: ظرفیت زمان واقعی، یک تابع از اشغال است.
با بهره گرفتن از سطح ریسک از پیش تعیین شده، توزیع ظرفیت و همچنین اطلاعات اشغال لحظه‌ای، مقدار ظرفیت لحظه‌ای می‌تواند محاسبه شود.
۴-۳-۲ الگوریتم ZONE در بزرگراه نیایش با در نظر گرفتن محدودیت احتمال
چون الگوریتم کنترل رمپ ZONE در اصل بر مبنای محدودیت ظرفیت گلوگاه است، محدودیت احتمال در رفتار تصادفی با الگوریتم ZONE ترکیب می‌شود. سپس، عملکرد سیستم برای الگوریتم ZONE با در نظر گرفتن محدودیت احتمال با روش اصلی مقایسه می‌شود.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۴-۳-۲-۱ الگوریتم ZONE با در نظر گرفتن محدودیت احتمال
ابتدا مفهوم الگوریتم ZONE اصلی را مطابق معادله (۴-۱۰) به یک برنامه خطی تبدیل می‌شود:
به طوری که : (۴-۱۰)
: حجم مسیر اصلی بالادست در زون z در بازه زمانی t است، یک متغیر اندازه‌گیری شده؛
: حجم رمپ کنترل نشده j در بازه زمانی t است، یک متغیر اندازه‌گیری شده؛
: حجم رمپ کنترل شده iبا دسترسی محلی در بازه زمانی t است، یک متغیر کنترل ؛
: حجم از بزرگراه به بزرگراه با رمپ کنترل شده k در بازه زمانی t است، یک متغیر کنترل ؛
: حجم رمپ خروجی l در بازه زمانی t است، یک متغیر اندازه‌گیری شده؛
: ظرفیت گلوگاه پایین دست در زون z در بازه زمانی t است، یک مقدار ثابت؛
: فضای موجود بین منطقه در زون z در بازه زمانی t است، یک متغیر محاسبه شده بر اساس اشغال از طریق شناساگرهای مسیر اصلی؛
: حجم ترافیک در دورترین قسمت بالادست؛
: حداقل نرخ کنترل؛
: حداکثر نرخ کنترل؛
Z : تعداد کل زون‌ها؛
I : تعداد کل رمپ‌های کنترل شده محلی؛
J : تعداد کل رمپ‌های کنترل نشده؛
K : تعداد کل رمپ‌های کنترل شده بزرگراه به بزرگراه؛
L : تعداد کل رمپ‌های خروجی؛
با توجه به ماهیت تصادفی مقدار ظرفیت لحظه‌ای، معادله (۴-۱۰) می‌تواند به برنامه احتمال زیر تبدیل شود:
به طوری که : (۴-۱۱)
: سطح ریسک قابل قبول در زون z ؛ که توسط مهندسان ترافیک از پیش تعیین شده است؛
: ظرفیت لحظه‌ای گلوگاه در بازه زمانی t در زون z ؛ تابعی از محدوده‌ی اشغال؛
: مقدار اشغال لحظه‌ای هنگامی که جریان روان است، در بازه زمانی t در زون z .
زمانی که ظرفیت گلوگاه به طور نرمال توزیع شده است، مدل جبری هم ارز با برنامه احتمال فوق به صورت زیر خواهد بود:
به طوری که : (۴-۱۲)
: تابع معکوس در سطح ریسک؛
: توزیع احتمال نرمال برای ظرفیت
۴-۳-۲-۲ آزمایش شبیه سازی
در این مطالعه از شبیه ساز AIMSUN استفاده می‌شود. چون بر مبنای تجربه‌های قبلی، سابقه شایستگی این برنامه در آزمایش سیستم مدیریت و کنترل ترافیک از جمله کنترل رمپ اثبات شده است. (Hourdakis و Michalopoulos، ۲۰۰۲).
۴-۳-۲-۳ فرایند معتبرسازی
معتبرسازی می‌تواند به صورت مقایسه خروجی‌های مدل با داده‌های مشاهده شده مستقل از روش کالیبراسیون تعریف شود. جمع آوری داده‌های ورودی کافی به گونه‌ای که نسبتی از داده‌های ورودی برای کالیبراسیون و بقیه برای معتبرسازی باشد مرسوم است.
با توجه به عدم وجود آمارگیری‌های میدانی در خصوص داده‌های تقاضا و عملکرد، تحلیل فرایند معتبرسازی به صورت آماری امکان پذیر نمی‌باشد. در این موارد می‌توان با نظر کارشناس خبره در خصوص خروجی‌های مدل پایه و نظر مثبت نسبت به اعتبار مدل، نتیجه کار را اساس ارزیابی سناریوها قرار داد.
۴-۳-۲-۴ نتایج آزمایش
به منظور بررسی حساسیت سطح ریسک قابل قبول، یعنی مقدار در معادله (۴-۱۲)، سطوح مختلف برای آزمون سناریو انتخاب شدند. مقدار ظرفیت مطابق با مقادیر متفاوت تغییر می‌کند. برای سادگی، را در تمام زون‌ها مشابه فرض می‌شود، هر چند ممکن است در واقعیت متفاوت باشد. در این مطالعه، چهار مقدار برای : {۰.۰۵ ,۰.۱۵ ,۰.۳۰ ,۰.۵}در آزمایش انتخاب شده‌ است.
