JoVE Journal > Engineering
Summary
Abstract
Introduction
Protocol
Résultats
Discussion
Divulgations
Acknowledgements
Materials
References
Traduction automatique
Ingénierie

Evaluering af et eksklusivt Spur Dike U-Turn Design med radarindsamlede data og simulering

Published: February 01, 2020
doi:
10.3791/60675
, , , , , , ,
1Highway Academy,Chang’an University, 2Human Resource Department,Xi’an Shiyou University, 3Cockrell School of Engineering,University of Texas at Austin, 4Department of Earth and Atmospheric Science,University of Houston, 5School of Foreign Languages,Xi’an Shiyou University

Summary

Denne protokol beskriver processen med at løse et mikroskopisk trafikproblem med simulering. Hele processen indeholder en detaljeret beskrivelse af dataindsamling, dataanalyse, simuleringsmodelopbygning, simuleringskalibrering og følsom analyse. Ændringer og fejlfinding af metoden diskuteres også.

Abstract

Traditionelle U-turn-design kan naturligvis forbedre de operationelle funktioner, mens U-turn-omdirigeringer og fletsegmenter stadig forårsager trafikpropper, konflikter og forsinkelser. En eksklusiv anspore dige U-turn lane design (ESUL) foreslås her for at løse ulemperne ved traditionelle U-turn design. For at evaluere ESUL’s driftsydeevne er der behov for en trafiksimuleringsprotokol. Hele simuleringsprocessen omfatter fem trin: dataindsamling, dataanalyse, simuleringsmodelopbygning, simuleringskalibrering og følsom analyse. Opbygning af dataindsamlings- og simuleringsmodel er to kritiske trin og beskrives senere mere detaljeret. Tre indekser (rejsetid, forsinkelse og antal stop) er almindeligt anvendt i evalueringen, og andre parametre kan måles fra simuleringen i henhold til eksperimentelle behov. Resultaterne viser, at ESUL i væsentlig grad mindsker ulemperne ved traditionelle U-vendingdesign. Simuleringen kan anvendes til at løse mikroskopiske trafikproblemer, såsom i enkelte eller flere tilstødende vejkryds eller korte segmenter. Denne metode er ikke egnet til større vejnet eller evalueringer uden dataindsamling.

Introduction

Nogle trafikproblemer, såsom trafikpropper i et vejkryds eller kort segment, kan løses eller forbedres ved at optimere vejdesign, ændre signal timing, trafikstyringsmålinger, og andre transportteknologier1,2,3,4. Disse forbedringer har enten en positiv eller negativ indvirkning på trafikflowoperationer i forhold til de oprindelige situationer. Ændringerne i trafikoperationer kan sammenlignes i trafiksimuleringssoftware snarere end i den faktiske rekonstruktion af krydset eller segmentet. Trafiksimuleringsmetoden er en hurtig og billig løsning, når der foreslås en eller flere forbedringsplaner, især når man sammenligner forskellige forbedringsplaner eller evaluerer effektiviteten af forbedringer. Denne artikel introducerer processen med at løse et trafikproblem med simulering ved at evaluere trafikstrømmen operationelle funktioner i en eksklusiv anspore dige U-turn lane design5.

U-vending bevægelse er en udbredt trafik efterspørgsel, der kræver en U-vending median åbning på vejen, men dette er blevet drøftet. Design af en U-vending åbning kan forårsage trafikpropper, mens lukke U-turn åbning kan forårsage omveje for U-turn køretøjer. To bevægelser, U-sving køretøjer og direkte venstresving køretøjer, kræver en U-vending åbning og forårsage trafikforsinkelser, stop, eller endda ulykker. Nogle teknologier er blevet foreslået for at løse ulemperne ved U-turn bevægelser, såsom signalisering6,7, eksklusive venstresving baner8,9, og autonome køretøjer10,11. Der er stadig forbedringspotentiale på U-vendingsspørgsmål på grund af ovennævnte løsninger, der har restriktive anvendelser. Et nyt U-vendingdesign kan være en bedre løsning under visse betingelser og være i stand til at løse eksisterende problemer.

