JoVE Logo
著者
お問い合わせ

サインイン

このコンテンツを視聴するには、JoVE 購読が必要です。 サインイン又は無料トライアルを申し込む。

この記事について

  • 要約
  • 要約
  • 概要
  • プロトコル
  • 結果
  • ディスカッション
  • 開示事項
  • 謝辞
  • 資料
  • 参考文献
  • 転載および許可

要約

このプロトコルは、シミュレーションによる微視的な交通問題を解決するプロセスについて説明します。全体のプロセスは、データ収集、データ分析、シミュレーションモデル構築、シミュレーションキャリブレーション、および機密分析の詳細な説明が含まれています。この方法の変更とトラブルシューティングについても説明します。

要約

従来のUターン設計では運用機能が明らかに改善されますが、Uターンの転換とマージセグメントは依然として交通渋滞、競合、遅延を引き起こします。伝統的なUターン設計の欠点を解決するために、専用のスパー堤Uターンレーン設計(ESUL)が提案されています。ESUL の動作性能を評価するには、トラフィックシミュレーションプロトコルが必要です。シミュレーションプロセス全体には、データ収集、データ解析、シミュレーションモデル構築、シミュレーションキャリブレーション、およびセンシティブ解析の5つのステップが含まれます。データ収集とシミュレーション モデルの構築は、2 つの重要な手順であり、後で詳しく説明します。評価では3つのインデックス(移動時間、遅延、ストップ数)が一般的に使用され、実験のニーズに応じて他のパラメータをシミュレーションから測定することができます。結果は、ESULが従来のUターン設計の欠点を著しく減少することを示している。シミュレーションは、単一または複数の隣接する交差または短いセグメントなど、微細な交通問題を解決するために適用できます。この方法は、大規模な道路網やデータ収集のない評価には適していません。

概要

交差点や短い区間での交通渋滞などの交通問題は、道路設計、変更信号タイミング、交通管理測定、その他の交通技術1、2、3、4を最適化することで解決または改善することができます。これらの改善は、元の状況と比較して、トラフィック フローの操作にプラスまたはマイナスの影響を与えます。交通操作の変化は、交差点やセグメントの実際の再構築ではなく、交通シミュレーションソフトウェアで比較することができます。トラフィックシミュレーション方法は、特に異なる改善計画を比較したり、改善の効果を評価する場合に、1つ以上の改善計画を提案する場合に迅速かつ安価なオプションです。本稿では、排他的なスパー堤Uターンレーン設計5の交通流運用機能を評価することにより、シミュレーションによる交通問題を解決するプロセスを紹介します。

Uターンの動きは、道路上のUターン中央値の開口部を必要とする広範な交通需要ですが、これは議論されています。Uターン開口部を設計すると交通渋滞が発生する可能性がありますが、Uターン開口部を閉じるとUターン車の迂回が発生する可能性があります。Uターン車と直流左折車の2つの動きは、Uターンの開口部を必要とし、交通の遅延、停止、あるいは事故を引き起こします。シグナライゼーション6、7、専用左折車線8、9、自律走行車10、11などのUターン動作の欠点を解決するための技術が提案されている。上記のソリューションには制限的なアプリケーションがあるため、Uターンの問題には改善の可能性が残っています。新しいUターン設計は、特定の条件下でより良いソリューションとなり、既存の問題に対処できる可能性があります。

最も一般的な U ターンの設計は、図1 に示すように、中央値の U ターン交差 (MUTI)12、13、14、15です。MUTI の重要な制限は、U ターン車両と通過車両を区別できず、交通の競合が依然として16,17に存在することです。変更されたUターン設計は、排他的なスパー堤Uターンレーン(ESUL;図2)ここで提案され、中央分離帯の両側に排他的なUターンレーンを導入することにより、交通渋滞を減少させることを目的としています。ESUL は、移動時間、遅延、および 2 つのフローのチャネライズによるストップ数を大幅に削減できます。

