה ליד המכ ם שבו היא יכולה ללכוד את כל הנתיבים. חזור על תהליך התקנת כל הציוד בסעיף 2 בגשר המדרחוב.
        הערה: הסיווג לפני המכ ם צריך להיות ארוך ורחב ככל האפשר כדי לכסות את כל המגוון של תנועות U-הפעלה. המכ ם (מזרח למערב) מתמודד מול זרימת התנועה, והמכ ם (מערב למזרח) פונה לכיוון זנבות הרכב עקב יישור כביש (איור 5). אין הבדלים בין התוצאות של הגדרת הציוד בצד הפנימי לעומת הצד החיצוני של הנתיבים. הצד הפנימי או החיצוני של מיקום המכ ם משפיע רק על מערכת הקואורדינטות של נתוני מסלול עם נתוני מכ ם. כאשר המכ ם פונה לזרימת התעבורה, מהירות הריצה שזוהתה היא שלילית ויש להפוך אותה במהלך עיבוד נתונים. כאשר המכ ם פונה לזרימת התעבורה, מהירות הריצה המזוהה חיובית וניתן להשתמש בה ישירות.
      2. להגדיר את מכ מים ומצלמות כך שהם קצת גבוה יותר מעקות הגשר כדי להבטיח סיווג לפני מכ מים ומצלמות.
        הערה: אין צורך ב-מכ ם להיות גבוה כמו ההתנחלות בצד הדרך.
    3. ודא שהתזמון של מכ מים, מחשבים נישאים ומצלמות תואמים בזמן אמת.
    4. הפעל שני מכ מים ומצלמות בו זמנית כדי לתזמן את הזמן.
    5. בדוק אם מכ ם ומצלמות לעבוד בדרך כלל כל 5 דקות במהלך איסוף הנתונים כדי להבטיח כי כל החלקים לעבוד היטב.
    6. סיים את איסוף הנתונים והפלט של נתוני המכ ם כגיליון אלקטרוני עם שם מזוהה (טבלה 1).

4. ניתוח נתונים

  1. שימוש בתוכנת חישוב כדי לחלץ את נתוני המכ ם ולצייר מהירות הפעלה ונתוני מסלולים מהגיליון האלקטרוני.
    הערה: קואורדינטות X/Y ומהירות X/Y נמצאות בגיליון האלקטרוני.
  2. מחיקת נקודות בדידה ברור באיורים. נקודות אלה הן שגיאות מכ ם.
    הערה: המכ ם מזהה מגוון רחב של שטח, כך שהנתונים עשויים להכיל כלי רכב מכוונים, כלי רכב מנוגדים ומכוניות לא מוטוריות בנתיבי רכב שאינם מוטוריים. כאשר מזימות את כל הנתונים כאיורים, רכבי היעד של שלוש הנתיבים ברורים, והנקודות הנותרות הן "נקודות ברורות". אזורי האיתור הם ישרים באיור 3, הרוחב של שלושת הנתיבים ידוע, ואת "נקודות ברור בדידים" ניתן למחוק בתוכנה. התווה את הנקודות הנחוצות כמוצג באיור 6b, d.
  3. הפעל שוב את סרטוני התנועה וספור ידנית כדי להשיג את אמצעי האחסון והסוגים של התעבורה.
    הערה: ניתן לחלק כלי רכב למכוניות ולמשאיות בהתאם לגודלם. כל המכוניות, הטקוניות והמשאיות הקטנות ברדיוס של 6 מ' מסווגות כאן כמכוניות. כל המשאיות והאוטובוסים הגדולים מסווגים כמשאיות.
  4. בחר את קבוצת נפח התעבורה הגבוהה ביותר כנתונים מייצגים והקלט אותה לתוך ההדמיה המתוארת בסעיף 5.
    הערה: יש צורך בקבוצת נתונים אחת בלבד בניתוח ההדמיה והרגישות. נתונים משתי הקבוצות האחרות יהיו מדומים כאימות.

