کالیبراسیون مدلهای پایه ی برآورد فرصتب حرانی برای شهر تهران

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 815

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TTC12_342

تاریخ نمایه سازی: 23 خرداد 1392

چکیده مقاله:

فرصت بحرانی یکی از پارامترهای مهم در تئوری جریان ترافیک است که به منظور محاسبه ی ظرفیت و تاخیر در تقاطع تخمین زده میشود. روشهای گوناگونی برای تخمین این پارامتر وجود دارد، با این حال تمامی آنها را میتوان به دو گروه قطعی و احتمالاتی تقسیم نمود. در روشهای قطعی یک مقدار فرصت بحرانی به تمامی رانندگان اختصاص داده میشود، در مقابل در روشهای احتمالاتی، احتمال اینکه هر راننده بر اساس خصوصیات خود، جریان ترافیک و تقاطع فرصتی با اندازه ی خاصی را قبول نماید تعیین میشود. سه روش گرین شیلدز، سیلوخ و راف برای محاسبه ی فرصت بحرانی به صورت قطعی وجود دارد. برای برآورد فرصت بحرانی در شهر تهران 2436 نمونه رفتار قبول فرصت رانندگان در چهار تقاطع نمونه در شرایط اشباع جمع آوری شده و مدلهای مبتنی بر سه روش گرین شیلدز، سیلوخ و راف بر اساس این داده ها کالیبره شده است. نتایج نشان میدهند مقدار فرصت بحرانی برای دو روش سیلوخ و راف مقادیر نزدیک به هم به دست آمده است. در مقابل مقدار این پارامتر بر اساس روش گرین شیلدز به مراتب کمتر از دو روش دیگر بوده است.

کلیدواژه ها:

کالیبراسیون مدلهای تخمین فرصت بحرانی ، مدل گرین شیلدز ، مدل سیلوخ ، مدل راف

نویسندگان

افشین شریعت مهیمنی

دکتری برنامه ریزی حمل ونقل، دانشکده عمران دانشگاه علم و صنعت ایران،

سید محسن بابایی

دانشجوی دکتری برنامه ریزی حمل ونقل، دانشکده عمران دانشگاه علم و صنع

نوید کلانتری

دکتری برنامه ریزی حمل ونقل، دانشکده عمران دانشگاه علم و صنعت ایران،

محمد علی آرمان

کارشناسی ارشد برنامه ریزی حمل ونقل، دانشکده عمران دانشگاه علم و صنع

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Leung, S., Starmer, G., (2005), Gap Acceptance and Risk-Taking by ...
  • Hunt, P., Harper, D.N., and Lie, C., (2011), "Mind the ...
  • Madanat, S. M., Cassidy, M J., and Wang, M. H. ...
  • Miller, A. J. (1972). Nine estimators of gap-acceptance parameters, In: ...
  • Fitzpatric, K. (1991), "Gap Acceptance at S top-Controlled Intersections", Transportation ...
  • Kittleson, W. K., and Vandehey, M. A., (1991), "Delay Effects ...
  • Maze, T. H. (1981). A probabilistic model of gap acceptance ...
  • Tian, Z., Vandehey, M., Robinson, B. M., Kittelson, W. Kyte, ...
  • Solberg, P. and Oppenlander, J. C. (1966). Lag and gap ...
  • Abu Sheikh, A.M. (1997). Developing behavioral models for driver gap ...
  • Daganzo, C. F. (1981). ":Estimation of gap acceptance parameters within ...
  • Mahmassani, H. and Sheffi, Y. (1981). "Using gap sequences to ...
  • Troutbeck, R. J. (1992). Estimating the critical acceptance gap from ...
  • Harwood, D. W., Mason, J. M., Robert, E. B., (1999), ...
  • Teply, S., Abou-Henaidy, M. I., and Hunt, J. D. (1997). ...
  • Polus, A, Shmueli-Lazar, S and Livneh, M. (2003). Critical gap ...
  • Pollatschek . (2002). A decision model for gap acceptance and ...
  • Hamed, M. M., Easa, S. M., and Batayneh, R. R. ...
  • Yan X., Radwan E., (2007), "Effect of restricted sight distances ...
  • Pant, P. D. and Balakrishnan, P. (1994), "Neural Network for ...
  • _ _ _ _ _ _ Handling Uncertainty in the ...
  • Rossi, R., Meneguzzer, C., Gastaldi, M., (2010). "A comparison of ...
  • Rossi, R., Meneguzzer, C., Gastaldi, M., Gecchele, G., (2010), "Comparative ...
  • نمایش کامل مراجع