ESUL が通常の MUTI よりも効率的であることを証明するには、厳密なプロトコルが必要です。ESUL は理論モデルの前に実際に構築することはできません。したがって、シミュレーションが必要です18.交通フローパラメータを使用して、いくつかの主要なモデルは、運転行動モデル20、21、車の次のモデル22、23、Uターンモデル4、車線変更モデル21などのシミュレーション研究19で使用されています。交通流シミュレーションの精度は広く受け入れられている16,24.この調査では、ミューティと ESUL の両方が収集されたデータとシミュレートされ、ESUL による改善を比較します。精度を保証するために、ESUL の機密分析もシミュレートされ、さまざまなトラフィック状況に適用できます。

このプロトコルは、実際の交通問題を解決するための実験的な手順を提示します。交通データ収集、データ分析、およびトラフィック改善の全体的な効率の分析のための方法が提案される。手順は、1)交通データ収集、2)データ解析、3)シミュレーションモデル構築、4)シミュレーションモデルのキャリブレーション、5)動作性能の感度解析の5つのステップで要約できます。5 つの手順でこれらの要件のいずれかが満たされていない場合、プロセスは不完全であり、有効性を証明するには不十分です。

プロトコル

1. 機器の準備

  1. レーダー、ラップトップ、バッテリー、レーダーやノートパソコン、カメラ、レーダーとカメラの三脚の2方向のトラフィックフローを収集するために、次のデバイスのそれぞれを準備します。
    注:レーダーとその対応するソフトウェアは、車両速度と軌道を収集するために使用され、これはスピードガンよりも正確です。他の機器が車両速度、軌道、および体積を収集するために利用可能な場合、レーダーは唯一の選択肢ではありません。大型車でレーダー信号を簡単にブロックできるため、カメラで撮影した動画を車両のカウントに使用できます。調査中、天候が雨や晴れである場合、機器の保護が必要です。特に晴れた日には、装置が高温に達してシャットダウンする可能性があるため、この状況では傘や冷却装置が必要です。

2. 機器の試験

  1. すべての調査官が反射ベストを着用していることを確認します。
  2. レーダー三脚を準備し、できるだけ高く伸ばします。道端で信号がブロックされないように、2 mより高い三脚を設定します。
  3. 三脚の上にレーダーをインストールし、レーダーをロックします。
  4. 路側に約0.5mのレーダーを設定し、レーダーを垂直に調整し、車両の方向または反対方向に向かいます。道路とレーダーの間の角度をできるだけ小さくしてください。
    注:レーダーはせいぜい200mを検出できます。レーダーが車線に近づきすぎると、通過する車両に吹き飛ばされる可能性があります。したがって、0.5-1.0 m は車線までの通常の距離です。
  5. 電源バッテリの電源を入れ、ラップトップを電源バッテリに接続します。レーダー電源ケーブルを接続し、レーダーデータUSBをラップトップに差し込みます。すべてのケーブルが接続されたら、ラップトップの電源を入れます。
  6. 車両の流れを撮影するためにレーダーの隣にカメラを設定します。
  7. レーダーソフトウェアを開く
    1. [通信チェック] をクリックし、ドロップダウン リストからレーダー ID 番号を選択します。これは、ID番号で検出レーダーが表示されます。
    2. [調査の設定] をクリックします。ポップアップメニューで「RLU 時間を読む」をクリックすると、左側のデバイス時間が変わります。次に、[RLU 時刻の設定] をクリックすると、左側のPC の現在時刻も変更されます。
    3. [調査の開始] をクリックすると、デバイスの動作状態が [データの記録が進行していない] および[デバイス内のデータの記録] に変わります。[閉じる] をクリックしてこのダイアログ ボックスを閉じます。
    4. リアルタイムビューをクリックしてレーダーの状態を確認します。新しいダイアログ ボックスが表示され、レーダー データが迅速にロールされます。これは、レーダーが車両を検出し、うまく機能することを意味します。コレクションが終了するまで、このダイアログ ボックスは開いたままにします。
      注:車両は、レーダーを通過するときにレーダーによってキャプチャすることができます。
    5. ダイアログ ボックスで [閉じる] をクリックして、コレクションを終了します。
    6. [調査の設定] をクリックします 。 |調査を終了し、 ダイアログ ボックスで確認します。[閉じる]ボタンをクリックします。
    7. メインメニューで[データのダウンロード]を選択します。[参照] をクリックして、レーダー データを保存する場所を選択します。スプレッドシートの個々の名前を入力します。[ダウンロードの開始] ボタンをクリックすると、進行状況バーが表示され、ダウンロード後にダイアログ ボックスが表示されます。[確認] をクリックしてデータ収集を完了します。
    8. [調査の設定] をクリックします 。 |データ レコードを消去し、次のダイアログ ボックスで確認してレーダーの内部メモリをクリアします。
      注:データ収集場所に出発する前に、すべての機器のテストが必要です。すべての部品がうまく機能する場合は、すべての機器をデータ収集場所に移動します。

