Impact of traffic volume and composition on the change in the speed of traffic flow

dc.citation.epage20
dc.citation.issue1
dc.citation.spage12
dc.contributor.affiliationLviv Polytechnic National University
dc.contributor.authorHrytsun, Oleh
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.date.accessioned2023-07-05T07:55:28Z
dc.date.available2023-07-05T07:55:28Z
dc.date.created2023-06-30
dc.date.issued2023-06-30
dc.description.abstractДосліджено проблематику зміни швидкості транспортного потоку за різної інтенсивності та складу його руху. Для дослідження було обрано ділянку вуличнодорожньої мережі з різними геометричними параметрами (спуск, підйом та горизонтальна ділянка). Проаналізовано методи дослідження швидкості транспортного потоку, а також чинники, які впливають на зниження пропускної здатності вулично-дорожньої мережі. Визначено зміну коефіцієнтів нерівномірності руху транспортних потоків за годинами доби на досліджуваній ділянці та побудовано графік розподілу інтенсивності руху по годинах доби. Побудовано схему ділянки для визначення швидкості транспортного потоку, на якій присутній рух горизонтальною ділянкою, рух на підйом та спуск. Встановлено, що за інтенсивності руху 700–800 од./год транспортний потік рухається зі сталою швидкістю (до 10– 15 км/год). Побудовано криві розподілу швидкості потоку, що характеризують режими руху транспортних потоків на вулично-дорожній мережі. Визначено, що якщо рівень завантаження 0< z ≤ 0,4, на трьох досліджуваних ділянках транспортний потік рухається зі швидкістю від 35 км/год до 59 км/год. У програмному спеціалізованому продукті PTV VISSIM розроблено моделювання транспортного потоку на горизонтальній ділянці, підйомі та спуску. З використанням програмного середовища MATHLAB показано, як змінюється швидкість транспортного потоку залежно від рівня завантаження та частки змішаного транспортного потоку. Встановлено, що найбільша швидкість потоку спостерігається під час руху на спуск – 58,62 км/год за рівня завантаження проїзної частини – 0,13 та частки змішаного транспортного потоку – 1,0 (повністю легковий потік). За рівня завантаження проїзної частини (z = 0,88) та за існуючих умов руху швидкість потоку на горизонтальній ділянці під часу руху на підйом практично є однакова (відхилення в середньому становить 6 %). Це можна пояснити тим, що за рівня завантаження (z = 0,88) транспортний потік перебуває у заторовому стані, відповідно швидкість руху на трьох ділянках є однаковою.
dc.description.abstractThe problem of the change in the speed of traffic flow at different traffic volumes and compositions is researched in this study. The section of the road network with different geometric parameters (descent, ascent and horizontal section) was chosen for the study. The method of investigation of traffic flow`s speed and factors which have an impact on the reduction of road network capacity are analyzed. The change in the coefficients of the unevenness of traffic flow by hours of the day in the studied area was determined and a graph of the distribution of traffic volume by hours of the day was built. A diagram of the section was built to determine the speed of the traffic flow, on which the movement along the horizontal section, uphill and downhill movement is present. It was established that at a traffic volume of 700–800 p.c.u./h, the traffic flow moves at a constant speed (up to 10–15 km/h). Cumulative curves of traffic flow speed` distribution characterizing modes of traffic flow on the road network were built. It is determined that at volume-capacity ratio 0< z ≤ 0,4 on three investigated sections traffic flow moves with the speed from 35 km/h to 59 km/h. In the specialized software product PTV VISSIM, the simulation of the traffic flow on the horizontal section, ascent and descent has been developed. Using the MATHLAB software environment, it is shown how the speed of the traffic flow changes depending on the volume-capacity ratio and the share of the heterogeneous traffic flow. It was established that the highest speed of the flow is observed during the downhill movement – 58.62 km/h at the volume-capacity ratio – 0.13 and the share of heterogeneous traffic flow – 1.0 (100 % cars). At a volume-capacity ratio of 0.88 and existing road conditions, the speed of traffic flow on the horizontal section and during uphill movement is almost the same (the average deviation is 6 %). It can be explained by the fact that at a volume capacity ratio of 0.88, traffic flow is in the traffic jam, hence, the speed of movement on the three sections is the same.
dc.format.extent12-20
dc.format.pages9
dc.identifier.citationHrytsun O. Impact of traffic volume and composition on the change in the speed of traffic flow / Oleh Hrytsun // Transport Technologies. — Lviv : Lviv Politechnic Publishing House, 2023. — Vol 4. — No 1. — P. 12–20.
dc.identifier.citationenHrytsun O. (2023) Impact of traffic volume and composition on the change in the speed of traffic flow. Transport Technologies (Lviv), vol. 4, no 1, pp. 12-20.
