پایان نامه ارشد با موضوع شبیه‌سازی، عامل انسانی، مدل‌سازی

دانلود پایان نامه ارشد

t_c=∑▒〖(f_(c j)×t_(d j))〗
fcj: فراوانی بین هر دو فاصله عبور متوالی
tdj: نماینده هر طبقه (میانگین هر دو فاصله عبور متوالی)

3-2-2-2-3- روش سیلاخ (1973)
روش سیلاخ [31] یکی از تنها روش‌هایی است که مستقیماً با مدل ظرفیت در ارتباط است. ازاین‌روش تنها در شرایط اشباع می‌توان استفاده نمود. در این روش تعداد وسیله نقلیه گذرنده از هر فاصله عبور ایجادشده در جریان اصلی (جریان گردشی میدان) مدنظر است که می‌توان آن را به‌صورت نمودار فاصله عبور-تعداد وسیله نقلیه گذرنده نمایش داد. لازم به ذکر است که برای فواصل عبور غیرقابل‌قبول، تعداد وسایل نقلیه گذرنده را برابر صفر در نظر می‌گیریم. برای اینکه خط برازش داده‌شده به داده‌های مربوطه دارای اطمینان بیشتر و پراکندگی کمتر داده‌ها باشد از مقادیر متوسط فاصله عبور برای هر تعداد وسایل نقلیه گذرنده استفاده می‌کنیم و خط مربوطه را به مقادیر متوسط برازش می‌دهیم. معادله خط برازش داده‌شده به‌صورت خطی یک متغیره می‌باشد (رابطه 3-3)
3-3 y=ax+b
سیلاخ برای تعیین مقادیر فاصله عبور بحرانی و همچنین فاصله زمانی دنباله‌روی از مقادیر شیب و گذر از مبدأ معادله خط برازش داده‌شده استفاده نمود (رابطه 3-4 و 3-5).
t_f=a
3-5 t_c=t_0+t_f⁄2 t_0=b

3-2-2-2-4- روش هاردر (1968)
هاردر [34] برای تخمین فاصله عبور بحرانی روشی ارائه نمود که در کشور آلمان بسیار محبوب است. تقریباً تمام عملکردهای تقاطع‌های بدون چراغ در آلمان مبتنی بر مقادیر فاصله عبور بحرانی و دنباله‌روی به‌دست‌آمده ازاین‌روش هستند. هاردر با استفاده از رابطه 3-6 تابعی همانند تابع توزیع تجمعی برای فواصل عبور قابل‌قبول ارائه نمود. او در این روش بازه زمانی بین کوچک‌ترین فاصله عبور غیرقابل‌قبول و بزرگ‌ترین فاصله عبور قابل‌قبول را به بازه‌های زمانی کوچک (به‌طور مثال 5/0 ثانیه) تقسیم نمود و مرکز هر بازه زمانی i را با ti نمایش داد.
3-6 ai = Ai / Ni
Ni: فراوانی و یا تعداد همه فواصل عبور موجود در بازه زمانی i
Ai: فراوانی و یا تعداد فواصل زمانی قابل‌قبول در بازه زمانی i
در این روش فرض بر این است که مقادیر زیر 1 ثانیه را به‌عنوان مقادیر فاصله عبور غیرقابل‌قبول و بالای 21 ثانیه را به‌عنوان مقادیر فاصله عبور قابل‌قبول در نظر شود. با توجه به منحنی تابع ai می‌توان با تقریب خوبی تابع ai را برابر با تابع توزیع تجمعی فاصله عبور بحرانی Fc(t) در نظر گرفت. درروش هاردر نیز همانند روش وو از حاصل‌ضرب نماینده هر طبقه در فراوانی آن جهت تعیین فاصله عبور بحرانی استفاده می‌شود (رابطه 3-7).
3-7 t_c=∑▒t_i .[a_i-a_(i-1) ]=∑▒〖t_i [F_c (t_i)-F_c (t_(i-1))] 〗

3-2-2-3- عوامل مؤثر بر رفتار پذیرش فاصله‌ زمانی عبور توسط رانندگان
خصوصیات راننده، عابر پیاده وسیله نقلیه به همراه خصوصیات جاده، جریان‌های ترافیک را به وجود می‌آورند و خصوصیات جریان‌های ترافیک نتیجه اثرات متقابل بین اجزا می‌باشد. خصوصیات فردی کاربران راه وسایل نقلیه آن‌ها تأثیری بنیادی بر جریان‌های ترافیک دارد. عوامل مؤثر بر رفتار پذیرش فاصله عبور زمانی توسط رانندگان عبارت‌اند از عامل انسانی، عامل وسیله نقلیه و عوامل محیطی. معمولاً ترکیبی از این عوامل میتوانند بر روی رفتار پذیرش فاصله عبور زمانی توسط رانندگان مؤثر باشد، اما بر نقش عامل انسانی به دلیل توانایی در اختیار گرفتن جاده و وسیله نقلیه، بیشتر تأکید میشود.
3-2-2-4- مدل های جهانی ظرفیت میدان
3-2-2-4-1- مدل ظرفیت راه امریکا (HCM2000)
در این روش برخلاف روش انگلیسی، پارامترهای تعیین‌کننده ظرفیت میدان از رفتار واقعی رانندگان در جریان ترافیک نشأت می‌گیرد. این مدل از دو پارامتر فاصله زمانی عبور بحرانی و دنباله‌روی استفاده می‌کند.این دو پارامتر زمانی، تعیین‌کننده ظرفیت میدان هستند و از مطالعات ترافیکی در میدان‌های منطقه موردنظر حاصل می‌شوند. در گام بعدی با استفاده از داده‌های به‌دست‌آمده از مطالعات میدانی، مقادیر فاصله عبور زمانی بحرانی و سرفاصله دنباله‌روی محاسبه خواهد شد. مطالعات مربوط به تعیین دو پارامتر زمانی ذکرشده در آمریکا انجام‌شده و همچنان به‌روز می‌شود، آیین‌نامه ظرفیت راه‌ها HCM 2000 مقادیر جدول 3-1 را پیشنهاد می‌کند. [35]