3. データ収集

  1. データ収集場所の選択 (図 3)
    1. 研究で使用される交差点タイプに類似した適切な場所を選択します。
      注: これは、場所の選択で重要な要件です。場所の形状、交通の流れ状況、交通信号制御、その他の制御はすべて考慮する必要があります。研究サイトが類似するほど、結果はより正確になります。高速道路のUターン中央値開口部が必要です。十分に長い視線とクリアランスが必要であり、レーダーと調査官の安全に必要です。レーダーの検出距離と車両停止距離に基づいて、視線は、位置から上流方向に少なくとも200メートルでなければなりません。
    2. レーダーの方向のクリアランスを確認します。木、低木、歩道橋、交通標識、街灯が見えないようにしてください。
    3. 場所が機器と調査官にとって安全な場所であることを確認してください。機器が道路側または道路の上に設定されているかどうかは、地形によって異なります。
    4. ドライバーの注意を引かないように、人里離れた場所に機器を置きます。
      注: 以前の経験によると、一部のドライバーは、調査装置が表示されると、エラーが発生する場合に速度が低下することがあります。データ取得装置は、スピード違反車両を計測する交通警察の測定装置と見なすことができます。
  2. 交通データの収集
    1. 収集時間を選択します。
      1. 3時間のデータを収集する:朝のピーク時に1時間、正午の谷で1時間、夕方のピーク時に1時間。
      2. 交通調査報告書、交通警察、または交通ビジネス企業25、26 (図4)から正確なピーク時間と谷間時間を確認します。
        注: 参照としてトラフィック レポートまたは分析がない場合は、上記の 3 つの期間に 3 時間のデータを収集し、最も高いデータを選択します。
      3. シミュレーションモデルと解析セクションに、1時間の期間で交通量が最も多いデータを入力します。残りの 2 時間のデータは、最後に検証するために使用します。
    2. 機器の設定
      1. レーダーの方向を調整し、すべての車線をキャプチャできるレーダーの横にカメラを設定します。横断2の全機器を歩道橋に設置するプロセスを繰り返します。
        注: レーダー前のクリアランスは、U ターン動作の全範囲をカバーするために、できるだけ長く広くする必要があります。EW(東から西)レーダーは交通の流れに直面し、WE(西から東)レーダーは道路の位置合わせのために車両の尾に向かいます(図5)。車線の内側と外側の面に機器を設定した結果の違いはありません。レーダー位置の内側または外側は、レーダー データを持つ軌道図形の座標系にのみ影響します。レーダーがトラフィック フローに直面すると、検出された走行速度は負の値になり、データ処理中に逆方向にする必要があります。レーダーがトラフィックフローに直面すると、検出された走行速度は正の値になり、直接使用できます。
      2. レーダーとカメラの前に隙間を確保するために、ブリッジの手すりよりもわずかに高いようにレーダーとカメラを設定します。
        注:レーダーは道端の集落ほど高くなる必要はありません。
    3. レーダー、ラップトップ、カメラのタイミングがリアルタイムに一致していることを確認します。
    4. 2つのレーダーとカメラを同時に起動して、時間をスケジュールします。
    5. データ収集中にレーダーとカメラが通常 5 分ごとに動作するかどうかを確認し、すべてのパーツが正常に動作することを確認します。
    6. データ収集を終了し、レーダー データをスプレッドシートとして、識別された名前 (表 1)で出力します。

