4
-
Upload
wis-syahrul-n -
Category
Documents
-
view
215 -
download
1
description
Transcript of 4
19 Simposium Internasional Transportasi dan Lalu Lintas Teori
Kapasitas Drops di Merges model endogen
Ludovic Leclercqa Jorge A Lavalb Nicolas Chiabauta
aLICIT IFSTTAR ENTPE Universiteacute de Lyon Rue Maurice Audin 69518 Vaulx-en-Velin Cedex Perancis
bSchool Teknik Sipil dan Lingkungan Institut Teknologi Georgia Atlanta GA USA
abstrak
Newell-Daganzo Model gabungan tidak hanya sangat sederhana tapi juga akurat mereproduksi temuan eksperimental Namun
Kapasitas hilir penggabungan merupakan variabel eksogen dalam model Ini adalah keterbatasan serius bagi penggabungan yang berperilaku sebagai
kemacetan aktif karena kapasitas hilir merupakan konsekuensi langsung dari perilaku penggabungan Makalah ini mengusulkan sebuah
Model analisis yang meluas model Newell-Daganzo dengan memasukkan endogen penurunan kapasitas terkait dengan
Proses penggabungan Dua kasus yang diselidiki tergantung pada negara lalu lintas di di-jalan Model properti yang dianalisis
dan analisis sensitivitas dilakukan untuk mengukur kontribusi relatif dari masing-masing parameter di drop kapasitas Akhirnya
diperpanjang Model Newell-Daganzo divalidasi dengan data eksperimen yang berasal dari gabungan hambatan aktif di jalan bebas hambatan M6
di Inggris
copy 2011 Diterbitkan oleh Elsevier Ltd
Kata kunci Penurunan Kapasitas menggabungkan rasio model gelombang kinematik bottleneck aktif menggabungkan
1 Perkenalan
Perilaku arus lalu lintas di jalan bebas hambatan gabungan telah banyak diteliti dalam literatur Salah satu yang paling sederhana
model untuk penggabungan awalnya diusulkan dalam (Newell 1982) dan kemudian diformalkan dalam (Daganzo 1995) Model ini
disebut sebagai model ND dalam makalah ini dalil-dalil yang mengalir di kedua jalan masuk berbagi tersedia hilir
pasokan setelah skema alokasi khusus lihat Gambar 1 Terutama ketika jalan utama sesak (permintaan tinggi)
yang di-jalan dapat berupa (i) dalam aliran bebas (permintaan rendah) atau (ii) sesak (permintaan tinggi) Dalam kasus (i) kendaraan di
di-jalan memaksa mereka dan semua permintaan berhasil penggabungan Dalam kasus (ii) perilaku penggabungan sebagian besar
deterministik dan didikte oleh rasio gabungan tetap Model sederhana ini telah diverifikasi berulang kali agar sesuai
dengan sangat baik dengan temuan eksperimental (Troutbeck 2002 Cassidy dan Ahn 2005 Bar-Gera dan Ahn 2010)
Keterbatasan utama dari model ND adalah bahwa kapasitas hilir eksogen Hal ini untuk mencegah setiap
pemodelan yang berarti dari fenomena penurunan kapasitas atau efek dari panjang bagian penggabungan ini adalah
sangat mengganggu ketika penggabungan berperilaku sebagai hambatan yang aktif Memang kapasitas tetes antara 10 sampai 30
Umumnya diamati dalam kasus itu (Elefteriadou et al 1995 Persaud et al 1998 Kerner 2002 Cassidy dan
Sesuai penulis Tel + 33-472047716 fax + 33-472047712
Alamat E-mail leclercqentpefr
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Bertini 1999 Sarvi et al 2007 Chung et al 2007 Yi dan Mulinazzi 2007) Lane berubah kecepatan rendah sisipan
kendaraan dan perilaku jalur heterogen telah diduga menginduksi penurunan kapasitas (Cassidy dan
Rudjanakanoknad 2005 Cassidy dan Ahn 2005 Laval et al 2005 Treiber et al 2006 Laval dan Daganzo 2006)
Memang fenomena ini menghasilkan variasi antara atas dan negara lintas tengah jenuh pada penggabungan (Mauch dan
Cassidy 2002 Ahn dan Cassidy 2007 Laval et al 2009 Li et al 2010) yang mencegah untuk mencapai jalan bebas hambatan penuh
daya tampung
Beberapa model telah diajukan untuk menjelaskan tetes kapasitas namun dengan pengecualian (Laval dan Daganzo
2006) hal itu diperlakukan eksogen Sebagai contoh (Koshi et al 1983 Hall dan Hall 1990) mengusulkan model yang
terutama deskriptif dan berdasarkan diagram mendasar dengan lambda bentuk terbalik (Evans et al 2001 Kerner 2000
2004) mendalilkan pendekatan stokastik dan (Siegel et al 2009 2009b) menganggap model urutan kedua berasal dari
(Aw dan Rascle 2000) dan (Greenberg 2001) bekerja Namun tidak ada model ini mengusulkan eksplisit
perumusan hubungan antara interaksi lalu lintas lokal yang berkaitan dengan jalur-perubahan dan dampak global terhadap
kapasitas Selain itu sebagian dari model ini sulit untuk menerapkan dan untuk mengkalibrasi dalam praktek
Tujuan dari makalah ini adalah untuk mengatasi masalah ini dengan memperkenalkan dalam model ND seorang endogen analitis
deskripsi aktivasi penggabungan hambatan dan berikutnya penurunan kapasitas Ide dasarnya adalah untuk memasukkan dalam hal ini
model mekanisme fisik diresmikan pada (Laval dan Daganzo 2006) berkaitan dengan efek dari dibatasi
akselerasi kendaraan penggabungan Untuk itu bagian 2 dari makalah ini menyajikan model analisis yang memperkirakan
drop kapasitas sehubungan dengan permintaan pada di-jalan dan parameter model yang berbeda untuk matematika
tractability model ini tidak sepenuhnya realistis karena kedua jalan masuk diasumsikan satu lajur Namun itu akan
secara signifikan meningkatkan pemahaman global tentang bagaimana mekanisme penggabungan kontribusi terhadap penurunan kapasitas A
Analisis sensitivitas dilakukan pada bagian 3 untuk secara tepat mengukur kontribusi parameter yang berbeda ini
akan memberikan beberapa wawasan menarik tentang bagaimana desain jalan dapat meningkatkan kapasitas merge Akhirnya diperpanjang ND
Model akan divalidasi dengan data eksperimen yang berasal dari gabungan di jalan bebas hambatan M6 di Inggris dalam bagian 4 Untuk ini
end metode estimasi akan disajikan untuk sebagian mengatasi keterbatasan salah satu jalur model Akhirnya bagian
5 menyajikan diskusi
1048577
$ amp ( $)
+ (( amp
-1048577 104857701
-1048577 104857701
-2 31
-321 -221
-2 31
24 amp 5678 +) $ 56
34 amp 9 8810485779 5
q amp lt= 8gtgt
q0 amp lt= 8gtgt
Gambar 1 Merge diagram untuk-Daganzo Newell (ND) Model
2 Model analisis untuk penurunan kapasitas
Pada bagian ini model analisis sederhana yang menyumbang percepatan dibatasi memasukkan manuver adalah
disajikan Dua kasus akan dipelajari secara terpisah tergantung pada keadaan di-jalan yang dapat menjadi
padat (kuadran kanan atas ND model) atau tidak (kuadran kanan bawah) lihat Gambar 1 Permintaan di jalan utama
selalu cukup tinggi untuk menghadapi kemacetan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
21 Padat di-jalan
Pertimbangkan gabungan dengan dua jalan masuk satu jalur seperti pada Gambar 2a Jalan utama diberi label 1 dan jalan on-adalah
berlabel 0 Panjang bagian penyisipan L Lalu Lintas pada setiap jalan dijelaskan oleh model gelombang kinematik
(Lighthill dan Whitham 1955 Richards 1956) dan diagram dasar segitiga dengan kecepatan aliran bebas u gelombang
kecepatan w dan kepadatan jam Kapasitas satu jalur sama dengan Q = wu (W + u) Tuntutan hulu dilambangkan
aku m
(i = 01) dan rata-rata mengalir sebelum awal bagian penyisipan (x = 0) dicatat qi Penggabungan selalu
berperilaku sebagai hambatan aktif yaitu aliran q0 q1 + hilir tidak pernah dibatasi oleh pasokan hilir μ
Kendaraan dari di-jalan diasumsikan memasukkan diri di jalan utama dengan kecepatan v0 dan kemudian mempercepat di
tingkat konstan sampai mereka mencapai kecepatan aliran bebas lihat Gambar 2b Kedua v0 dan diasumsikan sama untuk semua
kendaraan Hal ini tampaknya masuk akal sebagai di-jalan yang padat dan dengan demikian negara lalu lintas yang cukup homogen
Kendaraan i memasukkan pada saat ti Waktu headway antara dua sisipan berturut-turut dinotasikan hi = ti + 1-ti demikian
headways mengikuti distribusi H diketahui (h0 s) dengan rata-rata h0 dan deviasi standar s Ketika s adalah sama dengan 0
kendaraan secara rutin memasukkan setiap h0 seperti yang diilustrasikan pada Gambar 2b Setelah penyisipan mereka kendaraan dari berperilaku di jalan sebagai
bergerak kemacetan (Newell 1998 Lebacque et al 1998 Munoz dan Daganzo 2002 Leclercq et al 2004) Dengan demikian
ini penghalang bergerak membatasi aliran di jalan utama dan menciptakan rongga di depan mereka Hal ini ditunjukkan dalam
(Laval dan Daganzo 2006) bahwa hambatan bergerak bertanggung jawab atas penurunan kapasitas Dua kasus akan
dibedakan dalam karya ini L = 0 dan Lgt 0
(a)
L
x = 0
10485771
10485770
q1
q0
t
x
(b)
kekosongan
insersi
kemacetan bergerak
v t 0 i ti + 1
1048577 (hi)
hi juga
A B
C
w
Gambar 2 (a) sketsa penggabungan (b) proses Memasukkan ketika L = 0
Ketika L = 0 semua sisipan berlangsung di x = 0 lihat Gambar 2a Biarkan Ni adalah jumlah kumulatif kendaraan yang memiliki
menyeberangi lokasi ini saat ti Pada skala waktu besar total aliran rata hilir penggabungan yaitu efektif
Kapasitas C adalah sama apa pun lokasi Dengan demikian C dapat hanya diekspresikan pada x = 0 terhadap Ni
C Ni Ni h n
saya s
n
saya s
saya s
n
1048577 1048577 $ 1048577 $
1048577 1 1048577
1 1
Dengan (1)
Variasional teori (Daganzo 2005) menyediakan cara yang nyaman untuk menghitung peningkatan N antara ti dan ti + 1
yaitu sepanjang jalur horizontal dari A ke B lihat Gambar 2b Memang kenaikan ini adalah sama seperti di jalan alternatif
A B C Yang pertama mengikuti bergerak hambatan lintasan dan kemudian mencapai B bersama karakteristik dengan kemiringan w
Dari A ke C tingkat kelulusan sama dengan 0 karena tidak ada kendaraan dapat layang halangan bergerak Dari C ke B
tingkat kelulusan sama dengan w karena jalur kemiringan w Dengan demikian peningkatan N antara ti dan ti + 1 sama dengan
w (hi - (hi)) di mana (hi) merupakan durasi waktu antara titik A dan C lihat Gambar 2b dan (Leclercq 2005) untuk
lebih jelasnya Hal ini dapat menunjukkan bahwa kapasitas C yang efektif dapat diperoleh dengan
