تجزیه و تحلیل اشباع بیش از حد ترافیک بر اساس داده های چند هدف

با افزایش تقاضای سفر مردم ، آلودگی هوا ناشی از حمل و نقل آنها نیز بیشتر و جدی تر می شود. در میان آنها ، در روند سفر مردم ، آلودگی اگزوز ناشی از احتقان ترافیک به ویژه جدی است. شناسایی دقیق رژیم های مختلف اشباع بیش از حد و استفاده از استراتژی های کنترل مؤثر نقش مهمی در کاهش احتقان ترافیک دارد. در طی یک سناریوی اشباع شده سه رژیم تکامل وجود دارد: بارگیری ، عمل اشباع نشده و بهبودی. در کنترل سیگنال ترافیک تحت سناریوی اشباع نشده ، اهداف و روشهای کنترل مربوطه باید بر اساس رژیم اشباع بیش از حد اتخاذ شود. در این مقاله ، ویژگی های چند منظوره و داده های مسیر آنها از هر حرکت در تقاطع مورد تجزیه و تحلیل قرار می گیرد. بر اساس شاخص شدت اشباع ، حجم ترافیک و صف در حرکت ، شناسایی و تجزیه و تحلیل علت هر رژیم از اشباع بیش از حد انجام می شود. مثالها و نتایج شبیه سازی ثابت کرد که روش ارائه شده در این مقاله می تواند به طور مؤثر علت و میزان اشباع بیش از حد را تجزیه و تحلیل کرده و رژیم آن را شناسایی کند. این پیامدهای مهمی برای کاهش احتقان ترافیک و کاهش انتشار کربن وسیله نقلیه دارد.

1. مقدمه

احتقان ترافیک یک مشکل مداوم است که منجر به سر و صدا ، آلودگی هوا و مصرف انرژی می شود [1،2،3] ، و اشباع بیش از حد تقاطع یکی از اصلی ترین جلوه های احتقان ترافیک است. در بارگیری ، عملیات اشباع نشده و رژیم های بازیابی اشباع بیش از حد تقاطع ، شناسایی دقیق رژیم و علت آن و ترکیب تئوری های مربوطه برای مدیریت ترافیک بسیار مهم است ، که برای بهبود سطح خدمات و کاهش یا حتی جلوگیری از آن از اهمیت بالایی برخوردار است. شرایط ترافیکی اشباع اشباع. علاوه بر این ، جریان ترافیک در یک تقاطع از جریان ترافیک در حرکات مختلف تشکیل شده است. هنگام تجزیه و تحلیل رژیم های اشباع ، هدف تحقیق بر روی هر جنبش متمرکز شده است ، که می تواند با دقت بیشتری رژیم ها و علت تقاطع را مورد تجزیه و تحلیل قرار دهد ، استراتژی های مناسب کنترل ترافیک را اتخاذ کند ، تراکم ترافیک شهری یا تصادفات را کاهش دهد [4،5] و در آخر ، بهبود می یابد. کیفیت هوا [6،7].