4. データ分析

  1. 計算ソフトウェアを使用してレーダーデータを抽出し、操作速度と軌道の数字をスプレッドシートから描画します。
    注: スプレッドシートには、X/Y 座標と X/Y 速度が含まれています。
  2. 図の明らかに離散点を削除します。これらのポイントはレーダーエラーです。
    注:レーダーは広い範囲の領域を検出するため、データにはターゲット車両、反対の車両、非自動車の車線に非自動車が含まれる場合があります。すべてのデータを数値としてプロットする場合、3車線のターゲット車両は明らかであり、残りの点は「明らかに離散的なポイント」です。検出領域は図3では直進しており、3車線の幅が知られており、ソフトウェアでは「明らかに離散点」を削除することができます。図 6b,dに示すように、必要な点をプロットします。
  3. トラフィックのビデオを再生し、トラフィックの量と種類を取得するために手動でカウントします。
    注:車はサイズに応じて車やトラックに分けることができます。6 m以内のすべての車、タクシー、小型トラックは、ここでは車として分類されます。大型トラックやバスはすべてトラックに分類されます。
  4. 最も高いトラフィック・ボリューム・グループを代表データとして選択し、セクション 5 で説明するシミュレーションに入力します。
    注: シミュレーションおよび感度解析では、データのグループが 1 つだけ必要です。他の 2 つのグループからのデータは、検証としてシミュレートされます。

