DOSEREN MET VERKEERSLICHTENREGELINGEN ONTWIKKELING EN EFFECTEVALUATIE VAN EEN DOSEERALGORITME VOOR VERKEERSLICHTEN. Patrick Legius.

Transcriptie

1 DOSEREN MET VERKEERSLICHTENREGELINGEN ONTWIKKELING EN EFFECTEVALUATIE VAN EEN DOSEERALGORITME VOOR VERKEERSLICHTEN Patrick Legius Januari 2014 MSC THESIS CIVIELE TECHNIEK

2

3 DOSEREN MET VERKEERSLICHTENREGELINGEN ONTWIKKELING EN EFFECTEVALUATIE VAN EEN DOSEERALGORITME VOOR VERKEERSLICHTEN VERKENNEND ONDERZOEK NAAR DE EFFECTIVITEIT VAN DOSEREN MET VERKEERSLICHTEN PATRICK LEGIUS MSC THESIS CIVIELE TECHNIEK TECHNISCHE UNIVERSITEIT DELFT

4 Colofon Auteur: Afstudeercommissie: Patrick Legius Prof.dr.ir. S.P. Hoogendoorn Voorzitter TU Delft Faculteit Civiele Techniek en Geowetenschappen Afdeling Transport en Planning Dr.ir. H. Taale Dagelijkse begeleider TU TU Delft Faculteit Civiele Techniek en Geowetenschappen Afdeling Transport en Planning Ing. G. Martens Externe begeleider Arane Adviseurs in verkeer en vervoer J. van Kooten Externe begeleider Arane Adviseurs in verkeer en vervoer Dr.ir. J.H. Baggen Begeleider externe afdeling TU Delft Faculteit Techniek, Bestuur en Management Afdeling Infrastructures, Systems and Services Ir. P.B.L. Wiggenraad Afstudeercoördinator TU Delft Faculteit Civiele Techniek en Geowetenschappen Afdeling Transport en Planning Datum: Versie: 08/01/2014 Definitief 1.0 ii

5 Voorwoord Voor u ligt het afstudeerrapport waarmee ik de laatste fase van mijn studie Civiele Techniek aan de TU Delft heb afgerond. Dit rapport is het eindresultaat van mijn afstudeerstage bij adviesbureau Arane Adviseurs in Verkeer en Vervoer. Via deze weg wil ik een aantal mensen bedanken die me bij het afstudeerproces ontzettend hebben geholpen. Allereerst wil ik Jaap van Kooten en Gerard Martens enorm bedanken voor de kans die ze mij hebben geboden om bij Arane af te studeren. Hun kritische blik en aansporing hebben er toe geleid dat ik boven mezelf ben uitgestegen en super trots kan zijn op het eindresultaat. Ook kamergenoot Koen Adams wil ik heel erg danken voor de gezellige kantooruurtjes en de inbreng van goede ideëen waar ik zelf niet meteen zou zijn opgekomen. Daarnaast wil ik vanuit de TU Delft de nodige mensen hartelijk dank voor hun hulp en steun. Henk Taale wil ik danken voor de dagelijkse begeleiding vanuit de TU. Wanneer ik problemen tegenkwam, kon ik altijd bij hem terecht en hielp hij me weer met beide benen op de grond te komen. Ook Prof. Serge Hoogendoorn, John Baggen en Paul Wiggenraad wil ik hartelijk danken voor de opbouwende kritieken en adviezen. Vervolgens wil ik mijn familie bedanken die me het gehele afstudeerproces door dik en dun gesteund hebben. Mijn grootste dank gaat uit naar Bernette. Ze stond mijn gehele afstuderen altijd voor me klaar. Haar opbeurende woorden hebben me ontzettend geholpen het afstuderen tot een goed einde te brengen. Ik wens u veel kennis en leesplezier toe bij het lezen van mijn afstudeerscriptie. iii

6 iv

7 Samenvatting Steeds vaker worden dynamische verkeersmanagementmaatregelen ingezet om de doorstroming in een verkeersnetwerk te bevorderen en zodoende het fileleed te verminderen. Een maatregel die hierbij het vaakst wordt toegepast, is de inzet van toeritdoseerinstallaties (TDI s). Toeritdosering maakt het namelijk mogelijk een snelweg langer op maximale capaciteit te laten stromen door het opleggen van een relatief kleine vertraging aan instromend verkeer op een toerit. Een trend die zich de laatste jaren heeft voorgedaan is het steeds meer koppelen van afzonderlijke verkeerssystemen waardoor gecoördineerd netwerkbreed verkeersmanagement mogelijk wordt: meerdere verkeerssystemen zoals TDI s, verkeerslichten (VRI s) en dynamische route-informatiepanelen (DRIP s) werken in een dergelijk systeem met elkaar samen om de doorstroming in een verkeersnetwerk zo groot mogelijk te houden. In de praktijkproef Amsterdam (PPA) is ten tijde van dit afstudeeronderzoek geëxperimenteerd met de inzet van zogenaamde TDI-VRI-koppelingen, waarbij de instroom van verkeer vanaf een stroomopwaarts gelegen VRI wordt afgestemd op de verkeersafwikkeling bij een TDI op een toerit. De inzet van de rechtstreeks doserende VRI s (dummy- TDI s) is hierbij niet onderzocht. Daartoe is dit onderzoek een eerste verkenning geweest naar de mogelijkheden om verkeersregelinstallaties (VRI s) zodanig aan te passen dat de toestroom van verkeer richting een snelweg gedoseerd wordt. Uit een uitgebreide literatuurstudie is gebleken dat er tot op heden weinig bekend is over de inzet van zulke doserende VRI s. De initiatieven die er zijn geweest waren er meer uit noodzaak dan dat werkelijk in detail is onderzocht hoe de werking van een dergelijk verkeerssysteem zo goed mogelijk kan functioneren en wat de meerwaarde is ten opzichte van reguliere toeritdosering. Om de kansrijkheid van een dergelijk systeem in beeld te brengen, is een tweetal tests uitgevoerd waarbij is onderzocht hoe twee verschillende doseerstrategiën omgaan met voertuigpelotons, te weten: ALINEA en AD-ALINEA. Beide regelalgoritmes bepalen een zodanige doseerintensiteit dat de dichtheid ter hoogte van een invoeging naar een snelweg rond een streefwaarde blijft. De streefwaarde dichtheid is bij ALINEA een constante waarde, maar wordt bij AD-ALINEA iedere regelstap adaptief bijgesteld afhankelijk van de situatie op de snelweg. Door bij de tests de grootte van voertuigpelotons toe te laten nemen, is in beeld gebracht hoe beide doseerstrategieën omgaan met het toelaten van meerdere voertuigen per groenfase en of aan de regelopgave blijft voldaan. Beide doseeralgoritmes bleken in staat om te gaan met grotere voertuigpelotons. Het AD-ALINEAalgoritme bleek echter te resulteren in een betere prestatie ten opzichte van ALINEA, doordat de streefwaarde dichtheid telkens werd bijgesteld op basis van de verandering in de verkeerssituatie op de snelweg na het doseren met voertuigpelotons. De positieve resultaten uit de tests hebben ertoe geleid, dat een dummy-tdi-algoritme is opgesteld waarbij het AD-ALINEA-algoritme als doseerstrategie is gebruikt. Iedere regelstap bepaald het AD- ALINEA-algoritme de gewenste doseerintensiteit. Deze doseerintensiteit wordt vervolgens door het dummy-tdi-algoritme door meerdere rijrichtingen bij een VRI gerealiseerd. Hiervoor wordt met het dummy-tdi-algoritme iedere regelstap bepaald hoeveel verkeer in de beschikbare buffers moet worden opgeslagen om aan de gevraagde doseerintensiteit te kunnen voldoen. De verdeling van dit bufferverkeer gaat op basis van het uniform vullen van de beschikbare buffers. Door het uitvoeren van meerdere effectevaluaties in een simulatiemodel in VISSIM is de te behalen effectiviteit van een dummy-tdi in beeld gebracht. Zowel lokaal geregelde als gecoördineerde dummy-tdi s zijn hierbij vergeleken met een nulvariant (waarbij niet gedoseerd wordt) en een reguliere TDI. Daarnaast is een gevoeligheidsanalyse uitgevoerd naar de invloed die de ingestelde v

8 streefwaarde dichtheid in het AD-ALINEA-algoritme heeft op de prestatie van de dummy-tdi. Hierbij zijn drie waardes voor de schalingsparamater γ (die de adaptief bijgestelde kritische dichtheid naar de streefwaarde dichtheid omzet) gesimuleerd, te weten: 0,9, 0,8 en 0,7. Het kiezen van een streefwaarde dichtheid die 20% lager werd gekozen dan de kritische dichtheid (γ = 0,8), bleek te resulteren in een verbeterde prestatie ten opzichte van de overige waardes. Het onderzoek heeft aangetoond dat het met een dummy-tdi mogelijk is om een capaciteitsval op een snelweg uit te stellen en in sommige gevallen zelfs helemaal te voorkomen waardoor de netwerkprestatie in totale doorgebrachte tijd (TTS) ten opzichte van een situatie waarin niet wordt gedoseerd verbeterd met 11,7%. Echter, de te behalen effectiviteit van een dummy-tdi is minder dan van een reguliere TDI: 10,8% bij lokaal regelen en 11,7% bij gecoördineerde inzet. Het is gebleken dat de opbouw van de wachtrijen als gevolg van het doseren met meerdere rijrichtingen de nodige aandacht verdient. De beschikbare bufferruimtes stromen bij een dummy-tdi namelijk veel sneller vol dan bij reguliere toeritdosering. De inschakeling van wachtrijmanagement (om te voorkomen dat de gecreëerde wachtrij terugslaat naar het onderliggend wegennet en daar blokkades veroorzaakt) beïnvloedt in dit geval de werking van een dummy-tdi enorm. Bij het wachtrijmanagement in dit onderzoek wordt ervoor gezorgd dat de wachtrij verminderd door het instellen van een maximale groentijd op de doseerrichting. De resulterende toestroom van voertuigpelotons zorgt ervoor dat de kans op congestie fors toeneemt. Geconcludeerd kan worden dat de implementatie van doserende VRI s voordelen kan bieden bij het verbeteren van de doorstroming in een verkeersnetwerk, maar dat niet dezelfde effectiviteit verwacht moet worden in vergelijking met reguliere toeritdosering. Wanneer de beschikbare opstelruimte op een toerit te klein is voor een goed functionerende TDI, zou de inzet van doserende VRI s uitkomst kunnen bieden om alsnog de doorstroming in een verkeersnetwerk te bevorderen. vi

9 Summary Traffic jams are a hot topic nowadays. More and more often dynamic traffic management measures are deployed to increase the traffic flow in a network and decrease the formation of traffic jams. One measure that is currently used often, is a ramp metering installation. This device makes it possible that a freeway flows at maximum capacity longer. This is caused by forced (small) delays, given to inflowing traffic at a ramp. For the last few years, more traffic management systems are coupled. This makes coordinated, network-wide traffic management possible. Multiple devices like ramp metering installations (TDI), traffic lights, and dynamic route information panels (DRIP) work together in a system that takes care of a traffic flow that is as high as possible. In the Field Operation Test Amsterdam ( Praktijk Proef Amsterdam PPA) is experimented with ramp metering installations and traffic light coupling. The inflow of traffic from an upstream traffic light is tuned to the traffic flow at a ramp with a ramp metering installation. The use of directly metering with traffic lights ( dummy-tdi ) has not been part of the PPA. This research has been a first exploring investigation to search after the possibilities of adapting traffic lights in such way that the inflow of traffic to a freeway can be regulated. From studies from literature it was found out that there is little knowledge about such regulating traffic lights so far. The first initiatives originate from necessity; it was not properly investigated how these systems can function best. To visualize the chances of success, two tests were done. These tests investigated how two different ramp metering strategies deal with platoons. The used strategies are ALINEA and AD-ALINEA. The control task is that the density at a control point (target density) needs to be less than the critical density, to prevent a capacity drop at the freeway. The target density is a constant value in ALINEA. In AD-ALINEA every control period this value is adapted, dependent on the situation at the freeway. In the tests the size of the platoons was increased, to visualize how both metering strategies deal with admission of multiple vehicles per green phase. Also fulfilling the control task was tested. Both strategies proved to be able to deal with larger platoons. The AD-ALINEA algorithm resulted in a better performance with respect to ALINEA. This is caused by adapting the target density based on the changes in the traffic conditions at the freeway. The positive results from the tests led to the development of a dummy-tdi algorithm. Hereby the AD-ALINEA algorithm is used as metering strategy. Every control period, the AD-ALINEA algorithm determines the desired metering intensity. This desired metering intensity is then realized in different travel directions. To meet this desired metering intensity, the dummy-tdi algorithm determines the amount of traffic that needs to be buffered. The distribution of the buffered traffic is based on filling the available buffers evenly. To visualize the effectiveness of a dummy-tdi, multiple effect evaluations have been executed in a simulation model in VISSIM. Both local controlled and coordinated dummy-tdi s are compared with a null reference (no ramp metering) and a regular TDI. Also a sensitivity analysis was done to determine the influence the set target value in the AD-ALINEA algorithm has on the performance of the dummy-tdi. Three values for the scaling parameter γ were simulated. γ is a parameter to convert the adjusted critical density to a target density. The three values simulated were 0.9, 0.8 and 0.7. Choosing γ = 0.8 resulted into an improved performance, in comparison with the other two values. γ = 0.8 means that the target density was chosen 20% lower than the critical density. This research showed that it is possible to delay the capacity drop at a freeway. In some cases the capacity drop even could be prevented. This increases the network performance, in terms of total vii

10 time spent (TTS) with respect to a situation without metering. The increase of network performance is 11.7%. However, the achievable effectiveness of a dummy-tdi is less than that of a regular TDI: 10.8 % at local control and 11.7% at coordinated control. The results proved that the formation of queues as a result of metering with multiple directions needs attention. The available buffer spaces fill up faster with a dummy-tdi than with a regular TDI. The integration of queue management (to prevent the created queue from flowing to the urban arterial and forming blocks there) influences the functioning of a dummy-tdi enormously. With queue management, the buffer space will empty. This is caused by setting the maximum green time at the metering direction. The resulting inflow of vehicle platoons leads to increasing chances of congestion. It can be concluded that the implementation of metering traffic lights can offer advantages to improve the traffic flow in a network. However, it is not to be expected that the same effectiveness is achieved in comparison with regular metering installations. When the available buffer space is too small for a well-functioning TDI, metering traffic lights could be a promising solution to still improve the traffic flow in a network. viii

11 Inhoudsopgave Voorwoord... iii Samenvatting... v Summary... vii Inhoudsopgave... ix 1. Inleiding Aanleiding onderzoek en probleemstelling Doelstelling Onderzoeksvragen en hypotheses Onderzoeksmethodiek Uitgangspunten onderzoek Leeswijzer Theoretische achtergronden toeritdosering Inleiding Kenmerken en werking toeritdosering Situaties waarin toeritdosering niet (optimaal) werkt Verdere aandachtspunten bij toeritdosering Conclusies Introductie dummy-tdi Inleiding Dummy-TDI s in de praktijk Analogieën met andere verkeerskundige maatregelen Kennismaking met PPA-aanpak Conclusies Onderzoek naar kans van slagen dummy-tdi Inleiding Gebruikte simulatieomgeving Theoretische onderbouwing uitkomst tests Test 1: Invloed pelotons op werking ALINEA-algoritme Test 2: Mogelijkheden van AD-ALINEA om te corrigeren voor pelotonvorming Conclusies Algoritme voor dummy-tdi Inleiding ix

12 5.2. Vergelijking dummy-tdi met PPA-aanpak Werking dummy-tdi-algoritme Onderbouwing gemaakte keuzes bij uitwerking dummy-tdi Aandachtspunten dummy-tdi Simulatieomgeving en -opzet Inleiding Modelkeuze Simulatienetwerk Effectevaluaties en simulatievarianten Beoordelingsindicatoren Belastingpatronen Ingeregelde parameters TDI en dummy-tdi Random seeds en aantal simulatieruns per variant Resultaten en beoordeling Inleiding Resultaten effectevaluatie meer opstelruimte bij doseren Resultaten effectevaluatie dummy-tdi op lokaal niveau Resultaten gevoeligheidsanalyse dummy-tdi Resultaten effectevaluatie dummy-tdi op trajectniveau Beoordeling te behalen effecten en meerwaarde dummy TDI Conclusies en aanbevelingen Conclusies Aanbevelingen Referenties Bijlagen Bijlage I: Modelbouw I.1. Modellering en grootte capaciteitsval in studienetwerk I.2. Belastingpatronen in VISSIM Bijlage II: Ontwikkeling dummy-tdi II.1. Uitgebreide werking dummy-tdi-algoritme II.2. Verantwoording ingeregelde parameters bij TDI en dummy-tdi in uitgevoerde effectevaluaties II.3. Matlab-code dummy-tdi Bijlage III: Extra resultaten uit simulaties x

13 III.1. Resultaten onderzoek naar toepassingsmogelijkheid dummy-tdi III.2. Resultaten effectevaluatie meer opstelruimte met belastingpatroon III.3. Resultaten effectevaluatie dummy-tdi op lokaal niveau met belastingpatroon xi

14 0

15 1. Inleiding 1.1. Aanleiding onderzoek en probleemstelling Fileproblematiek is sinds jaar en dag een hot topic, waarbij iedere weggebruiker zijn mening klaar heeft over wat de beste oplossing hiervoor is. Het vinden van dé oplossing voor het fileprobleem is helaas minder eenvoudig gebleken dan het gros van deze mensen denkt. De laatste jaren zijn op dit gebied talloze onderzoeken uitgevoerd, resulterend in een scala aan maatregelen die genomen kunnen worden om het optreden en de ernst van congestie te verminderen. Een van de bevindingen is dat het effectiever is de beschikbare capaciteit in een netwerk optimaal te benutten dan de capaciteit te verhogen door de aanleg van nieuwe wegen, zowel uit kostenoverwegingen als de omgang met de steeds schaarser wordende openbare ruimte [1]. Daartoe worden steeds vaker dynamische verkeersmanagementmaatregelen (DVM-maatregelen) ingezet. Afhankelijk van de verkeerssituatie worden dan verkeerskundige maatregelen genomen om een gewenste situatie te kunnen blijven garanderen. Zo kunnen bijvoorbeeld routegeleidingen met DRIP s (Dynamische routeinformatiepanelen) worden ingezet, of het instellen van variabele snelheidslimieten met matrixborden. Een maatregel die echter het meest efficiënt is gebleken in het verminderen van vertraging in een netwerk is toeritdosering [2, 3]. Toeritdosering maakt het namelijk mogelijk een snelweg langer op maximale capaciteit te laten stromen door het opleggen van een relatief kleine vertraging aan instromend verkeer op een toerit [2]. Deze vertraging wordt hierbij aan het verkeer opgelegd door het toelaten van (in de meeste gevallen) één voertuig per cyclus. In Figuur 1 is een reguliere TDI afgebeeld zoals deze in Nederland voorkomen. Figuur 1: Reguliere toeritdoseerinstallatie in Nederland met één voertuig per cyclus doseerstrategie [23] Een trend die zich de laatste jaren heeft voorgedaan is het in coördinatie inzetten van maatregelen. Bij het afzonderlijk (lokaal) regelen met verkeerskundige maatregelen bestaat namelijk de kans dat door het oplossen van een bepaald probleem, elders in het netwerk een probleem ontstaat. Daarnaast bestaat de mogelijkheid dat de te behalen effecten van lokale maatregelen worden vergroot door de maatregelen met elkaar te laten samenwerken [4]. 1

16 Naast de inzet van coördinerende maatregelen, dringt steeds vaker bij diverse instanties en wegbeheerders het besef door dat het optreden van congestie het beste integraal aangepakt kan worden. Hierbij wordt geprobeerd het onderliggende wegennet (OWN) nauw te betrekken bij het ontwerpen en inzetten van nieuwe innovatieve verkeersmanagementmaatregelen. Dit is het zogeheten Gecoördineerd Netwerkbreed Verkeersmanagement (GNV). Door de inzet van GNV wordt getracht de totale beschikbare ruimte in het netwerk optimaal te benutten, om op deze manier de doorstroming in het netwerk op peil te houden. Ten tijde van dit afstudeeronderzoek is in het kader van de PraktijkProef Amsterdam (PPA) de GNVaanpak uitgewerkt voor de A10West en de S102 in Amsterdam. In deze proef wordt in beeld gebracht wat de te behalen effecten zijn wanneer de ruimte in het netwerk van Amsterdam zo efficiënt mogelijk wordt benut. Hierbij staan vier zogenaamde Gouden Regels centraal [5]: Regel 1: Regel 2: Regel 3: Regel 4: De capaciteitsval moet zoveel mogelijk voorkomen of uitgesteld worden door anticiperend te regelen bij dreigende congestie. Door het voorkomen van blokkades en terugslag bij kruispunten en aansluitingen worden verkeersstromen in het netwerk niet onnodig gehinderd. De ruimte in een netwerk moet gegeven de actuele verkeerssituatie optimaal benut worden door de dynamiek en de kracht van regelen hieraan aan te passen. De beleidsruimte in het netwerk moet optimaal gebruikt worden om de duur van de voorgaande effecten te verlengen door eerst lokaal te regelen, dan op trajectniveau en vervolgens op deelnetwerkniveau. Regel 1 tot en met 3 spreken voor zich, maar regel 4 behoeft extra uitleg. Bij deze regel wordt geprobeerd een optimale verdeling van het verkeer over het beschikbaar wegennet te realiseren. Hierbij wordt geprobeerd het netwerk op een zodanige manier in te zetten dat alle ruimte die beschikbaar is en gebruikt mag worden, zo efficiënt mogelijk wordt benut. Hierbij speelt de gedachte van het doseren en bufferen van verkeer op plaatsen met de grootste effectiviteit: eerst op kleine schaal, mocht dit niet toereikend zijn om de problemen te verhelpen overschakelen naar een hoger schaalniveau. Dit brengt ons tot een onderscheidende eigenschap van het regelen bij de GNV-aanpak, namelijk haar gelaagde opbouw. Op lokaal niveau, trajectniveau en deelnetwerkniveau worden maatregelen in samenhang ingezet, die er gezamenlijk toe leiden dat het verkeersbeeld in het netwerk de gewenste toestand blijft behouden of zo snel mogelijk daarin terugkeert. De maatregelen die in de PPA worden ingezet zijn onder andere toeritdoseerinstallaties (TDI s), verkeersregelinstallaties (VRI s) en VRI s die gekoppeld zijn aan TDI s zodat de instroom richting een TDI wordt afgestemd op de capaciteit van de TDI. Dit laatste wordt gerealiseerd door de zogeheten supervisor T1 light (ST1L). Een mogelijke maatregel die niet in de PPA wordt onderzocht is het rechtstreeks inzetten van een VRI om de toestroom naar het hoofdwegennet (HWN) te doseren om zodoende een capaciteitsval op het HWN te voorkomen of uit te stellen. Op aansluitingen waar onvoldoende ruimte aanwezig is voor het plaatsen van een TDI op de toerit zou het met deze laatste maatregel alsnog mogelijk kunnen zijn om de toestroom naar het HWN te doseren. Daarnaast zijn de implementatiekosten een niet te verwaarlozen factor. Wanneer het mogelijk is om een bestaande verkeerslichtenregeling te updaten met software en de benodigde extra monitoring om zodoende een systeem op touw te zetten waarmee effectief gedoseerd kan worden, zullen de kosten veel lager uitpakken dan wanneer een geheel nieuwe toeritdoseerinstallatie moet worden geïnstalleerd. Wanneer de te behalen effectiviteit van een doserende VRI groot is, zou daartoe uit kostenoverwegingen eerder een doserende VRI dan een doserende TDI toegepast kunnen worden. 2

17 Samengevat kan voorgaande probleemschets worden verwoord in onderstaande probleemstelling: In huidig onderzoek is weinig bekend over de effecten en meerwaarde die te behalen zijn wanneer VRI s worden gebruikt om de toestroom naar het HWN te doseren en de mogelijkheden om met een doserende VRI hetzelfde te bereiken als met een TDI Doelstelling Het doel van dit afstudeeronderzoek is een nieuw regelalgoritme op zowel lokaal niveau (afzonderlijk geregelde aansluitingen) als trajectniveau (coördinatie tussen meerdere opeenvolgende aansluitingen) om reguliere verkeersregelinstallaties (VRI s) te voorzien van de functie om de toestroom van verkeer richting een snelweg te doseren om hiermee de capaciteitsval op de snelweg te voorkomen of uit te stellen. In samenhang hiermee wordt in beeld gebracht welke effecten en meerwaarde deze nieuwe maatregel oplevert ten opzichte van twee varianten, te weten: 1. een nulsituatie waarbij geen doseermaatregelen worden ingezet; 2. de inzet van reguliere toeritdosering. Kortgezegd kan het doel als volgt worden samengevat: Een regelalgoritme om een VRI te voorzien van een doseerfunctie, waarbij de te behalen effecten en meerwaarde in beeld worden gebracht door een effectevaluatie. Dit doel resulteert in een viertal subdoelen die tezamen leiden tot het behalen van de doelstelling en de leidraad vormen voor dit onderzoek:: Subdoel 1: Subdoel 2: Subdoel 3: Subdoel 4: Ontwikkelen van een regelalgoritme om een VRI in te zetten als doserende maatregel. Effect en meerwaarde van doserende VRI s ten opzichte van reguliere TDI in beeld brengen. Effect en meerwaarde van coördinatie van doserende VRI s ten opzichte van gecoördineerde TDI s in beeld brengen. Aanbevelingen doen over het gebruik van doserende VRI s in (gecoördineerde) regelsystemen. In het vervolg wordt het algoritme waarmee een VRI een doseerfunctie krijgt, aangeduid met dummy-tdi Onderzoeksvragen en hypotheses Om de doelstelling van dit onderzoek te behalen, zijn een drietal onderzoeksvragen opgesteld welke beantwoord zullen gaan worden in dit onderzoek. De onderzoeksvragen volgen direct uit de doelstelling, waardoor met het beantwoorden van de onderzoeksvragen aan de doelstelling zal worden voldaan. Daarnaast zijn bij iedere onderzoeksvraag de verwachte uitkomsten opgesteld. De resulterende hypotheses zijn hieronder per onderzoeksvraag weergegeven. 3

18 Onderzoeksvraag 1 Welke meerwaarde heeft het vergroten van de opstelruimte bij toeritdosering? Hypothese 1 Wanneer meer opstelruimte beschikbaar is, kan bij het doseren meer verkeer gebufferd worden. Dit zorgt ervoor dat een doseermaatregel een langere tijd actief kan zijn, waardoor een mogelijke capaciteitsval op het HWN langer uitgesteld kan worden. Het langer uitstellen van een dergelijke capaciteitsval resulteert (wanneer het gehele netwerk wordt beschouwd) in minder vertraging. Onderzoeksvraag 2 Is de effectiviteit van een dummy-tdi gelijk aan een reguliere toeritdoseerinstallatie? Hypothese 2 De te behalen effectiviteit van een dummy-tdi zal lager zijn dan welke behaald kan worden met reguliere toeritdosering. Nadelen dummy-tdi: - Doordat bij een dummy-tdi meerdere groenfases geregeld moeten worden, is het moeilijk om spreidend te doseren. De resulterende pelotonvorming zorgt voor een verslechterd invoegproces, waardoor eerder congestie optreedt. - Doordat op meerdere richtingen gedoseerd wordt, zullen de buffers bij gelijke bufferruimte bij een TDI en dummy-tdi eerder volledig gebruikt zijn. Wel zal de netwerkprestatie van de dummy-tdi in vergelijking met een nulsituatie waarin niet wordt gedoseerd beter zijn, doordat de toestroom van verkeer beter kan worden afgestemd op de heersende situatie op het HWN. Onderzoeksvraag 3 Is de te bereiken effectiviteit van een dummy-tdi, wanneer deze in coördinatie wordt ingezet, gelijk aan reguliere gecoördineerde toeritdoseerinstallaties? Hypothese 3 Door coördinatie is het mogelijk om zowel met een dummy-tdi als een TDI, capaciteitsval langer uit te stellen, doordat extra opstelruimte beschikbaar komt wanneer deze benodigd is. Gecoördineerde dummy-tdi s zullen echter minder goed werken dan gecoördineerde TDI s, doordat niet adequaat genoeg op de situatie op het HWN gereageerd kan worden Bijdrage van het onderzoek Zowel op wetenschappelijk niveau als in praktische zin kan dit onderzoek een bijdrage leveren aan de huidige kennis die op het gebied van doserende VRI s is opgedaan. Hieronder zijn deze bijdragen achtereenvolgens toegelicht. Wetenschappelijke bijdrage: Het grensvlak tussen HWN en OWN is in hedendaags onderzoek een onderbelicht onderwerp gebleken. Er zijn talloze studies uitgevoerd naar het verbeteren van de doorstroming op het HWN en het OWN afzonderlijk. Het aan elkaar koppelen van deze twee werelden levert voor beide mogelijk veel winst op doordat optimaal gebruik gemaakt kan worden van de beschikbare ruimte in een netwerk. De wetenschappelijke bijdrage van dit afstudeeronderzoek ligt dan ook in het nieuwe algoritme om het OWN te koppelen aan het HWN door de inzet van doserende VRI s. Er wordt onderzocht of het mogelijk is om bij gebrek aan ruimte op een toerit een VRI in te zetten als doserende eenheid. Hierbij 4

19 wordt een VRI bij de aansluiting op het OWN gebruikt. Het doseren met de VRI om een capaciteitsval op het HWN te voorkomen zal hierdoor een rechtstreeks effect hebben op de doorstroming op het OWN. Praktische bijdrage: Doordat een dergelijk onderzoek naar de inzet van zelfstandige VRI s als doserende eenheid niet eerder is uitgevoerd (zie ook Paragraaf 3.2 voor een beschrijving van de ervaringen met doserende VRI s), kunnen de uitkomsten uit dit onderzoek worden gebruikt als input voor andere projecten waarbij nieuwe dynamische verkeersmanagementmaatregelen worden getest om toe te passen in een praktijksituatie. Dit onderzoek kan bijvoorbeeld geplaatst worden in het verlengde van het uitgevoerde onderzoek in de praktijkproef Amsterdam. In de PPA zijn bijna 1 alle toeritten voorzien van TDI s, maar is niet onderzocht of VRI s ook uitkomst kunnen bieden, wanneer het om de een of andere reden niet mogelijk is een TDI op de toerit te plaatsen (bijvoorbeeld uit ruimtegebrek op de toerit). Wanneer uit het onderzoek blijkt dat de inzet van doserende VRI s ervoor kan zorgen dat de te behalen effecten in vergelijking met een reguliere TDI kleine verschillen laat zien, is aan te bevelen (onder andere uit kostenoverwegingen) bij toekomstige projecten ook de inzet van dummy-tdi s mee te nemen in het ontwerpproces Onderzoeksmethodiek Voor het vinden van een antwoord op de opgestelde onderzoeksvragen en hiermee de hypotheses aan te nemen of te verwerpen is gebruik gemaakt van een literatuuronderzoek, een verkennend onderzoek en meerdere modelstudies. Met het literatuuronderzoek is allereerst basiskennis opgedaan die nodig is om een nieuwe toeritdoseermaatregel te ontwikkelen. Daarnaast zijn uit de literatuur bestaande ervaringen met dummy-tdi s gehaald en zijn analogieën met andere verkeersmanagementmaatregelen in beeld gebracht, om tot de ontwikkeling van een nieuw dummy-tdi-algoritme over te gaan. Om een eerste indruk te krijgen van de kansrijkheid van een dummy-tdi is een verkennend onderzoek uitgevoerd, waarin is onderzocht hoe het gekozen doseeralgoritme (ALINEA/AD-ALINEA) reageert op het toelaten van meerdere voertuigen per groenfase. Het algoritme welke de beste resultaten toont, wordt hierbij gekozen om het daadwerkelijke dummy-tdi-algoritme te ontwikkelen. Er is gekozen voor het uitvoeren van een modelstudie, omdat op die manier de te behalen effecten in beeld kunnen worden gebracht zonder de regeling daadwerkelijk op straat te zetten en hiermee het verkeer mogelijk te verstoren. Daarnaast kan in een modelomgeving voor verschillende varianten steeds dezelfde verkeersbelasting gegenereerd worden. Hierdoor is een significante vergelijking mogelijk tussen verschillende te onderzoeken varianten. Voor de modelstudie is gebruikt gemaakt van de modelomgeving die ook in de PPA is gebruikt bij de het testen van de nieuwe monitoring- en regeleenheden welke in het kader van de praktijkproef zijn ontwikkeld. Hier is voor gekozen om zodoende de beschikbare tijd voor dit onderzoek zoveel mogelijk te kunnen besteden aan de daadwerkelijke ontwikkeling van een nieuw dummy-tdialgoritme en niet aan het ontwerpen en kalibreren van een bruikbaar simulatiemodel. Het gebruikte model maakt gebruik van een netwerk in het microsimulatiemodel VISSIM, waarbij de verschillende regel- en monitoringeenheden vanuit Matlab worden aangeroepen. Voor een verantwoording waarom VISSIM voor dit onderzoek een geschikt simulatiemodel is, wordt verwezen naar Paragraaf 1 De eerste fase van de PPA heeft als studiegebied de A10-west. Alle aansluitingen van de A10-west binnenring zijn voorzien van een TDI, op de buitenring is dit niet op alle aansluitingen het geval. 5

20 6.2. In Paragraaf 6.3 staat daarnaast de exacte opbouw en werking van het model beschreven, waarbij de koppelingen tussen de verschillende modelcomponenten in beeld zijn gebracht Uitgangspunten onderzoek De beschikbare tijd voor dit afstudeeronderzoek is niet voldoende om alle facetten behorend bij een nieuw ontwikkeld algoritme te onderzoeken. Daartoe wordt in deze paragraaf aangegeven welke uitgangspunten in dit onderzoek zijn gehanteerd om het onderzoek af te bakenen. Door deze afbakening kunnen bepaalde aspecten in meer detail worden onderzocht. Het grondig onderzoeken van enkele aspecten is hierbij belangrijker bevonden dan een globaal beeld te krijgen van de werking van het ontwikkeld algoritme Verschillende schaalniveaus Om het onderzoek af te kaderen wordt op twee verschillende schaalniveaus een modelstudie uitgevoerd naar de effecten en meerwaarde van het nieuw ontwikkelde dummy-tdi-algoritme, te weten: - Lokaal niveau - Trajectniveau Figuur 2 geeft een schematische weergave van deze twee schaalniveaus geprojecteerd op een snelweg (HWN) met drie aansluitingen vanaf regionale verbindingswegen (OWN). Deze verschillende schaalniveaus zullen in het navolgende nader worden toegelicht. Figuur 2: Schematische weergave twee schaalniveaus Lokaal niveau 6

21 Lokaal niveau heeft betrekking op de inzet van lokale doseerstrategieën. Lokale strategieën maken enkel gebruik van metingen in de nabijheid van de toerit waarop ze zich bevinden om zo de meest geschikte doseerintensiteit te bepalen waarmee congestie op de snelweg kan worden voorkomen. Na een regelperiode T (meestal tussen 20 en 60 seconden [6]) wordt aan de hand van de metingen opnieuw de doseerintensiteit bepaald om zodoende de toestand overeen te laten komen met een vooraf gespecificeerde wenssituatie op de snelweg. Dit kan bijvoorbeeld het benaderen van een streefwaarde voor de dichtheid stroomafwaarts van de invoegstrook zijn. Op lokaal niveau worden in dit onderzoek de doseermaatregelen op twee aansluitingen naar een snelweg geheel afzonderlijk van elkaar ingezet. Dit wil zeggen dat bij het bepalen van de doseerintensiteit die door de maatregel moeten worden gerealiseerd alleen gebruik wordt gemaakt van metingen in de nabijheid van de geregelde aansluiting. In het onderzoek zijn twee soorten lokale doseermaatregelen meegenomen, te weten: 1. Doseren met een TDI; 2. Doseren met een dummy-tdi. Figuur 3: Detail schematische weergave lokaal niveau Trajectniveau Met trajectniveau wordt de inzet van gecoördineerde doseerstrategieën aangeduid. Gecoördineerde strategieën gaan uit van meerdere geschakelde toeritten waarbij gebruik wordt gemaakt van alle beschikbare metingen. Door het in samenhang inzetten van verschillende opeenvolgende toeritten kan efficiënter van het beschikbare netwerk gebruik worden gemaakt. Lokaal geregelde toeritdoseringen hebben bijvoorbeeld bijna geen invloed wanneer congestie vanaf een stroomafwaarts gelegen bottleneck terugslaat richting de toerit. Met behulp van coördinatie is dit wel mogelijk doordat een stroomopwaarts gelegen TDI in dit geval informatie van een stroomafwaarts gelegen TDI kan gebruiken om te bepalen welke doseerintensiteit toegelaten moet worden. In dit onderzoek worden op trajectniveau twee opeenvolgende lokaal geregelde aansluitingen op een snelweg gecoördineerd ingezet om de toestroom richting een kiem op het HWN te doseren. Indien nodig wordt hierbij een stroomopwaarts gelegen toerit bijgeschakeld om de stroomafwaarts gelegen toerit te ondersteunen bij zijn doseertaak. Op trajectniveau wordt een tweedeling gemaakt in de volgende gecoördineerde maatregelen, te weten: 1. Doseren met coördinatie tussen TDI s; 2. Doseren met coördinatie tussen dummy-tdi s. 7

22 Figuur 4: Detail schematische weergave trajectniveau Ingrediënten vanuit PPA Dit onderzoek kan gezien worden als een extra studie naast de PraktijkProef Amsterdam naar de inzet van bufferruimtes (= opstelruimte bedoeld om verkeer in op te slaan (te bufferen) wanneer hier voor het doseren om wordt gevraagd) en VRI s om de netwerkprestatie van een verkeerssysteem te bevorderen. Vanuit GNV zullen ingrediënten en inzichten worden gebruikt bij de ontwikkeling van het dummy-tdi-algoritme. Echter, niet alles vanuit GNV zal worden gebruikt, maar de te ontwikkelen aanpak is een vereenvoudiging van GNV. Uitgangspunten die hierbij zijn gebruikt, worden hierna beschreven. Bij de GNV-aanpak worden vier verkeerssituaties onderscheiden, waarbij elk van deze situaties een andere inzet van maatregelen vereist. In dit onderzoek zal één van deze vier verkeerssituaties uitgewerkt worden. Hier is voor gekozen omdat voor elk van de verkeerssituaties een ander algoritme nodig is en het uitwerken van de bijbehorende regelalgoritmes arbeidsintensief is. Voor het aantonen van de effectiviteit van het ontwikkelde regelalgoritme, is aangenomen dat de uitwerking van één verkeerssituatie voor een verkennend onderzoek voldoende is. De verkeerssituatie die als uitgangspunt is genomen voor dit onderzoek is als volgt: Er ontstaat een kiem 2 op het HWN stroomafwaarts van een toerit vanaf het OWN. In Figuur 5 is deze verkeerssituatie schematisch weergegeven. Figuur 5: Te beschouwen verkeerssituatie in onderzoek: kiem stroomafwaarts van toerit Er wordt in dit onderzoek geen gebruik gemaakt van meerdere functioneringsniveaus. In de PPA worden functioneringsniveaus gebruikt om bij een bepaalde verkeerssituatie een keuze te maken voor de hoeveelheid bufferruimte die mag worden benut bij de inzet van een maatregel. In dit onderzoek wordt uitgegaan van één configuratie voor de opstelruimte. Wel wordt een beperkte evaluatiestudie uitgevoerd naar de invloed van het ter beschikking komen van extra opstelruimte bij reguliere toeritdosering. 2 Kiem: de locatie in het netwerk waar filevorming aanvangt 8

