Multi-Lane Traffic Modeling Including Long Range Dependence Property

• Autorzy: Przemysław Włodarski

Warianty tytułu

Modelowanie natężenia ruchu na drodze wielopasmowej z uwzględnieniem zależności długoterminowych

• Języki publikacji: EN

Abstrakty

Artykuł rozpatruje modulowany łańcuch Markova jako model ruchu na drodze wielopasmowej. Model ten skupia się na zależnościach długoterminowych, które mają duży wpływ na efektywności działania kolejkowania w samochodowych systemach transportowych. Rezultaty symulacji dla modelu z czasem dyskretnym, jak również efekty wpływu zależności długoterminowych na kolejkowanie, zostały zaprezentowane i poddane dyskusji.(abstrakt oryginalny)

EN

This paper investigate modulated Markov chain to model multi-lane traffic. The model focuses on long range dependence that has a big impact on queueing performance and efficiency of cars transportation system. The results of discrete time simulation as well as the effects of the influence of long range dependence on queueing is presented and discussed.(original abstract)(original abstract)

Słowa kluczowe

PL

Ruch drogowy; Analiza ruchu drogowego; Analiza zależności; Drogi

EN

Road traffic; Road traffic analysis; Dependency analysis; Road

• Czasopismo: Logistyka
• Rocznik: 2015
• Numer: nr 4, CD 2
• Strony: 6722-6727

Twórcy

autor

Przemysław Włodarski

• West Pomeranian University of Technology, Szczecin, Poland

Bibliografia

• 1. Yuan Q., Liu Z., Li J., Zhang J., Yang F., A traffic congestion detection and information dissemination scheme for urban expressways using vehicular networks. Transportation Research Part C, 2014, vol. 47, pp. 114-127.
• 2. Yao T., Wei M. M., Zhang B., Friesz T., Congestion derivatives for a traffic bottleneck with heterogeneous commuters. Transportation Research Part B, 2012, vol. 46, pp. 1454-1473.
• 3. Greenberg J. M., Klar A., Rascle M., Congestion on multilane highways. SIAM journal of applied mathematics., 2003, vol. 63, pp. 813-818.
• 4. Ondrácek J., J. Schwarz a, et al., Contribution of the road traffic to air pollution in the Prague city (busy speedway and suburban crossroads). Atmospheric Environment, 2011, vol. 45, pp. 5090- 5100.
• 5. Wastavinoa L. A., Toledob B. A., et al., Modeling traffic on crossroads. Physica A, 2007, vol. 381, pp. 411-419.
• 6. Purczyński J., Włodarski P., On fast generation of fractional Gaussian noise. Computational Statistics & Data Analysis 2006, vol. 50 issue 10, pp. 2537-2551.
• 7. Shiomi Y., Yoshii T., Kitamura R., Platoon-based traffic flow model for estimating breakdown probability at single-lane expressway bottlenecks. Transportation Research Part B, 2011, vol. 34, pp. 1314-1330.
• 8. Ye L., Hui Y., Yang D., Road traffic congestion measurement considering impacts on travelers. Journal of Modern Transportation, 2013, vol. 21, pp. 28-39.
• 9. El-Abdouni-Khayari R., Sadre R., Haverkort, B., R., The pseudo self-similar traffic model: application and validation. Performance Evaluation, 2004, vol. 56, pp. 3-22.
• 10. De Borger B., Proost S., Traffic externalities in cities: The economics of speed bumps, low emission zones and city bypasses. Journal of Urban Economics, 2013, vol. 76, pp. 53-70.