پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 610 |
| تعداد مقالات | 9,028 |
| تعداد مشاهده مقاله | 67,082,909 |
| تعداد دریافت فایل اصل مقاله | 7,656,366 |
ساخت مدل‌های انتقال سلولی و مدل بهینه‌سازی به‌منظور تعیین فواصل مابین تابلوهای پیام متغیر | ||
| مهندسی زیر ساخت های حمل و نقل | ||
| دوره 7، شماره 1 - شماره پیاپی 25، خرداد 1400، صفحه 1-16 اصل مقاله (733.58 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jtie.2020.20520.1457 | ||
| نویسندگان | ||
| امیرحسین عامری1؛ حمید بیگدلی راد2؛ حمید شاکر3؛ محمود عامری* 4 | ||
| 1دانش‌آموخته کارشناسی ارشد راه و ترابری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران | ||
| 2دانشجوی دکتری حمل و نقل، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران | ||
| 3دانشجوی دکتری راه و ترابری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران | ||
| 4استاد، گروه راه و ترابری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران | ||
| تاریخ دریافت: 10 خرداد 1399، تاریخ بازنگری: 21 خرداد 1399، تاریخ پذیرش: 15 تیر 1399 | ||
| چکیده | ||
| امروزه استفاده از سامانه‌های هوشمند حمل‌ونقل باهدف روانی ترافیک و جانمایی مسافر و کالا و همچنین افزایش ایمنی و حفظ محیط‌زیست به‌طور گسترده موردتوجه قرارگرفته است. تابلوهای پیام متغیر که به‌اختصار VMS نامیده می‌شوند، از وسایل کنترل ترافیک محسوب می‌شوند که به‌منظور اطلاع‌رسانی به رانندگان در محل و به‌صورت به هنگام مورداستفاده قرار می‌گیرند. در این مطالعه مکان‌یابی به دو صورت مختلف انجام شد که ابتدا مدل انتقال سلول برای خیابان آزادی تهران انجام شد. سپس از طریق یک مدل بهینه‌سازی همین امر بر روی منطقه موردنظر اجرا شد. با توجه به تحلیل و مقایسه دو مدل این نتیجه حاصل شد که مدل ریاضی بهینه فاصله بیشتری را برای تعیین مکان تابلو پیام متغیر تعیین می‌کند و میزان حجم ورودی به منطقه انسداد و مجموع زمان سفر را بیشتر کاهش می‌دهد که نشان از آن دارد که این مدل مناسب‌تر از مدل انتقال سلولی است هرچند که تفاوت دو مدل بسیار کم بود. مکان بهینه تابلو پیام متغیر برای مدل انتقال سلولی 515 متر و برای مدل ریاضی بهینه مقدار 725 متر به دست آمد. | ||
| کلیدواژه‌ها | ||
| تابلوهای پیام متغیر؛ بهینه‌سازی؛ زمان سفر؛ انتقال سلولی؛ حمل‌ونقل هوشمند | ||
| عنوان مقاله [English] | ||
| Cellular Transmission and Optimization Model Development to Determine the Distances between Variable Message Signs | ||
| نویسندگان [English] | ||
| Amirhossein Ameri1؛ hamid bigdeli rad2؛ Hamid Shaker3؛ Mahmoud Ameri4 | ||
| 1Civil Engineering, Iran University of Science and Technology, Tehran, Iran. | ||
| 2Civil Engineering, Iran University of Science and Technology, Tehran, Iran. | ||
| 3Department of Civil Engineering, Iran University of Science and Technology, Tehran, Iran. | ||
| 4Iran University of Science and technology | ||
| چکیده [English] | ||
| Today, the use of intelligent transportation systems with the aim of smooth traffic and location of passengers and goods, as well as increasing safety and protecting the environment has been widely considered. Variable message signs, abbreviated VMS, are traffic control devices. They are used to inform drivers on time. In this study, locating was performed in two different ways. First, the cell transfer model was performed for Azadi Street in Tehran. Then, this was done on the desired area through an optimization model. According to the analysis and comparison of the two models, it was concluded that the optimal mathematical model determines a greater distance to determine the location of the variable message signs. It also further reduces the amount of input to the blocked area and the total travel time, indicating that this model is more suitable than the cellular transmission model. However, the difference between the two models was very small. The optimal location of the variable message signs was 515 m for the cellular transmission model and 725 m for the optimal mathematical model. | ||
| کلیدواژه‌ها [English] | ||
| Variable Message Signs, Optimization, Travel Time, Cell Transfer, Intelligent Transportation System | ||
| مراجع | ||
|
Abbas, M. A. 1999. “Optimizing variable message sign locations on freeways using genetic algorithm”. 78th Annual Meeting of the Transportation Research Board, Washington, DC.
Abdi, A., Bigdeli Rad, H., & Azimi, E. (2017, March). Simulation and analysis of traffic flow for traffic calming. In Proceedings of the Institution of Civil Engineers-Municipal Engineer (Vol. 170, No. 1, pp. 16-28). Thomas Telford Ltd.
Amirgholy, M., Golshani, N., Schneider, C., Gonzales, E. J. and Gao, H. O. 2017. “An advanced traveler navigation system adapted to route choice preferences of the individual users”. Int. J. Transport. Sci. Technol., 6(4): 240-254.
Boyles, S. D. and Walker, S. T. 2011. “Optimal information location for adaptive routing”. Netw. Spat. Econ., 11: 233-254.
Chiu, Y. C. and Huynh, N. 2007. “Location configuration design for dynamic message signs under stochastic incident and ATIS scenarios”. Transport. Res. Part C: Emerg. Technol., 15(1): 33-50.
Chiu, Y. C., Huynh, N. and Mahmassani, H. S. 2001. “Determining optimal locations for variable message signs under stochastic incident scenarios”. 80th Annual Meeting of Transportation Research Board.
Diop, E. B., Zhao, S. and Van Duy, T. 2019. “An extension of the technology acceptance model for understanding travelers' adoption of variable message signs”. PLoS ONE, 14(4): e0216007.
Gan, H. C., He, S. G. and Dong, J. 2011. “A model for determining optimal variable message sign locations”. International Conference on Business Management and Electronic Information, May 13-15, Guangzhou, China.
Harms, I. M., Dijksterhuis, C., Jelijs, B., de Waard, D. and Brookhuis, K. A. 2019. “Don’t shoot the messenger: Traffic-irrelevant messages on variable message signs (VMSs) might not interfere with traffic management”. Transport. Res. Part F: Traffic Psychol. Behaviour, 65: 564-575.
Henderson, J. 2004. “A planning model for optimizing locations of changeable message signs”. Master Thesis, University of Waterloo.
Intriligator, M. D. 2002. “Mathematical optimization and economic theory”. Society for Industrial and Applied Mathematics (S.I.A.M.).
Jeihani, M., NarooieNezhad, S. and Bakhsh Kelarestaghi, K. 2017. “Integration of a driving simulator and a traffic simulator case study: Exploring drivers' behavior in response to variable message signs”. IATSS Res., 41(4): 164-171.
Li, M., Lin, X., He, F. and Jiang, H. 2016. “Optimal locations and travel time display for variable message signs”. Transport. Res. Part C: Emerg. Technol., 69: 418-435.
Li, Y., Tu, M. and Wang, J. 2019. “Layout study of the variable message signs on urban road networks”. CICTP 2019, pp. 4306-4317.
Luoma, J., Rämä, P., Penttinen, M. and Anttila, V. 2000. “Effects of variable message signs for slippery road conditions on reported driver behavior”. Transport. Res. Part F: Traffic Psychol. Behaviour, 3(2): 75-84.
Memarian, A. 2016. “A decision support system for traffic diversion around construction closures”. Doctoral Dissertation, University of Texas, Arlington.
Rad, V. B., Najafpour, H., Ngah, I., Shieh, E., Rashvand, P., & Rad, H. B. (2015). What Are The Safety Factors Associating with Physical Activity in Urban Neighborhoods?(A Systematic Review). J. Appl. Environ. Biol. Sci, 5(3), 259-266.
Rad, V. B., Najafpour, H., Ngah, I., Shieh, E., Rad, H. B., & Qazvin, I. (2014). The Systematic Review on Physical Activity in Urban Neighborhoods. Life Science Journal, 11(9).
Reinolsmann, N., Brijs, K., Brijs, T., Alhajyaseen, W., Cornu, J. and Mollu, K. 2018. “Variable message sign strategies for congestion warning on motorways-A driving simulator study”. Adv. Transport. Stud., 45: 77-92.
Seo, T., Kawasaki, Y., Kusakabe, T. and Asakura, Y. 2019. “Fundamental diagram estimation by using trajectories of probe vehicles”. Transport. Rese. Part B: Methodol., 122: 40-56.
Shang, H., Huang, H., & Gao, Z. (2009). Impacts of variable message signs on traffic congestion. Science in China Series E: Technological Sciences, 52(2), 477-483.
Song, M., Wang, J. H., Cheung, S. and Keceli, M. 2016. “Assessing and mitigating the impacts of dynamic message signs on highway traffic”. Int. J. Traffic Transport Eng., 6(1): 1-12.
Wang, S., Sharma, A. and Knickerbocker, S. 2017. “Analyzing and improving the performance of dynamic message sign reporting work zone–related congestion”. Transport. Res. Record, 2617(1): 71-77.
AFANDI, Z. S., BIGDELI, R. H., & SHAKER, H. (2019). Using optimization and metaheuristic method to reduce the bus headway (Case study: Qazvin Bus Routes).
Zavareh, M. F., Mamdoohi, A. R. and Nordfjærn, T. 2017. “The effects of indicating rear-end collision risk via variable message signs on traffic behavior”. Transport. Res. Part F: Traffic Psychol. Behav., 46: 524-536.
Zeng, M., Ling, Z., Zhang, B. and Huang, X. 2018. “Stochastic route choice models based on VMS information and hierarchy for urban transport network”. KSCE J. Civ. Eng., 22(2): 850-858.
ZHANG, R., MA, Z., DANG, Y., & XU, T. (2018). Optimization for Location of Variable Message Sign Based on an Improved Genetic Algorithm. Journal of Transport Information and Safety, 06.
Zhao, W., Quddus, M., Huang, H., Lee, J. and Ma, Z. 2019. “Analyzing drivers’ preferences and choices for the content and format of variable message signs (VMS)”. Transport. Res. Part C: Emerg. Technol., 100: 1-14. | ||
|
آمار تعداد مشاهده مقاله: 688 تعداد دریافت فایل اصل مقاله: 616 |
||