5. בניית מודל ההדמיה

  1. בניית הכביש
    1. פתח את תוכנת ההדמיה. לחץ על כפתור מפה בחלק העליון של הממשק ולהגדיל את המפה כדי למצוא את מיקום איסוף הנתונים.
    2. לחץ על קישורים משמאל ולאחר מכן הזז את הסמן למיקום ההתחלה של הקישור ולחץ לחיצה ימנית. בחרו ' הוסף קישור חדש', הקלט את שם הקישור ומספר הנתיבים ולחצו על הלחצן ' אשר'. גרור את הסמן כדי לצייר את הקישור במפה.
    3. לחצו לחיצה ימנית על הקישור ובחרו ' הוסף נקודה'. הוסף נקודות וגרור נקודות כדי להפוך את הקישור לחלק יותר עם יישור הכביש האמיתי במפה.
    4. חזור על שלבים 5.1.2 ו-5.1.3 3x כדי לבנות ארבעה מקטעים, למעט הפתיחה החציוני של U-הפעל.
    5. החזק את הלחצן הימני של העכבר ולחצן Ctrl בלוח המקשים ולאחר מכן גרור את נקודת הקצה של קישור אחד לקישור הסמוך כדי לחבר את הקישורים. חלק זה נקרא "מחבר" והוא יכול להיות חלק יותר נקודות יותר מתווספים.
    6. חזור על שלב 5.1.5 כדי לחבר את כל הקישורים ונתיבי U-להפעיל.
  2. קלט של המהירות הרצויה
    1. בחר נתוני בסיס מהשורה העליונה ולאחר מכן בחר הפצות | . המהירות הרצויה
    2. לחץ על לחצן הצלב הירוק להוסיף בתחתית כדי להוסיף מהירות רצויה חדשה, ולאחר מכן שם אותו.
    3. בתיבת הדו של הפצות המהירות הרצויה , הקלט את המהירות המירבית שנאסף מהנתונים הנציגים כמהירות הרצויה המרבית, ולאחר מכן הקלט את המהירות הממוצעת שחושבה מהנתונים הנציגים כמהירות הרצויה המינימלית. מחק את נתוני ברירת המחדל.
    4. הזן שם עבור מהירות רצויה זו, הקרויה בדרך כלל על-ידי שימוש בכיוון.
    5. חזור על שלבים 5.2.3 ו 5.2.4 לבנות את כל המהירויות הרצויות (אנחנו, EW, WW U-הפעל, ו-EE הפעל).
  3. הרכב רכב
    1. בחר בלחצן רשימות מתוך הסרגל העליון ולאחר מכן לחץ על הובלה פרטית | קומפוזיציות רכב.
    2. לחץ על לחצן הצלב הירוק להוסיף בתחתית כדי להוסיף הרכב רכב חדש. בחר את המהירות הרצויה מובנה בשלב 5.2 כמכונית.
    3. לחץ על כפתור הצלב הירוק כדי להוסיף את סוג הרכב אוטובוס/משאית כמו הנמל . בחר את אותו המהירות הרצויה כפי שנעשה בשלב 5.3.2.
    4. הקלט את עוצמת הקול של מכוניות ומשאיות ב- Relflow מתוך נתוני הנציג.
    5. חזור על שלבים 5.3.2-5.3.5 לבנות את כל הקומפוזיציות הרכב (אנחנו, EW, WW U-הפעל, ו-EE הפעל).
  4. מסלולי רכב
    1. בחרו ' נתיב רכב ' משורת התפריטים השמאלית.
    2. הזז את הסמן אל המעלה של קישור אחד כנקודת ההתחלה, לחץ לחיצה ימנית ולאחר מכן בחר באפשרות הוסף החלטה חדשה של ניתוב רכב סטטי.
    3. גרור את הסמן הכחול המייצג את נתיבי הרכב באיסוף נתונים. חזור על שלב זה 4x ב אנחנו, EW, WW U-הפעל, ו-EE U-לצייר את כל נתיבי הרכב.
  5. אזורי מהירות מופחתים
    1. בחר אזורי מהירות מופחתים משורת התפריטים השמאלית.
    2. לחצו לחיצה ימנית במעלה הזרם של הפתיחה U-הפעל, ולאחר מכן בחרו ' הוסף אזור מהירות חדשה מופחתת'.
      הערה: אורך האזור תלוי בנתוני הנציג ובאורך השינוי במהירות.
    3. . לבנות את האזור הזה בשני הכיוונים
  6. אזורי קונפליקט
    1. בחר אזורי התנגשות משורת התפריטים השמאלית. ארבעה אזורי התנגשות צהובים יופיעו במקטע הפתיחה החציוני.
    2. לחץ לחיצה ימנית על אזור התנגשות צהוב אחד ובחר באפשרות קבע מצב לא נקבע כאשר המצב הריאליסטי ואזורי ההתנגשות הופכים לאדומים.
    3. חזור על שלב ה5.6.2 עבור כל ארבעת אזורי ההתנגשות.
  7. מדידת זמן נסיעה
    1. בחרו ' זמני נסיעה ברכב ' משורת התפריטים השמאלית.
    2. לחץ לחיצה ימנית בתחילת קישור אחד ובחר באפשרות ' הוסף מדידת זמן נסיעה ברכב חדש'.
    3. גררו את הסמן לסוף הקישור כדי לבנות את המדידה האחת של זמן נסיעה ברכב. חזור על שלב זה עבור כל נתיבי הרכב (אנחנו, EW, WW U-פונים, ו-EE U-הפעל).
    4. שם כל זמן נסיעה מדידה עם הכיוון המתאים.
      הערה: כדי להשוות את מצבי הפעולה עם עיצובים שיפור, אורך מדידות זמן הנסיעה צריך להיות זהה בשני מודלים סימולציה.
  8. כניסת רכב
    1. בחרו תשומות לרכב משורת התפריטים השמאלית. לחץ על נקודת ההתחלה של קישור אחד ולחץ לחיצה ימנית כדי להוסיף קלט רכב חדש.
    2. הזז את העכבר לקצה התחתון ולעוצמת הקלט מנתונים מייצגים. חזור על שלב זה עבור כל הקישורים.
  9. בניית מודל אחר סימולציה ESUL כהשוואה, רק את חלק U-לפתוח את הקטע צריך להיות שונה (איור 7 ושולחן 2).
  10. לחץ על לחצן ההפעלה הכחולה בחלק העליון של הממשק, ואת הסימולציה יופעל. גררו את הסולם שמשמאל ללחצן ההפעלה, שיכול לכוונן את מהירות ההדמיה.
    הערה: מצב מהיר של לחצן המכשיר יכול להפוך את מהירות ההדמיה למקסימום.
  11. כאשר הסימולציה נגמרת, כל התוצאות יוצגו בחלק התחתון של הממשק. העתק את התוצאות לגיליון אלקטרוני חדש. כאן, זמן נסיעה, עיכוב ומספר העצירות מוערכים בניתוח27.