کنترل ترافیک تحت شرایط اشباع نشده یکی از موارد داغ مورد مطالعه توسط کارشناسان و محققان در زمینه ترافیک است. نوین و همکاران.[8] یک روش کنترل سیگنال ترافیک را با اندازه گیری صف مبتنی بر خط پیشنهاد کرد ، با هدف به حداکثر رساندن میزان خروج مؤثر فرد از هر حرکت و کاهش تأثیر منفی سرریز در شبکه. سان و همکاران.[9] یک استراتژی کنترل بازخورد شبه بهینه مبتنی بر صف را پیشنهاد کرد ، که حداکثر طول صف را در طول دوره صف بندی کنترل می کند و صف صف را در اسرع وقت در طول دوره اتلاف پاک می کند. دینگ و همکاران.[10] یک روش همراه با کنترل ترافیک-کنترل ترومتر را پیشنهاد کرد ، با هدف جریان بهینه تجمعی و حداقل تأخیر در شبکه و بهبود عملکرد شبکه کلان با توجه به قوانین تعادل جریان ترافیک در چندین منطقه MFD. ماریوت و همکاران.[11] یک مدل انتشار احتقان را بر اساس مدل انباشت ارائه داد و دسته بندی های احتقان ترافیک را با مسافت یا دسته های مختلف سفر تجزیه و تحلیل کرد ، سپس یک روش کنترل را بر اساس تقاضای سفر برای دستیابی به کنترل تراکم ترافیک ارائه داد. مهدی و همکاران.[12] یک روش تخصیص جریان ترافیک را بر اساس طول یا تأخیر در صف پیشنهاد کرد ، که ضمن کاهش اختلال در ترافیک در بالادست و جلوگیری از گسترش بیش از حد بیش از حد ، تأخیر را کاهش می دهد. مو و همکاران.[13] مجموعه ای از روشهای پارتیشن اساسی ماکروسکوپی (MFD) را بر اساس تئوری نمودار طراحی کرده است ، که بر اساس تجزیه و تحلیل اهداف پارتیشن MFD است و می تواند برای کنترل ترافیک برای جلوگیری از انتقال تراکم ترافیک و همچنین بهبود راندمان شبکه جاده ای استفاده شود. واداین روشها با هدف بهینه سازی برخی از شاخص های قابل مشاهده مانند طول صف ، تأخیر یا حجم ترافیک برای اجرای کنترل ترافیک در تقاطع های اشباع بیش از حد انجام می شود. اگرچه آنها به نتایج خاصی دست یافته اند ، تجزیه و تحلیل کمی از حالت های ترافیک اشباع نشده کافی نیست. اوضاع نشان می دهد که سیاست های مدیریت تقاضا برای بهبود قابلیت استفاده نیاز به در نظر گرفتن شرایط دقیق تر دارند [14].

وو و همکاران.[15] فرآیند حرکت جریان ترافیک را با رویکرد تقاطع های سیگنال مورد بررسی قرار داد ، سپس روشی برای شناسایی وضعیت ترافیک را بر اساس طول صف و ظرفیت رویکرد ارائه داد. لیان و همکاران.[16] از روش ارزیابی تجزیه و تحلیل جامع فازی برای تجزیه و تحلیل جامع سرعت سفر ، اشباع ، تأخیر و سایر شاخص های جریان ترافیک در جاده اصلی ، برای ارزیابی وضعیت ترافیکی جاده اصلی شهر استفاده کرد. وانگ و همکاران.[17] با هدف این مسئله که روش تبعیض وضعیت ترافیک در تقاطع نمی تواند به طور مؤثر وسایل نقلیه سرریز و آهسته را شناسایی کند ، روشی را برای تبعیض وضعیت ترافیک تقاطع در هر جهت با محاسبه اشباع ارائه داد. چن و همکاران.[18] یک حالت ترافیک همراه با کنترل سیگنال و روش تبعیض اصالت آن را با استفاده از واریانس پیشروی و اشغال زمان به عنوان پارامترهای تبعیض آمیز ، همراه با اتلاف وسایل نقلیه صف در چرخه برای تبعیض وضعیت ترافیک پیشنهاد کرد. بر اساس مدل تئوری بازی-ابر ، Xu و همکاران.[19] میانگین سرعت ، اشباع ، میانگین تعداد توقف ها و زمان سفر تقاطع را به عنوان شاخص های اصلی ارزیابی انتخاب کرد و ارزیابی و تجزیه و تحلیل لایه حالت عملکرد ترافیک میکر و-میا و-مكرو را بر اساس لایه تحقق بخشید. ژانگ و همکاران.[20] از رابطه بین جریان هر مرحله و تقسیم در تقاطع شروع شد ، سپس از روش پیش بینی جامع استفاده کرد تا روشی را برای تعیین وضعیت ترافیک یک تقاطع چند مرحله ای کنترل شده ارائه دهد. یائو و همکاران.[21] روشی را برای برآورد طول صف سرریز در مورد داده های تشخیص با وضوح پایین پیشنهاد کرد ، داده های تشخیص تقاطع های بالادست و پایین دست را تجزیه و تحلیل کنید ، سپس از تئوری موج شوک ترافیکی برای توصیف آن استفاده کنید. طول صف در شرایط جبران برای محاسبه طول صف و ارزیابی آن استفاده می شود. چن و همکاران.[22] یک مدل صف فضایی را برای سیستم ترافیک اشباع شده با نرخ ورود به وسیله نقلیه وابسته به زمان پیشنهاد کرد ، سپس فرآیند تکامل احتقان را در تنگنای ترافیک با استفاده از جریان ، چگالی و زمان سفر در تنگنای ترافیک توصیف کرد. یوان و همکاران.[23] روشی را برای شناسایی تنگناهای ترافیکی و تعیین میزان احتقان ترافیک با ایجاد یک مدل زمان گسسته برای تنگناهای ترافیکی برای تجزیه و تحلیل زمان بندی سیگنال و ویژگی های جریان ترافیک ارائه داد. الجامل و همکاران.

