Powiadomienia systemowe
- Sesja wygasła!
- Sesja wygasła!
Identyfikatory
Warianty tytułu
Modele do wyznaczania średniego dobowego ruchu w roku na drogach krajowych
Języki publikacji
Abstrakty
One of the basic parameters which describes road traffic is Annual Average Daily Traffic (AADT). Its accurate determination is possible only on the basis of data from the continuous measurement of traffic. However, such data for most road sections is unavailable, so AADT must be determined on the basis of short periods of random measurements. This article presents different methods of estimating AADT on the basis of daily traffic (VOL), and includes the traditional Factor Approach, developed Regression Models and Artificial Neural Network models. As explanatory variables, quantitative variables (VOL and the share of heavy vehicles) as well as qualitative variables (day of the week, month, level of AADT, the cross-section, road class, nature of the area, spatial linking, region of Poland and the nature of traffic patterns) were used. Based on comparisons of the presented methods, the Factor Approach was identified as the most useful.
Jednym z podstawowych parametrów opisujących ruch drogowy jest Średni Dobowy Ruch w roku (SDR). Jest on wykorzystywany do różnych celów między innymi do projektowania i planowania rozwiązań drogowych, obliczania hałasu drogowego czy do studiów wypadkowości. Jego nieprawidłowe oszacowanie i prognozowanie może prowadzić do licznych błędów, przykładowo do niewłaściwego doboru typów skrzyżowań i niewłaściwego ich projektowania czy do przeciążenia tras projektowanych na natężenie ruchu mniejsze niż to, które rzeczywiście może się pojawić. Uzyskanie dokładnych i wiarygodnych wielkości SDR możliwe jest jedynie na podstawie danych pochodzących z ciągłych automatycznych pomiarów ruchu. Niestety z większości odcinków drogowych nie ma takich danych, więc SDR musi być wyznaczany w oparciu o krótkie okresy wyrywkowych pomiarów. W tym celu najczęściej stosuje się metodę wskaźnikową.
Czasopismo
Rocznik
Tom
Strony
141--160
Opis fizyczny
Bibliogr. 21 poz., il., tab.
Twórcy
autor
- Cracow University of Technology, Faculty of Civil Engineering, Krakow, Poland
Bibliografia
- 1. A. Olma, Określenie współczynników przeliczeniowych do szacowania natężeń ruchu drogowego w obszarach miejskich, Praca doktorska, Politechnika Śląska, Gliwice 2005
- 2. Ruch Drogowy 2010, Transprojekt - Warszawa Sp. z o.o.
- 3. AASHTO Guidelines for Traffic Data Programs, American Association of State Highway and Transportation Officials, 1992.
- 4. Federal Highway Administration (FHWA), Traffic Monitoring Guide, 2013.
- 5. L. Jin, Ch. Xu, J. D. Fricker, Comparison of Annual Average Daily Traffic Estimates: Traditional Factor, Statistical, Artificial Neural Network, and Fuzzy Basis Neural Network Approach, TRB 87th Annual Meeting DVD, Washington DC 2008.
- 6. M. Spławińska, Ocena szacowania Średniego Dobowego Ruchu w roku (SDR) przy wykorzystaniu wskaźników przeliczeniowych, Drogownictwo, 7-8/2010, 267 -272.
- 7. S. Granato, The impact of factoring Traffic Counts for Daily and Monthly Variation in Reducing Sample Counting Error, 1998 Transportation Conference Proceeding, Iowa State University, 08.1998, 122 ÷ 125.
- 8. R. T. Luttinen, O. Virpi, Quality Assessment of AADT Estimates, TRB 88th Annual Meeting CD – ROM, Washington DC 2007.
- 9. M. Lewis, D. Albright, Evaluating the 2000 Highway Capacity Manual adjustment factor for AWDT to AADT by applying a consistent traffic data methodology, Transportation Research Record: Journal of the Transportation Research Board 1993, Washington DC 2007, 117 ÷ 123
- 10. Highway Capacity Manual-HCM-2010, Transportation Research Board, National Research 2010
- 11. J. K. Eom, M. S. Park, T. Y. Heo, L. F. Huntsinger, Improving the Prediction of Annual Average Daily Traffic for Non-Freeway Facilities by Applying Spatial Statistical Method. Transportation Research Record: Journal of the Transportation Research Board 1968, Washington DC 2006, 20 ÷ 29
- 12. M. Sabry, H. Abd-El-Latif, S. Yousef, N. Badra, Determination of AADT from Short Period Traffic Volume Survey. Journal of Applied Sciences Research, 3(7): 607 - 612, 2007, s. 607 ÷ 612
- 13. M. Sabry, H. Abd-El-Latif, S. Yousef, N. Badra, Use of Box and Jenkins Time Series Technique in Traffic Volume Forecasting, Research Journal of Social Sciences, 2007, 83 ÷ 90
- 14. B. Selby, K. Kockelman, Spatial Prediction of AADT in Unmeasured Locations by Universal Kriging, TRB 90th Annual Meeting DVD, Washington DC, 2011
- 15. X. Wang, K. Kockelman, Forecasting Network Data: Spatial Interpolation of Traffic Counts Using Texas Data, Transportation Research Record: Journal of the Transportation Research Board 2105, Washington DC 2008, 100 ÷ 108.
- 16. H. Wu H., Z. Zhang, Framework for Estimating AADT Using Co-clustering Based Collaborative Filtering, TRB 88th Annual Meeting DVD, Washington DC 2009.
- 17. Y. Zhang, Y. Xie, Forecasting of Short – Term Freeway Volume with v-Support Vector Machines, Transportation Research Record: Journal of the Transportation Research Board 2024, Washington DC 2007, 92 ÷ 99
- 18. 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., Warszawa 2010.
- 19. M. Spławińska, Określenie korzystnego czasowego zakresu pomiarów wyrywkowych do wyznaczania średniego dobowego ruchu w roku, Drogownictwo, 1/2015, 23-28.
- 20. M. Spławińska, Podział sieci dróg na odcinki jednorodne ruchowo w celu zwiększenia dokładności szacowania SDR, Zeszyty Naukowo - Techniczne Stowarzyszenia Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej Oddział w Krakowie, Nr 1(103)/2014, 361-370.
- 21. M. Spławińska, Analiza stabilności charakterystyk zmienności natężeń ruchu w dłuższym okresie, 9902-9911, Logistyka 6/2014.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-fb9b8be6-6ad2-40a2-af24-ae6583a37f08