Det mest populære U-vendingdesign er det gennemsnitlige U-turn-skæringspunkt (MUTI)12,13,14,15, som vist i figur 1. En væsentlig begrænsning af MUTI er , at den ikke kan skelne U-turn-køretøjer fra forbipasserende køretøjer , og at der stadig ertrafikkonflikt 16,17. Et modificeret U-vendingdesign kaldet den eksklusive spore dige U-vendingsbane (ESUL; Figur 2) foreslås her og har til formål at mindske trafikpropper ved at indføre en eksklusiv U-vending bane på begge sider af en median. ESUL kan reducere rejsetiden, forsinkelserne betydeligt og antallet af stop på grund af dens kanalisering af de to strømme.

For at bevise, at ESUL er mere effektiv end den normale MUTI, er der behov for en streng protokol. ESUL kan ikke faktisk konstrueres før en teoretisk model. således er simulering nødvendig18. Ved hjælp af trafikflow parametre, nogle centrale modeller er blevet brugt i simulation forskning19, såsom køreadfærd modeller20,21, bil efter modeller22,23,U-turn modeller4, og lane ændre modeller21. Nøjagtigheden af trafikflowsimuleringer accepteres bredt16,24. I denne undersøgelse simuleres både MUTI og ESUL med indsamlede data for at sammenligne de forbedringer, der er foretaget af ESUL. For at sikre nøjagtighed simuleres en følsom analyse af ESUL også, som kan gælde for mange forskellige trafiksituationer.

Denne protokol indeholder eksperimentelle procedurer til løsning af reelle trafikproblemer. Metoderne til indsamling af trafikdata, dataanalyse og analyse af den overordnede effektivitet af trafikforbedringer foreslås. Proceduren kan opsummeres i fem trin: 1) indsamling af trafikdata, 2) dataanalyse, 3) simuleringsmodelbuild, 4) kalibrering af simuleringsmodel og 5) følsomhedsanalyse af driftspræstationen. Hvis et af disse krav i de fem trin ikke er opfyldt, er processen ufuldstændig og utilstrækkelig til at bevise effektiviteten.

Protocol

1. Fremstilling af udstyret Forbered to af hver af følgende enheder til at indsamle to-retningstrafikstrømme: radarer, bærbare computere, batterier og kabler til radarer og bærbare computere, kameraer og radar og kamera stativer.BEMÆRK: Radaren og dens tilsvarende software bruges til at indsamle køretøjets hastighed og bane, og dette er mere præcist end en hastighedpistol. Radaren er ikke det eneste valg, hvis andet udstyr er tilgængeligt til indsamling af køretøjets hastighed, bane og volumen. D…

Representative Results

Figur 2 viser illustrationen af ESUL til U-vending median åbning. WENS betyder fire kardinalretninger. Hovedvejen har seks baner med to retninger. Greenbelts deler ikke-motoriserede vognbane på begge sider og deler de to retninger i midten. Flow 1 er øst mod vest gennem trafik, flow 2 er øst til øst U-turn flow, flow 3 er vest til øst gennem trafik, og flow 4 er vest til vest U-turn trafik. Fu…

Discussion

I denne artikel blev proceduren for løsning af et trafikproblem i et vejkryds eller et kort segment ved hjælp af simulering drøftet. Flere punkter fortjener særlig opmærksomhed og drøftes mere detaljeret her.

Indsamling af feltdata er det første, der fortjener opmærksomhed. Nogle krav til dataindsamlingslokation ender som følger: 1) At finde en passende placering til dataindsamling. Placeringen skal svare til den geometriske vejform i undersøgelsen, som er forudsætningen for dataind…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Forfatterne vil gerne anerkende China Scholarship Council for delvis finansiering af dette arbejde var med filen nr.

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
DOWNLOAD MATERIALS LIST

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).

Tags

U-turn DesignRadar Data CollectionTraffic SimulationTraffic EvaluationMedian OpeningTraffic FlowTraffic DataRadar InstallationRadar SoftwareTraffic Data Analysis
check_url/fr/60675?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citer Cet 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).
Télécharger la Citation
Réimpressions et Autorisations

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image