Summary

تقييم تصميم حصري لـ Spur Dike U-Turn مع البيانات والمحاكاة التي تم جمعها بالرادار

Published: February 01, 2020
doi:

Summary

يصف هذا البروتوكول عملية حل مشكلة المرور المجهرية مع المحاكاة. تحتوي العملية بأكملها على وصف مفصل لجمع البيانات ، وتحليل البيانات ، وبناء نموذج المحاكاة ، ومعايرة المحاكاة ، والتحليل الحساس. كما تتم مناقشة التعديلات واستكشاف الأخطاء وإصلاحها للأسلوب.

Abstract

يمكن أن تؤدي التصاميم التقليدية لـ U-turn إلى تحسين الميزات التشغيلية بوضوح ، في حين أن عمليات التحويل ودمج مقاطع U لا تزال تسبب ازدحامًا مروريًا وصراعات وتأخيرات. ويقترح تصميم خاص من نوع “سد يو-تيرن” (ESUL) لحل مساوئ التصاميم التقليدية لـ U-turn. لتقييم أداء تشغيل ESUL ، هناك حاجة إلى بروتوكول محاكاة حركة المرور. تتضمن عملية المحاكاة بأكملها خمس خطوات: جمع البيانات ، وتحليل البيانات ، وبناء نموذج المحاكاة ، ومعايرة المحاكاة ، والتحليل الحساس. جمع البيانات وبناء نموذج المحاكاة خطوتان حاسمتان ويتم وصفهما لاحقًا بمزيد من التفصيل. وتستخدم في التقييم ثلاثة فهارس (وقت السفر، والتأخير، وعدد مرات التوقف) ويمكن قياس بارامترات أخرى من المحاكاة وفقا للاحتياجات التجريبية. تظهر النتائج أن ESUL يقلل بشكل كبير من عيوب التصاميم التقليدية U-turn. يمكن تطبيق المحاكاة لحل مشاكل المرور المجهرية ، كما هو الحال في تقاطعات مفردة أو عدة تقاطعات متجاورة أو أجزاء قصيرة. هذه الطريقة غير مناسبة لشبكات الطرق على نطاق أوسع أو التقييمات دون جمع البيانات.

Introduction

يمكن حل بعض المشاكل المرورية، مثل الازدحام المروري عند تقاطع أو جزء قصير، أو تحسينها من خلال تحسين تصميم الطريق، وتغيير توقيت الإشارة، وقياسات إدارة حركة المرور، وغيرها من تقنيات النقل4. هذه التحسينات إما أن يكون لها تأثير إيجابي أو سلبي على عمليات تدفق حركة المرور بالمقارنة مع الحالات الأصلية. يمكن مقارنة التغييرات في عمليات المرور في برامج محاكاة حركة المرور بدلاً من إعادة البناء الفعلي للتقاطع أو الجزء. طريقة محاكاة حركة المرور هي خيار سريع ورخيص عند اقتراح خطة تحسين واحدة أو أكثر ، خاصة عند مقارنة خطط التحسين المختلفة أو تقييم فعالية التحسينات. تقدم هذه المقالة عملية حل مشكلة المرور مع المحاكاة من خلال تقييم الميزات التشغيلية لتدفق حركة المرور من تصميم ممر dike Dike U-turn الحصري5.

حركة U-turn هي مطلب مروري واسع النطاق يتطلب فتح متوسط U-turn على الطريق ، ولكن تم مناقشة هذا الأمر. يمكن أن يؤدي تصميم فتحة U-turn إلى ازدحام مروري ، في حين أن إغلاق فتحة U-turn يمكن أن يسبب انعطافات للمركبات U-turn. اثنين من التحركات, يو بدوره المركبات ومباشرة اليسار بدوره المركبات, تتطلب فتح يو بدوره وتسبب تأخير حركة المرور, توقف, أو حتى الحوادث. وقد تم اقتراح بعض التقنيات لحل مساوئ حركات U-turn ، مثل signalization6،7، الممرات اليسرى الحصرية8،9، والمركبات المستقلة10،11. لا تزال إمكانية التحسين موجودة على مشكلات U-turn ، نظرًا للحلول المذكورة أعلاه التي لها تطبيقات تقييدية. قد يكون تصميم U-turn الجديد حلًا أفضل في ظل ظروف معينة ويكون قادرًا على معالجة المشاكل القائمة.

