Classification Characteristics of Some Roads in Karbala City

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

A comprehensive understanding of the characteristics of the road network is imperative for implementing fundamental measures to enhance traffic efficiency and mitigate delays. The objective of the present study is twofold: firstly, to classify the urban street network in the city of Karbala; and secondly, to evaluate its effectiveness. Following the delineation of the area of study, traffic data is collected through the utilisation of video imaging technology and subsequently extracted from video files. Following this, the city streets are divided into multiple sections, and the speed of movement in each is calculated, as well as the speed of free flow. The primary objective of this study is to determine and compare the level of service (LOS) of a road based on Highway Capacity Recommendations (HCM 2000), including traffic speed, capacity to assess each segment of the network. The findings of the study revealed that roads of the first category constituted 25% of the total, while roads of the second category comprised 75% of the total. Furthermore, the level of maintenance of street sections is 25% when working with LOS C, 31.25% when working with LOS D, 12.5% when working with LOS E and 31.25% when working with LOS F, according to the assessment of transport operations based on average traffic speed.

Авторлар туралы

Hayder Khudhair

RUDN University

Email: hyder.s@uokerbala.edu.iq
ORCID iD: 0000-0002-6833-7780

Postgraduate student of the Department of Engineering and Transport Technologies, Academyof Engineering

Moscow, Russia

Hamid Al-Jameel

University of Kufa

Email: hamid.aljameel@uokufa.edu.iq
ORCID iD: 0000-0002-1367-4421

Doctor of Technical Sciences, Professor of the Department of Civil Engineering, Facultyof Engineering

Kufa, Iraq

Vladimir Konoplev

RUDN University

Хат алмасуға жауапты Автор.
Email: konoplev-vn@rudn.ru
ORCID iD: 0000-0003-1662-6254
SPIN-код: 3876-1534

Doctor of Technical Sciences, Professor of the Department of Engineering and Transport Tech-nologies, Academy of Engineering

Moscow, Russia

Artur Asoyan

RUDN University

Email: asoyan-ar@rudn.ru
ORCID iD: 0000-0002-1976-9376
SPIN-код: 1020-5089

Doctor of Technical Sciences, Professor of the Department of Transport, Academy of Engineering

Moscow, Russia

Әдебиет тізімі

  1. Akbar M., Budianto E, Doloksaribu B. Penentuan Besarnya Tarif Angkutan Dalam Kota (Angkot) Dengan Metode BOK. Musamus Journal of Civil Engineering. 2019;1(2):12-15.
  2. Mudiyono R, Anindyawati N. Analisis Kinerja Ruas Jalan Majapahit Kota Semarang (Studi Kasus: Segmen Jalan Depan Kantor Pegadaian Sampai Jembatan Tol Gayamsari). Prosiding Seminar Nasional Inovasi Dalam Pengembangan SmartCity. 2017;1(1):345-354.
  3. Afrin T, Yodo N. A survey of road traffic congestion measures towards a sustainable and resilient transportation system. Sustainability. 2020;12(11):4660. https://doi.org/10.3390/su12114660
  4. Mate NR. Indian Road Traffic Congestion Prob-lems, its reasons with focus on Road width. International Journal for Research Trends and Innovation. 2022;7(8):4-10.
  5. Jing P, Seshadri R, Sakai T, Shamshiripour A, Alho A, Lentzakis AF, Ben-Akiva M. Evaluating congestion pricing schemes using agent-based passenger and freight micro-simulation. Transportation Research Part A: Policy and Practice. 2024;186:104118. https://doi.org/10.1016/j.tra.2024.104118
  6. Choi D-A, Ewing R. Effect of street network design on traffic congestion and traffic safety. Journal of transport geography. 2021;96:103200. https://doi.org/10.1016/j.jtrangeo.2021.103200
  7. Al Ghanim AMK, Asad FHA, Al-Jameel HAE. Traffic Performance Evaluation for Selected Streets within the Southern Part of Al-Najaf City Network. Journal of Physics: Conference Series. 2021;1973:012226. https://doi.org/10.1088/1742-6596/1973/1/012226
  8. Kareem A, Asad F. Evaluating the operational per-formance of urban streets within Al-Najaf city. AIP Con-ference Proceedings. 2023;2806:040002. https://doi.org/10.1063/5.0162784
  9. AL-khazali DF, Al-Jameel HA, Almuhanna RR. Investigate traffic characteristics of Kerbala urban streets. AIP Conference Proceedings. 2023;2793:070005. https://doi.org/10.1063/5.0164252
  10. Adanikin A, Ajayi JA, Oyedepo J, Adeoye I, Twaki DL. Traffic Congestion Assessment of Akure Central Business District Using Geographic Information System (GIS). Annals of the Faculty of Engineering Hunedoara. 2023:21(2):105-110.
  11. Hashmi HT, Ud-Din S, Khan MA, Khan JA, Arshad M, Hassan MU. Traffic Flow Optimization at Toll Plaza Using Proactive Deep Learning Strategies. Infra-structures. 2024;9(5):87. https://doi.org/10.3390/infrastructures9050087
  12. Ewadh HA. Evaluation the traffic operation for arterial highways within hilla city by using hcs. Inter-national Journal of Civil Engineering and Technology. 2019;10(05):148-156.
  13. Ahmad S, Ali A, Ahmed HU, Huang Y, Lu P. Evaluating traffic operation conditions during wildfire evacuation using connected vehicles data. Fire. 2023;6(5):184. https://doi.org/10.3390/fire6050184
  14. Adha ML, Arliansyah J, Buchari E. Analysis of the Influence of Traffic Flow on Air Pollution at Simpang Angkatan 66 of Palembang City. Journal of Physics: Con-ference Series. 2019; 1198(8):082005. https://doi.org/10.1088/1742-6596/1198/8/082005
  15. Atrish AK, Bhugra GS. Traffic Congestion Analysis using PTV VISSIM Software. International Journal for Research in Applied Science and Engineering Technology. 2022;10(2):1411-1415. https://doi.org/10.22214/ijraset.2022.40370
  16. Highway Capacity Manual. Transportation Research Board Publ.; 2010.
  17. Harrou F, Zeroual A, Hittawe MM, Sun Y. Road Traffic Modeling and Management: Using Statistical Moni-toring and Deep Learning. Elsevier Publ.; 2021. ISBN: 9780128234334
  18. Alkaissi AJ, Khaled TT. Travel Speed Prediction Model for Urban Arterial Road and Traffic Management. Journal of Green Engineering. 2020;10:13536-13548.
  19. Alattar EF, Kadem AJ Travel time reliability indices for urban routes in Baghdad city. Journal of Engineering and Sustainable Development. 2021;25(5):1-14. https://doi.org/10.31272/jeasd.25.5.1
  20. Chen P, Tong R, Lu G, Wang Yu. Exploring travel time distribution and variability patterns using probe vehicle data: case study in Beijing. Journal of Advanced Transportation. 2018;(1959):1-13. https://doi.org/10.1155/2018/3747632
  21. Alonso E, Arpón C, González M, Fernández RA, Nieto M. Economic impact of autonomous vehicles in Spain. European Transport Research Review. 2020;12(1). https://doi.org/10.1155/2018/3747632
  22. Manual H.C. Highway capacity manual. Washington, DC, 2000;2(1):1.
  23. Manual HC. Special report no. 209. Transportation Research Board, Washington DC, USA, 2000.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».