[24] یک رویکرد فیلتر غیرخطی برای تخمین چگالی جریان ترافیک بر رویکردهای سیگنال دار صرفاً بر اساس داده های وسیله نقلیه متصل و سپس ارزیابی میزان احتقان ترافیک را پیشنهاد کرد. اگرچه این روش ها مرجع برای تعیین میزان اشباع بیش از حد ، ترکیب شدت اشباع به دست آمده با پارامترهای کنترل سیگنال ترافیک دشوار است و کنترل مستقیم سیگنال ترافیک با توجه به میزان کمیت به دست آمده دشوار است.

برخی از کارشناسان و محققان پارامترهای کنترل سیگنال ترافیک را با هم ترکیب کرده و مبنای تجزیه و تحلیل را برای وضعیت اشباع شده ارائه می دهند. GAZIS [25] خاطرنشان كرد كه وضعیت وسایل نقلیه صف كاملاً در چرخه نور سبز از بین نرفته است ، وضعیت اشباع نشده است. ابو لبده و بنكوهال [26،27] پیشنهاد كردند كه صف های متعدد وسایل نقلیه به دلیل زمان كافی سبز یا به دلیل احتقان می تواند به عنوان مبنای شناسایی برای شرایط اشباع استفاده شود. روس [28] خاطرنشان كرد كه دولت اشباع شده را می توان با توجه به خصوصیات صف ناپایدار ناشی از احتقان ، تبعیض قائل شد. این دیدگاه معتقد است که ، حتی اگر حداکثر طول صف کمتر از طول قطعه جاده باشد ، در صورت وجود یک صف باقیمانده در تقاطع در هر چرخه ، باید یک تقاطع اشباع شود.

NCHRP (برنامه ملی تحقیقات بزرگراه تعاونی) [29] اشباع جریان ترافیک را در گزارش خود تعریف کرده و یک شاخص شدت اشباع موقت (TOSI) و یک شاخص اشباع بیش از حد مکانی (SOSI) را ارائه می دهد ، که به عنوان شاخص های کمی حالت اشباع استفاده می شود [30] ، و از ردیاب حلقه و نظریه شوک موج ترافیک برای برآورد طول صف تقاطع استفاده می شود ، سپس TOSI و SOSI بر اساس تخمین محاسبه می شوند. Qian [31] و Wu [32] همچنین از این نوع روش و نظریه برای اثبات امکان سنجی علمی خود استفاده کردند. موروزوف [33] از تجهیزات و نرم افزارهای مدرن برای به دست آوردن و پردازش داده های تجربی استفاده کرد. مطالعات تجربی بسته به جهت جریان ترافیک ، پارامترهای مدل توسعه یافته را تعیین می کند.

امروز ، درک چند منبع برای تشخیص داده های ترافیکی کمک می کند. داده های با وضوح بالا از وسایل نقلیه چندگانه را می توان بر اساس روش های تشخیص پیشرفته بدست آورد. در این مقاله فرض می شود که اطلاعاتی مانند پلاک ها ، موقعیت ها و سرعت کلیه وسایل نقلیه در محدوده تشخیص را می توان بر اساس فناوری تشخیص پیشرفته و همچنین زمان سیگنال های ترافیکی در تقاطع ها بدست آورد. در این مقاله ، این داده ها از شبیه سازی اشباع بیش از حد توسط نرم افزار PTV Vissim 2021 (کپی رایت توسط گروه PTV ، کارلسروهه ، آلمان) است. با فرض دانستن موقعیت و سرعت وسایل نقلیه چند ، تکامل وضعیت ترافیک در حرکات یک تقاطع مورد بررسی قرار می گیرد. وسایل نقلیه موجود در هر حرکت با توجه به سرعت و فاصله آنها برای تجزیه و تحلیل میزان اشباع بیش از حد در بعد زمانی به سازندها تشکیل می شوند. میزان اشباع بیش از حد در بعد مکانی با تنظیم یک ردیاب مجازی در منطقه تشخیص تجزیه و تحلیل می شود. بر اساس رشد صف در حرکت و تغییر در حجم ترافیک ، رژیم و علل اشباع بیش از حد در حرکت شناسایی و تجزیه و تحلیل می شود.