C w h h h w v
saya s
saya s
n
saya s
saya s
n
1048577 i
1048577
1048577 1048577
1048577
1048577 1048577
1048577
1048577 1 10485771048577 1048577 1048577
1 1
() Dan () 0
0
1 2 2 a a (w v) awhi (2)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Hukum bilangan besar mengatakan bahwa
(1 ) () (1 ) () ()
1
n hi hi E n h E h
saya s
n
aku aku
saya s
1048577 1048577
1048577 dan 1048577 1048577
1
n1048577
(3)
dimana E (x) adalah ekspektasi matematika x E (hi) adalah sama dengan H0 Sebagai H distribusi hi tidak diketahui E ( (hi))
tidak dapat analitis diturunkan Namun seseorang dapat memperkirakan nya pendekatan orde kedua (Oehlert 1992)
E h E h s h E h h sebagai w
aku aku
saya s
1048577 1048577 i
1048577
() () 1048577
1048577
1048577
1048577 $ 1048577 12
2
2
2 0
2 2
0
2
0
3 2 2 w v 2awh (4)
Dengan demikian kapasitas C yang efektif adalah sama dengan
C w w
h
w v
a awh w v sebagai w
w v a
1048577 1048577
1048577
1048577
0
0
0
2
0
2 2
0
2
1 2
2 2wh0
3 2
1048577
1048577
10485771048577 1048577
1048577
1048577
10485771048577 1048577
(5)
Kapasitas efektif ini dibagi oleh dua arus masuk q0 q1 dan Karena kedua jalan hulu padat yang
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
1 Perkenalan
Perilaku arus lalu lintas di jalan bebas hambatan gabungan telah banyak diteliti dalam literatur Salah satu yang paling sederhana
model untuk penggabungan awalnya diusulkan dalam (Newell 1982) dan kemudian diformalkan dalam (Daganzo 1995) Model ini
disebut sebagai model ND dalam makalah ini dalil-dalil yang mengalir di kedua jalan masuk berbagi tersedia hilir
pasokan setelah skema alokasi khusus lihat Gambar 1 Terutama ketika jalan utama sesak (permintaan tinggi)
yang di-jalan dapat berupa (i) dalam aliran bebas (permintaan rendah) atau (ii) sesak (permintaan tinggi) Dalam kasus (i) kendaraan di
di-jalan memaksa mereka dan semua permintaan berhasil penggabungan Dalam kasus (ii) perilaku penggabungan sebagian besar
deterministik dan didikte oleh rasio gabungan tetap Model sederhana ini telah diverifikasi berulang kali agar sesuai
dengan sangat baik dengan temuan eksperimental (Troutbeck 2002 Cassidy dan Ahn 2005 Bar-Gera dan Ahn 2010)
Keterbatasan utama dari model ND adalah bahwa kapasitas hilir eksogen Hal ini untuk mencegah setiap
pemodelan yang berarti dari fenomena penurunan kapasitas atau efek dari panjang bagian penggabungan ini adalah
sangat mengganggu ketika penggabungan berperilaku sebagai hambatan yang aktif Memang kapasitas tetes antara 10 sampai 30
Umumnya diamati dalam kasus itu (Elefteriadou et al 1995 Persaud et al 1998 Kerner 2002 Cassidy dan
Sesuai penulis Tel + 33-472047716 fax + 33-472047712
Alamat E-mail leclercqentpefr
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Bertini 1999 Sarvi et al 2007 Chung et al 2007 Yi dan Mulinazzi 2007) Lane berubah kecepatan rendah sisipan
kendaraan dan perilaku jalur heterogen telah diduga menginduksi penurunan kapasitas (Cassidy dan
Rudjanakanoknad 2005 Cassidy dan Ahn 2005 Laval et al 2005 Treiber et al 2006 Laval dan Daganzo 2006)
Memang fenomena ini menghasilkan variasi antara atas dan negara lintas tengah jenuh pada penggabungan (Mauch dan
Cassidy 2002 Ahn dan Cassidy 2007 Laval et al 2009 Li et al 2010) yang mencegah untuk mencapai jalan bebas hambatan penuh
daya tampung
Beberapa model telah diajukan untuk menjelaskan tetes kapasitas namun dengan pengecualian (Laval dan Daganzo
2006) hal itu diperlakukan eksogen Sebagai contoh (Koshi et al 1983 Hall dan Hall 1990) mengusulkan model yang
terutama deskriptif dan berdasarkan diagram mendasar dengan lambda bentuk terbalik (Evans et al 2001 Kerner 2000
2004) mendalilkan pendekatan stokastik dan (Siegel et al 2009 2009b) menganggap model urutan kedua berasal dari
(Aw dan Rascle 2000) dan (Greenberg 2001) bekerja Namun tidak ada model ini mengusulkan eksplisit
perumusan hubungan antara interaksi lalu lintas lokal yang berkaitan dengan jalur-perubahan dan dampak global terhadap
kapasitas Selain itu sebagian dari model ini sulit untuk menerapkan dan untuk mengkalibrasi dalam praktek
Tujuan dari makalah ini adalah untuk mengatasi masalah ini dengan memperkenalkan dalam model ND seorang endogen analitis
deskripsi aktivasi penggabungan hambatan dan berikutnya penurunan kapasitas Ide dasarnya adalah untuk memasukkan dalam hal ini
model mekanisme fisik diresmikan pada (Laval dan Daganzo 2006) berkaitan dengan efek dari dibatasi
akselerasi kendaraan penggabungan Untuk itu bagian 2 dari makalah ini menyajikan model analisis yang memperkirakan
drop kapasitas sehubungan dengan permintaan pada di-jalan dan parameter model yang berbeda untuk matematika
tractability model ini tidak sepenuhnya realistis karena kedua jalan masuk diasumsikan satu lajur Namun itu akan
secara signifikan meningkatkan pemahaman global tentang bagaimana mekanisme penggabungan kontribusi terhadap penurunan kapasitas A
Analisis sensitivitas dilakukan pada bagian 3 untuk secara tepat mengukur kontribusi parameter yang berbeda ini
akan memberikan beberapa wawasan menarik tentang bagaimana desain jalan dapat meningkatkan kapasitas merge Akhirnya diperpanjang ND
Model akan divalidasi dengan data eksperimen yang berasal dari gabungan di jalan bebas hambatan M6 di Inggris dalam bagian 4 Untuk ini
end metode estimasi akan disajikan untuk sebagian mengatasi keterbatasan salah satu jalur model Akhirnya bagian
5 menyajikan diskusi
1048577
$ amp ( $)
+ (( amp
-1048577 104857701
-1048577 104857701
-2 31
-321 -221
-2 31
24 amp 5678 +) $ 56
34 amp 9 8810485779 5
q amp lt= 8gtgt
q0 amp lt= 8gtgt
Gambar 1 Merge diagram untuk-Daganzo Newell (ND) Model
2 Model analisis untuk penurunan kapasitas
Pada bagian ini model analisis sederhana yang menyumbang percepatan dibatasi memasukkan manuver adalah
disajikan Dua kasus akan dipelajari secara terpisah tergantung pada keadaan di-jalan yang dapat menjadi
padat (kuadran kanan atas ND model) atau tidak (kuadran kanan bawah) lihat Gambar 1 Permintaan di jalan utama
selalu cukup tinggi untuk menghadapi kemacetan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
21 Padat di-jalan
Pertimbangkan gabungan dengan dua jalan masuk satu jalur seperti pada Gambar 2a Jalan utama diberi label 1 dan jalan on-adalah
berlabel 0 Panjang bagian penyisipan L Lalu Lintas pada setiap jalan dijelaskan oleh model gelombang kinematik
(Lighthill dan Whitham 1955 Richards 1956) dan diagram dasar segitiga dengan kecepatan aliran bebas u gelombang
kecepatan w dan kepadatan jam Kapasitas satu jalur sama dengan Q = wu (W + u) Tuntutan hulu dilambangkan
aku m
(i = 01) dan rata-rata mengalir sebelum awal bagian penyisipan (x = 0) dicatat qi Penggabungan selalu
berperilaku sebagai hambatan aktif yaitu aliran q0 q1 + hilir tidak pernah dibatasi oleh pasokan hilir μ
Kendaraan dari di-jalan diasumsikan memasukkan diri di jalan utama dengan kecepatan v0 dan kemudian mempercepat di
tingkat konstan sampai mereka mencapai kecepatan aliran bebas lihat Gambar 2b Kedua v0 dan diasumsikan sama untuk semua
kendaraan Hal ini tampaknya masuk akal sebagai di-jalan yang padat dan dengan demikian negara lalu lintas yang cukup homogen
Kendaraan i memasukkan pada saat ti Waktu headway antara dua sisipan berturut-turut dinotasikan hi = ti + 1-ti demikian
headways mengikuti distribusi H diketahui (h0 s) dengan rata-rata h0 dan deviasi standar s Ketika s adalah sama dengan 0
kendaraan secara rutin memasukkan setiap h0 seperti yang diilustrasikan pada Gambar 2b Setelah penyisipan mereka kendaraan dari berperilaku di jalan sebagai
bergerak kemacetan (Newell 1998 Lebacque et al 1998 Munoz dan Daganzo 2002 Leclercq et al 2004) Dengan demikian
ini penghalang bergerak membatasi aliran di jalan utama dan menciptakan rongga di depan mereka Hal ini ditunjukkan dalam
(Laval dan Daganzo 2006) bahwa hambatan bergerak bertanggung jawab atas penurunan kapasitas Dua kasus akan
dibedakan dalam karya ini L = 0 dan Lgt 0
(a)
L
x = 0
10485771
10485770
q1
q0
t
x
(b)
kekosongan
insersi
kemacetan bergerak
v t 0 i ti + 1
1048577 (hi)
hi juga
A B
C
w
Gambar 2 (a) sketsa penggabungan (b) proses Memasukkan ketika L = 0
Ketika L = 0 semua sisipan berlangsung di x = 0 lihat Gambar 2a Biarkan Ni adalah jumlah kumulatif kendaraan yang memiliki
menyeberangi lokasi ini saat ti Pada skala waktu besar total aliran rata hilir penggabungan yaitu efektif
Kapasitas C adalah sama apa pun lokasi Dengan demikian C dapat hanya diekspresikan pada x = 0 terhadap Ni
C Ni Ni h n
saya s
n
saya s
saya s
n
1048577 1048577 $ 1048577 $
1048577 1 1048577
1 1
Dengan (1)
Variasional teori (Daganzo 2005) menyediakan cara yang nyaman untuk menghitung peningkatan N antara ti dan ti + 1
yaitu sepanjang jalur horizontal dari A ke B lihat Gambar 2b Memang kenaikan ini adalah sama seperti di jalan alternatif
A B C Yang pertama mengikuti bergerak hambatan lintasan dan kemudian mencapai B bersama karakteristik dengan kemiringan w
Dari A ke C tingkat kelulusan sama dengan 0 karena tidak ada kendaraan dapat layang halangan bergerak Dari C ke B
tingkat kelulusan sama dengan w karena jalur kemiringan w Dengan demikian peningkatan N antara ti dan ti + 1 sama dengan
w (hi - (hi)) di mana (hi) merupakan durasi waktu antara titik A dan C lihat Gambar 2b dan (Leclercq 2005) untuk
lebih jelasnya Hal ini dapat menunjukkan bahwa kapasitas C yang efektif dapat diperoleh dengan
C w h h h w v
saya s
saya s
n
saya s
saya s
n
1048577 i
1048577
1048577 1048577
1048577
1048577 1048577
1048577
1048577 1 10485771048577 1048577 1048577
1 1
() Dan () 0
0
1 2 2 a a (w v) awhi (2)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Hukum bilangan besar mengatakan bahwa
(1 ) () (1 ) () ()