23 1.6. Leeswijzer De introductie op het onderwerp, waarbij ook het hoofddoel en de bijbehorende onderzoeksvragen naar voren zijn gekomen, is reeds gegeven in hoofdstuk 1. Ook de gebruikte onderzoeksmethodiek is in dit hoofdstuk beschreven. Hoofdstuk 2 beschrijft een literatuurstudie, die gebruikt is om kennis te vergaren die relevant is voor et ontwikkelen van het nieuwe regelalgoritme voor een dummy-tdi. Ook wordt in dit hoofdstuk een keuze gemaakt voor de doseerstrategie die als benchmark voor reguliere toeritdosering gebruikt gaat worden. Vervolgens wordt in hoofdstuk 3 de dummy-tdi geïntroduceerd. Allereerst worden ervaringen met dummy-tdi s uit het verleden in beeld gebracht en overeenkomsten met andere verkeerskundige maatregelen beschreven. Daarna wordt de aanpak die wordt gehanteerd in de PPA geïntroduceerd. Deze aanpak wordt in dit onderzoek als basis genomen bij de ontwikkeling van het dummy-tdialgoritme, waardoor voor de niet-ingewijde lezer bepaalde concepten uit deze proef nader toegelicht worden. Hierna volgt een beschrijving van het vooronderzoek dat in het kader van deze thesis is uitgevoerd om de kansrijkheid van een dummy-tdi aan te tonen. De belangrijkste conclusies worden tot slot kort samengevat. Voordat daadwerkelijk aan de ontwikkeling van het dummy-tdi-algoritme wordt begonnen, wordt in Hoofdstuk 4 een verkennend onderzoek uitgevoerd naar de kansrijkheid van een dummy-tdi bij het uitstellen en/of voorkomen van een capaciteitsval op het HWN. Hierbij worden in een testnetwerk een tweetal tests uitgevoerd om te achterhalen of het überhaupt mogelijk is om met het toelaten van meerdere voertuigen per groenfase mogelijk is om de prestatie in een netwerk te verbeteren. Hoofdstuk 5 geeft een beschrijving van het ontwikkelde dummy-tdi-algoritme. Daarnaast worden de gemaakte keuzes bij de ontwikkeling verantwoord en worden aandachtspunten opgesomd waaraan moet worden voldaan voor een goed functionerend dummy-tdi-algoritme. Nadat in hoofdstuk 5 het dummy-tdi-algoritme is beschreven, wordt in hoofdstuk 6 ingegaan op de simulatieomgeving die wordt gebruikt om de in hoofdstuk 1 opgestelde onderzoeksvragen te beantwoorden. Als eerste volgt een beschrijving hoe tot de keus van het gebruikte simulatiemodel is gekomen. Vervolgens wordt de opbouw van het simulatienetwerk geïntroduceerd, waarna de gebruikte varianten volgen die vergeleken worden voor het aantonen van de te behalen effecten en meerwaarde. Hierna worden de indicatoren waarop de simulatievarianten met elkaar vergeleken gaan worden weergegeven, vervolgens de belastingpatronen waarmee alle varianten worden gesimuleerd, daarna volgt een overzicht van de ingestelde configureerbare parameters bij de verschillende varianten, om te eindigen met de beschrijving van het aantal simulatieruns dat is uitgevoerd om significante data uit de modelstudie te krijgen. Vervolgens geeft hoofdstuk 7 de resultaten behorend bij de effectevaluaties van de verschillende simulatievarianten. Daarnaast worden de varianten met elkaar vergeleken om de meerwaarde van de ontwikkelde dummy-tdi aan te tonen. Tenslotte worden in hoofdstuk 8 de belangrijkste conclusies uit dit onderzoek opgesomd en worden de onderzoeksvragen beantwoord. Daarnaast worden aanbevelingen gedaan hoe het ontwikkelde regelalgoritme in de praktijk kan worden toegepast en worden de punten beschreven die verbeterd kunnen worden of die nader onderzocht moeten worden. 9

24 10

25 2. Theoretische achtergronden toeritdosering 2.1. Inleiding Dit hoofdstuk bevat theoretische achtergrondinformatie over toeritdosering die nodig is om een nieuw doseeralgoritme te kunnen ontwikkelen. Allereerst wordt in paragraaf 2.2. uitgelegd waarom toeritdosering nu eigenlijk werkt. Hierna volgt een opsomming van situaties waarin toeritdosering geen uitkomst kan bieden, om te eindigen met aandachtspunten waar bij toeritdosering extra op gelet moet worden voor een goed functionerende doseeermaatregel Kenmerken en werking toeritdosering Toeritdosering is een van de meest toegepaste verkeersmanagementmaatregelen om een verkeerssysteem te sturen richting een gewenste toestand [7]. In deze paragraaf wordt in het kort beschreven hoe en waarom het met toeritdosering mogelijk is om de doorstroming in een verkeerssysteem te bevorderen. Daarnaast worden ook situaties benoemd waarbij toeritdosering geen uitkomst kan bieden, om te eindigen met punten waarop gelet moet worden bij de toepassing van toeritdosering Beperking instroom Er zijn verschillende oorzaken bekend voor het ontstaan van congestie op een autosnelweg. Een van deze oorzaken is een te grote toestroom van verkeer vanaf een toerit richting de autosnelweg, waardoor de capaciteit van de snelweg overschreden wordt. Wanneer de intensiteit vanaf de toerit in combinatie met de intensiteit op de autosnelweg groter wordt dan de capaciteit van de snelweg stroomafwaarts van de toerit, ontstaat namelijk over het algemeen binnen enkele honderden meters vanaf het einde van de invoegstrook congestie [4]. Door het reguleren van de instroom vanaf de toerit kan ervoor gezorgd worden dat de intensiteit op de snelweg kleiner blijft dan de capaciteit. Op deze manier kan voorkomen worden dat daadwerkelijk congestie ontstaat. Toeritdosering wordt gebruikt om deze optimale instroom vanaf de toerit richting een autosnelweg te regelen aan de hand van metingen van de verkeerstoestand. Het regelen van de toestroom bij toeritdosering gebeurt door middel van het plaatsen van een verkeerslicht op de toerit richting een autosnelweg. Door de actuele verkeerssituatie op zowel de snelweg als de toerit te gebruiken, wordt bepaald hoe de verkeerslichten moeten worden aangestuurd. Hierbij wordt de cyclustijd van de regeling zodanig ingesteld dat de juiste hoeveelheid verkeer per periode wordt doorgelaten vanaf de toerit [7]. Waarom heeft toeritdosering nu een positief effect op de doorstroming ondanks dat er een wachtrij op de toerit geplaatst wordt? Dit heeft alles te maken met de netwerkprestatie die behaald kan worden wanneer de TDI goed is afgestemd op de heersende verkeerssituatie. Aan de hand van de prestatie van een netwerk kan namelijk de verbetering van de doorstroming worden uitgedrukt ten opzichte van bijvoorbeeld een situatie zonder toeritdosering. Ter verduidelijking nemen we het volgende voorbeeldnetwerk (zie Figuur 6): een snelwegtraject bestaande uit 2 toeritten en 2 afritten. Het netwerk dat beschouwd wordt is in de figuur aangegeven met de blauwe onderbroken lijn. 11

26 In dit netwerk zal de totale instroom (vanaf de snelweg en de twee toeritten, groene pijlen in Figuur 6) over een bepaalde tijdsperiode (bijvoorbeeld een dag) gelijk zijn aan de totale uitstroom (op de snelweg en de twee afritten, rode pijlen in Figuur 6), doordat er binnen het netwerk geen extra verkeer gegenereerd wordt [2]. Als we daarnaast aannemen dat door de invoering van toeritdosering de verkeersvraag in ruimte en tijd hetzelfde blijft ten opzichte van de situatie zonder de inzet van dosering [2], verbetert de doorstroming in het gehele netwerk wanneer de totale benodigde tijd voor het verlaten van het netwerk van alle voertuigen verminderd. Anders geformuleerd, de netwerkprestatie verbetert wanneer verkeer eerder het netwerk kan verlaten, doordat men hierdoor minder vertraging in het netwerk oploopt. Het verbeteren van de doorstroming in een netwerk komt hierdoor neer op het minimaliseren van de totale doorgebrachte tijd in het netwerk (in het vervolg afgekort tot TTS, afgeleid van het Engelse Total Time Spent ) en is hierdoor equivalent aan het maximaliseren van de uitstroom uit het netwerk (zie [2] voor de wiskundige afleiding hiervan). Figuur 6: Schematische weergave netwerk voor berekenen netwerkprestatie toeritdosering (Groene pijlen = instroom van verkeer, rode pijlen = uitstroom van verkeer) Relatie tussen capaciteitsval en toeritdosering Eén van de gouden regels die centraal staat bij gecoördineerd netwerkbreed verkeersmanagement is het zoveel mogelijk voorkomen of uitstellen van een capaciteitsval door het anticiperend inzetten van maatregelen bij dreigende congestie. In deze paragraaf wordt toegelicht wat de capaciteitsval is. Daarnaast beschrijft deze paragraaf waarom de capaciteitsval voorkomen of uitgesteld zou moeten worden. Definitie capaciteitsval De capaciteitsval duidt op het verkeersfenomeen dat de maximale uitstroom uit congestie q con kleiner is dan de maximale uitstroom op deze locaties onder vrije doorstromingsomstandigheden q (zonder congestie) [4]. Uit evaluatiestudies is gebleken dat de uitstroom onder cap congestieomstandigheden tussen de 5 en 20% kleiner kan worden dan de capaciteit van een snelweg onder vrije doorstroming [4]. Het optreden van de capaciteitsval is het beste te illustreren aan de hand van de fundamentele relatie tussen intensiteit (q), snelheid (u) en dichtheid (k) uit de verkeersstroomtheorie [8]. In Figuur 7 staat het fundamenteel diagram afgebeeld waarin de fundamentele relatie tussen dichtheid k [vtg/km] en intensiteit q [vtg/uur] staat weergegeven. 12

27 Figuur 7: fundamenteel diagram (intensiteit q dichtheid k) met capaciteitsval [8] Uit Figuur 7 valt op te maken dat de intensiteit toeneemt wanneer de dichtheid toeneemt, totdat de maximale intensiteit q is bereikt behorend bij de kritische dichtheid k krit onder vrije doorstroming cap waarbij net geen congestie is ontstaan. Wanneer de kritische dichtheid wordt overschreden, gaat de verkeerstoestand over van vrije doorstroming naar congestieomstandigheden, waardoor de intensiteit afneemt bij toenemende dichtheid. Dit komt omdat weggebruikers terug willen keren naar een veilige of een door hen geaccepteerde opvolgtijd ten opzichte van hun voorganger [8]. Dit gaat door totdat er een situatie ontstaat waarbij de dichtheid k f te groot wordt om verkeer door te laten stromen, zodat uiteindelijk de intensiteit nul wordt. De maximale capaciteit die bereikt kan worden wanneer het verkeer vanuit congestieomstandigheden naar vrije doorstroming stroomt, is lager dan onder vrije doorstroming. Deze zogenaamde wachtrij afvoercapaciteit q is als gevolg van de capaciteitsval lager dan de vrije doorstromingscapaciteit q cap. Wanneer congestie optreedt, gaat de capaciteit van een weg naar beneden; ofwel, de situatie gaat van kwaad tot erger. Om de te grote verkeersvraag te kunnen verwerken en daardoor de congestie te voorkomen, is er juist extra capaciteit nodig. Echter wordt de capaciteit als gevolg van het optreden van congestie juist verlaagd en zal de congestie alleen maar blijven toenemen bij gelijkblijvende intensiteiten. Daartoe is het nodig deze capaciteitsval te voorkomen of zo lang mogelijk uit stellen. Wat de exacte oorzaken zijn voor het optreden van capaciteitsval is niet geheel bekend. Dit leidt ertoe dat er in de literatuur verschillende theorieën over capaciteitsval te vinden zijn. Een mogelijke oorzaak zou kunnen zijn dat verkeer dat een flessenhals uitrijdt (de plaats waar de congestie eindigt) een grotere afstand tot zijn of haar voorligger aanhoudt dan onder vrije doorstroming [9]. Aangezien de opvolgtijd tussen voertuigen in direct verband staat met de hoeveelheid voertuigen die per tijdseenheid een bepaalde locatie passeren (intensiteit [vtg/u]), resulteert een grotere opvolgtijd in een lagere realiseerbare intensiteit (capaciteit wordt lager). Een andere mogelijkheid is dat de capaciteitsval wordt veroorzaakt door een groot verschil tussen het acceleratie- en deceleratiegedrag van verschillende bestuurders [8]. Er wordt hier niet verder ingegaan op de onderliggende voertuiggedrag-theorieën die de capaciteitsval verklaren, omdat dit buiten het onderzoek valt. Het is voor nu voldoende om te weten dat een capaciteitsval op kan treden en dat met behulp van toeritdosering dit fenomeen voorkomen kan worden, zodat het verkeerssysteem beter kan functioneren. con 13

28 Voorkomen capaciteitsval met toeritdosering Toeritdosering wordt ingezet om ervoor te zorgen dat een snelweg maximaal presteert door de beschikbare capaciteit optimaal te benutten. Dit wordt gedaan door ervoor te zorgen dat er precies zoveel verkeer per tijdseenheid van de beschikbare weginfrastructuur gebruikt maakt, dat nog net geen congestie ontstaat [4]. Anders geformuleerd wordt toeritdosering ingezet om ervoor te zorgen dat een snelweg onder capaciteitsomstandigheden stroomt waarbij de kritische dichtheid niet wordt overschreden. Om een en ander te verduidelijken wordt uitgegaan van het volgende voorbeeld. Er zijn twee toestanden voor een snelwegtraject met een toerit: een zonder toeritdosering (zie Figuur 8) en een met toeritdosering (zie Figuur 9). Hierbij wordt er vanuit gegaan dat door de inzet van toeritdosering congestie op de snelweg voorkomen kan worden door het plaatsen van een wachtrij op de toerit (zie Figuur 9), waarbij de intensiteit op de snelweg gelijk kan worden gehouden aan de maximale vrije doorstromingscapaciteit ( q ). Wanneer geen toeritdosering wordt toegepast, wordt er vanuit cap gegaan dat er als gevolg van een te grote toestroom vanaf de toerit congestie op de snelweg ontstaat en al het verkeer vanaf de toerit kan invoegen op de snelweg zonder dat een wachtrij op de toerit ontstaat. Als gevolg van de overgang naar een congestiefase op de snelweg waarbij capaciteitsval ( qcap qcon ) optreedt, neemt de uitstroom uit congestie q con af. Gemeld moet worden dat er in dit voorbeeld vanuit wordt gegaan dat door de toepassing van toeritdosering de verkeersvraag in ruimte en tijd gelijk blijft. Figuur 8: Capaciteitsval zonder toeritdosering; gearceerde gebied geeft congestie weer (figuur overgenomen uit [4]) Figuur 9: Capaciteitsval met toeritdosering; gearceerde gebied geeft congestie weer (figuur overgenomen uit [4]) Herinner de definitie van netwerkprestatie: de netwerkprestatie wordt hoger naar mate voertuigen eerder het netwerk kunnen verlaten. Deze definitie duidt erop dat de netwerkprestatie als gevolg van de toepassing van toeritdosering verbetert doordat qcap qcon, ofwel dat een grotere uitstroom gerealiseerd kan worden. Ondanks dat er een wachtrij op de toerit wordt geplaatst wordt de TTS minder, omdat wanneer alle voertuigen worden meegenomen de verliestijd in het netwerk minder wordt. 14

29 De grootte van dit verschil in totale doorgebrachte tijd worden berekend met de volgende formule [2]: qcap qcon Ts 100% q d q in con Ts in het netwerk tussen beide situaties kan Ter verduidelijking wordt het volgende voorbeeld genomen (dit voorbeeld is overgenomen uit [2]). Als gevolg van het optreden van congestie doordat de totale instroom 20% groter is dan de snelwegcapaciteit, ontstaat een capaciteitsval van 10% ( q 0,90 q ). Uit bovenstaande vergelijking volgt nu dat qcap 0,9 qcap Ts 100% 33,3%, wat duidt op een afname van 1, 2 q 0,9 q cap cap de totale doorgebrachte tijd in het netwerk van 33,3% als gevolg van de inzet van toeritdosering ten opzichte van de situatie zonder Relatie tussen fileterugslag en toeritdosering Een andere situatie waarbij toeritdosering uitkomst kan bieden om de netwerkprestatie te verbeteren, heeft betrekking tot het voorkomen van fileterugslag vanaf een toerit naar een stroomopwaarts gelegen afrit. Om een en ander te verduidelijken wordt uitgegaan van twee toestanden op een snelwegtraject met een afrit en een toerit [4]: een zonder toeritdosering (zie Figuur 10) en een met toeritdosering (zie Figuur 11). In deze figuren staat q in voor de stroomopwaartse instroom op de snelweg onder vrije doorstroming, d voor de verkeersvraag op de toerit, r voor de doseerintensiteit, q cap voor de capaciteit van de snelweg, s zt voor de uitstroom op de afrit zonder toeritdosering en s mt voor de uitstroom op de afrit met toeritdosering. In dit voorbeeld wordt uitgegaan van een situatie zonder het optreden van capaciteitsval door het ontstaan van congestie, ofwel q con = q cap. Wanneer ervan wordt uitgegaan dat congestie ontstaat in de situatie zonder toeritdosering waarbij de file terugslaat tot voorbij de afrit, wordt de uitstroom via de afrit kleiner dan in het geval met toeritdosering. Aan de hand van het voorbeeld is dit als volgt te verklaren. Neem een uitstroomfractie vanaf de hoofdstroom op de snelweg richting de afrit van y, waarbij geldt dat 0 y 1. Uit de balans tussen in- en output kan als volgt de volgende relatie tussen de uitstroom op de afrit en de intensiteit op de hoofdrijbaan worden afgeleid in de situatie zonder toeritdosering. q ( q d) s in cap zt s ( q d) (1 y)( q d) y. s cap zt y s ( qcap d) 1 y zt cap zt Doordat congestie niet terugslaat tot voorbij de afrit als gevolg van het creëren van een wachtrij op de toerit, is in de situatie met toeritdosering de uitstroom op de afrit s mt gelijk aan: mt s y q in Omdat geldt dat (1 ) in cap y q d q, omdat anders geen congestie zou zijn ontstaan, volgt uit de vergelijking voor de twee uitstromen s zt en s mt dat de uitstroom op de afrit bij toepassing van toeritdosering groter is dan in de situatie zonder toeritdosering [4]. Ofwel, toeritdosering bevordert de uitstroom en verbetert daarmee de netwerkprestatie door een lagere TTS. Deze prestatie wordt con cap 15

30 nog groter naar mate er een groter percentage verkeer de afrit als bestemming heeft, oftewel y nadert naar 1 [10]. Figuur 10: Fileterugslag zonder toeritdosering; gearceerde gebied geeft congestie weer (figuur overgenomen uit [4]) Figuur 11: Situatie met toeritdosering voor voorkomen fileterugslag; gearceerde gebied geeft congestie weer (figuur overgenomen uit [4]) 2.3. Situaties waarin toeritdosering niet (optimaal) werkt Niet voor alle verkeerssituaties die ontstaan op een snelweg kan toeritdosering uitkomst bieden. Hierna volgt een korte beschrijving van gevallen die niet door middel van de inzet van TDI s kunnen worden voorkomen of verholpen. Vermindering in capaciteit stroomafwaarts van toeritdosering Hiervoor wordt als voorbeeld een snelweg die eindigt in een stedelijke verbindingsweg met een capaciteit die lager is dan de snelweg (bijvoorbeeld door de aanwezigheid van verkeerslichten) genomen. Wanneer de intensiteit vanaf de snelweg groter is dan de capaciteit van de stedelijke weg, zal ter plaatse van de overgang van de snelweg naar de stedelijke weg congestie ontstaan. Als in een dergelijke situatie toeritdosering wordt ingezet, om er voor te zorgen dat de intensiteit op de snelweg stroomafwaarts niet groter wordt dan de capaciteit van de snelweg, zou de indruk kunnen ontstaan dat door het voorkomen of verminderen van deze congestie de netwerkprestatie verbetert. Dit is echter onjuist, omdat de netwerkprestatie afhankelijk is van hoe snel verkeer een netwerk kan verlaten. De uitstroom ter plaatse van de overgang van de snelweg naar de stedelijke verbindingsweg wordt in dit geval niet groter, waardoor de reistijd ook niet minder zal worden. Toepassing van toeritdosering zorgt in zo n situatie zelfs voor een verslechtering van de netwerkprestatie, omdat verkeer dat als gevolg van het doseren vertraging oploopt en zijn bestemming stroomopwaarts van de stedelijke weg heeft, zal zorgen voor een hogere totale reistijd in het netwerk. Fileterugslag vanaf een stroomafwaarts gelegen afrit Wanneer een afrit overbelast raakt, bijvoorbeeld tijdens een spitsperiode, kan de wachtrij terugslaan naar de hoofdrijbaan. Wanneer de toeritten stroomopwaarts zijn uitgerust met toeritdosering zou de indruk kunnen ontstaan dat door het verminderen van de toestroom vanaf deze toeritten de congestie kan worden opgelost. Dit is echter niet zomaar het geval. Verkeer dat vanaf de toeritten de snelweg oprijdt, zal naar alle waarschijnlijkheid niet de eerste afrit als zijn bestemming hebben 16

31 (ervan uitgaande dat een snelweg vooral door langeafstandsverkeer wordt gebruikt). Het tegenhouden van verkeer op de toeritten zal dus bijna geen invloed hebben op de hoeveelheid verkeer dat via de afrit de snelweg wil verlaten. Op de snelweg zal door de toeritdosering het percentage verkeer dat de afrit als bestemming heeft groter worden. Dit zal de uitstroom alleen maar verder laten afnemen en de wachtrij een hogere dichtheid geven. Hierdoor gaan toeritdoseerinstallaties alleen maar strenger doseren, waardoor de situatie alleen maar verslechtert Verdere aandachtspunten bij toeritdosering Naast eerder genoemde feiten over toeritdosering, zijn er nog een aantal extra aandachtspunten waar bij de implementatie van een toeritdoseerinstallie rekening mee gehouden moet worden. Deze worden hierna kort toegelicht. Gebruikersacceptatie Bij de invoering van een verkeersmanagementmaatregel zoals toeritdosering wordt sommige weggebruikers extra vertraging opgelegd om ervoor te zorgen dat het totale netwerk beter functioneert. Dit kan ertoe leiden dat weggebruikers als gevolg hiervan hun route veranderen, om zo te profiteren van of te voorkomen dat ze benadeeld worden door de nieuwe netwerkcondities [2]. Wanneer dit gebeurt, kan de verkeerssituatie in het netwerk echter aanzienlijk veranderen, doordat het op sommige trajecten te druk wordt door een verandering in routekeuzes van weggebruikers. Gelijkheid tussen toeritten Een ander belangrijk punt bij de invoering van toeritdosering is dat de vertraging die wordt opgelegd aan weggebruikers geloofwaardig moet zijn. Dit aspect speelt vooral wanneer meerdere TDI s in coördinatie worden ingezet. Wanneer de vertraging die als gevolg van een langere wachttijd op een bepaalde toerit vele malen groter is dan de vertraging die verkeer krijgt opgelegd ter hoogte van een andere toerit, zal de toeritdosering haar geloofwaardigheid verliezen. Het gevolg kan zijn dat veel weggebruikers gebruik gaan maken van de toerit waar de op te lopen vertraging het kleinst is. Dit heeft vervolgens een negatieve invloed op de werking van beide toeritdoseerinstallaties, omdat de verkeersvraag verandert en de afstelling hierdoor niet meer goed is afgestemd op het heersende verkeersaanbod. Beperkte opstelruimte De wachtrij die ontstaat op een toerit als gevolg van het doseren van verkeer richting een autosnelweg is een belangrijk aandachtspunt tijdens de werking van een TDI. Wanneer deze wachtrij zo lang wordt dat deze terugslaat naar een stroomopwaarts gelegen kruispunt, is er grote kans dat verkeer dat niet de snelweg als bestemming heeft, ook vertraging oploopt [4]. Goed wachtrijmanagement kan er voor zorgen dat dit wordt voorkomen. Hierbij wordt de doseerintensiteit, wanneer de wachtrij een bepaalde grenswaarde overschrijdt, afgestemd op het voorkomen van terugslag van de wachtrij naar het OWN in plaats van op het voorkomen van de capaciteitsval op het HWN. Roodlichtnegatie Toeritdosering is er op ingericht om bij een bepaalde situatie op de snelweg de toestroom vanaf de toerit te regelen. Het door rood licht rijden van voertuigen kan daarom de werking van de TDI verslechteren en is dus een belangrijk punt om rekening mee te houden bij de exploitatie van een TDI. Uit evaluatiestudies [11] is gebleken dat wanneer bestuurders op de toerit bij het doseren daadwerkelijk kunnen zien dat er file staat op de snelweg ongeveer 6% van de bestuurders door rood licht rijdt. Wanneer de relatie tussen het wachten op de toerit als gevolg van het doseren en de situatie op de snelweg niet duidelijk is (verkeer op de snelweg rijdt nog onder vrije doorstroming) 17

32 blijkt dat 15% van de bestuurders het rode licht negeert. Het plaatsen van een roodlichtcamera zorgt ervoor dat nog maar 2 tot 3% van de bestuurders door rood rijdt. Bij het doseren met een VRI kan roodlichtnegatie hierdoor een belangrijk punt worden. Doordat in dit geval het verkeer ter hoogte van het geregeld kruispunt (in de meeste gevallen) de situatie op de snelweg niet zal kunnen aanschouwen, is het voor hen al snel onduidelijk waarom er bij het verkeerslicht gewacht moet worden. Goede informatievoorzieningen, zoals het plaatsen van borden ter hoogte van het kruispunt die aangeven waarom sommige richtingen gedoseerd worden en het plaatsen van roodlichtcamera s, zouden in dit geval uitkomst kunnen bieden Conclusies In dit hoofdstuk is een inleiding gegeven op de facetten die een rol spelen bij toeritdosering. Hierbij is allereerst uitgelegd waarom en hoe toeritdosering werkt. De voornaamste conclusie die hieruit getrokken kan worden, is dat een doseermaatregel ervoor moet zorgen dat de capaciteitsval op een snelweg zo lang mogelijk wordt uitgesteld of voorkomen. Door de capaciteitsval later op te laten treden, wordt de netwerkprestatie hoger, doordat meer voertuigen eerder het netwerk kunnen verlaten. De totale vertraging die door de voertuigen in het betreffende verkeersnetwerk wordt opgelopen, wordt hierdoor verlaagd. In het volgende hoofdstuk wordt de dummy-tdi ingeleid. Hierbij worden bestaande ervaringen met dummy-tdi s in beeld gebracht welke gebruikt kunnen gaan worden bij de ontwikkeling van het dummy-tdi-algoritme. Daarnaast is een korte introductie van het PPA-project gegeven om lezers die geen ervaring hebben met het project een kort overzicht geven van de verkeerskundige werking van de PPA-aanpak en de verschillende monitoring- en regeleenheden. 18

33 3. Introductie dummy-tdi 3.1. Inleiding Zoals in Hoofdstuk 1 is beschreven, duidt een dummy-tdi in dit rapport op het doseren van de instroom richting een snelweg met een VRI. Dit hoofdstuk is bedoeld om de dummy-tdi in te leiden. Daartoe worden allereerst uit de literatuur ervaringen en analogieën beschreven over het functioneren van doserende VRI s. Vervolgens wordt in Paragraaf 3.4. nader kennis gemaakt met systemen die in de praktijkproef Amsterdam zijn ontwikkeld. Dit onderzoek zal namelijk voortborduren op kennis die in deze proef is opgedaan en ontwikkeld. Paragraaf 3.5. bevat een beschrijving van de tests die zijn uitgevoerd om de toepassingsmogelijkheid van een dummy-tdi aan te tonen. Met de conclusies in Paragraaf 3.6. worden tot slot de belangrijkste punten uit dit hoofdstuk bondig samengevat Dummy-TDI s in de praktijk Voordat is overgegaan tot de daadwerkelijke ontwikkeling van een nieuw dummy-tdi-algoritme, is de literatuur gebruikt om in beeld te brengen welke facetten extra aandacht vragen bij het ontwerp van het algoritme en welke winst te verwachten valt bij de implementatie van een doserende verkeerslichtenregeling. In deze paragraaf komen allereerst de ervaringen die in het verleden zijn opgedaan met de inzet van doserende VRI s aan bod. Hieruit wordt opgemaakt wat de huidige stand van zaken is omtrent de inzet van VRI s bij het doseren van de toestroom richting een autosnelweg. Daarnaast worden de gelijkenissen met andere verkeersmanagementmaatregelen beschouwd die als input gebruikt kunnen worden bij de ontwikkeling van het regelalgoritme in dit onderzoek. In de literatuur zijn geen uitgebreide evaluatiestudies beschikbaar waarbij een verkeersregelinstallatie is voorzien van doseerfunctionaliteit. In het verleden is in Nederland wel op een aantal locaties geëxperimenteerd met de inzet van doserende VRI s, maar dit ging vaak in samenhang met een reguliere TDI op de toerit. Uit de literatuur zijn onderstaande ervaringen met dummy-tdi s opgemaakt. De beschikbare documentatie hierover was echter beperkt, waardoor geen uitgebreide beschouwing gemaakt kon worden over de werking en de behaalde effecten met deze dummy-tdi s Dummy-TDI s in Amsterdam In het kader van project FileProof Amsterdam A10 is een beknopte evaluatiestudie uitgevoerd voor de inzet van dummy-tdi s op de aansluitingen van de S103, S107 en S108 naar de A10. Hieruit bleek dat soms wel en soms geen verbetering van de netwerkprestatie optrad [12]. Naar aanleiding hiervan is in Amsterdam besloten geen dummy-tdi s te operationaliseren, omdat uit de modelstudie bleek dat het stedelijk wegennet te zwaar belast werd bij de inzet van de doserende VRI s Dummy-TDI s in Gelderland Uit een gesprek dat op 19 februari 2013 is gevoerd met Willem Traag, adviseur verkeer bij Rijkswaterstaat Oost-Nederland, bleek dat er op de A18 bij aansluiting Didam door het ontbreken van ruimte op de toerit besloten is geen TDI op de toerit te plaatsen, maar gebruik te maken van een VRI, waarmee de toestroom richting de snelweg wordt beperkt. Dit beperken van de instroom gebeurt hier op basis van beleidsmatige keuzes. Vanuit Gebiedsgericht Benutten worden de verschillende wegen door het ontwikkelen van een regelstrategie geprioriteerd, waarna een referentiekader wordt opgesteld waarin staat vastgelegd hoe lang de wachtrijen op de betreffende wegen mogen worden alvorens ze de beleidsmatige grens overschrijden. Deze inzet van een VRI als 19

34 doserende eenheid heeft dan ook als voornaamste doel de instroom richting de snelweg A18 te beperken door de groentijden te verkorten en niet zozeer het verkeer spreidend toe te laten. Over de uitkomsten van deze verandering zijn geen evaluatiestudies beschikbaar, waardoor niet bekend is welke effecten de implementatie van deze dummy-tdi heeft gehad op de doorstroming in het gebied. Daarnaast zijn op twee locaties langs de A12 VRI-TDI-koppelingen gerealiseerd: een bij knooppunt Velperbroek en een bij Zevenaar (W. Traag, persoonlijke mededeling, 19 februari 2013). De grondgedachte hierachter was om de instroom vanaf de VRI stroomopwaarts van de TDI af te stemmen op de wachtrijopbouw op de toerit, om zodoende blokkades als gevolg van terugslag van de wachtrij naar het OWN zo lang mogelijk te voorkomen. Helaas zijn over deze inzet van VRI s geen evaluatieresultaten beschikbaar Conclusies praktijkervaring met dummy-tdi s Samengevat is wel op een aantal locaties geëxperimenteerd met het inzetten van doserende VRI s, maar is dit nooit goed van de grond gekomen, doordat ofwel evaluatiestudies niet zijn uitgevoerd, ofwel duidelijk was dat de dummy-tdi zorgde voor een te grote druk op het OWN. Daarnaast berustte de inzet van doserende VRI s voornamelijk op het beperken van de instroom en werd de situatie op de snelweg hierbij heel globaal meegenomen. De werking van een dummy-tdi berustte hierbij voornamelijk op een expertvisie over de hoeveelheid verkeer dat binnen een bepaalde tijdshorizon kon worden toegelaten. Er werd hierbij geen doseeralgoritme gebruikt, die de actuele verkeerssituatie op zowel het HWN als de opstelruimtes meenam in het bepalen van de meest geschikte doseerintensiteit. Door de beperkte ervaring wordt het lastig om goed met resultaten uit het verleden te vergelijken. Hierdoor kunnen geen uitspraken gedaan worden, of het ontwikkelde dummy-tdi-algoritme in dit onderzoek nu beter functioneert dan voorheen werd toegepast Analogieën met andere verkeerskundige maatregelen In deze paragraaf worden op basis van aandachtspunten bij de ontwikkeling van een dummy-tdi uit de literatuur bestaande maatregelen beschouwd waarbij deze aandachtspunten zijn verwerkt in de regeling. Via deze weg wordt uit de literatuur input gehaald welke gebruikt kan worden bij de daadwerkelijke ontwikkeling van het algoritme voor een dummy-tdi Aandachtspunten bij ontwikkeling dummy-tdi Een analyse van de verschillen tussen een TDI en een VRI die wordt ingezet om de instroom richting een autosnelweg te doseren, levert de volgende aandachtspunten op waar bij de ontwikkeling van het dummy-tdi-algoritme extra rekening mee gehouden moet worden: Meerdere voertuigen per groenfase: o een VRI kan door de verschillende rijrichtingen niet spreidend doseren met het doorlaten van telkens één voertuig per groenfase, maar er zullen meerdere voertuigen per groenfase doorgelaten worden. Doseren op meerdere richtingen: o Door de verschillende rijrichtingen moeten de wachtrijen die bij een doserende VRI worden opgebouwd, worden verdeeld over meerdere richtingen. Bij het doseren met een VRI kunnen deze invloedsfactoren ervoor zorgen dat de te behalen effectiviteit van een doserende VRI minder is dan bij een reguliere TDI. Daartoe wordt in de volgende paragrafen beschreven hoe bij verschillende andere verkeerskundige maatregelen wordt omgesprongen met bovengenoemde factoren. 20

35 Meerdere voertuigen per groenfase Eén van de positieve effecten van toeritdosering waarbij telkens één voertuig per groenfase wordt doorgelaten, is dat voertuigpelotons die vanaf het OWN de toerit oprijden (bijvoorbeeld als gevolg van het doorlaten van meerdere voertuigen per groenfase bij een VRI ter plaatse van de aansluiting) worden opgebroken in enkele voertuigen. Dit zorgt ervoor dat het invoegend verkeer spreidend wordt toegelaten, waardoor het invoegproces vanaf de toerit richting de snelweg verbeterd. Er zijn namelijk kleinere hiaattijden nodig om vanaf de toerit in te kunnen voegen, waardoor het verkeersbeeld homogener blijft [6]. In de loop der jaren zijn er echter ook andere manieren ontwikkeld om voertuigen toe te laten stromen afhankelijk van de gewenste doseerintensiteit. Deze hebben allen hun eigen voordelen en tekortkomingen, die afhankelijk zijn van de verschillende (geometrische) situaties, verkeersopbouw en condities ter plekke [6]. Manieren om voertuigen bij een TDI door te laten, variëren van een reguliere cyclustijd zoals toegepast bij VRI s, 2- of n-voertuigen door groen en discrete release rates (het doorlaten van hoeveelheden verkeer afhankelijk van de gemeten verkeerssituatie). Een beperking die ontstaat bij het doorlaten van drie of meer voertuigen per groenfase is dat voertuigpelotons niet meer uiteen worden gehaald. Dit zal naar alle waarschijnlijkheid, onderzoek naar dit fenomeen is nog nauwelijks uitgevoerd een negatieve invloed op het invoegproces hebben, omdat het verkeer niet meer gelijkmatig aankomt. Telkens komen er nu groepen voertuigen aan, die allemaal op ongeveer hetzelfde tijdstip willen invoegen op de hoofdrijbaan. Het effect hiervan op de verkeersafwikkeling is echter in eerder onderzoek niet eerder onderzocht. Door Papageorgiou en Papamichail is wel een verkenning uitgevoerd naar het toelaten van meerdere voertuigen per groenfase bij een TDI [6]. Hierbij is echter voornamelijk naar de maximaal te behalen doseerintensiteit gekeken. Het blijkt dat het toevoegen van meerdere voertuigen per groenfase niet resulteert in een forse verhoging van de maximale doseerintensiteit. Dit komt doordat de strategie meer groen- en geeltijd nodig heeft (en dus een hogere cyclustijd), omdat de snelheden van het verkeer in de wachtrij verhoogd worden bij het doorlaten van meerdere voertuigen. Welke invloed het toelaten van meerdere voertuigen per groenfase op de verkeerssituatie op de snelweg heeft, is hierbij niet onderzocht. Wanneer een VRI wordt ingezet om verkeer vanaf het OWN naar het HWN te doseren, zal ook sprake zijn van het doorlaten van meerdere voertuigen per groenfase. Echter, de pelotonvorming zal bij een VRI niet zo sterk zijn als bij een reguliere TDI waarbij meerdere voertuigen per groenfase worden doorgelaten. Dit komt doordat de voertuigen vanaf de VRI een grotere afstand moeten overbruggen voordat ze daadwerkelijk op de snelweg invoegen. Hierdoor wordt gemiddeld genomen de volgtijd tussen de verschillende voertuigen vergroot (pelotondiffusie-effect), waardoor de effecten op het weefproces naar verwachting minder zullen zijn. Of dit werkelijk zo is, is onderzocht in het uitgevoerde vooronderzoek welk is beschreven in Hoofdstuk Doseren op meerdere richtingen Het omgaan met de verschillende richtingen op een kruispunt waarop gedoseerd wordt, heeft overeenkomsten met toeritten bestaande uit meerdere takken voorzien van toeritdosering. Figuur 12 geeft een voorbeeld van een toerit met twee takken waarop gedoseerd wordt door middel van een TDI. Bij toeritten met meerdere geregelde takken moet de gewenste doseerintensiteit ook verdeeld worden over de verschillende takken, maar in tegenstelling tot de situatie bij een dummy- TDI, kan verkeer op de verschillende takken wel tegelijk toestromen. 21

36 Figuur 12: Toerit met twee takken waarop gedoseerd wordt (figuur overgenomen uit [13]) Bij het doseren met meerdere takken kan een van de volgende regeldoelen worden aangehouden [13]: 1. Evenwichtig verdelen van wachtrijen over de verschillende richtingen: niet de ene richting veel langer dan de andere; dat zal leiden tot wachtrijoverschrijding op de zwaarst belaste richting, gevolgd door het moeten uitschakelen van het doseeralgoritme, omdat de wachtrij terugslaat naar een bovenstrooms kruispunt) Een wachtrij op de verschillende richtingen duidt hier op het aantal voertuigen (rijdend of stilstaand) die zich in de bufferruimte bevinden 2. Evenwichtig verdelen van relatieve wachtrijen over de verschillende richtingen: Een relatieve wachtrij is de wachtrij (uitdrukt in het aantal voertuigen) gedeeld door het maximale aantal voertuigen dat in de wachtrij opgesteld kan worden Dit leidt (in tegenstelling tot regeldoel 1) tot een gebalanceerde vulling van de beschikbare bufferruimtes, ook al zijn de beschikbare buffers op de verschillende richtingen verschillend De beschikbare bufferruimte wordt hierdoor ten volle benut, omdat op alle richtingen de buffers (ongeveer) tegelijkertijd vol zullen zitten, voordat wachtrijmanagementacties nodig zullen zijn Kennismaking met PPA-aanpak 3 Dit onderzoek kan gezien worden als een aanvulling op hetgeen onderzocht is in de Praktijkproef Amsterdam (PPA). Het levert extra inzichten op over aspecten die niet tot de mogelijkheden behoorden om in de PPA te onderzoeken: de meerwaarde van het zelfstandig inzetten van een VRI met een doseerfunctie is in deze proef namelijk niet onderzocht. Voor de modelstudie in dit onderzoek zijn elementen uit de PPA-aanpak als basis gebruikt bij de ontwikkeling van het dummy-tdi-algoritme. In deze paragraaf wordt een kort overzicht gegeven van de verkeerskundige werking van de PPA-aanpak en worden de verschillende gebruikte monitoringen regeleenheden geïntroduceerd Verkeerskundige werking PPA-aanpak Op verkeerskundig gebied is het voornaamste doel van de PPA om te onderzoeken of de resultaten van gecoördineerd netwerkbreed verkeersmanagement (GNV) in de praktijk overeenkomen met de verwachte resultaten uit uitgevoerde simulatiestudies en vooronderzoek [14]. Het belangrijkste punt uit het ontwikkelde concept is er zorg voor te dragen dat een file op de snelweg zo lang mogelijk wordt uitgesteld (of beter nog wordt voorkomen) door op verschillende plekken in het aangesloten 3 Lezers die op de hoogte zijn van de ontwikkelingen en het onderzoek dat is gedaan in de Praktijkproef Amsterdam kunnen deze paragraaf overslaan. Deze paragraaf geeft voor de niet-ingewijde lezer een kort overzicht van de verkeerskundige werking van de PPA-aanpak en de verschillende monitoring- en regeleenheden. 22