2. روشها

2. 1داده های شبیه سازی vissim

با استفاده از نرم افزار VISSIM برای شبیه سازی ترافیک اشباع شده ، داده های حرکتی وسایل نقلیه تحت شرایط ترافیک اشباع شده را می توان بدست آورد [34]. در این مقاله ، با کنترل مقدار ورودی ترافیک در تقاطع بالادست و توانایی اتلاف زمان سیگنال در تقاطع هدف ، 3 نوع اشباع بیش از حد طراحی شده است: صف های باقیمانده به دلیل جریان بیش از حد ترافیک ، سرریز خلیج ذخیره سازی وسرریز تقاطع پایین دست. نمودار شماتیک طرح آزمایشی در شکل 1 نشان داده شده است.

نرم افزار شبیه سازی اشباع Vissim در شکل 2 نشان داده شده است. صف های باقیمانده و سرریز در خلیج ذخیره سازی در غرب غربی وجود دارد ، و مرز غربی تحت تأثیر سرریز در خروجی شرقی قرار دارد. در این مقاله ترافیک اشباع شده بر اساس داده های شبیه سازی در این سناریو مورد تجزیه و تحلیل قرار خواهد گرفت.

2. 2تشکیل وسیله نقلیه

تشکیل وسیله نقلیه به شکل گیری وسایل نقلیه در جاده به یک یا چند هدف با توجه به موقعیت و سرعت آنها اشاره دارد و هر تشکیل وسیله نقلیه سرعت و چگالی تشکیل خود را دارد. تشکیل وسایل نقلیه گسسته در جاده برای تقسیم صف های توقف و سایر صف ها با سرعت های مختلف و بهبود استفاده از زمان سبز در فرآیند کنترل سیگنال ترافیک مفید است.

با شمارش از خط توقف تا بالادست آن، موقعیت یک وسیله نقلیه در یک خط مشخص با y n، سرعت مربوط به وسیله نقلیه با v n نشان داده می شود، و فاصله سر تا سر برابر است Δ y n = y n − y n- 1. وسایل نقلیه متوالی با فواصل مشابه را می توان به یک آرایش تقسیم کرد. اگر سرعت یک وسیله نقلیه بتواند آن را با سازند جلویی در یک G a p T i m e معینی هماهنگ کند، می توان در نظر گرفت که متعلق به همان سازند خودروی جلویی است و باید شرایط زیر رعایت شود:

t ϕ نباید خیلی بزرگ باشد. باید به پسوند سبز واحد نزدیک باشد. این مقاله t ϕ = 3. 5 ثانیه طول می کشد.< G r o u p 1 , G r o u p 2 , … , G r o u p m >همانطور که در شکل 3 نشان داده شده است، با فرض اینکه وسایل نقلیه در حرکت را می توان به m سازندهای وسیله نقلیه تقسیم کرد، و حتی یک وسیله نقلیه نیز می تواند به یک سازند تبدیل شود. با G r o u p s = نشان داده می شود< y 1 , y 2 , … , y n >، و G r o u p m با n وسیله نقلیه با G r o u p m = نشان داده می شود< y 1 >.

. اگر وسیله نقلیه ای در حرکت باشد، باید حداقل G r o u p 1 = وجود داشته باشد< y 1 , y 2 , … , y j >شکل گیری در مقابل یک وسیله نقلیه خاص را نشان می دهد که به j وسیله نقلیه به صورت G r o u p i = طبقه بندی شده است.