5. シミュレーションモデルの構築

  1. 道路の建設
    1. シミュレーションソフトウェアを開きます。インターフェイスの上部にある[マップ] ボタンをクリックし、マップをズームしてデータ収集場所を見つけます。
    2. 左側の[リンク]をクリックし、リンクの開始位置にカーソルを移動して右クリックします。[新しいリンクの追加] を選択し、リンク名とレーンの数を入力して、[OK]をクリックします。カーソルをドラッグして、マップ上にリンクを描画します。
    3. リンクを右クリックし、[ポイントの追加 ]を選択します。ポイントを追加してポイントをドラッグすると、マップ内の実際の道路の位置合わせでリンクが滑らかになります。
    4. U ターンの中央の開口部を除き、4 つのセグメントを作成するには、手順 5.1.2 および 5.1.3 3x を繰り返します。
    5. マウスの右ボタンとキーボードのCtrlボタンを押したまま、1 つのリンクの端点を隣接リンクにドラッグしてリンクを接続します。このパーツは「コネクタ」と呼ばれ、より多くの点が追加されるにつれて滑らかになります。
    6. ステップ 5.1.5 を繰り返して、すべてのリンクと U ターンルートを接続します。
  2. 希望速度の入力
    1. 上部のバーから[基本データ] を選択し、[分布 |希望速度。
    2. 下部にある緑色の十字の追加ボタンをクリックして、新しい速度を追加し、名前を付けます。
    3. [望ましい速度分布]ダイアログボックスで、代表データから収集した最大速度を最大希望速度として入力し、次に、代表データから計算された平均速度を最小の希望速度として入力します。デフォルトのデータを削除します。
    4. この希望する速度の名前を入力します。
    5. 手順 5.2.3 および 5.2.4 を繰り返して、すべての希望速度(WE、EW、WW U ターン、EE U ターン)を作成します。
  3. 車両構成
    1. トップバーからリストボタンを選択し、プライベートトランスポート |をクリックします。車両の構成.
    2. 下部にある緑色のクロス追加ボタンをクリックして、新しい車両構成を追加します。ステップ 5.2 で構築された希望の速度を「車」として選択します。
    3. 緑色のクロス追加ボタンをクリックして、車両タイプのバス/トラックをHGVとして追加します。ステップ 5.3.2 で行ったのと同じ速度を選択します。
    4. 代表的なデータからRelFlowでの車とトラックの量を入力します。
    5. 手順 5.3.2~5.3.5 を繰り返して、すべての車両構成(WE、EW、WW U ターン、EE U ターン)を作成します。
  4. 車両ルート
    1. 左側のメニューバーから車両ルートを選択します。
    2. 開始点として 1 つのリンクの上流にカーソルを移動し、右クリックして、[新しい静的車両ルーティング決定の追加] を選択します。
    3. データ収集で車両ルートを表す青いカーソルをドラッグします。このステップ 4x を WE、EW、WW U ターン、EE U ターンで繰り返して、すべての車両ルートを描画します。
  5. 減速エリア
    1. 左側のメニューバーから「減速エリア」を選択します。
    2. U ターンオープンのアップストリームで右クリックし、[新しい減速領域を追加]を選択します。
      注: エリアの長さは、代表的なデータと速度変更の長さによって異なります。
    3. この領域を両方向に構築します。
  6. 紛争地域
    1. 左側のメニューバーから[競合領域]を選択します。4つの黄色の競合領域が中央の開始セクションに表示されます。
    2. 黄色の競合領域を右クリックし、現実的な状況と競合領域が赤に変わるので、[状態を未確定に設定]を選択します。
    3. 4 つの競合領域すべてに対して、手順 5.6.2 を繰り返します。
  7. 移動時間の測定
    1. 左側のメニューバーから「車両移動時間」を選択します。
    2. 1 つのリンクの先頭を右クリックし、[新しい車両移動時間の測定を追加]を選択します。
    3. カーソルをリンクの最後までドラッグして、1 台の車両移動時間の計測を作成します。すべての車両ルート(WE、EW、WW U ターン、EE U ターン)に対してこの手順を繰り返します。
    4. 各移動時間の計測に対応する方向の名前を付けます。
      注: 改善設計と動作状況を比較するには、移動時間の測定の長さは両方のシミュレーション モデルで同じである必要があります。
  8. 車両入力
    1. 左側のメニューバーから車両入力を選択します。1つのリンクの始点をクリックし、右クリックして新しい車両入力を追加します。
    2. マウスを左下に移動し、代表的なデータから入力ボリュームを入力します。すべてのリンクに対してこの手順を繰り返します。
  9. 比較として別のESULシミュレーションモデルを構築し、Uターン開口部部品のみを修正する必要があります(図7および表2)。
  10. インタフェースの上部にある青い再生ボタンをクリックすると、シミュレーションが開始されます。再生ボタンの左側にあるスケールをドラッグして、シミュレーション速度を調整できます。
    メモ:インストルメントボタンクイックモードでは、シミュレーション速度を最大にできます。
  11. シミュレーションが終了すると、すべての結果がインタフェースの下部に表示されます。結果を新しいスプレッドシートにコピーします。ここで、移動時間、遅延、およびストップの数は、分析27で評価される。

