Summary

Оценка эксклюзивного Spur Dike U-Turn Дизайн с радар-собранных данных и моделирования

Published: February 01, 2020
doi:

Summary

Этот протокол описывает процесс решения микроскопической проблемы трафика с помощью моделирования. Весь процесс содержит подробное описание сбора данных, анализа данных, построения модели моделирования, калибровки моделирования и конфиденциального анализа. Обсуждаются также модификации и устранение неполадок метода.

Abstract

Традиционные конструкции разворота могут улучшить эксплуатационные характеристики, очевидно, в то время как развороты и сегменты слияния по-прежнему вызывают заторы на дорогах, конфликты и задержки. Эксклюзивный шпора дамбы Разворот переулок дизайн (ESUL) предлагается здесь, чтобы решить недостатки традиционных разворотконструкций. Для оценки эксплуатационных характеристик ESUL необходим протокол моделирования трафика. Весь процесс моделирования включает в себя пять этапов: сбор данных, анализ данных, сборка модели моделирования, калибровка моделирования и чувствительный анализ. Сборка модели сбора данных и моделирования — это два важных шага, которые описаны позднее более подробно. Три индекса (время в пути, задержка и количество остановок) обычно используются в оценке, а другие параметры могут быть измерены по моделированию в соответствии с экспериментальными потребностями. Результаты показывают, что ESUL значительно уменьшает недостатки традиционных конструкций разворота. Моделирование может быть применено для решения микроскопических проблем трафика, например, на одном или нескольких смежных перекрестках или коротких сегментах. Этот метод не подходит для более масштабных дорожных сетей или оценок без сбора данных.

Introduction

Некоторые транспортные проблемы, такие как пробки на перекрестке или короткий сегмент, могут быть решены или улучшены за счет оптимизации конструкции дороги, изменения времени сигнала, измерения управления движением и других транспортныхтехнологий1,2,3. Эти улучшения оказывают положительное или отрицательное воздействие на операции транспортного потока по сравнению с первоначальными ситуациями. Изменения в операциях трафика можно сравнить в программном обеспечении моделирования трафика, а не в фактической реконструкции перекрестка или сегмента. Метод моделирования трафика является быстрым и дешевым вариантом, когда предлагается один или несколько планов улучшения, особенно при сравнении различных планов улучшения или оценки эффективности улучшений. Эта статья вводит процесс решения проблемы движения с моделированием путем оценки транспортных потоков оперативных особенностей эксклюзивного размыва разворота дизайн полосы5.

Разворот движения является широкое движение спроса, который требует разворота среднего открытия на дороге, но это было обсуждено. Проектирование разворота открытия может привести к заторов на дорогах, в то время как закрытие разворота открытия может привести к объезддляе автомобилей разворота. Два движения, разворот транспортных средств и прямого левого поворота транспортных средств, требуют разворота открытия и привести к задержкам движения, остановки, или даже несчастных случаев. Некоторые технологии были предложены для решения недостатков разворота движений, таких как сигнализация6,7,эксклюзивные левые полосы поворота8,9,и автономные транспортные средства10,11. Потенциал улучшения по-прежнему существует по вопросам разворота, из-за вышеуказанных решений, имеющих ограничительные приложения. Новый разворот дизайн может быть лучшим решением при определенных условиях и быть в состоянии решить существующие проблемы.

Наиболее популярным разворотом является средний разворот пересечения (MUTI)12,13,14,15, как показано на рисунке 1. Существенное ограничение MUTI является то, что он не может отличить разворот транспортных средств от проезжающих транспортных средств и что дорожный конфликт по-прежнему существует16,17. Модифицированный разворот дизайн называется эксклюзивный шпора дамбы Разворот переулок (ESUL; Рисунок 2) предлагается здесь и направлена на уменьшение заторов на дорогах путем введения эксклюзивного разворота полосу по обе стороны от медианы. ESUL может значительно сократить время в пути, задержки и количество остановок из-за его направления двух потоков.

Чтобы доказать, что ESUL является более эффективным, чем обычный MUTI, необходим строгий протокол. ESUL не может быть построен до теоретической модели; таким образом, моделирование необходимо18. Используя параметры транспортного потока, некоторые ключевые модели были использованы в исследовании моделирования19, таких как модели поведения вождения20,21, автомобиль следующие модели22,23, разворот модели4, и модели изменения полосы движения21. Точность моделирования транспортных потоков широкопризнана 16,24. В этом исследовании как MUTI, так и ESUL моделируются со сбором данных для сравнения улучшений, сделанных ESUL. Чтобы гарантировать точность, также моделируется чувствительный анализ ESUL, который может применяться к различным дорожным ситуациям.

Этот протокол представляет экспериментальные процедуры для решения реальных проблем дорожного движения. Предлагаются методы сбора данных о дорожном движении, анализа данных и анализа общей эффективности улучшений дорожного движения. Процедура может быть обобщена в пять этапов: 1) сбор данных о трафике, 2) анализ данных, 3) сборка модели моделирования, 4) калибровка модели моделирования и 5) анализ чувствительности операционной эффективности. Если какое-либо из этих требований в рамках пяти этапов не будет выполнено, этот процесс является неполным и недостаточным для подтверждения эффективности.

Protocol

1. Подготовка оборудования Подготовьте два из каждого из следующих устройств для сбора двухнаправлений транспортных потоков: радары, ноутбуки, батареи и кабели для радаров и ноутбуков, камеры, радары и штативы камеры.ПРИМЕЧАНИЕ: Радар и соответствующее программное обеспечение ?…

Representative Results

На рисунке 2 показана иллюстрация ESUL для медианного открытия разворота. WENS означает четыре кардинальных направления. Главная дорога имеет шесть полос движения с двумя направлениями. Зеленые ремни делят немоторизованную полосу с обеих сторон и делят д?…

Discussion

В этой статье обсуждалась процедура решения дорожной проблемы на перекрестке или коротком сегменте с помощью моделирования. Особого внимания заслуживают несколько пунктов, которые обсуждаются здесь более подробно.

Сбор полевых данных – это первое, что заслуживает вни?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Авторы хотели бы признать, что Китайский стипендиальный совет за частичное финансирование этой работы был с файлом No 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