چند MOEs (ارزیابی اثربخشی) از جمله تاخیر کل در مسیر اصلی بزرگراه، زمان سفر کل در مسیر اصلی بزرگراه، سرعت متوسط و غیره برای ارزیابی عملکرد الگوریتم Zone اصلاح شده و اصلی با سطح ریسک­های متفاوت انتخاب شده ‌است. نتایج در جدول ۴-۶ ارائه شده است. این جدول نشان می­دهد درصد­های مختلف در الگوریتم Zone اصلاح شده تغییر ایجاد می­ کند. حالت پایه برای مقایسه روش اصلی کنترل Zone است. بنابراین، درصد تغییر مثبت در MOEs حاکی از آن است که MOEs با استراتژی بهبود یافته Zone افزایش پیدا کرده است و برعکس.
مطالعات پیشین اثبات کرده ­اند که الگوریتم Zone بسیار کارا است (Cambridge Systematics، ۲۰۰۱؛ Xin و همکاران ۲۰۰۶). با این حال، از جدول ۴-۶ در می‌یابیم که الگوریتم Zone اصلاح شده با محدودیت احتمال رفتار تصادفی لحظه­ای برای انتخاب چهار سطح ریسک موثرتر است. زیرا عملکرد راه اصلی و رمپ هر دو بهتر شده است. به عنوان مثال، زمان سفر کل بزرگراه به اندازه­ ۱.۱۴%، ۲.۰۳%، ۰.۴۸% و ۰.۳۹% به ترتیب در سطح ریسک ۰.۰۵، ۰.۱۵، ۰.۳۰ و ۰.۵۰ در مقایسه با روش کنترل Zone اصلی کاهش یافته است. و مجموع زمان سفر رمپ به اندازه­ ۳.۲۱% در سطح ریسک ۰.۰۵ کاهش یافته است. به علاوه، تاخیر کل بزرگراه و تاخیر کل رمپ به ترتیب به اندازه­ ۳.۹۵% و ۳.۸۱% کاهش و سرعت متوسط به اندازه­ ۱.۸۸% افزایش می­یابد.
عملکرد سیستم برای هر چهار سناریو بهبود یافته است. کل زمان سفر سیستم به اندازه­ ۱.۲۸%، ۱.۶۳%، ۱.۱۲% و ۰.۳۶% به ترتیب در سطح ریسک ۰.۰۵، ۰.۱۵، ۰.۳۰ و ۰.۵۰ در مقایسه با روش کنترل Zone اصلی کاهش یافته است. این موضوع عجیب نخواهد بود که الگوریتم جدید کارایی بیشتری داشته باشد. دلیل آن این است که در روش کنترل Zone اصلی، برای دو گلوگاه مقدار ظرفیت ثابت ۵۲۲۰ وسیله نقلیه در ساعت درنظر گرفته شده است. تنها حدود ۱۵% برای گلوگاه ۱ (۰.۸۵β =) و ۹۰% برای گلوگاه ۲ (۰.۱۰β =) در نظر گرفته شده است. (بر اساس تابع احتمال تجمعی ظرفیت در محدوده‌ی اشغال بین ۰ ~ ۱۵%، به شکل ۴-۱۸ نگاه کنید). این مقدار ثابت نمی‌تواند با تغییر شرایط ترافیک لحظه‌ای تغییر کند. به همین دلیل ممکن است کمترین مقدار آستانه‌ای ظرفیت در این جایگاه قرار گیرد (مانند گلوگاه ۱). بنابراین محتمل است که نرخ آزادسازی رمپ کاهش و در نتیجه تاخیر رمپ به طور غیر ضروری افزایش یابد؛ یا اگر بیشترین مقدار آستانه‌ای ظرفیت در این جایگاه قرار گیرد (مانند گلوگاه ۲) نتیجه‌اش حجم بیش از حد در حالت تراکم و وخیم‌تر شدن اوضاع است.
(%۵۲۲۰,۱۵)
(%۵۲۲۰,۹۰)
شکل ۴-۱۸: ظرفیت بر حسب درصد در دو گلوگاه با بهره گرفتن از روش کنترل Zone اصلی
هم چنین ارزیابی نتایج نشان می‌دهد که درجات تغییر بهبود سیستم به سطح ریسک قابل قبول تعریف شده وابسته است. به عنوان مثال، مجموع زمان سفر رمپ برای چهار سطح ریسک متفاوت ۳.۲۱%، ۳.۰۵%، ۱.۴۲% و ۰.۲۴% است. به سادگی در می­یابیم که کاهش کل زمان سفر رمپ با افزایش سطح ریسک کاهش می­یابد؛ چرا که سطح ریسک بالاتر منجر به کاهش مقدار ظرفیت آستانه­ای و کاهش نرخ کنترل رمپ و در نتیجه افزایش تاخیر رمپ با نگه­داشتن وسایل نقلیه بیشتر در رمپ­ها می­ شود. هر چند وقتی که ۰.۱۵β = است، بیشترین صرفه­جویی در زمان سفر قابل دستیابی است. این نتایج نشان می­دهد که بیشترین کارایی کنترل رمپ Zone زمانی پیش ­بینی می­ شود که سطح ریسک ۰.۱۵ باشد.