Evaluatie effecten DVM-maatregelen met behulp van microsimulatie

Transcriptie

1 Evaluatie effecten DVM-maatregelen met behulp van microsimulatie Door: Steven Logghe & Ben Immers; K.U.Leuven Op de ring van Antwerpen is de verkeerssituatie ter hoogte van de Kennedy-tunnel met behulp van een microsimulatiemodel gemodelleerd en geanalyseerd. Vervolgens is een regelstrategie uitgewerkt. Studiegebied Het studiegebied omvat een acht kilometer lange sectie van de E17 Gent Antwerpen vlak voor de Kennedytunnel. De snelweg heeft er drie rechtsgelegen toe- en afritten gevolgd door een linkse afrit en door twee linkse toeritten. De snelweg buigt af naar rechts tussen kilometer 6 en 7. Vijftien cameradetectoren, genummerd van CLO F tot CLO 1, meten de intensiteit (vtg/min) en de gemiddelde snelheid (km/uur) per minuut, per rijstrook. Het studiegebied wordt schematisch weergegeven in figuur 1. Figuur 1: Het studiegebied In figuur 2 worden de intensiteit en de gemiddelde snelheid voor de drie rijstroken van 28 september 1999 weergegeven. Horizontaal staat de tijdsas en de plaats is verticaal uitgezet. Voertuigen rijden van links onder naar rechts boven. Figuur 2: De waarnemingen : de intensiteit [vtg/minuut] en de gemiddelde snelheid [km/uur] 1

2 Eerste orde analyse De meetresultaten worden in een eerste fase geanalyseerd met het stroommodel van Lighthill en Witham[1] in het achterhoofd. Dit eerste orde model leidt tot drie duidelijk te onderscheiden verkeersregimes : free flow, bottleneck en congestie. Voor het tijdstip van 7 uur 10 minuten bevindt het verkeer zich in het free flow regime. De voertuigen rijden er met hoge snelheid en de toestandspunten van dit regime bevinden zich op de bovenste tak in het fundamenteel intensiteit-snelheids diagram. De verkeerssituatie hangt af van de toestand bovenstrooms van de bestudeerde sectie. Kleine schommelingen in de verkeersvraag veroorzaken dan ook golven die zich met de rijrichting voortbewegen. Deze golven zijn enkel bij de intensiteit te zien. Dit wijst op een snelheid die onafhankelijk is van de intensiteit wat neerkomt op een horizontale tak in het intensiteit-snelheids diagram. Ter hoogte van detector CLO3 wordt de capaciteit van de weg om 7:10 bereikt door een stijgende toevoer vanaf de eerste linkse toerit. Dit bottleneck regime houdt aan tot 9:30 en de toestandspunten van dit regime bevinden zich uiterst rechts in het fundamenteel intensiteitsnelheids diagram. Vanuit de bottleneck ontstaat het congestie regime dat zich tegen de rijrichting in voortplant. De snelheid is laag en de toestand wordt er bepaald door de stroomopwaartse bottleneck. In het fundamenteel intensiteit-snelheids diagram bevinden we ons op de onderste tak. De drie regimes die vanuit het Lighthill-Witham stroommodel afgeleid worden, zijn in de verkeersdata duidelijk te onderscheiden. Hogere orde effecten Uit de verkeersmetingen kunnen naast de drie regimes nog andere effecten waargenomen worden die niet vanuit een eerste orde stroommodel kunnen worden verklaard. De intensiteit uit de bottleneck ligt lager dan de maximale intensiteit, de capaciteit, die tijdens het free flow regime bereikt wordt. Hierdoor is de intensiteit van het verkeer stroomafwaarts van de bottleneck, een free flow regime met de bottleneck als randvoorwaarde, lager dan voor het bottleneck regime. Dit effect wordt de capaciteitsval genoemd. Verder blijkt dat de bottleneck in werking treedt bij het overschreiden van een intensiteit van 100 voertuigen per minuut over drie rijstroken tezamen en pas verdwijnt bij het onderschreiden van 70 vtg/min. Dit hysteresis effect zorgt er dus voor dat het bottleneck regime langer duurt dan strikt noodzakelijk. In figuur 3 worden de verschillende toestandspunten ter hoogte van de bottleneck in een fundamenteel diagram weergegeven. Door deze punten chronologisch met elkaar te verbinden blijkt dat het ontstaan en het opheffen van het bottleneck regime via een ander pad verloopt. 2