dc.identifier.doihttps://doi.org/10.23939/tt2023.01.012
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/59381
dc.language.isoen
dc.publisherВидавництво Львівської політехніки
dc.publisherLviv Politechnic Publishing House
dc.relation.ispartofTransport Technologies, 1 (4), 2023
dc.relation.references1. Asaithambi, G., Kanagaraj, V., Srinivasan, K. K., & Sivanandan, R. (2018). Study of traffic flow characteristics using different vehicle-following models under mixed traffic conditions. Transportation letters, 10(2), 92–103. doi: 10.1080/19427867.2016.1190887 (in English)
dc.relation.references2. Hossain, M. T., & Hassan, M. K. (2019). Assessment of traffic congestion by traffic flow analysis in Pabna Town. American Journal of Traffic and Transportation Engineering, 4(3), 75–81. doi: 10.11648/j.ajtte.20190403.11 (in English)
dc.relation.references3. Xiao, J., & Wang, Z. (2018). Traffic speed cloud maps: A new method for analyzing macroscopic traffic flow. Physica A: Statistical Mechanics and its Applications, 508, 367–375. doi: 10.1016/j.physa.2018.05.122 (in English)
dc.relation.references4. Postranskyy, T., Boikiv, M., Afonin, M., & Rogalskyi, R. (2020). Selection of a Traffic Management Scheme at an Intersection Taking Into Consideration the Traffic Flow Composition. Eastern-European Journal of Enterprise Technologies, 1(3), 103. doi: 10.15587/1729-4061.2020.195327 (in English)
dc.relation.references5. Fornalchyk, Y., Kernytskyy, I., Hrytsun, O., & Royko, Y. (2021). Choice of the rational regimes of traffic light control for traffic and pedestrian flows. Przegląd Naukowy Inżynieria i Kształtowanie Środowiska, 30, 38–50. doi: 10.22630/PNIKS.2021.30.1.4 (in English)
dc.relation.references6. Nogi, S., Gadhvi, R., Meena, A., & Sharma, A. (2019). Estimation of Level of Service for Urban Arterial Road of Ahmedabad City. International Journal of Research in Advent Technology, 7, 301–307. (in English)
dc.relation.references7. Raji, S., & Jagannathan, A. (2019). Level of Service (LOS) Effect in Terrain Conditions. Iconic Research and Engineering Journals, 2(8), 32–38. (in English)
dc.relation.references8. Characterization and calibration of volume-to-capacity ratio in volume-delay functions on freeways based on a queue analysis approach. Retrieved from: https://trid.trb.org/view/1759601 (in English)
dc.relation.references9. Kim, Y., Wang, P., Zhu, Y., & Mihaylova, L. (2018, October). A capsule network for traffic speed prediction in complex road networks. In 2018 Sensor Data Fusion: Trends, Solutions, Applications (SDF) (pp. 1–6). doi: 10.1109/SDF.2018.8547068 (in English)
dc.relation.references10. Dhamaniya, A., & Chandra, S. (2013). Speed characteristics of mixed traffic flow on urban arterials. International Journal of Civil and Environmental Engineering, 7(11), 883–888. doi: 10.5281/zenodo.1089419 (in English)
dc.relation.references11. Bratsas, C., Koupidis, K., Salanova, J. M., Giannakopoulos, K., Kaloudis, A., & Aifadopoulou, G. (2019). A comparison of machine learning methods for the prediction of traffic speed in urban places. Sustainability, 12(1), 142. doi: 10.3390/su12010142 (in English)
dc.relation.references12. Royko, Y., Bura, R., & Kindrat, V. (2019). Investigation of tram movement indicators in general structure of traffic flow. Proceedings of the 1-st International Scientific Conference “Current Problems of Transport”. (pp 57–65). (in English)
dc.relation.references13. Wang, W. X., Guo, R. J., & Yu, J. (2018). Research on road traffic congestion index based on comprehensive parameters: Taking Dalian city as an example. Advances in Mechanical Engineering, 10(6), 1–8. doi: 10.1177/1687814018781482 (in English)
dc.relation.references14. Alkaissi, Z. A. (2022). Traffic Simulation of Urban Street to Estimate Capacity. Journal of Engineering, 28(4), 51–63. doi: 10.31026/j.eng.2022.04.04 (in English)
dc.relation.references15. Patel, J., & Gundaliya, P. J. (2016). Estimation of Level of Service through Congestion – A Case Study of Ahmedabad City. International Research Journal of Engineering and Technology, 3(5), 2162–2165. (in English)
dc.relation.referencesen1. Asaithambi, G., Kanagaraj, V., Srinivasan, K. K., & Sivanandan, R. (2018). Study of traffic flow characteristics using different vehicle-following models under mixed traffic conditions. Transportation letters, 10(2), 92–103. doi: 10.1080/19427867.2016.1190887 (in English)