6. シミュレーションモデル校正

  1. 代表的なデータのトラフィック量をシミュレーションソフトウェアに入力し、シミュレーションを実行します(図8a)。
  2. シミュレーション結果のトラフィック量と収集したデータ量を比較します。
  3. 以下の式1を使用して容量を計算します。
    figure-protocol-8534(1)
    Cは理想的な容量 (veh/h) を示し、htは平均最小ヘッドウェイ (複数可) を示します。
  4. 容量を使用して、方程式2に続く平均絶対パーセント誤差(MAPE)としてシミュレーション誤差を推定します。
    figure-protocol-8755(2)
    ここで、nは、このスタディの 4 つの異なるフローを示し、Civはシミュレーション モデルでシミュレートされた容量 (veh/h)、C ifは調査のキャパシティ (veh/h) です。計算された MAPE を表 3に示します。
    注: MAPE が小さい場合は、シミュレーション モデルを使用できます28,29,30.
  5. シミュレーションソフトウェアの指示に基づいてパラメータ(すなわち、ランダムシード、車追従モデルタイプ、レーン変更ルールなど)を修正するか、シミュレーションモデル31、32、33、34を構築する際に上記のすべてのステップをチェックする。

7. 感度解析

注: 感度分析プロセスは、図 8bに示されています。収集されたデータは、独自のパフォーマンス (図 9、表 4、表 5、および表 6)のみを反映できます。あらゆる状況下での効果を証明するために、可能なすべてのトラフィック状況とさまざまな組み合わせがシミュレーション モデルに入力され、すべての状況が MUTI と ESUL の間で確実にカバーされます (図 10および表 7)。

  1. 代表的なデータの車/トラック(バス)の比率と動作速度を選択します。これらのパラメーターを保持します。
  2. 感度解析ではUターン比を~0.03~0.15から0.03を増加させ、感度解析では5つのUターン比を意味します。
    注:表 1の代表的なデータによると、U ターンレートの範囲は 0.04-0.15 です。
  3. 693 veh/h (0.1 V/C) の増加で、~0.2~1.0 V/C のトラフィック量を設定します。表 7)、感度分析での 9 つのボリュームを意味します。
    注: 設計速度が 80 km/h の場合、AASHTO の高速道路能力マニュアル35に従って、3 車線のセグメントを持つ都市高速道路の最大交通量は 6,930 veh/h です。
  4. 45 の状況をすべてシミュレートし、現在の状況 (MUTI) と改善された状況 (ESUL) の両方で結果を保存します。
  5. 移動時間と遅延の改善を確認するには、比率 = (MUTI - ESUL)/MUTI x 100% を計算します。短縮時間 = MUTI - ESUL を計算して、ストップ数の改善を確認します。
    注: 最終結果 (図 10)では、ESUL がトラフィック状況を改善し、負の値 (<0) の結果は逆の値を表します( >0)結果は、正の結果です。

結果

図 2は、U ターンの中央の開口部の ESUL の図を示しています。WENSは4つの基本的な方向を意味します。幹道路には2つの方向を持つ6つの車線があります。グリーンベルトは、両側の非電動車線を分割し、中央の2つの方向を分割します。流れ1は東から西に通り、流れ2は東から東へUターン流れ、流れ3は西から東へ交通を通り、流れ4は西から西Uター?...

ディスカッション

本稿では、シミュレーションを用いて交差点または短いセグメントでの交通問題を解決する手順について考察した。いくつかの点は特別な注意に値し、ここでより詳細に議論されています。

フィールド データの収集は、注目に値する最初のものです。データ収集場所の要件には、次のようなものがあります。場所は、データ収集の前提である、スタディの道路の幾何学?...

開示事項

著者たちは開示するものは何もない。

謝辞

著者らは、この作品に部分的に資金を提供した中国奨学評議会が201506560015のファイルでした。

資料

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

参考文献

  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).

転載および許可

このJoVE論文のテキスト又は図を再利用するための許可を申請します

許可を申請

さらに記事を探す

156 U

This article has been published

Video Coming Soon

JoVE Logo

個人情報保護方針

利用規約

一般データ保護規則

お問い合わせ

図書館への推薦

JoVE ニュースレター

研究

教育

著者

図書館員

JoVEについて

Copyright © 2023 MyJoVE Corporation. All rights reserved