جدول 3-1- پارامترهای زمانی مؤثر در برآورد ظرفیت میدان برای HCM 2000
پارامتر زمانی
فاصله عبور زمانی بحرانی
سرفاصله زمانی دنباله‌روی
حد بالا
1/4
6/2
حد پایین
6/4
1/3

با توجه به مقادیر فوق، معادله ظرفیت میدان به‌صورت ذیل است (رابطه 3-17)
C_(a )=(V_(C ). e^[(-V_C. t_c)/3600] )/(1-e^[(-V_C. t_f)/3600] ) 17-3
که در این معادله:
C_(a ) = ظرفیت معبر ورودی موردنظر (pcu/h)
V_C = جریان ترافیک گردشی برای معبر موردنظر (pcu/h)
t_c = فاصله عبور زمانی بحرانی برحسب ثانیه
t_f = زمان عبور از صف وسایل نقلیه برحسب ثانیه

3-2-2-4-2- مدل ظرفیت راه امریکا (HCM2010)
گزارش روش تحلیلی ارائه‌شده در HCM 2010، یک به‌روزرسانی عمده از روش ارائه‌شده در HCM 2000 را نشان می‌دهد. FHWA نیز در ویرایش دوم کتاب “میدان: یک راهنمای اطلاعاتی” از همین روش جهت برآورد ظرفیت میدان‌ها استفاده می‌کند.
این روش تا حد زیادی از مطالعات اخیر بر روی عملکرد میدان‌ها در شرایط ایالات‌متحده (بر اساس بررسی و مشاهدات میدانی در 31 سایت محلی) حاصل‌شده است. در این روش امکان ارزیابی و طراحی عملکرد عملیاتی میدان‌ها یک تا دوخطه با توجه به سطح تقاضای ترافیک در آن‌ها فراهم آمده است. بر اساس تحقیقات ملی، HCM تعدادی از مدل‌های رگرسیون تجربی ساده را جهت برآورد ظرفیت میدان‌ها حداکثر تا دو خط به کار گرفت. در نمودار 3-1 مقادیر ظرفیت هر نوع از میدان‌ها نشان داده‌شده است.[16]

شکل 3-1- ظرفیت در انواع میدان‌ها درروش HCM 2010

در این روش کلیه احجام باید به نرخ جریان تبدیل‌شده و تعدیل وسایل نقلیه سنگین بر روی آن‌ها انجام شود.
جهت کالیبره نمودن مدل HCM2010 برای شرایط محلی از رابطه 3-18 استفاده می‌شود.
C=A×e^((-Bν_c)) 18-3
در این رابطه داریم :
A=3600/t_f 19-3
B=(t_c-(t_f/2))/3600 20-3

3-2-2-4-3- مدل آلمانی بریلون – وو
اولین مطالعات مدل‌های ظرفیت میدان در آلمان مبتنی بر فاصله زمانی عبور قابل‌قبول می‌باشد ولی دارای مشکلاتی نظیر عدم شناسایی درست جریان اصلی و فرعی در میدان‌های چند خطه بوده است. (استوو 1991) درروش بعدی از تحلیل‌های رگرسیونی با یک فرم نمایی با استفاده از 4898 بازه یک‌دقیقه‌ای از میدان‌هایی دارای 1 یا 2 خط در ورود و 1 تا 3 خط در گردشی استفاده شد (بریلون و استوو 1993) . بعداً به یک فرم خطی مناسب تغییر داده شد زمانی که اندازه نمونه‌ها 7252 رسید (بریلون، وو و بوندزیو 1997) . به‌هرحال مدل خطی به دلیل نداشتن یک اساس تئوری واضح رد گردید.[29]
مدل استفاده‌شده در کتاب ظرفیت راه‌های آلمان از اصول فاصله زمانی عبور قابل‌قبول و تنوری صف به‌دست‌آمده است (وو 2001) که مبتنی بر تعداد خطوط ورودی (ne) و گردشی (nc) می‌باشد. در رابطه 3-21 این مدل نشان داده‌شده است.
Q_e=3600〖(1-(ΔQ_c)/(n_c 3600))〗^(n_c )×n_e/n_f e^(-Q_c/3600(t_c-t_f/2-∆)) 21-3
در این رابطه ∆ حداقل سرفاصله زمانی داخل یک خوشه از وسایل نقلیه می‌باشد.

