본 연구는 대규모 교통망에서 통행배정시 신호교차로에 의한 지체를 반영한 통행배정을 수행하여 보다 현실 모사가 가능한 통행배정기법을 개발 하는 것이다. 실제로 도시부나 단속류에서 발생하는 통행시간 및 비용의 증가 원인은 많은 부분이 교차로 지체에 의한 정지 혹은 혼잡에 의해 발생함에도 불구하고 기존의 통행배정 모형은 이를 반영하지 못하고 있었다. 본 연구에서 개발한 신호교차로 지체 반영 통행배정 모형은 기존의 통행배정모형과 한국도로용량편람의 신호교차로 지체 산정 방법을 결합하여 구축하였다. 구축하는 과정에서 통행배정 모형, 차로군 분류 방법, 대기행렬길이 분석 방법에 따라 총 8개의 모형을 구축하였고, 개별 모형에 대한 분석을 수행한 결과 유용성이 가장 큰 모형은 Traffic Equilibrium Assignment, Horizontal Queue Method, ...
본 연구는 대규모 교통망에서 통행배정시 신호교차로에 의한 지체를 반영한 통행배정을 수행하여 보다 현실 모사가 가능한 통행배정기법을 개발 하는 것이다. 실제로 도시부나 단속류에서 발생하는 통행시간 및 비용의 증가 원인은 많은 부분이 교차로 지체에 의한 정지 혹은 혼잡에 의해 발생함에도 불구하고 기존의 통행배정 모형은 이를 반영하지 못하고 있었다. 본 연구에서 개발한 신호교차로 지체 반영 통행배정 모형은 기존의 통행배정모형과 한국도로용량편람의 신호교차로 지체 산정 방법을 결합하여 구축하였다. 구축하는 과정에서 통행배정 모형, 차로군 분류 방법, 대기행렬길이 분석 방법에 따라 총 8개의 모형을 구축하였고, 개별 모형에 대한 분석을 수행한 결과 유용성이 가장 큰 모형은 Traffic Equilibrium Assignment, Horizontal Queue Method, Topology Basis Lane Grouping 방법을 이용한 IDTEA-HT모형인 것으로 판단되었다. 가상네트워크, 소규모네트워크, 대규모네트워크 등의 모의실험을 통해 통합차로군 혹은 공용차로군에서의 과포화에 의한 지체가 전체 네트워크의 비수렴성의 원인이 되는 것으로 분석되었다. 국지적인 과포화 이동류의 발생은 수렴성에 큰 영향을 미치지 않으므로 정밀한 자료 구축이 필요하다. 다양한 모의실험을 통해 이 모형이 실제 가로망에 적용이 가능한 모형임을 보였다. 따라서 본 모형은 대규모 지역에서의 교통정책 및 교통시설의 변화 등에 교차로 지체를 적용하여 분석할 수 있을 것으로 판단된다.
본 연구는 대규모 교통망에서 통행배정시 신호교차로에 의한 지체를 반영한 통행배정을 수행하여 보다 현실 모사가 가능한 통행배정기법을 개발 하는 것이다. 실제로 도시부나 단속류에서 발생하는 통행시간 및 비용의 증가 원인은 많은 부분이 교차로 지체에 의한 정지 혹은 혼잡에 의해 발생함에도 불구하고 기존의 통행배정 모형은 이를 반영하지 못하고 있었다. 본 연구에서 개발한 신호교차로 지체 반영 통행배정 모형은 기존의 통행배정모형과 한국도로용량편람의 신호교차로 지체 산정 방법을 결합하여 구축하였다. 구축하는 과정에서 통행배정 모형, 차로군 분류 방법, 대기행렬길이 분석 방법에 따라 총 8개의 모형을 구축하였고, 개별 모형에 대한 분석을 수행한 결과 유용성이 가장 큰 모형은 Traffic Equilibrium Assignment, Horizontal Queue Method, Topology Basis Lane Grouping 방법을 이용한 IDTEA-HT모형인 것으로 판단되었다. 가상네트워크, 소규모네트워크, 대규모네트워크 등의 모의실험을 통해 통합차로군 혹은 공용차로군에서의 과포화에 의한 지체가 전체 네트워크의 비수렴성의 원인이 되는 것으로 분석되었다. 국지적인 과포화 이동류의 발생은 수렴성에 큰 영향을 미치지 않으므로 정밀한 자료 구축이 필요하다. 다양한 모의실험을 통해 이 모형이 실제 가로망에 적용이 가능한 모형임을 보였다. 따라서 본 모형은 대규모 지역에서의 교통정책 및 교통시설의 변화 등에 교차로 지체를 적용하여 분석할 수 있을 것으로 판단된다.
The purpose of this study is to develop a traffic assignment model where the variable of signal intersection delay is taken into account in assigning traffic in large-scale network settings. Indeed, despite the fact that the majority of the increase in travel time or cost involving congested urban n...
The purpose of this study is to develop a traffic assignment model where the variable of signal intersection delay is taken into account in assigning traffic in large-scale network settings. Indeed, despite the fact that the majority of the increase in travel time or cost involving congested urban network or interrupted flow are accounted for by stop delays or congested delays at signal intersections, the existing traffic assignment models did not reflect this. The traffic assignment model considering intersection delays presented in this study was built based on the existing traffic assignment models, which were added to by the analysis technique for the computation of intersection delay provided in Korea Highway Capacity Manual. In total, 8 different temporary models were generated according to different base models, different lane group classification methods, and different techniques for analyzing queue length, and checked for feasibility and stability. The results of analyzing the individual temporary models revealed that the most efficient and feasible model was the IDTEA-HT Model which employed Traffic Equilibrium Assignment, Horizontal Queue Method, and Topology Basis Lane Grouping Method. Performance simulations for toy network, small scale network, and large scale network, etc. demonstrated that over-saturation delay occurring in shared lane groups was the main cause leading to the non-convergence of the whole network. localized over-saturated flow conditions were found to have no great impact on convergence. This suggests a need for more precise data collection. We can conclude that a multiple variety of simulation tests prove that this model can be applied to real network settings. Accordingly, this model shows the possibility of utilizing a model considering intersection delay for traffic policy decisions through analysis of effects of changes in traffic facilities on large urban areas.
The purpose of this study is to develop a traffic assignment model where the variable of signal intersection delay is taken into account in assigning traffic in large-scale network settings. Indeed, despite the fact that the majority of the increase in travel time or cost involving congested urban network or interrupted flow are accounted for by stop delays or congested delays at signal intersections, the existing traffic assignment models did not reflect this. The traffic assignment model considering intersection delays presented in this study was built based on the existing traffic assignment models, which were added to by the analysis technique for the computation of intersection delay provided in Korea Highway Capacity Manual. In total, 8 different temporary models were generated according to different base models, different lane group classification methods, and different techniques for analyzing queue length, and checked for feasibility and stability. The results of analyzing the individual temporary models revealed that the most efficient and feasible model was the IDTEA-HT Model which employed Traffic Equilibrium Assignment, Horizontal Queue Method, and Topology Basis Lane Grouping Method. Performance simulations for toy network, small scale network, and large scale network, etc. demonstrated that over-saturation delay occurring in shared lane groups was the main cause leading to the non-convergence of the whole network. localized over-saturated flow conditions were found to have no great impact on convergence. This suggests a need for more precise data collection. We can conclude that a multiple variety of simulation tests prove that this model can be applied to real network settings. Accordingly, this model shows the possibility of utilizing a model considering intersection delay for traffic policy decisions through analysis of effects of changes in traffic facilities on large urban areas.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.