شکست های عمده زیرساختی – چه از یک فروپاشی ناگهانی پل، آتش تونل بزرگراه، یا یک پارگی جاده ای ناشی از زلزله – می تواند تحرک شهری را در عرض چند دقیقه فلج کند.توانایی شبیه سازی اینکه چگونه ترافیک لحظات را پس از این اختلال دیگر لوکس نیست؛ این یک جزء حیاتی برنامه ریزی شهری انعطاف پذیر است.

درک توزیع ترافیک Reon

توزیع مجدد ترافیک فرایند پویا است که توسط آن وسایل نقلیه از یک مرکز مختل یا بسته به مسیرهای جایگزین در یک شبکه جاده ای تغییر می کند.این پدیده توسط چندین عامل وابسته به هم اداره می شود:

  • توپولوژی شبکه - طرح فیزیکی جاده ها، از جمله چگالی مسیرهای جایگزین، ظرفیت مصنوعات در مقابل جمع کنندگان، و حضور نقاط خفه مانند پل های تک خط یا گرد.
  • حجم ترافیک و الگوهای تقاضا [FLT 1] - جریان های حمل و نقل پیک ساعت متفاوت از ترافیک خارج از مرز یا حمل و نقل است.
  • رفتار هدایت کننده و انتخاب مسیر - در دقیقه پس از شکست، رانندگان به تجربه شخصی، تراکم قابل مشاهده یا برنامه های ناوبری زمان واقعی متکی هستند تا تصمیم بگیرند که به کجا بروند.
  • دسترسی به اطلاعات - سرعت و دقت هشدار ترافیک، نشانه های پیام پویا و برنامه تلفن همراه به طور قابل توجهی تاثیر می گذارد که چگونه سریع و به طور مساوی توزیع ترافیک توزیع می شود.
  • اقدامات اجباری و کنترل [FLT 1] - سیگنال های ترافیکی موقت، جهت پلیس یا استقرار مانع می تواند گرایش های راننده طبیعی را نادیده بگیرد.

درک کامل از این عوامل به مدلرها اجازه می دهد تا شبیه سازی هایی را بسازند که الگوهای توزیع مجدد دنیای واقعی را بازتولید می کنند و سناریوهای "چه چیزی" را بدون خطر امنیت عمومی آزمایش می کنند.

روش های شبیه سازی برای توزیع ترافیک Reon

مدل های شبیه سازی ترافیک در امتداد طیفی از جزئیات سقوط می کنند.انتخاب روش بستگی به مقیاس منطقه مطالعه، داده های موجود و سوالات خاص در مورد شکست زیرساخت دارد.

مدل های Microscopic

مدل های میکروسکوپی رفتار هر وسیله نقلیه فردی را در یک رزولوشن فرعی شبیه سازی می کنند[۱] آنها قوانین ردیابی خودرو (به عنوان مثال مدل راننده هوشمند)، منطق تغییر خط، پذیرش موج در تقاطع ها و ابزار ناهمگونی را در مسیر دید (FLT:۰) از VisFLT: [F:1، [F2] با این حال خرابی بعدی [Ficle] ممکن است به طور گسترده ای استفاده شود.

مدل های مکروسکوپی

مدل های مکوسکوپی ترافیک را به عنوان جریان مداوم، توصیف شده توسط متغیرهای کلی: تراکم، جریان و سرعت.The Lighthill-Whitham-Richards (LWR) تئوری و مدل انتقال سلول (CTM) پایه های رایج هستند، این مدل ها سریع و مناسب برای غربالگری شبکه بزرگ - به عنوان مثال، برآورد که هنر از ظرفیت استفاده می کند اگر عامل اصلی در تصمیم گیری های ظریف یا عامل Mac باشد.

مدل های Mesoscopic

مدل های Mesoscopic شکاف را با گروه بندی وسایل نقلیه به بسته ها یا حرکت در سطح بالاتری از تجمع پل می کنند در حالی که هنوز مدل سازی انتخاب مسیر فردی و تعاملات شبکه است، آنها تعادل خوبی بین سرعت محاسباتی و شبیه سازی رفتاری ارائه می دهند.

بسیاری از مراکز مدیریت ترافیک مدرن از رویکردهای ترکیبی استفاده می کنند: mesoscopic برای شبکه منطقه ای و میکروسکوپی برای مجاورت فوری سایت شکست.

الزامات داده ها و کالیبراسیون مدل

شبیه سازی دقیق بستگی به داده های ورودی با کیفیت بالا و کالیبراسیون دقیق دارد.منبع داده های کلیدی شامل:

  • ترافیک تاریخی از آشکارسازهای حلقه ای، رادار و لوله های پنوماتیک برای ایجاد تقاضای پایه.
  • ] داده های GPS زمان واقعی [FLT 1 ] از برنامه های ناوبری (به عنوان مثال، Google Maps، Waze) و ردیابی ناوگان برای ثبت سرعت های فوری و انتخاب مسیر.
  • ثبت نام های ناشناس از شکست های قبلی برای اعتبار پیش بینی های مدل (به عنوان مثال، چه مدت پس از بسته شدن پل واقعی طول کشید؟
  • هندسه شبکه و زمان سیگنال [FLT 1] برای تغذیه به محیط شبیه سازی.

کالیبراسیون شامل تنظیم پارامترهای مدل - مانند سرعت جریان آزاد، میزان جریان اشباع و پرخاشگری راننده - تا زمانی که خروجی مدل مطابق با الگوهای ترافیکی مشاهده شده تحت شرایط عادی و استرس است.یک مدل به خوبی کالیبره شده می تواند برای شبیه سازی سناریو شکست با اعتماد به نفس استفاده شود.

مطالعه موردی: ساده سازی یک سقوط پل بزرگ

یک شهر با اندازه متوسط با جمعیت ۸۰۰ هزار نفری که در آن عبور رودخانه اولیه یک پل چهار خط است که روزانه ۱۲۰ هزار وسیله نقلیه حمل می کند، یک فروپاشی ناگهانی از محدوده مرکزی پل در ۸:۱۵ صبح در روز سه شنبه به طور موثر شهر را در دو مرحله زیر قطع می کند.

  1. تاثیر اساسی: در عرض چند دقیقه، جاده ها به عنوان وسایل نقلیه قفل شده اند تلاش برای بازگشت به عقب یا صف.
  2. تغییر دینامیک: مدل سازی مک تروسکوپی نشان می دهد که تنها دو اثر هنری پایین ظرفیت اضافی کافی برای جذب حجم منحرف دارند، اما آنها نیاز به تنظیم زمان سیگنال بدون مداخله دارند، یک تاخیر 15 دقیقه ای به تاخیر 90 دقیقه ای تبدیل می شود.
  3. تست کاهش: مدل mesoscopic برای تست سه استراتژی استفاده می شود: (a) همگام سازی چراغ های ترافیک در مسیر های جایگزین، (b) استقرار پلیس برای هدایت ترافیک به صورت دستی در اتصالات برگشت پذیر، و (c) فعال کردن یک شبکه از خطوط برگشت پذیر، نشان می دهد که استراتژی شبیه سازی (a) به طور متوسط کاهش می دهد، در حالی که بازده به طور متوسط (کاهش) به کاهش می دهد، در حالی که بازده به طور متوسط 40٪ کاهش می دهد.
  4. بازسازی نام تجاری با وسایل نقلیه متصل: یک سناریو با ترکیب 30٪ وسیله نقلیه به ضد عفونی نشان می دهد که زمان واقعی دوباره دوباره به سرعت افزایش تراکم تا 25٪ کاهش می یابد، زیرا وسایل نقلیه از پیوندهای بیش از حد هدایت می شوند قبل از ورود آنها.

این بینش ها به مقامات مدیریت ترافیک اجازه می دهد تا منابع را به مکان های دقیق که بیشترین تاثیر را دارند بسیج کنند، به جای واکنش کورکورانه.

بررسی های پیشرفته: بازخورد، سازگاری و انعطاف پذیری

توزیع مجدد ترافیک یک رویداد یک بار نیست؛ آن را بیش از ساعت ها و روزها تکامل می یابد.یک شکست ممکن است مقامات را به پیاده سازی خطوط موقت ضد جریان، تنظیم علائم detour، و یا حتی نزدیک جاده های ثانویه برای محافظت از شبیه سازی آسیب پذیر می تواند این استراتژی های سازگار را به عنوان ورودی های زمان متغیر، تجزیه و تحلیل انعطاف پذیری استفاده از شبیه سازی متعدد با مکان های مختلف شکست و شناسایی طول عمر که به طور منظم از یک شبکه های اضطراری است.

فن آوری های نوظهور مانند دوقلوهای دیجیتال - شبیه سازی های به روز شده و به طور مداوم آینه سازی داده های زمان واقعی - از مرز بعدی، این سیستم ها می توانند داده های ترافیک زمان واقعی را مصرف کنند و بلافاصله اثر توزیع مجدد یک شکست جدید را شبیه سازی کنند، سپس توصیه ها را به سیستم های کنترل ترافیک در ثانیه فشار می دهند، در حالی که هنوز در اوایل تصویب، دوقلوهای دیجیتال نشان دهنده یک تغییر از برنامه ریزی آفلاین به عملیات واقعی است.

مزایای و محدودیت های شبیه سازی ترافیک

مزایای توزیع مجدد ترافیک شبیه سازی پس از شکست های بزرگ به خوبی تثبیت شده است:

  • برنامه ریزی واکنش فعال [FLT 1] - مقامات می توانند پیش از طراحی detours، پیش فرض نشانه گذاری و پرسنل قطار بر اساس نتایج شبیه سازی.
  • کاهش یافته است ( - زمان سیگنال بهینه شده و دوباره تکرار مصرف کل تاخیر و سوخت را کاهش می دهد.
  • ایمنی بهبود یافته - با شناسایی شرایط خطرناک بازگشت، شبیه سازی کمک می کند تا از تصادف ثانویه جلوگیری شود.
  • اولویت بندی ساختار [FLT 1] - شهرها می توانند بودجه محدود را برای تقویت پیوندهایی که شبیه سازی نشان می دهد آسیب پذیر هستند اختصاص دهند.

با این حال، شبیه سازی بدون محدودیت نیست.مدل ها تقریب هستند؛ آنها ممکن است نتوانند رفتار راننده غیر منطقی را ثبت کنند (به عنوان مثال، لاستیک در سمت مخالف یک بزرگراه) کالیبراسیون نیاز به داده های خوب دارد، که ممکن است برای جاده های کوچکتر وجود نداشته باشد و بلافاصله پس از یک شکست عمده (آتش، زباله ها، پلیس)، فرضیات شبیه سازی به سرعت می تواند یک ابزار شبیه سازی را به عنوان یک تصمیم گیری واقعی و پشتیبانی از آن، و پشتیبانی کند.

نتیجه گیری

توزیع مجدد ترافیک پس از شکست های عمده زیرساختی، طراحان شهر و مدیران اضطراری را با یک لنز قدرتمند برای دیدن در آینده تحرک مختل فراهم می کند.با درک متقابل توپولوژی شبکه، رفتار راننده و اقدامات کنترل - و با استفاده از روش مدل سازی مناسب - ممکن است برای طراحی مداخلات که به حداقل رساندن هرج و مرج و حفظ مردم در حال حرکت امن است.