Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2014

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: model dynamiczny ruchu

Sortuj według:

Ogranicz wyniki do:

Modelowanie zjawiska zmiany trasy przejazdu w dynamicznym rozkładzie ruchu w sieci drogowej

Kucharski R., Gentile G.

Zeszyty Naukowo-Techniczne Stowarzyszenia Inżynierów i Techników Komunikacji w Krakowie. Seria: Materiały Konferencyjne

2014

Nr 1(103)

245--256

W artykule omówiono problem modelowania stanu sieci drogowej w następstwie sytuacji nietypowych, w szczególności w następstwie zdarzeń nieoczekiwanych (wypadków). Pokazano trudności jakie pojawiają się, gdy w dynamicznym modelu ruchu próbuje się uwzględnić reakcje użytkowników na zdarzenia nieoczekiwane. Zdefiniowano pojęcie ‘rerouting’, czyli zmianę trasy przejazdu w reakcji na informacje o zdarzeniach nieoczekiwanych i pokazano jak można je uwzględnić w dynamicznym modelu ruchu. Przedstawiono i omówiono istotę dwóch rozwiązań problemu: model przesuwającego się horyzontu, oraz model przyswajania informacji. Artykuł podsumowany jest prezentacją wyników modelu przyswajania informacji.

The article addresses problem of representing rerouting phenomena within macroscopic Dynamic Traffic Assignment (DTA) framework. By rerouting we mean changing the currently chosen path, after receiving some information about an unexpected traffic event. We very broadly define here unexpected event as any relevant traffic information that is not known in advance by at least some percentage of drivers and implies changes in the perception of the supply side. We addressed the above problem twofold by a) saving and then reloading directed flows for each newly calculated demand pattern based on new information and b) handle above restricting internally within the RCM. Numerical examples show the results of the proposed models where rerouting phenomenon can be observed.

Makroskopowy model przepływu ruchu w sieci drugiego rzędu - alternatywny opis stanu sieci

Kucharski R.

Przegląd Komunikacyjny

2014

Nr 2

21--26

Powszechna jest krytyka uproszczonej reprezentacji zjawisk w sieci transportowej za pomocą makroskopowych funkcji oporu, które nie są w stanie opisać powstawania i rozładowywania się kolejek pojazdów, chwilowej utraty płynności, dobowych wahań natężeń ruchu i rozpływania się kolejek. W opinii części ekspertów jedyną alternatywą jest modelowanie sieci w skali mikro, metodami symulacyjnymi. W referacie tym pokazano podejście alternatywne, stosowane w dynamicznych makroskopowych modelach ruchu: tzw. modele przepływu ruchu drugiego rzędu będące rozwinięciem fundamentalnego diagramu ruchu. Są one w stanie odzwierciedlić wymienione wyżej zjawiska, wymagają znacznie mniej danych wejściowych niż modele mikroskopowe i wykonują obliczenia w znacznie krótszym czasie. W opinii autora wyniki takiego modelu są bardziej wartościowe i dają pełniejszą informację o funkcjonowaniu sieci transportowej. Zamiast szczegółowych wyników symulacji, która jest jedynie jedną z możliwych realizacji procesu stochastycznego, otrzymujemy najbardziej prawdopodobny wynik przekazany w zagregowanej formie. Modele takie mogą być wykorzystane w czasie rzeczywistym modelach dużych sieci transportowych dostarczając szczegółowych informacji o stanie sieci, w referacie pokazano wyniki otrzymane w modelu krakowskim.

Macroscopic volume-delay functions are widely criticized due to their inability to reproduce fundamental traffic phenomena, i.e. queue formation and dispersion, capacity drop, within-day temporal changes, spillbacks, etc. Microsimulation is widely recognized as the only alternative. In this paper another approach is shown: second order macroscopic traffic flow models. General Link Transmission Model described here can reflect above mentioned phenomena with much shorter computation time and requiring much smaller input database than microsimulation. In author's opinion results of GLTM are more valuable for traffic engineer than results of microsimulation, which are typically stochastic. GLTM can be computed for real-size network in acceptable time.