ارايه‌ مدل تخمين بهنگام طول صف در خيابان‌هاي شرياني اشباع شهر تهران

Real-Time Queue Length Estimation for Congested Arterials in Tehran

طول صف يكي از پارامترهاي اساسي جريان ترافيك در خيابان هاي شرياني است كه معيار تعيين عملكرد و بهينه‌سازي جريان در اين معابر قرار مي گيرد. با اين وجود اين معيار در خيابان هاي شرياني كمتر مورد توجه و بررسي قرار گرفته است. يكي از دلايل اين امر را مي توان وجود تقاطع ها و قطع متناوب جريان دانست كه بررسي جريان در خيابان‌هاي شرياني را پيچيده مي‌سازد. از طرفي با اشباع شدن اين معابر بررسي جريان ترافيك دشوارتر مي گردد. در اين مقاله طول صف در شرياني هاي اشباع به عنوان يكي از پارامترهاي اساسي جريان مورد توجه قرار گرفته است. تخمين اين پارامتر با بررسي تغييرات پروفيل اشغال جريان ترافيك با استفاده از داده هاي ثانيه به ثانيه شناساگر صف و همچنين فازبندي چراغ از طريق مدل تخمين بهنگام صورت گرفته است. نقطه تمايز اين مطالعه در نظر گرفتن اثر تقاطع بالادست و گروه وسيله ‌نقليه آزاد شده بر صف تقاطع پايين‌دست مي-باشد كه بدين طريق مدل تخمين طول صف بهبود داده شده است. نتايج حاصل از تخمين طول صف با استفاده از داده هاي آماري برداشت شده در دو تقاطع تهران مورد ارزيابي قرار گرفته‌اند. همچنين با استفاده از داده‌هاي آماري دو پارامتر ورودي مدل شامل زمان عكس العمل اولين وسيله صف نسبت به سبز شدن چراغ و نيز تاخير حركت وسايل نقليه در صف نسبت به حركت وسايل نقليه‌ جلوي آنها با شرايط تقاطعات تهران كاليبره شده و در اجراي مدل به كار گرفته شده است. نتايج حاصل از اين ارزيابي بهبود 15 درصدي ميانگين خطاي تخمين طول صف را نشان داده است.

Queue length is one of the fundamental parameters of traffic flow on arterial streets that is the performance and flow optimization criteria However this measure of arterials less attention and has been investigated. This could be caused by periodic disruption on traffic flow by signal lights that make difficult evaluation of traffic flow on arterials. On the other hand the problem gets even more difficult when signal links are congested. In this paper, queue length on congested arterials is considered as one of the fundamental traffic parameters. This parameter estimated by investigating occupancy profile changes using real-time second-by-second advance detector data and signal timing. It has improved queue estimation model by considering the effects of upstream intersection and released platoon on the downstream queue in this paper. The result of the improved queue length estimation model is demonstrated through a field study at two intersections in Tehran. It has been also calibrated input parameters of Tehran intersections include the reaction time of the first queued vehicle ( ) and the uniform starting time difference between two adjacent queued vehicles ( ) using statistical analysis and used in model. This two parameters gathered by recording at 3 intersections and data frequencies for and are 70 and 120 respectively. After testing Data for Normal distribution, median of this two parameters and are used in model. Liu (et al) model and improved model of this article were run with field gathered data and compared with field results of Queue length shown in two following diagrams. The results of this evaluation are shown 15% improvement in error average of queue length estimation in terms of meters and 10% improvement in error average of queue length estimation in terms of number of vehicles.