تحلیل حساسیت مشخصات ترافیکی در مقابل تغییرات حجم برای چراغ‌راهنمایی عادی و هوشمند (مطالعه موردی: خیابان ماهان شهر کرج)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه برنامه‌ریزی حمل‌ونقل، دانشگاه تربیت مدرس، تهران، ایران

2 گروه برنامه ریزی حمل و نقل، دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران

چکیده

استفاده بهینه از زمان و جلوگیری از اتلاف آن همواره یکی از چالش­های بزرگ جوامع انسانی است. معمولاً زمان تأخیر و زمان توقف در تقاطع‌ها بخش قابل‌توجهی از زمان سفر را تشکیل می­دهد. در بین راهکارهای کاهش اتلاف زمان در تقاطع‌ها، استفاده از چراغ‌راهنمایی هوشمند همواره موردتوجه مهندسان ترافیک بوده است. ازاین‌رو در این پژوهش تحلیل حساسیت مشخصات جریان ترافیک در مقابل تغییرات حجم ترافیک برای دو حالت چراغ­راهنمایی عادی و چراغ راهنمایی هوشمند، موردبررسی قرار می‌گیرد. بدین منظور از داده­های ترافیکی برداشت‌شده در دو نوبت عصر و ظهر خیابان ماهان شهر کرج استفاده می­گردد. برای تحلیل حساسیت رفتار چراغ‌ها در برابر تغییرات حجم ترافیک، خیابان ماهان با احجام ترافیک مختلف در دو حالت چراغ‌راهنمایی عادی و چراغ‌راهنمایی هوشمند شبیه‌سازی می‌گردد. نتایج شبیه­سازی نشان می­دهد هوشمند سازی چراغ­راهنمایی به‌طور میانگین باعث کاهش زمان سفر به میزان 16 درصد، کاهش 5/24 درصدی زمان تأخیر، کاهش زمان توقف به‌اندازه 9/28 درصد، کاهش چگالی به‌اندازه 5/15 درصد و کاهش 6/14 درصدی زمان سفر کل می­گردد. همچنین نتایج حاکی از آن است که هوشمند سازی چراغ‌راهنمایی تأثیر چندانی (کمتر از 5 درصد) بر جریان ندارد. همچنین نتایج حاکی از آن است که هوشمند سازی چراغ­راهنمایی به‌طور میانگین منجر به افزایش سرعت هارمونیک به میزان 6/22 درصد می­گردد. درنهایت با توجه به تحلیل حساسیت مشخص می‌گردد تغییرات مشخصات ترافیکی برای چراغ راهنمایی عادی در مقابل تغییرات حجم ترافیک به‌صورت یک خط است درحالی‌که تغییرات مشخصات ترافیکی برای چراغ‌راهنمایی هوشمند متشکل از دو خط با شیب­های متفاوت است. این شکست که در حجم 105 درصد حجم ترافیک شمارش‌شده بیشینه رخ‌داده، حاکی از حساسیت بیشتر رفتار چراغ‌راهنمایی هوشمند نسبت به چراغ‌راهنمایی عادی، به حجم ترافیک شمارش‌شده بیشینه (حجم مورداستفاده برای طراحی چراغ‌راهنمایی) است.

کلیدواژه‌ها


- Bui, K.H.N. and Jung, J.J., (2018), “Cooperative game-theoretic approach to traffic flow optimization for multiple intersections”. Computers & Electrical Engineering, Vol. 71, pp.1012-1024.
- Comert, G., Pollard, J., Nicol, D.M., Palani, K. and Vignesh, B., (2018), “Modeling cyber attacks at intelligent traffic signals”. Transportation research record, Vol. 2672, No. 1, pp.76-89.
- Hu, W., Wang, H., Qiu, Z., Nie, C. and Yan, L., (2016), “A quantum particle swarm optimization driven urban traffic light scheduling model”. Neural Computing and Applications, Vol. 29, No.3, pp.901-911.