. اگر این وسیله نقلیه متعلق به سازند جلو باشد، به G r o u p i اضافه می شود. در غیر این صورت، وسیله نقلیه به اولین وسیله نقلیه سازند جدید تبدیل می شود و سازند جدید به حرکت های حرکتی اضافه می شود. شکل گیری یک وسیله نقلیه خاص به شرح زیر طبقه بندی می شود:< y 1 , y 2 , … , y n >تعداد وسایل نقلیه در یک ساختار معین را N v, k نشان می دهد. سازند G r o u p m =

به عنوان یک کل نشان داده می شود و طول هر وسیله نقلیه l e n g t h v e h است، سپس موقعیت سر سازند y 1 است و دم آن y n + l e n g t h v e h است. طول تشکیل را می توان به صورت زیر محاسبه کرد:

از آنجایی که سازند وسیله نقلیه در فضا قابل تراکم است، حداقل فاصله ایمن بین وسایل نقلیه را به صورت l e n g t h s a f e تنظیم کنید، سپس زمانی که همه وسایل نقلیه حداقل فاصله ایمن را حفظ کردند (Δ y n = l e n g t h s a f e)، حداقل طول سازند را می توان به صورت زیر محاسبه کرد:

2. 3. آشکارساز مجازی

با کمک روش‌های پیشرفته تشخیص ترافیک و ادراک چند منبع، مانند رادار و ویدئو، و تحت شرایط مختصات حرکت وسیله نقلیه شناخته شده، آشکارسازهای مجازی را می‌توان به طور انعطاف‌پذیر در منطقه تشخیص راه‌اندازی کرد که می‌تواند به همان اثر تشخیصی دست یابد. آشکارسازهای حلقه سنتیدر عین حال از اثرات منفی مانند آسیب به سطح جاده یا تداخل سیگنال جلوگیری می کند.< y 1 , y 2 , … , y n >نمودار شماتیک خودرو در حال عبور از ناحیه تشخیص مجازی در شکل 4 نشان داده شده است. قسمت آبی رنگ ناحیه تشخیص است. با فرض وجود n وسیله نقلیه در ناحیه تشخیص، موقعیت آنها به عنوان مجموعه مربوطه Y = نشان داده می شود.< [ z 1 , 0 , z 1 , 1 ] , [ z 2 , 0 , z 2 , 1 ] , … , [ z m , 0 , z m , 1 ] >. موقعیت یک آشکارساز مجازی خاص و طول ناحیه تشخیص آن را می توان به صورت y v _ l i n e , m و l v _ l i n e , m نشان داد. ناحیه تشخیص آن به صورت [ z m , 0 , z m , 1 ] تعریف می شود و مجموعه کامل مناطق تشخیص Z = است< d e t 1 , d e t 2 , … , d e t m >.

، وضعیت آشکارساز مربوطه یک مجموعه متغیر بولی Z d e t = است< t 1 , t 2 , … , t i >وقتی y n در ناحیه تشخیص مربوطه [ z m , 0 , z m , 1 ] باشد، آشکارساز مربوطه d e t m را می توان فعال کرد. به این ترتیب توالی پالس فعال و غیرفعال شده آشکارساز به دست می آید که به صورت U P m = نشان داده می شود.< t 1 , t 2 , … , t j >و D O W N m =

. با توجه به اطلاعات بالا، شاخص هایی مانند حجم ترافیک، ضریب اشغال و پیشرفت قابل محاسبه است.

2. 4. تجزیه و تحلیل کمی درجه اشباع بیش از حد

If the vehicles queuing up in the movement are not completely discharged at the end of the green time, which is shown in Figure 5, the residual queuing vehicles need to use the green time of the next cycle to pass the intersection. This green time reflects the degree of movement oversaturation in the temporal dimension. The ratio of it to the total green time is the temporal oversaturation severity index TOSI. TOSI > 0 means that the movement is oversaturated in temporal dimension due to the existence of residual queues. When TOSI >2. 4. 1. TOSI - شاخص شدت بیش اشباع زمانی

1، به این معنی است که وسایل نقلیه باقیمانده در صف را نمی توان به طور کامل در زمان سبز چرخه بعدی پراکنده کرد و دو یا چند بار صف رخ می دهد.< G r o u p 1 , G r o u p 2 , … , G r o u p k >این مقاله با روش تخمین طول صف با توجه به آشکارساز حلقه و تئوری موج شوک ترافیکی و سپس محاسبه TOSI، آن را با توجه به موقعیت سازندهای خودرو محاسبه می کند. ممان محاسبه TOSI را t i نشان می دهند، و در حرکت در t i، k تشکیلات وسیله نقلیه وجود دارد، Gr o u p s =< y 1 , y 2 , … , y n >. موقعیت خط توقف را با y s t p نشان می دهد. هنگامی که TOSI وجود دارد، حداقل یک شکل Gr o u p m = وجود دارد< y n .

