Utvärdering av ITS Albania Nissan (bibbi@infra.kth.se) Avdelning för Trafik och logistik
Utvärderingsmöjligheter Motorvägar -Variable message sigs (VMS) -Variable speed signs (VSL) -Incident management -Rout guidance -Toll plaza -Managed HOV lanes -Fordonsbaserade ITS (ISA) -Ramp metering Tätort - Jämförelser. av alternativa vägutformning och planering -Signalstrategier för kontroll - Kapacitetsanalys -Parkering management system -Bestämma prioritet för bussar, spårvagnar etc. - Oskyddade trafikanter - Samordnade signal strategi - Andra kontroll logik (AID-algorithm) Interaktioner mellan trafikanter av olika trafikslag Det finns ingen slut på möjligheterna... nästan!
Simulering- Ett redskap för att utvärdera ITS Utvärdering - Transportanalyser Problem som behöver ett svar Utveckla frågor Identifiera mått på effektiviteten Genomgång av fallstudie Välja analysverktyg/strategi Mesoskopisk Macroskopisk Microskopisk Analys Utvärderingsresultat
Metodiken för simuleringsstudier Utvärdering - Simulering Geometrin - Körfält konfiguration - Kollektivtrafikhållplatser och stationer Flöden -Trafik -Kollektivtrafiklinjer Kontroll - Mjukvara / hårdvara - Strategi Simulering - analys Utvärdering - Sammanfatta MOEs - Förbereda tabeller och diagram - Svara på frågor
Metodiken för simuleringsstudier Följande steg är en integrerad del av processen: - Definition av området som ska modelleras - Definition av de olika simuleringsscenarier - Fastställande av hypoteser som är relevanta för simuleringsstudie - Definition av olika angivna effekter för jämförelser och slutsatser - Val eller definition av utvärderingsstrategi - Datainsamling, trafikantbeteendeparametrar - Modell konstruktion - Kalibrering av referensscenariot - Validering av referensscenariot - Simulering av de olika simuleringsscenarier - Analys av simuleringsresultat inklusive scenario jämförelser - Rapportering och resultat presentation
VISSIM VISSIM = (Verkehr i Städten Simulation) eng. Micro-simulering för trafik i städer Utvecklad av PTV (Planung Transport Verkehr) AG Version VISSIM 5.3.4 släppt 2011 Utvecklad för modellering av kollektivtrafik och trafik flöden i stadsmiljön och motorvägar VISSIM består av två separata program: en trafik simulator och en signal tillstånd generator Beskrivs som en beslutsstödverktyg för trafik och transport planerare 3D-visualisering gör modellen användbar för presentationer till "icketekniska publik Huvudkonkurrent på mikro - simulering marknaden är - AIMSUN, PARAMICS
VISSIM Kommunikation mellan trafik simulator och signal tillstånd generator
MCS- Variable speed limits Applikationer -Lokalisera VSL -Identifiering av alternativa rutter -Identifiering av signal påverkade fordon -Hur görs detta i VISSIM? -Detektorer -VAP
Kalibrering: E4 motorväg i Stockholm Gantry no. 51895 Speed(km/h) 100 90 80 70 60 50 40 30 20 10 Field data Simulation 0 0 10 20 30 40 50 60 70 80 90 100 110 Time (min) 120 130 140 150 160 170 180 190 Kalibrering resultat: - Kömönster uppnås, Hastighet- tid relationer likadana - Matchar hastigheten som ändras från stabila till instabilt
Validering - Följande trafikprocess kontrollerades i modellen: Hastighet genom varje portal Trafikflöde för varje portal Köbildning och avveckling Vävningsbeteende vid varje på/ av ramp
Measure of effectiveness (MOEs) - Fördröjning - Restid - Antal stopp - Kölängd - Emissioner - Bränsleförbrukning - Signal kontroll
MOEs- Restid under incident scenario med och utan VSL Travel time during accident with and without VSL 1200 1000 With VSL Without VSL 800 600 400 200 0 300 900 1500 2100 2700 3300 3900 4500 5100 5700 6300 6900 7500 8100 8700 9300 9900 10500 11100 11700 12300 Travel time (Sec.) Time interval (Sec.)
2010-06-10 Simulering av 100% lydiga förare
Ramp Metering En kontroll strategi, vilket begränsar antalet fordon som förs in motorvägen från påfart. ALINEA : En enkel lokal ramp metering strategy baserad på feedback kontroll (Papageorgiou et. al., 1991).
Ramp Metering VISSIM Demonstration
Effectiveness of Combined Ramp Metering and VSL
Slutsatser från simulering av MCS -Mycket god överensstämmelse mellan observationer och modell - De flesta problem beror på indata kvalitet - Mycket tid sparas i kalibreringsarbete om modellen är konstruerad med en hög grad av noggrannhet -Modellen fungerar väl under lågtrafik (11:00 till 13:00) (Micro-simuleringsmodeller inte är kapabla att skapa störningar liknande den som förekommer i området och som orsakar chockvågor.