3 Figuur 3: Fundamenteel intensiteit snelheids diagram waarbij de opeenvolgende toestands punten met elkaar verbonden zijn. De golven binnen het congestie regime kunnen niet verklaard worden door een eerste orde model. Deze golven ontstaan door kleine verstoringen in de bottleneck en ontwikkelen zich tot grotere golven met sterk varierende intensiteit en snelheid. De eerste twee congestie golven hebben een periode van tien minuten. Tussen de golven wordt zelfs een free flow snelheid gehaald. Latere golven hebben lagere snelheden en volgen elkaar sneller op. Karakteristiek voor deze golven is dat ze met dezelfde snelheid tegen de rijrichting in voort bewegen. Bestuurders kruisen deze golven en ervaren ze als een opeenvolging van optrekken en afremmen. Helbing[2] veronderstelt dat de factoren die dit filepatroon beïnvloeden, zijn gerelateerd aan de verkeersvraag op de hoofdweg, de grootte van de bottleneck (in dit geval de verkeersvraag van de toerit), en de lokale infrastructuur lay-out. Uit een nadere analyse blijkt dat de sprong in de congestie naar het free flow regime niet gelijktijdig gebeurt voor de verschillende rijstroken. De speciale links invoegstrook ter hoogte van de bottleneck blijkt dit effect trouwens te versterken. 3

4 Microsimulatie Met behulp van twee microsimulatiepakkette, Aimsun en Paramics, is de verkeersafwikkeling in deze sectie gemodelleerd. De keuze voor deze modellen is gebaseerd op de uitkomsten van de Smartest studie[3]. Aimsun is aan de universiteit van Catalunya ontwikkeld en wordt door TSS aan de man gebracht[4]. Paramics is ontwikkeld aan de universiteit van Edinburg en wordt nu gecommercialiseerd door Quadstone.[5]. Naast de invoer van de infrastructuur, moet de verkeersvraag ingegeven worden. Deze dynamische herkomst-bestemmings matrices kunnen uitgaande van de verkeerstellingen gegenereerd worden[6]. De bestaande cameradetectoren worden eveneens gemodelleerd zodat de modeloutput en de werkelijke verkeerstellingen met elkaar vergeleken kunnen worden. De calibratie fase omvat in eerste instantie het analyseren van de gevoeligheid van de parameters. Daarna wordt gepoogd het zelfde verkeerspatroon te bekomen door de parameters aan te passen. Hierdoor wordt expliciet gestreefd naar een correcte modellering van de dynamische karakteristieken van het verkeer wat het gebruik van dynamische modellen verantwoord. Naderhand is een validatie uitgevoerd door de meetresultaten van een andere dag als invoer te gebruiken. De resultaten van de gecalibreerde modellen (Aimsun, Paramics) en de echte verkeerstellingen worden in figuur 4 weergegeven. Figuur 4: De intensiteit [vtg/minuut] voor Aimsun, Paramics en de waarnemingen 4