که محدودیت ها را برآورده می کند (صف از خط توقف عبور می کند) y 1 ≤ y s t p< v 1 , v 2 , … , v i >مشخص می شود که سرعت تنظیم شده مربوط به هر وسیله نقلیه در G r o u p m V = است

، سپس تعداد باقیمانده وسایل نقلیه ای که موفق به عبور از خط توقف و در نهایت توقف نمی شوند عبارتند از:

با توجه به گسسته بودن جریان ترافیک در برخی موارد (همانطور که در شکل 6 نشان داده شده است)، لازم است فاصله بین اولین وسیله نقلیه در Gr o u p m + 1 و آخرین وسیله نقلیه Gr o u p m و میانگین سرعت Gr o u p m مشخص شود.+ 1 . برای قضاوت در مورد اینکه آیا وسایل نقلیه در Gr o u p m + 1 به صف باقیمانده تعلق دارند، به شکل زیر نگاه کنید:

A c c ″ = ∑ j = m + 1 n N v , j y 1 − y N v , j − 1 ≤ L G A P , y 1 ∈ G r o u p j V ¯ s , G r o u p j ≤ V G ¯ s ,

در معادله بالا، L G A P , V ¯ s , G A P حداقل آستانه فاصله سازند و آستانه میانگین سرعت مکانی هستند. اگر L G A P یا V ¯ s، G A P کوچکتر از آستانه آن باشد، می توان در نظر گرفت که وسایل نقلیه متعلق به صف باقیمانده هستند. شماره نهایی خودروی صف باقیمانده A c c = A c c ′ + A c c ″ است.

When an overflow occurs at the downstream, vehicles at the upstream cannot pass through the intersection, even if they are in the green time, due to the spatial congestion caused by the overflow. The ratio of the unusable green time due to this reason, the total green time is the spatial oversaturation severity index SOSI, and SOSI >2. 4. 2. SOSI-شاخص شدت اشباع فضایی

0 نشان دهنده درجه اشباع بیش از حد فضایی یک حرکت خاص است.

روش محاسبه SOSI پیشنهاد شده در این مقاله بر یک آشکارساز خط توقف متکی است. طرح آشکارساز باید شرایط زیر را داشته باشد:< y 1 < z 1 , 1 < y 2 , as shown in Figure 7;

هنگام صف، اولین وسیله نقلیه در صف باید آشکارساز را فعال کند، اما وسیله نقلیه بعدی نمی تواند آشکارساز را فعال کند. یعنی z 1، 0< z 1 , 0 < z 1 , 1 < y 2 , as shown in Figure 8;

هنگام پراکنده شدن و خروج عقب خودروی پیشرو از ناحیه تشخیص، موقعیت سر خودروی زیر نمی تواند آشکارساز را فعال کند، یعنی: y 1< t 1 , t 2 , … , t i >تعداد پالس‌های فعال و غیرفعال (خط آبی در شکل 9، فعال زیاد و غیرفعال کم است) در دوره آماری به ترتیب با N u p و N d o w n و سری‌های زمانی پاسخ پالس مربوطه با U P = نشان داده می‌شوند.< t 1 , t 2 , … , t j >و D O W N =

. زمان فعال شده ای که یک وسیله نقلیه در هنگام عبور از ناحیه تشخیص به طور معمول اشغال می کند به عنوان t oc c نشان داده می شود (قسمت سایه دار آبی در شکل 9)، این یک مقدار دینامیکی است که به سرعت وسیله نقلیه و طول منطقه تشخیص بستگی دارد. دوره تشخیص از ابتدای زمان سبز g s t a r t + k C تا پایان زمان زرد y e l l o w e n d + k C (k ∈ N و C طول چرخه است) و بازه T است. مقدار SOSI مجموع زمانی است که از زمان اشغال معمولی بیشتر شده است (یعنی مجموع قسمت سایه دار زرد در شکل 9). نوار قرمز، زرد و سبز در محور افقی نمودار زمان بندی تغییر رنگ چراغ های راهنمایی و رانندگی است.