تصميم يو بدوره الأكثر شعبية هو تقاطع U بدوره المتوسط (MUTI)12،13،14،15، كما هو موضح في الشكل 1. ومن القيود الهامة على MUTI أنه لا يمكن التمييز بين المركبات U-turn من المركبات المارة وأن الصراع المروري لا يزال قائما16،17. تصميم تحويل U تعديل يسمى الحصري حفز السد U-بدوره حارة (ESUL; الشكل 2) هو المقترح هنا ويهدف إلى تقليل الازدحام المروري من خلال إدخال حارة حصرية يو بدوره على كلا الجانبين من وسيط. يمكن أن يقلل ESUL بشكل كبير من وقت السفر والتأخير وعدد التوقفات بسبب توجيهه للتدفقين.

لإثبات أن ESUL أكثر كفاءة من MUTI العادي ، هناك حاجة إلى بروتوكول صارم. لا يمكن بناء ESUL بالفعل قبل نموذج نظري. وبالتالي ، هناك حاجة إلى المحاكاة18. باستخدام معلمات تدفق حركة المرور ، وقد استخدمت بعض النماذج الرئيسية في بحوث المحاكاة19، مثل نماذج سلوك القيادة20،21، نماذج السيارات التالية22،23، نماذج U-turn4، ونماذج تغيير حارة21. يتم قبول دقة محاكاة تدفق حركة المرور على نطاق واسع16،24. في هذه الدراسة، يتم محاكاة كل من MUTI و ESUL مع البيانات التي تم جمعها لمقارنة التحسينات التي أدخلتها ESUL. لضمان الدقة ، يتم أيضًا محاكاة تحليل حساس لـ ESUL ، والذي يمكن تطبيقه على العديد من حالات المرور المختلفة.

يقدم هذا البروتوكول إجراءات تجريبية لحل مشاكل المرور الحقيقية. وتقترح أساليب لجمع بيانات حركة المرور، وتحليل البيانات، وتحليل الكفاءة العامة للتحسينات المرورية. ويمكن تلخيص الإجراء في خمس خطوات: 1) جمع بيانات حركة المرور، 2) تحليل البيانات، 3) بناء نموذج محاكاة، 4) معايرة نموذج المحاكاة، و 5) تحليل حساسية الأداء التشغيلي. وإذا لم يتم الوفاء بأي من هذه المتطلبات في الخطوات الخمس، فإن العملية تكون ناقصة وغير كافية لإثبات فعاليتها.

Protocol

1. إعداد المعدات إعداد اثنين من كل من الأجهزة التالية لجمع تدفقات حركة المرور في اتجاهين: الرادارات وأجهزة الكمبيوتر المحمولة والبطاريات والكابلات للرادارات وأجهزة الكمبيوتر المحمولة والكاميرات وحوامل الرادار والكاميرا.ملاحظة: يتم استخدام الرادار والبرامج المقابلة له لجمع سرعة…

Representative Results

يوضح الشكل 2 الرسم التوضيحي لـ ESUL لفتح وسيط U-turn. WENS يعني أربعة اتجاهات الكاردينال. يحتوي الطريق الرئيسي على ستة ممرات ذات اتجاهين. الأحزمة الخضراء تقسيم حارة غير مزودة بمحركات على كلا الجانبين وتقسيم الاتجاهين في الوسط. التدفق 1 هو الشرق إلى الغرب من خلال ح…

Discussion

في هذه المقالة، تمت مناقشة إجراء حل مشكلة حركة المرور عند تقاطع أو جزء قصير باستخدام المحاكاة. وهناك عدة نقاط تستحق اهتماما خاصا وتناقش بمزيد من التفصيل هنا.

جمع البيانات الميدانية هو أول شيء يستحق الاهتمام. وفيما يلي بعض المتطلبات المتعلقة بموقع جمع البيانات: 1) إيجاد موقع ?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

يود المؤلفون أن يعترفوا بأن مجلس المنح الدراسية الصيني لتمويله جزئيًا هذا العمل كان مع الملف رقم 201506560015.

Materials

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

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).

Play Video

Cite This Article
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).

View Video