Influence of residual vehicle queue on the process of vehicle traffic at urban regulated intersections

封面

如何引用文章

全文:

详细

This paper continues to investigate methods for separating turning vehicle flows at urban light-controlled intersections. The authors carried out mathematical modelling of the process of left-turn transport queue formation on the basis of existing dependencies, as well as the indicator of "residual motor transport queue". After studying the processes and existing mathematical models describing the formation of a vehicle queue at a light-controlled intersection, as well as modelling of the process depending on the "residual vehicle queue" parameter, we made an assumption about the type of mathematical model describing the process. To confirm the assumptions, we carried out studies of urban light-controlled intersections in Russian cities. Based on passive experiment, it was found that the value of the residual vehicle queue obeyed the exponential distribution law of a random variable. The length of the vehicle queue formed at the intersection depends on the residual vehicle queue parameter. A linear mathematical model describes the dependence. It was found that for an average urban regulated intersection, the required rotary-accumulative lane capacity was 9 and 5 automobiles with loading factor more than and less than 1, respectively. When the residual vehicle queue increases from 5 to 50 vehicles, the size of the vehicle queue at the regulated intersection in the left-turn direction increases in 5 times. The results of the study can be used to adjust the modes of operation of urban light-controlled intersections, as well as to estimate the length of turn-accumulative lanes.

作者简介

G. Morozov

LLC "Road Consulting"

Email: morgn11@yandex.ru

V. Morozov

Industrial University of Tyumen

Email: morozov1990_72@mail.ru
ORCID iD: 0000-0001-6840-1247

A. Fadyushin

Industrial University of Tyumen

Email: fadyush72@gmail.com
ORCID iD: 0000-0001-7276-4315

Sh. Merdanov

Industrial University of Tyumen

Email: merdanovsm@tyuiu.ru

参考

  1. Кадасев, Д. А. Повышение скорости движения автотранспортных потоков при оптимизации работы светофорной сигнализации методами имитационного моделирования / Д. А. Кадасев, А. И. Петросянц. – doi: 10.53015/23049235_2021_3_46. – Текст : непосредственный // Вестник Липецкого государственного технического университета. – 2021. – № 3 (46). – С. 46–53.
  2. Власов, А. А. Методика формирования многопрограммного управления изолированным перекрестком / А. А. Власов, И. А. Пильгейкина, И. А. Скорикова. – doi: 10.20537/2076-7633-2021-13-2-295-303. – Текст : непосредственный // Компьютерные исследования и моделирование. – 2021. – Т. 13, № 2. – С. 295–303.
  3. Фишельсон, М. С. Городские пути сообщения / М. С. Фишельсон. – Москва : Высшая школа, 1980. – 296 с. – Текст : непосредственный.
  4. Клинковштейн, Г. И. Организация дорожного движения : учебник для вузов / Г. И. Клинковштейн. – Москва : Транспорт, 2001. – 246 с. – Текст : непосредственный.
  5. Morozov, V. Formation of the traffic flow rate under the influence of traffic flow сoncentration in time at controlled intersections in Tyumen, Russian Federation / V. Morozov, S. Iarkov. – doi: 10.3390/su13158324. – Текст : непосредственный // Sustainability. – 2021. – Vol. 13, No. 15. – P. 8324.
  6. Кременец, Ю. А. Технические средства организации дорожного движения / Ю. А. Кременец. – Москва : ИКЦ «Академкнига», 2005. – 279 с. – Текст : непосредственный.
  7. Shobha, B. S. Deep learning assisted active net segmentation of vehicles for smart traffic management / B. S. Shobha, R. Deepu. – doi: 10.1016/j.gltp.2021.08.024. – Текст : непосредственный // Global Transitions Proceedings. – 2021. – Vol. 2, No. 2. – P. 282–286.
  8. Дрю, Д. Р. Теория транспортных потоков и управление ими / Д. Р. Дрю ; пер. с англ. Е. Г. Коваленко, Г. Д. Шермана. – Москва : Транспорт, 1972. – 424 с. – Текст : непосредственный.
  9. A comparative simulator study of reaction times to yellow traffic light under manual and automated driving / R. Rossi, M. Gastaldi, F. Orsini. – doi: 10.1016/j.trpro.2021.01.032. – Текст : непосредственный // Transportation Research Procedia. – 2021. – Vol. 52. – P. 276–283.
  10. Введение в математическое моделирование транспортных потоков : учебное пособие / А. В. Гасников, С. Л. Кленов, Е. А. Нурминский; под ред. А. В. Гасникова. – Изд 2-е, испр. и доп. – Москва : МЦНМО, 2013. – 426 с. – ISBN 978-5-4439-0040-7. – Текст : непосредственный.
  11. Левашов, А.Г. Уточнение коэффициентов приведения к легковому автомобилю для расчетов режимов регулирования / А. Г. Левашов, А. Ю. Михайлов. – Текст : непосредственный // Вестник Иркутского государственного технического университета. – 2005. – № 1. – С. 138–143.
  12. Модель Хермана-Пригожина в задачах управления дорожным движением / В. И. Колесов, А. О. Санник, Д. М. Новоселов. – Текст : непосредственный // Автотранспортное предприятие. – 2016. – № 12. – С. 21–23.
  13. Heterogeneous data aggregation schemes to determine traffic flow parameters in regional intelligent transportation systems / A. Sysoev, E. Khabibullina, D. Kadasev, N. Voronin. – doi: 10.1016/j.trpro.2020.03.063. – Текст : непосредственный // Transportation Research Procedia, Rome, 23–24 сентября 2019 года. – Rome, 2020. – P. 507–513.
  14. Кадасев, Д. А. Повышение эффективности работы перекрестка города моделированием светофорной сигнализации / Д. А. Кадасев, К. В. Панкратова. – Текст : непосредственный // Альтернативные транспортные технологии. – 2018. – № 1 (8). – С. 110–114.
  15. Морозов, Г. Н. Результаты имитационного моделирования локального расширения проезжей части в различных условиях дорожного движения / Г. Н. Морозов. – Текст : непосредственный // Организация и безопасность дорожного движения : материалы ХIII Национальной научно-практической конференции с международным участием, Тюмень, 19 марта 2020 года. – Тюмень : Тюменский индустриальный университет, 2020. – С. 461–464.
  16. Морозов, Г. Н. Определение требуемой вместимости поворотно-накопительных полос в зависимости от параметра остаточной транспортной очереди / Г. Н. Морозов, В. В. Морозов. – doi: 10.23968/1999-5571-2022- 19-5-109-115. – Текст : непосредственный // Вестник гражданских инженеров. – 2022. – № 5 (94). – С. 109–115.
  17. Морозов, Г. Н. Определение необходимой вместимости поворотно-накопительных полос на городских регулируемых пересечениях / Г. Н. Морозов, В. В. Морозов. – doi: 10.25198/2077-7175-2022-1-117. – Текст : непосредственный // Интеллект. Инновации. Инвестиции. – 2022. – № 1. – С. 117–125.

补充文件

附件文件
动作
1. JATS XML

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».