5 Een vergelijking van de patronen leert dat beide microsimulatiepakketten in staat zijn de eerste orde effecten correct te modelleren. De overgang tussen de regimes gebeurt met beide pakketten op de juiste tijdstippen en locaties. De golven planten zich even snel voort en het bottleneck en congestie regime gebeuren gelijkaardig. Sommige hogere orde effecten kunnen niet altijd bevredigend gemodelleerd worden. Deze hogere orde effecten komen dan ook voort uit een varierend gedrag van alle verkeersdeelnemers en worden eerder bepaald door extremen in onder andere het gedrag van een autobestuurder dan door de gemiddelde waarde ervan. Bij het gebruik van de microsimulatiepakketten kwamen enkele zwakke punten naar voren. Het lane-change gedrag is vrij dominant. De modellering van dit gedrag loopt bij invoegstroken niet altijd goed. Vooral op de uitzonderlijke links invoegstrook liep het mank. Het gebruik van microscopische modellen impliceert in eerste instantie dat de invoergegevens een zelfde microscopisch karakter hebben. Het opstellen van dynamische HB matrices vergt dan ook een accurate aanpak. Ook de calibratie en de validatie dienen op microscopische schaal te gebeuren willen de typische microscopische kenmerken van het verkeer in voldoende mate gemodelleerd worden. Hiervoor zijn een voldoende aantal verkeersgegevens nodig waaraan het model getoetst dient te worden. Relevantie voor de praktijk Op welke wijze kunnen microsimulatiemodellen een bijdrage leveren aan een verbetering van de verkeersafwikkeling? Hieronder worden enige toepassingen van het model aangegeven. Invloed van wegconfiguratie op de verkeersafwikkeling. Karakteristiek voor het weggedeelte waarvoor de simulaties zijn uitgevoerd zijn de twee linker invoegstroken vlak voor de ingang van de Kennedytunnel. Aangezien de eerste congestieverschijnselen ter hoogte van deze invoegstroken optreden, zijn ook simulaties uitgevoerd waarbij de invoegstroken zijn omgezet van links naar rechts. Vervolgens is met gebruikmaking van dezelfde invoergegevens de verkeersafwikkeling gesimuleerd. De resultaten van deze berekeningen waren erg verrassend in de zin dat de verkeersafwikkeling niet verbeterde maar eerder verslechterde. Een mogelijke verklaring hiervoor is dat het ritsproces vanuit de linkerinvoegstrook soepeler verloopt dan vanuit de rechterinvoegstrook, hetgeen samenhangt met het grote percentage vrachtverkeer op rechterrijstrook. Onderscheid naar verkeersregimes en bijbehorende regelstrategieën Momenteel wordt in het kader van het project de slimme weg een onderzoek gedaan naar mogelijkheden om het ritsproces door middel van elektronische hulpmiddelen ( gidsen ) te ondersteunen. Ter plaatse van de ritslokatie wordt een zodanige regelstrategie aan het verkeer opgelegd dat een veilige, comfortabele en betrouwbare doorstroming van het verkeer is gewaarborgd. Teneinde de gewenste regelstrategie vast te kunnen stellen wordt de kwaliteit 5