1
n hi hi E n h E h
saya s
n
aku aku
saya s
1048577 1048577
1048577 dan 1048577 1048577
1
n1048577
(3)
dimana E (x) adalah ekspektasi matematika x E (hi) adalah sama dengan H0 Sebagai H distribusi hi tidak diketahui E ( (hi))
tidak dapat analitis diturunkan Namun seseorang dapat memperkirakan nya pendekatan orde kedua (Oehlert 1992)
E h E h s h E h h sebagai w
aku aku
saya s
1048577 1048577 i
1048577
() () 1048577
1048577
1048577
1048577 $ 1048577 12
2
2
2 0
2 2
0
2
0
3 2 2 w v 2awh (4)
Dengan demikian kapasitas C yang efektif adalah sama dengan
C w w
h
w v
a awh w v sebagai w
w v a
1048577 1048577
1048577
1048577
0
0
0
2
0
2 2
0
2
1 2
2 2wh0
3 2
1048577
1048577
10485771048577 1048577
1048577
1048577
10485771048577 1048577
(5)
Kapasitas efektif ini dibagi oleh dua arus masuk q0 q1 dan Karena kedua jalan hulu padat yang
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Bertini 1999 Sarvi et al 2007 Chung et al 2007 Yi dan Mulinazzi 2007) Lane berubah kecepatan rendah sisipan
kendaraan dan perilaku jalur heterogen telah diduga menginduksi penurunan kapasitas (Cassidy dan
Rudjanakanoknad 2005 Cassidy dan Ahn 2005 Laval et al 2005 Treiber et al 2006 Laval dan Daganzo 2006)
Memang fenomena ini menghasilkan variasi antara atas dan negara lintas tengah jenuh pada penggabungan (Mauch dan
Cassidy 2002 Ahn dan Cassidy 2007 Laval et al 2009 Li et al 2010) yang mencegah untuk mencapai jalan bebas hambatan penuh
daya tampung
Beberapa model telah diajukan untuk menjelaskan tetes kapasitas namun dengan pengecualian (Laval dan Daganzo
2006) hal itu diperlakukan eksogen Sebagai contoh (Koshi et al 1983 Hall dan Hall 1990) mengusulkan model yang
terutama deskriptif dan berdasarkan diagram mendasar dengan lambda bentuk terbalik (Evans et al 2001 Kerner 2000
2004) mendalilkan pendekatan stokastik dan (Siegel et al 2009 2009b) menganggap model urutan kedua berasal dari
(Aw dan Rascle 2000) dan (Greenberg 2001) bekerja Namun tidak ada model ini mengusulkan eksplisit
perumusan hubungan antara interaksi lalu lintas lokal yang berkaitan dengan jalur-perubahan dan dampak global terhadap
kapasitas Selain itu sebagian dari model ini sulit untuk menerapkan dan untuk mengkalibrasi dalam praktek
Tujuan dari makalah ini adalah untuk mengatasi masalah ini dengan memperkenalkan dalam model ND seorang endogen analitis
deskripsi aktivasi penggabungan hambatan dan berikutnya penurunan kapasitas Ide dasarnya adalah untuk memasukkan dalam hal ini
model mekanisme fisik diresmikan pada (Laval dan Daganzo 2006) berkaitan dengan efek dari dibatasi
akselerasi kendaraan penggabungan Untuk itu bagian 2 dari makalah ini menyajikan model analisis yang memperkirakan
drop kapasitas sehubungan dengan permintaan pada di-jalan dan parameter model yang berbeda untuk matematika
tractability model ini tidak sepenuhnya realistis karena kedua jalan masuk diasumsikan satu lajur Namun itu akan
secara signifikan meningkatkan pemahaman global tentang bagaimana mekanisme penggabungan kontribusi terhadap penurunan kapasitas A
Analisis sensitivitas dilakukan pada bagian 3 untuk secara tepat mengukur kontribusi parameter yang berbeda ini
akan memberikan beberapa wawasan menarik tentang bagaimana desain jalan dapat meningkatkan kapasitas merge Akhirnya diperpanjang ND
Model akan divalidasi dengan data eksperimen yang berasal dari gabungan di jalan bebas hambatan M6 di Inggris dalam bagian 4 Untuk ini
end metode estimasi akan disajikan untuk sebagian mengatasi keterbatasan salah satu jalur model Akhirnya bagian
5 menyajikan diskusi
1048577
$ amp ( $)
+ (( amp
-1048577 104857701
-1048577 104857701
-2 31
-321 -221
-2 31
24 amp 5678 +) $ 56
34 amp 9 8810485779 5
q amp lt= 8gtgt
q0 amp lt= 8gtgt
Gambar 1 Merge diagram untuk-Daganzo Newell (ND) Model
2 Model analisis untuk penurunan kapasitas
Pada bagian ini model analisis sederhana yang menyumbang percepatan dibatasi memasukkan manuver adalah
disajikan Dua kasus akan dipelajari secara terpisah tergantung pada keadaan di-jalan yang dapat menjadi
padat (kuadran kanan atas ND model) atau tidak (kuadran kanan bawah) lihat Gambar 1 Permintaan di jalan utama
selalu cukup tinggi untuk menghadapi kemacetan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
21 Padat di-jalan
Pertimbangkan gabungan dengan dua jalan masuk satu jalur seperti pada Gambar 2a Jalan utama diberi label 1 dan jalan on-adalah
berlabel 0 Panjang bagian penyisipan L Lalu Lintas pada setiap jalan dijelaskan oleh model gelombang kinematik
(Lighthill dan Whitham 1955 Richards 1956) dan diagram dasar segitiga dengan kecepatan aliran bebas u gelombang
kecepatan w dan kepadatan jam Kapasitas satu jalur sama dengan Q = wu (W + u) Tuntutan hulu dilambangkan
aku m
(i = 01) dan rata-rata mengalir sebelum awal bagian penyisipan (x = 0) dicatat qi Penggabungan selalu
berperilaku sebagai hambatan aktif yaitu aliran q0 q1 + hilir tidak pernah dibatasi oleh pasokan hilir μ
Kendaraan dari di-jalan diasumsikan memasukkan diri di jalan utama dengan kecepatan v0 dan kemudian mempercepat di
tingkat konstan sampai mereka mencapai kecepatan aliran bebas lihat Gambar 2b Kedua v0 dan diasumsikan sama untuk semua
kendaraan Hal ini tampaknya masuk akal sebagai di-jalan yang padat dan dengan demikian negara lalu lintas yang cukup homogen
Kendaraan i memasukkan pada saat ti Waktu headway antara dua sisipan berturut-turut dinotasikan hi = ti + 1-ti demikian
headways mengikuti distribusi H diketahui (h0 s) dengan rata-rata h0 dan deviasi standar s Ketika s adalah sama dengan 0
kendaraan secara rutin memasukkan setiap h0 seperti yang diilustrasikan pada Gambar 2b Setelah penyisipan mereka kendaraan dari berperilaku di jalan sebagai
bergerak kemacetan (Newell 1998 Lebacque et al 1998 Munoz dan Daganzo 2002 Leclercq et al 2004) Dengan demikian
ini penghalang bergerak membatasi aliran di jalan utama dan menciptakan rongga di depan mereka Hal ini ditunjukkan dalam
(Laval dan Daganzo 2006) bahwa hambatan bergerak bertanggung jawab atas penurunan kapasitas Dua kasus akan
dibedakan dalam karya ini L = 0 dan Lgt 0
(a)
L
x = 0
10485771
10485770
q1
q0
t
x
(b)
kekosongan
insersi
kemacetan bergerak
v t 0 i ti + 1
1048577 (hi)
hi juga
A B
C
w
Gambar 2 (a) sketsa penggabungan (b) proses Memasukkan ketika L = 0
Ketika L = 0 semua sisipan berlangsung di x = 0 lihat Gambar 2a Biarkan Ni adalah jumlah kumulatif kendaraan yang memiliki
menyeberangi lokasi ini saat ti Pada skala waktu besar total aliran rata hilir penggabungan yaitu efektif
Kapasitas C adalah sama apa pun lokasi Dengan demikian C dapat hanya diekspresikan pada x = 0 terhadap Ni
C Ni Ni h n
saya s
n
saya s
saya s
n
1048577 1048577 $ 1048577 $
1048577 1 1048577
1 1
Dengan (1)
Variasional teori (Daganzo 2005) menyediakan cara yang nyaman untuk menghitung peningkatan N antara ti dan ti + 1
yaitu sepanjang jalur horizontal dari A ke B lihat Gambar 2b Memang kenaikan ini adalah sama seperti di jalan alternatif
A B C Yang pertama mengikuti bergerak hambatan lintasan dan kemudian mencapai B bersama karakteristik dengan kemiringan w
Dari A ke C tingkat kelulusan sama dengan 0 karena tidak ada kendaraan dapat layang halangan bergerak Dari C ke B
tingkat kelulusan sama dengan w karena jalur kemiringan w Dengan demikian peningkatan N antara ti dan ti + 1 sama dengan
w (hi - (hi)) di mana (hi) merupakan durasi waktu antara titik A dan C lihat Gambar 2b dan (Leclercq 2005) untuk
lebih jelasnya Hal ini dapat menunjukkan bahwa kapasitas C yang efektif dapat diperoleh dengan
C w h h h w v
saya s
saya s
n
saya s
saya s
n
1048577 i
1048577
1048577 1048577
1048577
1048577 1048577
1048577
1048577 1 10485771048577 1048577 1048577
1 1
() Dan () 0
0
1 2 2 a a (w v) awhi (2)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Hukum bilangan besar mengatakan bahwa
(1 ) () (1 ) () ()
1
n hi hi E n h E h
saya s
n
aku aku
saya s
1048577 1048577
1048577 dan 1048577 1048577
1
n1048577
(3)
dimana E (x) adalah ekspektasi matematika x E (hi) adalah sama dengan H0 Sebagai H distribusi hi tidak diketahui E ( (hi))
tidak dapat analitis diturunkan Namun seseorang dapat memperkirakan nya pendekatan orde kedua (Oehlert 1992)
E h E h s h E h h sebagai w
aku aku
saya s
1048577 1048577 i
1048577
() () 1048577
1048577
1048577
1048577 $ 1048577 12
2
2
2 0
2 2
0
2
0
3 2 2 w v 2awh (4)
Dengan demikian kapasitas C yang efektif adalah sama dengan
C w w
h
w v
a awh w v sebagai w
w v a
1048577 1048577
1048577
1048577
0
0
0
2
0
2 2
0
2
1 2
2 2wh0
3 2
1048577
1048577
10485771048577 1048577
1048577
1048577
10485771048577 1048577
(5)
Kapasitas efektif ini dibagi oleh dua arus masuk q0 q1 dan Karena kedua jalan hulu padat yang
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
Tujuan dari makalah ini adalah untuk mengatasi masalah ini dengan memperkenalkan dalam model ND seorang endogen analitis
deskripsi aktivasi penggabungan hambatan dan berikutnya penurunan kapasitas Ide dasarnya adalah untuk memasukkan dalam hal ini
model mekanisme fisik diresmikan pada (Laval dan Daganzo 2006) berkaitan dengan efek dari dibatasi
akselerasi kendaraan penggabungan Untuk itu bagian 2 dari makalah ini menyajikan model analisis yang memperkirakan
drop kapasitas sehubungan dengan permintaan pada di-jalan dan parameter model yang berbeda untuk matematika
tractability model ini tidak sepenuhnya realistis karena kedua jalan masuk diasumsikan satu lajur Namun itu akan
secara signifikan meningkatkan pemahaman global tentang bagaimana mekanisme penggabungan kontribusi terhadap penurunan kapasitas A
Analisis sensitivitas dilakukan pada bagian 3 untuk secara tepat mengukur kontribusi parameter yang berbeda ini
akan memberikan beberapa wawasan menarik tentang bagaimana desain jalan dapat meningkatkan kapasitas merge Akhirnya diperpanjang ND
Model akan divalidasi dengan data eksperimen yang berasal dari gabungan di jalan bebas hambatan M6 di Inggris dalam bagian 4 Untuk ini
end metode estimasi akan disajikan untuk sebagian mengatasi keterbatasan salah satu jalur model Akhirnya bagian
5 menyajikan diskusi
1048577
$ amp ( $)
+ (( amp
-1048577 104857701
-1048577 104857701
-2 31
-321 -221
-2 31
24 amp 5678 +) $ 56
34 amp 9 8810485779 5
q amp lt= 8gtgt
q0 amp lt= 8gtgt
Gambar 1 Merge diagram untuk-Daganzo Newell (ND) Model
2 Model analisis untuk penurunan kapasitas
Pada bagian ini model analisis sederhana yang menyumbang percepatan dibatasi memasukkan manuver adalah
disajikan Dua kasus akan dipelajari secara terpisah tergantung pada keadaan di-jalan yang dapat menjadi
padat (kuadran kanan atas ND model) atau tidak (kuadran kanan bawah) lihat Gambar 1 Permintaan di jalan utama
selalu cukup tinggi untuk menghadapi kemacetan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
21 Padat di-jalan
Pertimbangkan gabungan dengan dua jalan masuk satu jalur seperti pada Gambar 2a Jalan utama diberi label 1 dan jalan on-adalah
berlabel 0 Panjang bagian penyisipan L Lalu Lintas pada setiap jalan dijelaskan oleh model gelombang kinematik
(Lighthill dan Whitham 1955 Richards 1956) dan diagram dasar segitiga dengan kecepatan aliran bebas u gelombang
kecepatan w dan kepadatan jam Kapasitas satu jalur sama dengan Q = wu (W + u) Tuntutan hulu dilambangkan
aku m
(i = 01) dan rata-rata mengalir sebelum awal bagian penyisipan (x = 0) dicatat qi Penggabungan selalu
berperilaku sebagai hambatan aktif yaitu aliran q0 q1 + hilir tidak pernah dibatasi oleh pasokan hilir μ
Kendaraan dari di-jalan diasumsikan memasukkan diri di jalan utama dengan kecepatan v0 dan kemudian mempercepat di
tingkat konstan sampai mereka mencapai kecepatan aliran bebas lihat Gambar 2b Kedua v0 dan diasumsikan sama untuk semua
kendaraan Hal ini tampaknya masuk akal sebagai di-jalan yang padat dan dengan demikian negara lalu lintas yang cukup homogen
Kendaraan i memasukkan pada saat ti Waktu headway antara dua sisipan berturut-turut dinotasikan hi = ti + 1-ti demikian
headways mengikuti distribusi H diketahui (h0 s) dengan rata-rata h0 dan deviasi standar s Ketika s adalah sama dengan 0
kendaraan secara rutin memasukkan setiap h0 seperti yang diilustrasikan pada Gambar 2b Setelah penyisipan mereka kendaraan dari berperilaku di jalan sebagai
bergerak kemacetan (Newell 1998 Lebacque et al 1998 Munoz dan Daganzo 2002 Leclercq et al 2004) Dengan demikian
ini penghalang bergerak membatasi aliran di jalan utama dan menciptakan rongga di depan mereka Hal ini ditunjukkan dalam
(Laval dan Daganzo 2006) bahwa hambatan bergerak bertanggung jawab atas penurunan kapasitas Dua kasus akan
dibedakan dalam karya ini L = 0 dan Lgt 0
(a)
L
x = 0
10485771
10485770
q1
q0
t
x
(b)
kekosongan
insersi
kemacetan bergerak
v t 0 i ti + 1
1048577 (hi)
hi juga
A B
C
w
Gambar 2 (a) sketsa penggabungan (b) proses Memasukkan ketika L = 0
Ketika L = 0 semua sisipan berlangsung di x = 0 lihat Gambar 2a Biarkan Ni adalah jumlah kumulatif kendaraan yang memiliki
menyeberangi lokasi ini saat ti Pada skala waktu besar total aliran rata hilir penggabungan yaitu efektif
Kapasitas C adalah sama apa pun lokasi Dengan demikian C dapat hanya diekspresikan pada x = 0 terhadap Ni
C Ni Ni h n
saya s
n
saya s
saya s
n
1048577 1048577 $ 1048577 $
1048577 1 1048577
1 1
Dengan (1)
Variasional teori (Daganzo 2005) menyediakan cara yang nyaman untuk menghitung peningkatan N antara ti dan ti + 1
yaitu sepanjang jalur horizontal dari A ke B lihat Gambar 2b Memang kenaikan ini adalah sama seperti di jalan alternatif
A B C Yang pertama mengikuti bergerak hambatan lintasan dan kemudian mencapai B bersama karakteristik dengan kemiringan w
Dari A ke C tingkat kelulusan sama dengan 0 karena tidak ada kendaraan dapat layang halangan bergerak Dari C ke B
tingkat kelulusan sama dengan w karena jalur kemiringan w Dengan demikian peningkatan N antara ti dan ti + 1 sama dengan
w (hi - (hi)) di mana (hi) merupakan durasi waktu antara titik A dan C lihat Gambar 2b dan (Leclercq 2005) untuk
lebih jelasnya Hal ini dapat menunjukkan bahwa kapasitas C yang efektif dapat diperoleh dengan
C w h h h w v
saya s
saya s
n
saya s
saya s
n
1048577 i
1048577
1048577 1048577
1048577
1048577 1048577
1048577
1048577 1 10485771048577 1048577 1048577
1 1
() Dan () 0
0
1 2 2 a a (w v) awhi (2)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Hukum bilangan besar mengatakan bahwa
(1 ) () (1 ) () ()
1
n hi hi E n h E h
saya s
n
aku aku
saya s
1048577 1048577
1048577 dan 1048577 1048577
1
n1048577
(3)
dimana E (x) adalah ekspektasi matematika x E (hi) adalah sama dengan H0 Sebagai H distribusi hi tidak diketahui E ( (hi))
tidak dapat analitis diturunkan Namun seseorang dapat memperkirakan nya pendekatan orde kedua (Oehlert 1992)
E h E h s h E h h sebagai w
aku aku
saya s
1048577 1048577 i
1048577
() () 1048577
1048577
1048577
1048577 $ 1048577 12
2
2
2 0
2 2
0
2
0
3 2 2 w v 2awh (4)
Dengan demikian kapasitas C yang efektif adalah sama dengan
C w w
h
w v
a awh w v sebagai w
w v a
1048577 1048577
1048577
1048577
0
0
0
2
0
2 2
0
2
1 2
2 2wh0
3 2
1048577
1048577
10485771048577 1048577
1048577
1048577
10485771048577 1048577
(5)
Kapasitas efektif ini dibagi oleh dua arus masuk q0 q1 dan Karena kedua jalan hulu padat yang
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
-1048577 104857701
-2 31
-321 -221
-2 31
24 amp 5678 +) $ 56
34 amp 9 8810485779 5
q amp lt= 8gtgt
q0 amp lt= 8gtgt
Gambar 1 Merge diagram untuk-Daganzo Newell (ND) Model
2 Model analisis untuk penurunan kapasitas
Pada bagian ini model analisis sederhana yang menyumbang percepatan dibatasi memasukkan manuver adalah
disajikan Dua kasus akan dipelajari secara terpisah tergantung pada keadaan di-jalan yang dapat menjadi
padat (kuadran kanan atas ND model) atau tidak (kuadran kanan bawah) lihat Gambar 1 Permintaan di jalan utama
selalu cukup tinggi untuk menghadapi kemacetan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
21 Padat di-jalan
Pertimbangkan gabungan dengan dua jalan masuk satu jalur seperti pada Gambar 2a Jalan utama diberi label 1 dan jalan on-adalah
berlabel 0 Panjang bagian penyisipan L Lalu Lintas pada setiap jalan dijelaskan oleh model gelombang kinematik
(Lighthill dan Whitham 1955 Richards 1956) dan diagram dasar segitiga dengan kecepatan aliran bebas u gelombang
kecepatan w dan kepadatan jam Kapasitas satu jalur sama dengan Q = wu (W + u) Tuntutan hulu dilambangkan
aku m
(i = 01) dan rata-rata mengalir sebelum awal bagian penyisipan (x = 0) dicatat qi Penggabungan selalu
berperilaku sebagai hambatan aktif yaitu aliran q0 q1 + hilir tidak pernah dibatasi oleh pasokan hilir μ
Kendaraan dari di-jalan diasumsikan memasukkan diri di jalan utama dengan kecepatan v0 dan kemudian mempercepat di
tingkat konstan sampai mereka mencapai kecepatan aliran bebas lihat Gambar 2b Kedua v0 dan diasumsikan sama untuk semua
kendaraan Hal ini tampaknya masuk akal sebagai di-jalan yang padat dan dengan demikian negara lalu lintas yang cukup homogen
Kendaraan i memasukkan pada saat ti Waktu headway antara dua sisipan berturut-turut dinotasikan hi = ti + 1-ti demikian
headways mengikuti distribusi H diketahui (h0 s) dengan rata-rata h0 dan deviasi standar s Ketika s adalah sama dengan 0
kendaraan secara rutin memasukkan setiap h0 seperti yang diilustrasikan pada Gambar 2b Setelah penyisipan mereka kendaraan dari berperilaku di jalan sebagai
bergerak kemacetan (Newell 1998 Lebacque et al 1998 Munoz dan Daganzo 2002 Leclercq et al 2004) Dengan demikian
ini penghalang bergerak membatasi aliran di jalan utama dan menciptakan rongga di depan mereka Hal ini ditunjukkan dalam
(Laval dan Daganzo 2006) bahwa hambatan bergerak bertanggung jawab atas penurunan kapasitas Dua kasus akan
dibedakan dalam karya ini L = 0 dan Lgt 0
(a)
L
x = 0
10485771
10485770
q1
q0
t
x
(b)
kekosongan
insersi
kemacetan bergerak
v t 0 i ti + 1
1048577 (hi)
hi juga
A B
C
w
Gambar 2 (a) sketsa penggabungan (b) proses Memasukkan ketika L = 0
Ketika L = 0 semua sisipan berlangsung di x = 0 lihat Gambar 2a Biarkan Ni adalah jumlah kumulatif kendaraan yang memiliki
menyeberangi lokasi ini saat ti Pada skala waktu besar total aliran rata hilir penggabungan yaitu efektif
Kapasitas C adalah sama apa pun lokasi Dengan demikian C dapat hanya diekspresikan pada x = 0 terhadap Ni
C Ni Ni h n
saya s
n
saya s
saya s
n
1048577 1048577 $ 1048577 $
1048577 1 1048577
1 1
Dengan (1)
Variasional teori (Daganzo 2005) menyediakan cara yang nyaman untuk menghitung peningkatan N antara ti dan ti + 1
yaitu sepanjang jalur horizontal dari A ke B lihat Gambar 2b Memang kenaikan ini adalah sama seperti di jalan alternatif
A B C Yang pertama mengikuti bergerak hambatan lintasan dan kemudian mencapai B bersama karakteristik dengan kemiringan w
Dari A ke C tingkat kelulusan sama dengan 0 karena tidak ada kendaraan dapat layang halangan bergerak Dari C ke B
tingkat kelulusan sama dengan w karena jalur kemiringan w Dengan demikian peningkatan N antara ti dan ti + 1 sama dengan
w (hi - (hi)) di mana (hi) merupakan durasi waktu antara titik A dan C lihat Gambar 2b dan (Leclercq 2005) untuk
lebih jelasnya Hal ini dapat menunjukkan bahwa kapasitas C yang efektif dapat diperoleh dengan
C w h h h w v
saya s
saya s
n
saya s
saya s
n
1048577 i
1048577
1048577 1048577
1048577
1048577 1048577
1048577
1048577 1 10485771048577 1048577 1048577
1 1
() Dan () 0
0