3-2-2-4-4- مدل استرالیایی آسترود
در معادله تَنِر فرض بر این است که tc و tf هر دوثابت‌اند و توزیع سرفاصله در جریان اصلی (جریان در گردش به دور میدان) به‌صورت تصادفی می‌باشد، درحالی‌که در واقعیت چنین امری صادق نیست (تروتبِک 1988 و 1991). در حقیقت حرکت بسیاری از وسایل نقلیه به دو صورت است. یک حالت به‌صورت گروه و دستهای در آمدهاند که هر وسیله به‌صورت نزدیک با وسیلهی جلوی خود حرکت می‌کند و با وسیله نقلیه دیگر دارای اندرکُنش است؛ حالت دوم حالت جریان آزاد است که هر وسیله بدون اندرکُنش با وسایل نقلیه دیگر حرکت می‌کند. لذا تروتبِک معادلهی تَنِر را با فرض توزیع نمایی انتقال‌یافته کوآن، اصلاح کرد. فرمول اصلاح‌شده (روش استرالیایی) به‌صورت زیر ارائه شد:
Q_e=(3600(1-θ) q_c e^(-λ(T-Δ) ))/(1-e^(-λT_0 ) ) 22-3

λ=((1-θ) q_c)/(1-Δq_c ) 23-3

که در معادله فوق:
= Q_e ظرفیت ورودی (pcu/h)
= q_c حجم ترافیک گردشی میدان (pcu/h)
θ = نسبت وسایل نقلیه گروه شده
= Δ حداقل سرفاصله بین وسایل نقلیه متوالی دنباله‌رو در سواره‌روی گردشی میدان که برای میدان‌ها یک‌خطه برابر ۲ ثانیه و برای میدان‌ها دوخطه برابر ۱ ثانیه فرض می‌شود.
= t_c فاصله عبور زمانی بحرانی (s)
= t_f سرفاصله دنباله‌روی وسایل نقلیه در صف ورودی (s)
با اعمال این اصلاحات، جوابهای به‌دست‌آمده در شرایط معمول مناسب هستند، لیکن ایراد این روش در این است که در ترافیکهای بالا، ظرفیت را کمتر و در ترافیکهای پایین، ظرفیت را بیشتر از مقدار واقعی به دست می‌دهد. لازم به یادآوری است که درروش تروتبِک، تحلیل ظرفیت به‌صورت خط به خط انجام می‌شود؛ بدین ترتیب که ظرفیت ورودی از مجموع ظرفیت هر خط تعیین می‌گردد. [36]

3-2-3- مدل‌های شبیه‌سازی خرد نگر
مدل شبیه‌سازی خرد نگر مبتنی بر حرکات و تقابل بین هریک از وسایل نقلیه در شبکه‌ای از لینک‌ها، گره‌ها و اتصالات می‌باشد. حرکات وسایل نقلیه ناشی از فاصله زمانی عبور قابل‌قبول، پیروی وسایل نقلیه ، تغییر خط و دیگر مدل‌ها و عموماً برای هر یک از وسایل نقلیه و در هر زمان محاسبه می‌شود. پارامترهای رفتار رانندگان مانند فاصله زمانی عبور بحرانی و پردازش‌هایی نظیر تولید خودرو به‌طور اتفاقی اختصاص داده از طریق روش مونت‌کارلو استفاده از توزیع احتمال خاص. نتایج خروجی سعی بر بازتاب خصوصیات ترافیکی در دنیای واقعی دارد.
نرم‌افزارهای شبیه‌سازی زیادی برای مدل‌سازی ترافیک وجود دارد که از آن‌ها می‌توان به S-Paramics (2011)، Aimsun (2011)، Vissim (2011) و Synchro به‌عنوان معتبرترین آن‌ها اشاره نمود.
یکی از فواید مدل‌های شبیه‌سازی خرد نگر کنترل جریان تقاضا و حرکت‌های گردشی توسط مطالعات پارامتریک می‌باشد. آن‌ها همچنین در تحقیقات میدان برای اثر مدل‌سازی مورداستفاده قرار داده‌شده است. و همچنین برای توسعه و اعتبار سنجی مدل‌های شبیه‌سازی کلان نگر مانند SIDRA. باراد و افشار (2009) و حسین (1999) مدل‌های ظرفیت کلان نگر را از طریق رگرسیون داده‌هایی از مدل‌های شبیه‌سازی خرد نگر به‌جای داده‌های میدانی به دست آوردند. مدل‌های شبیه‌سازی نقش مهمی

پایان نامه
Previous Entries پایان نامه ارشد با موضوع رگرسیون خطی، مدل رگرسیون، فراوانی تجمعی Next Entries پایان نامه ارشد با موضوع امام خمینی، مدل‌سازی، برداشت داده