6 van de verkeersafwikkeling bovenstrooms, benedenstroom en ter plaatse van de ritslokatie waargenomen. Op voorhand kan echter niet aangegeven worden welke regelstrategieën ter begeleiding van het ritsproces toegepast moeten worden. Wel mag verwacht worden dat meer strategieën onderscheiden moeten worden, een en ander afhankelijk van de bestaande (en wellicht zelfs verwachte) verkeerssituatie. Mogelijk verkeerssituaties die onderscheiden moeten worden zijn: Lage intensiteit bovenstrooms ritslokatie; lage tot gemiddelde intensiteit benedenstrooms ritslokatie, soepel verlopend ritsproces Regelstrategie: geen elektronische begeleiding Gemiddelde intensiteit bovenstrooms ritslokatie; hoge intensiteit benedenstrooms ritslokatie Regelstrategie: Elektronische begeleiden van ritsende voertuigen, luchtig maken van de ontvangende stroken. Congestie ter hoogte van de ritslokatie Regelstrategie: Probeer deze situatie te vermijden (overstappen naar situatie 4). Congestie bovenstrooms ritslokatie Regelstrategie: Doseren voertuigen op verschillende rijstroken bovenstrooms van de ritslokatie. Begeleiden ritsende voertuigen. Combinatie van regelstrategie en wegconfiguratie De dagelijkse ochtendfile ontstond tien jaar geleden nabij de laatste linker invoegstrook vlak voor de ingang van de tunnel. Hierdoor was de doorstroming in de tunnel gelijk aan de uitstroom van de file. Door een toenemende verkeersvraag verschoof de congestie naar de stroomopwaarts gelegen invoegstrook zoals te zien op figuur 2. De doorstroming door de tunnel werd hierdoor de uitstroom van de file vergroot met het invoegende verkeer van de laatste invoegstrook voor de tunnel. Interessant is dat deze efficiëntere afwikkeling van het verkeer ontstond zonder actieve sturing (is hier sprake van zelforganisatie?). De verkeersafwikkeling ter hoogte van de Kennedytunnel toont aan dat het met het oog op maximale benutting van de capaciteit van een bottleneck de voorkeur verdient om het begin van de file niet direct voor de bottleneck te situeren. Door de optredende hysteresis wordt de capaciteit per strook aanzienlijk gereduceerd (1800 voertuigen per uur). Door het begin van de file in bovenstroomse richting te verplaatsen ontstaat de mogelijkheid om ter hoogte van de eerstvolgende invoeging (waar oorspronkelijk het begin van de file stond) de doorstroming van het verkeer op het oorspronkelijke hoge niveau terug te brengen. Daartoe is het wel noodzakelijk het invoegende verkeer bij de laatste toerit te doseren. Een dergelijke situatie doet zich ook voor ter hoogte van een ritslocatie (bijv. 3 rijstroken worden teruggebracht tot 2). Indien de vraag groter is dan de capaciteit benedenstrooms ontstaat een file (als gevolg van trechterwerking of door andere verstoringen). Het begin van deze file bevindt zich veelal ter hoogte van het punt waar een rijstrook wordt verwijderd. Het resultaat is een forse beperking van de omvang van de verkeersstroom benedenstrooms (vergelijk situatie Kennedytunnel). Door nu het begin van de file een stuk stroomopwaarts te 6

7 verplaatsen kan een configuratie worden gecreëerd die het toelaat een optimale doorstroming van het verkeer benedenstrooms te handhaven. In figuur 5 is de voorgestelde situatie schematisch weergegeven. Figuur 5: Stroomopwaarts ritsen Het principe komt hierop neer dat het verkeer op de hoofdrijbaan wordt gedoseerd. Een mogelijke regelstrategie bestaat eruit dat het verkeer op de middelste en rechter rijstrook wordt gedoseerd met een maximale intensiteit van 1800 voertuigen per uur. Het verkeer op de linker rijstrook wordt in aanvulling daarop gedoseerd met een intensiteit van 600 tot 1200 voertuigen per uur. De omvang van de doseerintensiteit hangt af van de maximaal haalbare rijstrookcapaciteit benedenstrooms en de mate waarin gaten in de verkeerstroom op de rechterrijstrook worden opgevuld. Met het oog op dit laatste aspect is het interessant te onderzoeken of een alternatieve configuratie het ritsproces en daarmee de doorstroming van het verkeer kan verbeteren. In figuur 6 is deze configuratie weergegeven. Het verkeer op de middelste rijstrook kan zowel links als rechts invoegen (om en om). Deze oplossing beoogt een betere verdeling van het verkeer over de beide overgebleven rijstroken te genereren. Figuur 6: Alternatieve configuratie ritsproces Referenties [1] M. J. Lighthill and G. B. Witham A theory of traffic flow on long crowded roads. Proceedings of the Royal Society, A229, No. 1178, (1955) [2] M. Treiber, A. Hennecke, and D. Helbing Congested Traffic States in Empirical Observations and Microscopic Simulations. Physical Review E, in print (2000) [3] [4] [5] [6] Van der Zijpp Dynamic Origin-Destination Matrix Estimation on Motorway Networks, PhD Thesis, Delft University of Technology (1996) 7