dc.relation.referencesen2. Hossain, M. T., & Hassan, M. K. (2019). Assessment of traffic congestion by traffic flow analysis in Pabna Town. American Journal of Traffic and Transportation Engineering, 4(3), 75–81. doi: 10.11648/j.ajtte.20190403.11 (in English)
dc.relation.referencesen3. Xiao, J., & Wang, Z. (2018). Traffic speed cloud maps: A new method for analyzing macroscopic traffic flow. Physica A: Statistical Mechanics and its Applications, 508, 367–375. doi: 10.1016/j.physa.2018.05.122 (in English)
dc.relation.referencesen4. Postranskyy, T., Boikiv, M., Afonin, M., & Rogalskyi, R. (2020). Selection of a Traffic Management Scheme at an Intersection Taking Into Consideration the Traffic Flow Composition. Eastern-European Journal of Enterprise Technologies, 1(3), 103. doi: 10.15587/1729-4061.2020.195327 (in English)
dc.relation.referencesen5. Fornalchyk, Y., Kernytskyy, I., Hrytsun, O., & Royko, Y. (2021). Choice of the rational regimes of traffic light control for traffic and pedestrian flows. Przegląd Naukowy Inżynieria i Kształtowanie Środowiska, 30, 38–50. doi: 10.22630/PNIKS.2021.30.1.4 (in English)
dc.relation.referencesen6. Nogi, S., Gadhvi, R., Meena, A., & Sharma, A. (2019). Estimation of Level of Service for Urban Arterial Road of Ahmedabad City. International Journal of Research in Advent Technology, 7, 301–307. (in English)
dc.relation.referencesen7. Raji, S., & Jagannathan, A. (2019). Level of Service (LOS) Effect in Terrain Conditions. Iconic Research and Engineering Journals, 2(8), 32–38. (in English)
dc.relation.referencesen8. Characterization and calibration of volume-to-capacity ratio in volume-delay functions on freeways based on a queue analysis approach. Retrieved from: https://trid.trb.org/view/1759601 (in English)
dc.relation.referencesen9. Kim, Y., Wang, P., Zhu, Y., & Mihaylova, L. (2018, October). A capsule network for traffic speed prediction in complex road networks. In 2018 Sensor Data Fusion: Trends, Solutions, Applications (SDF) (pp. 1–6). doi: 10.1109/SDF.2018.8547068 (in English)
dc.relation.referencesen10. Dhamaniya, A., & Chandra, S. (2013). Speed characteristics of mixed traffic flow on urban arterials. International Journal of Civil and Environmental Engineering, 7(11), 883–888. doi: 10.5281/zenodo.1089419 (in English)
dc.relation.referencesen11. Bratsas, C., Koupidis, K., Salanova, J. M., Giannakopoulos, K., Kaloudis, A., & Aifadopoulou, G. (2019). A comparison of machine learning methods for the prediction of traffic speed in urban places. Sustainability, 12(1), 142. doi: 10.3390/su12010142 (in English)
dc.relation.referencesen12. Royko, Y., Bura, R., & Kindrat, V. (2019). Investigation of tram movement indicators in general structure of traffic flow. Proceedings of the 1-st International Scientific Conference "Current Problems of Transport". (pp 57–65). (in English)
dc.relation.referencesen13. Wang, W. X., Guo, R. J., & Yu, J. (2018). Research on road traffic congestion index based on comprehensive parameters: Taking Dalian city as an example. Advances in Mechanical Engineering, 10(6), 1–8. doi: 10.1177/1687814018781482 (in English)
dc.relation.referencesen14. Alkaissi, Z. A. (2022). Traffic Simulation of Urban Street to Estimate Capacity. Journal of Engineering, 28(4), 51–63. doi: 10.31026/j.eng.2022.04.04 (in English)
dc.relation.referencesen15. Patel, J., & Gundaliya, P. J. (2016). Estimation of Level of Service through Congestion – A Case Study of Ahmedabad City. International Research Journal of Engineering and Technology, 3(5), 2162–2165. (in English)
dc.relation.urihttps://trid.trb.org/view/1759601
dc.rights.holder© Національний університет „Львівська політехніка“, 2023
dc.rights.holder© O. Hrytsun, 2023
dc.subjectвулично-дорожня мережа
dc.subjectтранспортний потік
dc.subjectінтенсивність руху
dc.subjectшвидкість руху
dc.subjectпропускна здатність
dc.subjectрівень завантаження
dc.subjectмоделювання руху
dc.subjectнатурні дослідження
dc.subjectгеометричні параметри
dc.subjectroad nnetwork
dc.subjecttraffic flow
dc.subjecttraffic volume
dc.subjectspeed of movement
dc.subjectcapacity
dc.subjectvolume capacity ratio
dc.subjecttraffic simulation
dc.subjectfield research
dc.subjectgeometric parameters
dc.titleImpact of traffic volume and composition on the change in the speed of traffic flow
dc.title.alternativeВплив інтенсивності та складу транспортного потоку на зміну його швидкості
dc.typeArticle

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
2023v4n1_Hrytsun_O-Impact_of_traffic_volume_12-20.pdf
Size:
1.7 MB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.72 KB
Format:
Plain Text
Description: