wg Ashton, 1966
Transkrypt
wg Ashton, 1966
12. Stochastyczne podejście do problemów opóźnienia statycznego 12. STOCHASTYCZNE PODEJŚCIE DO PROBLEMÓW OPÓŹNIENIA STATYCZNEGO (wg Ashton, 1966) 12.1 Wstęp W ciągu ostatnich dziesięciu lat było wielkie zainteresowanie problemem "opóźnienia statycznego". Termin ten jest używany do opisu opóźnienia pojawiającego się przed znakiem stopu lub światłami ulicznymi dla pojazdów chcących przeciąć lub włączyć do głównej drogi na skrzyżowaniu. Problem priorytetowych skrzyżowań jest zamieszczony w 12.2 i 12.3, a rozważania skrzyżowań sterowanych światłami w 12.4. Problemy opóźnienia na otwartej drodze są rozważone jasno w 12.5, a nowe podejście do badań zachowań ruchowych w wąskim gardle jest opisane w 12.6. Skrzyżowania są bardzo ważnymi urządzeniami w systemie drogowym, ponieważ największe straty, które przydarzają się pojedynczo powodowane są w tych punktach. Ich projektowanie może być dobrym tematem do badań. Jednym z najważniejszych problemów, jakie musi rozwiązać inżynier, wiąże się z rodzajem urządzeń sterowania, jakie mają być zastosowane. Przeprowadzone były szczegółowe badania nad efektem różnych rodzajów sterowania w różnych czynnikach, zawierających opóźnienie, przepustowość oraz natężenie wypadków. Zdarzające się opóźnienia kierowców są niedogodne na gruncie ekonomicznym. Dlatego może to prowadzić do irytacji, a w konsekwencji do wypadków. Jednak w pewnych warunkach w pewnym stopniu z punktu widzenia inżynierów ruchu wykorzystanie przepustowości drogi głównej jest bardziej ważne, niż opóźnienia pojazdów na drodze podporządkowanej. Na przykład w takim przypadku jak wyjście z teatru czy parkingu kinowego. Rozważmy najpierw problem skrzyżowań priorytetowych. W modelu tego zagadnienia zakłada się, że kierowca na drodze podporządkowanej zatrzymuje się na znaku, ocenia każdy odstęp między pojazdami γ (mierzony w jednostkach czasu) i podejmuje decyzję przekroczyć czy nie, przekroczyć odpowiednio czy odstęp jest większy czy mniejszy niż pewny wcześniej określony odstęp. Problem pojedynczego pojazdu stojącego przed znakiem jest już dosyć jasno opisany i teorie dobrze zgadzają się z obserwowanymi zachowaniami. Problem jest w istocie taki sam, jak ten, gdy grupa pieszych chce przejść przez drogę, gdy grupa może przejść, kiedy wystąpi akceptowany odstęp. Trudny problem jest, gdy kolejka pojazdów czeka na znaku stop. Najprostszy przypadek odpowiada problemowi przecinania pojedynczego pasa ruchu drogi głównej, problem przecięcia dwóch pasów, każdy w jednym kierunku jest trudny do rozważań matematycznych. Należy jeszcze zauważyć, że właściwie powinna być zastosowana teoria kolejek, kolejka na drodze podporządkowanej, powinna być rozpatrywana, jako pojedynczy potok (linia) pojazdów, który zachowuje oryginalny porządek przybycia. W wielu modelach były komplikacje w kryteriach wyboru odstępu akceptowanego. W pewnych wcześniejszych pracach używana była funkcja skokowa, ale w późniejszych pracach odstęp γ traktowany był jako zmienna losowa. Wiarygodne dane eksperymentalne są rzadkie, ale doświadczenie ludzi sugeruje, że ostatnim kryterium odstępu akceptowanego jest bardziej realistyczne. Tak więc, w tym modelu każdy odstęp między pojazdami γ związany jest z prawdopodobieństwem p(γ), że kierowca je zaakceptuje. Prawdopodobieństwo p(γ) rośnie monotonicznie z γ. Pewne obserwacje sugerują rozważanie zmienności odstępu akceptowanego dla kierowców, ale najczęściej przyjmuje się stały - około 8 s. Najwięcej prac nad tym problemem poświęcone jest rozważaniom pojedynczego odstępu pomiędzy dwoma kolejnymi pojazdami, i zakłada się, że jest n >1 pojazdów czekających w kolejce na znaku stop. Pierwszy kierowca rozważa odstęp γ i podejmuje decyzję o przejechaniu na podstawie p(γ) - kryterium akceptowanego odstępu. Jeżeli pierwszy kierowca przetnie drogę, to drugi kierowca zajmuje miejsce zwolnione przez pierwszego i zakładając, że nie nadjeżdża żaden pojazd na drodze głównej, podejmuje TPR12-263 12. Stochastyczne podejście do problemów opóźnienia statycznego decyzję na podstawie p*(γ - γ') funkcji akceptowanego odstępu, gdzie p* może, lecz nie musi być takie samo jak p(x), a gdzie γ jest czasem, który zależy od czasu przejazdu przez pierwszego kierowcę i od czasu, jaki musi być poświęcony, aby drugi kierowca przeszedł na miejsce czołowe w kolejce. Aby określić aktualną formę funkcji p(γ) przeprowadzono wiele prac doświadczalnych. Rezultaty tych prac były niewątpliwie interesujące. Jednakże jak okazało się, że rezultaty tych analiz nie są krytycznie, zależne od dokładnej formy funkcji odstępu akceptowalnego. Możliwe są trzy następujące funkcje: (i)Funkcja skokowa: p(γ ) = (ii) 0, γ ≤ Γ 1, γ > Γ Funkcja trapezoidalna: 0, ( p(γ ) = (γ − γ 0 ) γ l −γ 0 ) 1, γ <γ l , γ 0 <γ ≤γ1 γ >γ1 (iii) Przesunięta funkcja wykładnicza: p(γ ) = γ ≤γ0 1 − exp[− λ (γ − γ 0 )], γ > γ 0 0, Pokazane są na Rys 12.1. TPR12-264 12. Stochastyczne podejście do problemów opóźnienia statycznego PRAWDOPODOBIEŃSTWO p(γ) AKCEPTACJI ODSTĘPU γ 1,0 FUNKCJA SKOKOWA 0,5 Γ Odstęp γ 1,0 FUNKCJA TRAPEZOIDALNA 0,5 γ0 Odstęp γ 1,0 PRZESUNIĘTA FUNKCJA WYKŁADNICZA 0,5 γ0 Odstęp γ Rys.12.1. Prawdopodobieństwo p(γ) akceptacji odstępu γ. Różni autorzy badają wiele specjalnych przypadków ogólnego modelu kolejek i związanych problemów rozkładu odstępów w strumieniach ruchu. Adams (1936) otrzymał wzór na średnie oczekiwanie na nie blokowanym odstępie w losowym potoku ruchu: to był problem przejścia dla pieszych. Oliver (1962) badał rozkład odstępów w strumieniach ruchu z ogólnymi rozkładami prawdopodobieństwa. Beckman, Mc Guire i Winsten (1966) dyskutowali model w czasie dyskretnym i otrzymali wzory na momenty długości kolejek oraz czasu czekania. Oliver i Bisbee (1962) badali model, w którym tylko jeden pojazd może zaakceptować dany odstęp: ten model odpowiada wysokim gęstościom ruchu na drodze głównej. Potok na drodze podporządkowanej był losowy, a rozkład na drodze głównej dowolny. Bardziej kompletne analizy kolejkowego problemu dał Tanner (1962). Założył on, że potoki są losowe na obydwu drogach, a funkcja odstępu akceptowalnego była skokowa. Rozkład prawdopodobieństwa oczekiwania na niezajęty okres była wyprowadzona przez niego na trzy różne sposoby. Weiss i Maradudin (1962) przystosowali inne podejście: użyli oni teorii odnowy. Jewell (1961,1962) dyskutował różne aspekty problemu kolejek. Jego model był raczej nierealistyczny, że pojazd przybywający na znak stopu, kiedy nie ma innych pojazdów będzie musiał czekać na pojazd przejeżdżający po drodze głównej, aby móc przejechać. Hawkes (1965) rozważał model, w którym pojazdy przybywają w paczkach na skrzyżowanie, ale przejeżdżają pojedynczo. Sygnały wyświetlające czerwone lub zielone są dobrą formą TPR12-265 12. Stochastyczne podejście do problemów opóźnienia statycznego do zastosowania procesu odnowy. Pokazał on, że ten system może być generowany przez ruch na drodze głównej, aby uzyskać stacjonarny rozkład czasu czekania. Jeszcze uwagę należy zwrócić na książkę Haighta (1963) zatytułowaną "Modele matematyczne potoków ruchu". Są to szerokie rozważania ze stochastycznym podejściem do problemów potoków ruchu. Zwykle kryterium mierzącym działanie skrzyżowania jest brane średnie opóźnienie pojazdów, ale jest wiele innych możliwych kryteriów. Na przykład łączne opóźnienie pojazdów (wszystkich) używających skrzyżowanie, procent pojazdów opóźnionych przez system, średnie opóźnienie w sekundach odniesione opóźnione pojazdy lub średni czas przejazdu przez system. Problem pojawia się w zależności od tego, co optymalizować. 