Summary

Valutazione di un design esclusivo Spur Dike U-Turn con dati e simulazione raccolti con radar

Published: February 01, 2020
doi:

Summary

Questo protocollo descrive il processo di risoluzione di un problema di traffico microscopico con la simulazione. L’intero processo contiene una descrizione dettagliata della raccolta dei dati, dell’analisi dei dati, della compilazione del modello di simulazione, della calibrazione della simulazione e dell’analisi sensibile. Vengono inoltre discusse le modifiche e la risoluzione dei problemi del metodo.

Abstract

I progetti tradizionali a U possono ovviamente migliorare le caratteristiche operative, mentre le deviazioni a U e i segmenti di unione causano ancora congestione del traffico, conflitti e ritardi. Un esclusivo design eSUL (U-turn Lane design) di diga sperone è proposto per risolvere gli svantaggi dei tradizionali design a U-turn. Per valutare le prestazioni operative di ESUL, è necessario un protocollo di simulazione del traffico. L’intero processo di simulazione include cinque passaggi: raccolta dei dati, analisi dei dati, costruzione del modello di simulazione, calibrazione della simulazione e analisi sensibile. La compilazione del modello di simulazione e la raccolta dei dati sono due passaggi critici e vengono descritti più avanti in modo più dettagliato. Nella valutazione vengono comunemente utilizzati tre indici (tempo di viaggio, ritardo e numero di fermate) e altri parametri possono essere misurati dalla simulazione in base alle esigenze sperimentali. I risultati mostrano che l’ESUL riduce significativamente gli svantaggi dei tradizionali progetti a U-turn. La simulazione può essere applicata per risolvere problemi di traffico microscopici, ad esempio in incroci singoli o diversi adiacenti o segmenti brevi. Questo metodo non è adatto per reti stradali su larga scala o valutazioni senza raccolta dati.

Introduction

Alcuni problemi di traffico, come la congestione del traffico in un incrocio o in un segmento corto, possono essere risolti o migliorati ottimizzando la progettazione della strada, la tempistica del segnale di modifica, le misurazioni della gestione del traffico e altre tecnologie di trasporto1,2,3,4. Questi miglioramenti hanno un effetto positivo o negativo sulle operazioni di flusso del traffico rispetto alle situazioni originali. I cambiamenti nelle operazioni di traffico possono essere confrontati nel software di simulazione del traffico piuttosto che nella ricostruzione effettiva dell’intersezione o del segmento. Il metodo di simulazione del traffico è un’opzione rapida ed economica quando vengono proposti uno o più piani di miglioramento, soprattutto quando si confrontano diversi piani di miglioramento o si valuta l’efficacia dei miglioramenti. In questo articolo viene presentato il processo di risoluzione di un problema di traffico con la simulazione valutando le caratteristiche operative del flusso di traffico di un design esclusivo della corsia a u spur5.

Il movimento a U è una domanda di traffico diffusa che richiede un’apertura mediana a U sulla strada, ma questo è stato discusso. La progettazione di un’apertura a U può causare congestione del traffico, mentre la chiusura dell’apertura a U può causare deviazioni per i veicoli a U. Due movimenti, veicoli a U e veicoli diretti a sinistra, richiedono un’apertura inversione a U e causano ritardi nel traffico, fermate o persino incidenti. Alcune tecnologie sono state proposte per risolvere gli svantaggi dei movimenti di inversione a U, come la signalizzazione6,7, corsie di svolta a sinistra esclusive8,9, e veicoli autonomi10,11. Il potenziale di miglioramento esiste ancora sui problemi di inversione delle U, a causa delle soluzioni di cui sopra che hanno applicazioni restrittive. Un nuovo design a U può essere una soluzione migliore in determinate condizioni ed essere in grado di risolvere i problemi esistenti.

Il design più diffuso è l’intersezione mediana di inversione a U (MUTI)12,13,14,15, , come illustrato nella Figura 1. Una limitazione significativa del MUTI è che non è in grado di distinguere i veicoli in nevi dal passaggio di veicoli e che il conflitto di traffico esiste ancora16,17. Un design modificato a U chiamato l’esclusiva dike U-turn lane (ESUL; Figura 2) è proposto qui e mira a ridurre la congestione del traffico introducendo un’esclusiva corsia a U su entrambi i lati di una mediana. L’ESUL può ridurre significativamente i tempi di percorrenza, i ritardi e il numero di fermate dovute alla sua canalizzazione dei due flussi.

Per dimostrare che l’ESUL è più efficiente del normale MUTI, è necessario un protocollo rigoroso. L’ESUL non può essere effettivamente costruito prima di un modello teorico; pertanto, è necessaria una simulazione18. Utilizzando i parametri del flusso di traffico, alcuni modelli chiave sono stati utilizzati nella ricerca di simulazione19, come i modelli di comportamento di guida20,21, auto seguendo modelli22,23, modelli di inversione a U4, e modelli di cambio di corsia21. L’accuratezza delle simulazioni del flusso di traffico è ampiamente accettata16,24. In questo studio, sia il MUTI che l’ESUL sono simulati con dati raccolti per confrontare i miglioramenti apportati dall’ESUL. Per garantire l’accuratezza, viene simulata anche un’analisi sensibile dell’ESUL, che può applicarsi a molte situazioni di traffico diverse.

Questo protocollo presenta procedure sperimentali per risolvere problemi di traffico reali. Sono stati proposti i metodi per la raccolta dei dati sul traffico, l’analisi dei dati e l’analisi dell’efficienza complessiva dei miglioramenti del traffico. La procedura può essere riepilogata in cinque passaggi: 1) raccolta dati sul traffico, 2) analisi dei dati, 3) costruzione del modello di simulazione, 4) calibrazione del modello di simulazione e 5) analisi di sensibilità delle prestazioni operative. Se uno qualsiasi di questi requisiti nei cinque passaggi non viene soddisfatto, il processo è incompleto e insufficiente a dimostrare l’efficacia.

Protocol

1. Preparazione dell’apparecchiatura Prepara due dei seguenti dispositivi per raccogliere i flussi di traffico a due direzioni: radar, laptop, batterie e cavi per radar e laptop, fotocamere e treppiedi radar e fotocamere.NOTA: Il radar e il software corrispondente vengono utilizzati per raccogliere la velocità e la traiettoria del veicolo, e questo è più preciso di un cannone di velocità. Il radar non è l’unica scelta se sono disponibili altre attrezzature per la raccolta di velocità, traiettoria e vo…

Representative Results

La figura 2 mostra l’illustrazione dell’ESUL per l’apertura mediana di inversione u. WENS significa quattro direzioni cardinali. La strada principale ha sei corsie con due direzioni. Le cinture verdi dividono corsia non motorizzata su entrambi i lati e dividono le due direzioni al centro. Il flusso 1 è il flusso da est a ovest attraverso il traffico, il flusso 2 è il flusso da est a U-turn est, il flusso 3 è da ovest a est attraverso il traffico e il fluss…

Discussion

In questo articolo è stata discussa la procedura di risoluzione di un problema di traffico in corrispondenza di un incrocio o di un breve segmento utilizzando la simulazione. Diversi punti meritano particolare attenzione e sono discussi in modo più dettagliato qui.

La raccolta dei dati sul campo è la prima cosa che merita attenzione. Alcuni requisiti per la posizione di raccolta dati sono i seguenti: 1) Trovare una posizione adatta per la raccolta dei dati. La posizione dovrebbe essere simi…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Gli autori desiderano riconoscere che il China Scholarship Council per aver parzialmente finanziato questo lavoro è stato con il numero 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