Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first last
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-fdb9d417-7df3-4141-a34c-8572826e3178

Czasopismo

Archives of Transport

Tytuł artykułu

Development of models for determining the traffic volume for the analysis of roads efficiency

Autorzy Spławińska, M. 
Treść / Zawartość
Warianty tytułu
Języki publikacji EN
Abstrakty
EN The article presents different methods of estimating DHV, including traditional Factor Approach, developed Regression Models and Artificial Neural Networks models. As explanatory variables: quantitative variables (AADT and the share of heavy vehicles) as well as qualitative variables (the cross-section, roads class, nature of the area, the profile of seasonal variations, region of Poland and the nature of traffic patterns) were used. In addition, the results of preliminary analyses of the DHV estimates based on the maximum hourly volume derived from a few hours traffic measurement on weekdays where there is the greatest share of hours with the highest traffic volume in the year were presented. On the basis of comparisons of the presented methods, Multiple Regression Model was identified as the most useful.
Słowa kluczowe
PL drogi   automatyczny rejestrator ruchu   analiza efektywności dróg   sztuczna inteligencja  
EN roads   automatic traffic recorder   ATR   design hourly volume   DHV   multiple regression   artificial neural networks  
Wydawca Warsaw University of Technology, Faculty of Transport
Czasopismo Archives of Transport
Rocznik 2015
Tom Vol. 33, iss. 1
Strony 81--91
Opis fizyczny Bibliogr. 13 poz., rys., tab., wykr.
Twórcy
autor Spławińska, M.
  • Cracow University of Technology, Faculty of Civil Engineering, Cracow, Poland, msplaw@pk.edu.pl
Bibliografia
[1] CAPPARUCCINI, D., FAGHRI, A., POLUS, A. and SUAREZ, R., 2008. Fluctuation and seasonality of hourly traffic and accuracy of design hourly volume estimates. Transportation Research Record: Journal of the Transportation Research Board, 2049, pp. 63-70.
[2] GHANIM, M.S., 2011. Florida Statewide Design-Hour Volume Prediction Model, Transportation Research Board 90th Annual Meeting 2011, Washington DC 2011.
[3] LEMKE, K., 2011. Estimation of the Peak-hour Demand in the German Highway Capacity Manual. Procedia-Social and Behavioral Sciences, 16, pp. 762-770.
[4] LIU, Z. and SHARMA, S., 2006. Prediction of directional design hourly volume based on statutory holiday traffic. Journal of the Transportation Research Board: Transportation Research Record, , pp. 30-39.
[5] MARTIN, A., KLUTH, T., ZIEGLER, H. and THOMAS, B., 2013. Bemessung - sverkehrsstärken auf einbahnigen Landstraßen. BERICHTE DER BUNDESANSTALT FUER STRASSENWESEN.UNTERREIHE VERKEHRSTECHNIK, (221).
[6] SHARMA, S.C., WU, Y. and RIZAK, S.N., 1995. Determination of DDHV from directional traffic flows. Journal of Transportation Engineering, 121(4), pp. 369-375.
[7] SPŁAWIŃSKA, M., 2013. Charakterystyki zmienności natężeń ruchu i ich wpływ na eksploatację wybranych obiektów drogowych, Politechnika Krakowska.
[8] SPŁAWIŃSKA, M., 2014. Podział sieci dróg na odcinki jednorodne ruchowo w celu zwiększenia dokładności szacowania SDR. Zeszyty Naukowo-Techniczne Stowarzyszenia Inżynierów i Techników Komunikacji w Krakowie. Seria: Materiały Konferencyjne, 1(103), pp. 361-370.
[9] TRACZ, M., et al, 2001. Wytyczne projektowania skrzyżowań drogowych, cz. I: Skrzyżowania zwykłe i skanalizowane. Warszawa: Generalna Dyrekcja Dróg Publicznych w Warszawie.
[10] TRANSPROJEKT, 2000. Ruch Drogowy. Transprojekt - Warszawa Sp. z o.o.
[11] TRANSPROJEKT, 2005. Ruch Drogowy. Transprojekt - Warszawa Sp. z o.o.
[12] TRANSPROJEKT, 2010a. Ruch Drogowy. Transprojekt - Warszawa Sp. z o.o.
[13] TRANSPROJEKT, 2010b. Zbieranie, archiwizacja i analizy danych ze stacji ciągłych pomiarów ruchu w roku 2008. Etap III. Analiza roczna i edycja wyników pomiarów prowadzonych w stacjach GR i PAT w roku 2009, Transprojekt - Warszawa Sp. z o.o.
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-fdb9d417-7df3-4141-a34c-8572826e3178
Identyfikatory
DOI 10.5604/08669546.1160929