12.2.Proste modele skrzyżowań priorytetowych W Wielkiej Brytanii 80% wszystkich fatalnych i poważnych wypadków związanych jest z aktem przejścia przez drogę. Pewne rozszerzenie poziomu ryzyka może być zmierzone przez opóźnienie, którego pieszy doświadcza przed możliwością przejścia, opóźnienie jest powodowane oczekiwaniem na odstęp w ruchu i te odstępy mają rozkład statystyczny. Załóżmy, że strumień ruchu przechodzącego punkt na drodze ma pewien rozkład prawdopodobieństwa. Dla pieszego próbującego przejść drogę, lub dla kierowcy z drogi podporządkowanej, strumień może być rozpatrywany jako okresy alternatywnego sukcesu, które pozwalają na wejście, a które nie. Rozkłady prawdopodobieństwa związane z tymi okresami są podane i dyskutowane niżej. Rozpatrzmy najpierw problem analizy prostego opóźnienia używając transformaty Laplace'a. Zarówno dla pieszych chcących przejść w paczce, jak i dla pojedynczego pojazdu dla celu tej analizy ważne jest je utożsamiać. Jednakże, analiza będzie prowadzona w pojęciach opóźnień pieszych. W tym rozdziale będzie stosowana następująca notacja. Funkcja gęstości prawdopodobieństwa będzie oznaczana przez gęstość, a odpowiadająca mu funkcja dystrybuanty przez dystrybuantę. Niech f(t) oznacza gęstość, a F(t) odpowiednią dystrybuantę 0 ≤ t < ∞ . Przez transformatę Laplace'a f(t) określa się: ∞ L[ f (t )] = Φ( s) = ∫ e − st f (t )dt 0 Jeżeli f(x),F(x) oraz g(y),G(y) są odpowiednio gęstością i dystrybuantą dla x i y, to dystrybuanta dla u = x+ y jest równa: ∞ u− y H (u ) = P(x + y ≤ u ) = ∫ ∫ 0 0 ∞ f ( x )g ( y )dx dy = ∫ F (u − y )g ( y )dy . 0 Różniczkowanie daje gęstość jako: u h(u ) = ∫ f (u − y )g ( y )dy . 0 Podobnie u u h(u ) = ∫ f ( x )g (u − x )dx . 0 TPR12-266 12. Stochastyczne podejście do problemów opóźnienia statycznego Będziemy mówić, że h jest splotem f i g i pisać: h = f ∗ g. Można pokazać, że: L(h) = L( f ) L( g ). Na przykład, jeżeli pojedynczy odstęp x ma ogólnie rozkład wykładniczy λe − λx , rozkład podwójnego odstępu u=2x jest dany przez gęstość (λ e ) − λ x 2∗ v = ∫ λ e − λ x λ e −λ (u − x ) dx = λ2 u e − λ u . 0 Teraz w tych oznaczeniach, niech odstęp w potoku głównym będzie wykładniczy, tak więc: f (t ) = µ e − µ t , F (t ) = 1 − e − µ t , t≥0 Wtedy przez całkowanie mamy: Φ(s ) = µ (u + s ). Niech pieszy przybywa w czasie t=0 i wymaga T na przejście, tak więc opóźnienie pieszego ma gęstość - w(t), a dystrybuantę W(t) i T.L.Ψ(s). Jeżeli pierwsza odstęp jest >T to wtedy nie ma opóźnienia i stąd w(t) na czynnik dyskretny powodujący wzniesienie: P(t 1 > T ) = 1 − F (T ) = e − µ T . Reszta to zmienna ciągła na (0, ∞). Jeżeli pieszy musi czekać na odstęp tn+1, powiedzmy, gdzie n > 0, to opóźnienie jest sumą n zmiennych losowych n ∑t . i i =1 Teraz pieszy nie może przejść na żadnym z odstępów t1,t2 ,...,tn,, wszystkie są <T. Stąd funkcje gęstości dla wszystkich ti , i ≤ n nie są po prostu f(t), ale znormalizowane f(t) w przedziale (0,T), tj. f (t ) µ e−µ T = F (t ) 1 − e − µ T , 0<t <T Stąd część ciągła w(t) warunkująca, że przejście będzie w (n+1)-ej luce tn+1 jest dana splotem: ∗ f (t ) f (t ) F (t ) F (t ) TPR12-267 n −1∗ 12. Stochastyczne podejście do problemów opóźnienia statycznego Mnożąc przez prawdopodobieństwo przejścia w (n+1)-szej luce F n (T )[1 − F (T )] otrzymujemy bezwarunkową wartość w(t), sumując po wszystkich w i dodając część dyskretną. ∗ ∞ w(t ) = [1 − F (t )]δ (t ) + [1 − F (t )]∑ [ f (t )] [ f (t )] n −1∗ n =1 gdzie f0*=1. Stąd biorąc po obu stronach transformatę Laplace'a: T Ψ (s ) = [1 − F (T )] + [1 − F (t )]∫ f (t )e − st dt 0 . T 1 − ∫ f (t )e dt − st 0 W specjalnym przypadku rozkładu losowego to może być przekształcone: Ψ ( s) = e −µ T ( µ e − µ T 1 − e −( µ + s)T + (µ + s)1 − = ) 1 − e ( ) ) ( µ+s µ (µ + s )e − µT s + µ e −( µ + s )T − µ+s T . Tę funkcję jest czasem trudno odwrócić, ale tu rozwiązanie może być uzyskane następująco: r −1 w(t ) = e −µ T δ (t ) + µ e −µ T ∑ (−e ) −µ T j =0 (r − 1)T ≤ t ≤ rT [ µ (t − jT )] j −1 [ µ (t − jT )] j + ( j )! ( j − 1)! , r = 1, 2,... Jeżeli j=0, to wyrażenie {.} jest zerowe i wtedy: w(t ) = e − µ T w(t ) = e − µ T W pewnych przypadkach my nie potrzebujemy aktualnego odwrócenia, ale tylko do wyznaczenia średniej i wariancji. Potrzebujemy tylko zróżniczkować Ψ(s), aby uzyskać średnią dla wszystkich pieszych, a więc 1 µT d średnie opóźnienie = − Ψ(s) = e − µT −1 . ds s= 0 µ ( TPR12-268 ) 12. Stochastyczne podejście do problemów opóźnienia statycznego Podobnie wariancja jest dana przez: 2 2 d d Ψ s − Ψ s ( ) ( ) 2 ds , ds s= 0 co po pewnym uproszczeniu daje: 1 µ 2 (e 2µ T ) − 2µ T e µ T − 1 . Opuszczając dyskretną część średnie opóźnienie dla wszystkich pieszych może być wyznaczone w podobny sposób: 1 µ eµT − T . 1 − e −µ T Raff (1951) rozważał podobny problem skrzyżowania ze znakiem stop. On użył innego podejścia, które jest tutaj ogólnie naszkicowane. W tym modelu pojazdy na drodze głównej przechodzą przez skrzyżowanie jako proces Poissona dany przez: P(k pojazdów w t) = e − µ t (µ t ) k! k , k = 0,1,..., Gdzie µ jest średnią liczbą przybyć w jednostce czasu. Czas przybycia każdego pojazdu na drodze podporządkowanej zakłada się, że jest arbitralny, ale czas, w którym każdy pojazd wchodzi na skrzyżowanie zależy od odstępu czasowego pomiędzy tym przybyciem i przyjazdem następnego pojazdu na głównej drodze. Jeżeli ta wielkość jest dłuższa niż pewna ustalona wielkość T, pojazd z drogi podporządkowanej przejedzie bez opóźnienia. W przeciwnym razie czeka aż do wolnej dla pojazdu odstępie dłuższym niż T. Z punktu widzenia pojazdów drogi podporządkowanej ruch na drodze głównej jest sekwencją alternatywnych bloków i antybloków. Przez cały czas, w którym odbywa się przejazd pojazdu trwający T lub mniej, jest złożony z bloków, podczas gdy reszta czasu jest złożona z antybloków (patrz Rys 12.2). Chcemy znaleźć (i) prawdopodobieństwo, że losowy wybór jest zawarty w bloku, oraz (ii) rozkład prawdopodobieństwa wielkości bloków, tj. prawdopodobieństwo, że blok wybrany losowo ze wszystkich bloków będzie miał wielkość przewidzianą. TPR12-269 12. Stochastyczne podejście do problemów opóźnienia statycznego G G V V B V B A T V V B 2T V – Przybycie G V B A G G – Odstęp V B A T A B – Blok A - Antyblok T B A T A Rys.12.2. Schemat ukazujący umiejscowienie bloków i antybloków w potoku ruchu. Gęstość prawdopodobieństwa odstępów między przybyciami pojazdów jest wykładnicza f (t ) = µ e − µ t , t ≥ 0, gdzie µ jest średnią liczbą pojazdów na jednostkę czasu. Wtedy prawdopodobieństwo, że losowo wybrany odstęp jest mniejszy niż, a więc dystrybuanta jest następująca: F (t ) = 1 − e − µ t . (12.1) Niech łączna liczba pojazdów przechodzących w długim skończonym okresie będzie N. Wtedy łączny czas jest N/µ. Pierwszy problem postawiony wyżej jako (i) może być wyrażony inaczej tak: jak część łącznego czasu zawiera się w blokach. Ponieważ łączny czas jest znany, my w takim razie mamy łączny czas zarówno w blokach jak i w antyblokach. Teraz każdy antyblok jest częścią odstępu >T. Wyrażając każdy odstęp o długości T+ t, t > 0, pierwsza t jest antyblokiem. To oznacza, że jest tu (1,1) odpowiedniość pomiędzy antyblokami a odstępami > T. Liczba antybloków > t jest taka sama, jak liczba odstępów > (T+ t), w których z uwagi na (12.1) jest: N e − µ ( T +t ) Łączna liczba antybloków jest N e − µ T , stąd liczba: antyblok jedn. dlug. czasu = µ e − µ T , a liczba antybloków: ( ) ≤ t = N e −µ T 1 − e−µ T . TPR12-270 (12.2) 12. Stochastyczne podejście do problemów opóźnienia statycznego Teraz łączny czas w antyblokach jest otrzymywany zróżniczkowanego równania (8.2) i scałkowania od 0 do ∞, tj. µNe ∫te −µ t dt = N µ e −µ T 0 = N e −µ T −µ t ∞ [e ] µ mnożenie t e − µ t ∞ 1 ∞ −µ t + ∫ e dt − µ 0 µ 0 ∞ −µ T przez 0 = N µ e −µ T , tak więc, że losowa chwila jest zawarta w antybloku jest e − µ T , a prawdopodobieństwo, że losowa chwila zawarta jest w bloku jest 1 − e − µ T . ( ) Drugi problem postawiony wyżej jest bardziej trudny, ponieważ brakuje prostej zależności pomiędzy szczególnym blokiem, a jakimś odstępem lub grupą odstępów. Jednak, możliwe jest podejście do tego problemu z innej strony, poprzez rozkład czasu czekania pojazdów na drodze podporządkowanej, ten ostatni rozkład jest ściśle powiązany z tym, co chcemy. Niech B(t) będzie prawdopodobieństwem, że blok ≤ t. Niech W(t) będzie prawdopodobieństwem, że czas czekania przez pojazd na drodze podporządkowanej jest ≤ t. Wtedy W (0) = e − µ T , jakże pojazd przybywający w antybloku ma zerowy czas czekania. Teraz prawdopodobieństwo, że czas czekania t jest rzędu u < t ≤ u + du jest takie samo jak prawdopodobieństwo, że chwila jest bloku, a jeszcze potrwa do końca bloku przez czas wynoszący, który jest między u a u + du. To jest równe dv pomnożone przez średnią liczbę bloków/jednostkę czasu, które są dłuższe niż v tj. µ e − µ T [1 − B(u )]du . Tak więc: t W (t ) = W (0 ) + µ e − µ T ∫ [1 − B(u )] du 0 t = e − µ T (1 + µT ) − µ e − µ T ∫ B(u ) du . (12.3) 0 Dla wyrażenia B(t) w terminach W(t) jest niezbędne tylko zróżniczkowanie obu stron równania (12.3) po t i rozwiązanie wynikowego równania względem B(t), tak więc W ' (t ) = µ e − µ T [1 − B(t )] lub: B(t ) = 1 − 1 W ' (t ) . µ e −µ T Dystrybuanta rozkładu czasu czekania wyprowadzonego przez Garwood'a (1940): W (t ) = e −µT r −1 ∑ (− e ) j =0 −µT j W(t) (12.4) wynika wprost [µ (t − jT )] j [µ (t − jT )] j +1 , + j! ( j + 1)! TPR12-271 ze wzoru 12. Stochastyczne podejście do problemów opóźnienia statycznego (r − 1)T ≤ t ≤ rT . Garwood wyprowadził ten wzór na podstawie rozważania problemu związanego z ruchem na światłach ulicznych, który matematycznie był prawie taki sam, jak ten i później zastosowałem wyniki do opóźnień pieszych na jednym lub dwóch strumieniach ruchu, Jego rozważanie wychodziło z wyrażenia przez rozkład prawdopodobieństwa najdłuższego odstępu na prostej podzielonej przez n losowych punktów. Wzór Garwood'a na W(t) zawiera skończone szeregi, w których liczba elementów wzrasta ze wzrostem wartości t, i jest to funkcja µT oraz t/T tylko, gdzie µT jest wielkością ruchu, a t/T jest czasem czekania jednostki w obydwu przypadkach krytyczna odstęp jest T. Wielkość W(t) może być obliczona dla różnych wartości µT oraz t/T, ale dla uzyskania wartości innych parametrów można użyć aproksymacji: ( W (t ) → 1 − 1 − e −µ T ) ( ) ) − µ Te − µ T 1 − e − µ T t . exp −µ T − µ t e − µ T T 1 − e ( (12.5) Błąd wprowadzony przez użycie tego wzoru dla większości praktycznych wartości parametrów jest rzędu 10-2. Należy zauważyć, W(t) wzrasta liniowo ze wzrostem t od 0 do T i jest tu nieciągłość w pochyleniu. W(t) spada monotonicznie jak µT rośnie, tj. ze wzrostem wielkości ruchu, jak można by oczekiwać. Zróżniczkowanie wzoru Garwooda na W(t) daje gęstość w(t), po prostu: w(t ) = W ' (t ) = µ e − µT [1 − W (t − T )] . (12.6) Widać, że W'(t) jest liniową funkcją W(t-T). Porównanie równań (12.4) i (12.6) daje dystrybuantę wielkości bloku jako: B(t ) = W (t − T ) (12.7) Tak więc, średnia długość bloku jest większa niż średni czas czekania wynoszący T. Warto zauważyć i pewne inne własności tego rozkładu. Nie ma tu bloków < T, tj. B(t)=0, t<T. To oczywiste przy rozważaniach geometrycznych. Jeszcze są inne - pewna liczba bloków dokładnie równa jest T, tj. B(t) skacze z 0 do e-µT , wt = T. To jest jeszcze widoczne geometrycznie, gdy blok o długości T obejmuje wtedy, tylko dwie kolejne odstępu >T. Stąd t - typ łącznego czasu blokowania jest N (µ ) 1 − e − µT a łączna liczba bloków ( jest Ne −µ T ) średnie (oczekiwanie) wartość długości bloku jest: 1 − e −µ T . µ e −µ T Przypuśćmy na przykład, że mamy średnie natężenie potoku wynoszące 1200 pojazdów przez godzinę, tak więc µ=1200/3600, z typową wartością T=6s. Proporcja bloków ≤ 15 s, dana jest przez: B(15) = W (15 − 6) = W (9) . TPR12-272 12. Stochastyczne podejście do problemów opóźnienia statycznego Tak więc, podstawiając: µT = 2 , a t T = 1.5 w równaniu (12.5), otrzymujemy W(9)=0.514. Powyższa teoria może być zastosowana do problemu opóźnień pieszych, z następującymi wynikami: ( ) (i) Prawdopodobieństwo opóźnionych pieszych = 1 − e − µ T . ( (ii) Średnie opóźnienie na opóźnionych pieszych = 1 µ e − µ T − T 1 − e − µ T ( ) ) (iii) Średnie opóźnienie dla wszystkich pieszych = 1 µ e − µ T − 1 µ − T , ( ) i wariancja = e 2 µ T − 2 µ T e µ T − 1 µ 2 . Tablica 12.1 daje pewne wartości opóźnienia dla pieszych dla różnych wartości średniego potoku µ i odstępu granicznego T. Tablica 12.1 Odstęp Potok graniczny poj/h 4 8 100 200 300 400 500 600 700 800 900 1000 100 200 300 400 500 600 700 800 900 1000 Średnie opóźnienie dla wszystkich pieszych 0,2300 0,4784 0,7472 1,0364 1,3496 1,6868 2,0522 2,4463 2,8732 3,3357 0,9568 2,0728 3,3731 4,8925 6,6736 8,7434 11,2236 14,1256 17,5564 21,6194 Proporcja opóźnionych pieszych 0,1052 0,1992 0,2834 0,3588 0,4663 0,4866 0,5406 0,5889 0,6321 0,6708 0,1992 0,3588 0,4866 05889 0,6708 0,7364 0,7889 0,8310 0,8647 0,8916 Średnie opóźnienie dla opóźnionych pieszych 2,2072 2,3981 2,6329 2,8881 3,1665 3,4665 3,7959 4,1540 4,5450 4,9727 4,7962 5,7763 6,9330 8,3079 9,9475 11,5997 14,2258 16,9986 20,3046 24,2468 Dla porównania teoretycznych opóźnień z obserwacjami porównujemy następujące wielkości: p P D P D ( P − p) i e−µ T ; i ( ) 1 ( µ e ) − T (1 − e ) ; i 1 µ e−µ T − 1 µ − T : −µ T TPR12-273 −µ T 12. Stochastyczne podejście do problemów opóźnienia statycznego gdzie: µ = liczba pojazdów/s, P = łączna liczba pieszych, p = liczba pieszych mogących przejść bez opóźnienia, D = łączne opóźnienie osiągane przez wszystkich pieszych. Podobne do powyższych analizy były przeprowadzone przez wielu autorów łącznie z Tannerem (1951), który jeszcze wyprowadził rozkłady dla rozmiarów grup pieszych czekających na przejście przez drogę, zakładając losowe przybycia pojazdów jak i pieszych. Niech α= liczba pieszych czekających na przejście, kiedy losowy pojazd przejeżdża, β= liczba pieszych przechodzących natychmiast po losowym pojeździe, γ= losowy rozmiar grupy przechodzącej, δ= liczba pieszych czekających przez losowy czas, ε= rozmiar grupy, z którą przechodzi losowy pieszy, η= średnia liczba pieszych przybywających/jedn.czasu, µ= średnia liczba pojazdów przybywających/jedn.czasu, T= odstęp graniczny. Pisząc E dla oczekiwanej lub średniej wartości Tanner otrzymał: (i) E (α ) = (ii) E (β ) = (iii) E (γ ) = η(e µ T − 1) µ , η(1 − e − µ T ) µ , µ e − µ T + η e −η T , (µ + η) e (η − µ ) T η(e µ T − µ T − 1) (iv) E (δ ) = (v) E (ε ) = 1 + µ 2η (e µ µT , ) − µT −1 . Na końcu rozdziału zwracamy uwagę na pewne ważne praktyczne kierunki. Z punktu, w którym inżynier ruchu decyduje o kanalizacji pieszych na skrzyżowaniu zwykle zakłada się, że potok ruchu powinien być taki, aby 50% wszystkich pieszych otrzymywało średnie opóźnienie 2 s i to odpowiada średniemu opóźnieniu na opóźnionego pieszego około 4 s, dla wielkości ruchu około 130 pasażero - pojazdów/h. 12.3 Modele bardziej złożone Tanner (1962) rozważał model T-skrzyżowania, w którym zawarł wiele założeń, ale które są widocznie nierealne i dał wzór na średnie opóźnienie pojazdów na drodze podporządkowanej, kiedy system jest w równowadze statycznej, tj. kiedy pojazdy mogą w dłuższym przebiegu przejść przez skrzyżowanie z większym natężeniem niż faktycznie przybywają. Wzór został wyprowadzony przy losowych potokach głównym i podporządkowanym. TPR12-274 12. Stochastyczne podejście do problemów opóźnienia statycznego Minimalny czas następstwa w potoku głównym Odjazdy β1 α β2 β2 β1 α Rozkład na drodze głównej Przybycie Rys.12.3 Schemat pokazujący przybycia i odjazdy na T-skrzyżowaniu. Model matematyczny jest następujący. Główny potok ruchu składa się z pojedynczego strumienia pojazdów, które przybywają na skrzyżowanie losowo ze średnim natężeniem q1 jedn.czasu , ale które nie mogą przejechać przez skrzyżowanie przez krótszy odstęp niż czas β 1 . Tak więc, pojazdy na drodze głównej formują proces kolejek i średnie opóźnienie na pojazd zgodnie z teorią kolejek wynosi: 1 2 β 1 q1 2 . w1 = 1 − β 1 q1 Pojazdy na drodze podporządkowanej również przybywają losowo z natężeniem q 2 jedn.czasu , a β 2 jest najkrótszym czasem przejazdu przez skrzyżowanie. Dalej, one nie mogą wejść na skrzyżowanie w czasie α > β 1 po poprzednim pojeździe na drodze głównej. Nie ma tu ograniczeń na jak blisko pojazd potoku głównego może przejechać po pojeździe z drogi podporządkowanej. Dlatego na drodze głównej jest sekwencja bloków i odstępów. Wewnątrz bloków przedziały rozdzielające pomiędzy pojazdami są mniejsze niż α, a odstęp jest większa niż α. Podczas odstępu pojazdy drogi podporządkowanej przechodzą przez drogę główną w odstępach β 2 , aż do wystąpienia następnego bloku, jak to pokazane na rys.12.3. Zauważ. Że jeżeli β 1 = 0 , to ruch na drodze głównej jest losowy: "zamiarem" wąskich gardeł jest wprowadzenie elementów pakietowania do ruchu na drodze głównej. W tym modelu Tanner wyprowadził wzór na średnie opóźnienie w2 pojazdów na drodze podporządkowanej, kiedy system jest w równowadze statystycznej. Ponieważ przybycia na drodze głównej są losowe, a więc rozkład czasu odstępu jest wykładniczy, tj. f (t ) = q1 e − q1t , 0<t <∞ (12.8) Funkcja tworząca rozkładu czasu trwania bloku dana przez Tannera (1953) jako: TPR12-275 12. Stochastyczne podejście do problemów opóźnienia statycznego ( ) E e pt = M (t ) = ν (q1 − p ) ν q1 − (ν q1 − q1 + p ) exp[(q1 − p )(α − β l )] , (12.9) gdzie ν jest mniejszym rzeczywistym pierwiastkiem równania: ν = e β q (ν −1) + β p , 1 1 1 a p jest parametrem. Relacja ta daje: E (t ) = e q1 (α − β 1 ) 1 − , q1 (1 − β 1 q1 ) q1 (12.10) i 1 2 2 β 1 q1 q1 (α − β 1 ) 1 e q1 (α − β 1 ) 2 2 2 E t2 = 2 e − q 1 − q − 1 + q − q + α β β β ( ) . 1 1 1 2 1 1 1 2 1 − β 1 q1 q1 (1 − β 1 q1 ) (12.11) ( ) Tanner zastosował tu metodę punktów regeneracji opisaną przez Kendalla (1951), która pozwala określić w2 jako: w2 = ( ) E t2 ( ) 2 y − q 2 y β 2 q1e − β 2 q1 + e − β 2 q1 − 1 q1 ( 1 − q2 y 1 − e β 2 q1 ) (12.12) gdzie : y = E (t ) + 1 q1 . Dla modelu losowego E(t) i E(t2) jest dane przez (12.10) i (12.11), ale (12.12) jest ważne dla innych rozkładów, dla których może być użyta metoda punktów regeneracji. Zauważmy przede wszystkim pewne specjalne przypadki. Jeżeli q1 = 0 , to pojazdy z drogi podporządkowanej tworzą kolejkę z nieprzerwaną obsługą i (12.12) redukuje się do zwykłego wzoru: 1 2 β 2 q2 . w2 = 2 1 − β 2 q2 Gdy natomiast q2 dla β2=0, to pojazdy na drodze podporządkowanej nie tamują się wzajemnie i (12.12) upraszcza się do: 1 2 β 1 q1 1 − β 1 q1 + β 12 q12 e q1 (α − β 1 ) 2 w2 = −α − + . q1 (1 − β 1 q1 ) q1 (1 − β 1 q1 ) (1 − β 1 q1 )2 ( ) Tanner jeszcze zauważył, że w2 → ∞ , gdy: q 2 → q 2 (max) = q (1 − β 1 q1 ) e 1 q1 (α − β 1 ) TPR12-276 (1 − e − β 2 q1 ) . 12. Stochastyczne podejście do problemów opóźnienia statycznego To jest największy potok na drodze podporządkowanej przy założonych w modelu warunkach. Suma q 2 (max) i q1 daje warunkową przepustowość skrzyżowania dla szczególnego potoku ruchu. Tanner stabilizował opóźnienie w2 dla ośmiu różnych kombinacji α, β 1 , β 2 , q1 i q 2 . Jeżeli dla przykładu weźmiemy: α = 8 s, β1 = 1 s, β2 = 3 s, i jeżeli potoki na drodze głównej i podporządkowanej wynoszą odpowiednio 900 poj./h. oraz 72 poj./h. to: q1 = 900 3600 = 0.25 q 2 = 72 3600 = 0.02 Oznacza to, że 2 pojazdy potrzebują (8 + 3) = 10 s na przejazd, 3 pojazdy potrzebują (8 + 6) = 14 s i.t.d. Podstawiając w (8.12) mamy: w2 ≈ 28 s. Bardziej realistyczny model wprowadza na drodze podporządkowanej dwa strumienie przecinające potok główny z obydwu kierunków z natężeniami q1 , q 2 . Wymaga to znajomości rozkładów bloków i odstępów na drodze głównej, kiedy dwa przeciwne strumienie są traktowane jak jeden. Odstępy w połączonym strumieniu ma rozkład wykładniczy ze średnią 1 (q1 + q 2 ) , ale do dziś nie wyprowadzono rozkładu długości bloku. Miller (1963) rozważał opóźnienie pieszych lub pojazdów na drodze podporządkowanej dla przypadków, gdzie ruch na drodze głównej odbywa się w pakietach lub kolejkach, jak to opisano w 7.1. W tym modelu on postuluje kolejki i pojazdy losowo rozmieszczone na drodze z kolejkami przybywającymi z natężeniem λ, a potok kolejek będzie µ (z drogi podporządkowanej - JW). Średni czas czekania dla pojazdu na drodze podporządkowanej jest dany jako: ( λ t +τ E (t ) = 2 ) 2 , gdzie: t = średni czas dla przejścia kolejki przez punkt, τ = minimalny akceptowany odstęp. Prawdopodobieństwo, że pojazd z drogi podporządkowanej będzie mógł przejechać natychmiast jest: ( ) P(0) = 1 − µ t e − λ τ , gdzie: 1 µ = t + 1 λ . Weźmy dla przykładu, że jeżeli τ = 5, t = 10 i natężenie kolejek (!) jest 120 poj./h, tj. λ = 120 3600 = 1 30 , to: E (t ) = (10 + 5)2 60 Gdy µ = 1 40 , to: TPR12-277 = 3,75s. 12. Stochastyczne podejście do problemów opóźnienia statycznego 10 P(0) = 1 − e −0,33 = 0,54 40 Miller porównał swój model z modelem losowym. Znalazł on małą różnicę w średniej czasu czekania dla pojazdów chcących przeciąć główny strumień. Wywnioskował on, że model z losowymi pakietami, jednak, przewiduje możliwości przekraczania bez opóźnienia lepiej niż model losowy. Żaden z modeli rozważanych w tym rozdziale w pełni nie oddaje dla zarówno częstych jak i ważnych przypadków opóźnienia dla pojazdów przecinających główny strumień, tj. dodatkowe opóźnienie występujące w czekających w kolejce pojazdach jeden za drugim. Weiss i Maraduchin (1962) rozważali przypadek, gdzie dwa pojazdy przybywają podobnie, ale teoretyczne rozważanie bardziej realistycznego modelu jest dosyć trudne. Znaczenie pewnych modeli jest otwartym problemem T-skrzyżowania odpowiadające warunkom modeli nie są zawsze łatwe do znalezienia. Potok drogi głównej musi być niezakłócony w wielu przypadkach; to eliminuje wszystkie skrzyżowania, gdzie skręcające w prawo pojazdy z drogi podporządkowanej mogą włączać się do potoku. Z tego powodu potok z drogi podporządkowanej może być jeszcze niezakłócony. Modele nie pozwalają pieszym przecinać skrzyżowania bez pojazdów skręcających na drogę podporządkowaną z drogi głównej. To prawda, że kierowcy nie zachowują się wszyscy systematycznie w sytuacjach T-skrzyżowania. Na przykład, potok drogi głównej może być zakłócony przez uprzejmego kierowcę zwalniającego, aby wpuścić ukazujący się pojazd z drogi podporządkowanej. Inna wersja tego, gdy pojazdy z drogi podporządkowanej akceptują za mały odstęp powodując zwolnienie pojazdów drogi głównej. Bardziej realistyczne modele są niewiarygodne do ujęcia za pomocą metod analitycznych i będą musiały być prawdopodobnie symulowane. To podejście do rozwiązywania problemów będzie opisane w rozdz. 9. Jak można było zauważyć, kryterium przedstawienia skrzyżowania zwykle bierze się średnie opóźnienie pojazdu na drodze podporządkowanej. Wielkość ta ma znaczenie matematyczne, ale do warunków dzisiejszego dnia, to ma drugorzędne znaczenie w porównaniu z tym, czym jest przepustowość. Wielkość ta, faktycznie jest łatwa do badania zarówno doświadczalnego, jak i teoretycznego, i to wygląda lepiej na przyszłość w związku z dwoma podejściami. 12.4. Skrzyżowania sterowane światłami. Wielu autorów rozważało opóźnienia na światłach o stałym cyklu, ale najwięcej modeli jest uproszczone i wyidealizowane, ponieważ pojawiają się trudności matematyczne. Opiszemy najpierw pewne wyniki należące do Little (1961) dla pewnych idealizowanych sytuacji, a później przejścia do pewnych metod aproksymacyjnych należących do Newell (1965) dla rozpatrywania bardziej kompleksowych i realistycznych sytuacji. Little sformułował wiele modeli, na których podstawie oceniał opóźnienie pojazdów w wielu sytuacjach. Dla przystosowania modeli do praktyki tylko najbardziej ważne zmienne były wprowadzane i jako konsekwentne wyniki mogły być stosowane tylko dla niskich i średnich potoków. W rozważanych modelach zakładano, że powstaje kolejka na światłach. Przybycia traktowane były jako losowe i z pojedynczego pasa. Na światłach ruch jest zatrzymywany na czas T, a następnie zwalniany, pojazdy będące w ruchu mogą poruszać się tylko na wprost przed siebie. Zakłada się, że zatrzymywanie i ruch są natychmiastowe, i że ruszające pojazdy mają stały odstęp czasu h pomiędzy nimi. To założenie o stałych przyspieszeniach nie jest prawdziwe w praktyce, jako że pojawia się ekstra opóźnienie, które może być częściowo eliminowane poprzez stosowanie TPR12-278 12. Stochastyczne podejście do problemów opóźnienia statycznego "efektywnego" czerwonego, które jest równe aktualnemu czerwonemu plus średnie opóźnienie z powodu przyśpieszenia. Dla niskich do średnich potoków ruchu, tj. dla przypadku, w którym nie ma pozostających pojazdów z jednej fazy czerwonego do następnej, Little rozwinął równanie dla średniej długości kolejki na światłach. To jest: E( N ) = qR , 1 − qh gdzie: q = potok w pojazdach/sek/pow.ruchu, R = efektywny czas czerwony, h= odstępy czasu na sygnałach. Jeżeli h zakłada się stałe, to średni czas dla przejazdu kolejki przez skrzyżowanie jest: E (t ) = E ( N )h . Ten model może być rozszerzony na przypadek wielopasowego ruchu w dwóch szczególnych przypadkach. W pierwszym modelu przybywające pojazdy łączą się w najkrótszą kolejkę na światłach. Jeżeli n jest liczbą podchodzących pasów, to średni czas dla kolejki będącej rozproszoną jest dany przez aproksymację: h E (t ) = E ( N ) . n Drugi model wygląda, że daje lepszą aproksymację. W tym, przybycia tworzą n rozdzielnych i niezależnych strumieni ruchu. Jeżeli maksymalna długość kolejki na jakimś strumieniu jest Q, to średni czas dla kolejki przechodzącej jest Qh. Jeżeli każdy pas ruchu jest rozważany, jako oddzielny strumień, to średnia długość kolejki dla każdego pasa ruchu jest: E( N ) = (q n)R = qR , 1 − (q n)h n − qh gdzie q jest łącznym potokiem. Biorąc dla przykładu, że, jeżeli łączny potok jest 600 poj./h na dwóch pasach, efektywny czerwony jest 60 s, a h jest 3 s, to: q= 600 1 = = 0,083 poj s , 2 ⋅ 3600 12 E( N ) = 0,083(60) ≅ 7. 1 − 0,083(3) Sygnalizowane skrzyżowanie badali inni autorzy, wśród nich Hawkes (1963), Newell (1960) i Darroch (1964).Newell badał dyskretny czas kolejki na światłach dla specjalnego przypadku, gdzie co najwyżej jeden pojazd przybywa przez jednostkę czasu. Darroch rozszerzył tę pracę wprowadzając ogólny proces przybyć. Najwięcej artykułów bierze potok wyjściowy jako regularny podczas fazy zielonej, a wejście jako prosty losowy. Jednak, jeżeli sygnały są w bliskim sąsiedztwie do innych, wejście ma dobrze znany cykliczny charakter. Szczególnie to jest prawdziwe w połączonych systemach. Blunden i Pretty (1965) zastosowali cykliczne potoki TPR12-279 12. Stochastyczne podejście do problemów opóźnienia statycznego wyjściowe i wejściowe i wyrazili je jako ciągłe zmienne przez średnie szeregów Fouriera. Rzeczywiste urządzenia i rzeczywisty ruch są tak skomplikowane, że dokładna analiza realistycznych modeli jest niemożliwa., z tego powodu używają zamiast analogii płynów. Najprostsza z nich należy do Claytona (1941). Bardziej świeży artykuł Newella (1965) poświęcony problemowi przez zastosowanie aproksymacji bazującej na reprezentacji kolejki, jako ciągłego potoku zarówno deterministycznymi jak i stochastycznymi własnościami. Te aproksymacje bazują na zastosowaniu prawa wielkich liczb (lub centralnego twierdzenia granicznego) i mierzą bardzo wrażliwe na przyjętą formę przybyć i odjazdów procesów. Wynikowe opóźnienia w rozważaniach Newella różnią się o parę procent. Aproksymacja, którą się posłużono, faktycznie, asymptotycznie i stosuje się tylko w przypadkach, gdzie średnia długość kolejki jest nieskończona. W praktyce to może być użyte dla średniej kolejki. Powiedzmy 10. W modelu Claytona pojazdy przybywają w regularnych odstępach (odstęp 1/q), tworząc kolejkę podczas czerwonego czasu R przed sygnałem ruchu, a opuszczając podczas następnego zielonego, ponownie w regularnych odstępach (odstęp 1/s). Ten proces trwa aż do albo końca zielonego lub końca kolejki, który jest wcześniejszy. To łatwo ocenić długość kolejki, w jakim czasie w tym modelu, ale są tu pewne komplikacje algebraiczne związane z faktem, że wielkości 1/q, 1/s, R, G, mogą nie być racjonalnie pomnożone w stosunku do innych. Te komplikacje znikają, jeżeli potok pojazdów jest rozumiany przez nas jak ciągły płyn przybywający z natężeniem q na jednostkę czasu i opuszczającym po czasie R z natężeniem s na jednostkę czasu, najpierw z natężeniem q. Niech A(t), D(t) będą sumarycznymi liczbami przyjazdów i odjazdów odpowiednio w czasie t fazy zielonej, kiedy kolejka jest niepusta, to: A(t ) = qt , D(t ) = st . Niech Q(t) będzie długością kolejki w czasie t i rozpoczęcie czerwonej fazy jako t = 0. To Q(t) jest: Q(t ) + A(t ) 0<t ≤ R Q(t ) = Q(0) + A(t ) − D(t − R ) R ≤ t ≤ t0 0 t0 ≤ t ≤ R + G (12.13) Q(0)+qR Q(t) Q(0) nachylenie q nachylenie (q -s) 0 R to R+G t Rys.12.4 Rysunek pokazujący długość kolejki na sygnalizowanym skrzyżowaniu. TPR12-280 12. Stochastyczne podejście do problemów opóźnienia statycznego gdzie t0 jest czasem, w którym pierwsza kolejka znika. Q(t) ma formę pokazaną na rys.8.4 . Stąd krzywa jest kawałkami ciągła, natomiast t0 jest dane przez: Q0 + A(t 0 ) + D(t 0 − R) = 0 tj. t0 = Q(0) + qR + R dla t 0 < R + G s−q Jeżeli t0 > R + G , to równanie na Q(t) ma jeszcze zastosowanie tak długo, aż t ≤ R + G Dla znalezienia wyrażenia dla łącznego opóźnienia zauważ, że łączne opóźnienie wszystkich pojazdów w(t , t + δ t ) jest Q(t )δ , stąd w czasie (R+G) to jest pod krzywą daną przez równanie (8.13), tj. R +G W= ∫ Q(t )dt . 0 Dla t 0 ≤ R + G 2 1 [Q(0) + qR] W = RQ(0) + qR 2 + . 2 2( s − q ) Dla t 0 ≥ R + G W = GQ( R + G ) + RQ(0) + 1 2 1 qR + ( s − q )G 2 . 2 2 Stąd kolejka w (R+G) jest dana Q( R + G ) = Q(0) + q (s − q )G , ostatnie wyrażenie upraszcza się do: W = ( R + G )Q(0) + qRG − 1 1 (s − q )G 2 + qR 2 . 2 2 Stąd: 2 1 2 [Q(0) + qR] RQ(0) + 2 qR + 2(s − q ) W= 1 1 ( R + G )Q(0) + qRG − ( s − q )G 2 + qR 2 2 2 t0 ≤ R + G (12.14) t0 ≥ R + G Te surowe wzory mogą być zastosowane do świateł o stałym cyklu z alternatywnymi czerwonymi i zielonymi okresami. Jeżeli q(R + G) < sG oraz Q(0) jest skończone, to stan równowagi będzie ewentualnie osiągnięty wtedy, gdy Q(t) będzie zmierzać do zera na początku pewnego czerwonego oraz Q(t) będzie okresowe. W takim przypadku, łączne opóźnienie jest dane przez (8.14) z Q(0) = 0, tj. TPR12-281 12. Stochastyczne podejście do problemów opóźnienia statycznego W= sqR 2 . 2( s − q ) (12.15) Stąd średnie opóźnienie na pojazd jest: w= W R2 . = q( R + G ) 2( R + G )(1 − q s) Dla q(R + G) > sG kolejka rośnie i opóźnienie na cykl staje się nieskończone. Dla dwóch strumieni międzysekcyjnych czerwony czas dla jednego strumienia jest równy zielony + żółty i opóźnienie obydwóch strumieni na cykl jest otrzymywane jako suma dwóch wyrażeń typu (12.15) z odpowiednimi wartościami dla R. Newell uogólnił podejście Claytona i użył asymptotycznej aproksymacji dla uproszczenia wyników w sposób podobny, jak to było zrobione w teorii ruchów Browna. W praktyce R, G są podobnego rzędu i nasycający potok przez cykl sG jest rzędu 10. Jednak, załóżmy najpierw, że sG → ∞ . Oznacza to, że również R → ∞ i G → ∞ z (R/G stałym) lub q → ∞ i s → ∞ z czasem jednostki wynoszącym (R+G), tj. R i G 0(1). Jeżeli przybycia i odjazdy tworzą stacjonarny proces stochastyczny, to liczba przybyć i odjazdów powinna odpowiadać prawu wielkich liczb. Oznacza to, że dla pewnego ograniczonego procesu, w którym średnia liczba przybyć → ∞ , to jeżeli N jest losową liczbą przybyć, to N E ( N ) → 1 i my mamy ciągły płyn. Wystarczającym (ale niekoniecznym) warunkiem jest ten, że odstępy między przybyciami są niezależne i w takim przypadku określony jest proces rekurencyjny. Newell sugerował, że A(t), D(t) będą traktowane jako zmienne losowe, tak, że: E [ A(t )] = qt , E [ D(t )] = st . Wtedy jak sG → ∞ , A(t ) sG → qt , sG (12.16) D(t ) sG → t G z prawdopodobieństwem jeden. Pozostałe wzory mają ten sam sens, jeżeli: Q(t) jest mierzone w jednostkach sG, to jest mierzone w jednostkach G, W jest mierzone w jednostkach sG2, w jest mierzone w jednostkach G. Praktyczne sytuacje zwykle nie są zgodne z tymi warunkami. Jednak, jeżeli my najpierw interesujemy się łącznym opóźnieniem i jeżeli Q(t) jest pewną losową funkcją czasu, to nie jest ważne dla równań (12.11) obowiązujących dla każdego T. To jest tylko konieczne, że powierzchnia pod krzywą określoną przez Q(t) ma małe fluktuacje. Jeżeli fluktuacje długości kolejek będą mogły być zaniedbane, otrzymujemy oczekiwaną długość kolejki: R +G E (W ) = ∫ E[Q(t )]dt . 0 Poprzez długi okres, powiedzmy n cyklów liczba przybyć jest nq(R+G) w przybliżeniu, a łączny czas czekania jest nq'(R+G)E(W). To jest równy nE(W), stąd dla prawie wszystkich rozwiązań wzór dla stacjonarnych zgłoszeń: TPR12-282 12. Stochastyczne podejście do problemów opóźnienia statycznego E ( w) = E (W ) q( R + G ) , Teraz łączny czas czekania W jest przetwarzany na łączny czas czekania podczas czerwonego WR oraz czas czekania podczas zielonego WG. Tak więc: R R 0 0 E (WR ) = ∫ E [Q(0) + A(t )]dt = RE [Q(0)] + ∫ qtdt . Stąd: [ ] E (W ) = RE Q(0) + 1 2 qR + E (WG ) . 2 (12.17) Jeżeli q s jest małe porównywalne z 1, to średni czas dla kolejki jasne, że będzie rzędu qR s , który jest bardzo mały porównywalny z G. Prawdopodobieństwo, że w równowadze kolejki nie będzie rozładowana przez czas G, będzie krańcowo małe i również E (WG ) będzie małe w porównaniu z E (WR ) . To są przypadki, w których E (WG ) można zaniedbać i dlatego komplikuje to ocenę tych wielkości, będziemy rozważać tylko taki przypadek, gdzie to może być pominięte. Stąd, z wyjątkiem nietypowych strumieni przybyć, na przykład pakietów w sG: E (W ) ≈ 1 2 qR 2 dla q s << 1 i to można porównać z wyrażeniem (12.15) Zauważ, że wzór ten nie jest prawdziwy dla pewnych rozkładów strumieni i nie dopuszcza długich kolejek lub cyklów czasu. Faktycznie to jest dokładne, gdy q → ∞ i E [Q(t )] → 0 . Jeżeli sG>>1 to jest rząd wartości q, dla których E (WG ) nie jest bez znaczenia, ale gdzie q jest jeszcze wystarczająco małe, dlatego, aby nieznaczące prawdopodobieństwo kolejki zmierzające do opróżnienia podczas G, tj. RE [Q(t )] może jeszcze być pominięte w równaniu (12.17). Dodatkowym pojęciem w E(W) jak może być pokazane, będzie 1 sG , z wyjątkiem bliskiego nasyconego potoku, w którym tu jest wszystko opróżniane od jednego czerwonego do następnego, stąd: E (W ) = qR 2 2(1 − q s ) dla (0,1 sG ) i E (W ) = R2 . 2( R + G )(1 − q s) Dla potoków z zamkniętym nasyceniem lepszą aproksymacją E(W) jest: E (W ) = qR 2 + ( R + G ) E Q(0) . 2(1 − q s) [ TPR12-283 ] 12. Stochastyczne podejście do problemów opóźnienia statycznego Używając podobnych metod, jakie użyto w teorii ruchów Browna, Newell uzyskał następującą aproksymację E[Q(0)]: −1 E [Q(0)] = Ιq G q − , 2s R + G s gdzie Ι jest sumą wskaźników wariancji (iloraz wariancji do średniej) dystrybuanty przybyć i odjazdów. To jest równe 0 (1 sG ) z wyjątkiem potoku nasycającego. Używając tego wyrażenia dla E[Q(0)] otrzymujemy oczekiwaną wartość opóźnienia na pojazd jako: R2 Ι R q E ( w) = + − 2( R + G )(1 − q s) 2 s R + G s −1 (12.18) Dla wartości sG ~10, które są interesujące w praktyce, 1 sG jest niestety nierealnie małe. Błędy z tego powodu są rzędu 10%, ale to jest właściwie do tolerowania w sytuacji miar ruchowych. Interesującym do porównania wzorem na E(w) dany przez (12.18) jest wzór Webstera (10.1). W oznaczeniach tego rozdziału to jest: −1 ( R + G) α R2 x G q E ( w) = + − − 0,65 x 2 2( R + G )(1 − q s) 2 s R + G s (sG ) 3 (12.19) gdzie: x = q ( R + G ) sG = poziom nasycenia, α= 4 5G + . 3 R+G Pierwsze ujęcie (12.18) i to (12.19) są identyczne. W drugim ujęciu różnica we wzorze Webstera jest x, gdzie (12.18) ma Ι. W symulacji komputerowej Webster użył przybyć Poissona, tak więc tutaj ΙA = 1. Z drugiej strony ΙD jest małe, dlatego możemy przyjąć Ι ≈ 1 i w takim razie dwa pojęcia są zgodne w końcu dla x =1 lub potoku nasycającego. Trzecie ujęcie Webstera było skorygowane empirycznie. Dwa wzory są zgodne numerycznie do oczekiwanej zgodności rzędu 10-15%. 12.5 Opóźnienia na drodze swobodnej. Problem opóźnień na dwupasowej drodze był dyskutowany przez wielu autorów łącznie z Tannerem (1961) i Yeo (1964). Interesujące nas wielkości w tym problemie to średni czas podróży i rozkłady odstępów i długości kolejek. Przedsiębiorstwa transportu drogowego, na przykład, są zainteresowane odstępami pomiędzy kolejnymi autobusami na danej linii. Dla prostego modelu Tanner otrzymał wzór teoretyczny dla średniej prędkości pojazdu utrzymywanej podczas długiej podróży. Zasugerował on jeszcze rozszerzenie modelu, które na dzisiaj są prawdopodobne poza możliwością matematycznej analizy. Yeo uogólnił prosty model Tannera. Ten model postuluje długi odcinek drogi mający dwa pasy, każdy w jednym kierunku. Z wyjątkiem pojazdu badanego, wszystkie pojazdy w jednym kierunku podróżują z tą samą prędkością i rozmieszczone są losowo z pewną minimalną odległością pomiędzy pojazdami. Podobnie dla przeciwnego ruchu, ale z różnymi prędkościami i odległościami. Pojazd badany dopędza i wyprzedza pakiet pojazdów z minimalnymi odległościami w pojedynczym manewrze. Wyprzedza bez opóźnienia, TPR12-284 12. Stochastyczne podejście do problemów opóźnienia statycznego jeżeli jest tam wystarczająca odstęp w przeciwnym potoku, a najmniejsza odstęp akceptowalna wzrasta liniowo z rozmiarem wyprzedzanego pakietu. Jeżeli występuje opóźnienie, to odpowiednio większa odstęp jest wymagana, aby zdążyć na czas stracony na wyprzedzanie. Wartości numeryczne średniej prędkości były stablicowane przez Tannera, dla różnych wartości dla stałych modelu. Dwa ogólne wnioski wypłynęły z wyników numerycznych. Po pierwsze, większe przyśpieszenie uzyskiwane poprzez ograniczenie maksymalnej prędkości było by prawdopodobne, pod warunkiem wzrostu średniej prędkości podróżnej w typowych warunkach ruchowych. Po drugie, obcięcie wyczyszczenia, kiedy nie byłoby możliwe, pod warunkiem, że pewny warty zachodu wzrost w prędkości podróży. Można było zauważyć, że kiedy potok ruchu wzrasta poza pewien poziom, który był powyżej teoretycznej przepustowości drogi, najszybszy pojazd nie może utrzymać wyższej średniej prędkości, niż taka jak inne pojazdy; prawie cały czas był spędzony w oczekiwaniu na możliwość wyprzedzania. Średni czas oczekiwania faktycznie staje się nieskończony. Tanner sugerował wiele rozszerzeń tego modelu. Najbardziej oczywiste jest takie, w którym dopuszcza się strumień szybszych pojazdów, zamiast tylko jeden. Te szybsze pojazdy można by założyć, że mają identyczne własności. Inną drogą rozwoju byłoby badanie niestacjonarnych zachowań. Jeżeli szybki pojazd był wprowadzony do losowego punktu w strumieniu ruchu, w jaki sposób można wtedy oczekiwać spadku jego średniej prędkości danej już przez analizy prostego modelu? Tanner sugerował, że początkowa oczekiwana prędkość spadałaby bardzo powoli do tej średniej prędkości, i w tym przypadku większość podróży nie była by wystarczająco długa, aby użyć do tego aproksymacji. Problemy związane z interakcjami pomiędzy pasami ruchu jeszcze nie były dotknięte na żywo. Nie wszystkie z większości jakościowych charakterystyk były dyskutowane, nic nie ukazało się dotychczas w tym względzie na empirycznym polu zagadnień. 12.6. Wąskie gardła Rozważmy ponownie analogię płynu Lighthill'a i Whithama. W tej teorii nie ma wskazań, że są tam jakieś okoliczności, które mogłyby doprowadzić do tego, że potok w wąskim gardle spada poniżej normalnej przepustowości. Zjawisko to występuje w ruchu drogowym, ale nie może być ujęte przez proste teorie fali kinematycznej. Jest to znane, że wprowadzenie krótkich odstępów w strumień ruchu pomaga przejść potokowi przez wąskie gardło. Jedynym wytłumaczeniem tego faktu jest, że są tam wyeliminowane fale szokowe. Można jeszcze łączyć ten fakt z tym, że przyśpieszenia i opóźnienia pojazdów mają skończone granice. Ten ostatni fakt jest jedyną przyczyną tego, dlaczego model płynu jest niedoskonały. Inne przyczyny przedstawiono w 4.2. Bardziej podstawowe i szczegółowe rozważania zachowania ruchu w wąskich gardłach są potrzebne, dlatego, aby dobrze zrozumieć całe zjawisko. Wielu rozważających próbowało uniknąć tego podejścia, ponieważ wprowadza ono trudności statystyczne. Sugerował to Welding (1963), że te trudności mogą być wyminięte przez użycie analizy szeregów czasowych. To jest dosyć odmienne podejście do problemu, zawierające technikę analizy danych doświadczalnych. Rozważmy pojedynczy potok ruchu przechodzący przez wąskie gardło. Jeżeli natężenie zgłoszeń pojazdów stopniowo wzrasta, to dla przepustowości w wąskim gardle powoduje to, że prędkość pojazdów w wąskim gardle będzie spadać i jeżeli potok ogranicza przepustowość i będą formowała się kolejka. Pojazd przechodzący przez taki system doświadcza czterech określonych stanów tj. wolny potok przed wąskim gardłem, tworzenie kolejki, potok w wąskim gardle i wolny potok po wąskim gardle. To sprawia, że najlepsza charakterystyka do stosowania dla badania pozycji TPR12-285 12. Stochastyczne podejście do problemów opóźnienia statycznego w wąskim gardle jest prędkość pojazdu, wąskie gardło kończy się w punkcie, gdzie ruch zaczyna przyspieszać. Dla zastosowania analizy szeregów czasowych należy najpierw wziąć trzy punkty na drodze, powyżej, poniżej i w wąskim gardle i zapisać dla tych punktów czasy przejazdu pojazdów oraz ich chwilowe prędkości. To może być zrobione za pomocą pewnego rodzaju urządzenia automatycznego. Wtedy takie dane mogłyby być przetworzone do formy wyznaczającej podstawy do wnioskowania: jak projekt wąskiego gardła wpływa na przepustowość, a ponadto czy ruch fali spowodował potok maksymalny. Dla wyznaczenia dokładnej lokalizacji wąskiego gardła może być stosowana średnia prędkość. Przepustowość wąskiego gardła może być wyznaczona za pomocą średniego odstępu między kolejnymi punktami i ich zmienności jak wzrost potoku wejściowego powoduje rozpoczęcie tworzenia kolejek. Jeżeli i(n) jest odstępem czasu pomiędzy n-tym a (n+1)-ym pojazdami i i(m) jest średnim odstępem, to wielkość: cr = E [i(n) − i(m)][i(n + r ) − i(m)] dla różnych r może być stosowane do wyznaczenia czy pojawiająca się fala w wąskim gardle ograniczy przepustowość. Podobnie wielkości: cσ τ = E [i s (t ) − i s (m)][i s+σ (t + τ ) − i s+ r (m)] i cσ' τ = E [v s (t ) − v s (m)][v s +σ (t + τ ) − v s +r (m)] , dla różnych σ, τ, gdzie is(t) i vs(t) są odpowiednio odstępem czasu w strumieniu oraz prędkością w punkcie s i czasie t, mogą być stosowane do rozważań ruchu fali na podejściu do lub wyjściu z wąskiego gardła. "Piki" krzywej dla cσ τ lub cσ' τ ( w powiedzmy (σ', τ') mogą wyznaczyć odpowiednią prędkość fali σ ' τ ' . W końcu ktoś może zauważyć, że powyższe wielkości, mimo, że wyglądają na właściwe, mogą być szybko obliczane przez komputer. Ideałem było by, gdyby komputer mógł czytać dane z taśmy papierowej tworzonej wprost przez detektory drogowe. Takie podejście może dać nam uzmiennioną informację, która pozwoliłaby odpowiedzieć na takie pytania: czy geometryczne koszty wąskiego gardła wpływają na ich zachowanie lub czy takie okoliczności wpływają na utrudnienia sytuacji ruchu fali. LITERATURA 7 –12 Rozdział 7 Ashton, W.D., 1966. The theory of road traffic flow. METHUEN & CO LTD. Edie, L.C., 1965. Traffic stream measurements and definitions. Proc. Sec. Internat. Symposium on the Theory of Traffic Flow, London, Paris: OECD. Jones, T.R. and Potts, R.B., 1962. The measurement of acceleration noise – a traffic parameter. Operations Research, 10, 745-763. Helly, W. and Baker, P.G., 1965. Acceleration noise in a congested signalized environment. Proc. Third Internat. Symposium on the Theory of Traffic Flow, New York, 111-123. Lighthill, M.J. and Whitham, G.B., 1955. On kinematics waves II. A theory of long crowded roads. Proc. Roy. Soc. A, 229, 317-345. Wardrop, J.G., 1952. Some theoretical aspects of road traffic research. Road Paper 36, Proc. Instn. Civ. Engnrs. Pt. 2, 1, 325-378. TPR12-286 12. Stochastyczne podejście do problemów opóźnienia statycznego Rozdział 8 Carslaw, H.S. and Jaeger, J.C., 1941. Operational Methods in Applied Mathematics. London: O.U.P. Edie, L.C., 1961. Car-following and steady-state theory for noncongested traffic. Operations Research, 9, 66-75. Herman, R., Montroll, E.W., Potts, R.R. and Rothery, R.W., 1959. Traffic dynamics: analysis of stability in car-following. Operations Research, 7, 86-106. Kometani, E. and Sasaki, T., 1958. On the stability of traffic flow. Amsterdam, Elsevier. Kometani, E. and Sasaki, T., 1961. Dynamic behaviour of traffic with a non-linear spacing speed relationship. Theory of Traffic Flow, Amasterdam, Elsevier. Lighthill, M.J. and Whitham, G.B., 1955. On kinematics waves II. A theory of long crowded roads. Proc. Roy. Soc. A, 229, 317-345. Newell, G.F., 1962a. Non-linear effects in the dynamics of car-following. Operations Research, 9, 209-229. Newell, G.F., 1962b. Theories of instability in dense highway traffic. J. Operations Research Japan, 5, 9-54. Newell, G.F., 1965. Theories of instability in dense highway traffic. Proc. Sec. Internat. Symposium on the Theory of Traffic Flow, London, Paris: OECD. Sasaki, T., 1959. On the stability of traffic flow II. J. Operations Research Japan 2, 60-79. Rozdział 9 Anderson, R., Herman, R. and Prigogine, I. 1962. On the statistical distribution function theory of traffic flow. Operations Research, 10, 180-196. Franklin, R.E., 1962. The propagation of disturbances in a single lane of traffic. Civ. Eng. Rev., 57, 344-346, 487-489. Lighthill, M.J. and Whitham, G.B., 1955. On kinematics waves II. A theory of long crowded roads. Proc. Roy. Soc. A, 229, 317-345. Newell, G.F., 1962. Theories of instability in dense highway traffic. J. Operations Research Japan, 5, 9-54. Prigogine, I., Herman, R. and Anderson, R., 1965. Further developments in the Boltzman-like theory of traffic flow. Proc. Sec. Internat. Symposium on the Theory of Traffic Flow, London, Paris: OECD. Rozdział 10 Greenberg, G.H., 1959. An analysis of traffic flow. Operations Research, 7, 79-85. Greenshields, B.D., 1935. A study of traffic capacity Hight, F.A., 1958. Towards a unified theory for road traffic. Operations Research, 6, 813-826 Rozdział 11 Beckman, M., MCGUIRE, C.B. and Winsten, C.B., 1956. Studies in the Economics of Transportation. New York, Yale University Press. Buchman, C., 1963. Traffic in Towns. London, H.M. Stationery Office. Charlesworth, G. and Webster, R.V., 1958. Some factors affecting the capacity of intersections controlled by traffic signals. 4th Int. Study W k in Tr. Engng, Copenhagen, Denmark. London: World Touring and Automobile Organization. Haight, F.A., 1959. Overflow at traffic light. Biometrika, 46, 420-424. TPR12-287 12. Stochastyczne podejście do problemów opóźnienia statycznego Tanner, J.G., 1962. A theoretical analysis of delays at an uncontrolled intersections. Biometrka 49, 163-170. Uematu, T., 1958. On traffic control at an intersection. Controlled by the repeated fixedcycle traffic light. Ann. Inst. Statist. Math. Tokyo, 9, 87-107. Webster, F.V. and Wardrop, J.G., 1962. Capacity of urban intersections. Traff. Engng & Control, 4, 396-401. Rozdział 12 Borel, E., 1942. Sur l’emploi du théoreme de Bernouilli pour faciliter le calcul d’un infinité de coefficient. Application au probléme de l’attente a un guichet. Competes Rendus Acad. Sci. Paris 214, 452-456. Cox, D.R. and Smith, W.L., 1961. Queues. London, Methuen., New York, Wiley. Miller, A.J., 1961a. A queueing model of road traffic flow. J. R. Statist. Soc. B, 23 64-75. Miller, A.J., 1961b. Traffic flow treated as a stochastic process. Theory of Traffic Flow, Amsterdam, Elsevier. Miller, A.J., 1962. Road traffic flow considered as a stochastic process. Proc. Camb. Phil. Soc. 58, 312-325. Rallis, T., 1965. The application of Erlang’s theory to the calculation of road capacity. Proc. Third Internat. Symposium on the Theory of Traffic Flow, New York. Smeed, R.J. and Bennet, G.T., 1949. Research on road safety and traffic flow. Road Paper 29, Proc. Intn. Civ. Engnrs. Tanner, J.C., 1953. A problem of inteference between two queues. Biometrika, 40, 58-69. TPR12-288