6. כיול מודל הדמיה

  1. הקלט את נפח התעבורה של הנתונים הנציג לתוך תוכנת הדמיה ולבצע את ההדמיה (איור 8א).
  2. השווה את עוצמת התעבורה מתוצאות ההדמיה עם עוצמת הנתונים שנאספה.
  3. חשב את הקיבולת באמצעות משוואה 1 להלן:
    figure-protocol-127071
    כאשר C מציין את הקיבולת האידיאלית (veh/h) ו-ht מציין את התקדמות המינימום הממוצעת (s).
  4. באמצעות הקיבולת, העריכו את שגיאת ההדמיה כשגיאת האחוזים המוחלטת (MAPE) בעקבות המשוואה 2:
    figure-protocol-129992
    כאשר n מציין את ארבעת הזרמים השונים במחקר זה, civ הוא קיבולת מדומה במודל הסימולציה (veh/h), ו Cif הוא היכולת של החקירה (veh/h). MAPE מחושב מוצג בטבלה 3.
    הערה: מודל הסימולציה ניתן להשתמש אם mape הוא קטן28,29,30.
  5. לשנות את הפרמטרים (כלומר, זרע אקראי, מכונית לעקוב סוג המודל, ליין לשנות את החוק, וכו ') מבוסס על הוראות של תוכנת הסימולציה, או לבדוק את כל השלבים המתוארים לעיל בעת בניית מודל הסימולציה31,32,33,34.

7. ניתוח רגישות

הערה: תהליך ניתוח הרגישות מוצג באיור 8ב. הנתונים שנאספו יכולים לשקף ביצועים משלו בלבד (איור 9, טבלה 4, טבלה 5 וטבלה 6). כדי להוכיח את האפקטיביות בכל המצבים, כל מצבי התנועה האפשריים ושילובים שונים היו קלט למודל סימולציה כדי להבטיח כי כל המצבים מכוסים בין מוטי ו ESUL (איור 10 ושולחן 7).

  1. בחר ביחס הרכב/משאית (אפיק) ומהירות ההפעלה של נתוני הנציג. . שמור על הפרמטרים האלה
  2. הגדר את יחס U-להפוך מ-~ 0.03-0.15 בניתוח הרגישות עם גידול של 0.03, כלומר חמש יחסי U-הפעלה בניתוח רגישות.
    הערה: בהתאם לנתוני הנציג בטבלה 1, הטווח של שיעור U-בתורו הוא 0.04-0.15.
  3. הגדר נפח תעבורה מ ~ 0.2-1.0 V/C עם גידול של 693 veh/h (0.1 V/C; טבלה 7), כלומר תשעה כרכים בניתוח הרגישות.
    הערה: נפח התנועה המקסימלי הוא 6,930 veh/h בכביש המהיר העירוני עם קטע של שלושה נתיבים, המתאים לרמת השירות E על פי קיבולת הכביש המהיר AASHTO של35 כאשר מהירות העיצוב היא 80 קמ ש.
  4. דמה את כל 45 המצבים ושמור את התוצאות הן במצב הנוכחי (מוטי) והן במצב משופר (ESUL).
  5. ודא שיפורים בזמן הנסיעה ובעיכובים על-ידי חישוב היחס = (מוטי-ESUL)/מוטי x 100%. ודא שיפורים במספר העצירות על-ידי חישוב זמן מופחת = מוטי-ESUL.
    הערה: בתוצאות הסופיות (איור 10), תוצאה חיובית (> 0) פירושה ש-esul שיפר את מצב התנועה, בעוד שתשליל (< 0) גורם לרגישות מייצג את ההיפך.

תוצאות

איור 2 מציג את האיור של esul for U-להפוך פתיחה חציון. ה-WENS מתכוון לארבעה כיוונים עיקריים. בכביש הראשי יש שישה מסלולים עם שני כיוונים. בשני הצדדים מחלקים את שני הכיוונים באמצע. זרימה 1 היא ממזרח למערב דרך התנועה, הזרימה 2 מזרחה לכיוון מזרח U-הפעלה, זרימה 3 היא מערבה ?...

Discussion

במאמר זה, הנוהל של פתרון בעיית תנועה בצומת או קטע קצר באמצעות סימולציה נדונה. מספר נקודות מגיעה לתשומת לב מיוחדת ונידונות ביתר פירוט כאן.

איסוף נתוני שדה הוא הדבר הראשון שראוי לתשומת לב. דרישות מסוימות עבור מיקום איסוף נתונים הן כדלקמן: 1) חיפוש מיקום מתאים עבור איסוף נתונים. ...

Disclosures

. למחברים אין מה לגלות

Acknowledgements

המחברים רוצים להכיר את המועצה למלגות סין על מימון חלקי עבודה זו היתה עם הקובץ No. 201506560015.

Materials

NameCompanyCatalog NumberComments
BatteryBeijing Aozeer Technology CompanyLPB-568SCapacity: 3.7v/50000mAh. Two ports, DC 1 out:19v/5A (max), for one laptop. DC 2 out:12v/3A (max), for one radar.
Battery CableBeijing Aozeer Technology CompanyNo Catalog NumberConnect one battery with one laptop.
CameraSONYa6000/as50rThe videos shot by the cameras were 1080p, which means the resolution is 1920*1080.
Camera TripodWEI FENG3560/3130The camera tripod height is 1.4m.
LaptopDellC2H2L82Operate Windows 7 basic system.
Matlab SoftwareMathWorksR2016a
RadarBeijing Aozeer Technology CompanySD/D CADX-0037
Radar SoftwareBeijing Aozeer Technology CompanyDatalogger
Radar TripodBeijing Aozeer Technology CompanyNo Catalog NumberCorresponding tripods which could connect with radars, the height is 2m at most.
Reflective VestCustomizedNo Catalog Number
VISSIM SoftwarePTV AG groupPTV vissim 10.00-07 student version

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. , (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. , (1999).
  8. Ram, J., Vanasse, H. B. Synthesis of the Median U-Turn Intersection Treatment. Transportation Research Board. , (2007).
  9. Levinson, H. S., Koepke, F. J., Geiger, D., Allyn, D., Palumbo, C. Indirect left turns-the Michigan experience. Fourth Access Management Conference. , (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. , (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). , (2008).
  24. PTV AG. . PTV VISSIM 10 User Manual. , (2018).
  25. AutoNavi Traffic Big-data. . 2017 Traffic Analysis Reports for Major Cities in China. , (2018).
  26. AutoNavi Traffic Big-data. . Xi'an realtime traffic congestion delay index. , (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. , (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. , (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. , (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).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

156U

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Contact Us

Recommend to library

JoVE NEWSLETTERS

Research

Education

Authors

Librarians

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved