文摘
本文提出了一种改进的道路混合交通阻抗函数。众所周知,只有有限的研究考虑的影响nonmotorized交通旅游公路段的阻抗,阻抗的比较考虑nonmotorized交通与经典的BPR函数,不考虑前者,是稀缺的。大多数以前的研究在发达国家有针对性的路况,nonmotorized交通的存在可以忽略不计,因此有限的努力投入开发改进阻抗函数考虑混合交通。为了克服这个限制,本文发展一种改进的阻抗函数,进行案例研究的道路在城市武汉,中国。改进后的阻抗函数显式地考虑机动和nonmotorized交通之间的相互作用。出租车GPS数据的案例研究道路用于提取和分析“探针工具”的旅行时间运行在任何时候通过采样段在抽样的一天。道路的容量段测量,机动车辆的交通流量和nonmotorized车辆的段数。基于上述数据,经典的BPR函数和改进提出了校准。后观察到的道路阻抗的对比分析,基于分析和仿真结果,经典的BPR函数和拟议的阻抗函数,提出了阻抗函数发现更准确模拟观察道路阻抗,与错误减少从14.83年代经典BPR阻抗函数与改进的6.50秒。拟议的阻抗函数具有结构简单和高灵活性,和校准的参数可以应用于类似的道路提供更实际的阻抗比以往基于经典的BPR函数。 The calibrated improved impedance function’s transferability to other similar roads is validated by applying it to another road and the results show that the percentage error between the predicted travel times and the observed ones is only 3.8%.
1。介绍和背景
阻抗函数的确定是交通分配的基础和城市交通网络分析基于交通需求预测模型,在基于其他交通流参数估计旅行时间是至关重要的。有许多阻抗函数模型已经发展到目前为止,和最受欢迎的一个是经典公路局(BPR)阻抗函数。BPR函数校准了收集的数据来自美国,混合交通是罕见的,因此可能不适用在像中国这样的发展中国家,交通状况与两个或两个以上的旅游模式共存于同一道路是非常普遍的。大多数以前的研究(1- - - - - -4)主要集中在使用经典的BPR函数模型开发和算法设计。在混合交通环境,然而,经典的BPR函数不能直接应用,特别是在场景之间的干扰机动和nonmotorized车辆为准。因此,城市道路设计具有重要意义,交通运营和管理研究道路复杂路况下的能力和发展道路阻抗函数,适用于混合交通条件。
虽然大多数以前的研究道路交通阻抗函数(5- - - - - -10)都集中在经典的BPR函数或其衍生品,也有努力在世界各地的发展道路阻抗模型根据当地的交通环境。例如,交通和道路研究实验室(英国)发现,基于实测数据的速度通常比传统的模型,从而建立了阻抗函数适用于新的道路在城市中心地区,其他城市道路或公路以更高的速度(11]。采用线性部分阻抗函数由交通部的日本和德国12]。一般来说,阻抗函数开发针对一个相对单模(主要是机动)交通环境。但在许多发展中国家,如中国、交通环境要复杂得多,机动车辆和nonmotorized车辆常常共享道路。经典的BPR函数及其衍生物并不完美的选择这样的交通环境和改善阻抗函数的发展应该考虑。
校准阻抗函数需要一个实地调查在不同交通流条件下车辆旅行时间。先前的研究通常需要手动收集旅行时间数据通过使用秒表等设备,这是非常低效和昂贵的。本文发展一个有效的计算工具来估计通过道路旅行时间部分使用GPS出租车轨迹数据和不同的交通模式的体积从视频中提取了网站。提出了一种新的阻抗函数有六个参数通过考虑旅行时间和体积之间的关系的三种类型的交通参与者,包括汽车、公共汽车、和nonmotorized车辆。Broyden方法用于解决该模型的非线性方程。双车道的旅行时间和交通量数据收集器街道的城市武汉在中国收集校准模型。相同的数据集还用于校准经典的BPR函数。校准的旅行时间计算模型与实际的旅行时间估计从GPS轨迹数据。结果表明,校准道路阻抗函数提出了匹配阻抗更准确的观察道路与经典的BPR函数进行比较。这个路段上的交通流的微观模拟进行验证的结果。 Through analyzing the simulation results, it is found that the travel time with the consideration of the interference of nonmotorized vehicles is much closer to the observed travel time. Besides, to validate the calibrated new impedance function, data of another road section with a similar traffic environment in Wuhan is also collected. The estimated travel times based on the proposed impedance function are compared with the actual travel times.
本文的其余部分组织如下:部分2是一个文献回顾与阻抗函数和数据分析。部分3简要介绍了数据和研究方法。部分4结果和讨论。部分5仿真和验证。部分6使用数据验证该阻抗函数的另一条路。最后一节提供了本研究的结论和未来的研究。
2。文献综述
2.1。经典的BPR函数及其发展
美国高速公路管理局(13)进行了交通调查1964年部分大量的道路上。然后通过BPR函数回归分析。函数接受实际的车辆在道路上的驾驶时间段交通阻抗的测量参数,反映了道路段的实际驾驶时间之间的关系和路段的交通量。它是定义如下。
阻抗函数的研究中,使用最广泛的模型是美国联邦公路管理局(13路阻函数(BPR)。BPR函数需要的实际旅行时间路段上的车辆作为交通阻抗的测量参数,反映了实际的旅行时间和交通容量之间的关系。这是定义如下: 在哪里t——实际旅行所需的时间通过道路段(s);t0自由流动的旅行时间道路(s);问——数量的交通道路(pcu / h);c实际道路交通容量段(pcu / h);α,β系数;推荐值α= 0.15,β= 4。
交通和道路研究实验室(英国TRRL)指出,经典的BPR函数可能不是普遍适用的基于测量数据和提出一个修改版的阻抗函数(14]。TRRL推荐以下模型为城市部分或速度更高的道路: 在哪里——速度路段交通量时问(公里/小时);——交通车道的宽度(米);R——减少交通车道的宽度(米)。
上述公式是基于noncongested条件;结果不能准确反映实际交通状况。
许多学者努力改善BPR函数的准确性。戴维森(15]应用排队论提出了一个进步的阻抗函数,采用了数据的部分在美国公路容量手册(HCM)。
谢菲(16)指出,联邦高速公路管理局提出的BPR函数过于简单,没有考虑路上交叉口阻抗函数的影响。因此,道路阻抗函数可能低精度和偶尔的无穷价值等问题。谢菲的研究主要集中在道路阻抗函数的理论水平,缺乏实际交通状况的调查和研究。
这位[17)建立了一个新的道路阻抗函数,因为βBPR函数的价值过高和BPR函数低精度的旅行时间在低饱和度的情况。参数之间的关系α和β显示为α= (2β−1)/ (2β+ 1)。
Akcelik [18)建立了道路阻抗函数考虑交叉口的影响速度和计算参数表的调查。Skabardonis和道林19)提高了BPR函数包含通过研究道路交通信号控制和验证模型在拥挤和noncongested情况。他发现改进道路阻抗函数比未改性道路阻抗函数更精确。根据中国城市道路的特点,王等。20.)调整道路容量的BPR函数,建立了一个模型。王、张(21)建立了一个理论模型的速度和流量。基于交通流理论的带三个参数的关系,一个新的理论模型提出了交通流和自行车穿越,和交通需求模型的计算速度也有所改善。自从BPR函数已广泛应用在中国和许多发展中国家,许多学者改进它适应更复杂的交通状况,包括混合交通环境。
2.2。改进考虑Nonmotorized交通阻抗函数
基于交通流理论,杨和钱8]道路阻抗函数,构造适合不同截面和道路类。张(22]使用VISSIM微观仿真软件)来模拟城市道路的交通流部分和获得数据如旅行时间和畅通的速度然后校准和BPR函数的参数分析。王(20.]研究了旅行时间和人数站通过考虑交通网络的特点。考虑各个节点的影响在路上的交通网络阻抗,一个更好的模式道路阻抗是由实际的道路数据。交通部公路规划和设计研究院采用大量的交通调查数据构建道路阻抗函数之间的道路长度和不同道路的交通流量和校准参数类。然而,这些阻抗函数没有考虑混合交通流的特性。各种交通方式的特点和不同模式之间的干扰不考虑,尤其是nonmotor车辆流量的影响阻抗函数。
郭和王23]分析了基于城市道路混合交通的特点。考虑到分布的大、中型车辆的车道和地点,一个实际的BPR模型开发的速度和流。该模型能反映实际道路阻抗部分的考虑车辆类型的比率。结果表明,修改后的模型可以适应各种交通组件精度高。它可以用来准确预测道路交通流参数的部分没有调查数据。在这个研究中,他们的比例不同的运输模式和模拟交通流,和交通流的模型转换。该模型从理论上适用于各种交通状况。模型可以表示为=λ/ (1 +α(问/c)β),λ,α,β是函数的 ,和和分别是小型和大型车辆的比率。
如果et al。24)和其他学者分析了主要运输方式在城市混合交通道路部分,包括汽车的交通流的特点,巴士和nonmotorized车辆。Irawan et al。25)提高了阻抗函数,建立了一个模型在印尼的交通条件下Q / C。该模型准确描述交通速度和体积之间的关系,但没有考虑其他因素。此外,函数的常数是畅通的出行时间和稳定性需要改进26]。
2.3。使用GPS轨迹数据提取的旅行时间
之前有研究表明,旅游时间、平均速度、道路拥堵系数可以通过计算获得和处理出租车轨迹数据27]。例如,模型由卡斯特罗可以自动计算每个路段的容量使用出租车GPS轨迹数据,可以准确地预测交通状况和缓解交通堵塞28]。在这项研究中,出租车GPS数据被用来提取通过Tieji道路旅行时间的出租车。重新格式化的数据预处理和清洁,使之更方便分析出租车的出行时间。
2.4。校准阻抗函数的方法
许多研究人员已经讨论了交通阻抗函数的校准和标定方法不同的参数(29日,30.]。根据城市交通的特点,在中国,孟和李31日)和其他人认为,旅行时间应当被视为成本。最大似然方法用于校准广义交通阻抗函数模型的旅游时间,旅游成本和体积流量。孟和李31日),后者则专注于交叉口延误的计算,建立了广义模型来评估各种十字路口的延迟。他们也提出延迟的计算方法,该方法通过实际流量数据进行验证。最后,高速公路和主干道的阻抗函数。王等人。32]研究交通流之间的关系和旅行时间。的关系可以反映阻抗noncongested道路。如果et al。24)考虑不同道路的主要运输方式之间的交互场景和构造混合交通网络的交通阻抗模型和校准参数。在分析函数的优点和缺点之后,王et al。33)建立了一个新的函数获得一个单调递增函数;结果表明,道路容量是有限的,以反映道路阻抗。
3所示。数据和方法
3.1。研究网站和数据
在这项研究中,中国武汉市Tieji道路被选为研究网站(从友谊大道的十字路口和Tieji道路的交点和平大道和Tieji路),是中间道路连接的两个主要道路(图1)。这个路段的长度是660米。有一所小学在380米路段和初始点的医院在路的尽头。父母经常开车去接或者送孩子。之间没有物理屏障的机动车辆和nonmotorized车辆的车道。高峰期交通十分拥挤。行人走在孤立的人行道上,因此不会影响道路阻抗显著。
有两种类型的数据需要在这项研究中,即旅行时间和交通流量。的旅行时间估计的时间“探测汽车”穿越公路段,交通流量是通过Tieji道路交通实体的数量。传统的方法使用秒表或其他机器获得旅行时间旅行时间计算从GPS数据在这个研究。交通流数据来自于录像拍下了Tieji道路。
3.1.1。出租车GPS数据收集和预处理
GPS数据来自每个出租车GPS设备安装在出租车公司在武汉。用于监视和管理目的,武汉的出租车都是强制配备GPS跟踪设备。出租车轨迹数据可以收集的出租车GPS实时监控服务系统。一天的历史出租车轨迹数据与800000行记录提供的出租车GPS监控服务系统被用于这项研究。表1显示了一个示例的原始GPS数据。信息轨迹数据中的每一行记录包括汽车ID、时间、纬度、经度、速度、角度,状态和OD。
从表可以看出1每个出租车都有一个惟一的ID,可以使用方便、准确地搜索相应的GPS数据。纬度和经度表明每个出租车的位置。检测时间是用来计算旅行时间。出租车变化的四个州从0到3。国家“0”意味着出租车的服务;“1”意味着出租车不是运送乘客,但GPS模块开始工作;“2”指出租车载着乘客,但GPS模块不工作;“3”意味着出租车载着乘客和GPS模块工作。
信息从数据提供者(出租汽车公司)表明,GPS设备可以达到约3 - 5米的定位精度开放的区域(例如,街道上)。和数据实时记录几乎(数据记录期间几乎没有时间延迟)。由于城市道路研究是这种类型的开放区域,相信本文中使用的GPS数据具有相同的精度。
出租车GPS监测系统收集超过800000行GPS轨迹数据记录每天在武汉已经远远超出了普通单线程的处理能力和系统数据处理工具。因此,在本研究熊猫出租车轨迹数据预处理和分析(数据分析包在Python)在云计算环境中,可以提高处理的效率。路的GPS轨迹数据所需的部分可以从原始数据库中提取和格式化数据样例表所示1。
3.1.2。交通流数据Tieji路上
交通流是用来校准阻抗函数。有三个主要类型的车辆Tieji路上,包括私人汽车,公共汽车和nonmotorized车辆(自行车、电子自行车)。在这项研究中,机动车辆和nonmotorized车辆数的录像。视频记录的十字路口Tieji路在三个时期,23:00-0:00(自由流动),7:00-8:00(早晨高峰),和17:00-18:00(晚上高峰)。汽车和巴士转换为等效的乘用车单位(PCU)和nonmotorized车是自行车。表2显示了交通流Tieji晚高峰的道路。
3.2。方法
3.2.1之上。从GPS轨迹数据提取的旅行时间
如前所述,GPS数据包括的属性分割时间和位置(经度和纬度),可用于计算任何路段的旅行时间。出租车GPS数据跟踪由一系列点。导入ArcMap所有GPS跟踪。每个点的经度和纬度可以显示在面板。ArcMap可以显示两个选择领域的四个顶点(A和B图2)。应该注意的是,有一个特殊情况的计算时间旅行。如果A-D-E-B出租车轨迹,出租车也会检测到两个区域(A和B),但是这次旅行的时间是不实际的(AB) Tieji道路。因此,有必要添加一个点C Tieji路上a和B之间计算旅行时的时间。如果检测到每个出租车的轨迹在三个领域(A、B和C),计算行程时间被认为是真正的旅行时间Tieji道路。
在计算之前,所有记录的时间戳是从“字符串”到“int转换的。“出租车IDs的三个选择地区(A、B和C)匹配GPS数据,然后处理每一个点的时间。
3.2.2。Tieji道路的能力
根据高速公路容量手册,高速公路的能力取决于数量的车道,车道的宽度和影响交叉口和nonmotorized车辆。Tieji道路的容量定义公式(3),是道路的设计能力(pcu / h),γnonmotorized车的校正因子,η道路宽度的校正因子,C和是十字路口的校正因子和车道数,分别。有这些因素在高速公路容量手册的细节。在每个方向有两个电动车道Tieji道路。电动车道的宽度为3米,nonmotorized车道1.5米。没有电动车道和nonmotorized巷之间的屏障。分割Tieji路是0.55。通过这些参数,计算能力Tieji电动车道的公路是1327 pcu / h。
的计算能力nonmotorized车辆车道类似于计算机动车辆的车道。nonmotorized车道的类,十字路口的校正因子,nonmotorized车辆的数量,Bnonmotorized车道的宽度。这些参数可以被发现在城市道路设计标准。是0.9,根据经验数据收集来自北京、天津、沈阳;可以设置为0.55;自行车是0.51 / (s·m)电动车道之间没有障碍和nonmotorized巷路的场景。通过这些参数,nonmotorized巷Tieji道路的容量是908辆自行车/ (s·m)。
3.2.3。改进后的阻抗函数考虑Nonmotorized车辆
正如前面提到的,经典的BPR函数没有考虑nonmotorized车辆和电动车辆的干扰。Tieji路有两个电动车道和机动车车道之间没有物理障碍和nonmotorized车辆车道。机动车辆Tieji路上的影响因素包括汽车、公共汽车、自行车、电子自行车相同的行驶方向。因此,新的改进的BPR函数考虑的影响总线和nonmotorized车辆是由公式(5),是Tieji路的旅行时间是畅通的出行时间, , ,和交通的汽车,公共汽车,和nonmotorized车辆(包括自行车和电动自行车),分别和的能力是机动车辆车道和nonmotorized车辆车道,然后呢是需要校准的参数。
4所示。结果
4.1。改进后的阻抗函数的校准
根据上述旅行时间提取方法,每个出租车旅行时间的数据集计算和分析。在这个路段旅行时间的统计数据显示明显的模式,可以分为五个时期(见下表3和图3):0:00-7:00的时间段是畅通的期间的平均旅行时间是最小的;7:00-10:00早晨高峰时期的交通流量上升到峰值,然后减少。中午和晚上高峰有相同的模式,和晚峰最大的平均旅行时间;19:00-0:00期间的交通流量是稳定。表3显示了旅行时间在五个时期的统计数据。
此外,如图3后,行程时间数据的回归分析的五个时期,每个时期会有五个回归函数。表4显示了每个时期的回归函数的详细信息。然后,为每个时间点0:00至放送,时间价值可以转换为一个值在0和1之间。因此,回归函数可以用来计算路段的旅行时间。
r平方的回归函数的旅行时间周期7:00-19:00大约是0.85,这意味着回归函数与实际的旅行时间。虽然r平方0:00-7:00时期的回归函数和19:00-0:00很小,表明回归函数这两个时间可能不可靠。然而,由于0:00至7点的平均旅行时间是最小的,它可以用作畅通的出行时间价值的阻抗函数。
为了校准α和β阻抗函数参数(方程(5)更方便,方程(5可以转换成) 在哪里 , , , ;的校准阻抗函数等于找到参数满足公式(7),是时间的旅行时间吗我除以畅通的时间和旅行汽车的交通流量、总线和nonmotorized车辆除以相应的能力。时间的长度我理论上可以是任意值,但15分钟用于这项研究。表5给出的计算值x和y在不同时期的数据Tieji道路。
到目前为止,参数标定问题已经转化为一个典型的极值问题,可以通过传统的方法很容易解决。例如,一个可能需要部分推导这些α和β参数,然后转换和解非线性方程集。摘要Broyden方法(所34)用于解决方程。“minsearch”工具Matlab用于获得结果。基于Tieji路的数据,校准参数改善阻抗函数 。因此,改进的阻抗函数考虑nonmotorized车辆Tieji道路可以给出
以下4.4.1。改进后的阻抗函数的准确性
验证改进后的阻抗函数的准确性校准后的阻抗函数,使用相同的交通量在经典的BPR函数比较与改进的阻抗函数。此外,改进后的阻抗函数的平均旅行时间误差与实际旅行时间是6.50秒,平均误差为8.24%,而平均旅行时间类BPR函数误差是14.83秒,平均误差为16.94%。这意味着改善阻抗函数比经典的BPR阻抗函数描述Tieji阻抗的路上在武汉。此外,与类似的道路交通条件Tieji道路,改善阻抗函数的参数也可以被使用。
如图4旅行时间计算,改进阻抗函数更接近真正的旅行时间计算GPS数据,特别是在早上高峰后的时期。
5。基于仿真的验证
为了验证校准阻抗函数的适用性在其他类似的道路、交通流的微观模拟Tieji道路。AnyLogic软件是用来做仿真基于观测数据和道路交通环境。改进的道路阻抗函数的有效性和准确性进行了验证,通过比较和分析机动车辆和nonmotorized车辆干扰交通的道路上。
5.1。仿真模型设置
仿真模型建立与相同的参数和道路环境设置路段研究了改进的阻抗函数。微观仿真模型构建在Anylogic软件。
5.1.1。交通流数据
选择Tieji路、和平大道的十字路口为研究对象,信号时间计划和每个入口道路的交通流量调查和统计。作为车辆的仿真验证了旅行时间在本节中,南方的交通流量入口道路的十字路口是调查和统计,主要分为两个时期:早上和晚上高峰峰值。与此同时,学校周围有红绿灯信号控制;学校附近的交通流需要调查和统计在晚上高峰时间从下午到十七10。最后,交通量计算如表所示6- - - - - -9。
5.1.2中。车辆参数
汽车模型中设置的平均长度为5.036米,Tieji道路的限速50公里/小时。车辆的平均速度为32.3公里/小时出租车GPS数据的处理和公共汽车的平均尺寸是8.54米,公交车的平均速度是17公里/小时。
5.1.3。信号定时设置
根据观察到的信号时间计划,学校的十字路口,十字路口的信号时间计划Tieji路和和平大道被直接用作输入到模拟信号控制模块。
6。仿真结果和分析
通过处理出租车GPS轨迹数据的实际旅行时间Tieji道路。AnyLogic用于运行模拟和旅行时间的三个时期nonmotorized车辆干扰的考虑和不考虑nonmotorized车辆干扰从仿真结果中提取。仿真结果如表所示10。可以看到如下:(1)畅通的期间,观察到的旅行时间是56.7秒,旅行时间是40.5和52.1年代,分别不考虑nonmotorized车辆的干扰,不考虑nonmotorized车辆的干扰。从模拟运行时提取的旅行时间考虑nonmotorized车辆的干扰更接近于观察到的。(2)在早上高峰小时,观察平均旅行时间是78.9秒,旅游时间不考虑nonmotorized车辆发现62.4 s,并考虑nonmotorized车辆71.1 s。(3)在晚上高峰时间,平均旅行时间是88.1秒,不考虑nonmotorized车辆的旅行时间是105.9秒,和一个考虑nonmotorized车辆干扰是93.3秒。当不考虑nonmotorized车辆的干扰,误差从16.8%到21.0%,而当nonmotorized车辆的干扰被认为是,晚高峰期间从5.5%误差减小到9.9%早上高峰期。
结果表明,考虑nonmotorized车辆旅行时间的误差更小,改善阻抗函数符合更多的观察到的交通时间。与经典的BPR函数相比,该方法可以更精确地反映观察Tieji道路交通运行状态。
7所示。验证通过应用到其他道路
7.1。验证网站和数据
验证改进后的阻抗函数,在武汉城市建设道路具有相似的特性Tieji道路选择。这条路还充当中间部分道路连接的两个主要道路(图5)。这个路段的长度是897米。有一所小学和一所中学大约200米的路段(从东南路口)。之间没有物理屏障的机动车辆和nonmotorized车辆车道。交通需求很大,特别是在早上高峰。类似于Tieji路,有三个主要类型的车辆,包括汽车、公共汽车、和nonmotorized车辆(自行车和电子自行车)。行人走在孤立的人行道上,因此不会影响道路阻抗显著。
实地调查的这条路的交通流量和交通流数据进行的汽车,巴士,和nonmotorized车辆。旅行时间估计的数据用同样的方法用于Tieji道路。道路阻抗函数验证通过使用交通流和旅行时间数据的早上高峰期道路。表11显示了在早上高峰交通流(8:00-9:00)的建设道路。
8。验证结果和分析
建设道路的交通流量和旅行时间的校准阻抗函数替换成Tieji路(方程(8))。计算结果如表所示12。
从表可以看出12提出的改进的阻抗模型可以准确预测旅行时间平均误差仅为3.8%。
9。结论、局限性和未来的研究
本文通过特定路段旅行时间从出租车轨迹数据,强调自动化的可能性为遍历所有道路旅行时间信息的提取,在武汉这样的城市出租车,中国。这样的方法可以用来提取旅行时间的道路,从而使它有用的潜在应用在交通规划、交通管理与控制、交通研究和其他相关。
然后,提出一种改进的阻抗函数通过考虑汽车之间的干扰,巴士和nonmotorized车辆。这个阻抗函数是完全不同于经典的BPR函数,它只考虑机动车辆在公路上,因此使他们的应用程序在发展中国家无关紧要,道路往往机动使用的固定和nonmotorized同时交通。提出改进阻抗函数然后根据旅行时间校准数据估计从GPS数据通过现场调研和观察到的交通流量。
研究结果证明该阻抗函数可以更准确地匹配观察测试路段旅行时间。相比与传统的BPR阻抗函数,它显示了一个平均误差为16.94%,平均误差的改进阻抗函数仅为8.24%。微观交通流模拟的适用性进行验证校准阻抗函数相同的交通环境设置与测试道路段。仿真结果表明,考虑干扰nonmotorized车辆旅行时间的误差要小得多,考虑到干扰的旅行时间nonmotorized车辆接近观察到的旅行时间。最后,校准阻抗函数应用于另一个道路段类似交通流环境来验证校准阻抗函数的可转让性。旅行时间预测的结果表明,使用阻抗函数收益率只有3.8%的平均误差百分比进行比较与观察到的旅行时间。
一些问题与改进阻抗函数由未来的研究仍有待解决。特别是,改进阻抗函数提出了不考虑行人的影响,这是一个严重的缺点低级阶层的公路在发展中国家,在大量的行人可能会干扰其他交通工具。机动车辆在道路上行人的影响从电动人行道上不是孤立的车道应该是未来研究的主题之一。此外,反向的影响机动和反向nonmotorized车辆的阻抗函数也应该被认为是在未来的研究中,由于这些情况也常见。
改进的阻抗函数提出了只有经过测试在两个特定的道路部分(Tieji公路和街道,武汉市)。有必要开展类似研究其他类型的道路,开发不同类型的阻抗函数,并比较不同路况下他们的表演。然而,它可能很难指定一个特定的阻抗函数(数学形式)的道路,每个人都是独特的在某些方面(如道路配置,停车规定,不同的机动和nonmotorized卷)。深度学习和人工智能现在变得越来越实用,它们可以被训练来获取各种交通流之间的关系(例如,机动、nonmotorized和行人)和旅行时间,同时大量的道路。
数据可用性
使用的数据来支持本研究的发现尚未公开,因为这些数据涉及到个人隐私和有一个数据保密协议与数据提供者。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项研究得到了国家自然科学基金(51778510和51778510),武汉交通规划研究所的研究基金(WHTPI),并从武汉科技大学创业资金。资金从中国国家重点研究和发展项目。2018 yfb1600900)也表示赞赏。