1 2 2 a a (w v) awhi (2)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Hukum bilangan besar mengatakan bahwa
(1 ) () (1 ) () ()
1
n hi hi E n h E h
saya s
n
aku aku
saya s
1048577 1048577
1048577 dan 1048577 1048577
1
n1048577
(3)
dimana E (x) adalah ekspektasi matematika x E (hi) adalah sama dengan H0 Sebagai H distribusi hi tidak diketahui E ( (hi))
tidak dapat analitis diturunkan Namun seseorang dapat memperkirakan nya pendekatan orde kedua (Oehlert 1992)
E h E h s h E h h sebagai w
aku aku
saya s
1048577 1048577 i
1048577
() () 1048577
1048577
1048577
1048577 $ 1048577 12
2
2
2 0
2 2
0
2
0
3 2 2 w v 2awh (4)
Dengan demikian kapasitas C yang efektif adalah sama dengan
C w w
h
w v
a awh w v sebagai w
w v a
1048577 1048577
1048577
1048577
0
0
0
2
0
2 2
0
2
1 2
2 2wh0
3 2
1048577
1048577
10485771048577 1048577
1048577
1048577
10485771048577 1048577
(5)
Kapasitas efektif ini dibagi oleh dua arus masuk q0 q1 dan Karena kedua jalan hulu padat yang
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
kecepatan w dan kepadatan jam Kapasitas satu jalur sama dengan Q = wu (W + u) Tuntutan hulu dilambangkan
aku m
(i = 01) dan rata-rata mengalir sebelum awal bagian penyisipan (x = 0) dicatat qi Penggabungan selalu
berperilaku sebagai hambatan aktif yaitu aliran q0 q1 + hilir tidak pernah dibatasi oleh pasokan hilir μ
Kendaraan dari di-jalan diasumsikan memasukkan diri di jalan utama dengan kecepatan v0 dan kemudian mempercepat di
tingkat konstan sampai mereka mencapai kecepatan aliran bebas lihat Gambar 2b Kedua v0 dan diasumsikan sama untuk semua
kendaraan Hal ini tampaknya masuk akal sebagai di-jalan yang padat dan dengan demikian negara lalu lintas yang cukup homogen
Kendaraan i memasukkan pada saat ti Waktu headway antara dua sisipan berturut-turut dinotasikan hi = ti + 1-ti demikian
headways mengikuti distribusi H diketahui (h0 s) dengan rata-rata h0 dan deviasi standar s Ketika s adalah sama dengan 0
kendaraan secara rutin memasukkan setiap h0 seperti yang diilustrasikan pada Gambar 2b Setelah penyisipan mereka kendaraan dari berperilaku di jalan sebagai
bergerak kemacetan (Newell 1998 Lebacque et al 1998 Munoz dan Daganzo 2002 Leclercq et al 2004) Dengan demikian
ini penghalang bergerak membatasi aliran di jalan utama dan menciptakan rongga di depan mereka Hal ini ditunjukkan dalam
(Laval dan Daganzo 2006) bahwa hambatan bergerak bertanggung jawab atas penurunan kapasitas Dua kasus akan
dibedakan dalam karya ini L = 0 dan Lgt 0
(a)
L
x = 0
10485771
10485770
q1
q0
t
x
(b)
kekosongan
insersi
kemacetan bergerak
v t 0 i ti + 1
1048577 (hi)
hi juga
A B
C
w
Gambar 2 (a) sketsa penggabungan (b) proses Memasukkan ketika L = 0
Ketika L = 0 semua sisipan berlangsung di x = 0 lihat Gambar 2a Biarkan Ni adalah jumlah kumulatif kendaraan yang memiliki
menyeberangi lokasi ini saat ti Pada skala waktu besar total aliran rata hilir penggabungan yaitu efektif
Kapasitas C adalah sama apa pun lokasi Dengan demikian C dapat hanya diekspresikan pada x = 0 terhadap Ni
C Ni Ni h n
saya s
n
saya s
saya s
n
1048577 1048577 $ 1048577 $
1048577 1 1048577
1 1
Dengan (1)
Variasional teori (Daganzo 2005) menyediakan cara yang nyaman untuk menghitung peningkatan N antara ti dan ti + 1
yaitu sepanjang jalur horizontal dari A ke B lihat Gambar 2b Memang kenaikan ini adalah sama seperti di jalan alternatif
A B C Yang pertama mengikuti bergerak hambatan lintasan dan kemudian mencapai B bersama karakteristik dengan kemiringan w
Dari A ke C tingkat kelulusan sama dengan 0 karena tidak ada kendaraan dapat layang halangan bergerak Dari C ke B
tingkat kelulusan sama dengan w karena jalur kemiringan w Dengan demikian peningkatan N antara ti dan ti + 1 sama dengan
w (hi - (hi)) di mana (hi) merupakan durasi waktu antara titik A dan C lihat Gambar 2b dan (Leclercq 2005) untuk
lebih jelasnya Hal ini dapat menunjukkan bahwa kapasitas C yang efektif dapat diperoleh dengan
C w h h h w v
saya s
saya s
n
saya s
saya s
n
1048577 i
1048577
1048577 1048577
1048577
1048577 1048577
1048577
1048577 1 10485771048577 1048577 1048577
1 1
() Dan () 0
0
1 2 2 a a (w v) awhi (2)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Hukum bilangan besar mengatakan bahwa
(1 ) () (1 ) () ()
1
n hi hi E n h E h
saya s
n
aku aku
saya s
1048577 1048577
1048577 dan 1048577 1048577
1
n1048577
(3)
dimana E (x) adalah ekspektasi matematika x E (hi) adalah sama dengan H0 Sebagai H distribusi hi tidak diketahui E ( (hi))
tidak dapat analitis diturunkan Namun seseorang dapat memperkirakan nya pendekatan orde kedua (Oehlert 1992)
E h E h s h E h h sebagai w
aku aku
saya s
1048577 1048577 i
1048577
() () 1048577
1048577
1048577
1048577 $ 1048577 12
2
2
2 0
2 2
0
2
0
3 2 2 w v 2awh (4)
Dengan demikian kapasitas C yang efektif adalah sama dengan
C w w
h
w v
a awh w v sebagai w
w v a
1048577 1048577
1048577
1048577
0
0
0
2
0
2 2
0
2
1 2
2 2wh0
3 2
1048577
1048577
10485771048577 1048577
1048577
1048577
10485771048577 1048577
(5)
Kapasitas efektif ini dibagi oleh dua arus masuk q0 q1 dan Karena kedua jalan hulu padat yang
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
(a)
L
x = 0
10485771
10485770
q1
q0
t
x
(b)
kekosongan
insersi
kemacetan bergerak
v t 0 i ti + 1
1048577 (hi)
hi juga
A B
C
w
Gambar 2 (a) sketsa penggabungan (b) proses Memasukkan ketika L = 0
Ketika L = 0 semua sisipan berlangsung di x = 0 lihat Gambar 2a Biarkan Ni adalah jumlah kumulatif kendaraan yang memiliki
menyeberangi lokasi ini saat ti Pada skala waktu besar total aliran rata hilir penggabungan yaitu efektif
Kapasitas C adalah sama apa pun lokasi Dengan demikian C dapat hanya diekspresikan pada x = 0 terhadap Ni
C Ni Ni h n
saya s
n
saya s
saya s
n
1048577 1048577 $ 1048577 $
1048577 1 1048577
1 1
Dengan (1)
Variasional teori (Daganzo 2005) menyediakan cara yang nyaman untuk menghitung peningkatan N antara ti dan ti + 1
yaitu sepanjang jalur horizontal dari A ke B lihat Gambar 2b Memang kenaikan ini adalah sama seperti di jalan alternatif
A B C Yang pertama mengikuti bergerak hambatan lintasan dan kemudian mencapai B bersama karakteristik dengan kemiringan w
Dari A ke C tingkat kelulusan sama dengan 0 karena tidak ada kendaraan dapat layang halangan bergerak Dari C ke B
tingkat kelulusan sama dengan w karena jalur kemiringan w Dengan demikian peningkatan N antara ti dan ti + 1 sama dengan
w (hi - (hi)) di mana (hi) merupakan durasi waktu antara titik A dan C lihat Gambar 2b dan (Leclercq 2005) untuk
lebih jelasnya Hal ini dapat menunjukkan bahwa kapasitas C yang efektif dapat diperoleh dengan
C w h h h w v
saya s
saya s
n
saya s
saya s
n
1048577 i
1048577
1048577 1048577
1048577
1048577 1048577
1048577
1048577 1 10485771048577 1048577 1048577
1 1
() Dan () 0
0
1 2 2 a a (w v) awhi (2)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Hukum bilangan besar mengatakan bahwa
(1 ) () (1 ) () ()
1
n hi hi E n h E h
saya s
n
aku aku
saya s
1048577 1048577
1048577 dan 1048577 1048577
1
n1048577
(3)
dimana E (x) adalah ekspektasi matematika x E (hi) adalah sama dengan H0 Sebagai H distribusi hi tidak diketahui E ( (hi))
tidak dapat analitis diturunkan Namun seseorang dapat memperkirakan nya pendekatan orde kedua (Oehlert 1992)
E h E h s h E h h sebagai w
aku aku
saya s
1048577 1048577 i
1048577
() () 1048577
1048577
1048577
1048577 $ 1048577 12
2
2
2 0
2 2
0
2
0
3 2 2 w v 2awh (4)
Dengan demikian kapasitas C yang efektif adalah sama dengan
C w w
h
w v
a awh w v sebagai w
w v a
1048577 1048577
1048577
1048577
0
0
0
2
0
2 2
0
2
1 2
2 2wh0
3 2
1048577
1048577
10485771048577 1048577
1048577
1048577
10485771048577 1048577
(5)
Kapasitas efektif ini dibagi oleh dua arus masuk q0 q1 dan Karena kedua jalan hulu padat yang
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
menyeberangi lokasi ini saat ti Pada skala waktu besar total aliran rata hilir penggabungan yaitu efektif
Kapasitas C adalah sama apa pun lokasi Dengan demikian C dapat hanya diekspresikan pada x = 0 terhadap Ni
C Ni Ni h n
saya s
n
saya s
saya s
n
1048577 1048577 $ 1048577 $
1048577 1 1048577
1 1
Dengan (1)
Variasional teori (Daganzo 2005) menyediakan cara yang nyaman untuk menghitung peningkatan N antara ti dan ti + 1
yaitu sepanjang jalur horizontal dari A ke B lihat Gambar 2b Memang kenaikan ini adalah sama seperti di jalan alternatif
A B C Yang pertama mengikuti bergerak hambatan lintasan dan kemudian mencapai B bersama karakteristik dengan kemiringan w
Dari A ke C tingkat kelulusan sama dengan 0 karena tidak ada kendaraan dapat layang halangan bergerak Dari C ke B
tingkat kelulusan sama dengan w karena jalur kemiringan w Dengan demikian peningkatan N antara ti dan ti + 1 sama dengan
w (hi - (hi)) di mana (hi) merupakan durasi waktu antara titik A dan C lihat Gambar 2b dan (Leclercq 2005) untuk
lebih jelasnya Hal ini dapat menunjukkan bahwa kapasitas C yang efektif dapat diperoleh dengan
C w h h h w v
saya s
saya s
n
saya s
saya s
n
1048577 i
1048577
1048577 1048577
1048577
1048577 1048577
1048577
1048577 1 10485771048577 1048577 1048577
1 1
() Dan () 0
0
1 2 2 a a (w v) awhi (2)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Hukum bilangan besar mengatakan bahwa
(1 ) () (1 ) () ()
1
n hi hi E n h E h
saya s
n
aku aku
saya s
1048577 1048577
1048577 dan 1048577 1048577
1
n1048577
(3)
dimana E (x) adalah ekspektasi matematika x E (hi) adalah sama dengan H0 Sebagai H distribusi hi tidak diketahui E ( (hi))
tidak dapat analitis diturunkan Namun seseorang dapat memperkirakan nya pendekatan orde kedua (Oehlert 1992)
E h E h s h E h h sebagai w
aku aku
saya s
1048577 1048577 i
1048577
() () 1048577
1048577
1048577
1048577 $ 1048577 12
2
2
2 0
2 2
0
2
0
3 2 2 w v 2awh (4)
Dengan demikian kapasitas C yang efektif adalah sama dengan
C w w
h
w v
a awh w v sebagai w
w v a
1048577 1048577
1048577
1048577
0
0
0
2
0
2 2
0
2
1 2
2 2wh0
3 2
1048577
1048577
10485771048577 1048577
1048577
1048577
10485771048577 1048577
(5)
Kapasitas efektif ini dibagi oleh dua arus masuk q0 q1 dan Karena kedua jalan hulu padat yang
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
w (hi - (hi)) di mana (hi) merupakan durasi waktu antara titik A dan C lihat Gambar 2b dan (Leclercq 2005) untuk
lebih jelasnya Hal ini dapat menunjukkan bahwa kapasitas C yang efektif dapat diperoleh dengan
C w h h h w v
saya s
saya s
n
saya s
saya s
n
1048577 i
1048577
1048577 1048577
1048577
1048577 1048577
1048577
1048577 1 10485771048577 1048577 1048577
1 1
() Dan () 0
0
1 2 2 a a (w v) awhi (2)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Hukum bilangan besar mengatakan bahwa
(1 ) () (1 ) () ()
1
n hi hi E n h E h
saya s
n
aku aku
saya s
1048577 1048577
1048577 dan 1048577 1048577
1
n1048577
(3)
dimana E (x) adalah ekspektasi matematika x E (hi) adalah sama dengan H0 Sebagai H distribusi hi tidak diketahui E ( (hi))
tidak dapat analitis diturunkan Namun seseorang dapat memperkirakan nya pendekatan orde kedua (Oehlert 1992)
E h E h s h E h h sebagai w
aku aku
saya s
1048577 1048577 i
1048577
() () 1048577
1048577
1048577
1048577 $ 1048577 12
2
2
2 0
2 2
0
2
0
3 2 2 w v 2awh (4)
Dengan demikian kapasitas C yang efektif adalah sama dengan
C w w
h
w v
a awh w v sebagai w
w v a
1048577 1048577
1048577
1048577
0
0
0
2
0
2 2
0
2
1 2
2 2wh0
3 2
1048577
1048577
10485771048577 1048577
1048577
1048577
10485771048577 1048577
(5)
Kapasitas efektif ini dibagi oleh dua arus masuk q0 q1 dan Karena kedua jalan hulu padat yang
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
1 2 2 a a (w v) awhi (2)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Hukum bilangan besar mengatakan bahwa
(1 ) () (1 ) () ()
1
n hi hi E n h E h
saya s
n
aku aku
saya s
1048577 1048577
1048577 dan 1048577 1048577
1
n1048577
(3)
dimana E (x) adalah ekspektasi matematika x E (hi) adalah sama dengan H0 Sebagai H distribusi hi tidak diketahui E ( (hi))
tidak dapat analitis diturunkan Namun seseorang dapat memperkirakan nya pendekatan orde kedua (Oehlert 1992)
E h E h s h E h h sebagai w
aku aku
saya s
1048577 1048577 i
1048577
() () 1048577
1048577
1048577
1048577 $ 1048577 12
2
2
2 0
2 2
0
2
0
3 2 2 w v 2awh (4)
Dengan demikian kapasitas C yang efektif adalah sama dengan
C w w
h
w v
a awh w v sebagai w
w v a
1048577 1048577
1048577
1048577
0
0
0
2
0
2 2
0
2
1 2
2 2wh0
3 2
1048577
1048577
10485771048577 1048577
1048577
1048577
10485771048577 1048577
(5)
Kapasitas efektif ini dibagi oleh dua arus masuk q0 q1 dan Karena kedua jalan hulu padat yang
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
1048577 1048577 i
1048577
() () 1048577
1048577
1048577
1048577 $ 1048577 12
2
2
2 0
2 2
0
2
0
3 2 2 w v 2awh (4)
Dengan demikian kapasitas C yang efektif adalah sama dengan
C w w
h
w v
a awh w v sebagai w
w v a
1048577 1048577
1048577
1048577
0
0
0
2
0
2 2
0
2
1 2
2 2wh0
3 2
1048577
1048577
10485771048577 1048577
1048577
1048577
10485771048577 1048577
(5)
Kapasitas efektif ini dibagi oleh dua arus masuk q0 q1 dan Karena kedua jalan hulu padat yang
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
1048577
0
0
0
2
0
2 2
0
2
1 2
2 2wh0
3 2
1048577
1048577
10485771048577 1048577
1048577
1048577
10485771048577 1048577
(5)
Kapasitas efektif ini dibagi oleh dua arus masuk q0 q1 dan Karena kedua jalan hulu padat yang
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
menggabungkan rasio $ memegang dan q0 = Q1 dan kapasitas yang efektif juga dapat dinyatakan sebagai
C q0 q1 1 1 1048577 $ q0 (6)
Perhatikan bahwa q0 dan v0 terkait dengan diagram mendasar yaitu v0 = wq0 (w -q0) Dan h0 = 1 q0 Jadi dengan
menggabungkan (5) dan (6) kita mendapatkan persamaan di q0 sehubungan dengan parameter berikut a w $ dan s
w q w
q w
w
sebuah
w
w q
aw
q
sebagai w 1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577
1048577
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
1048577
0
3 2
0
4 2
0
2
0
2 2 3
() () 2 w w q aw q
q 4 2
0
2
0
3 2 0 2
1 1 0
1048577 (1048577) 1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
1048577 1048577
1048577 1048577
1048577 1048577
1048577
1048577 1048577
$ (7)
Sayangnya tidak mungkin untuk memperoleh rumusan eksplisit q0 terhadap parameter ini Akan Tetapi
kita dapat dengan mudah menghitung nilai q0 untuk setiap set tertentu parameter Kami mengusulkan indikator c untuk mengukur
penurunan kapasitas relatif yaitu komplemen dari rasio antara kapasitas C yang efektif dan Q kapasitas yang diberikan oleh
diagram dasar
c CQ
q
Q 1048577 1048577 1048577
1048577 1048577
1048577
1048577 1048577
1 1 1 1 0
1048577
(8)
Perhatikan bahwa penurunan kapasitas sini tidak bisa langsung dibandingkan dengan nilai-nilai eksperimental ditemukan dalam literatur
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
Memang kita telah memilih referensi tetap Q untuk menghitung penurunan kapasitas Pada kenyataannya penurunan kapasitas sering
didefinisikan mengacu pada aliran maksimal diamati sebelum drop kapasitas yang selalu lebih rendah dari Q
Selanjutnya di koran kami akan mengevaluasi bagaimana w $ Dan s pengaruh c dengan melakukan analisis sensitivitas
Sekarang kita mempertimbangkan kasus gabungan mana bagian penyisipan memiliki ekstensi spasial (Lgt 0) Dalam hal ini
kendaraan i penyisipan terjadi di lokasi acak xi [0 L] Distribusi X xi diasumsikan seragam seperti
disarankan oleh bukti empiris dalam (Daamen et al 2010) Memang para penulis ini telah dihitung lokasi merge
histogram pada gabungan di Belanda Distribusi ini tampaknya menjadi seragam piecewise kemacetan lihat gambar 6
dalam referensi tersebut Kami telah melakukan tes ekstensif yang menunjukkan bahwa distribusi piecewise seragam menyebabkan
hasil yang sama dalam hal penurunan kapasitas sebagai distribusi seragam
Untuk menyederhanakan eksposisi kendaraan pertama seharusnya masuk ke arus utama setiap h0 yaitu s = 0 lihat Gambar 3a A
asumsi tambahan dibuat di sini kita mengabaikan efek kekosongan hanya hilir hambatan bergerak
dapat memiliki lintasan sendiri dengan membuatnya bereaksi terhadap gelombang kemacetan hilir membawa kecepatan yang lebih rendah ini
menyiratkan bahwa hambatan bergerak menghilang ketika melintasi gelombang tersebut melihat titik-titik persegi pada Gambar 3a kami punya
menegaskan bahwa asumsi ini tidak memperkenalkan kesalahan signifikan ketika L tidak terlalu tinggi (kira-kira di bawah 300 m)
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
dan karena itu tampaknya menjadi asumsi yang valid dalam konteks kita Catatan bahwa ini bergerak perilaku kemacetan dekat
proses relaksasi yang dijelaskan dalam (Laval dan Leclercq 2008) untuk jalur-penukaran
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
A B
C
D
D
t
x
(a)
t1 t2 t3 t4 T5 t6 t7 T8 t9
t0 t2 t1 t3 t5 t4 t8
t (0) t (1) t (2) t (3) t (4) t (5) t (6)
h1
L
x1
h0
sisipan
kemacetan bergerak
0 50 100 150 200 250 300
0
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
1
2
3
4
5
L [m]
s [s]
(b)
h0 wh0
Gambar 3 proses (a) Memasukkan ketika Lgt 0 (b) Studi deviasi standar H
Biarkan ti menjadi saat gelombang datang dari (ti xi) mencapai x = 0 dan t (i) seri memerintahkan dibangun dari
realisasi ti lihat Gambar 3a Kapasitas C yang efektif masih bisa dihitung di x = 0 dengan (1) dengan berfokus pada
peningkatan N antara t (i) dan t (i + 1) yaitu antara titik A dan B pada Gambar 3a Peningkatan ini dapat dihitung bersama
jalan alternatif A C D B pada gambar Perhatikan disini properti penting jika kondisi batas bergerak dari C
D diterjemahkan oleh CA vektor kita dapat melihat jalan alternatif lain A D B di mana peningkatan N adalah
setara lihat Gambar 3a Dengan demikian masalah tampaknya setara dengan yang sebelumnya dengan L = 0 dengan menggantikan H
oleh H yang terakhir yang didefinisikan sebagai distribusi hi = t (i + 1) t (i) Distribusi H dan H memiliki rata-rata yang sama
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
h0 Kita hanya perlu menentukan s standar deviasi H dan kapasitas C yang efektif akan diperoleh
mengganti s dengan s di (5)
Perhitungan s adalah tugas yang cukup menantang karena tidak ada hubungan yang jelas dalam banyak kasus antara ti
dan t (i) karena proses pemesanan Sebuah kasus tertentu dapat dipelajari terlebih dahulu Ketika L ltwh0 urutan ti tidak
dimodifikasi karena setiap gelombang yang dipancarkan pada saat ti mencapai x = 0 sebelum ti + 1 Dengan demikian hi = t (i + 1) t (i) = ti + 1-ti = h0 + (xi + 1-xi) w dalam
kasus Memasukkan posisi dua kendaraan berturut-turut wajar dapat dianggap sebagai independen standar
deviasi s H ini kemudian diberikan oleh
s 2 V (hi) ( w2) V (xi xi) L w
1
1 1048577 2 6 2 (9)
dimana V (x) adalah varian dari x Ketika L adalah sangat besar (secara resmi cenderung tak terhingga) dapat menunjukkan bahwa H
mengikuti distribusi eksponensial Dengan demikian standar deviasi menjadi sama dengan h0 rata-ratanya Ketika L lebih tinggi
daripada wh0 tapi tidak terlalu besar Kami telah melakukan analisis numerik luas s sehubungan dengan L yang berbeda
nilai h0 dan w Ternyata bahwa dalam semua kasus yang paling cocok diperoleh dengan rumus sebagai berikut
s (L) = (bL + c) (L + d) (10)
Gambar 3b menyajikan hasil pas untuk h0 = 5 s dan w = 538 m s R-square lebih tinggi dari 099 Cocok serupa
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
diamati untuk berbagai nilai-nilai untuk h0 dan w Menariknya adalah mungkin untuk menentukan formulasi analitis
