Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Artykuł przedstawia problematykę modelowania pracy przewozowej dotyczącej ruchu drogowego dla dużych obszarów. Jako przykład posłuży tutaj stan Indiana, dla którego opracowano podejście pozwalające oszacować pracę przewozową wyrażoną w pojazdo-milach. Budowa modelu symulacyjnego, w klasycznym ujęciu, powinna bazować na właściwie oszacowanych zmiennych objaśniających wielkość ruchu generowanego przez rejony komunikacyjne oraz powiązania tych zmiennych poprzez zastosowanie odpowiednich zależności matematycznych (uzyskanych w ramach wywiadów w gospodarstwach domowych). Niniejszy artykuł podejmuje temat budowy modelu bez dostępnych wyników badań ankietowych, bazując jedynie na precyzyjnie dobranych zmiennych objaśniających. Proces budowy modelu popytu poprzedziło przyjście szeregu założeń dotyczących modelu sieciowego – został on podzielony na mniejsze części (klastry) a całość obliczeń popytu dotyczyła pojedynczego klastra. Parametry modelu popytu dla pojedynczego elementu zostały dopasowane poprzez zastosowane metody przeszukiwania heurystycznego (algorytmy genetyczne), a zmienne objaśniające (liczba mieszkańców, miejsc pracy itp.) wyznaczone w oparciu o precyzyjne dane GIS. Jakość modelu oceniono poprzez porównanie uzyskanych wyników pracy przewozowej z dostępnymi wynikami pomiarów przekrojowych. Referat przedstawia założenia przyjętej metodyki oraz wyniki analiz prowadzonych dla części sieci drogowej.
EN
A method of estimating the travel demand and vehicle miles travelled in large regions including local roads has been presented in the paper. The model calibration and evaluation has been presented on case of parts of Indiana. In the traditional approach, a network demand model includes properly calibrated traffic generation components applied to Traffic Analysis Zones and traffic exchange relationships between these zones calibrated based on household survey results. The authors have attempted to calibrate a model that does not use the household survey but, instead, uses carefully chosen exploratory variables. The model is founded on a number of simplifying assumptions allowed by disaggregation of a large regional road network into much smaller parts called clusters. The network demand estimation could be then conducted for each cluster separately. The traffic generation parameters have been fitted with a heuristic search method (genetic algorithm) and the values of exploratory variables (number of residents, employees, etc.) have been obtained from microscopic GIS data. The calibrated model have been evaluated by comparing the estimated daily traffic volumes with the values obtained from vehicle counting. The model assumptions and the results obtained for a sample part of the road network have been presented in this paper.
PL
Amerykańskie stanowe i lokalne agencje drogowe rozszerzają zarządzanie drogowe w zakresie bezpieczeństwa i infrastruktury na drogi powiatowe i miejskie. Zarządzanie drogami lokalnymi jest szczególnie utrudnione z powodu braku danych o ruchu drogowym. Systematyczne pomiary nie są stosowane z powodu dużej liczby lokalnych odcinków drogowych i związanych z tym wysokich kosztów. Alternatywnym rozwiązaniem wydaje się estymacja ruchu z użyciem modeli ruchu w sieci drogowej. Istniejące regionalne modele ruchu drogowego nie są dostosowane do modelowania ruchu na dużej liczbie dróg lokalnych. Prezentowany artykuł proponuje nowy rodzaj modelu opartego na podziale regionalnej sieci drogówek na klastry w taki sposób, że drogi ze znanymi natężeniami ruchu (drogi krajowe, regionalne oraz niektóre ważniejsze drogi lokalne) stają się granicą rozdzielającą sąsiednie klastry drogowe. Podział sieci drogowej na klastry i zastosowanie upraszczających założeń akceptowalnych dla dróg lokalnych prowadzi do dekompozycji pierwotnego modelu regionalnego na grupę uproszczonych modeli stosunkowo łatwych do kalibracji i implementacji na dużą skalę. Prezentowany artykuł szczegółowo opisuje proponowany model, jego założenia upraszczające oraz kalibrację parametrów modelu w oparciu o znane natężenia ruchu na niektórych drogach lokalnych. Linearyzacja problem kalibracyjnego jest osiągnięta dzięki uproszczeniom modelu i iteracyjnemu rozwiązywaniu układów równań liniowych. Nowy rodzaj danych o zagospodarowaniu terenu został zastosowany w proponowany modelu. Te nowe dane stają się dostępne w USA poprze z łączenie danych osobowych z danymi o miejscu zamieszkania, pracy i innych aktywnościach ludzi. Dane te są w formie zdezagregowanej (pojedyncze miejsca zamieszkania i pracy) i zawierają współrzędne geograficzne, co pozwoliło zastosować je w proponowanym modelu.
EN
Public agencies in USA expand their safety and asset management systems to local roads in cities and counties. Managing these roads is seriously hurdled by the lack of traffic measurements due to the size of the network and costs of the measurements. Another option is to estimate the local traffic by utilizing traffic flow network models. This paper proposes a novel model based on division of a regional road network into cells such that each cell’s boundary is made of major roads with known traffic volumes. Under certain simplifying assumption plausible for local roads, the vast modelling problem is disaggregated to manageable sub-problems. The paper presents detail description of the model, its assumptions, and an iteration-based estimation of traffic generation and distribution parameters. The estimation procedure is further simplified by the linear form of most relationship that allowed a quadratic optimization problem applied to disaggregate land use data. This new type of data includes geo-coded household and business data obtained by private companies through linking commercial and public records.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.