b c dan d Pertama sebagai s cenderung H0 ketika L cenderung tak terbatas b harus sama dengan h0 Kedua kita bisa cukup
Memaksakan bahwa s dan derivatif pertama kontinu pada L = wh0 lihat Gambar 3b Dengan demikian ekspresi akhir s adalah
s L
L w
6 jika
jika
L wh
h L wh L wh
$
1048577 1048577
0
0 0 6 6 2 0 L 1048577 wh
1048577
1048577 1048577
1048577 1048577
0
(11)
Kita sekarang dapat bersantai asumsi s = 0 ketika Lgt 0 Mari H menjadi distribusi waktu kesenjangan antara hi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
mulai dari dua penghalang bergerak berturut-turut di x = 0 H memiliki h0 berarti sama dengan H Its deviasi standar s adalah
didorong oleh dua proses satu terkait dengan distribusi posisi memasukkan dan terkait lainnya untuk
distribusi kali memasukkan Jika kita menganggap bahwa kedua proses ini adalah independen s dapat diperkirakan dengan
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
s = s2 + s 2 (12)
Untuk meringkas tampak bahwa ketika kedua jalan masuk yang padat (7) dan (8) dapat diterapkan untuk memperkirakan
Penurunan kapasitas di bawah ini disebutkan empat kasus Kita hanya harus mengganti dalam (7) dengan ekspresi yang tepat
1 s $ 0 titik bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (L = 0 s = 0)
2 s $ s titik bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut (L = 0 sgt 0)
3 s $ s yang diberikan oleh (11) diperpanjang bergabung dengan kesenjangan waktu yang konstan antara dua sisipan berturut-turut (Lgt 0 s = 0)
4 s $ s yang diberikan oleh (12) diperpanjang bergabung dengan kesenjangan waktu didistribusikan antara dua sisipan berturut-turut ((Lgt 0 sgt 0)
22 Uncongested di-jalan
Pada bagian ini kita fokus pada bagian kanan bawah dari diagram ND gabungan pada Gambar 1 Di sini 0 cukup rendah untuk
mencegah kemacetan di di-jalan dan karena itu q0 = 0 Dengan demikian kecepatan pada di-jalan tidak lagi dibatasi Kami
berasumsi kemudian bahwa memasukkan kendaraan akan mengadopsi berarti utama v1 kecepatan jalan sebelum percepatan memasukkan
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
Proses tetap sama seperti pada bagian sebelumnya Kapasitas C yang efektif diberikan dengan menggantikan v0 oleh v1 di (5)
Perhatikan h0 yang sekarang sama dengan 1 0 dan menjadi parameter tambahan Perhatikan juga bahwa v1 dan q1 terkait dengan
diagram dasar yaitu v1 = wq1 (w -q1) Karena C juga sama dengan q1 + 0 kita memperoleh persamaan berikut di Q1
1 1 1 1 1
0 0
2
1
4 2
1
w 2
q w
q w a
w
1048577 1048577 1048577 w q
1048577
1048577
1048577
1048577
1048577
1048577 1048577
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
1048577
1048577 1048577
1048577 $ 1048577
1048577 $
2
0 2
2 2
4 2
1
2
0
3 2
aw aw s
1048577 w 1048577 w1048577 q aw 1048577
1048577 $ $ (13)
Menariknya ekspresi di atas dapat sangat disederhanakan ketika s = 0 dengan mendefinisikan q1 = w -q1 dan = 2W3 2 a
10485770 1 1048577 1048577
3 2
q 1048577 q 1 1048577 q 1 () (14)
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
Ungkapan ini menunjukkan bahwa ketika meningkat q1 meningkat dan q1 menurun untuk nilai tertentu 0 Kami gagal
menentukan interpretasi fisik meyakinkan tapi menarik meningkat ketika menurun a ini
menguatkan hasil intuitif drop kapasitas lebih tinggi ketika tingkat percepatan yang lebih rendah Untuk menyelesaikan ini
studi kita masih harus menurunkan ekspresi s ketika Lgt 0 karena (11) tidak lagi berlaku Memang angka 6 di
(Daamen et al 2010) menunjukkan bahwa histogram lokasi gabungan di aliran bebas sesuai distribusi normal daripada
seragam satu Selain itu angka ini menunjukkan bahwa rata-rata memasukkan posisi Lm dekat dengan L 4 Dengan demikian kita asumsikan
X mengikuti distribusi normal dengan mean dan deviasi standar Lm Lm 257 Deviasi standar telah
disesuaikan sehingga 995 dari sisipan berlangsung antara 0 dan L Ekspresi s maka dapat diperoleh dengan menggunakan
metode yang sama seperti pada bagian sebelumnya
s L
L w
2 57 8 jika L wh
h
$ 2 7 0
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
0
L 1048577 2 72wh 2 57 8 L 2 57 8 1048577 2 7 wh L 1048577 2 7W
0 0 jika h0
1048577
1048577 1048577
1048577 1048577
(15)
Perhatikan bahwa ambang dari ketika proses pemesanan ti mempengaruhi standar deviasi hi sekarang
lebih tinggi dari wh0 Hal ini karena sebagian sisipan dihasilkan pada awal bagian penyisipan yaitu kira-kira
antara 0 dan L 2 Dengan menggabungkan (15) - (13) atau (12) - (15) - (13) adalah mungkin untuk menentukan nilai q1 dengan hormat
0 di keempat studi kasus yang relatif penurunan kapasitas c kemudian diberikan oleh
c 11048577 q1 10485770 $ Q (16)
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
3 Analisis model properti
31 Hasil untuk skenario referensi
Kedua model analitis diperkenalkan sebelumnya diterapkan untuk skenario referensi berikut w = 194 km jam
u = 115 km h = 145 kend km a = 2 m s2 $ = 076 Kapasitas Q teoritis yang diberikan oleh diagram mendasar kemudian
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
sama dengan 2400 kend jam Panjang L diatur ke 0 m (titik merge) atau 160 m (diperpanjang merge) Standar deviasi
s adalah baik sama dengan 0 s (kesenjangan waktu yang konstan) atau 2 s (kesenjangan waktu didistribusikan) Gambar 4a menyajikan evolusi c dengan
Sehubungan dengan 0 Untuk 0 nilai yang lebih rendah dari 100 kend jam tidak ada penurunan kapasitas terjadi Kapasitas relatif turun kemudian secara bertahap
meningkat hingga mencapai nilai maksimum ketika di-jalan sepenuhnya padat Nilai ambang batas untuk 0 adalah
sekitar 600 kend jam Ketika 0 melebihi ambang batas ini c tetap konstan Perhatikan bahwa nilai maksimal untuk c sangat tinggi
(hingga 46) Hal ini karena penurunan kapasitas relatif didefinisikan sehubungan dengan teori terjangkau kapasitas Q
dan karena hanya ada satu jalur hilir
Untuk nilai yang lebih rendah dari 0 baik perpanjangan spasial penggabungan maupun deviasi standar s memiliki terlihat
pengaruh pada penurunan kapasitas Ketika 0 meningkat empat kurva mulai menyimpang Pada akhirnya ketika jalan on-adalah
sepenuhnya padat tampak bahwa penurunan kapasitas relatif berkurang 46 sampai 40 ketika perubahan L dari 0 sampai
160 m dan s = 0 Hal ini terkait dengan peningkatan kapasitas yang efektif 1310-1450 kend jam Dengan demikian tata ruang
perpanjangan penggabungan secara signifikan meningkatkan proses penyisipan
Gambar 4b menyajikan hasil yang sama tetapi diplot dalam diagram gabungan Perhatikan bahwa ketika di-jalan yang uncongested
yang q0 aliran sisipan selalu sama dengan 0 Garis diagonal pada gambar ini sesuai dengan kapasitas teoritis Q
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
berasal dari diagram mendasar Ini membantu untuk lebih menghargai nilai absolut dari penurunan kapasitas dengan
sehubungan dengan aliran pada di-jalan
550 1000 1500 2000 2400
0
200
400
600
800
1000
q $ amp amp (
q) $ amp amp ((b)
+ 1048577 - 01 2 + 3 14 5
4 amp 0402-6 2 - - 2047 Q
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
0 200 400 600 800 1000
0
01
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
02
03
04
05
(a)
1048577) $ amp amp (
c
+ 1048577 - 01 2 + 3 14 5
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
Gambar 4 (a) penurunan kapasitas relatif sehubungan dengan on-demand jalan (b) Lalu Lintas negara dalam rangka ND
32 analisis sensitivitas
Sensitivitas penurunan kapasitas relatif c dengan parameter yang berbeda yang w $ L dan s dapat dievaluasi dengan
(7) dan (13) Pertama-tama kita fokus pada tingkat percepatan untuk skenario referensi ketika Lgt 0 dan s = 0 Gambar 5a hadiah
evolusi c sehubungan dengan 0 untuk meningkatkan nilai dari 05-3 m s2 Parameter ini tampaknya memiliki
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
Pengaruh tinggi Misalnya ketika jalan on-sesak c berkurang 049-034 ketika di-jalan adalah
padat dan bervariasi dari 1 sampai 3 m s2 Hal ini terkait dengan peningkatan kapasitas yang efektif 1220-1580
kend jam (+ 23) Ketika di-jalan yang uncongested dan 0 = 300 kend jam c menurun 032-016 yang sama
variasi dalam Kapasitas efektif sehingga meningkatkan 1630-2020 kend jam (+ 22) Jelas bahwa penggabungan harus
istimewa dilaksanakan di mana kendaraan secara optimal bisa mempercepat yaitu tidak ada uphills jarak pandang yang cukup
Gambar 5a juga menyoroti bahwa kedua kapasitas menjatuhkan awal dan penampilan kemacetan penuh pada di-jalan yang
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
diamati lebih tinggi 0 nilai ketika meningkat Gambar 5b menunjukkan evolusi kapasitas C efektif dalam penggabungan
diagram untuk antara 05 dan 3 m s2 Ini menegaskan bahwa penurunan kapasitas sangat dipengaruhi oleh percepatan
Memang semakin rendah percepatan adalah farer kapasitas efektif adalah dari garis kapasitas teoritis
200 500 1000 1500 2000 2400
0
200
400
600
800
1000
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
a $
a
a $ a amp a amp $
a
(b)
q () + -
q () + -
+ 0122345 (3464327 (Q
0 200 400 600 800 1000
0
01
02
03
04
05
a $
a
a $
a amp
a amp $
a
(a)
1048577 () + -
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
c
0810485771496 (2 (308 + + lt
Gambar 5 Pengaruh percepatan pada drop kapasitas (a) menggabungkan representasi diagram (b) penurunan kapasitas relatif sehubungan dengan 0
Analisis sensitivitas sekarang diperluas untuk semua parameter ketika jalan on-sesak Situasi aliran bebas
diabaikan karena mereka kebanyakan menyebabkan kesimpulan yang sama Setiap parameter pertama secara terpisah diuji untuk
berbagai khas nilai-nilai lihat Gambar 6 Empat kasus yang diidentifikasi untuk proses penyisipan dianggap dan
nilai referensi untuk setiap parameter yang ditunjukkan oleh garis putus-putus di setiap petak Gambar 6a pertama memperkuat bahwa
Tingkat percepatan parameter yang paling berpengaruh Kecepatan gelombang dan kepadatan jam juga telah dampak yang signifikan
lihat Gambar 6b-c Namun perlu diketahui bahwa berbagai nilai-nilai telah diuji untuk parameter ini Pada kenyataannya w dan
diketahui bervariasi sedikit untuk jalan bebas hambatan tertentu Selanjutnya parameter ini juga memodifikasi kapasitas Q utama
jalan Dengan demikian ketika w meningkat (masing-masing) Q juga meningkat dan c kemudian meningkat bahkan jika kapasitas efektif C
adalah konstan
05 1 15 2 25 3
0
01
02
03
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
04
05
c (a)
a [m s2]
L = 0 s = 0
L = 0 sgt 0
Lgt 0 s = 0
Lgt 0 sgt 0
15 20 25
0
01
02
03
04
05
w [km jam]
(b)
120 140 160 180 200
0
01
02
03
04
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
05
c
1048577 [kend km]
(c)
05 1 15
0
01
02
03
04
05
c
1048577
(d)
0 50 100 150 200
0
01
02
03
04
05
c (e)
L [m]
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
Lgt 0 s = 0
Lgt 0 sgt 0
1 2 3 4 5 6
0
01
02
03
04
05
c (f)
s [s]
L = 0 sgt 0
Lgt 0 sgt 0
Gambar 6 Analisis sensitivitas ketika di-jalan yang padat pengaruh (a) percepatan (b) kecepatan gelombang (c) kepadatan jam (d) penggabungan
rasio prioritas (e) panjang bagian penyisipan (f) standar deviasi dari H
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
Rasio prioritas merge tampaknya hampir tidak memiliki pengaruh pada penurunan kapasitas lihat Gambar 6d Hal ini cukup mengejutkan
karena ketika $ meningkatkan aliran sisipan q0 meningkat dan begitu juga jumlah bergerak kemacetan ini akan
harus menghasilkan penurunan kapasitas efektif Namun model analitis memberi petunjuk pada global
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
mekanisme Memang meningkatkan q0 meningkatkan jumlah memasukkan kendaraan tetapi juga kecepatan v0 mereka karena lalu lintas
kondisi membaik pada di-jalan Kedua fenomena kompensasi satu sama lain dan drop kapasitas hampir stabil
terlepas dari rasio gabungan Dengan demikian semua negara traffic jatuh pada baris kapasitas yang sama dalam diagram gabungan
Gambar 6e berfokus pada pengaruh dari panjang bagian penyisipan Angka ini menunjukkan bahwa peningkatan L mengurangi
drop kapasitas relatif dan kemudian meningkatkan kapasitas efektif Hal ini terlihat bahwa sebagian besar manfaat adalah
diperoleh sebelum L mencapai 100 m Jika hasil ini bisa digeneralisasi dengan lebih dari satu jalur di jalan utama
akan wawasan yang menarik untuk desain jalan Subplot untuk d juga menyoroti manfaat dari penggabungan diperpanjang oleh
membandingkan plot ketika L = 0 dan L = 160 m (Lgt 0) Catatan pada Gambar 6e bahwa ketika s = 0 dan L cenderung 0 kapasitas relatif
Penurunan menyatu dengan nilai yang diperoleh saat L = 0 (abu-abu dot) Dengan demikian transisi antara L = 0 dan Lgt 0 halus
Gambar 6f menunjukkan pengaruh deviasi standar H ketika L = 0 dan Lgt 0 Tampaknya bahwa peningkatan s mengurangi
c Memang keacakan dalam memasukkan kali untuk di-jalan kendaraan kadang-kadang menghasilkan headways waktu yang lebih besar di mana
aliran di jalan utama adalah mampu mencapai nilai yang lebih tinggi Dengan demikian peningkatan kapasitas yang efektif Ini juga menjelaskan mengapa
meningkatkan L mengurangi penurunan kapasitas Memang kami sebelumnya telah menunjukkan bahwa distribusi acak
memasukkan posisi setara dengan memperkenalkan keacakan dalam H
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
Bagian terakhir dari analisis sensitivitas terdiri dalam mempelajari pengaruh gabungan dari parameter yang berbeda saat
yang di-jalan yang padat Kami mengabaikan $ karena tidak memiliki pengaruh pada penurunan kapasitas dan fixe s ke 0 Gambar 7a
menunjukkan pengaruh bersama dan L pada drop kapasitas relatif c Dots sesuai dengan nilai-nilai yang diberikan oleh
Model analisis ketika Lgt 0 dan s = 0 Tampaknya regresi polinomial dengan derajat tidak lebih tinggi dari 3 sempurna
cocok titik (r-square sebesar 09994) Selain itu istilah gabungan dari regresi dapat diabaikan karena r tidak
secara signifikan berkurang ketika mereka dihilangkan (r berubah menjadi 09993) Kami akhirnya mendapatkan ekspresi berikut
c 1048577 sebuah a 1048577 sebuah 1048577 L 0774 0331 0122 2 1851010485772 3 6761010485774 1731010485776 L2 (17)
1 05
2 15 25
50 100 150
02
03
04
05
06
a [m s2]
(a)
L [m]
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
c
05
1
15
2
25
15 17 19 21 23
02
03
04
05
06
a [m s2]
(b)
w [km jam]
c
Gambar 7 regresi (a) c sehubungan dengan L dan (b) c sehubungan dengan dan w
Dengan demikian kita dapat menyimpulkan bahwa L dan memiliki kontribusi independen untuk drop kapasitas relatif studi serupa
dilakukan untuk dan w lihat Gambar 7b dan untuk dan Regresi polinomial tanpa syarat sendi menyediakan akurat
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
cocok dengan r sebesar masing-masing untuk 09993 dan 09994 Dengan demikian semua parameter terlihat independen Hal ini kemudian memungkinkan untuk
menggabungkan semua regresi yang diperoleh menjadi satu
c 1048577 sebuah a 1048577 sebuah 1048577 L 0402 0332 0122 2 1851010485772 3 6761010485774 1731010485776 2 6841010485772 3121010485773 2 0724 L w 1048577 w 1048577 (18)
Dimana dinyatakan dalam m s2 L dalam m w dalam m s dan dalam kend m Regresi global mengejutkan akurat ketika
(18) diuji terhadap titik-titik model untuk tiga pesawat (a L) (a w) dan () maka RMSE terkait masing-masing
3410-3 4810-3 dan 3210-3 Perhatikan bahwa (18) memprediksi batas atas untuk penurunan kapasitas karena s = 0 dan menyediakan
siap untuk menggunakan diperpanjang Model ND dengan perhitungan endogen drop kapasitas Memang ketika di-jalan
sesak satu-satunya harus membandingkan pasokan hilir dengan kapasitas yang efektif berasal dari (18) ke
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
menentukan pasokan yang efektif dan kemudian menerapkan rasio gabungan Sayangnya rumus ini hanya berlaku untuk satu jalur
di jalan utama Kita akan melihat pada bagian selanjutnya bagaimana kita dapat mengatasi keterbatasan ini
Validasi 4 Model
41 Data eksperimental
$ amp $ () amp (
+ - + + + -
+ -
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
0 1 -0 1
23 1
24 1 4 1
4 1
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
(amp
ampamp
u 5) ampamp 10485776789 7 lt8 = amp 8 = amp (gt lt8 = amp 8 =
0012345678
9 210485772 + amp
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
$ ampampamp +
+ -
lt=gt 23 07678
A 210485772 + amp - 2 B12 + amp
B2 A2 A- B-
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
$ ampamp $ ($) amp $ (+ ampamp + (+) amp + ( ampamp () amp (- ampamp - (-) amp
amp
ampampamp
ampampamp
lt=gt 23 07678
1 210485772 + amp
= B02
= B02
= B02)
Gambar 8 (a) sketsa situs eksperimental (b) mempercepat evolusi pada detektor M7088 (c) aliran evolusi pada detektor M7092 dan M7088 (d) mengalir dengan
lane pada detektor M7088
Untuk melakukan validasi model kita fokus pada gabungan terletak di ke selatan segmen tiga jalur dari M6
jalan raya dekat Manchester Inggris Sebuah sketsa dari situs ini digambarkan dalam Gambar 8a Foto udara dapat dikonsultasikan pada
Google Earthreg dengan mencari koordinat geografis sebagai berikut 53 deg 251485 N 2 deg 344218 O Secara Teratur
terhuyung lingkaran detektor dapat ditemukan pada bagian jalan raya ini Detektor ini memberikan aliran rata-rata kecepatan dan
Tingkat hunian per lajur setiap menit Detector M7072 terletak 1600 m hilir gabungan yang dipilih dan
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
tidak pernah menemukan kemacetan Ini menegaskan bahwa penggabungan yang dipilih benar-benar sebuah hambatan yang aktif Dalam studi ini kami
terutama berfokus pada data dari detektor M7092 dan M7088 yang masing-masing terletak 250 m hulu dan hanya
hilir penggabungan lihat Gambar 8a Detektor lain M7092M juga berguna karena penurunan kecepatan di sini
menunjukkan bahwa di-jalan sepenuhnya padat Sayangnya lingkaran ini jauh hulu awal
penggabungan bagian Dengan demikian tidak mungkin untuk menyimpulkan aliran sisipan dari pengamatan ini dalam sebuah disinkronisasi
cara dengan pengamatan di M7088 dan M7092 Memasukkan arus kemudian diperkirakan oleh perbedaan antara
Leclercq et al Procedia - Sosial dan Ilmu Perilaku 00 (2011) 000-000
pengamatan di M7088 dan M7092 dengan satu menit lag Lag ini kira-kira merupakan waktu bahwa kebutuhan kendaraan
untuk perjalanan dari M7092 M7088 ke dalam kemacetan
Semua data dari Mei 2006 tersedia Namun kemacetan tidak diamati setiap hari dekatnya penggabungan kami punya
kemudian memilih jam sibuk pagi selama empat hari yaitu Mei 2 3 9 dan 16 Hari-hari menderita tingkat tertinggi
kemacetan Gambar 8b-d menyajikan pengamatan untuk Mei 3 600-1000 Gambar 8b menunjukkan evolusi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
8c
8d
42
Gambar Perhatikan bahwa
8b Hal ini sangat
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
0
500
1000
1500
2000
0
500
1000
1500
2000
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
0
500
1000
1500
2000
Gambar
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
Gambar
kita
ini
Gambar
Namun Gambar
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
gelombang
8d
sesak
mengalir
total
model analisis
8a
5 Diskusi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
Gambar 5a
daya tampung
Ini bukan
utama
ini
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
Ucapan Terima Kasih
para penulis
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
kertas
Referensi
(Eds)
angkutan
probabilitas
GF
586
angkutan
Penelitian transportasi
probabilitas
GF
586
angkutan
Penelitian transportasi
angkutan
Penelitian transportasi