37 netwerk verkeer te doseren en te bufferen [15]. Door tijdig te anticiperen op een dreigende kiem wordt de beschikbare ruimte in het netwerk daarbij gebruikt om de doorstroming in het verkeersnetwerk zo lang mogelijk op peil te houden. Hierbij staan vier zogenaamde Gouden Regels centraal [5]: Regel 1: Regel 2: Regel 3: Regel 4: De capaciteitsval moet zoveel mogelijk voorkomen of uitgesteld worden door anticiperend te regelen bij dreigende congestie. Door het voorkomen van blokkades en terugslag bij kruispunten en aansluitingen worden verkeersstromen in het netwerk niet onnodig gehinderd. De ruimte in een netwerk moet gegeven de actuele verkeerssituatie optimaal benut worden door de dynamiek en de kracht van regelen hieraan aan te passen. De beleidsruimte in het netwerk moet optimaal gebruikt worden om de duur van de voorgaande effecten te verlengen door eerst lokaal te regelen, dan op trajectniveau en vervolgens op deelnetwerkniveau. Regel 1 tot en met 3 spreken voor zich, maar regel 4 behoeft extra uitleg. Bij deze regel wordt geprobeerd een optimale verdeling van het verkeer over het beschikbaar wegennet te realiseren. Hierbij wordt geprobeerd het netwerk op een zodanige manier in te zetten dat alle ruimte die beschikbaar is en gebruikt mag worden, zo efficiënt mogelijk wordt benut. Hierbij speelt de gedachte van het doseren en bufferen van verkeer op plaatsen met de grootste effectiviteit: eerst op kleine schaal, mocht dit niet toereikend zijn om de problemen te verhelpen overschakelen naar een hoger schaalniveau. Om aan deze Gouden Regels te voldoen, wordt er in de PPA gebruik gemaakt van drie centrale elementen, te weten: monitoringeenheden, regeleenheden en supervisors. Hoe deze De monitoringeenheden die gebruikt worden in de PPA zijn bedoeld om de toestand in het netwerk iedere regelcyclus adaptief bij te kunnen schatten, om zodoende adequaat op de verkeerstoestand in het netwerk te kunnen reageren. De regeleenheden sturen de regelingen op straat aan, waarbij de supervisors het desbetreffende netwerkdeel overzien en aan de regeleenheden doorsturen hoe groot hun regelbereik is bij een bepaalde situatie. In Figuur 13 is weergegeven hoe de gebruikte elementen in de PPA zich tot elkaar verhouden. Figuur 13: Opbouw verkeerskundige architectuur en componenten uit de praktijkproef Amsterdam [5] 23

38 In het navolgende worden de monitoring- en regeleenheden en supervisors toegelicht welke in dit onderzoek daadwerkelijk zijn gebruikt. Voor nadere informatie over de overige eenheden wordt doorverwezen naar de voortgangsrapportage over het ontwerp en realisatie van Faseplan 1 bij de PPA [5] of de opgestelde specificaties van de afzonderlijke elementen Monitoringeenheden In dit onderzoek is gebruik gemaakt van de volgende monitoringeenheden: - Fileschatter HWN - Parameterschatter - Bergingsindicator - Demand Estimator De Fileschatter maakt op basis van detectormetingen om de 500 meter een schatting van de toestand op de gehele snelweg. Dit gebeurt door een raster te leggen over het snelwegtraject dat binnen het monitoringgebied valt en voor alle rasterpunten de snelheid, intensiteit en dichtheid te schatten. Hierbij wordt gebruik gemaakt van een zogenaamde Adaptive Smoothing Method (ASM), die ervoor zorgt dat het gehele raster gelijkmatig wordt gevuld met data. De Parameterschatter schat vervolgens op basis van de waarden uit de Fileschatter de kritische dichtheid en capaciteit behorend bij ieder rasterpunt. De Bergingsindicator bepaalt per buffer j de restruimte die per regelperiode beschikbaar is, zowel in aantal meters [m] als in aantal voertuigen [vtg]. Deze restruimte wordt in het vervolg aangeduid met actuele bufferruimte X [m] en S [vtg]. De bergingsindicator bepaalt de actuele bufferruimte in act j act j act max termen van aantal meters X j door het verschil tussen de maximale bufferruimte per buffer X j [m] en de lengte van de actuele wachtrij in de buffer [m] te berekenen. Door een gemiddelde lengte voor voertuigen aan te nemen, wordt deze bufferruimte vervolgens omgerekend in het aantal voertuigen dat nog gebufferd kan worden zodat een waarde voor S act j wordt bepaald. De Demand Estimator (verkeersvraagschatter) is aan het model toegevoegd om de instroom op iedere buffer op het OWN te schatten aan de hand van de uitstroom uit de buffer en de opbouw van de wachtrij in de buffer. Op deze wijze kan een schatting gemaakt worden van de verkeersvraag die gedurende een regelperiode richting het HWN wil stromen Regeleenheden en supervisors In dit onderzoek is gebruik gemaakt van de volgende regeleenheden zoals ze ook in de testomgeving van de PPA zijn gebruikt: - TDI-algoritme - Supervisor T1 Light (ST1L) - Supervisor T2 (ST2) TDI-algoritme Het TDI-algoritme in de PPA maakt gebruik van het AD-ALINEA-algoritme. Hierbij wordt de streefwaarde dichtheid iedere regelperiode t adaptief wordt bijgesteld door het bijschatten van de kritische dichtheid (m.b.v. de Parameterschatter) Supervisor T1 Light (ST1L) In het kader van de Praktijkproef Amsterdam wordt op de trajecten waarvoor geen netwerkregelaar beschikbaar is, een TDI op de toerit in coördinatie ingezet met stroomopwaarts gelegen lokale 24

39 verkeersregelingen (VRI s) [16]. Deze coördinatie tussen een TDI en VRI s wordt ingeschakeld wanneer de wachtrij op de toerit bij een werkende TDI een bepaalde grenswaarde overschrijdt, bijvoorbeeld wanneer de actuele wachtrijlengte > 50% van de maximale toelaatbare wachtrij is. De coördinatie wordt in de PPA gerealiseerd door de Supervisor T1-Light (ST1L) en heeft als doel de toestroom vanaf de VRI s naar de toerit te beperken, zodat de wachtrij op de toerit als gevolg van het doseren met de TDI niet terugslaat naar het OWN en de TDI zo lang mogelijk kan blijven doseren [16]. Supervisor T2 (ST2) De ST2 verzorgt de coördinatie tussen opeenvolgende geregelde aansluitingen. Wanneer de bufferruimte op een geregelde aansluiting beneden een bepaalde grenswaarde (e.g. 70% bufferruimte over) komt wordt deze tot master gekroond en zorgt de ST2 ervoor dat een stroomopwaarts gelegen aansluiting (slave) ook gaat doseren op de kiem. Hierbij worden de doseertijden van de slaves afgestemd op de doseertijd van de master, zodat de bufferruimtes bij alle gecoördineerde aansluitingen op hetzelfde moment vol zitten en zodoende optimaal gebruik wordt gemaakt van de totale beschikbare bufferruimte Conclusies In dit hoofdstuk is een eerste indruk opgedaan over doserende VRI s. Er blijken tot op heden weinig tot geen evaluatiestudies uitgevoerd te zijn naar de meerwaarde die doserende VRI s hebben bij het voorkomen van congestie op een autosnelweg. Voorgaand onderzoek heeft wel aangetoond dat de aandachtspunten bij de inzet van een VRI afzonderlijk wel aangepakt kunnen worden. Hoe deze afzonderlijke punten het totale systeem beïnvloeden is nog weinig over bekend en biedt daarmee mogelijkheden voor het onderzoek in deze master thesis. In het volgende hoofdstuk wordt getest of het ALINEA-algoritme welke in de PPA wordt gebruikt kan omgaan met het toelaten van meerdere voertuigen per groenfase. Daarnaast wordt in een tweede test onderzocht of het AD-ALINEA-algoritme kan corrigeren voor de invloed die voertuigpelotons (hoogst waarschijnlijk) op het invoegproces hebben. Op deze manier wordt aangetoond of het gebruik van het AD-ALINEA-algoritme bij de inzet van een dummy-tdi kansen biedt. 25

40 26

41 4. Onderzoek naar kans van slagen dummy-tdi 4.1. Inleiding Om een eerste inschatting te maken over de kans van slagen die de inzet van een dummy-tdi heeft bij het voorkomen of uitstellen van een capaciteitsval, is onderzocht of het doseeralgoritme welke wordt gebruikt in de PPA geschikt is om met voertuigpelotons om te gaan. Zoals in Paragraaf vermeld, wordt in de PPA gebruik gemaakt van het AD-ALINEA-algoritme. In dit hoofdstuk wordt onderzocht allereerst onderzocht of het reguliere ALINEA-algoritme kan omgaan met het toelaten van meerdere voertuigen per cyclus (test 1). Daarnaast is getest of het AD-ALINEA (uit de PPA) in staat is om te corrigeren voor de invloed die voertuigpelotons op het invoegproces hebben (test 2). Als dat namelijk lukt voor een normale TDI, is de kans groot dat een dummy-tdi dat ook kan bereiken. Bij beide tests is gebruik gemaakt van hetzelfde simulatienetwerk. Deze wordt hierna in Paragraaf 4.2. als eerste beschreven. In Paragraaf 4.3. wordt op basis van theoretische achtergronden beschreven hoe de verschillende doseerstrategie naar verwachting functioneren. Vervolgens volgt de uitwerking van test 1, gevolgd door de uitwerking van test 2. Tot slot worden de belangrijkste conclusies die uit de uitgevoerde tests getrokken kunnen worden opgesomd Gebruikte simulatieomgeving Simulatienetwerk Voor de tests is gebruik gemaakt van een netwerk in VISSIM bestaande uit een tweestrookssnelwegtracé met een totale lengte van 4 km. Hierbij bevinden zich respectievelijk op 1500 meter en 3000 meter twee aansluitingen (zie Figuur 14). De twee aansluitingen bevatten: 1 driestrooks toeritbuffer van 300 meter, om ervoor te zorgen dat de beschikbaarheid van opstelruimte niet de resultaten van het doseren beïnvloedt en dat de toestroom richting het doseerlicht op de toerit verzadigd is. 3 enkelstrooks kruisingsbuffers van 200 meter, waarmee een kruispunt stroomopwaarts van de toerit wordt nagebootst; De invoegstrook van de toerit naar de snelweg heeft bij beide aansluitingen een lengte van 250 meter. 27

42 Figuur 14: Geografie en naamgeving van het gebruikte netwerk in VISSIM Actuatoren Op beide toeritten bevindt zich een TDI met één verkeerslicht (1 rijstrook). Stroomopwaarts van de toerit bevindt zich per kruisingsbuffer één signaalgroep, resulterend in drie signaalgroepen per aansluiting: 2, 5 en 8). Deze signaalgroepen regelen volgens een vaste regelstructuur het verkeer in de bijbehorende buffer. Monitoring De monitoring in het model wordt enerzijds gebruikt voor het aansturen van de verschillende actuatoren door het meten van de actuele (en voorspelde) verkeerssituatie. Anderzijds bevat het model monitoring voor de evaluatie van de verschillende varianten, zodat prestatie-indicatoren uit het model gehaald kunnen worden. Verkeersvraag De verkeersvraag wordt op zeven verschillende herkomsten in het model gezet, volgens de groene pijlen in Figuur 15: Aan het begin van het snelwegtracé; 28

43 Aan het begin van de zes buffers op de aansluitingen. Het verkeer heeft één bestemming, aangegeven met de rode pijl in Figuur 15: Aan het eind van het snelwegtracé. Figuur 15: Verkeerstoedeling aan ontwerpnetwerk in VISSIM (groene getallen is toegevoegde verkeersbelasting in vtg/u) Modelaanpak Aan het model is een zodanige verkeersvraag toegevoegd (weergegeven in Figuur 16) dat congestie ontstaat juist na de invoeging van aansluiting 1 wanneer er niet gedoseerd wordt. De instroom van verkeer vanaf het onderliggend wegennet zorgt ervoor dat de kritische dichtheid juist na de invoegstrook wordt overschreden en dat er op de snelweg congestie met de daarbij horende capaciteitsval optreedt. Om bij de nulmeting de fileopbouw op de snelweg binnen de netwerkgrens te houden en op het eind van de simulatie de file geheel opgelost te hebben, is in de laatste 20 minuten van de simulatie de verkeersvraag verlaagd. In Figuur 17 is de snelheidscontourplot weergegeven van de random seed welke het meest overeenkomt met het gemiddelde beeld over alle simulatieruns behorend bij het toegevoegde verkeersvraagpatroon. Uit de plot valt op te maken dat juist na de invoegstrook (+/- 100m stroomafwaarts) congestie ontstaat doordat op dit punt de snelheid gemiddeld opeens lager ligt. 29

44 locatie [m] Figuur 16: Toegevoegd belastingpatroon aan VISSIM-model (linknamen komen overeen met de weergegeven namen in Figuur 14, getallen in gele cellen geven per 10 minuten de toegevoegde intensiteiten q [vtg/u]) Speedcontourplot Nulvariant, random seed Snelheid [km/u] tijd [sec] Figuur 17: Snelheidcontourplot snelweg in ontwerpnetwerk (kleuren geven over de tijd [s] en ruimte [m] de gemiddelde snelheid [km/u] weer over iedere regelperiode van 60 sec) Iedere regelstap t zijn de dichtheid k(t) en intensiteit q(t) stroomafwaarts van de toerit gemeten. Met deze metingen is voor alle varianten een fundamenteel q-k diagram opgesteld. Door te analyseren wat de spreiding van de dichtheden (= standaarddeviatie van alle gemeten dichtheden) bij de verschillende varianten is, is in beeld gebracht hoe het ALINEA-algoritme omgaat met het doorlaten van meerdere voertuigen per cyclus Aannames bij modelbouw Constante groentijd voor genereren gewenste pelotongroottes De te simuleren varianten zijn zodanig opgezet dat bij iedere groenfase telkens maximaal hetzelfde aantal voertuigen kan passeren. Op deze manier kunnen er uitspraken gedaan worden over de relatie tussen de pelotongroottes en het functioneren van de gebruikte doseeralgoritmes (ALINEA en AD-ALINEA). Via een visuele beschouwing van het aantal voertuigen dat bij een bepaalde groentijd 0 30

45 passseert en het analyseren van de output verkregen uit de datacollection points juist stroomafwaarst van de stopstreep van het gebruikte verkeerslicht, resulteren de groentijden zoals weergegeven in Tabel 1 om de gewenste voertuigpelotons te realiseren. Tabel 1: Groentijd behorend bij verschillende doseerstrategieën (1, 2, 4, 6 of 8 voertuigen door groen) Aantal voertuigen dat per groenfase Groentijd [s] stopstreep passeert Geen wachtrijmanagement bij terugslag vanaf de toerit Om alleen de invloed op de verkeersafwikkeling bij het doseren met voertuigpelotons te toetsen, wordt de wachtrijlengte die als gevolg van het doseren op de toerit ontstaat niet als een randvoorwaarde gebruikt bij de inzet van het algoritme. Wanneer de wachtrij op de toerit namelijk te groot wordt, wordt in het bestaande regelalgoritme de TDI uitgezet, zodat wordt voorkomen dat de wachtrij terugslaat naar het OWN. Op deze manier wordt voorkomen dat deze randvoorwaarde ervoor zorgt dat de doseerintensiteit ook wordt beïnvloed door de wachtrij op de toerit en niet alleen door de dichtheid op de snelweg. Doordat deze tests alleen bedoeld zijn om te achterhalen of (AD)-ALINEA kan omgaan met voertuigpelotons, is deze randvoorwaarde in de uitgevoerde tests niet meegenomen. Schatting kritische dichtheid in gebruikte simulatiemodel bij test 1 Doordat in test 1 gebruikt wordt gemaakt van het ALINEA-algoritme, moet een streefwaarde dichtheid k* in het algoritme ingesteld worden waar het ALINEA-algoritme naar toe kan regelen. Deze streefwaarde wordt net wat lager dan de kritische dichtheid gekozen door: k* = γ k krit. Hierbij is gekozen voor een waarde van γ = 0,9. De kritische dichtheid is nu nog de enige onbekende parameter. Om hiervoor een schatting te maken is het fundamenteel q(k)-diagram behorend bij de nulvariant aangehouden (zie Figuur 18). De kritische dichtheid wordt nu geschat door te bepalen bij welke dichtheid de intensiteit op de snelweg het grootst is. De piek in de intensiteitsmetingen blijken zich voor te doen bij een dichtheid van circa 30 vtg/km/rijstr. Daartoe is voor test 1 uitgegaan van een kritische dichtheid van 30 vtg/km/rijstr. De streefwaarde dichtheid k* wordt hiermee gelijk aan: k* = γ k krit = 0,9 30 = 27 vtg/km/rijstr. Figuur 18: Fundamenteel q(k)-diagram behorend bij nulvariant 31

46 4.3. Theoretische onderbouwing uitkomst tests Vanuit de theorie moet het met het ALINEA-algoritme mogelijk zijn om de effecten die optreden als gevolg van het toelaten van meerdere voertuigen per groenfase te verminderen. De onderbouwing hiervoor is in het navolgende beschreven. ALINEA is zo opgesteld dat telkens naar een streefwaarde voor de dichtheid wordt geregeld. Dit gebeurt door het vergelijken van de dichtheid in de vorige regelstap met de streefwaarde dichtheid. Wanneer een verschil tussen beide waarden wordt gevonden, wordt de doseerintensiteit hierop aangepast om dichter bij de streefwaarde van de dichtheid te komen. Bij het doorlaten van pelotons zal het naar verhouding vaker voorkomen dat de streefwaarde dichtheid wordt overschreden, omdat in korte tijd veel voertuigen invoegen waardoor de dichtheid als gevolg van het vinden van een geschikt hiaat in de hoofdstroom wordt verhoogd. Dit zou zelfs tot in de congestietak van het fundamenteel q-k diagram kunnen zijn, zie punt 1 in Figuur 19. Na het doorlaten van een peloton voertuigen zal er afhankelijk van de cyclustijd een aantal seconden geen voertuig doorgelaten worden. Hierdoor zal, bij een constante intensiteit op de snelweg, de dichtheid stroomafwaarts van de toerit afnemen, bijvoorbeeld tot punt 2 in Figuur 19. Wanneer nu de dichtheid nog te hoog is zal het ALINEA-algoritme proberen de dichtheid verder te laten dalen door een nog lage doseerintensiteit te berekenen, zodat tot punt 3 in Figuur 19 gezakt kan worden. Daarna corrigeert ALINEA de te lage dichtheid ten opzichte van de streefwaarde dichtheid door weer een hogere doseerintensiteit te berekenen, zodat bijvoorbeeld punt 4 in Figuur 19 wordt bemeten. Al met al is het ALINEA-algoritme op een zodanige manier ontwikkeld dat ongeacht de gemeten dichtheid stroomafwaarts van de toerit naar de streefwaarde zal worden toe geregeld. Door de pelotons zal het eerder voorkomen dat de streefwaarde overschreden wordt, doordat niet precies het juiste aantal voertuigen op het juiste tijdstip toestroomt, maar over het algemeen zullen de gemeten dichtheden zich rond de streefwaarde dichtheid bevinden, bijvoorbeeld binnen de groene cirkel in Figuur 19. Figuur 19: Fundamenteel q-k diagram met mogelijke metingen en spreiding in metingen bij doorlaten pelotons Wanneer uit de simulatieresultaten blijkt dat de spreiding rond de streefwaarde erg groot is, bijvoorbeeld zoals rode cirkel in Figuur 19, kan er voor gekozen worden om bij het toelaten van meerdere voertuigen per groenfase de streefwaarde dichtheid k* verder te verlagen, zodat ondanks 32

47 de grote spreiding in de gemeten dichtheden de congestieve tak zoveel mogelijk vermeden wordt. In Figuur 20 is dit weergegeven, waarbij de onderbroken rode cirkel de spreiding in gemeten waarden weergeeft bij een ingestelde streefwaarde voor de dichtheid k* die bij een reguliere TDI wordt gebruikt. De doorgetrokken rode cirkel geeft aan dat bij een verlaging van de streefwaarde dichtheid (k*verlaagd in Figuur 20) de spreiding in de gemeten waarde verschuift naar lagere dichtheden, waarbij de congestieve tak vaker wordt vermeden. Figuur 20: Fundamenteel q-k diagram met verschuiving van de spreiding in metingen bij doorlaten pelotons 4.4. Test 1: Invloed pelotons op werking ALINEA-algoritme Deze test is uitgevoerd om te onderzoeken of een dummy-tdi kans van slagen heeft bij het voorkomen of uitstellen van de capaciteitsval. Hiertoe is onderzocht hoe het ALINEA-algoritme omgaat met het doorlaten van meerdere voertuigen per cyclus en welke effecten daarbij optreden op zowel het HWN als het OWN. Om hier uitspraken over te kunnen doen, is een vergelijking gemaakt tussen zes varianten: 1. Nulmeting waarbij het verkeer niet gedoseerd wordt (in het vervolg: Nulvariant) 2. Eén lokale TDI waarbij met behulp van ALINEA wordt gedoseerd (in het vervolg: TDI) 3. Nagebootste VRI door het toelaten van voertuigpelotons waarbij met ALINEA wordt geregeld, waarbij een onderscheid wordt gemaakt in vier doseerstrategieën, te weten: 3.1. Doseerstrategie met 2 voertuigen/cyclus (in het vervolg: VRI (2 vtg)); 3.2. Doseerstrategie met 4 voertuigen/cyclus (in het vervolg: VRI (4 vtg)); 3.3. Doseerstrategie met 4 voertuigen/cyclus (in het vervolg: VRI (6 vtg)); 3.4. Doseerstrategie met 8 voertuigen/cyclus (in het vervolg: VRI (8 vtg)). De streefwaarde dichtheid k* van het ALINEA-algoritme is bij alle varianten gelijk gehouden: 27 vtg/km/rijstr. 33

48 Onderzoeksvraag en hypotheses Onderzoeksvraag In hoe verre is het mogelijk om met het ALINEA-algoritme de prestatie van het netwerk te verbeteren wanneer per groenfase meerdere voertuigen worden toegelaten? Hypotheses 1. Doordat ALINEA een feedbackregelaar is waarbij een doseerintensiteit berekend wordt op basis van het verschil tussen een ingestelde streefwaarde voor de dichtheid en de actuele dichtheid, zal het algoritme de doseerintensiteit op een zodanige manier variëren dat de dichtheid rond de streefwaarde gehouden wordt. 2. Wanneer meerdere voertuigen per cyclus worden doorgelaten, zullen de dichtheidsmetingen een grotere spreiding rond de streefwaarde vertonen dan wanneer één voertuig per cyclus wordt doorgelaten, waarbij de spreiding zal toenemen bij groter wordende pelotongroottes Resultaten test 1 Na simulatie van de zes eerder genoemde varianten resulteren onderstaande fundamentele diagrammen. 34

49 Figuur 21: Fundamentele q(k)-diagrammen gesimuleerde varianten in test 1 (merk op dat de x-as bij de nulvariant een ander domein heeft [0-60] dan bij de andere varianten [0-50]) De fundamentele diagrammen tonen aan dat als gevolg van het doseren de congestieve tak veel vaker wordt vermeden dan bij de nulvariant het geval is. De vorm van de fundamentele diagrammen laat tussen de varianten waarbij gedoseerd werd geen grote verschillen zien. Wel lijkt het erop dat hoe groter de omvang van de pelotons wordt, hoe meer uitschieters in de dichtheid zich voordoen, waardoor vaker de kritische dichtheid wordt overschreden. Om meer duidelijkheid te verschaffen over het functioneren van de verschillende varianten ten opzichte van elkaar, zijn in Tabel 2 per variant de gemiddelde dichtheden, mediaan en standaarddeviatie na zes simulatieruns gegeven. 35

50 Tabel 2: Gemiddelde dichtheid, standaarddeviatie en spreiding ten opzichte van de ingestelde streefwaarde dichtheid (k*=27 vtg/km/rijstr.) gemiddeld over zes simulatieruns k_est [vtg/km/rijstr.] Nulvariant TDI VRI (2 vtg) VRI (4 vtg) VRI (6 vtg) VRI (8 vtg) Gemiddelde 31,8 21,1 21,2 21,1 21,3 21,4 Standaarddeviatie 8,5 5,1 5,3 5,2 5,5 5,7 Spreiding t.o.v. k*=27 (st.dev.) 9,7 (0,1) 7,8 (0,1) 7,8 (0,2) 7,9 (0,2) 7,9 (0,2) 8,0 (0,2) Uit Tabel 2 is af te lezen dat de gemiddelde dichtheid als gevolg van het doseren flink afneemt ten opzichte van de nulvariant waarbij niet gedoseerd wordt. Het verschil in de gemiddelde dichtheden bij de doseervarianten is miniem. Echter is er wel een kleine tendens zichtbaar. Naarmate het aantal voertuigen per groenfase toeneemt wordt de gemiddelde gemeten dichtheid ook iets hoger. Alleen VRI (2 vtg) voldoet niet helemaal aan dit beeld; bij deze variant is de gemiddelde dichtheid groter dan dan TDI én VRI (4 vtg). Het verschil hiertussen is echter zodanig klein dat dit naar alle waarschijnlijk wordt verklaard door het stochastische karakter van het gebruikte simulatiemodel. Daarnaast is uit de tabel op te maken dat de standaarddeviatie hetzelfde beeld vertoond als de gemiddelde dichtheden; ook deze wordt groter naarmate de voertuigpelotons toenemen. Gemiddeld over zes simulatieruns liggen de gemeten dichtheden hierdoor verder van het gemiddelde af dan wanneer telkens één voertuig per groenfase wordt doorgelaten. Wanneer de spreiding ten opzichte van de ingestelde streefwaarde dichtheid wordt beschouwd (zie laatste regel in Tabel 2) is hetzelfde te concluderen. Hoewel de verschillen klein zijn, is ook hier zichtbaar dat de spreiding grotere wordt naarmate er meer voertuigen per groenfase worden doorgelaten. Vervolgens wordt in nader detail naar het functioneren van het doseeralgoritme ALINEA gekeken door alleen de dichtheidsmetingen mee te nemen wanneer ook daadwerkelijk gedoseerd wordt. Tabel 3 geeft daartoe de gemiddelde, mediaan en standaarddeviatie van de gemeten dichtheden per variant wanneer het doseeralgoritme is ingeschakeld; er wordt voldaan aan de inschakelvoorwaarde en niet aan de uitschakelvoorwaarde. Tabel 3: Gemiddelde, mediaan en standaarddeviatie van gemeten dichtheid wanneer gedoseerd wordt gemiddeld over zes simulatieruns k_est [vtg/km/rijstr.] TDI VRI (2 vtg) VRI (4 vtg) VRI (6 vtg) VRI (8 vtg) Gemiddelde 22,8 23,0 22,8 23,1 23,4 Mediaan 22,0 22,1 22,1 22,1 22,3 Standaarddeviatie 3,6 3,8 3,7 4,0 4,3 Spreiding t.o.v. k*=27 (st.dev.) 5,5 (0,2) 5,5 (0,3) 5,6 (0,4) 5,6 (0,3) 5,6 (0,4) Uit Tabel 3 valt op te maken dat de gemiddelde dichtheid ook nu toeneemt naar mate de doorgelaten voertuigpelotons groter worden. Wanneer echter de waarden van de mediaan worden beschouwd, is te zien dat deze bij alle varianten ongeveer gelijk is. Een stijgend gemiddelde en gelijkblijvende mediaan bij grotere voertuigpelotons geeft aan dat er bij het doorlaten van meerdere voertuigen per cyclus zich grotere uitschieters in de gemeten dichtheden voordoen. In Figuur 22 zijn de histogrammen weergegeven van de gemeten dichtheden tijdens doseren, welke dit vermoeden bevestigen. De histogrammen tonen dat er hogere dichtheidsmetingen voorkomen wanneer de voertuigpelotons toenenen. 36

51 Frequentie Frequentie Frequentie Frequentie Frequentie 100 TDI met ALINEA 100 VRI (2 vtg) met ALINEA Gemeten dichtheid [vtg/km/rijstrook] Gemeten dichtheid [vtg/km/rijstrook] 100 VRI (4 vtg) met ALINEA 100 VRI (6 vtg) met ALINEA Gemeten dichtheid [vtg/km/rijstrook] Gemeten dichtheid [vtg/km/rijstrook] 100 VRI (8 vtg) met ALINEA Gemeten dichtheid [vtg/km/rijstrook] Figuur 22: Histogrammen met gemeten dichtheden tijdens doseren van gesimuleerde varianten in test 1 Uit voorgaande resultaten kan geconcludeerd worden dat er bij het doseren met meerdere voertuigen per groenfase verschillen optreden in het gemiddelde en de spreiding van de gemeten dichtheden. Om in beeld te brengen wat deze verschillen in de gemeten dichtheid nu voor consequenties heeft voor het functioneren van het netwerk zijn in Tabel 4 de totale doorgebrachte tijd (TTS), afgelegde afstand en gemiddelde vertraging per voertuig in het netwerk weergegeven. Per indicator is hierbij met kleur aangegeven hoe de verschillende varianten per indicator ten opzichte 37

52 van elkaar functioneren met groen het best en rood het slechtst. Voor een totaal beeld is in Bijlage III.1.1. in Tabel 40 ook de gemiddelde vertraging per voertuig per traject gegeven. Tabel 4: Totale doorgebrachte tijd (TTS), gemiddelde vertraging per voertuig en totale afgelegde afstand in het simulatienetwerk resulterend uit test 1 (kleurcodering geeft functionering aan: groen = best, rood = slechtst) TTS [vtg.u] Gem. vertr./vtg [s/vtg] Totale afgelegde afstand [vtg.km] Gem. St.dev. Gem. St.dev. Gem. St.dev. Nulvariant 278,8 79,7 130,4 74, ,3 41,5 TDI 249,9 6,6 104,5 6, ,1 30,2 VRI (2 vtg) 245,9 7,3 100,5 7, ,9 31,2 VRI (4 vtg) 262,5 11,0 117,2 11, ,5 70,0 VRI (6 vtg) 262,7 7,3 117,4 7, ,1 52,8 VRI (8 vtg) 272,6 11,8 127,8 12, ,3 66,4 De TTS in Tabel 4 laat zien dat alle doseervarianten ten opzichte van de nulvariant zorgen voor een lagere TTS. Echter, de afgelegde afstand in het netwerk blijkt niet bij alle varianten gelijk te zijn. De oorzaak hiervan is dat bij het doseren de wachtrij zover is teruggeslagen naar het OWN dat gedurende de simulatie verkeer met een herkomst op het OWN niet het netwerk heeft kunnen betreden. Meer voertuigen in het netwerk resulteert daarmee in een lagere totale afgelegde afstand. Op basis van de TTS kunnen zodoende geen uitspraken over het functioneren van de verschillende varianten ten opzichte van elkaar gemaakt worden. Wel kan een schatting gemaakt worden door de gemiddelde vertraging per voertuig te beschouwen (zie vierde kolom in Tabel 4). Wat opvalt is dat ook wanneer de gemiddelde vertraging per voertuig wordt aangehouden, de vertraging oploopt naarmate de pelotonomvang groter wordt. Deze test toont daarmee aan dat er inderdaad een verband zit tussen de spreiding in de dichtheid als gevolg van het doseren met meerdere voertuigen per groenfase en de te behalen prestatie in het netwerk Conclusies test 1 Het ALINEA-algoritme is in staat om de verstoring die ontstaat door het toelaten van meerdere voertuigen per cyclus mee te nemen in de optimalisatie van de streefwaarde dichtheid. Echter, hoe grotere de voertuigpelotons, hoe meer invloed deze hebben op het invoegproces. Hiermee zorgen de pelotons voor uitschieters in de gemeten dichtheden welke zorgen voor een verslechterde prestatie ten opzichte van reguliere toeritdosering met één voertuig per groenfase. Het aanpassen van de streefwaarde dichtheid wanneer de invloed van de voertuigpelotons op het invoegproces wordt bemeten, kan mogelijk zorgen voor een verbeterde prestatie. Daartoe wordt in de volgende paragraaf eenzelfde soort test uitgevoerd als hiervoor, maar wordt nu gebruik gemaakt van AD-ALINEA. Het adaptief bijstellen van de kritische dichtheid (en daarmee de streefwaarde dichtheid) zou hierbij uitkomst kunnen bieden. 38

53 4.5. Test 2: Mogelijkheden van AD-ALINEA om te corrigeren voor pelotonvorming Uit de eerste test is gebleken dat het met het ALINEA-algoritme in zekere mate mogelijk is om de hoeveelheid vertraging op de snelweg te verminderen. In deze tweede test is onderzocht of het door het adaptief bijstellen van de streefwaarde dichtheid mogelijk is om te corrigeren voor de invloed van pelotons op het invoegproces. Hierbij is gebruik gemaakt van het AD-ALINEA-algoritme. Dit is een uitbreiding van het ALINEA-algoritme, waarbij ervanuit wordt gegaan dat de kritische dichtheid van een snelweg geen vaste waarde is, maar afhankelijk is van de actuele verkeerstoestand. De variabele kritische dichtheid wordt in het AD-ALINEA gebruikt om telkens de streefwaarde dichtheid hierop aan te passen. Bij deze tweede test zijn wederom zes varianten geanalyseerd, te weten: 1. Nulvariant; 2. Één lokale TDI met AD-ALINEA waarbij de kritische dichtheid adaptief wordt bijgesteld (in het vervolg: TDI-AD); 3. Nagebootste VRI door het toelaten van voertuigpelotons waarbij met AD-ALINEA wordt geregeld, waarbij een onderscheid wordt gemaakt in vier doseerstrategieën, te weten: 3.1. Doseerstrategie met 2 voertuigen/cyclus (in het vervolg: VRI-AD (2 vtg)); 3.2. Doseerstrategie met 4 voertuigen/cyclus (in het vervolg: VRI-AD (4 vtg)); 3.3. Doseerstrategie met 6 voertuigen/cyclus (in het vervolg: VRI-AD (6 vtg)); 3.4. Doseerstrategie met 8 voertuigen/cyclus (in het vervolg: VRI-AD (8 vtg)). Er is onderzocht hoe het AD-ALINEA-algoritme omgaat met het doorlaten van meerdere voertuigen per cyclus. Hierbij is de parameterschatter uit de PPA gebruikt om telkens op basis van verkeersmetingen de kritische dichtheid k krit juist na de invoegstrook van de toerit te bepalen. De streefwaarde dichtheid k* is in het algoritme gelijk gehouden aan k* = γ k krit = 0,9 k krit, zodat deze iedere regelstap adaptief wordt bijgesteld Onderzoeksvraag en hypotheses Onderzoeksvraag Is het met het AD-ALINEA-algoritme mogelijk om de streefwaarde dichtheid zodanig bij te stellen dat gecorrigeerd kan worden voor pelotonvorming op de toerit als gevolg van het doorlaten van meerdere voertuigen per cyclus? Hypotheses 1. Bij het doorlaten van meerdere voertuigen per cyclus zal de kritische dichtheid over de tijd naar beneden worden bijgesteld als gevolg van een verlaging in capaciteit doordat het invoegproces verslechterd door het tegelijk invoegen van meerdere voertuigen. 2. De TTS in het netwerk zal bij alle doseervarianten lager zijn in vergelijking met het reguliere ALINEA-algoritme, omdat de streefwaarde dichtheid iedere regelstap adaptief wordt bijgesteld op basis van de heersende verkeersomstandigheden. 39

54 Resultaten test 2 Allereerst zijn in Figuur 23 de fundamentele q(k)-diagrammen behorend bij iedere afzonderlijke variant weergegeven welke resulteren na uitvoering van zes simulatieruns per variant. Figuur 23: Fundamentele q(k)-diagrammen gesimuleerde varianten in test 2 (merk op dat de x-as bij de nulvariant een ander domein heeft [0-60] dan bij de andere varianten [0-50]) De fundamentele q(k)-diagrammen uit test 2 (zie Figuur 23) vertonen ongeveer hetzelfde beeld als de diagrammen uit test 1 (zie Figuur 21). Wel valt op dat bij test 2 bij de varianten waarbij meer dan één voertuig wordt doorgelaten, zich minder grote uitschieters in de dichtheid voordoen. Om dit te kwantificeren zijn in Tabel 5 de gemiddelde gemeten dichtheid en bijbehorende standaarddeviatie gegeven. Daarnaast is in deze tabel ook de afwijking ten opzichte van de streefwaarde dichtheid k*(t) weergegeven. In vergelijking met de resultaten in test 1 (zie Tabel 2) valt op dat de gemiddelde dichtheid bij alle varianten (behalve VRI (8 vtg)) iets hoger ligt. De standaarddeviatie is bij één, twee en vier voertuigen per groenfase licht toegenomen, maar is afgenomen bij de grotere 40

55 voertuigpelotons. Door het adaptief bijstellen van de streefwaarde dichtheid blijkt de gemiddelde dichtheid groter te worden dan wanneer de vaste streefwaarde uit test 1 wordt gebruikt. Hieruit zou geconcludeerd kunnen worden dat de ingestelde streefwaarde in test 1 lager is gekozen dan de situatie op het HWN toelaat. Wanneer dit het geval is, moet de gemiddelde vertraging op het HWN bij beide testen of ongeveer gelijk zijn of bij test 2 minder zijn dan bij test 1. In Tabel 6 zijn de gemiddelde vertragingen op het HWN bij beide testen afgebeeld. Het blijkt inderdaad te kloppen dat de gemiddelde vertraging bij alle doseervarianten nagenoeg aan elkaar gelijk is. Naarmate de pelotons groter worden blijkt AD-ALINEA zelfs te resulteren in een kleinere vertraging dan ALINEA. De spreiding ten opzichte van de ingestelde streefwaarde (zie laatste rij in Tabel 5) vertoond een kleine stijgende lijn bij groter wordende pelotons. Wanneer deze spreiding wordt vergeleken met degene die resulteert uit test 1, valt op dat de waarde van de spreiding bij test 2 groter is dan bij test 1. Dit komt omdat de streefwaarde bij test 2 hoger is dan bij test 1. Wanneer alle dichtheidsmetingen gedurende de simulatieperiode worden meegenomen (de gemiddelde dichtheidsmetingen zijn bij beide testen nagenoeg aan elkaar gelijk), is de afwijking groter dan bij test 1. Om een beter beeld te krijgen over het functioneren worden wederom de geschatte dichtheden beschouwd wanneer daadwerkelijk gedoseerd wordt, zie Tabel 7. Om de vergelijking met de resultaten uit test 1 te vergemakkelijken zijn deze resultaten ook toegevoegd aan de tabel. Tabel 5: Gemiddelde dichtheid, standaarddeviatie en spreiding ten opzichte van de adaptief bijgestelde streefwaarde dichtheid k*(t) gemiddeld over zes simulatieruns k est [vtg/km/rijstr.] Nulvariant TDI-AD VRI-AD (2 vtg) VRI-AD (4 vtg) VRI-AD (6 vtg) VRI-AD (8 vtg) Gem. 31,8 21,3 21,6 21,2 21,4 21,4 St.dev. 8,5 5,3 5,5 5,3 5,3 5,4 Spreiding t.o.v. k*(t) (st.dev.) 13,7 (3,9) 11,0 (0,7) 10,8 (1,1) 11,0 (1,0) 11,1 (1,2) 11,3 (0,9) Tabel 6: Gemiddelde vertraging op HWN resulterend uit test 1 en 2 [s/vtg] (gemiddelde over 6 simulatieruns) Gem. Vertr./vtg [s/vtg] Nulvariant TDI VRI (2 vtg) VRI (4 vtg) VRI (6 vtg) VRI (8 vtg) ALINEA (test 1) 159,9 8,5 8,6 9,2 9,3 10,4 AD-ALINEA (test 2) 159,9 8,9 9,6 9 9,7 9,5 Tabel 7: Gemiddelde, mediaan, standaarddeviatie van gemeten dichtheid en spreiding t.o.v. streefwaarde dichtheid wanneer gedoseerd wordt gemiddeld over zes simulatieruns k_est [vtg/km/rijstr.] TDI-AD VRI-AD VRI-AD VRI-AD VRI-AD (2 vtg) (4 vtg) (6 vtg) (8 vtg) Gemiddelde 23,1 23,5 22,9 23,3 23,2 Gemiddelde (test 1) 22,8 23,0 22,8 23,1 23,4 Mediaan 22,1 22,6 22,2 22,8 22,4 Mediaan (test 1) 22,0 22,1 22,1 22,1 22,3 Standaarddeviatie 3,8 3,9 3,8 3,7 3,7 St.dev. (test 1) 3,6 3,8 3,7 4,0 4,3 Spreiding t.o.v. k*(t) 8,8 8,5 8,6 8,8 9,0 (st.dev.) Spreiding t.o.v. k*=27 (st.dev.) (0,9) 5,5 (0,2) (1,2) 5,5 (0,3) (1,3) 5,6 (0,4) (1,2) 5,6 (0,3) (1,0) 5,6 (0,4) 41

56 Uit Tabel 7 valt op te maken dat de gemiddelde waarde van de dichtheid bij de grotere pelotongroottes van 6 en 8 voertuigen nagenoeg gelijk is aan de gemiddelde dichtheid bij de TDIvariant (respectievelijk 23,3 en 23,2 vtg/km tegenover 23,1 vtg/km). Uit test 1 kwam een groter verschil tussen de gemiddelde dichtheden naar voren: hoe groter de pelotons werden, hoe hoger de gemiddelde waarde voor de gemiddelde gemeten dichtheid werd. Wel blijkt de spreiding ten opzichte van de ingestelde streefwaarde bij alle varianten groter te zijn bij het gebruik van het AD- ALINEA-algoritme dan bij het reguliere ALINEA-algoritme. Dit wordt vooral veroorzaakt door het feit dat de bijgeschatte streefwaarde dichtheid in test 2 veel groter wordt dan de ingestelde streefwaarde bij test 1 (27 vtg/km/rijstrook). Het blijkt hierdoor dat de verkeerssituatie op het HWN een hogere dichtheid toelaat dan de gemaakte schatting van de kritische dichtheid met behulp van de Nulvariant uit Paragraaf In Figuur 24 zijn de bijbehorende histogrammen met de gemeten dichtheden ten tijde van doseren weergegeven. Uit deze diagrammen valt op dat in vergelijking met test 1 zich minder extreme waarden voordoen: het aantal hoge dichtheden is bij alle varianten teruggedrongen door het regelen met AD-ALINEA. Het AD-ALINEA-algoritme lijkt hierdoor te kunnen corrigeren voor de hoge piekenmetingen in de dichtheid die ontstaan wanneer het reguliere ALINEA-algoritme wordt gebruikt. Doordat de kritische dichtheid telkens wordt bijgesteld afhankelijk van de heersende verkeerssituatie, verandert de streefwaarde dichtheid evenzo mee. 42

57 Frequentie Frequentie Frequentie Frequentie Frequentie TDI AD-ALINEA ALINEA VRI (2 vtg) AD-ALINEA ALINEA Gemeten dichtheid [vtg/km/rijstrook] Gemeten dichtheid [vtg/km/rijstrook] VRI (4 vtg) AD-ALINEA ALINEA VRI (6 vtg) AD-ALINEA ALINEA Gemeten dichtheid [vtg/km/rijstrook] Gemeten dichtheid [vtg/km/rijstrook] VRI (8 vtg) AD-ALINEA ALINEA Gemeten dichtheid [vtg/km/rijstrook] Figuur 24: Histogrammen met gemeten dichtheden tijdens doseren van gesimuleerde varianten in test 1 (rood) en test 2 (blauw) 43

58 In Tabel 8 zijn de netwerkindicatoren resulterend uit test 2 weergegeven. De totale doorgebrachte tijd is bij alle doseervarianten afgenomen in vergelijking met test 1. Echter, blijkt de totale afgelegde afstand wederom niet bij alle varianten gelijk te zijn, waardoor op basis van de totale doorgebrachte tijd geen significante uitspraken over het functioneren van de verschillende varianten gedaan kunnen worden. Wel valt op dat de afgelegde afstand bij alle doseervarianten groter is dan bij het gebruik van ALINEA. De doorstroming in het netwerk blijkt hierdoor te verbeteren. Wanneer de gemiddelde vertraging per voertuig uit test 1 (zie Tabel 4) wordt vergeleken met degene uit test 2 (zie Tabel 8), blijkt de gemiddele vertraging bij alle doseervarianten kleiner te zijn bij het gebruik van AD-ALINEA. Daarnaast zit er bij het gebruik van AD-ALINEA een veel minder groot verschil tussen de gemiddelde vertraging per voertuig bij oplopende pelotongrootte. Hierdoor blijkt het AD-ALINEA-algoritme in vergelijking met het reguliere ALINEA-algoritme beter om te kunnen gaan met grotere pelotongroottes: de verkeersprestatie blijft bij toenemende voertuigpelotons bij het regelen met AD- ALINEA constanter dan bij ALINEA. Tabel 8: Totale doorgebrachte tijd (TTS), gemiddelde vertraging per voertuig en totale afgelegde afstand in het simulatienetwerk resulterend uit test 2 (kleurcodering geeft per indicator functionering aan ten opzichte van gesimuleerde varianten: rood = slechtst, groen = best) TTS [vtg.u] Gem. vertr./vtg [s/vtg] Totale afgelegde afstand [vtg.km] Gem. St.dev. Gem. St.dev. Gem. St.dev. Nulvariant 278,8 79,7 130,4 74, ,3 41,5 TDI 242,0 14,5 96,8 14, ,7 47,8 VRI (2 vtg) 238,5 12,6 93,4 12, ,8 42,4 VRI (4 vtg) 257,3 10,3 112,0 10, ,4 60,3 VRI (6 vtg) 256,6 10,5 111,1 10, ,7 52,5 VRI (8 vtg) 255,6 10,0 110,0 9, ,3 28, Conclusies test 2 Het AD-ALINEA-algoritme werkte niet geheel als verwacht: bij het toelaten van meerdere voertuigen per cyclus werd de gemiddelde kritische dichtheid door de Parameterschatter naar boven bijgesteld in plaats van naar beneden. De totale reistijd in het netwerk en de gemiddelde vertraging per voertuig is bij alle varianten met het adaptief bijstellen van de kritische dichtheid (en daarmee de streefwaarde dichtheid) afgenomen ten opzichte van het gebruik van het reguliere ALINEA-algoritme. Ook verslechtert de prestatie bij toenemende toegelaten voertuigpelotons minder dan wanneer op basis van een vaste streefwaarde dichtheid wordt gedoseerd. Hieruit kan geconcludeerd worden dat het AD-ALINEA-algoritme (beter dan het reguliere ALINEAalgoritme) kan corrigeren voor de invloed die voertuigpelotons op het invoegproces hebben Conclusies Uit de literatuur en de uitgevoerde tests bleek het (AD)-ALINEA-algoritme de meest geschikte strategie om een capaciteitsval op een snelweg te voorkomen of uit te stellen. In welke mate voertuigpelotons de werking van ALINEA beïnvloeden was evenwel nog onduidelijk. De uitgevoerde tests naar de toepassingsmogelijkheid van dummy-tdi s hebben aangetoond dat het ALINEAalgoritme in staat is om ondanks het toelaten van voertuigpelotons een zodanige doseerintensiteit te bepalen dat de dichtheid rond de streefwaarde dichtheid wordt gehouden. Wel moet in vergelijking met een doseerstrategie waarbij per groenfase één voertuig wordt doorgelaten, strenger gedoseerd worden. Dat wil zeggen dat er bij een dummy-tdi in verhouding meer verkeer gebufferd moet worden om hetzelfde resultaat te krijgen als wat met een reguliere TDI te behalen is. 44

59 Het adaptieve ALINEA-algoritme, waarbij de kritische dichtheid ieder regelinterval wordt bijgeschat, blijkt beter te kunnen corrigeren voor de invloed van voertuigpelotons op het invoegproces. Bij toenemende pelotongroottes blijft de spreiding van de gemeten dichtheden bij alle gesimuleerde doseerstrategieën nagenoeg aan elkaar gelijk. Daarentegen werd bij gebruik van het reguliere ALINEA-algoritme de spreiding bij toenemende pelotongroottes groter en verslechterde daarmee de prestatie van het netwerk. Bij de uitgevoerde tests is geen rekening gehouden met de wachtrij die ontstaat op de toerit als gevolg van het doseren. Wanneer de wachtrijlengte wel als een randvoorwaarde bij het doseren wordt meegenomen, zal de vertraging op het OWN afnemen. Er ontstaat dan wel een grotere kans op blokkades op het HWN, doordat meer voertuigen toestromen dan verwerkt kunnen worden op het HWN. De tests hebben aangetoond dat zowel het reguliere ALINEA- als het AD-ALINEA-algoritme in staat zijn om de doseerintensiteit bij te stellen afhankelijk van de grootte van de voertuigpelotons. Hierbij bleek AD-ALINEA te resulteren in een betere netwerkprestatie. Hiermee is aangetoond dat het doseren met een VRI weldegelijk kansrijk is en dat daarbij het AD-ALINEA-algoritme (van de onderzochte algoritmes) het meest geschikt is om toe te passen. In het volgende hoofdstuk wordt hierdoor op basis van het AD-ALINEA-algoritme een nieuw dummy-tdi-algoritme ontwikkeld. 45

60 46

61 5. Algoritme voor dummy-tdi 5.1. Inleiding Nadat in voorgaande hoofdstukken kennis is vergaard die nodig is om een goed werkend dummy- TDI-algoritme te verkrijgen, wordt in dit hoofdstuk het in dit onderzoek ontwikkelde dummy-tdialgoritme beschreven. In de volgende paragraaf worden allereerst de verschillen tussen de dummy- TDI en de PPA-aanpak beschreven. In Paragraaf 5.3. wordt vervolgens de werking van het ontwikkelde dummy-tdi-algoritme toegelicht. In verband met de beschikbare tijd voor dit onderzoek zijn er bij de ontwikkeling van het dummy-tdi-algoritme verschillende ontwerpkeuzes gemaakt. Deze keuze komen in Paragraaf 5.4. ter sprake. Tenslotte zijn er tijdens de ontwikkeling een aantal punten naar boven gekomen waar extra op gelet moet worden bij het ontwerp en de implementatie van het dummy-tdi-algoritme. Deze aandachtspunten staan beschreven in Paragraaf Vergelijking dummy-tdi met PPA-aanpak Het doseren met een VRI heeft veel overeenkomsten met de functionaliteiten die de Supervisor T1 light (ST1L) uit de PPA biedt. Zoals eerder in Paragraaf 3.4. beschreven is de ST1L een module die ervoor zorgt dat een TDI in coördinatie kan worden ingezet met stroomopwaarts gelegen VRI s. Hierbij wordt de toestroom vanaf de VRI s afgestemd op de verkeersafwikkeling op de toerit bij een in werking zijnde TDI. De VRI s laten hierbij niet meer verkeer naar de toerit stromen dan de TDI kan verwerken. De stappen welke in de ST1L worden doorlopen zijn alsvolgt: 1. Bepalen van set beschikbare buffers; 2. Bepalen van de totale effectieve bufferruimte voor een aansluiting; 3. Bepalen of de inzet van bufferruimtes nodig is; 4. Bepaling van de hoeveelheid verkeer dat gebufferd wordt; 5. Verdeling verkeer over beschikbare buffers: naar rato vullen van de buffers zodat een uniforme verdeling van de wachtrijen over de beschikbare buffers wordt gerealiseerd; 6. Vertaling bufferverkeer naar groentijdaanpassing. Overeenkomsten tussen dummy-tdi en PPA-aanpak Zowel de ST1L als een dummy-tdi moeten in staat zijn een verkeerslichtenregeling op een zodanige wijze te manipuleren dat de instroom richting een toerit beperkt kan worden afhankelijk van de heersende verkeerssituatie. Hierbij wordt bij beide algoritmes bepaald hoeveel verkeer gebufferd moet worden om aan de gewenste doseerintensiteit richting het HWN te kunnen voldoen. Deze hoeveelheid bufferverkeer moet vervolgens bij beide algoritmes verdeeld worden over de beschikbare bufferruimtes, waarbij alle gebruikte buffers in staat moeten zijn de gevraagde doseerintensiteit te realiseren. Verschillen tussen dummy-tdi en PPA-aanpak Het grootste verschil tussen de ST1L en een dummy-tdi is de manier waarop de doseerintensiteit bij beide algoritmes wordt bepaald. De ST1L krijgt de doseerintensiteit rechtstreeks opgelegd vanuit de TDI met AD-ALINEA-algoritme op de toerit. De dummy TDI bepaalt deze doseerintensiteit zelf met behulp van het doseeralgoritme (in deze studie AD-ALINEA). Een ander verschil tussen beide algoritmes treedt op bij het in- en uitschakelen van de maatregelen. De ST1L wordt ingeschakeld door te bepalen of de relatieve wachtrijlengte op de toerit een vooraf ingestelde drempelwaarde heeft onderschreden (bijvoorbeeld 50%). De relatieve wachtrijlengte is 47

62 hierbij de verhouding tussen de effectieve bufferruimte op de toerit en de maximale bufferruimte op de toerit. Een kleine relatieve bufferruimte duidt zodoende op een lange wachtrij op de toerit waarbij de overgebleven bufferruimte beperkt is en de kans op terugslag van de wachtrij naar het OWN groot is. In dit laatste geval wordt daartoe de ST1L ingeschakeld om zodoende extra bufferruimte beschikbaar te maken. De dummy-tdi wordt ingeschakeld wanneer de dichtheid op de snelweg een bepaalde inschakelvoorwaarde voor het te gebruiken AD-ALINEA-algoritme (k aan ) overschrijdt. Wanneer dit het geval is wordt de gewenste doseerintensiteit bepaald met AD-ALINEA. Uitschakelen gebeurt wanneer de gemeten dichtheid op de snelweg een uitschakelvoorwaarde voor het AD-ALINEA-algoritme (k uit ) onderschrijdt Werking dummy-tdi-algoritme Nadat in voorgaande paragraaf de dummy-tdi is vergeleken met de ST1L uit de PPA, wordt in deze paragraaf de verkeerskundige werking van het in dit onderzoek ontwikkelde dummy-tdi-algoritme beschreven. Het voornaamste doel van de dummy-tdi is het langer uitstellen van een capaciteitsval op het HWN om zodoende de netwerkprestatie van het verkeerssysteem waar de dummy-tdi deel van uitmaakt te verbeteren. Het uitstellen van een mogelijke capaciteitsval berust hierbij op het concept dat de kritische dichtheid op een bepaalde locatie op het HWN niet overschreden mag worden. Wanneer dit namelijk gebeurt, komt het verkeerssysteem in de congestieve tak van het fundamenteel diagram en zal door de opgetreden capaciteitsval de uitstroom van verkeer uit de file kleiner zijn dan wanneer het systeem onder vrije doorstroming stroomt. De dummy-tdi probeert daarom de toestroom van verkeer vanaf het OWN naar het HWN zodanig te beperken, dat de dichtheid juist na de invoegstrook beneden de kritische dichtheid blijft: de gewenste doseerintensiteit op een bepaald tijdstip t (q dos (t)). Tot dusver is de werking van een dummy-tdi nog hetzelfde als bij reguliere toeritdosering door middel van het ALINEA-algoritme. De uitdaging van een dummy-tdi is om meerdere buffers samen te laten werken om een gewenste hoeveelheid verkeer te bufferen om een gewenste doseerintensiteit q dos (t) te realiseren. Alleen wanneer dit goed wordt gedaan kan namelijk de berekende gewenste doseerintensiteit gerealiseerd worden. Om dit te realiseren worden achtereenvolgens de volgende stappen in het dummy-tdidoorlopen: Stap 1.: Bepaling van set beschikbare buffers Stap 2.: Bepaling totale effectieve bufferruimte voor een aansluiting Stap 3.: Bepaling of gedoseerd moet worden Stap 4.: Bepaling doseerintensiteit Stap 5.: Bepaling of inzet buffers nodig is Stap 6.: Bepaling hoeveel verkeer gebufferd moet worden Stap 7.: Verdeling bufferverkeer over beschikbare buffers Stap 8.: Vertaling bufferverkeer naar aanpassing groentijden Allereest wordt in stap 1 en 2 bepaald hoeveel bufferruimte [vtg] beschikbaar is om voertuigen in te bufferen. Door in stap 3 te bepalen of de dichtheid ter hoogte van het regelpunt op de snelweg (juist na de invoegstrook) een inschakelwaarde voor de dichtheid overschrijdt, wordt (wanneer dat het geval is) in stap 4 met behulp van AD-ALINEA bepaald hoe groot de gewenste doseerintensiteit [vtg/u] is. Deze waarde wordt alsvolgt omgerekend naar het aantal voertuigen per regelperiode: T q ˆdos t q dos t

63 Waarbij T is de lengte van de regelperiode [s] en q () t is de berekende doseerintensiteit door AD- ALINEA [vtg/u]. In stap 5 wordt vervolgens bepaald of de inzet van buffers noodzakelijk is om de gewenste doseerintensiteit te behalen. Hiertoe wordt een schatting gemaakt van de verkeersvraag rt ˆ( )[vtg/t] in richting de toerit door middel van het schatten van de wachtrijopbouw [vtg] en de instroom r () t op een wegvak dat richting de toerit stroomt. De verkeervraag per regelperiode t is dan gelijk aan: T in max act rˆ( t) r ( t) S ( ) 3600 j j S j t j Jr Waarbij T de lengte van de regelperiode [sec] is. Wanneer geldt: rˆ( t) qˆ ( t), hoeft niet gebufferd te worden en worden de groentijden van de dos verkeerregelingen niet aangepast. Wanneer rˆ( t) qˆ ( t) moet wel gedoseerd worden omdat anders te veel voertuigen toestromen. dos De hoeveelheid verkeer ( br () t =bufferverkeer) die in het laatste geval in de eerste volgende regelperiode moet worden tegengehouden is gelijk aan: b ( t) rˆ( t) qˆ ( t) (stap 6.) Deze totale hoeveelheid bufferverkeer moet vervolgens over de beschikbare bufferruimtes verdeeld worden (stap 7). Om ervoor te zorgen dat de beschikbare buffers even snel vollopen wordt op basis van de relatieve bufferruimte in de beschikbare buffers een uniforme verdeling van het bufferverkeer over de buffers gerealiseerd. De relatieve bufferruimte van een buffer geeft de verhouding van de actuele wachtrijlente en de maximale wachtrijlengte. In formulevorm ziet dit er alsvolgt uit [formule overgenomen uit [16]]: J ( t) J ( t) Jˆ ( t) r r r b ( t) 0 j while b ( t) 0 and J ( t) 0 end r eff eff s ( t) s ( t) r eff s () eff j t bj( t) min s j ( t), bj ( t) br ( t), j Jr( t) eff sr ( t) j Jr J ( t) j J ( t) b ( t) s b ( t) b ( t) b ( t) r r j j Jr () t J ( t) J ( t) \ J ( t) j eff r r j j r r r r Nu bekend is hoeveel verkeer per buffer moet worden gebufferd, vindt in stap 8 een vertaalslag naar de benodigde groentijdaanpassing plaats om dit ook daadwerkelijk te realiseren met de verkeersregeling. De afrijcapaciteit van een richting bepaald hoeveel verkeer er maximaal per tijdsperiode de stopstreep kan passeren. Aangezien de gewenste doseerintensiteit duidt op een maximaal aantal toe te laten voertuigen, wordt bij het gebruik van de afrijcapaciteit van een richting hiervoor gezorgd. dos r dos j 49

64 n De relatie tussen de afrijcapaciteit en de aanpassing in de groentijd g () t die nodig is om de juiste hoeveelheid verkeer te bufferen is gelijk aan: bj () t C n gm() t n uˆ () t Waarbij bj () t is het aantal voertuigen dat in de volgende regelperiode in buffer j gebufferd moet worden, n n C is de cyclustijd van kruispunt n en uˆ m() regelperiode kan passeren op richting m van kruispunt n. n uˆ () t kan berekend met behulp van: m m n m t is het maximale aantal voertuigen dat in een n T n uˆ m( t) um( t) 3600 n Waarbij T is de regelperiode [s] en u () t is de afrijcapaciteit van richting m van kruispunt n [voertuigen/uur]. m n De nieuw in te stellen (maximum) groentijd gˆ () t wordt met de aanpassing van de groentijd door het extra te bufferen verkeer gelijk aan: n n n gˆ ( t) g g ( t) m m m Waarbij n g m is de originele maximum groentijd [s] van de aan te passen signaalgroep. m n Deze berekende groentijd gˆ () t wordt vervolgens doorgegeven aan de verkeersregeling, zodat deze verder kan gaan met de nieuwe waarden. m Voor een uitgebreidere beschrijving per stap die wordt uitgevoerd in het dummy-tdi-algoritme wordt doorverwezen naar Bijlage II.1. In Bijlage II.3. is daarnaast de Matlab-code van het dummy- TDI-algoritme gegeven Onderbouwing gemaakte keuzes bij uitwerking dummy-tdi Bij de ontwikkeling van het dummy-tdi-algoritme zijn een aantal ontwerpkeuzes gemaakt. Deze ontwerpkeuzes hadden tot doel de ontwikkelstap in een sneller tempo te doorlopen, zonder dat teveel afbreuk werd gedaan van een systeem zoals het op straat zou kunnen werken. De keuzes en de onderbouwing hiervoor staan beschreven in deze paragraaf. Drie verschillende scenario s voor groentijdaanpassing Bij het doseren met een dummy-tdi zijn er drie verschillende scenario s denkbaar: 1. niet doseren en niet bufferen; 2. wel doseren en wel bufferen; 3. wel doseren en niet bufferen. Scenario 1 en 2 spreken voor zich, maar behoeft scenario 3 wat extra uitleg. WEL doseren en NIET bufferen houdt in dat de totale verkeersvraag op de betreffende doseerrichtingen kleiner is dan de doseerintensiteit die volgens het gebruikte doseeralgoritme toegelaten kan worden. Bij dit scenario kan de gehele verkeersvraag doorgelaten worden zonder dat verkeer gebufferd wordt in een wachtrij. De groentijd uit vorige periode is daardoor geschikt om ook in de volgende regelperiode toegepast te worden, waardoor de in te stellen groentijd gelijk kan blijven aan de groentijd uit vorige regelperiode. 50

65 Om bij elk van de scenario s er voor te zorgen dat de juiste hoeveelheid verkeer wordt toegelaten afhankelijk van de verkeerssituatie, worden de groentijden op de gebruikte doseerrichtingen op verschillende manieren ingesteld. In Tabel 9 staat weergegeven wat er met de groentijden uit de originele verkeerslichtenregeling wordt gedaan wanneer één van de drie scenario s geldt. Hierbij staat originele groentijd voor de groentijd die in de verkeerslichtenregeling is ingesteld wanneer niet gedoseerd wordt, in andere woorden: wanneer de dummy-tdi niet actief is. Tabel 9: Aanpassing groentijd bij verschillende scenario s voor doseren met een dummy-tdi Wel bufferen Wel doseren q dos < q vraag : Verkorting groentijd Niet bufferen q dos > q vraag : Gelijkblijvende groentijd Niet doseren n.v.t. 1. q dos < k_aan: 2. S act < S drempelwaarde : Originele groentijd Berekening in te stellen groentijd Uit het dummy-tdi-algoritme volgt hoeveel de groentijd van een betreffende buffer moet worden verkort om de juiste hoeveelheid verkeer te kunnen bufferen. In de ST1L wordt deze berekende aanpassing van de groentijd (delta_groentijd_buffer) van de groentijd uit de originele verkeersregeling (groentijd_orig) afgetrokken. Hier is voor gekozen om tijdens het regelen met de ST1L niet de groentijd uit de originele regeling verloren te laten gaan. Wanneer de ST1L om wat voor reden dan ook niet meer functioneert, kan op deze wijze altijd nog de originele groentijd worden ingesteld [16]. Theoretisch is het echter beter de reistijd vanaf een buffer naar de invoeging te nemen als bepalende factor voor de aan te passen groentijd. Het verkeer uit de buffer heeft deze reistijd nodig voordat daadwerkelijk de situatie op het HWN wordt aangepast. De vertraging in het regelsignaal die hierdoor optreedt, kan tijdens het regelen meegenomen worden door in het algoritme de groentijd aan te passen die een reistijd eerder was ingesteld. In het gebruikte dummy-tdi-algoritme is er voor gekozen telkens de originele groentijd aan te passen. Hierbij is dezelfde reden aangehouden als bij de ST1L. Als er in de praktijk een technische fout optreedt in het dummy-tdi-algoritme waardoor geen aanpassing van de groentijd meer wordt berekend, kan de VRI nog altijd verder regelen met zijn originele groentijd. Grootte opstelruimtes om verkeer in te bufferen Om te achterhalen hoeveel strenger gedoseerd moet worden met een dummy-tdi ten opzichte van een reguliere TDI, is er voor gekozen bij beide doseermaatregelen de beschikbare bufferruimte even groot te kiezen. Op deze manier kan bij beide maatregelen evenveel verkeer gebufferd worden, zodat de verkregen simulatieresultaten niet toe te schrijven zijn aan verschillende beschikbaarheid van bufferruimtes. Wachtrijmanagement Zoals eerder vermeld, is een niet te onderschatten aandachtspunt bij de inzet van een doseermaatregel hoe wordt omgegaan met de gecreëerde wachtrij als gevolg van het doseren. Terugslag van een dergelijke wachtrij kan blokkades veroorzaken op richtingen die niet richting het HWN stromen, waardoor de totale doorgebrachte tijd in het beschouwde netwerk groter zal worden. 51

66 Met andere woorden, er moet zo goed mogelijk voor gezorgd worden dat de gecreëerde wachtrijen binnen de beschikbare buffergrenzen vallen: lengte van de wachtrij LW < maximale bufferruimte S max. Daartoe wordt er bij een functionerende dummy-tdi voor gezorgd dat alleen die buffers worden gebruikt waarbij als gevolg van het doseren niet de maximale bufferruimte wordt overschreden. Wanneer alle beschikbare bufferruimte is gebruikt, kan er geen verkeer meer gebufferd worden en zullen de buffers indien hier niets mee wordt gedaan overlopen. Bij wachtrijmanagementmaatregelen is het belangrijk om te beseffen dat de invloed van de vergrote uitstroom van verkeer met een bepaalde vertraging pas merkbaar is aan de stroomopwaartse kant van de buffer. Dit komt doordat alle voertuigen in de wachtrij pas kunnen optrekken wanneer het voertuig voor ze vertrekt. De verkeersgolf die op deze manier ontstaat stroomt met een snelheid van ongeveer -15 km/u -4 m/s stroomopwaarts [4]. Om er daartoe voor te zorgen dat de wachtrij als gevolg van deze vertraging alsnog overloopt, is er voor gekozen niet de gehele beschikbare bufferruimte op een opstelvak mee te nemen. Wachtrijmanagement wordt zodoende actief wanneer nog een bepaald aantal voertuigen gebufferd kan worden. Bij de uitgevoerde simulatiestudies is bij de TDI uitgegaan van een resterende bufferruimte van 10 voertuigen (bij een maximale bufferruimte van 60 voertuigen) en bij de dummy-tdi van 5 voertuigen per buffer doordat er bij de dummy-tdi twee bufferrichtingen zijn gebruikt (bij een maximale bufferuimte per buffer van 30 voertuigen) Aandachtspunten dummy-tdi De uitgevoerde simulaties met het dummy-tdi-algoritme hebben een aantal aandachtspunten opgeleverd waar bij de exploitatie van een dummy-tdi extra op gelet moet worden. Welke aandachtspunten dit zijn en waarom deze zo belangrijk zijn, wordt in deze paragraaf toegelicht. Accurate verkeersvraag richting HWN Het gehele dummy-tdi-algoritme is ertoe ingericht om op basis van een berekende gewenste toestroom richting de toerit (de berekende doseerintensiteit q dos ) te bepalen hoeveel verkeer in de beschikbare buffers opgeslagen moet worden om daadwerkelijk deze toestroom te kunnen realiseren. Hiervoor is het van belang dat een juiste schatting wordt gemaakt van de verkeersvraag die vanaf het OWN naar het HWN wil stromen. Deze schatting van de verkeersvraag wordt in het algoritme met de Demand Estimator gemaakt. Zoals in Paragraaf ter sprake is gekomen, is de Demand Estimator een monitoringeenheid die voor de PPA is ontwikkeld, waarmee de instroom van een wegvak wordt geschat door het meten van de uitstroom uit het wegvak en de verandering van de wachtrij over de tijd. Een onjuiste bepaling van de hoeveelheid verkeer in de buffers, kan er voor zorgen dat de prestatie van de dummy-tdi drastisch afneemt. Het verkeer wordt in dit geval niet optimaal over de beschikbare buffers verdeeld, omdat wordt gerekend met inaccurate monitoringdata. Dit kan ervoor zorgen dat ofwel te veel voertuigen worden gebufferd waardoor de kans op wachtrijterugslag groter wordt, ofwel te weinig voertuigen worden gebufferd waardoor de kans op filevorming op de snelweg groter wordt. Bepaling afrijcapaciteit doseerrichtingen Een juiste bepaling van de afrijcapaciteit van een richting is een bepalende factor voor een goede werking van het dummy-tdi-algoritme. Bij een te hoog gekozen afrijcapaciteit wordt de groentijd te veel bijgesteld waardoor er per regelperiode meer voertuigen gebufferd worden dan voor de actuele verkeerstoestand nodig is. Wanneer dit het geval is, groeien de wachtrijen sneller aan dan nodig is en worden voertuigen onnodig tegengehouden, waardoor de totale reistijd in het netwerk zal toenemen door de extra vertraging die het verkeer op het OWN krijgt opgelegd. Een te laag gekozen afrijcapaciteit heeft een kleine aanpassing van de groentijd tot gevolg, waardoor er per regelperiode meer voertuigen richting de snelweg stromen dan dat de snelweg op basis van de verkeerstoestand kan verwerken. Een mogelijk gevolg hiervan is dat alsnog capaciteitsval optreedt op de snelweg. 52

67 6. Simulatieomgeving en -opzet 6.1. Inleiding In dit hoofdstuk wordt de gebruikte simulatieomgeving in beeld gebracht. Allereerst wordt de keuze voor het model verantwoord, waarbij wordt aangegeven waarom dit model geschikt is om een antwoord te vinden op de onderzoeksvragen. Vervolgens wordt het gebruikte simulatienetwerk geïntroduceerd. Hierna volgt een beschrijving van de simulatievarianten die zijn gebruikt om de onderzoeksvragen te kunnen beantwoorden. In Paragraaf 6.5. worden de gebruikte beoordelingsindicatoren opgesomd en toegelicht, waarna in Paragraaf 6.6. een beschrijving volgt van de toegepaste belastingpatronen. Paragraaf 6.7. geeft vervolgens de gebruikte waarden van de configureerbare parameters in de regelalgoritmes, om te eindigen met een verantwoording voor het gebruikte aantal random seeds voor de simulaties Modelkeuze Voor dit onderzoek is ertoe besloten gebruik te maken van het simulatiemodel VISSIM. De keuze voor deze simulatieomgeving lag voor een groot gedeelte vast, omdat dit model ook is gebruikt bij de ontwikkeling en het testen van de verschillende regelalgoritmes in de PPA. Wanneer dit model gebruikt zou worden, zou enerzijds tijd bespaard kunnen worden met het bouwen van het simulatienetwerk en anderzijds zijn de monitoring- en regeleenheden die in de PPA zijn ontworpen al werkend voor dit model. Wat verder meetelde bij de keuze voor het te gebruiken simulatiemodel was dat de auteur al bekend was met de VISSIM-omgeving, zodat tijd bespaard kon worden bij het eigen maken van de modelomgeving Eisen bij modellering in VISSIM-omgeving Om significante data uit de simulaties te krijgen en hiermee een antwoord te vinden op de opgestelde onderzoeksvragen, is het belangrijk dat het model aan een drietal eisen voldoet, te weten: 1. Bij filevorming moet capaciteitsval op het HWN optreden; 2. Het invoegproces moet waarheidsgetrouw zijn; 3. Groentijden moeten per regelperiode kunnen worden aangepast. Deze eisen zijn hieronder nader toegelicht. Hierbij is ook beschreven hoe in het VISSIM-model aan deze eisen wordt voldaan. 1. Capaciteitsval bij filevorming Een uitgangspunt dat is aangehouden bij dit onderzoek is dat het met toeritdosering mogelijk is capaciteitsval op het HWN uit te stellen of te voorkomen, waardoor de prestatie van het totale netwerk wordt bevorderd. Het gebruikte simulatiemodel moet hierdoor wel een capaciteitsval kunnen genereren, omdat anders de te behalen effecten niet met behulp van de simulatie aangetoond kunnen worden. Indien er geen capaciteitsval wordt gerealiseerd zal er door het doseren van de toestroom richting het HWN alleen een verschuiving van vertraging van het HWN naar OWN plaatsvinden. De totale reistijd in het netwerk zal in dit geval niet verminderen. Uit eerdere simulatiestudies is duidelijk geworden dat VISSIM bij de standaardinstellingen niet of in zeer beperkte mate een capaciteitsval realiseert wanneer congestie is opgetreden. Door het aanpassen van de acceleratie- en deceleratiewaarden in VISSIM is het gelukt om wel een 53

68 capaciteitsval te realiseren. De parameters die hiervoor zijn aangepast zijn weergegeven door de rode kaders in Figuur 25. In Bijlage I.1. is de modellering van de capaciteitsval in de VISSIM-omgeving nader beschreven en is berekend hoe groot de resulterende capaciteitsval na het aanpassen van deze waarden is geworden. De gemodelleerde capaciteitsval blijkt een grootte van 20% te hebben. In Paragraaf is reeds beschreven dat uit evaluatiestudies is gebleken dat aannemelijke waarden voor de capaciteitsval liggen tussen de 5 en 20%. De gecreëerde capaciteitsval in het simulatienetwerk kan hiermee representatief geacht worden voor een werkelijke situatie. Figuur 25: Standaard- en aangepaste instellingen voor rijgedrag op snelweg in VISSIM (de rood omkaderde waarden zijn gewijzigd) 2. Waarheidsgetrouw invoegproces Om de invloed van voertuigpelotons op het invoegproces op een juiste wijze te onderzoeken, dient het invoegproces zo waarheidsgetrouw mogelijk te zijn. Om dit te kunnen realiseren is het belangrijk dat in het VISSIM-netwerk invoegstroken op de juiste wijze gemodelleerd worden. Echter, in het model wordt het van rijstrook veranderen van voertuigen niet altijd op de juiste wijze uitgevoerd. Verkeer dat van de invoegstrook wil invoegen op de autosnelweg, kan pas invoegen wanneer er zich een voldoend groot gat bevindt in de verkeersstroom op de autosnelweg. Wanneer een voertuig aan het einde van de invoegstrook nog steeds geen geschikt gat heeft kunnen vinden, zal het op die plaats tot stilstand komen. Dit fenomeen treedt het vaakst op wanneer de verkeersstroom op het 54

69 HWN groot is, en daarmee de opvolgtijden tussen de voertuigen klein, resulterend in kleine hiaten voor invoegend verkeer. Het tot stilstand komen van invoegend verkeer aan het einde van de invoegstrook, kan in het model voorkomen worden door het toevoegen van een extra connector tussen de link met de invoegstrook en de stroomafwaarts link. Bij de default-instellingen in VISSIM ontstaat dan alsnog een probleem door het over elkaar heen rijden van voertuigen. Dit is opgelost door parameterinstellingen in het lane change model in VISSIM aan te passen. VISSIM kent namelijk geen onderscheid in doorgaandeen weefsecties, waardoor het rijgedrag in deze verschillende secties standaard gelijk zijn ingesteld. In werkelijkheid zal verkeer bij het invoegen op een snelweg kleinere hiaten accepteren, dan wanneer op een doorgaande sectie een voertuig wil inhalen. Daartoe is ervoor gekozen het rijgedrag op de weefsecties in het netwerk aan te passen, door ter plekke een kleinere safety reduction factor in te stellen, zodat voertuigen in het simulatienetwerk een kleiner hiaat accepteren. 3. Aanpassing groentijden per regelperiode Het moet in het model mogelijk zijn om per in te stellen regelperiode een andere groentijd in te stellen. Op basis van de actuele verkeerstoestand in het betreffende netwerk moet het mogelijk zijn over te stappen op een andere groentijdverdeling op de verschillende richtingen van de dummy-tdi. Alleen indien dit mogelijk is kan de doseerintensiteit aangepast worden op basis van de verkeerssituatie. Deze mogelijkheid bevat VISSIM. In VISSIM kan namelijk via een zogenaamde COM-server de simulatie gepauzeerd worden, waarna de instellingen van een verkeerslicht waaronder de groentijden aangepast kunnen worden met behulp van Matlab Simulatienetwerk Nadat in voorgaande paragraaf is toegelicht waarom VISSIM geschikt is om te gebruiken in dit onderzoek, wordt in deze paragraaf het gebruikte simulatienetwerk beschreven. Allereerst komt de opbouw van het verkeersnetwerk in VISSIM aan de orde, vervolgens wordt beschreven hoe de verschillende actuatoren in het model worden aangestuurd via een koppeling met Matlab VISSIM-netwerk Het studienetwerk is gemodelleerd in VISSIM en is gebruikt om de verschillende varianten te simuleren. De verkregen simulatieresultaten uit dit netwerk worden gebruikt om de onderzoeksvragen te beantwoorden. Het gebruikte simulatienetwerk is bij iedere effectevaluatie gelijk en is weergegeven in Figuur 26. De VISSIM-omgeving bevat het verkeersnetwerk, waarbij de verkeersvraag van herkomst naar bestemming wordt opgegeven (de toegevoegde belastingpatronen zijn beschreven in Paragraaf 6.6.). Ook de actuatoren (VRI s en TDI s) zijn in deze modelomgeving gemodelleerd. Echter, de daadwerkelijke aansturing van deze actuatoren verloopt via algoritmes in Matlab. Via een zogenaamde COM-server worden de berekende regelopgaves voor de actuatoren uit Matlab naar het VISSIM-model gestuurd en ingesteld zodat VISSIM verder kan gaan met de aangepaste instellingen (zie Paragraaf voor een nadere toelichting). Het VISSIM-netwerk bestaat uit een tweestrooks-snelwegtracé met een totale lengte van 4 km. Hierbij bevinden zich respectievelijk op 1500 meter en 3000 meter twee aansluitingen (zie Figuur 26). 55

70 De twee aansluitingen bevatten: 1 toerit met een totale opstelruimte van 400 meter Een door een starre verkeersregeling geregeld kruispunt met 6 richtingen, waarbij 2 richtingen richting de snelweg stromen. De opstelruimtes zijn hierbij 200 meter per richting. (zie Figuur 27). Figuur 26: Vissim-netwerk (groene pijlen = herkomsten, rode pijlen = bestemmingen) 56

71 Figuur 27: detail aansluiting met aangegeven op welke richting bij het kruispunt wordt gedoseerd Aansturing actuatoren door koppeling VISSIM met Matlab-interface Via een COM-server worden met Matlab instellingen in het simulatieprogramma VISSIM gemanipuleerd. Dit wordt gedaan door na een bepaalde regelperiode t (60 s) de simulatie tussentijds te pauzeren. Hierna wordt de detectorinformatie vanuit VISSIM ingelezen in Matlab, waarna deze gegevens gebruikt worden in het optimalisatieproces van de algoritmes in Matlab. Door het optimaliseren van een doelfunctie worden zodoende de parameterinstellingen van de actuatoren verkregen welke in de volgende regelperiode door de regelaars in VISSIM gebruikt moeten worden. Deze gevonden instellingen worden vervolgens teruggestuurd naar VISSIM, waarna de simulatie wordt hervat met de geoptimaliseerde instellingen. In Figuur 28 is de regelcyclus afgebeeld welke per simulatiestap t wordt doorlopen en de relatie weergeeft tussen het VISSIM-model, de Matlabcode en de toegepaste regelaars. 57

72 Figuur 28: Stroomschema koppeling Matlab-Maatregelen-VISSIM in modelomgeving [afbeelding overgenomen uit [17]] Beperking simulatieomgeving Om de haalbaarheid van een dummy-tdi zo goed mogelijk in beeld te brengen, is het noodzakelijk om bij de simulatiestudie grip te hebben op zo veel mogelijk factoren die de werking nadelig kunnen beïnvloeden. Eén van zulke factoren is een juiste bepaling van de cyclustijd om er zorg voor te kunnen dragen dat de gewenste doseerintensiteit wordt gerealiseerd. In de praktijk wordt over het algemeen gebruik gemaakt van voertuigafhankelijke verkeerslichtenregelingen (VA-regelingen). Deze regelingen zijn in staat zich aan te passen aan de actuele verkeersaanbod bij het kruispunt door de groentijden van de verschillende richtingen hierop bij te stellen. Op deze manier wordt de totale vertraging ter hoogte van het geregeld kruispunt geminimaliseerd en dus kan de cyclustijd van de verkeersregeling door het aanpassen van de groentijden wijzigen. Omdat de verhouding tussen de groentijd en de cyclustijd van een verkeersregeling bepaalt hoeveel verkeer er per cyclus doorgelaten kan worden, zou de cyclustijd bij het regelen met een dummy-tdi telkens geüpdatet moeten worden om de juiste hoeveelheid verkeer te kunnen bufferen. Hiervoor is een terugkoppeling nodig van de gebruikte regelaars naar het dummy-tdi-algoritme waarbij de gerealiseerde cyclustijd teruggegeven wordt. Deze terugkoppeling bleek met de gebruikte regelaar in dit onderzoek (TRAFcod) niet een-op-een mogelijk, doordat de gerealiseerde cyclustijd niet worden gelogd. Daarnaast kan het voorkomen dat de actuele cyclustijd van een voertuigafhankelijke regeling veel verschilt met de regelperiode waarmee de groentijden door het dummy-tdi algoritme worden aangepast. Als de cyclustijd bijvoorbeeld twee minuten is en de regelperiode een minuut, zouden de groentijden twee keer per cyclus worden aangepast. Dit kan er voor zorgen dat de verkeersregeling en het algoritme uit de pas gaan lopen, waardoor de werking van de dummy-tdi mogelijk verslechtert. Om ervoor te zorgen dat deze effecten niet optreden, is er voor gekozen om gebruik te maken van verkeersregelingen met een vaste cyclustijd, zogenaamde starre verkeersregelingen. Bij een starre 58

73 verkeersregeling worden de richtingen volgens een vaste structuur geregeld. Hierbij hebben alle richtingen een vaste groentijd, zodat de cyclustijd ook een constante waarde houdt Effectevaluaties en simulatievarianten Deze paragraaf beschrijft de varianten die zijn gesimuleerd om de onderzoeksvragen te kunnen beantwoorden. Hierbij is per effectevaluatie aangegeven welke simulatievarianten zijn gebruikt en hoe deze zijn opgebouwd Overzicht en beschrijving effectevaluaties en simulatievarianten Om de onderzoeksvragen van dit onderzoek te kunnen beantwoorden is een onderscheid gemaakt in een drietal effectevaluaties. In iedere effectevaluatie wordt een onderzoeksvraag behandeld. Herinner de opgestelde onderzoeksvragen: Onderzoeksvraag 1 : Welke meerwaarde heeft het vergroten van de opstelruimte bij toeritdosering? Onderzoeksvraag 2: Is de effectiviteit van een dummy-tdi gelijk aan een reguliere toeritdoseerinstallatie? Onderzoeksvraag 3: Is de te bereiken effectiviteit van een dummy-tdi, wanneer deze in coördinatie wordt ingezet, gelijk aan reguliere gecoördineerde toeritdoseerinstallaties? De onderzoeksvragen worden in onderstaande effectevaluaties beantwoord: Onderzoeksvragen Effectevaluaties 1 Meer opstelruimte bij doseren 2 Dummy-TDI op lokaal niveau 3 Dummy-TDI op trajectniveau In Tabel 10 is een overzicht gegeven van alle varianten die in dit onderzoek worden gesimuleerd. De eerste kolom van deze tabel geeft aan op welke schaalniveau de maatregelen worden ingezet: lokaal geregeld (lokaal) of in coördinatie ingezet (traject). In de tweede kolom staat weergegeven hoe lang de opstelruimtes zijn die bij de varianten gebruikt worden. Hierbij staat regulier en verkort voor respectievelijk een totale opstelruimte van 400 meter en 300 meter. Tabel 10: Overzicht simulatievarianten voor effectevaluaties Schaalniveau Opstelruimtes (regulier/verkort) Varianten (lokaal of traject) n.v.t. n.v.t. 0. Nulvariant Lokaal 1. Verkort (300 m) 1.1. TDI (klein) Traject 2. Regulier (400 m) 3. Regulier (400 m) 2.1. TDI (groot) 2.2. Dummy-TDI 3.1. TDI (coördinatie) 3.2. Dummy-TDI (coördinatie) Effectevaluatie meer opstelruimte 0. Nulvariant De nulvariant is de situatie waarbij het netwerk niet wordt geregeld door dynamische verkeersmanagementmaatregelen, zoals TDI s of dummy-tdi s. Wel wordt een verkeersregelinstallatie (VRI) op de aansluitingen van het OWN naar het HWN toegepast. Deze variant dient als benchmark voor de andere situaties, doordat in beeld wordt gebracht hoe de 59

74 verkeersprestatie van het netwerk zou zijn indien de toestroom naar het HWN niet gedoseerd zou worden TDI (klein) Bij deze variant worden op beide toeritten TDI s lokaal ingezet. Hierbij hebben de TDI s een opstelruimte van 300 meter beschikbaar op de toerit. De TDI maakt hierbij gebruik van het AD-ALINEA-algoritme welke ook in de testomgeving van de PPA wordt gebruikt. Hierbij wordt de dichtheid stroomafwaarts van de invoegstrook beneden de kritische dichtheid gehouden door het instellen van een gewenste doseerintensiteit vanaf de toerit. Daarnaast wordt de kritische dichtheid kkrit () t iedere regelstap t geschat met behulp van de uitvoer van de Parameterschatter waardoor iedere regelstap adaptief de streefwaarde dichtheid k*( t) alsvolgt wordt bijgesteld k *( t) k ( t), waarbij een schalingsparameter is met waarde 0,9. krit 2.1. TDI (groot) Dezelfde opzet als bij 1.1., maar nu is de beschikbare opstelruimte 400 meter. Effectevaluatie dummy-tdi op lokaal niveau 0. Nulvariant Dezelfde variant als de nulvariant bij de effectevaluatie naar meer opstelruimte TDI De TDI-variant is bedoeld om de effecten die behaald kunnen worden met de ontwikkelde dummy- TDI-regeling te vergelijken met een reguliere TDI Dummy-TDI De dummy-tdi-variant is de situatie waarbij het ontwikkelde regelalgoritme in dit afstudeeronderzoek wordt gesimuleerd. Hierbij worden de starre verkeerslichtenregelingen op de kruispunten afzonderlijk van elkaar ingezet. Gevoeligheidsanalyse dummy-tdi Naast de effectevaluaties is een kleinschalige gevoeligheidsanalyse uitgevoerd naar de invloed van de schalingsparameter γ op te prestatie van een lokale dummy-tdi. Hierbij zijn drie verschillende waardes voor γ in het simulatienetwerk gesimuleerd, te weten: γ = 0,9, 0,8 en 0,7. Effectevaluatie dummy-tdi op trajectniveau 2.1. TDI Dezelfde variant als de TDI-variant bij de effectevaluatie van de dummy-tdi op lokaal niveau Dummy-TDI Dezelfde variant als de dummy-tdi-variant bij de effectevaluatie van de dummy-tdi op lokaal niveau. Nu is de schalingsparameter γ (welke bepaald hoeveel de streefwaarde dichtheid verschilt met de kritische dichtheid) in plaats van 0,9 gelijk aan 0,8. De uitgevoerde gevoeligheidsanalyse voor de schalingsparameter γ (zie Paragraaf 7.4.) toonde aan dat γ=0,8 zorgde voor een betere netwerkprestatie TDI (coördinatie) Door TDI s in coördinatie te regelen door middel van het HERO/RWS-algoritme (ST2 uit de PPA) wordt in kaart gebracht welke winst te behalen valt ten opzichte van lokale regelingen. 60

75 3.2. Dummy-TDI (coördinatie) Een variant waarbij meerdere dummy-tdi s gecoördineerd worden ingezet, geeft uitsluitsel over de effecten die te behalen zijn wanneer ook coördinatie bij dummy-tdi s wordt toegepast. Samengevat worden per effectevaluatie onderstaande simulatievarianten gesimuleerd. Tabel 11: Overzicht gebruikte simulatievarianten per effectevaluatie Effectevaluaties 0. Nulvariant 1.1. TDI (klein) 2.1. TDI (groot) 2.2. Dummy-TDI 3.1. TDI (coördinatie) 3.2. Dummy-TDI (coördinatie) Meer opstelruimte x x x Dummy-TDI lokaal x x x * Dummy-TDI coördinatie x x * x x * = bij dummy-tdi lokaal gebruik gemaakt van schalingsparameter γ = 0,9; bij dummy-tdi coördinatie gebruik gemaakt van schalingsparameter γ = 0,8 Figuur 29: Schematische weergave lokaal niveau in effectevaluatie Figuur 30: Schematische weergave trajectniveau in effectevaluatie 6.5. Beoordelingsindicatoren Om de onderzoeksvragen die opgesteld zijn voor dit onderzoek te kunnen beantwoorden, zijn de volgende beoordelingsindicatoren aangenomen. Met behulp van deze indicatoren wordt de effectiviteit die te behalen is met een doseermaatregel uitgedrukt. Hierbij worden de verschillende varianten met elkaar vergeleken om uitspraken te kunnen doen over de effectiviteit van een bepaalde doseermaatregel ten opzichte van een andere. 61

76 Bij iedere effectevaluatie is een onderscheid gemaakt tussen enerzijds prestatie-indicatoren en anderzijds verklarende indicatoren. De prestatie-indicatoren zijn bedoeld om in één oogopslag te zien hoe goed de verschillende varianten ten opzichte van elkaar presteren. Deze prestatie-indicatoren worden zodoende gebruikt om de effectiviteit van de gesimuleerde (doseer)varianten uit te drukken. Met de verklarende indicatoren worden de achterliggende oorzaken van de verschillen tussen de varianten aan het licht gebracht: waarom presteren de varianten zo? Beoordelingsindicatoren In deze paragraaf is aangegeven welke indicatoren zijn gebruikt bij de uitvoering van de effectevaluaties in dit onderzoek, waarbij de opdeling in prestatie-indicatoren en verklarende indicatoren is aangehouden. Daarnaast is beschreven waarom voor deze indicatoren is gekozen. Prestatie-indicatoren In dit onderzoek zijn de volgende prestatie-indicatoren gebruikt: - Totale doorgebrachte tijd (in het netwerk) TTS [vtg u] - Totale afgelegde afstand [vtg.km] - Gemiddelde vertraging per voertuig [s vtg -1 ] - Gemiddelde snelheid (in snelheidcontourplots) [km u -1 ] - Cumulatieve aantal gepasseerde voertuigen (in slanted cumulative curves) [vtg] - Moment van capaciteitsval [min] - Totale (of gemiddelde per voertuig 4 ) vertraging per traject [vtg u] Bovenstaande indicatoren worden hieronder toegelicht. Totale doorgebrachte tijd (TTS) De totale doorgebrachte tijd TTS geeft de gesommeerde reistijden van alle voertuigen in het netwerk en is daarmee een van de belangrijkste indicatoren om effecten op een geheel netwerk in beeld te brengen. De waarde wordt uitgedrukt in voertuiguren [vtg u]. Hoe lager de TTS, hoe eerder voertuigen het netwerk uitstromen. In andere woorden resulteert een lagere TTS tot een grotere uitstroom uit het netwerk en minder vertraging in het netwerk. Totale afgelegde afstand en gemiddelde vertraging per voertuig Gedurende een simulatie kan het voorkomen dat door te grote wachtrijen een deel van de opgegeven verkeersvraag gedurende de simulatietijd het netwerk niet kan instromen. Daardoor kan het voorkomen dat bij verschillende varianten het aantal voertuigen in het netwerk verschilt, waardoor de totale doorgebrachte tijd in het netwerk geen sluitende verklaring geeft over de verschillen tussen afzonderlijke varianten. Ter controle wordt daartoe het totale aantal voertuigkilometers in het netwerk meegenomen in de analyse [vtg km]. Wanneer blijkt dat het aantal voertuigkilometers bij verschillende varianten verschillen laat zien kan door het vergelijken van de gemiddelde vertraging per voertuig in het gehele netwerk nog een extra check gedaan worden op de verkeersafwikkeling bij de diverse varianten. Snelheidcontourplot Een snelheidcontourplot geeft per minuut met een kleur aan hoe hoog de gemiddelde snelheid [km u -1 ] op het traject is. Een snelheidcontourplot van de gemiddelde snelheid op de snelweg bij de verschillende varianten, laat het tijdstip en de plaats van het ontstaan van een file in één oogopslag 4 Wanneer de totale afgelegde afstand bij de verschillende varianten niet aan elkaar gelijk is, kunnen met de totale vertraging per traject de verschillende simulatievarianten niet met elkaar vergeleken worden, omdat het aantal voertuigen in dit geval verschilt. Wanneer dit het geval is, wordt gebruik gemaakt van de gemiddelde vertraging per voertuig [s vtg -1 ] 62

77 location (m) duidelijk zien. Hierbij staat op de x-as de simulatietijd [min] en op de y-as de locatie op de snelweg [m] (zie Figuur 31). Door het vergelijken van een representatieve snelheidcontourplot per variant wordt een eerste kwalitatieve indruk opgedaan over de verschillen in verkeersafwikkeling op het HWN tussen de verschillende varianten. Hierbij wordt een snelheidcontourplot gebruikt van de random seed welke het best overeenkomt met het gemiddelde beeld van de zes simulatieruns. Het tijdstip en plaats van het ontstaan van een file (en de daarbij optredende capaciteitsval) is in dergelijke plots goed zichtbaar, zodat een eerste inschatting gemaakt kan worden over de prestatie van een bepaalde variant speedcontour time (sec) Figuur 31: Voorbeeld van een snelheidcontourplot 0 Slanted cumulative curves en moment van capaciteitsval In een slanted cumulative curve wordt op een bepaalde doorsnede het cumulatieve aantal voertuigen dat de doorsnede over de tijd is gepasseerd, verminderd met een schatting voor de capaciteit. Door ter hoogte van de bottleneck in het simulatienetwerk juist na de invoegstrook van de stroomafwaarts gelegen toerit 1 (op locatie 3000 meter op het HWN) een dergelijke curve te berekenen, kan het moment van optreden van een capaciteitsval in beeld worden gebracht. Doordat een capaciteitsval een plotselinge vermindering in de te behalen capaciteit op een weg is, laat een slanted cumulative curve bij het optreden van een capaciteitsval een plotseling verandering in de richtingscoëfficiënt zien. In Figuur 32 is dit weergeven door het geven van een benaderde richtingcoëfficiënten bij variant 1 (de hoeken α en β bij onderbroken rode lijnen in Figuur 32). Het tijdstip waarop waarop de capaciteitsval bij variant 1 optreedt, is zodoende het moment waar de slanted cumulative curve een plotseling verandering in de richtingscoëfficiënt toont. De tijdsduur dat een bepaalde variant een capaciteitsval uitstelt ten opzichte van een ander is simpelweg het verschil tussen de momenten waarop de richtingscoëfficiënten van de verschillende varianten een grote verandering tonen. 63

78 Figuur 32: Voorbeeld van een slanted cumulative curve Slanted cumulative curves worden gebruikt om te analyseren of bij de verschillende varianten capaciteitsval wordt uitgesteld of voorkomen. Dit wordt gedaan door per random seed te bepalen hoe lang capaciteitsval uitgesteld kan worden. Hoe langer een capaciteitsval op de snelweg wordt uitgesteld, hoe langer de doorstroming op de snelweg op peil blijft. Totale vertraging per traject en gemiddelde vertraging per voertuig per traject De totale vertragingen [vtg u] per traject geven een beeld van de verdeling van de opgelopen vertraging in het netwerk. Wanneer het totale gereden voertuigkilometers bij de verschillende varianten van elkaar verschilt, wordt gebruik gemaakt van de gemiddelde vertraging per voertuig per traject [s vtg -1 ] Om de vertragingen per traject in beeld te brengen, is het studienetwerk opgedeeld in een viertal evaluatieniveaus, te weten: totale netwerk, HWN, buffers en OWN. Deze evaluatieniveaus worden in Paragraaf nader toegelicht. Verklarende indicatoren De verklarende indicatoren welke gebruikt worden om de oorzaken van de verschillen tussen de varianten te verklaren, zijn hieronder opgesomd: - Totale tijd dat gedoseerd wordt / doseerinstallatie is ingeschakeld T aan [min] - Totale tijd dat geflusht wordt T flush [min] - Totale tijd dat op een bottleneck gedoseerd wordt (doseertijd) T dos [min] - Relatieve doseertijd (de doseertijd uitgedrukt als percentage van de totale inschakeltijd (T dos/ T aan ) 100% = T dos,rel [%] - Eerste doseertijd t dos [min] - Tijdstip flushen t flush [min] - Frequentie overschrijding maximale bufferruimte [min 3 uur -1 ] - Spreiding in de gemeten dichtheden ten opzichte van streefwaarde dichtheid Totale tijden behorend bij doseermechanisme (T aan, T flush, T dos en T dos,rel ) De doseertijd is de periode dat een doseermaatregel daadwerkelijk doseert op een kiem, zonder dat een wachtrij terugslaat richting het OWN. De totale doseertijd T dos [min] van een doseermaatregel is daartoe de totale tijd dat de doseermaatregel is ingeschakeld T aan [min] (voldoet aan de 64

79 inschakelvoorwaarde k en niet aan de uitschakelvoorwaarde aan k uit ) minus de tijd dat wachtrijmanagement actief is zodat de wachtrij geflusht wordt T flush [min] (wanneer de drempelwaarde voor actuele bufferruimte is onderschreden). Doordat het zo kan zijn dat niet alle doseermaatregelen dezelfde tijdsperiode doseren, wordt de relatieve doseertijd T dos, rel [%] gebruikt om alsnog de doseertijden van de verschillende varianten met elkaar te kunnen vergelijken. De relatieve doseertijd is de verhouding tussen de tijd dat daadwerkelijk op een kiem gedoseerd wordt T en de tijd dat de doseermaatregel is ingeschakeld T aan. In formulevorm ziet dit er als volgt uit: Tflush Tdos, rel 100% T aan dos Eerste doseertijd De eerste doseertijd [min] duidt op de totale tijd dat een doseermaatregel kan doseren voordat voor de eerste keer wachtrijmanagement actief wordt of (wanneer geen wachtrijmanagement wordt geactiveerd) de doseermaatregel niet meer doseert doordat aan de uitschakelvoorwaarde k uit wordt voldaan. Tijdstip flushen t flush Het tijdstip flushen t flush [min] geeft aan na hoeveel simulatieminuten voor de eerste keer geflusht wordt met een bepaalde doseermaatregel. Totdat geflusht wordt, moet de doseermaatregel kunnen voldoen aan de regelvraag die wordt opgelegd vanuit het doseeralgoritme (de gewenste doseerintensiteit kan gerealiseerd worden, doordat er voldoende ruimte in de buffers vrij is om verkeer in te bufferen). Bij gelijke verkeersbelasting duidt een verschil in het tijdstip van flushen op een verschil in het vollopen van de buffers bij verschillende doseervarianten. Hoe eerder geflusht wordt, hoe strenger gedoseerd moet zijn om de verkeerstoestand op het HWN op het gewenste niveau te houden. Frequentie overschrijding maximale bufferruimte Dit is het aantal minuten dat tijdens de simulatie de wachtrijlengte in buffer groter dan of gelijk is aan de maximale bufferruimte behorend bij een doseermaatregel (uitgedrukt in aantal minuten per 3 uur durende simulatie [min 3 u -1 ]. Wanneer dit het geval is, slaat de wachtrij terug naar het OWN en ontstaan daardoor blokkades, welke de totale reistijd in het netwerk sterk vergroten. Een hoge frequentie van overschrijding van de maximale bufferruimte, duidt hierbij op een hoge kans op blokkades op het OWN. Spreiding in de gemeten dichtheden ten opzichte van streefwaarde dichtheid Deze indicator geeft aan hoeveel de gemeten dichtheid k () t in het netwerk (tijdens doseren) verschilt met de ingestelde streefwaarde k *( t) k ( t) op tijdstip t. Deze spreiding wordt als volgt berekend (in de berekening worden alleen de dichtheidsmetingen meegenomen wanneer de doseermaatregel is ingeschakeld (k est >k aan && k est >k uit )): krit est Spreiding = 180 t 0 2 k ( t) k *( t) est T aan Waarbij t = regelstap [min] en T aan = de totale tijd dat wordt voldaan aan k est >k aan && k est >k uit 65

80 Deze indicator wordt gebruikt om aan te tonen of de pieken van dichtheden als gevolg van doseren worden afgevlakt door een gelijkmatigere verdeling van de dichtheden. Hoe kleiner de spreiding, hoe beter de doseermaatregel in staat is aan de regelopgave te voldoen Evaluatieniveaus De verschillende varianten kunnen een ander beeld laten zien op verschillende wegcategorieën. De ene maatregel is bijvoorbeeld heel gunstig voor het HWN, maar zorgt voor veel blokkades op het OWN. Een andere maatregel kan juist het tegenovergestelde tonen. Om deze verschillen in werking in beeld te kunnen brengen is de evaluatie opgedeeld in een viertal evaluatieniveaus, te weten: 1. Totale netwerk (HWN + OWN) 2. HWN (doorgaand verkeer op de autosnelweg) 3. Buffers (toerit en opstelruimtes) (verkeer dat vanaf het OWN richting het HWN stroomt) 4. OWN (verkeer op de overige weggedeelten, de toe- en afleidende wegen van en naar het geregelde kruispunt ter hoogte van de aansluitingen) Er is voor deze opdeling in evaluatieniveaus gekozen om een goed beeld te krijgen van de effecten die een bepaalde maatregel op de verschillende niveaus uitoefent. De scheiding tussen bufferruimtes en onderliggend wegennet behoeft hier echter nadere toelichting. Er is voor deze opdeling gekozen om ook een onderscheid te kunnen maken in verkeer dat een bestemming heeft op het HWN (Buffers) en verkeer dat niet richting naar het HWN stroomt maar alsnog vertraging ondervindt als gevolg van het doseren door terugslag van een wachtrij (OWN) Belastingpatronen Bij het uitvoeren van de verschillende effectevaluaties zijn de simulatievarianten belast met twee structureel verschillende belastingpatronen. Beide belastingpatronen zijn zodanig gekozen dat juist na de meest stroomafwaarts gelegen toerit op het HWN (toerit 1) congestie optreedt wanneer niet gedoseerd wordt. Hierbij wordt over een simulatieduur van drie uur de verkeersvraag in een vroeg stadium opgehoogd om een piekbelasting na te bootsen zoals die optreedt in een typische spitsperiode. De twee belastingpatronen zijn als volgt opgesteld: Belastingpatroon 1: zwaar belaste stroomafwaarts gelegen toerit, licht belaste stroomopwaarts gelegen toerit Belastingpatroon 2: twee gelijk belaste toeritten Bij belastingpatroon 1 is uitgegaan van één zwaar belaste aansluiting en een lichte: de meest stroomafwaarts gelegen toerit is twee maal zo hoog belast dan de stroomopwaarts gelegen toerit. Bij belastingpatroon 2 zijn beide aansluitingen in het studienetwerk even zwaar belast. In Figuur 33 en Figuur 34 is respectievelijk het verkeersvraagpatroon over de tijd weergegeven van belastingpatoon 1 en 2. Opgemerkt wordt dat op alle drie de toeleidende richtingen per aansluiting dezelfde verkeersbelasting is toegevoegd, waarbij tussen 1200 en 2400 sec een kleine piekbelasting op het OWN optreedt. In Bijlage I.2 zijn van beide belastingpatronen de exacte waarden in de VISSIMomgeving per 10 minuten tijdsinterval weergegeven. 66

81 Figuur 33: Belastingpatroon 1 Figuur 34: Belastingpatroon 2 Uit de afgebeelde belastingpatronen valt op te maken dat het laatste uur van de simulatie een lage verkeersvraag aan het HWN is toegevoegd. Hier is voor gekozen om er voor te zorgen dat de opgetreden files aan het eind van de simulatieperiode ook weer goed opgelost zijn. Wanneer dit niet het geval is, zal de uitstroom van verschillende varianten van elkaar verschillen, waardoor een vergelijking op basis van TTS niet mogelijk is door het verschillende aantal meegenomen voertuigen in de berekening van de TTS Ingeregelde parameters TDI en dummy-tdi Om de vergelijking tussen een TDI en dummy-tdi zo correct mogelijk uit te voeren, is het van belang dat beide doseermaatregelen zo goed mogelijk worden afgestemd op de heersende omstandigheden in het simulatienetwerk: het inregelen van de maatregelen. Alleen wanneer dit goed gebeurt, kunnen namelijk nuttige uitspraken gedaan worden over de uitkomsten van de simulatiestudie: geen appels met peren vergelijken. 67

82 In deze paragraaf wordt beschreven welke instellingen zijn aangehouden voor de verschillende configureerbare parameters van de doseeralgoritmes bij het simuleren van het studienetwerk. Voor een verantwoording van de ingestelde waardes wordt doorverwezen naar Bijlage II.2. Zowel de dummy-tdi- als de TDI-varianten gebruiken het AD-ALINEA-algoritme om de gewenste doseerintensiteit op een bepaalde regelstap te bepalen. Het AD-ALINEA-algoritme bevat de volgende configureerbare parameters: Regelparameter K R (schalingsparameter) Schalingsparameter van kritische naar streefwaarde dichtheid In-/uitschakelmomenten k aan en k uit Regelinterval (= 60 sec) Meetlocatie actuele dichtheid HWN (1500 en 3000 meter (juist na invoegstrook)) Minimale en maximale doseerintensiteit q en q Voor een representatieve vergelijking tussen de TDI en dummy-tdi zijn al deze parameters bij zowel de TDI- als dummy-tdi-varianten aan elkaar gelijk gehouden. Alleen de minimale en maximale doseerintensiteit is bij beide varianten verschillend. Daarnaast heeft het dummy-tdi-algoritme ten opzichte van het TDI-algoritme nog een aantal extra parameters die ingeregeld moeten worden, te weten: Afrijcapaciteit per doseerrichting (ca vtg/richting) Cyclustijd verkeersregeling (=60 sec) Wachtrijmanagement buffers (drempelwaarde effectieve bufferruimte) Ook de TDI heeft voor het wachtrijmanagement twee parameters nodig. Echter, die is verschillend aan de manier waarop bij de dummy-tdi wachtrijmanagement wordt toegepast: Wachtrijmanagement buffers (in- en uitschakel drempelwaarden: S act < 10 vtg en S act >15 vtg) min max 6.8. Random seeds en aantal simulatieruns per variant VISSIM is een stochastisch simulatiemodel. Dit wil zeggen dat de toedeling van verkeer aan het netwerk niet iedere simulatie gelijk is aan de opgegeven waarden voor de verkeersvraag per link (door middel van vehicle inputs per link). De variatie in de verkeerstoedeling per simulatie is willekeurig, maar wordt bepaald door de waarde van de random seed in VISSIM. Een random seed in VISSIM is een getal tussen 0 en 99999, waarmee de willekeurigheid ( randomness ) in VISSIM wordt bepaald. Door bij de simulatie van de verschillende varianten telkens dezelfde random seednummers in VISSIM te gebruiken, kan er voor gezorgd worden dat per variant telkens hetzelfde verkeerspatroon wordt toebedeeld. Op deze manier wordt voorkomen dat verschillen in verkeersafwikkeling van de diverse varianten wordt beïnvloed door verschillende verkeerstoedelingen. Door het stochastische gedrag bij verschillende random seeds kan de uitkomst van een simulatierun echter niet zomaar aangenomen worden als significante uitkomst. Om de simulatieresultaten uit VISSIM te kunnen gebruiken als beoordelingsindicatoren in de analyse van de verschillende varianten, is het hierdoor noodzakelijk dat meerdere simulatieruns worden uitgevoerd. Het grote aantal simulatievarianten heeft ertoe geleid dat gekozen is om per variant 6 simulatieruns uit te voeren. 68

83 7. Resultaten en beoordeling 7.1. Inleiding Dit hoofdstuk bevat de resultaten die de uitgevoerde evaluatiestudies in dit onderzoek hebben opgeleverd. In deze master thesis zijn drie verschillende effectevaluaties uitgevoerd om de impact van een dummy-tdi op een verkeersnetwerk in beeld te brengen. Daarnaast is een kleine gevoeligheidsanalyse uitgevoerd om het dummy-tdi-algoritme beter te laten functioneren. In volgorde van verschijning zullen de volgende resultaten beschouwd gaan worden: Paragraaf 6.2: Resultaten effectevaluatie meer opstelruimte bij doseren; Paragraaf 6.3: Resultaten effectevaluatie dummy-tdi op lokaal niveau; Paragraaf 6.4: Resultaten gevoeligheidsanalyse dummy-tdi; Paragraaf 6.5: Resultaten effectevaluatie dummy-tdi op trajectniveau. Tot slot wordt in paragraaf 6.6. een synthese gemaakt van alle resultaten uit voorgaande evaluatiestudies. Op deze manier worden de effecten en meerwaarde van een dummy-tdi in beeld gebracht, waarbij een onderscheid wordt gemaakt tussen lokaal en gecoördineerd regelen. Opbouw resultaten per effectevaluatie Bij iedere effectevaluatie zijn de resultaten op dezelfde manier opgebouwd. Allereerst volgt een analyse van het globale beeld dat de resultaten leveren over het functioneren van de verschillende varianten ten opzichte van elkaar. Door het geven van de prestatieindicatoren (welke zijn geïntroduceerd in Paragraaf ) wordt een beeld gecreëerd over de werking van de ene variant ten opzichte van de ander. Vervolgens wordt door het gebruik van de verklarende indicatoren in meer detail naar de achterliggende oorzaken voor de verschillen tussen de varianten gekeken, waarmee de resultaten uit de analyse worden verklaard. Tot slot worden de belangrijkste bevindingen uit de effectevaluatie kort samengevat en wordt beschreven of de opgestelde hypotheses bij de onderzoeksvragen kunnen worden aangenomen of moeten worden verworpen. Belastingpatronen Bij de eerste twee evaluatiestudies meer opstelruimte bij doseren en dummy-tdi op lokaal niveau zijn twee verschillende belastingpatronen gesimuleerd. Om de beschreven resultaten in dit hoofdstuk leesbaar te houden is er toe besloten per evaluatiestudie in het hoofdrapport telkens één belastingpatroon uit te werken en de resultaten uit het andere belastingpatroon naar de bijlage te verplaatsen. Hierbij zal in het hoofdrapport wel gewezen worden op interessante bevindingen bij het belastingpatroon in de bijlage. 69

84 7.2. Resultaten effectevaluatie meer opstelruimte bij doseren Deze paragraaf bevat de resultaten uit de effectevaluatie naar de meerwaarde van meer opstelruimte bij de inzet van een doseermaatregel. Er is hierbij een onderscheid gemaakt in een TDI met weinig opstelruimte (in het vervolg TDI (klein) genoemd) en een TDI met veel opstelruimte (in het vervolg TDI (groot)). Zoals eerder in Paragraaf 6.4. beschreven, is ervoor gekozen de ST1L uit de PPA (de regeleenheid waarmee de bufferruimte bij een VRI wordt ingezet wanneer de bufferruimte van een TDI niet voldoende is om de gewenste doseerintensiteit te realiseren) te modelleren door het vergroten van de te gebruiken opstelruimte op de toerit in het netwerk. Doordat het veranderen van de fysieke lengte van de toerit in het simulatiemodel ervoor zorgt dat de prestatie van het netwerk verandert en daarmee ook de nulvariant is er voor gekozen om voor TDI (groot) uit te gaan van de gehele lengte van de toerit in het netwerk: 400 meter. Bij TDI (klein) wordt de grenswaarde voor de maximale wachtrijlengte bij overschrijding van deze grenswaarde wordt wachtrijmanagement actief op de toerit verkort met 100 meter. Op deze manier wordt een toerit met een lengte van 300 meter nagebootst Analyse Netwerkindicatoren Tabel 12 bevat de netwerkindicatoren resulterend uit de modelstudie naar het effect van meer opstelruimte op de doorstroming in het studienetwerk. In de meeste rechtse kolommen is hierbij het procentuele verschil tussen de verschillende varianten weergegeven. Hierbij staat verschil 0-1 voor de vergelijking tussen de nulvariant en TDI (klein), verschil 0-2 voor de vergelijking tussen de nulvariant en TDI (groot) en verschil 1-2 voor vergelijking tussen TDI (klein) en TDI (groot). In het vervolg zal deze codering telkens aangehouden worden om de verschillen tussen de varianten te tonen. Tabel 12: Netwerkindicatoren effectevaluatie meer opstelruimte (belastingpatroon 1, gemiddeld over zes simulatieruns, de getallen tussen haakjes zijn de bijbehorende standaarddeviaties) Indicator TTS [vtg u] Afgelegde afstand [vtg km] Gem. vertr./vtg. [s/vtg] 0. Nulvariant (σ) 1079,4 (103) 62275,3 (83) 81,9 (23) 1. TDI (klein) (σ) 920,3 (157) 62290,5 (52) 47,0 (34) 2. TDI (groot) (σ) 870,7 (99) 62287,6 (51) 36,2 (22) Verschil 0-1 [%] Verschil 0-2 [%] Verschil 1-2 [%] -14,7-19,3-5,4 0,02 0,02 0,00-42,6-55,8-23,0 Uit Tabel 12 valt op te maken dat beide doseervarianten, zowel met kleine als grote bufferruimte, zorgen voor een betere doorstroming in het netwerk bij belastingpatroon 1. De totale tijd dat voertuigen in het netwerk aanwezig zijn, is bij beide namelijk kleiner dan bij de nulvariant waarbij niet gedoseerd wordt. De totale doorgebrachte tijd in het netwerk (TTS) bij TDI (klein) is 14,7% lager ten opzichte van de nulvariant en bij TDI (groot) is dit verschil zelfs 19,3%. De 100 meter extra opstelruimte bij het doseren draagt hiermee bij tot een verkleining van de TTS in het netwerk van 5,4%. Ook bij belastingpatroon 2 is hetzelfde beeld te ontdekken (zie Tabel 42 in Bijlage III.2.1.). De totale doorgebrachte tijd in het netwerk en de grootte van de verschillen tussen de varianten verschilt welliswaar, maar ook bij dit belastingpatroon functioneert TDI (groot) op netwerkniveau beter dan TDI (klein). 70

85 location (m) location (m) Daarnaast valt op te maken dat beide doseervarianten zorgen voor meer afgelegde voertuigkilometers in het netwerk. Hierbij is ook de variatie tussen de verschillende runs uitgedrukt door de standaarddeviaties (de getallen tussen haakjes in Tabel 12) kleiner dan bij de nulvariant. Dit wil zeggen dat de doseervarianten een stabielere uitkomst genereren dan de nulvariant, waardoor de verkeerssituatie in het netwerk als gevolg van het doseren beter voorspelbaar wordt. Wanneer de gemiddelde vertraging per voertuig bij belastingpatroon 1 en 2 wordt beschouwd (zie respectievelijk Tabel 12 en Tabel 42), valt hetzelfde beeld te ontdekken dan op basis de totale doorgebrachte tijd resulteert. Beide doseervarianten zorgen voor een verlaging van de gemiddelde vertraging per voertuig: bij belastingpatroon 1 heeft TDI (groot) een 23% lagere gemiddelde vertraging ten opzichte van TDI (klein), bij belastingpatroon 2 is dit verschil 12,4%. Slanted cumulative curves en snelheidcontourplots Van de zes gesimuleerde random seeds met belastingpatroon 1 wordt hieronder de meeste representatieve random seed beschouwd, te weten random seed 4. In Figuur 35 tot en met Figuur 37 zijn achtereenvolgens de sneheidcontourplots van de nulvariant, TDI (klein) en TDI (groot) weergegeven. De slanted cumulative curves van deze varianten behorend bij random seed 4 zijn weergegeven in Figuur 38. In Bijlage III.2.1. in Figuur 57 tot en met Figuur 60 zijn dezelfde figuren weergegeven maar nu met belastingpatroon 2 en random seed speedcontour time (sec) Figuur 35: Snelheidcontourplot nulvariant (belastingpatroon 1, random seed 4) speedcontour time (sec) 0 Figuur 36: Snelheidcontourplot TDI (klein) (belastingpatroon 1, random seed 4) 71

86 location (m) speedcontour time (sec) 0 Figuur 37: Snelheidcontourplot TDI (groot) (belastingpatroon 1, random seed 4) Figuur 38: Slanted cumulative curves van nulvariant, TDI (klein) en TDI (groot) (belastingpatroon 1, random seed 4) De snelheidcontourplots en slanted cumulative curves tonen aan dat TDI (klein) bij random seed 4 (belastingpatroon 1) in staat is om een capaciteitsval uit te stellen ten opzichte van de nulvariant. De snelheid in de snelheidcontourplot van TDI (klein) (zie Figuur 36) blijft ter hoogte van de bottleneck op de snelweg (de stroomafwaarts gelegen toerit bij 3000 meter) gedurende de simulatie een langere tijd hoog dan bij de nulvariant (zie Figuur 35). Ook wanneer er vervolgens congestie optreedt is de filevorming bij TDI (klein) minder dan bij de nulvariant. De slanted cumulative curves in Figuur 38 laten dit ook zien: de groene onderbroken lijn geeft in deze figuur aan wanneer er bij TDI (klein) capaciteitsval optreedt, de rode onderbroken lijn geeft dit van de nulvariant weer. Het positieve tijdsverschil tussen de groene en rode onderbroken lijn geeft daarom aan hoeveel de capaciteitsval is uitgesteld als gevolg van het doseren met TDI (klein) Verder blijkt de vermindering in capaciteit als gevolg van het doseren minder te zijn dan wanneer niet wordt gedoseerd. Dit is weergegeven door de zwarte onderbroken lijnen in Figuur 38. Aan de hellingcoëfficiënt van deze lijnen kan afgeleid worden hoeveel de capaciteit afneemt wanneer congestie is opgetreden: een grotere hellingcoëfficiënt duidt op een grotere capaciteitsval. De hellingcoëfficiënt is bij de nulvariant veel groter dan bij TDI (klein). Doseren blijkt hieruit een positief 72

87 effect te hebben op het uitstellen van vertraging én de ernst van de vertraging in vergelijking met niet doseren. TDI (groot) laat over de simulatieperiode zelfs helemaal geen capaciteitsval meer zien (zie de snelheidscontourplot in Figuur 37 en de slanted cumulative curve (blauwe lijn) in Figuur 38): in Figuur 37 is de gemiddelde snelheid op de gehele snelweg de gehele simulatie ongeveer gelijk aan 100 km/u, de slanted cumulative curve van TDI (groot) in Figuur 38 laat geen plotselinge verandering in richtingscoëfficiënt zien. Vertraging per traject In Tabel 13 is de totale vertraging per afzonderlijk traject in beeld gebracht. Hierbij is de onderverdeling in evaluatieniveaus aangehouden zoals ze zijn gedefinieerd in Paragraaf In Bijlage III.2.1. is in Tabel 43 de totale vertraging per traject weergegeven behorend bij belastingpatroon 2. Tabel 13: Totale vertraging op trajecten in studienetwerk [vtg u] resulterend uit effectevaluatie meer opstelruimte (belastingpatroon 1, gemiddeld over zes simulatieruns, getallen tussen haakjes zijn bijbehorende standaarddeviaties) Totale vertraging 0. Nulvariant per traject [vtg u] (σ) HWN 296,1 (76,6) Buffers aansluiting 1 15,0 (0,4) Buffers aansluiting 2 5,9 (0,2) OWN aansluiting 1 25,9 (0,4) OWN aansluiting 2 9,9 (0,2) 1. TDI (klein) (σ) 111,9 (123,2) 33,4 (16,5) 12,3 (9,7) 26,1 (0,6) 9,9 (0,2) 2. TDI (groot) (σ) 58,4 (58,6) 39,8 (23,7) 9,9 (7,9) 27,1 (2,8) 9,9 (0,2) Verschil 0-1 [%] Verschil 0-2 [%] Verschil 1-2 [%] -62,2-80,3-47,8 122,2 165,3 19,4 110,9 69,6-19,6 0,6 4,4 3,7 0,0 0,0 0,0 Wanneer naar de totale vertragingen op de beschouwde trajecten in Tabel 13 en Tabel 43 wordt gekeken, valt op te maken dat bij zowel TDI (klein) als TDI (groot) de vertraging ten opzichte van de nulvariant verplaatst wordt vanaf het HWN naar het OWN. Ten opzichte van de nulvariant neemt door het doseren de vertraging op het HWN af en laten de buffers op beide aansluitingen een grotere vertraging zien. Hierbij is de totale vertraging die wordt opgelopen wel lager, waardoor het doseren op netwerkniveau de doorstroming in het totale verkeersnetwerk verbeterd. De standaarddeviaties in Tabel 13 behorend bij de totale vertraging op het HWN bij TDI (klein) en TDI (groot) zijn echter erg groot, waardoor deze uitkomst niet significant is. Wanneer de totale vertraging op het HWN per afzonderlijke simulatieruns wordt beschouwd (zie Tabel 14), valt op te maken dat deze grote standaarddeviaties worden veroorzaakt dat er bij een random seeds 3 en 6 fors meer vertraging optreedt dan bij de overige seeds. De oorzaak hiervan wordt in de volgende paragraaf aan het licht gebracht. Tabel 14: Totale vertraging op het HWN bij TDI (klein) en TDI (groot) (belastingpatroon 1) Totale vertraging op HWN [vtg.u] Seed 1 Seed 2 Seed 3 Seed 4 Seed 5 Seed 6 Gem. St.dev. 1. TDI (klein) 25,5 27,9 292,7 53,2 26,4 245,7 111,9 123,2 2. TDI (groot) 25,8 28,5 172,2 26,0 26,2 71,5 58,4 58,6 Tenslotte is uit Tabel 13 op te maken dat met wachtrijmanagement in sommige gevallen er toch vertraging optreedt bij voertuigen op het OWN die niet richting het HWN stromen. Dit wil zeggen dat de wachtrijen als gevolg van het doseren alsnog in een aantal gevallen terugslaan naar het OWN. 73

88 Zoals eerder vermeld, zorgt dit terugslaan van de wachtrij voor een extra grote invloed op de netwerkprestatie, doordat nu ook verkeer dat niet richting het knelpunt stroomt extra vertraging krijgt opgelegd. Uit Tabel 13 valt af te lezen dat de terugslag van de wachtrij bij de variant met extra grote opstelruimte een grotere vertraging op het OWN geeft ten opzichte van de variant met kleine opstelruimte. Dat wordt veroorzaakt doordat fluctuaties ervoor zorgen dat de toeritbuffer eerder overstroomt, omdat de volledige toerit wordt gebruikt Verklaring resultaten Een mogelijke verklaring voor de gevonden resultaten in de analyse in voorgaande paragraaf, is alsvolgt. Doordat de opstelruimte bij TDI (groot) net wat groter is dan bij TDI (klein) 400 meter ten opzichte van 300 meter) kunnen er meer voertuigen gebufferd worden waardoor de regelruimte groter wordt. Deze grotere regelruimte zorgt er op zijn beurt voor dat er langer gedoseerd kan worden. In deze paragraaf wordt onderzocht of deze hypothese juist is door te achterhalen hoe bij de verschillende varianten gedoseerd werd. In Tabel 15 zijn de doseertijden van de TDI met reguliere opstelruimte (TDI (klein)) en de TDI met vergrote opstelruimte (TDI (groot)) weergegeven. In deze tabel is T aan de totale tijd dat de werd voldaan aan de inschakelvoorwaarde (k aan = 21 vtg/km/rijstr) en niet aan de uitschakelvoorwaarde (k uit = 14 vtg/km/rijstr). Hiermee is dit de totale tijd tijdens de drie uur durende simulatieperiode dat het doseeralgoritme is ingeschakeld. T flush is de totale tijd waarin wachtrijmanagement actief was. De totale tijd dat daadwerkelijk gedoseerd werd (T dos = doseertijd), is hiermee gelijk aan T aan T flush. Daarnaast wordt het door het gegeven van de relatieve doseertijd T dos,rel (= de doseertijd uitgedrukt als percentage van de totale tijd dat de doseermaatregel aanstond) mogelijk om de verschillende varianten daadwerkelijk op basis van hun doseertijden met elkaar te vergelijken. Tabel 15: Gemiddelde doseertijden [min] en standaarddeviaties bij effectevaluatie meer opstelruimte (aansluiting 1, belastingpatroon 1, over zes simulatieruns) Doseertijden [min] T aan [min] T flush [min] T dos [min] T dos,rel [%] 1. TDI 2. TDI 1. TDI 2. TDI 1. TDI 2. TDI Verschil 1. TDI 2. TDI (klein) (groot) (klein) (groot) (klein) (groot) 1-2 [%] (klein) (groot) Gem. 86,3 83,2 25,0 17,7 61,3 65,5 6,8 73,1 79,8 9,2 St.dev. 11,3 7,7 23,9 18,3 18,4 17,0 24,0 21,0 T aan = tijd dat doseeralgoritme ingeschakeld is (wordt voldaan aan inschakelvoorwaarden), T flush = tijd dat wachtrijmanagement actief is (TDI doseert minimaal), T dos = doseertijd (tijd dat daadwerkelijk op een kiem geregeld wordt, T dos = T aan T flush ), T dos,rel = relatieve doseertijd (doseertijd uitgedrukt als percentage van de totale tijd dat de doseermaatregel aanstond: T dos,rel = T dos /T aan *100%) Uit Tabel 15 valt op te maken dat de doseertijd T dos bij de variant met extra opstelruimte 6,8% langer is dan wanneer de opstelruimte kleiner is. Daarnaast blijkt dat TDI (groot) gemiddeld 3 minuten eerder uitgezet kan worden doordat bij deze variant de dichtheid eerder onder de uitschakelwaarde valt: T aan van TDI (groot) is circa 3 minuten kleiner dan bij TDI (klein). Enerzijds zorgt het beschikbaar komen van extra opstelruimte dus voor het langer kunnen doseren doordat meer voertuigen gebufferd kunnen worden. Anderzijds zorgt een grotere opstelruimte ervoor dat de toestand op de snelweg eerder verbeterd, doordat de dichtheid ter hoogte van het knelpunt in een vroeger stadium een ondergrens onderschrijdt. Uit de resultaten blijkt dat hoe langer gedoseerd kan worden, hoe effectiever kan worden omgesprongen met de beschikbare ruimte in het netwerk. Hierbij moet wel de kanttekening gemaakt worden dat de verkregen resultaten niet impliceren dat hoe groter de opstelruimte gemaakt wordt, hoe beter de prestatie van een doseermaatregel wordt. Per situatie zal een andere Verschil 1-2 [%] 74

89 hoeveelheid opstelruimte zorgen voor de beste prestatie. Het doel van deze effectevaluatie was in beeld te brengen wat de meerwaarde is van het beschikbaar komen is van meer opstelruimte. Het vinden van de optimale grootte van de te gebruiken opstelruimte is geen onderdeel van dit onderzoek. Wanneer vervolgens de tijdsduur wordt beschouwd dat beide doseervarianten per simulatierun hebben kunnen doseren voordat wachtrijmanagement actief wordt, volgen de waarden in Tabel 16: de zogenaamde eerste doseertijd [min]. Daarnaast is in Tabel 17 per simulatierun de gemiddelde berekende doseerintensiteit gegeven. Tabel 16: Eerste doseertijd en gemiddelde doseerintensiteit resulterend uit effectevaluatie meer opstelruimte (aansluiting 1, belastingpatroon 1) Eerste doseertijd [min] Gem. q dos [vtg u -1 ] 1. TDI (klein) 2. TDI (groot) Verschil 2-1 [min] 1. TDI (klein) 2. TDI (groot) Verschil 1-2 [%] Seed ,3 627,9-0,7 Seed ,6 608,3-2,0 Seed ,2 517,7-8,9 Seed ,2 634,6-1,2 Seed ,8 619,3-1,8 Seed ,5 601,5-4,6 Gem. 26,5 28,0 1,5 620,8 601,6-3,1 St.dev. 8,1 7,7 26,7 42,9 Uit Tabel 16 valt op te maken dat de variant met grotere opstelruimte bij iedere simulatierun langer kan doseren dan de variant met de reguliere opstelruimte. Gemiddeld over zes simulatieruns is kan met TDI (groot) 1,5 minuut langer gedoseerd worden voordat de wachtrij te lang wordt. Dit is een logische uitkomst, doordat bij meer opstelruimte simpelweg meer verkeer gebufferd kan worden. Doordat beide doseervarianten hetzelfde doseeralgoritme gebruiken, kan er wanneer meer verkeer gebufferd kan worden, langer aan de doseervraag voldaan worden. De verschillen tussen de eerste doseertijden zijn echter erg klein. Dit wordt veroorzaakt doordat het gesimuleerde belastingpatroon een grote piek in de verkeersvraag laat zien. Naarmate de simulatietijd verstrijkt, moet hierdoor steeds strenger gedoseerd worden om de dichtheid op het regelpunt rond de streefwaarde dichtheid te houden. Op het moment dat de TDI-variant met de kleine opstelruimte moet flushen, kan de variant met grote opstelruimte nog een korte tijd aan de doseervraag voldoen. Doordat de doseerintensiteit op dit moment minimaal is, moeten veel voertuigen gebufferd worden waardoor de restruimte op de toerit snel vol zit en binnen een paar minuten ook de wachtrij bij TDI (groot) geflusht worden. Daarnaast geeft de gemiddelde doseerintensiteit in Tabel 16 duidelijk weer dat er met meer opstelruimte strenger gedoseerd kan worden. Bij iedere afzonderlijk simulatierun is de gemiddelde doseerintensiteit bij TDI (groot) namelijk lager dan bij TDI (klein). Hetzelfde beeld is Belastingpatroon 2 te ontdekken (zie. De verschillen tussen beide doseervariante Wanneer vervolgens de tijdstippen worden beschouwd waarop capaciteitsval is opgetreden bij de verschillende random seeds, volgen de resultaten uit Tabel 17. In deze tabel is ook weergegeven na hoeveel simulatieminuten bij beide TDI-configuraties voor de eerste keer geflusht werd. 75

90 Tabel 17: Tijdstip capaciteitsval en tijdstip van flushen resulterend uit effectevaluatie meer opstelruimte (aansluiting 1, belastingpatroon 1) Tijdstip capaciteitsval [min] Tijdstip flushen [min] 1. TDI (klein) 2. TDI (groot) Verschil 2-1 [min] 1. TDI (klein) 2. TDI (groot) Verschil 2-1 [min] Seed Seed Seed Seed Seed Seed Doordat het verschil in opstelruimte maar 100 meter is, zijn de verschillen tussen de momenten waarop capaciteitsval ontstaat en het moment waarop wachtrijmanagement actief wordt het flushen van de wachtrij bij beide varianten erg klein (zie Tabel 17). Duidelijk zichtbaar is dat de extra opstelruimte ervoor zorgt dat minder snel geflusht hoeft te worden. Bij iedere afzonderlijke simulatierun flusht TDI (groot) namelijk later dan TDI (klein). Dit is een te verwachte uitkomst, doordat de wachtrij als randvoorwaarde is gebruikt bij het doseren. Des te groter de opstelruimte, hoe meer verkeer gebufferd kan worden bij het doseren, waardoor langer gedoseerd kan worden voordat wachtrijmanagement actief wordt. Bij seed 3 blijkt de capaciteitsval bij beide doseervarianten een paar minuten later op te treden dan het moment waarop de wachtrij op de toerit geflusht wordt: bij TDI (klein) en TDI (groot) is dit verschil respectievelijk 4 en 3 minuten. Doordat het flushen van de wachtrij bij beide doseervarianten al in een vroeg stadium plaats vindt (respectievelijk na 28 en 30 simulatieminuten), heeft het flushen een grote invloed op het invoegproces richting het HWN. Doordat op dit moment de verkeersdrukte op de snelweg alsmaar toeneemt, zijn de gaten op het HWN klein, resulterend in filevorming als gevolg van het invoegen. Daarnaast valt uit Tabel 17 op te maken dat bij random seed 6 bij beide doseervarianten al een capaciteitsval optreedt voordat de wachtrij op de toerit wordt geflusht. Een mogelijke oorzaak hiervan is dat juist voordat capaciteitsval optreedt een grote hoeveelheid verkeer op het HWN stroomt waarin de gaten klein. Wanneer dit erg plotseling gebeurt kan de TDI hier niet tijdig op reageren door de hoeveelheid instromend verkeer te beperken, zodat alsnog de kritische dichtheid wordt overschreden met een capaciteitsval tot gevolg Conclusies In deze effectevaluatie is in beeld gebracht wat de te verwachte meerwaarde is wanneer bij een doseermaatregel meer opstelruimte beschikbaar komt. Door het simuleren van twee verschillende opstelruimtes een van 300 meter en een van 400 meter bij een TDI, is onderzocht welke effecten optreden bij de inzet van meer opstelruimte door bijvoorbeeld het realiseren van een TDI-VRIkoppeling. De verkregen resultaten uit deze effectevaluatie voldoen aan de verwachtingen, waardoor de opgestelde hypothese kan worden aangenomen. Hoe meer opstelruimte beschikbaar is om verkeer te bufferen, hoe langer gedoseerd kan worden. Het langer kunnen doseren zorgt ervoor dat langer capaciteitsval kan worden uitgesteld, waarmee de netwerkprestatie verbeterd. Echter, bij deze conclusie moet wel een kanttekening gemaakt worden. Uit de resultaten kan niet de conclusie getrokken worden dat hoe meer verkeer gebufferd kan worden, hoe beter de 76

91 netwerkprestatie zal worden. Er zal namelijk een omslagpunt zijn, waarna het opleggen van vertraging aan verkeer in de buffers niet opweegt tegen de reistijdwinst die elders in het netwerk wordt gewonnen. Om deze reden moet de keuze voor de hoeveelheid opstelruimte die gebruikt wordt om een netwerk een bepaalde prestatie te geven altijd afgestemd worden op de verkeersvraag op de afzonderlijke trajecten en de vertraging die op deze trajecten wordt opgelopen. 77

92 7.3. Resultaten effectevaluatie dummy-tdi op lokaal niveau In deze paragraaf worden de resultaten uit de simulatiestudie naar de effectiviteit van lokaal geregelde dummy-tdi s beschouwd. Allereerst volgt een analyse van het globale beeld dat de resultaten leveren over het functioneren van de verschillende varianten ten opzichte van elkaar. Hierbij wordt een lokaal geregelde dummy-tdi vergeleken met een nulsituatie en een lokaal geregelde TDI. Vervolgens wordt in nader detail naar de achterliggende oorzaken voor de verschillen tussen de varianten gekeken. Tot slot worden de belangrijkste bevindingen uit deze simulatiestudie kort samengevat in een conclusie. Belastingpatronen In dit hoofdstuk zijn bij deze effectevaluatie de resultaten weergegeven die resulteerden na simulatie van belastingpatroon 2. Bij dit belastingpatroon zijn beide aansluitingen gelijk belast. Belangrijke resultaten uit belastingpatroon 1 zijn ook in het hoofdrapport vermeld. Voor de volledige resultaten behorend bij belastingpatroon 1 wordt doorverwezen naar Bijlage III Analyse Netwerkindicatoren Op netwerkniveau zijn in Tabel 18 de beoordelingsindicatoren weergegeven welke een globaal beeld geven over de prestatie van de verschillende simulatievarianten met belastingpatroon 2. In Bijlage III.3.1. in Tabel 49 zijn dezelfde uitkomsten gegeven voor de simulatie met belastingpatroon 1. Tabel 18: Netwerkindicatoren effectevaluatie lokaal niveau (belastingpatroon 2, gemiddeld over zes simulatieruns, getallen tussen haakjes zijn de bijbehorende standaarddeviaties) Indicator 0. Nulvariant (σ) TTS [vtg u] 1127,1 (126,0) Afgelegde 64165,0 afstand (61,4) [vtg km] Gem. vertr./vtg. [s/vtg] 72,0 (24,4) 1. TDI (σ) 898,1 (43,9) 64163,8 (61,1) 27,6 (8,5) 2. Dummy-TDI (σ) 995,5 (45,2) 64164,9 (61,3) 46,5 (8,8) Verschil 0-1 [%] Verschil 0-2 [%] Verschil 1-2 [%] -20,3-11,7 10,8 0,00 0,00 0,00-61,6-35,4 68,2 Wanneer de totale doorgebrachte tijd (gemiddeld over zes simulatieruns) uit Tabel 18 wordt beschouwd, valt op dat de prestatie van de lokaal geregelde dummy-tdi nagenoeg halverwege het verschil tussen de nulvariant en de TDI ligt. Ten opzichte van de nulvariant presteert de dummy-tdi 11,7% beter. Echter is de prestatie 10,8% slechter dan de TDI. Daarnaast is op te maken dat de afgelegde afstand bij alle varianten nagenoeg aan elkaar gelijk is. Hierdoor is het toelaatbaar om op basis van de totale tijden in het netwerk uitspraken te doen over het functioneren van de verschillende varianten ten opzichte van elkaar. De gemiddelde vertraging per voertuig laat hetzelfde beeld zien als de TTS. Ook hier ligt de vertraging per voertuig bij de dummy-tdi ongeveer tussen de nulvariant en TDI, waarbij de TDI de laagste vertraging per voertuig heeft; 27,6 s/vtg bij de TDI tegenover 46,5 s/vtg bij de dummy-tdi. In Tabel 49 in Bijlage IV.2.1. is de totale doorgebrachte tijd over zes simulatieruns bij belastingpatroon 1 weergegeven. Dit is het belastingpatroon waarbij de twee aansluitingen eenzelfde verkeersbelasting opgelegd hebben gekregen. Uit deze tabel blijkt dat bij belastingpatroon 1 de TDI en dummy-tdi ook beiden in staat zijn om de netwerkprestatie aanzienlijk te verbeteren ten opzichte van de nulvariant; respectievelijk met 19,3% en 18,8%. Bij dit belastingpatroon presteren de 78

93 location (m) location (m) TDI en dummy-tdi nagenoeg gelijkwaardig; de TDI zorgt voor een 0,6% kleinere TTS dan de dummy- TDI. Wanneer echter de totale afgelegde afstand in het netwerk wordt beschouwd in Tabel 49 blijkt deze bij de dummy-tdi lager te zijn dan bij de TDI. Dit wil zeggen dat op basis van de totale doorgebrachte tijd in het netwerk geen uitspraken gedaan kunnen worden over de prestatie van de ene doseermaatregel ten opzichte van de ander; het aantal voertuigkilometers en, omdat ieder voertuig in het simulatienetwerk maar één route tot zijn beschikking heeft, ook het aantal voertuigen is bij de dummy-tdi lager. Nu kan de gemiddelde vertraging per voertuig uitkomst bieden. De gemiddelde vertraging per voertuig blijkt uit Tabel 49 ongeveer hetzelfde beeld te geven als de TTS. Ook nu zijn de gemiddelde vertragingen per voertuig bij zowel de TDI als dummy-tdi veel kleiner dan bij de nulvariant en liggen. Daarnaast liggen de TDI en dummy-tdi qua gemiddelde vertraging per voertuig dicht bij elkaar; 36,2 s/vtg bij de TDI tegenover 37,4 s/vtg bij de dummy-tdi. Slanted cumulative curves en snelheidcontourplots In Figuur 39 tot en met Figuur 41 zijn de snelheidcontourplots van de simulatievarianten gegeven behorend bij de run welke het best overeenkomt met het gemiddelde beeld van de zes simulatieruns. Dit bleek random seed 5 te zijn, waarbij achtereenvolgens de nulvariant, TDI en dummy-tdi op lokaal niveau zijn afgebeeld. In Figuur 42 is de slanted cumulative curve weergegeven van deze varianten behorend bij random seed speedcontour time (sec) Figuur 39: Snelheidcontourplot nulvariant (belastingpatroon 2, random seed 5) speedcontour time (sec) Figuur 40: Snelheidcontourplot lokale TDI (belastingpatroon 2, random seed 5) 79

94 location (m) speedcontour time (sec) Figuur 41: Snelheidcontourplot lokale dummy-tdi (belastingpatroon 2, random seed 5) Figuur 42: Slanted cumulative curves van nulvariant, lokale TDI en lokale dummy-tdi (belastingpatroon 2, random seed 5) Uit de snelheidcontourplot in Figuur 40 valt af te leiden dat de TDI-variant gedurende de gehele simulatieduur geen congestie meer vertoont. Als gevolg van het doseren wordt op geen enkel moment de kritische dichtheid overschreden, zodat de congestieve tak van het fundamenteel diagram wordt vermeden. Wanneer de resulterende snelheidcontourplot van de dummy-tdi in Figuur 41 wordt beschouwd, blijkt bij de dummy-tdi op ongeveer hetzelfde moment congestie optreedt als bij de nulvariant. Echter valt op dat de lengte van de resulterende file bij de dummy-tdi veel korter is en de file minder lang stand houdt dan bij de nulvariant. Uit deze snelheidcontourplots zou dus geconcludeerd kunnen worden dat de dummy-tdi niet in staat is om een capaciteitsval op het HWN langer uit te stellen dan bij de nulvariant. Dit is echter niet geheel waar. Uit de slanted cumulative curves weergegeven in Figuur 42 volgt namelijk dat op het moment dat er bij de nulvariant capaciteitsval optreedt, het aantal voertuigen bij de dummy-tdi nog steeds toeneemt in vergelijking met de nulvariant en van een val in het aantal voertuigen dat per tijdseenheid ter hoogte van toerit 1 passeert geen sprake is. Wel is uit de slanted cumulative curves af te leiden dat bij de dummy-tdi op het moment dat de nulvariant een capaciteitsval laat zien (weergegeven door de rode onderbroken lijn in Figuur 42), het aantal voertuigen dat per tijdseenheid passeert lager is dan bij de TDI. De zwarte onderbroken lijnen in Figuur 42 laten dit zien. Deze lijnen zijn een lineaire benadering van de slanted cumulative curves rond het moment dat de nulvariant capaciteitsval toont. Hoe groter de hellingcoëfficiënt van deze 80

95 lijnen, hoe meer voertuigen per tijdseenheid passeren. Duidelijk is te zien dat de hellingcoëfficiënt bij de dummy-tdi kleiner is dan bij de TDI, waardoor minder voertuigen per tijdseenheid passeren. Een echte capaciteitsval is bij de dummy-tdi te zien ter hoogte van de groene onderbroken lijn in Figuur 42. Op dit moment is te zien dat het aantal voertuigen per tijdsperiode passeert opeens kleiner wordt dan wat daarvoor het geval was; een plotseling afname in capaciteit. In Tabel 19 zijn de exacte tijdstippen weergegeven waarop bij de verschillende gesimuleerde varianten met belastingpatroon 2 capaciteitsval is opgetreden. Een - in deze tabel geeft aan dat er geen capaciteitsval is opgetreden. In Tabel 50 is hetzelfde weergegeven voor belastingpatroon 1. Tabel 19: Moment van opgetreden capaciteitsval resulterend uit bij effectevaluatie dummy-tdi op lokaal niveau (belastingpatroon 2) Tijdstip capaciteitsval [min] 0. Nulvariant 1. TDI 2. Dummy-TDI Verschil 1-0 [min] Verschil 2-0 [min] Verschil 2-1 [min] Seed 1 27,0-37,0-10,0 - Seed 2 33,0-46,0-13,0 - Seed 3 29,0 27,0 37,0-2 8,0 10,0 Seed 4 26,0-33,0-7,0 - Seed 5 27,0-40,0-13,0 - Seed 6 31,0-41,0-10,0 - Uit Tabel 19 en Tabel 50 valt af te lezen dat bij (bijna) alle simulatieruns zowel de TDI als dummy-tdi ten opzichte van de nulvariant een capaciteitsval uitstellen. De TDI is zelfs vaak in staat gebleken een capaciteitsval helemaal te voorkomen (zie de - in de tabellen). Echter, bij de simulatieruns waarbij de TDI wel een capaciteitsval vertoond, wordt door de dummy-tdi een capaciteitsval langer uitgesteld dan door de TDI (zie de positieve verschillen tussen de tijdstippen in de laatste kolom in Tabel 19 en Tabel 50). Tot slot is uit de gegeven resultaten op te maken dat de dummy-tdi ten opzichte van de nulvariant bij iedere simulatierun een capaciteitsval langer uitstelt. Samengevat kan geconcludeerd worden dat wanneer alleen naar de snelheid ter hoogte van het knelpunt wordt gekeken, men zou kunnen denken dat de dummy-tdi alsnog op hetzelfde moment zorgt voor congestie op het HWN als in de nulsituatie. Wanneer echter naar het aantal voertuigen wordt gekeken dat per tijdsperiode passeert bij de dummy-tdi, valt op te maken dat de dummy-tdi weldegelijk een capaciteitsval uitstelt, waardoor de vertraging op het HWN afneemt ten opzichte van de nulvariant. Vertraging per traject In Tabel 20 is de totale vertraging per traject [vtg u] over de simulatieduur van 3 uur weergegeven resulterend na simulatie van belastingpatroon 2. De verschillen tussen de vergeleken varianten zijn hierbij uitgedrukt in percentages. Doordat bij belastingpatroon 1 het resulterend aantal voertuigkilometers niet bij alle simulatievarianten gelijk is (en de totale vertragingen hierdoor een onjuist beeld geven), zijn in Bijlage III.3.1. in Tabel 51 de gemiddelde vertragingen per traject [s vtg -1 ] behorend bij belastingpatroon 1 gegeven. 81

96 Tabel 20: Totale vertraging op trajecten in studienetwerk [vtg u] resulterend uit effectevaluatie dummy-tdi op lokaal niveau (belastingpatroon 2, waarden zijn gemiddeld over 6 simulatieruns) Totale vertraging 0. Nulvariant per traject [vtg u] (σ) HWN 277,7 (118,6) Buffers aansluiting 1 14,8 (0,4) Buffers aansluiting 2 14,9 (0,8) OWN aansluiting 1 25,9 (0,4) OWN aansluiting 2 24,6 (0,8) 1. TDI (σ) 33,6 (18,4) 27,6 (17,6) 17,2 (1,8) 25,9 (0,4) 24,6 (0,8) 2. Dummy-TDI (σ) 103,3 (32,9) 54,4 (7,9) 25,1 (8,3) 26,7 (0,7) 24,7 (0,8) Verschil 0-1 [%] Verschil 0-2 [%] Verschil 1-2 [%] -87,9-62,8 207,4 86,5 266,8 96,7 15,7 68,8 45,9 0,0 2,9 2,9 0,0 0,3 0,3 De totale vertragingen in Tabel 20 geven duidelijk weer dat door het doseren de opgelopen vertraging verschuift van het HWN naar het OWN. Bij zowel de TDI als dummy-tdi valt op te maken dat ten opzichte van de nulvariant de vertraging op het HWN kleiner wordt, maar dat het verkeer in de buffers een grotere vertraging krijgt opgelegd. Daarnaast blijkt de totale vertraging bij de dummy- TDI op alle gemeten trajecten groter te zijn dan bij de TDI, te zien aan de laatste kolom in Tabel 20. Ondanks dat er bij het doseren met een dummy-tdi meer vertraging wordt opgelegd aan verkeer op het OWN, is de vertraging op het HWN alsnog groter dan bij de reguliere TDI. De gemiddelde vertragingen per traject in Tabel 51 behorend bij belastingpatroon 1 laten nagenoeg hetzelfde beeld zien als de totale vertraging bij belastingpatroon 2. Echter, bij belastingpatroon 1 is de gemiddelde vertraging op de buffers behorend bij aansluiting 2 bij de TDI groter dan bij de dummy-tdi. De standaarddeviatie behorend bij de gemiddelde vertraging van de TDI bij de buffers op aansluiting 2 is echter zo groot, dat de gevonden vertraging niet significant is. Een mogelijke oorzaak van deze grotere vertraging bij de TDI is het terugslaan van de file op het HWN tot voorbij aansluiting 2. Wat verder opvalt aan de totale vertragingen in Tabel 20, is dat bij de dummy-tdi de vertraging op het OWN bij aansluiting 1 groter is dan bij de nulvariant en de TDI. Het doseren met de dummy-tdi blijkt hierdoor zelfs met wachtrijmanagement te zorgen voor fileterugslag naar het OWN. Wat deze terugslag veroorzaakt, komt in de volgende paragraaf ter sprake Verklaring resultaten De gevonden verschillen tussen de gesimuleerde varianten uit vorige paragraaf worden in deze paragraaf verklaard. Door in nader detail te kijken naar de factoren welke de verschillen veroorzaken, is de vinger gelegd op de oorzaken van de verschillende simulatieuitkomsten. Wanneer het doseermechanisme resulterend na simulatie van belastingpatroon 2 wordt beschouwd, volgen de totale tijden (T aan, T flush, T dos en T dos,rel ) weergegeven in Tabel 21. De weergegeven waarden zijn hierbij de gemiddelden over zes simulatieruns van de lokaal geregelde TDI en dummy-tdi. In Tabel 52 in Bijlage III.3.2. zijn de doseertijden resulterend na simulatie van belastingpatroon 1 gegeven. 82

97 Tabel 21: Gemiddelde doseertijden en standaarddeviaties bij effectevaluatie dummy TDI op lokaal niveau (aansluiting 1, belastingpatroon 2, gemiddeld over zes simulatieruns) Doseertijden T aan [min] T flush [min] T dos [min] T dos,rel [%] 1. TDI 2. Dummy- TDI 1. TDI 2. Dummy- TDI 1. TDI 2. Dummy- TDI Verschil 1-2 [%] 1. TDI Verschil 1-2 [%] Gem. 80,0 68,8 11,5 36,2 68,5 36,3-47,0 87,6 53,1-39,4 St.dev. 12,1 8,4 19,0 6,8 10,2 5,6 18,9 6,4 T aan = tijd dat doseeralgoritme ingeschakeld is (wordt voldaan aan inschakelvoorwaarden), T flush = tijd dat wachtrijmanagement actief is (TDI doseert minimaal), T dos = doseertijd (tijd dat daadwerkelijk op een kiem geregeld wordt, T dos = T aan T flush ), T dos,rel = relatieve doseertijd (doseertijd uitgedrukt als percentage van de totale tijd dat de doseermaatregel aanstond: T dos,rel = T dos /T aan *100%) In Tabel 21 geeft T dos aan dat gemiddeld over zes simulatieruns over een simulatieperiode van drie uur de dummy-tdi 36,3 minuten daadwerkelijk doseert en de TDI 68,5 minuten; een verschil van 47%. Dit wil echter niet zeggen dat een dummy-tdi met veel korter doseren hetzelfde kan bereiken als een TDI. Uit Tabel 21 valt namelijk op te maken dat de dummy-tdi ruim drie keer zolang flusht dan de TDI: 11,5 minuten bij de TDI ten opzichte van 36,2 minuten bij de dummy-tdi. Wel is de dummy-tdi gemiddeld over zes runs korter ingeschakeld (T aan = 68,8 minuten tegenover T aan = 80 minuten). Dit zorgt ervoor dat de dummy-tdi 53,1% van de tijd dat aan de inschakelvoorwaarden wordt voldaan daadwerkelijk doseert (T dos,rel ). Bij de TDI ligt dit percentage vele malen hoger, namelijk 87,6%. Het doseren met een TDI blijkt hierdoor veel effectiever te zijn dan doseren met een dummy-tdi. Wanneer de tijdstippen van flushen worden beschouwd (weergegeven in Tabel 22), valt op te maken dat bij iedere simulatierun de dummy-tdi eerder flusht dan bij de TDI. Ook bij belastingpatroon 1 is dit het geval, zoals te zien in Tabel 54 in Bijlage III.3.2. Dit wil zeggen dat de buffers bij de dummy-tdi sneller vollopen dan bij de TDI. De vraag is nu of het flushen van de wachtrij de voornaamste reden is dat de dummy-tdi slechter presteert of dat er ook andere oorzaken voor zijn. Uit Tabel 22 valt namelijk op te maken dat er (op twee uitzonderingen na: random seed 4 en 5) bij belastingpatroon 2 telkens een paar minuten nadat geflusht is een capaciteitsval optreedt. Het flushen van de wachtrij blijkt hieruit een grote invloed op de prestatie van de dummy-tdi te hebben, maar dit is niet de enige reden doordat bij random seed 4 en 5 al een capaciteitsval is opgetreden voordat geflusht is. Echter, bij de de TDI blijkt zich hetzelfde voor te doen bij seed 3. Tabel 22: Tijdstip capaciteitsval en tijdstip van flushen resulterend uit effectevaluatie dummy-tdi op lokaal niveau (aansluiting 1, belastingpatroon 2) Tijdstip capaciteitsval [min] Tijdstip flushen [min] 2. Dummy- TDI TDI Dummy- TDI Verschil 2-1 [min] TDI Dummy- TDI Verschil 2-1 [min] Seed 1-37,0-45,0 31,0-6 Seed 2-46, ,0 - Seed 3 27,0 37,0 10,0 32,0 28,0-4 Seed 4-33, ,0 - Seed 5-27, ,0 - Seed 6-41,0-39,0 26,

98 Mogelijk is het regelbereik van de dummy-tdi bij random seed 4 en 5 onvoldoende om een capaciteitsval uit te stellen. Wanneer te grote voertuigpelotons worden toegelaten, is het mogelijk dat deze het invoegproces zodanig beïnvloedt dat filevorming onvoorkombaar is. Wanneer de capaciteitsval juist wat later optreedt dan het flushmoment, kan hieruit geconcludeerd worden dat wanneer gedoseerd wordt een capaciteitsval wordt voorkomen. Hoe groter in dat geval de doseertijd is, hoe beter de doseerinstallatie zal functioneren. Wanneer de eerste doseertijden van de dummy-tdi worden vergeleken met de TDI (zie Tabel 23), valt op dat de dummy-tdi bij alle simulatieruns een kleinere eerste doseertijd heeft dan de TDI. Tabel 23: Eerste doseertijden resulterend uit effectevaluatie dummy-tdi op lokaal niveau (belastingpatroon 2) Eerste Aansluiting 1 Aansluiting 2 doseertijd 1. TDI 2. Dummy-TDI Verschil TDI 2. Dummy-TDI Verschil 2-1 [min] [min] [min] Seed 1 34,0 12,0-22,0 27,0 20,0-7,0 Seed 2 76,0* 25,0-51,0 13,0 5,0-8,0 Seed 3 15,0 8,0-7,0 25,0 12,0-13,0 Seed 4 77,0* 15,0-62,0 37,0 11,0-26,0 Seed 5 65,0* 14,0-51,0 26,0 18,0-8,0 Seed 6 28,0 14,0-14,0 17,0 7,0-10,0 Gem. 49,2 14,7-34,5 24,2 12,2-12,0 St.dev. 26,8 5,6 8,4 5,9 * = bij deze run wordt niet geflusht, waardoor de eerste doseertijd gelijk is aan de totale doseertijd Frequentie overschrijding maximale opstelruimte De vertraging per traject in Tabel 20 heeft aangetoond dat bij de dummy-tdi extra vertraging wordt opgelegd aan verkeer op het OWN met geen bestemming op het HWN. Een mogelijke verklaring voor deze extra vertraging is dat de wachtrij ondanks wachtrijmanagementingrepen terugslaat naar het OWN. Wanneer wordt onderzocht hoe vaak over de drie uur durende simulatieperiode de wachtrij de maximale opstelruimte overschrijdt bij alle onderzochte varianten kan deze verwachting in beeld gebracht worden. De frequenties waarmee de maximale bufferruimtes bij de doseervarianten bij belastingpatroon 2 op aansluiting 1 worden overschreden, zijn weergegeven in Tabel 24. (Tabel 55 geeft de frequenties behorend bij belastingpatroon 1). De waarden in de tabel geven hierbij het aantal minuten dat over een simulatieduur van 3 uur de maximale bufferruimtes worden overschreden. Bij de TDI is dit een bufferruimte van 60 voertuigen (400 meter, buffer 1) op de toerit, bij de dummy-tdi zijn dit twee bufferruimtes van 30 voertuigen (200 meter, buffer 3 en 4) ter hoogte van het kruispunt benedenstrooms van de toerit. 84

99 Tabel 24: Frequentie overschrijding maximale bufferruimte per 3 uur simulatieduur (aansluiting 1, belastingpatroon 2) Frequentie overschrijding max. bufferruimte [minuten 3 uur -1 ] TDI Dummy-TDI Buffer Buffer 1 Buffer 3 Buffer 4 Seed Seed Seed Seed Seed Seed Uit de Tabel 24 is op te maken dat bij de dummy-tdi veel vaker de maximale bufferuimtes worden overschreden dan bij de TDI het geval is. Hoe vaker de wachtrij terugslaat naar het OWN, hoe groter de kans dat verkeer op het OWN hiervan hinder ondervindt in de vorm van extra vertraging. Het vaker overschrijden van de maximale bufferruimtes bij de dummy-tdi wordt veroorzaakt door het feit dat de afzonderlijke bufferruimtes bij de dummy-tdi twee keer zo klein zijn en hierdoor gevoeliger zijn voor fluctuaties die optreden in het verkeersaanbod. Wanneer bijvoorbeeld bij de dummy-tdi een cluster voertuigen aan komt, groeit de wachtrij sneller aan in verhouding met de grotere bufferruimte bij de TDI. De kans dat de wachtrij hiermee de maximale bufferruimte overschrijdt wordt hiermee ook vele malen hoger Conclusies De effectevaluatie naar de meerwaarde en de te behalen effectiviteit van een lokale dummy-tdi heeft aangetoond dat met het ontwikkelde dummy-tdi-algoritme weldegelijk mogelijk is capaciteitsval op het HWN uit te stellen. De dummy-tdi is in staat om de gewenste doseerintensiteit te behalen door het bufferen van verkeer in de twee gebruikte bufferruimtes. Echter lopen de buffers, in vergelijking met de reguliere TDI-variant, veel sneller vol, waardoor het actief worden van wachtrijmanagement ervoor zorgt dat de effectiviteit van de dummy-tdi drastisch afneemt in vergelijking met een reguliere toeritdoseerinstallatie. Een vergelijking van de beoordelingsindicatoren heeft laten zien dat wanneer de varianten op netwerkprestatie worden beoordeeld de dummy-tdi tussen de nulvariant en TDI ligt. De hypothese waarin werd gesteld dat de dummy-tdi op netwerkniveau beter zal functioneren dan de nulvariant, maar slechter dan een reguliere TDI kan hiermee aangenomen worden. 85

100 7.4. Resultaten gevoeligheidsanalyse dummy-tdi In voorgaande vergelijking met de dummy-tdi is de configuratie van de verschillende regelalgoritmes zoveel mogelijk aan elkaar gelijk gehouden (TDI en dummy-tdi). In deze paragraaf wordt onderzocht welke effecten optreden wanneer de parameter met de grootste verwachte invloed op de uitkomst (de schaalfactor γ, waarmee de kritische dichtheid naar de streefwaarde dichtheid wordt geschaald) wordt veranderd. In voorgaande effectevaluatie was de schalingsparameter γ bij zowel de TDI als dummy-tdi gelijk: γ = 0,9. In deze gevoeligheidsanalyse wordt bekeken welke effecten resulteren wanneer de schaalparameter lager wordt gekozen: respectievelijk γ = 0,8 en γ = 0, Analyse Netwerkindicatoren Tabel 25 geeft de netwerkindicatoren welke resulteren na uitvoering van de gevoeligheidsanalyse van de schalingsparameter γ. Tabel 25: Netwerkindicatoren resulterend na uitvoering gevoeligheidsanalyse dummy-tdi voor schalingsparameter γ (belastingpatroon 2, getallen tussen haakjes zijn bijbehorende standaarddeviaties) Indicator Dummy-TDI (γ = 0,9) TTS [vtg u] 995,5 (45,2) Afgelegde 64164,9 afstand (61,3) [vtg km] Gem. vertr./vtg. [s/vtg] 46,5 (8,8) Dummy-TDI (γ = 0,8) 986,5 (72,0) 64164,9 (61,4) 44,8 (14,0) Dummy-TDI (γ = 0,7) 1084,0 (98,9) 64165,0 (61,3) 63,6 (19,1) Verschil 0,9-0,8 [%] Verschil 0,9-0,7 [%] -0,9 8,9 0,00 0,00-3,7 36,9 Uit Tabel 25 valt op te maken dat er een klein verschil in TTS tussen γ-waardes 0,9 en 0,8 zit. Hierbij is γ = 0,8 licht in het voordeel is ten opzichte van γ = 0,9; een verschil in TTS van 0,9% is het resultaat. Verder valt uit de tabel op te maken dat een waarde van 0,7 voor γ leidt tot een aanzienlijke verslechtering in de gemiddelde netwerkprestatie; ten opzichte van γ = 0,9 presteert het netwerk 8,9% slechter in totale doorgebrachte voertuiguren. Deze uitkomsten zijn echter niet significant vanwege de grote standaardafwijking bij de verschillende varianten. Wanneer de resulterende totale doorgebrachte tijden van de afzonderlijke random seeds worden beschouwd (zie Tabel 26), valt op te maken dat de verschillen tussen de varianten met de schalingsparameters γ is 0,9 en 0,8 klein zijn. Iedere variant scoort bij drie random seeds beter dan de ander. Wel is de winst die behaald wordt bij de dummy-tdi met γ = 0,8 gemiddeld net wat groter dan bij γ = 0,9. Duidelijk zichtbaar dat in termen van netwerkprestatie een schalingsparameter van 0,7 vele malen slechter functioneert dan een schalingsparameter van 0,9 en 0,8. 86

101 location (m) location (m) Tabel 26: Totale doorgebrachte tijd [vtg u] per random seed resulterend uit optimalisatie dummy-tdi (belastingpatroon 2) TTS [vtg u] Dummy-TDI (γ = 0,9) Dummy-TDI (γ = 0,8) Dummy-TDI (γ = 0,7) Verschil 0,9-0,8 [%] Verschil 0,9-0,7 [%] Seed ,5 1083,4 906,3 2,5-14,2 Seed 2 925,2 1005,5 1173,9 8,7 26,9 Seed ,7 917,2 1176,1-11,1 14,0 Seed 4 986,6 972,0 1060,4-1,5 7,5 Seed 5 986,1 1043,7 1095,1 5,8 11,1 Seed 6 986,7 897,5 1092,2-9,0 10,7 Gem. 995,5 986,5 1084,0-0,9 8,9 St.dev. 45,2 72,0 98,9 Slanted cumulative curves en snelheidcontourplots In Figuur 43 tot en met Figuur 46 zijn respectievelijk de snelheidscontourplots behorend bij γ is 0,9, 0,8 en 0,7 en de bijbehorende slanted cumulative curves behorend bij random seed 4 gegeven speedcontour time (sec) Figuur 43: Snelheidcontourplot dummy-tdi: γ = 0,9, random seed speedcontour time (sec) Figuur 44: Snelheidcontourplot dummy-tdi: γ = 0,8, random seed

102 location (m) speedcontour time (sec) Figuur 45: Snelheidcontourplot dummy-tdi: γ = 0,7, random seed 4 0 Figuur 46: Slanted cumulative curves van dummy-tdi met γ- waarden van 0,9, 0,8 en 0,7, random seed 4 Uit de slanted cumulative curves in Figuur 46 valt af te lezen dat bij γ-waardes van 0,9 en 0,7 de capaciteitsval bijna op hetzelfde moment optreedt (zie de groene en rode onderbroken lijnen in Figuur 46). γ = 0,8 zorgt ervoor dat capaciteitsval een paar minuten wordt uitgesteld ten opzichte van de overige varianten. Daarnaast valt uit de slanted cumulative curves op te maken dat bij γ = 0,8 het aantal voertuigen dat na het optreden van capaciteitsval passeert per tijdseenheid wat hoger ligt dan het geval is bij γ = 0,9 en 0,7. De slanted cumulative curve behorende bij γ = 0,8 ligt na het optreden van de capaciteitsval namelijk telkens hoger dan de overige curves. Vertraging per traject Wanneer de totale vertragingen per traject worden beschouwd, volgen de resultaten in Tabel

103 Tabel 27: Totale vertraging op trajecten in studienetwerk [vtg u] resulterend uit effectevaluatie dummy-tdi op lokaal niveau (belastingpatroon 2) Totale vertraging per traject [vtg u] Dummy-TDI (γ = 0,9) (σ) HWN 103,3 (32,9) Buffers aansluiting 1 54,4 (7,9) Buffers aansluiting 2 25,1 (8,3) OWN aansluiting 1 26,7 (0,7) OWN aansluiting 2 24,7 (0,8) Dummy-TDI (γ = 0,8) (σ) 87,8 (54,7) 55,4 (14,9) 30,2 (6,7) 26,7 (0,6) 25,1 (0,9) Dummy-TDI (γ = 0,7) (σ) 164,8 (78,7) 64,9 (14,2) 41,0 (8,0) 26,9 (0,5) 25,2 (1,4) Verschil 0,9-0,8 [%] Verschil 0,9-0,7 [%] Verschil 0,8-0,7 [%] -15,0 59,6 87,7 1,9 19,3 17,1 20,2 63,3 35,9-0,1 0,7 0,8 1,7 2,1 0,4 Uit de tabel valt op te maken dat γ = 0,7 op alle beschouwde trajecten een hogere totale vertraging heeft dan de overige varianten. Daarnaast blijkt dat het strenger doseren (als gevolg van de lagere ingestelde streefwaarde dichtheid) bij γ = 0,8 de totale vertraging op de buffers op beide aansluitingen weliswaar hoger is dan bij γ = 0,9, de totale vertraging op het HWN is bij γ = 0,8 daardoor 15% lager dan bij γ = 0, Verklaring resultaten Een verklaring voor deze verslechterde netwerkprestatie bij γ = 0,7 wordt gegeven door het berekenen van een te kleine doseerintensiteit. De streefwaarde dichtheid kt ˆ( ) wordt bij deze schalingsparameter γ namelijk gelijk aan: kˆ( t ) kkrit ( t ) 0,7 kkrit ( t ). De streefwaarde dichtheid waar bij deze schalingsparameter naartoe geregeld moet worden, ligt hierdoor zo ver van de (bijgeschatte) kritische dichtheid vandaan dat de resulterende kleine gewenste doseerintensiteit zorgt voor te veel vertraging in de buffers. Een te kleine doseerintensiteit zorgt voor streng doseren en veel wachtrijmanagement. Dit resulteert in grote vertraging in de buffers én een grotere kans op een capaciteitsval op het HWN wanneer de wachtrij geflusht moet worden. Daarnaast heeft het verkennend onderzoek in Hoofdstuk 4 aangetoond dat de spreiding in de gemeten dichtheden ten opzichte van de ingestelde steefwaarde dichtheid een goede indicator is voor de prestatie die met een dummy-tdi behaald kan worden. De spreiding in de gemeten dichtheid wordt groter naar mate vaker de kritische dichtheid wordt overschreden (en daarmee de congestieve tak van het fundamenteel diagram niet kan worden vermeden). Tabel 28 geeft de spreidingen [vtg/km/rijstr.] resulterend na simulatie van de verschillende γ-waardes wanneer de dummy-tdi is ingeschakeld. Tabel 28 laat zien dat de spreiding ten opzichte van de ingestelde streefwaarde dichtheid bij een schalingsparameter van γ = 0,9 groter is dan bij γ = 0,8: zowel gemiddeld over zes simulatieruns als bij iedere simulatierun afzonderlijk. Door het kiezen van een lagere waarde van de schalingsparameter γ, wordt de streefwaarde dichtheid waar het AD-ALINEA naartoe regelt verder van de (adaptief bijgeschatte) kritische dichtheid verwijderd. 89

104 Tabel 28: Spreiding in gemeten dichtheid k est (t) [vtg/km/rijstr] ten opzichte van de ingestelde streefwaarde dichtheid k*(t) (gemeten dichtheden bij status dummy-tdi = 1) Spreiding k est (t) t.o.v. k*(t) Seed 1 Seed 2 Seed 3 Seed 4 Seed 5 Seed 6 Gem. St.dev. [vtg/km/rijstr.] γ = 0,9 2,6 2,8 2,7 2,9 2,6 2,7 2,7 0,1 γ = 0,8 2,5 2,1 2,3 2,7 2,3 2,1 2,3 0,2 γ = 0,7 2,0 2,3 2,4 2,4 2,3 2,4 2,3 0, Conclusies De uitgevoerde gevoeligheidsanalyse heeft aangetoond dat het dummy-tdi-algoritme erg gevoelig is voor een juiste instelling van de schalingsparameter γ. Na het simuleren van een drietal waardes voor deze schalingsparameter (γ=0,9, γ=0,8 en γ=0,7) blijkt dat voor het toegepaste simulatienetwerk een waarde van γ = 0,8 resulteert in de beste prestatie voor de dummy-tdi. Het gebruik van een schalingsparameter die net wat lager wordt gekozen ten opzichte van de kritische dichtheid, blijkt bij een dummy-tdi ervoor te zorgen dat het meest effectief gedoseerd wordt. De opgelegde vertraging aan voertuigen vanaf het OWN zorgt ervoor dat een capaciteitsval op het HWN langer wordt uitgesteld en deze vertraging is niet dermate hoog dat de prestatie van het gehele netwerk verslechterd. Op deze manier wordt gecorrigeerd voor de invloed die het toelaten van meerdere voertuigen per groenfase heeft op het invoegproces. De gevoeligheidsanalyse heeft aangetoond dat een waarde voor de schalingsparameter γ = 0,8 resulteert in een betere prestatie dan γ = 0,9 of 0,7. Bij de uitvoering van de effectevaluatie van de dummy-tdi op trajectniveau in de volgende paragraaf is er daartoe voor gekozen bij de gesimuleerde dummy-tdi-varianten (zowel lokaal als in coördinatie) uit te gaan van γ = 0,8. 90

105 7.5. Resultaten effectevaluatie dummy-tdi op trajectniveau Nadat in voorgaande paragrafen alleen lokale regelingen aan bod zijn gekomen, wordt in deze paragraaf gefocust op de te behalen effectiviteit wanneer meerdere regelingen in coördinatie worden ingezet. Daartoe bevat deze paragraaf de resultaten uit de effectevaluatie van de dummy- TDI op trajectniveau. Allereerst is wederom eerst het globale beeld gegeven dat de simulatiestudies hebben opgeleverd. In Paragraaf zijn deze resultaten vervolgens verklaard door dieper naar de achterliggende oorzaken van deze verschillen te kijken. De belangrijkste bevindingen zijn tot slot nog eenmaal opgesomd in Paragraaf Schalingsparameter γ in AD-ALINEA-algoritme De schalingsparameter welke in het AD-ALINEA-algoritme wordt gebruikt om de adaptief bijgeschatte kritische dichtheid om te zetten in de streefwaarde dichtheid is bij de dummy-tdivarianten ingesteld op 0,8. De gevoeligheidsanalyse in de vorige paragraaf heeft uitgewezen dat deze waarde resulteert in de best presterende dummy-tdi Analyse Netwerkindicatoren Tabel 29 toont de netwerkindicatoren van de TDI en dummy-tdi variant wanneer lokaal en in coördinatie geregeld wordt. Tabel 29: Netwerkindicatoren effectevaluatie op trajectniveau (belastingpatroon 2, getallen tussen haakjes zijn de bijbehorende standaarddeviaties) Indicator TTS [vtg u] Afgelegde afstand [vtg km] Gem. vertr./vtg. [s/vtg] 1. TDI (lokaal) 898,1 (43,9) 64163,8 (61,1) 27,6 (8,5) 2. Dummy-TDI (lokaal) 986,5 (72,0) 64164,9 (61,4) 44,8 (14,0) 3. TDI s (coördinatie) 894,7 (38,0) 64161,6 (58,5) 27,0 (7,4) 4. Dummy-TDI s (coördinatie) 999,7 (69,1) 64145,9 (59,5) 47,4 (13,4) Verschil 1-3 [%] Verschil 2-4 [%] Verschil 3-4 [%] -0,4 1,3 11,7 0,00-0,03-0,02-2,4 5,8 75,6 Het coördineren van de TDI s in het simulatienetwerk blijkt uit Tabel 29 een winst in de totale doorgebrachte tijd van 0,4% op te leveren ten opzichte van lokaal regelen. Ook is de afgelegde afstand bij beide configuratie nagenoeg aan elkaar gelijk, waardoor de totale tijden gebruikt kunnen worden om uitspraken over de effectiviteit te doen. Daarentegen lijkt het coördineren van dummy-tdi s op basis van de gemiddelde totale doorgebrachte tijd in het netwerk te resulteren in een verminderde netwerkprestatie, doordat de TTS bij gecoördineerde dummy-tdi s 1,3% hoger ligt dan bij de lokaal geregelde dummy-tdi s. Dit is tegen verwachting, want de hypothese was juist dat de TTS afneemt bij gecoördineerd regelen. Wel is zichtbaar dat de standaarddeviatie bij beide dummy-tdi-varianten veel groter is dan bij de TDI. De zes uitgevoerde simulatieruns leveren daardoor geen significante uitkomst om op basis van de gemiddelde TTS uitspraken te doen over de effectiviteit van de verschillende varianten. Bij de verklaring van de resultaten in volgende paragraaf zal daartoe naar de afzonderlijke simulatieruns gekeken worden om alsnog gegronde uitspraken te kunnen doen. Ten opzichte van de gecoördineerde TDI s presteert de dummy-tdi in coördinatie op alle netwerkindicatoren slechter, zie laatste kolom in Tabel 29. Wel valt op dat de beide lokale varianten 91

106 location (m) location (m) location (m) een grotere standaarddeviatie hebben bij de TTS dan hun coördinatie-tegenhangers. Hierdoor blijkt coördinatie te zorgen voor een stabielere uitkomst. Slanted cumulative curves en snelheidcontourplots In Figuur 47 tot en met Figuur 50 zijn respectievelijk de snelheidcontourplots afgebeeld van TDI s in coördinatie, dummy-tdi s in coördinatie, lokale TDI en lokale dummy-tdi. Daarnaast zijn in Figuur 51 de slanted cumulative curves weergegeven behorend bij deze varianten speedcontour time (sec) Figuur 47: Snelheidcontourplot TDI s in coördinatie: γ = 0,9, random seed speedcontour time (sec) Figuur 48: Snelheidcontourplot dummy-tdi s in coördinatie: γ = 0,8, random seed speedcontour time (sec) Figuur 49: Snelheidcontourplot lokale TDI: γ = 0,9, random seed

107 location (m) speedcontour Beide variaties van de dummy-tdi vertonen wel een capaciteitsval. Ten opzichte van de TDIvarianten tonen zowel de lokale als de gecoördineerde dummy-tdi op k = 25 min een korte capaciteitsval. Echter is de ontstane congestie bij de dummy-tdi-varianten van korte duur: er treedt een zogenaamde filegolf op welke bij beide varianten even lang stand houdt (zie de eerste rode streep in de snelheidcontourplots in Figuur 48 en Figuur 50. Na deze filegolf treedt bij beide dummy- TDI-varianten een paar minuten vrije verkeersafwikkeling op, waarna vervolgens de lokale dummy time (sec) Figuur 50: Snelheidcontourplot lokale dummy-tdi: γ = 0,8, random seed 5 0 Figuur 51: Slanted cumulative curves van lokale TDI en dummy-tdi en gecoördineerde TDI en dummy-tdi, random seed 5 (merk op: doordat bij de lokale TDI bij random seed 5 geen slave is bijschakeld, zijn de TDI - en TDI s in coördinatie - curves aan elkaar gelijk) De snelheidcontourplots van de lokaal geregelde TDI en de gecoördineerde TDI s in respectievelijk Figuur 47 en Figuur 49 zijn exact aan elkaar gelijk en vertonen beide geen snelheidsvermindering. In Figuur 51 is hierdoor ook geen capaciteitsval op te merken en zijn ook beide cumulatieve curves aan elkaar gelijk. De belasting van het netwerk is in random seed 5 zodanig geweest dat als gevolg van het lokaal doseren geen coördinatie is ingeschakeld. In andere woorden: de wachtrij op de stroomafwaarts gelegen toerit is de gehele simulatieduur beneden de inschakelvoorwaarde voor de master-slave-combinatie gebleven, waardoor de coördinatie-variant gelijk is aan de lokale. 93

108 TDI op k = 41 minuten en de gecoördineerde dummy-tdi op k = 49 minuten een volgende capaciteitsval vertonen. Ten opzichte van de lokale dummy-tdi is de gecoördineerde dummy-tdi hier dus in staat om langer een capaciteitsval uit te stellen. Tabel 30 geeft de exacte tijdstippen waarop bij de gesimuleerde varianten capaciteitsval is opgetreden. De TDI-varianten (zowel lokaal als in coördinatie) hebben maar bij één run een capaciteitsval (zie seed 3 in Tabel 30). Hierbij zorgt de coördinatie er wel voor dat de capaciteitsval ten opzichte van lokaal regelen met 18 minuten wordt uitgesteld. De verschillen tussen de lokale en de gecoördineerde dummy-tdi s vertonen geen significant beeld. Bij de simulatieruns waarbij de lokale dummy-tdi een capaciteitsval vertoond (zie kolom 2. dummy- TDI (lokaal) van Tabel 30), zorgt het coördineren van de dummy-tdi s ervoor dat deze ofwel met een paar minuten wordt uitgesteld (zie seed 2 van kolom 4. Dummy-TDI (coördinatie)) of helemaal wordt voorkomen (zie seed 1 en 4 van kolom 4.). Echter, wanneer bij de lokale dummy-tdi geen capaciteitsval optreedt (zie seed 3 en 6 van kolom 2.), resulteren de gecoördineerde dummy-tdi s wel in een capaciteitsval (respectievelijk na 34 en 42 simulatieminuten). Wanneer de gecoördineerde dummy-tdi s worden vergeleken met de gecoördineerde TDI s valt op dat de TDI s bij iedere simulatierun ervoor zorgen dat een capaciteitsval langer wordt uitgesteld van bij de dummy-tdi s. Tabel 30: Tijdstip capaciteitsval bij alle doseervarianten resulterend uit effectevaluatie dummy-tdi op trajectniveau (indien geen capaciteitsval optreedt is dit weergegeven met - ) Tijdstip cap.val [min] 1. TDI (lokaal) 2. Dummy- TDI (lokaal) 3. TDI (coördinatie) 4. Dummy-TDI (coördinatie) Verschil 3-1 [min] Verschil 4-2 [min] Verschil 4-3 [min] Seed 1-37, Seed 2-44,0-49,0-5 - Seed 3 27,0-45,0 34,0 18,0! -11,0 Seed 4-39, Seed 5-25,0-25,0-0,0 - Seed ,0 -! - De waarden in Tabel 31 tonen aan dat als gevolg van het coördineren de flushmomenten bij zowel de TDI als de dummy-tdi gelijk blijven of een paar minuten later optreden in vergelijking met lokaal regelen (zie kolom verschil 3-1 en verschil 4-2 ). De inzet van bufferruimtes ter plaatse van een stroomopwaarts gelegen aansluiting zorgt er hierdoor voor dat inderdaad langer gedoseerd kan worden om een capaciteitsval langer te voorkomen. De getallen tussen haakjes in Tabel 31 geven het volgende aan: tcap. val tflush. Bij beide coördinatievarianten zit er een groter positief verschil tussen het moment dat capaciteitsval optreedt en het moment van flushen. Hieruit kan geconcludeerd worden dat hoe langer gedoseerd kan worden (als gevolg van de inzet van extra bufferruimte door coördinatie), hoe langer een capaciteitsval uitgesteld kan worden of in enkele gevallen zelfs helemaal voorkomen kan worden. 94

109 Tabel 31: Tijdstip flushmomenten [min] bij varianten uit effectevaluatie dummy-tdi op trajectniveau op aansluiting 1 Tijdstip flushen [min] 1. TDI (lokaal) 2. Dummy- TDI (lokaal) 3. TDI (coördinatie) 4. Dummy-TDI (coördinatie) Verschil 3-1 [min] Verschil 4-2 [min] Verschil 4-3 [min] Seed 1 45,0 27,0-27,0-0 - (-) (+10) (-) (-) Seed 2-36,0-39,0-3 - (-) (+8) (-) (+10) Seed 3 32,0 28,0 32,0 28, ,0 (-5) (-) (+13) (+6) Seed 4-34,0-34,0-0 - (-) (+5) (-) (-) Seed 5-33,0-33,0-0 - (-) (-8) (-) (+16) Seed 6 39,0 (-) 31,0 (-) 42,0 (-) 39,0 (+3) 3 8-3,0 De getallen tussen haakjes in Tabel 31 geven het tijdverschil tussen het optreden van capaciteitsval en het moment van flushen op aansluiting 1 t cap.val -t flush (bij een positieve waarde treedt een capaciteitsval later op dan het flushmoment, bij een negatieve waarde treedt het omgekeerde op, wanneer er geen capaciteitsval optreedt is dit weergegeven met (-) ) Gemiddelde vertraging per traject Wanneer tot slot de gemiddelde vertragingen per voertuig per traject wordt beschouwd, volgen de resultaten weergegeven in Tabel 32. Tabel 32: Gemiddelde vertraging op trajecten in studienetwerk [s vtg -1 ] resulterend uit effectevaluatie dummy-tdi op trajectniveau (belastingpatroon 2, de getallen tussen haakjes zijn de standaarddeviaties behorend bij de vertraging per traject) Gemiddelde vertraging per traject [s vtg -1 ] 1. TDI (σ) HWN 11,0 (6,0) Buffers 36,1 aansluiting 1 (23,1) Buffers 16,9 aansluiting 2 (1,6) OWN 25,5 aansluiting 1 OWN aansluiting 2 (0,2) 24,2 (0,6) 2. Dummy-TDI (σ) 28,7 (17,9) 72,3 (19,0) 29,8 (6,9) 26,2 (0,6) 24,7 (0,8) 3. TDI in coördinatie (σ) 8,9 (1,4) 28,2 (12,3) 27,6 (17,5) 25,5 (0,2) 24,8 (1,6) 4. Dummy-TDI in coördinatie (σ) 23,4 (18,4) 73,9 (13,9) 54,1 (8,2) 28,5 (3,5) 25,9 (1,5) Verschil 1-3 [%] Verschil 2-4 [%] Verschil 3-4 [%] -19,0-18,4 163,5-21,8 2,3 161,7 63,2 81,7 95,9 0,0 8,8 11,8 2,7 4,9 4,2 Gemiddeld over zes simulatieruns blijkt het coördineren van de TDI s en dummy-tdi s in vergelijking met lokaal regelen te resulteren in een vermindering van de gemiddelde opgelopen vertraging per voertuig op het HWN, respectievelijk 19% en 18,4%. De coördinatie zorgt er bij beide varianten voor dat de vertraging in de gebruikte buffers gelijkmatiger over beide aansluitingen wordt verdeeld in verlijking met lokaal regelen. Dit is in Tabel 32 op te maken uit de vertraging in de buffers op aansluiting 2: deze neemt bij het coördineren toe, zodat het verschil tussen de vertragingen in de buffers op aansluiting 1 en 2 minder wordt. 95

110 Afgevlakte cumulatieve aantal vtg [vtg] Verklaring resultaten 1. TDI (lokaal) vs. TDI (coördinatie): Uit de analyse van de resultaten bleek dat er een minieme verlaging in totale voertuiguren in het netwerk optreedt wanneer de TDI s in het studienetwerk gecoördineerd worden ten opzichte van de lokale inzet van de TDI s. Dit komt doordat de lokale TDI-variant al weinig filevorming capaciteitsval vertoont. De slanted cumulative curves van de simulatieruns met de lokale TDI s in Figuur 52 geven dit duidelijk weer. Hierdoor is de vertraging in het netwerk al zo klein, dat met behulp van coördinatie weinig winst te behalen valt ten opzichte van lokaal regelen Afgevlakte V(t) van lokale TDI thv toerit 1 Seed 1 Seed 2 Seed 3 Seed 4 Seed 5 Seed Regelinterval t [min] Figuur 52: Slanted cumulative curves van lokale TDI (belastingpatroon 2, zes random seeds) Wanneer de gemiddelde vertraging per voertuig per traject wordt beschouwd (zie Tabel 33) valt op dat door middel van de coördinatie de opgelegde vertraging gelijkmatiger over het netwerk wordt verdeeld. Niet alleen de stroomafwaarts gelegen toerit dicht bij het knelpunt krijgt nu vertraging opgelegd, ook verkeer op de stroomopwaarts gelegen toerit draagt bij aan voorkoming van een capaciteitsval op het HWN. Dit is precies hoe de coördinatie behoort te werken en voldoet daarmee aan de verwachtingen. Tabel 33: Gemiddelde vertraging per voertuig per traject [s vtg -1 ] (TDI (lokaal) vs. TDI (coördinatie)) Gemiddelde vertraging 1. TDI (lokaal) per traject [s vtg -1 ] (σ) HWN 11,0 (6,0) Buffers aansluiting 1 36,1 (23,1) Buffers aansluiting 2 16,9 (1,6) OWN aansluiting 1 25,5 (0,2) OWN aansluiting 2 24,2 (0,6) 3. TDI (coördinatie) (σ) 8,9 (1,4) 28,2 (12,3) 27,6 (17,5) 25,5 (0,2) 24,8 (1,6) Verschil 1-3 [%] -19,0-21,8 63,2 0,0 2,7 96

111 location (m) 2. Dummy-TDI (lokaal) vs. dummy-tdi (coördinatie): Wanneer de TTS bij de afzonderlijke random seeds wordt vergeleken (zie Tabel 34) blijkt dat in twee gevallen (seed 3 en 6) bij gecoördineerde dummy-tdi s de TTS veel hoger uitkomt dan bij lokaal regelen (zie ook bijbehorende snelheidcontourplots in Figuur 53 en Figuur 54). Wat hierbij opvalt is dat bij seed 3 en 6 de lokale dummy-tdi nauwelijks filevorming heeft: de TTS is bij deze seeds veel lager dan bij de overige seeds. Het is daartoe erg vreemd dat er extra congestie wordt gegeneerd wanneer er extra bufferruimte wordt gebruikt door de coördinatie met een verder stroomopwaarts gelegen toerit. Tabel 34: Totale doorgebrachte tijd per seed (dummy-tdi (lokaal) vs. dummy-tdi (coördinatie)) TTS [vtg u] Dummy-TDI (lokaal) Dummy-TDI (coördinatie) Verschil dummy-tdi lokaal - coördinatie [%] Seed ,4 965,5-10,88 eed ,5 965,0-4,03 Seed 3 917,2 1115,5 21,62 Seed 4 972,0 921,1-5,24 Seed ,7 988,8-5,26 Seed 6 897,5 1042,2 16,13 Gem. 986,5 999,7 1,33 St.dev. 72,0 69, speedcontour time (sec) 0 Figuur 53: Snelheidcontourplot gecoördineerde dummy-tdi s (random seed 3) Figuur 54: Snelheidcontourplot lokaal geregelde dummy-tdi s (random seed 3) Wanneer de gedachte achter de coördinatie-systematiek wordt beschouwd, zou het niet mogelijk moeten zijn dat het netwerk slechter functioneert met coördinatie dan wanneer lokaal wordt geregeld. Een mogelijke oorzaak voor het opgetreden verschijnsel is doordat beide aansluitingen de maximale hoeveelheid verkeer hebben gebufferd, ze tegelijkertijd hun buffers laten leeg lopen door het in actie komen van het wachtrijmanagement. Gecombineerd met een grote verkeersvraag op het HWN kan dit ervoor zorgen dat de kritische dichtheid wordt overschreden en daarmee een grote capaciteitsval ontstaat. Wanneer de flushmomenten t flush worden beschouwd (zie Tabel 35), blijkt dat het coördineren van de dummy-tdi s er inderdaad voor zorgt dat het verschil tussen het moment van flushen op beide aansluitingen kleiner wordt; gemiddeld over zes simulatieruns is het verschil bij lokale inzet 11,2 minuten en bij gecoördineerde inzet 3,7 minuten. 97

112 Tabel 35: Tijdstip van flushen bij lokale en gecoördineerde dummy-tdi s op aansluiting 1 en 2 Tijdstip flushen [min] Lokale dummy-tdi Gecoördineerde dummy-tdi s Aansluiting 1 Aansluiting 2 Verschil 2-1 Aansluiting 1 Aansluiting 2 Verschil 2-1 Seed 1 27,0 50,0 23,0 27,0 31,0 4,0 Seed 2 36,0 43,0 7,0 39,0 48,0 9,0 Seed 3 28,0 37,0 9,0 28,0 33,0 5,0 Seed 4 34,0 55,0 21,0 34,0 40,0 6,0 Seed 5 33,0 35,0 2,0 33,0 34,0 1,0 Seed 6 31,0 36,0 5,0 39,0 36,0-3,0 Gem. 31,5 42,7 11,2 33,3 37,0 3,7 St.dev. 3,5 8,3 5,2 6,2 3. TDI (coördinatie) vs. dummy-tdi (coördinatie): De weergegeven totale doorgebrachte tijd per random seed van de TDI en dummy-tdi in coördinatie (zie Tabel 36), laat zien dat de gecoördineerde dummy-tdi bij iedere random seed slechter presteert dan de gecoördineerde TDI s. Random seed 4 is voor de dummy-tdi een positieve meevaller, hier is het verschil met de TDI s kleiner dan bij de rest van de runs. De oorzaak van dit kleine verschil is echter dat bij random seed 4 de filevorming bij alle simulatievarianten klein is, zodat de te behalen winst in totale doorgebrachte tijd ook kleiner wordt. Tabel 36: Totale doorgebrachte tijd per seed (TDI (coördinatie) vs. dummy-tdi (coördinatie)) TTS [vtg u] TDI (coördinatie) Dummy-TDI (coördinatie) Verschil TDI (coördinatie) dummy-tdi (coördinatie) [%] Seed 1 875,6 965,5 10,27 Seed 2 871,6 965,0 10,71 Seed 3 969,5 1115,5 15,07 Seed 4 884,3 921,1 4,16 Seed 5 870,1 988,8 13,64 Seed 6 897,1 1042,2 16,17 Gem. 894,7 999,7 11,73 St.dev. 38,0 69,1 In Tabel 37 zijn de eerste doseertijden weergegeven van de TDI en dummy-tdi in coördinatie op zowel aansluiting 1 als 2. Ondanks de inzet van coördinatie is het verschil tussen de doseertijden van de dummy-tdi en TDI erg groot. Dit komt omdat bij de dummy-tdi veel strenger gedoseerd moet worden om een capaciteitsval uit te stellen, waardoor de buffers bij de dummy-tdi eerder vollopen dan bij de TDI-variant. 98

113 Tabel 37: Eerste doseertijden behorend bij aansluiting 1 en 2 uit effectevaluatie dummy-tdi op trajectniveau (belastingpatroon 2) Eerste doseertijd [min] Aansluiting 1 [min] 3. TDI (coördinatie) 4. Dummy- TDI (coördinatie) Verschil 4-3 [min] Aansluiting 2 [min] 3. TDI (coördinatie) 4. Dummy- TDI (coördinatie) Verschil 4-3 [min] Seed 1 85,0 16,0-69,0 27,0 10,0-17,0 Seed 2 79,0 29,0-50,0 12,0 8,0-4,0 Seed 3 15,0 11,0-4,0 8,0 3,0-5,0 Seed 4 80,0 27,0-53,0 31,0 17,0-14,0 Seed 5 65,0 20,0-45,0 26,0 3,0-23,0 Seed 6 31,0 28,0-3,0 11,0 12,0 1,0 Gem. 59,2 21,8-37,3 19,2 8,8-10,3 St.dev. 29,2 7,4 9,9 5, Conclusies De effectevaluatie naar de inzet van coördinatie heeft een aantal resultaten opgeleverd die niet verwacht waren voor aanvang van de simulatiestudie. Het is gebleken dat de coördinatie goed functioneert wanneer voldoende bufferruimte beschikbaar is op de te gebruiken toeritten. De stroomopwaarts gelegen toerit zorgt ervoor dat de stroomafwaarts gelegen toerit langer kan blijven doseren, waardoor een capaciteitsval langer uitgesteld kan worden. Echter, wanneer erg streng gedoseerd moet worden om een capaciteitsval uit te stellen, lopen de toeritten ook in coördinatie snel vol, waardoor de wachtrijen geflusht moeten worden om fileterugslag naar het OWN te voorkomen. Het flushen van de wachtrij is in dit onderzoek gedaan door de maximale doseerintensiteit in te stellen wanneer de wachtrijlengte een vooraf ingestelde grenswaarde overschrijdt. Doordat de coördinatie zodanig is opgezet dat met beide aansluitingen even lang gedoseerd kan worden, door de doseertijden op elkaar af te stemmen, flushen beide toeritten ook (nagenoeg) op hetzelfde tijdstip, waardoor de verkeersbelasting op het HWN in eens flink toeneemt en de kritische dichtheid sterk wordt overschreden. 99

114 7.6. Beoordeling te behalen effecten en meerwaarde dummy TDI In deze paragraaf bevindt zich de synthese van de resultaten uit voorgaande paragrafen. De belangrijkste bevindingen uit de vergelijking van de verschillende varianten worden hier opgesomd, waarbij een onderscheid wordt gemaakt tussen de bevindingen naar aanleiding van de lokale geregelde maatregelen en de gecoördineerde Lokale maatregelen Uit de effectevaluatie welke is uitgevoerd naar het functioneren van lokale doseermaatregelen, blijkt dat een dummy-tdi weldegelijk kansen biedt voor verbetering van de doorstroming in een verkeersnetwerk. De vergelijking met een reguliere TDI laat zien dat de netwerkprestatie van een dummy-tdi weliswaar slechter is, ten opzichte van een situatie waarin het verkeer niet gedoseerd wordt zorgt een dummy-tdi voor minder vertraging in het beschouwde netwerk. Uit de simulatiestudie is wel gebleken dat de omgang met de wachtrij op de verschillende doseerrichtingen bij een dummy-tdi een kritiek punt is voor een goede werking van deze doseermaatregel Gecoördineerde maatregelen Het gecoördineerd regelen met doseermaatregelen levert bij alle onderzochte varianten een verbetering in netwerkprestatie op ten opzichte van lokaal regelen. Door het vroegtijdig bijschakelen van een stroomopwaarts gelegen toerit bij doseren is het mogelijk om een langere tijd capaciteitsval uit te stellen en in sommige gevallen zelfs helemaal te voorkomen. De dummy-tdi reageert hier op dezelfde manier op als een TDI. Het is gebleken dat het flushen van wachtrijen een grote invloed heeft op de situatie op het HWN. Door coördinatie wordt het flushmoment langer uitgesteld, zodat een langere tijd de gewenste doseerintensiteit gerealiseerd kan worden. Het opleggen van vertraging aan verkeer dat verder stroomopwaarts het HWN toestroomt, zorgt ervoor dat de toeritten in de coördinatie-streng gelijkmatiger worden verdeeld: de vertraging op beide geregelde aansluitingen in dit onderzoek krijgen bij coördinatie ongeveer een gelijke vertraging opgelegd. Het opleggen van een kleine vertraging aan meer voertuigen in een verkeersnetwerk resulteert hiermee tot een flinke verbetering in de te behalen verkeersprestatie en Conclusies De resultaten uit de uitgevoerde effectevaluatie hebben de te behalen effecten en meerwaarde van een dummy-tdi ten opzichte van twee scenario s in beeld gebracht: een nulvariant en een reguliere TDI. Het is gebleken dat een dummy-tdi weldegelijk kansrijk is om te worden ingezet als dynamische verkeersmanagementmaatregel. Wel verdient die opbouw van de wachtrijen als gevolg van het doseren met meerdere rijrichtingen de nodige aandacht. De opstelruimtes stromen bij een dummy-tdi namelijk veel sneller vol dan bij reguliere toeritdosering. Doordat in huidige vorm de dummy-tdi erg vereenvoudigd is gesimuleerd om een beeld te krijgen van de werking van een dergelijk systeem, is extra onderzoek nodig om te achterhalen wat de effecten zijn wanneer de dummy-tdi wordt ingezet bij een waarheidsgetrouwe casestudie. Dit onderzoek heeft aangetoond dat een dummy-tdi kans van slagen heeft, maar of dit in een werkelijke situatie nog geldt kan dus alleen maar met nader onderzoek aangetoond worden. 100

115 8. Conclusies en aanbevelingen 8.1. Conclusies De doelstelling van dit onderzoek was het aantonen of de inzet van een VRI om te doseren (dummy- TDI) dezelfde mogelijkheden biedt als een reguliere toeritdoseerinstallatie (TDI). Om dit doel te behalen is een dummy-tdi-algoritme ontwikkeld, waarna een simulatiestudie is uitgevoerd om de te behalen effectiviteit van een dummy-tdi in beeld te brengen en te vergelijken met de effectiviteit van een normale TDI. De prestatie van de dummy-tdi is vergeleken met een nulvariant (waarbij niet gedoseerd werd) en een TDI met het AD-ALINEA-algoritme. De vergelijking is uitgevoerd zowel op lokaal niveau (afzonderlijk geregelde aansluitingen) als op trajectniveau (coördinatie tussen meerdere opeenvolgende aansluitingen). Het onderzoek heeft aangetoond dat het met een dummy-tdi mogelijk is om een capaciteitsval op een snelweg uit te stellen en in sommige gevallen zelfs helemaal te voorkomen waardoor de netwerkprestatie in TTS ten opzichte van een situatie waarin niet wordt gedoseerd verbeterd met 11,7%. Echter, de te behalen effectiviteit van een dummy-tdi is minder dan van een reguliere TDI: 10,8% bij lokaal regelen en 11,7% bij gecoördineerde inzet. Geconcludeerd kan worden dat de implementatie van doserende VRI s voordelen kan bieden bij het verbeteren van de doorstroming in een verkeersnetwerk, maar dat niet dezelfde effectiviteit verwacht moet worden in vergelijking met reguliere toeritdosering Beantwoording onderzoeksvragen Om de doelstelling te behalen zijn aan het begin van dit onderzoek de volgende onderzoeksvragen opgesteld: 1. Welke meerwaarde heeft het vergroten van de opstelruimte bij toeritdosering? 2. Is de te bereiken effectiviteit van een dummy-tdi gelijk aan een reguliere toeritdoseerinstallatie? 3. Is de te bereiken effectiviteit van een dummy-tdi wanneer deze in coördinatie wordt inzet gelijk aan gecoördineerde reguliere toeritdoseerinstallaties? In het navolgende worden deze onderzoeksvragen achtereenvolgens beantwoord met de verkregen resultaten uit dit onderzoek. Hierbij is ook aangegeven of de aan het begin van het onderzoek opstelde hypotheses kunnen worden aangenomen of moeten worden verworpen. Onderzoeksvraag 1 Welke meerwaarde heeft het vergroten van de opstelruimte bij toeritdosering? De effectevaluatie naar de meerwaarde van het vergroten van de opstelruimte bij toeritdosering, heeft uitgewezen dat een grotere opstelruimte zorgt voor een betere netwerkprestatie. Het beschikbaar komen van meer opstelruimte, zorgt ervoor dat meer voertuigen gebufferd kunnen worden, waardoor langer op een bottleneck gedoseerd kan worden voordat de wachtrij op de toerit wachtrijmanagement activeert. De meerwaarde van het vergroten van de opstelruimte is hierdoor dat met een toeritdoseerinstallatie langere tijd op een kiem gedoseerd kan worden doordat meer voertuigen gebufferd kunnen worden. Zodoende kan strenger gedoseerd worden, waardoor efficiënter op de 101

116 toestand op de snelweg ingespeeld kan worden door de toestroom vanaf een toerit flink te beperken wanneer de situatie hierom vraagt.dit resultaat houdt in dat de vooraf opgestelde hypothese over de meerwaarde van het vergroten van de opstelruimte bij toeritdosering kan worden aangenomen. Onderzoeksvraag 2 Is de te bereiken effectiviteit van een dummy-tdi gelijk aan een reguliere toeritdoseerinstallatie? Het in dit onderzoek ontwikkelde dummy-tdi-algoritme bleek in staat om ten opzichte van een situatie waarin niet gedoseerd werd, congestie langer uit te stellen. Dit uitstellen van congestie zorgt er voor dat de netwerkprestatie in termen van TTS bij de dummy-tdi verbetert ten opzichte van een nulvariant, met 18,8%. Met een dummy-tdi is het mogelijk gebleken een zodanige doseerintensiteit met een VRI te realiseren dat een capaciteitsval op het HWN wordt uitgesteld. Daarentegen presteert de dummy-tdi ten opzichte van reguliere toeritdosering (in dit onderzoek een TDI met het AD-ALINEA-algoritme) minder, namelijk 10,8% minder TTS ten opzichte van de TDI. De bufferruimtes lopen bij een dummy-tdi veel sneller vol, waardoor het actief worden van wachtrijmanagement ervoor zorgt dat de effectiviteit van de dummy-tdi afneemt in vergelijking met een reguliere toeritdoseerinstallatie. De vooraf opgestelde hypothese over de te behalen effectviteit van een dummy-tdi in vergelijking met een TDI kan hiermee worden aangenomen. Onderzoeksvraag 3 Is de te bereiken effectiviteit van een dummy-tdi wanneer deze in coördinatie wordt ingezet gelijk aan gecoördineerde reguliere toeritdoseerinstallaties? De effectevaluatie naar de inzet van gecoördineerde dummy-tdi s heeft een aantal resultaten opgeleverd die niet verwacht waren voor aanvang van de simulatiestudie. Het is gebleken dat de coördinatie goed functioneert wanneer voldoende bufferruimte beschikbaar is op de te gebruiken toeritten. De stroomopwaarts gelegen toerit zorgt ervoor dat de stroomafwaarts gelegen toerit langer kan blijven doseren, waardoor een capaciteitsval langer uitgesteld kan worden. Echter, wanneer erg streng gedoseerd moet worden om een capaciteitsval uit te stellen, lopen de toeritten ook in coördinatie snel vol, waardoor de wachtrijen geflusht ( flushen is snel oplossen) moeten worden om fileterugslag naar het OWN te voorkomen. Het flushen van de wachtrij is in dit onderzoek gedaan door de maximale doseerintensiteit in te stellen wanneer de wachtrijlengte een vooraf ingestelde grenswaarde overschrijdt. Op dit moment worden zoveel voertuigen toegelaten, dat de kritische dichtheid sterk wordt overschreden. De prestatie in TTS van de gecoördineerde dummy- TDI s was daardoor 1,3% minder dan de lokale dummy-tdi s. Bij de gecoördineerde normale TDI s trad veel minder vaak wachtrijmanagement op, doordat de bufferruimte in het simulatienetwerk voldoende was om de regeltaak te vervullen. Hierdoor presteerde de gecoördineerde TDI s op netwerkniveau wel beter dan wanneer lokaal geregeld werd, namelijk met 0,4%. De hypothese waarin werd gesteld dat het met coördinatie mogelijk is om zowel met een dummy- TDI als met een TDI een capaciteitsval op een snelweg langer uit te stellen, is in de huidige opzet van de coördinatie hierdoor niet geheel waar. 102

117 Andere bevindingen uit het onderzoek Het onderzoek heeft aangetoond dat de omgang met de gecreëerde wachtrijen als gevolg van het doseren met een dummy-tdi van grote invloed is op de te behalen effectiviteit. In dit onderzoek is er voor gekozen om de wachtrijen te flushen wanneer een bepaalde grenswaarde voor de lengte van de wachtrij wordt overschreden. De buffer waarbij dit gebeurt wordt in dit geval geflusht door de maximale groentijd van de verkeersregeling in te stellen. Doordat het flushen van een wachtrij over het algemeen op treedt wanneer streng gedoseerd moet worden op een bottleneckt, heeft het plotseling toelaten van meerdere voertuigen vanuit de gefluste buffer een groot effect op het invoegproces. De kans op congestie op de snelweg wordt hierbij erg groot Aanbevelingen In deze paragraaf worden aanbevelingen gedaan over de inzet van doserende VRI s. Daarbij wordt allereerst aangegeven waarom en hoe dummy-tdi s in de praktijk toegepast kunnen worden. Daarnaast wordt in de tweede sub-paragraaf een overzicht gegeven op welke punten de dummy-tdi nog beter zou moeten/kunnen werken. Hierbij wordt ook het noodzakelijke nadere onderzoek in beeld gebracht Toepassingen van dummy-tdi s in praktijksituaties De uitkomsten van dit onderzoek tonen aan dat de inzet van dummy TDI s in een praktijksituatie zeker effectief zou kunnen zijn. De te behalen effecten zijn niet zo hoog als die met een reguliere TDI behaald kunnen worden, maar de prestatie van het netwerk (totale doorgebrachte tijd) verbetert behoorlijk ten opzichte van een situatie waarin niet wordt gedoseerd. Bij gebrek aan ruimte op de toerit om voldoende opstelruimte te creëren voor een TDI, kan ter hoogte van de kruising met het OWN een VRI met een doseeralgoritme worden uitgerust. Een vereiste voor een goede werking van een dergelijke dummy-tdi is wel dat de beschikbare opstelruimtes (die als buffer ingezet kunnen worden) voldoende groot zijn. Wanneer dit niet het geval is, zorgt het actief worden van wachtrijmanagement benodigd voor het voorkomen van terugslag van de wachtrij ervoor dat niet adequaat op de verkeerssituatie op de snelweg kan worden gereageerd Verbeterpunten en nader onderzoek regelalgoritme dummy-tdi De uitgevoerde studie in dit afstudeeronderzoek is een eerste verkenning geweest naar de inzet van doserende VRI s bij het verbeteren van de doorstroming in een verkeersnetwerk. Vanwege de beperkte beschikbare tijd voor het onderzoek zijn veel aannames gedaan en is de simulatieomgeving relatief eenvoudig opgezet. Mogelijke verbeterpunten aan het dummy-tdi-algoritme en punten welke in nader onderzoek onderzocht kunnen worden, zijn hieronder beschreven. Gebruik andere doseerstrategie bij doseren met VRI Bij alle in dit onderzoek gesimuleerde doseervarianten is gebruik gemaakt van het AD-ALINEAalgoritme. Of dit algoritme echter in alle situaties zorgt voor de beste prestatie is op basis van dit onderzoek niet te achterhalen. Het onderzoek heeft wel aangetoond dat het algoritme sterk afhankelijk is van een juiste schatting van de kritische dichtheid. Filegolven zorgen er namelijk voor dat de kritische dichtheid hoger wordt bijgeschat dan wat werkelijk het geval is. Gebruik voertuig-afhankelijke verkeerlichtenregelingen In dit onderzoek is gebruikt gemaakt van starre verkeersregelingen, waarbij de cyclustijd gelijk is gehouden aan het regelinterval waarmee de groentijden worden aangepast (beiden zijn 60 seconde). Wat er gebeurt wanneer gebruik wordt gemaakt van voertuig-afhankelijke verkeerslichtenregelingen welke op dit moment het meest worden toegepast op straat is hierdoor niet met zekerheid te zeggen. Vooral de variabele cyclustijd bij voertuig-afhankelijke VRI s kan ervoor gaan zorgen dat de 103

118 VRI en het regelalgoritme asynchroon gaan lopen. Wanneer de cyclustijd van de regeling namelijk veel groter kan worden dan het interval waarover de regeling telkens wordt geüpdatet, zou in de huidige versie van het algoritme de groentijd van een doseerrichting meer dan één keer per cyclus aangepast worden. Hoe hier door het algoritme het best mee kan worden omgesprongen, kan in een vervolgstudie onderzocht worden door gebruik te maken van voertuig-afhankelijke verkeerslichtenregelingen waarbij de cyclustijd in het dummy-tdi ook een variabele waarde is. Blokkadevorming bij optreden file In dit onderzoek is de invloed van capaciteitsval als belangrijkste factor op de doorstroming meegenomen. Een andere factor die sterk van invloed is op de doorstroming is blokkadevorming door het terugslaan van een file tot voorbij een afrit [18]. Wanneer dit wel meegenomen zou zijn, in dit onderzoek zijn geen afritten gemodelleerd, waardoor al het verkeer op de snelweg dezelfde bestemming heeft (te weten: het einde van de snelweg) zou de te behalen winst als gevolg van het doseren nog groter kunnen zijn. In een vervolgonderzoek zouden daartoe meerdere bestemmingen voor verkeer op de snelweg gebruikt kunnen worden door het toevoegen van afritten, zodat de reistijdwinst voor verkeer dat niet de oorzaak is van de file ook in beeld kan worden gebracht. Een modelstudie op een bestaande case kan hierbij zorgen voor meer duidelijkheid over de prestatie die met doserende VRI s is te behalen. Gebruik andere wachtrijmanagement-tactiek Een andere belangrijke factor die in een vervolgstudie onderzocht kan worden, is welke wachtrijmanagement-tactiek moet worden aangehouden om de meest effectieve dummy-tdi te krijgen. In dit onderzoek is er voor gekozen om de wachtrijen te flushen wanneer een bepaalde grenswaarde voor de lengte van de wachtrij wordt overschreden. De buffer waarbij dit gebeurt wordt in dit geval geflusht door de maximale groentijd van de verkeersregeling in te stellen. Doordat het flushen van een wachtrij over het algemeen op treedt wanneer streng gedoseerd moet worden op een bottleneckt, heeft het plotseling toelaten van meerdere voertuigen vanuit de gefluste buffer een groot effect op het invoegproces. De kans op congestie op de snelweg wordt hierbij erg groot. Bij het flushen van de wachtrij niet de maximale doseerintensiteit, maar een lagere intensiteit gebruiken, kan er wellicht voor zorgen dat de dummy-tdi (zowel lokaal als in coördinatie) beter functioneert, doordat in dat geval vanaf het verkeerslicht kleiner voertuigpelotons worden toegelaten. Gecoördineerde inzet van dummy-tdi met stroomopwaarts gelegen TDI Tot slot kan nader onderzoek uitgevoerd naar de effectiviteit van een dummy-tdi wanneer deze in coördinatie wordt ingezet met een stroomafwaarts gelegen TDI. (waarbij dan geldt TDI = master; dummy-tdi = slave). Wanneer een TDI wordt toegepast op een locatie waar de kans op congestie heel groot is, kan met de TDI ter hoogte van deze bottleneck spreidend gedoseerd worden. Een stroomopwaarts gelegen dummy-tdi zou in dit geval bijgeschakeld kunnen worden om de beschikbare opstelruimte te vergroten, waardoor de TDI langer zijn doseertaak kan blijven uitvoeren. De gecreëerde gaten in de hoofdstroom op de snelweg als gevolg van het doseren met de dummy- TDI zouden er in dit geval zelfs voor kunnen zorgen dat het invoegproces bij de bottleneck-locaties verbeterd. 104

119 Referenties 1. Hoogendoorn, S., et al. (2010). Integrated Network Management: Towards an Operational Control Method. TRB 2011 Annual Meeting. 2. Papageorgiou, M., et al. (2002). Freeway Ramp Metering: An Overview. In IEEE Transactions on Intelligent Transportation Systems, Vol. 3, No. 4, pp Bielefeldt, C., et al., (2007). European Ramp Metering Project: Evaluation results. IBI Group UK Ltd (IBI). 4. Papageorgiou, M., et al., (2007). Deliverable 7.5: Handbook of Ramp Metering. European Community, Information Society Technologies Office, Brussel, België. 5. Kooten, J., van, et al., (2012), Ontwerp en realisatie faseplan 1. Rijkswaterstaat Dienst Verkeer en Scheepvaart. 6. Papageorgiou, M., et al., (2008) Overview of traffic signal operation policies for ramp metering. In Transportation Research Record., no. 2047, Transportation Research Board of the National Academies, Washington, D.C., pp Muller, T., et al., ( ) Traffic management and control CT : Approaches for urban and freeway traffic, CT TU Delft, faculteit Civiele Techniek, Delft. 8. Hoogendoorn, S., (2007) Traffic flow theory and simulation, CT4821. TU Delft, faculteit Civiele Techniek, Delft. 9. Lint, H.v., et al., (2010) Innovations in dynamic traffic management, CIE TU Delft, faculteit Civiele techniek, Delft. 10. Bellemans, T., (2003) Traffic control on motorways. Katholieke Universiteit Leuven, Leuven. 11. Middelham, F., et al., (2006) Ramp metering in the Netherlands: An overview. Rijkswaterstaat, AVV Transport Research Centre, Rotterdam. 12. Veen, F.v.d., (2010) Verkeerskundige evaluatie FileProof-project Verbetering Doorstroming A10; Effectanalyse lokale aansturing maatregelen. DHV. 13. Papamichail, I., et al., (2011) Balancing of queues or waiting times on dual-branch on-ramps. In IEEE Transactions on Intelligent Tranportation Systems, Vol. 12, No. 2, pp Verkeerskunde (2013). Gecoördineerd netwerkbreed verkeersmanagement: Het GNV-concept eerst kleinschalig toepassen in een afgebakend gebied Via url ( ): 105

120 15. Rijkswaterstaat(2013), Praktijkproef Amsterdam: gezamenlijke proef met slimmer verkeersmanagement en reisadvies op maat. Via url ( ): ecten/praktijkproef_amsterdam/doelen_en_resultaten/index.aspx. 16. Taale, H., (2013) Technische specificatie Supervisor T1 Light (zonder netwerkregeling), v Strating, M., (2010) Coordinated signal control for urban networks by using MFD, MSc. Thesis Civil Engineering, TU Delft, Delft. 18. Hoogendoorn, S., (2011) Sturen op verkeersstromen. Essencia Communicatie, Den Haag. 19. Leclercq, L., et al., (2011) Capacity drops at merges: an edogenous model. Proceedings of the 19 th International Symposium on Transportation and Traffic Theory. Elsevier Ltd. 20. Esposito, M.C., et al. (2010) A global comparison of ramp-metering algorithms optimising traffic distribution on motorways and arterials. Proceedings of the Road Transport Information and Control Conference and the ITS United Kingdom Members' Conference (RTIC 2010) - Better transport through technology, IET Chu, L, et al., (2003). Optimization of the ALINEA ramp-metering control using genetic algoritm with micro-simulation. TRB 2003 Annual Meeting. 22. PTV, (2011) VISSIM user manual, PTV Planung Transport Verkehr AG. 23. Rijkswaterstaat (2012), Veelgestelde vragen: Verkeersmanagement. Via url ( ): _maasvlakte_vaanplein/nieuws_a15_maasvlakte_vaanplein/nieuwsbrief/maart_2012/veelge stelde_vragen_verkeersmanagement.aspx. 106

121 Bijlagen Bijlage I: Modelbouw I.1. I.2. Modellering en grootte capaciteitsval in studienetwerk Belastingpatronen in VISSIM Bijlage II: Ontwikkeling dummy-tdi II.1 II.2. II.3. Uitgebreide werking dummy-tdi-algoritme Verantwoording ingeregelde parameters bij TDI en dummy-tdi in uitgevoerde effectevaluaties Matlab-code dummy-tdi Bijlage III: Extra resultaten uit simulaties III.1. Resultaten onderzoek naar toepassingsmogelijkheid dummy-tdi III.2. Resultaten effectevaluaties meer opstelruimte met belastingpatroon 2 III.3. Resultaten effectevaluatie dummy-tdi op lokaal niveau met belastingpatroon 1 107

122 108

123 Bijlage I: Modelbouw I.1. Modellering en grootte capaciteitsval in studienetwerk Een belangrijke eigenschap die het gebruikte simulatiemodel moet bezitten, is het generen van een capaciteitsval wanneer congestie optreedt, zoals eerder in Paragraaf is beschreven. In [19] is beschreven dat de acceleratiewaarde ter hoogte van de invoegstrook de grootste invloed heeft op de grootte van de op te treden capaciteitsval. Bij gebruik van de default acceleratiewaarden in VISSIM bleek geen capaciteitsval op te treden. In het VISSIM model is daartoe de maximale versnelling van de voertuigen naar beneden bijgesteld om alsnog een capaciteitsval te realiseren. Voor de bepaling van de grootte van de gecreëerde capaciteitsval in het netwerk is gebruik gemaakt van zogeheten slanted cumulative curves [8]. Door op een bepaalde doorsnede het aantal voertuigen dat per tijdstap passeert cumulatief op te tellen, wordt een cumulatieve curve verkregen. Om de verschillen in de gemeten intensiteiten over de tijd beter zichtbaar te maken, wordt van deze cumulatieve curve een schatting van de capaciteit van de snelweg afgetrokken. De resterende slanted cumulative curve laat vervolgens duidelijk zien op welke tijdstippen de gemeten intensiteiten grote verschillen tonen. In Figuur 53 is de slanted cumulative curve weergegeven van een doorsnede op 3000 m juist na de invoegstrook van een regulier spitsscenario waarbij geen maatregelen zijn ingezet. Hierbij is de capaciteit van de tweestrooks-snelweg geschat op 4000 voertuigen per rijbaan (= 2000 voertuigen per rijstrook). Figuur 53: Slanted cumulative curve nulvariant (random seed 1) In Figuur 53 is met de getallen 1 tot en met 8 aangegeven op welke tijdsperiodes (bij benadering) grote verschillen in de intensiteiten zijn gemeten. In een cumulatieve curve geeft de helling van de rode stippellijnen een lineaire schatting van deze gemeten intensiteiten. Een negatieve helling duidt hierbij op een lagere intensiteit dan 4000 vtg/2 rijstroken, een positieve helling op een hogere. In Figuur 54 is de snelheid contourplot gegeven van de gesimuleerde variant. Uit deze figuur valt op te maken dat op 3000 meter op regelstap k = 29 (t sim = 1740s) congestie optreedt. De slanted cumulative curve uit Figuur 53 laat eveneens op dit tijdstip (k=29) een plotselinge verandering in richtingscoëfficiënt zien, wat duidt op een vermindering in de gemeten intensiteit tijdens congestieomstandigheden. De richtingscoëfficiënt is tijdens congestie -150 vtg/u. 109

124 De capaciteit van de snelweg kan uit Figuur 53 geschat worden door de lijn met de grootste positieve richtingscoëfficiënt aan te houden. Deze blijkt gelijk te zijn aan 800 vtg/u. Dit houdt in dat de gemeten intensiteiten bij het ontstaan van congestie van = 4800 vtg/u/rijbaan verlaagd wordt naar = 3850 vtg/u/rijbaan. De geschatte grootte van de capaciteitsval in het netwerk is hiermee 20%. Figuur 54: Representatieve snelheid contourplot nulvariant (random seed 1) 110

125 I.2. Belastingpatronen in VISSIM De exacte waarden van de twee gesimuleerde belastingpatronen in de uitgevoerde evaluatiestudies zijn hieronder weergegeven: belastingpatroon 1 in Figuur 55, belastingpatroon 2 in Figuur 56. In deze figuren geven de rijen de herkomsten aan. Hierbij komen de linknamen overeen met de naamgevingen in de Figuur XX. De kolommen geven per 10 minuten tijdsinterval weer wat per herkomst de toegevoegde belasting in vtg/u is. Figuur 55: belastingpatroon 1: reguliere spits [vtg/u] Figuur 56: belastingpatroon 2: reguliere spits [vtg/u] 111

126 112

127 Bijlage II: Ontwikkeling dummy-tdi II.1. Uitgebreide werking dummy-tdi-algoritme Stappen in dummy-tdi-algoritme De stappen die worden uitgevoerd in de ST1L zijn vertaald naar een dummy-tdi-algoritme. De volgende zeven stappen resulteren en zullen vervolgens allemaal in nader detail beschreven worden: Stap 1.: Bepaling van set beschikbare buffers Stap 2.: Bepaling totale effectieve bufferruimte voor een aansluiting Stap 3.: Bepaling of gedoseerd moet worden Stap 4.: Bepaling doseerintensiteit Stap 5.: Bepaling of inzet buffers nodig is Stap 6.: Bepaling hoeveel verkeer gebufferd moet worden Stap 7.: Verdeling bufferverkeer over beschikbare buffers Stap 8.: Vertaling bufferverkeer naar aanpassing groentijden Stap 1.: Bepaling van set beschikbare buffers: De eerste stap in het algoritme is de bepaling welke buffers bij het doseren gebruikt kunnen worden. Dit wordt gedaan door uit alle aanwezig buffers een selectie te maken van buffers waarbij de maximale bufferruimte groter is dan 0. Deze maximale bufferruimte per buffer wordt in de praktijk door alle belanghebbenden (zoals bijvoorbeeld gemeente, provincie of wegbeheerder) in kaart gebracht door te bepalen op welke locaties in het beschikbare netwerk verkeer gebufferd mag worden. In andere woorden: op welke locaties in het netwerk mogen indien nodig wachtrijen gecreëerd worden om de doorstroming elders in het netwerk op peil te houden. Stap 2: Bepaling totale effectieve bufferruimte voor een aansluiting De totaal beschikbare bufferruimte ter plaatse van een lokale dummy-tdi liggen vast. Deze is gelijk aan de som van de beschikbare opstelruimtes van de richtingen die de toerit voeden. Sommatie van deze bufferruimtes geeft de maximale bufferruimte voor de aansluiting. In een vervolgstadium kan deze bufferruimte eventueel uitgebreid worden naar opstelruimtes ter plaatse van nabijgelegen kruispunten, zodat langer gedoseerd kan worden door de groter beschikbare bergruimte. Een alternatief hiervoor is de opstelvakken van de toevoerende richtingen langer te maken en hiermee de effectiviteit aan te tonen van het langer kunnen doseren. Met behulp van de bergingsindicator uit de PPA wordt bepaald hoeveel bufferruimte bij de betreffende aansluiting over is. De bergingsindicator bepaalt onder andere de grote van de actuele bufferruimte en de effectieve bufferruimte. De actuele bufferruimte is de overgebleven ruimte op de bemeten buffer. De effectieve bufferruimte neemt daarnaast ook de richting van het verkeer mee door het aannemen van zogenaamde splitfracties. Deze splitfracties geven aan welk aandeel verkeer uit de betreffende buffer daadwerkelijk richting het punt (de kiem) waarop geregeld wordt, stroomt. Doordat de buffers die gebruikt worden in het dummy-tdi-algoritme allemaal richting het HWN stromen, is de effectieve bufferruimte S gelijk aan de actuele bufferruimte S act. eff r Stap 3.: Bepaling of gedoseerd moet worden: Op basis van de gemeten dichtheid stroomafwaarts van de invoegstrook (dichtheid_huidig) wordt bepaald of gedoseerd moet worden met de dummy-tdi. Hiervoor wordt de gemeten dichtheid vergeleken met de inschakelvoorwaarde k_aan van het AD-ALINEA algoritme: r 113

128 if status_vorig == 0 status = (dichtheid_huidig > k_aan); end Stap 4.: Bepaling doseerintensiteit Wanneer het dummy-tdi algoritme wordt ingeschakeld, wordt de gewenste doseerintensiteit q () t iedere regelstap t bepaald met behulp van het AD-ALINEA-algoritme. Deze geeft het dos maximaal aantal voertuigen per uur dat richting het HWN mag stromen. Hierbij kan de invloed van het doseren met een VRI (doorlaten meerdere voertuigen per cyclus en doseren op meerdere richtingen) worden meegenomen door hiervoor schaalfactoren aan te nemen. Voor nu wordt echter het reguliere AD-ALINEA-algoritme gebruikt (zonder schaalfactoren). Aan de hand van de resultaten uit de eerste simulaties met het dummy-tdi-algoritme kan vervolgens de berekening van de doseerintensiteit worden uitgebreid met schaalfactoren waarmee de invloeden van het doseren met een VRI kunnen worden meegenomen. De berekende doseerintensiteit wordt omgerekend naar het aantal voertuigen dat per regelperiode mag toestromen q t door de volgende functie: ˆdos T q ˆdos t q dos t (0.1) 3600 Waarbij T is de lengte van de regelperiode [s] en q t is de berekende doseerintensiteit door AD- ALINEA [vtg/u]. dos Stap 5.: Bepaling of inzet buffers nodig is Nu kan bepaald worden of het noodzakelijk is om verkeer te bufferen door te bepalen hoe groot het verschil is tussen de gewenste doseerintensiteit en de verkeersvraag vanaf het OWN dat naar de snelweg wil stromen. Hiervoor is het noodzakelijk te weten hoeveel verkeer in huidige regelperiode t vanuit alle toeleidende wegvakken richting de snelweg wil stromen. Deze verkeersvraag rt ˆ( )[ vtg / T ] richting de toerit kan bepaald worden door middel van het schatten van de wachtrijopbouw en de instroom in r () t op een wegvak dat richting de toerit stroomt. j Het aantal voertuigen in de wachtrij, wordt bepaald door het verschil tussen de maximale act opstelruimte S [vtg] en de actuele bufferruimte S () t [vtg]. max j De hoeveelheid verkeer dat een wegvak instroomt wordt geschat aan de hand van de uitstroom en de verandering van de wachtrijlengte over de tijd. Hierbij worden afgevlakte waarden voor de, uitstroom r uit smth gebruikt, om zodoende te corrigeren voor het stochastisch aankomstpatroon van j voertuigen op de betreffende wegvakken. ( ) (1 ) ( 1), ( 1) ( ) 3600 in in uit smth act act rj t rj t rj S j t S j t T Waarbij een afvlakparameter is waarmee de metingen uit voorgaande regelperiode meegenomen kunnen worden in de huidige periode. Dit is een configureerbare waarde, welke in dit onderzoek op 0,5 is ingesteld. j 114

129 De verkeervraag per regelperiode is dan gelijk aan: T in max act rˆ( t) r ( t) S ( ) 3600 j j S j t j Jr (0.2) Waarbij T de lengte van de regelperiode [sec] is. Er zijn nu twee mogelijkheden: 1. Niet bufferen ( rˆ( t) qˆdos( t) ) Wanneer de verkeersvraag richting de toerit rt ˆ( ) kleiner is dan de gewenste doseerintensiteit qˆ () t is het niet nodig de groentijd aan te passen en kan in de volgende regelperiode de regeling dos uit voorgaande regelperiode worden gebruikt. Hierdoor kan direct naar stap 7. gegaan worden. 2. Wel bufferen ( rˆ( t) qˆ ( t) ) dos Bij een overschrijding van de gewenste doseerintensiteit duidt het verschil tussen de verkeersvraag en de gewenste doseerintensiteit op de hoeveelheid bufferverkeer br () t die tegengehouden moet worden in de eerst volgende regelperiode. Om te voorkomen dat er onder de heersende verkeersomstandigheden een te grote toestroom richting het HWN ontstaat, worden in dit geval de groentijden op de doseerrichtingen aangepast om dit overschot aan verkeer tegen te kunnen houden. Bij een voertuigafhankelijke verkeersregeling betreft dit het aanpassen van de maximum groentijd, omdat bij deze regelingen de ingestelde vaste groentijd tot een maximale waarde kan worden verlengd, wanneer de detectie voertuigen meet. In dit onderzoek is echter een starre verkeersregeling gebruikt. Bij een starre verkeersregeling hebben de groentijden van iedere richting een vaste waarden, de zogenaamde vastgroentijden. Daartoe worden, indien nodig, de vastgroentijden van de doseerrichtingen aangepast met de berekende aanpassing. Stap 6.: Bepaling hoeveel verkeer gebufferd moet worden: De hoeveelheid bufferverkeer br () t (= overschot aan verkeer) is het verschil tussen de verkeersvraag richting de toerit rt ˆ( ) en de maximaal toelaatbare verkeersstroom (= gewenste doseerintensiteit). In formulevorm ziet de berekening van de hoeveelheid verkeer die gebufferd moet worden er als volgt uit: b ( t) rˆ( t) qˆ ( t) r dos De gewenste doseerintensiteit qˆ dos () t is bekend aan de hand van de berekening van het gebruikte doseeralgoritme in stap 2. De bepaling van de verkeersvraag rt ˆ( ) is uitgewerkt in stap 5. Stap 7.: Verdeling bufferverkeer over beschikbare buffers: Dit totale bufferverkeer br () t moet vervolgens verdeeld worden over de beschikbare bufferruimtes die bij de toerit horen (voor een lokale regeling zijn dit de opstelvakken op de doseerrichtingen, in de meeste gevallen betreft dit twee signaalgroepen), zodat per buffer j de grootte van het bufferverkeer bj () t bekend wordt. Bij het verdelen van dit verkeer over de beschikbare ruimte kunnen een aantal strategieën worden aangehouden. In de ST1L zijn drie strategieën uitgewerkt te weten [16]: 115

130 1. Naar rato van buffers met de meeste beschikbare ruimte Hierbij wordt als eerste de buffer met de grootste actuele effectieve bufferruimte gebruikt om verkeer te bufferen. Wanneer de effectieve bufferruimte van deze buffer gelijk aan nul is, wordt de buffer gebruikt met de op dat moment meest effectieve bufferruimte. while b r eff j ' max s ( t) j Jr ( k ) b ( t) min s ( t), b ( t) eff j ' j ' r b ( t) b ( t) b ( t) r r j ' Jˆ ( t) Jˆ ( t) \ j ' r r j end Waarbij... staat voor een index functie, waarmee de nummering van de buffers wordt bepaald [formule overgenomen uit [16]]. 2. Op basis van een vooraf gespecificeerde volgorde (vanuit beleidsoogpunt) Bij deze strategie wordt ervoor gekozen de buffers een voor een vol te laten lopen, waarbij de buffers die de laagste prioriteit hebben als eerste worden gebruikt. Op deze manier kan een belangrijke richting waarbij vanuit beleidsoogpunt de vertraging minimaal moet zijn, worden ontzien door deze richting pas als allerlaatste te gebruiken (wanneer het echt niet anders kan). i 0 while b ( t) 0 end r i i 1 j ' prio( i) b eff j ' t n s j' t br t ( ) mi ( ), ( ) b ( t) b ( t) b () t r r j ' Waarbij prio een tabel is waarin de prioriteit per buffer is opgenomen [formule overgenomen uit [16]]. 3. Op basis van een uniforme verdeling met behulp van relatieve wachtrijen Hierbij wordt er voor gezorgd dat alle buffers ongeveer even snel vollopen. Dit wordt gedaan door op basis van de relatieve bufferruimte te regelen. De relatieve bufferruimte van een buffer geeft de verhouding van de actuele wachtrijlente en de maximale wachtrijlengte [formule overgenomen uit [16]]. (0.3) (0.4) 116

131 J ( t) J ( t) Jˆ ( t) r r r b ( t) 0 j while b ( t) 0 and J ( t) 0 end r eff eff s ( t) s ( t) r eff s () eff j t bj( t) min s j ( t), bj ( t) br ( t), j Jr( t) eff sr ( t) j Jr J ( t) j J ( t) b ( t) s b ( t) b ( t) b ( t) r r j j Jr () t J ( t) J ( t) \ J ( t) j eff r r j j r r r r (0.5) Er zijn echter nog tal van andere strategieën te bedenken waarop de het overschot aan verkeer over de verschillende buffers verdeeld zou kunnen worden. Te denken valt aan: 4. Op basis van gelijke wachttijden in verschillende buffers Hierbij worden de wachttijden op de verschillende buffers ongeveer aan elkaar gelijk gehouden. Vanuit gebruikersacceptatie zou deze strategie goed kunnen werken. Echter indien de verkeersvraag op de verschillende richtingen veel van elkaar verschilt, zal de wachttijd per voertuig op een rustige richting in verhouding veel meer toenemen dan op een drukke richting. 5. Op basis van een combinatie tussen wachttijd en relatieve wachtrijen (combinatie van 3 en 4). Een combinatie tussen op wachttijd en relatieve wachtrijlengte regelen levert een betere benutting op van de totale beschikbare bufferruimte. Bij deze strategie wordt allereerst op basis van gelijke wachttijden geregeld. Wanneer de wachtrijlengtes een bepaalde grenswaarde overschrijden kan vervolgens overgeschakeld worden naar het op basis van relatieve wachtrijlengte vullen van de buffers om zodoende de totaal beschikbare bufferruimte alsnog ten volle te benutten. N.B.: Welke strategie wordt toegepast is een keuze die gemaakt kan worden in de configuratie van het dummy-tdi -algoritme. Tot op heden zijn de eerste drie strategieën uitgewerkt in het algoritme. Bij het in ogenschouw nemen van de beschikbare tijd die nog rest voor dit onderzoek, is er voor gekozen strategieën 4 en 5 niet nader uit te werken in het algoritme. Er is daarnaast voor gekozen bij de effectevaluaties uit te gaan van strategie 3. Deze strategie biedt de beste mogelijkheden om de beschikbare ruimte in het netwerk zo optimaal mogelijk te benutten en hoeft niet nader uitgewerkt te worden. Stap 8.: Vertaling bufferverkeer naar aanpassing groentijden: Wanneer bekend is hoeveel verkeer er gebufferd moet worden, is de laatste stap het aanpassen van de groentijden op het betreffend kruispunt zodat dit daadwerkelijk gerealiseerd kan worden. Wanneer VA-regelingen worden gebruikt betreft dit de aanpassing van de maximale groentijd van een signaalgroep behorend bij een bepaalde buffer. 117

132 De afrijcapaciteit van een richting bepaald hoeveel verkeer er maximaal per tijdsperiode de stopstreep kan passeren. Aangezien de gewenste doseerintensiteit duidt op een maximaal aantal toe te laten voertuigen, wordt bij het gebruik van de afrijcapaciteit van een richting hiervoor gezorgd. n De relatie tussen de afrijcapaciteit en de aanpassing in de groentijd g () t die nodig is om de juiste hoeveelheid verkeer te bufferen is gelijk aan: n bj ( t) C ( t) n gm() t n uˆ () t (0.6) Waarbij bj () t is het aantal voertuigen dat in de volgende regelperiode in buffer j gebufferd moet n n worden, C () t is de cyclustijd van kruispunt n en uˆ () t is het maximale aantal voertuigen dat in een regelperiode kan passeren op richting m van kruispunt n. Doordat in dit onderzoek wordt uitgegaan van starre verkeersregelingen, is de cyclustijd een vaste waarde die daartoe rechtstreeks kan worden gebruikt in het dummy-tdi-algoritme. Wanneer VA-regelingen worden gebruikt is de cyclustijd geen vaste waarde, omdat deze afhangt van de hoeveelheid verkeer die verwerkt moet worden. In dit geval zou iedere regelstap de cyclustijd geüpdatet moeten worden. Ter toelichting: In een TRAFcod-regeling wordt de toegepaste cyclustijd niet gelogd, waardoor deze extra bepaald moet worden. Het bepalen van de cyclustijd in de vorige regelperiode t 1 kan door bijvoorbeeld het verschil te nemen van de begingroentijden T van een signaalgroep op het kritische pad m m start _ groen van de verkeersregeling in de huidige regelperiode t en de vorige regelperiode t 1. Wanneer wordt aangenomen dat de cyclustijd in de huidige periode de cyclustijd in de vorige regelperiode benaderd en wanneer signaalgroep 02 op het kritische pad ligt, kan de cyclustijd van de regeling dus geschat worden door de volgende functie: n n C ( t) C ( t 1) T ( t) T ( t 1) start _ groen start _ groen n uˆ () t kan berekend met behulp van: m n T n uˆ m( t) um( t) 3600 n Waarbij T is de regelperiode [s] en u () t is de afrijcapaciteit van richting m van kruispunt n [voertuigen/uur]. m n De nieuw in te stellen (maximum) groentijd gˆ () t wordt met de aanpassing van de groentijd door het extra te bufferen verkeer gelijk aan: n n n gˆ ( t) g g ( t) m m m Waarbij n g m is de originele maximum groentijd [s] van de aan te passen signaalgroep. m n Deze berekende groentijd gˆ () t wordt vervolgens doorgegeven aan de TRAFcod-regeling, zodat deze verder kan gaan met de nieuwe waarden. m m 118

133 Verdere voorkomende situaties bij doseren met een VRI Naast de aanpassing van de groentijd wanneer verkeer gebufferd dient te worden, zijn er nog drie situaties waarbij de groentijden veranderen: - Wanneer gedoseerd moet worden, maar buffervraag is kleiner dan buffervraag. De groentijd van de buffers zou dan groter gemaakt kunnen worden. o Nu in het dummy-tdi-algoritme het volgende ingesteld: verder gaan met groentijd uit vorige regelperiode (groentijd kan tijdens doseren alleen maar worden verkleind) - Wanneer de wachtrijlengtes in de buffers te lang worden en zodoende mogelijk terugslaan naar een andere richting, waardoor blokkades ontstaan. o Dan wachtrij flushen/leeg laten lopen, door de originele regeling te gebruiken (= zonder aangepaste groentijden). - Wanneer aan voorwaarde voor uitschakelen doseren wordt voldaan (gemeten dichtheid < k_uit (uitschakelvoorwaarde in ALINEA-algoritme)) o Originele regeling wordt gebruikt. Tabel 38: Ingestelde groentijd bij mogelijke statussen bij doseren met een dummy-tdi Status Aanpassing groentijd nodig t.o.v. vorige regelperiode? In gestelde (max.) groentijd bij dummy-tdi k_gemeten < k_aan Nee Maximum groentijd uit originele regeling k_gemeten > k_aan && p_verschil_toerit > 0 Ja Kleinere maximum groentijd (groentijd vorige periode delta_groentijd_buffer) Maximum groentijd uit vorige regelperiode k_gemeten > k_aan && Nee p_verschil_toerit < 0 isflush Ja Maximum groentijd uit originele regeling 119

134 Stroomschema dummy-tdi-algoritme In onderstaand stroomschema zijn de stappen die iedere regelperiode achtereenvolgens worden uitgevoerd in het dummy-tdi-algoritme schematisch weergegeven. 120

135 II.2. Verantwoording ingeregelde parameters bij TDI en dummy-tdi in uitgevoerde effectevaluaties Regelparameter K R (schalingsparameter) De schalingsparameter voor het ALINEA-algoritme blijkt uit voorgaande evaluatiestudies over een groot bereik de uitkomsten voor het doseren nauwelijks te beïnvloeden [20, 21]. In de meeste praktijksituaties leverde een waarde van 70 vtg/u de beste resultaten op. Daartoe is in dit onderzoek ook deze waarde ingesteld. Doordat het optimaliseren van deze parameter geen toegevoegde waarde oplevert bij het beantwoorden van de onderzoeksvragen, is ertoe besloten dit niet te doen. In- en uitschakelmomenten k aan en k uit Bij de bepaling van de in- en uitschakelmomenten van een doseermaatregel is het van belang dat al gedoseerd wordt vóórdat congestie is opgetreden, om zodoende de (mogelijke) capaciteitsval uit te stellen. Daartoe wordt een doseermaatregel ingeschakeld wanneer de actuele dichtheid een grenswaarde heeft overschreden die onder de kritische dichtheid ligt. Om te voorkomen dat de doseermaatregel telkens in- en uitgeschakeld wordt door variaties in de gemeten dichtheden, wordt het uitschakelmoment k wat lager gekozen dan het inschakelmoment k aan. De exacte waarden voor deze schakelmomenten is een arbitraire keuzes, waarbij in dit onderzoek is gekozen voor de volgende waarden, resulterend uit een aantal simulatieruns: k 24 vtg / km / rijstr k aan uit 17 vtg / km / rijstr Schaalfactor van kritische naar streefwaarde dichtheid Doordat bij de effectevaluatie gebruik wordt gemaakt van AD-ALINEA wordt iedere regelstap de kritische dichtheid adaptief bijgesteld. Echter is het voor een goede werking van een doseermaatregel van belang in hoeverre de streefwaarde dichtheid k van deze bijgestelde k krit ( k) verschilt, zodat de congestieve tak van het fundamenteel diagram wordt vermeden. De schaalfactor, welke zorgt voor deze bijstelling van kritische dichtheid naar de streefwaarde, is voor zowel de TDI als de dummy-tdi variant gelijk gekozen om de vergelijking tussen beide doseermaatregelen zo eerlijk mogelijk te houden. De schaalfactor is daarbij ingesteld op 0,9 Afrijcapaciteit per doseerrichting De afrijcapaciteit s is het maximale aantal voertuigen dat gedurende een uur groentijd de stopstreep van een verkeerslicht kan passeren. Het dummy-tdi-algoritme bepaalt op basis van de afrijcapaciteit van een doseerrichting hoeveel de groentijd moet worden aangepast om in eerstvolgende regelperiode het juiste aantal voertuigen te bufferen. Een goede bepaling van de afrijcapaciteiten van de verschillende doseerrichting is daartoe belangrijk voor een goed functionerend dummy-tdialgoritme. In het VISSIM-model is een functionaliteit ingebouwd (special evaluations [22]) die bepaald hoe groot de hiaten zijn tussen twee opeenvolgende voertuigen die de stopstreep passeren. De gemiddelde hiaten t hiaat, j tussen twee voertuigen van een signaalgroep j bepaalt hoeveel tijd een voertuig gemiddeld nodig heeft om de stopstreep te passeren. Doordat de afrijcapaciteit van een signaalgroep gelijk is aan de hoeveelheid voertuigen dat per uur groentijd kan afstromen, is de relatie tussen de gemiddelde gemeten hiaten t hiaat, j en de afrijcapaciteit s j per signaalgroep j als volgt: uit streef 121

136 s j 3600 [vtg/u] t hiaat, j Om een schatting van de afrijcapaciteit te maken met behulp van de gemiddelde hiaten, is het belangrijk dat de wachtrij voor het verkeerslicht verzadigd is. Alleen onder deze omstandigheid wordt namelijk de maximale uitstroom gemeten, waaruit de afrijcapaciteit kan worden geschat. Aan het VISSIM model is daartoe bij werkende verkeerslichtenregelingen de wachtrij op de doseerrichtingen verzadigd gehouden door aan deze richtingen een hoge verkeersvraag op te leggen (3000 vtg/u). Om om te gaan met het stochastische gedrag van VISSIM zijn zes simulatieruns uitgevoerd. De resulterende afrijcapaciteiten zijn weergegeven in Tabel 2. Tabel 39: Bepaling afrijcapaciteit gebruikte doseerrichtingen bij kruispunten op aansluiting 1 en 2 in studienetwerk Randomseed Gem. hiaten [s] Afrijcapaciteit [vtg/u] Aansluiting 1 SG01 2,36 2,37 2,35 2,37 2,34 2,36 2, SG09 2,36 2,37 2,38 2,38 2,39 2,39 2, Aansluiting 2 SG01 2,39 2,38 2,39 2,37 2,39 2,37 2, SG09 2,38 2,38 2,37 2,37 2,37 2,36 2, Uit Tabel 2 valt op te maken dat afrijcapaciteiten van alle signaalgroepen ongeveer even groot zijn. Hieruit blijkt dat de invloed van de krappere bocht bij een rechts afslaande beweging bijna geen effect op de te behalen capaciteit heeft. Bij de S101 blijkt zelfs dat de rechts afslaande richting een iets grotere waarde heeft dan de links afslaande. Dit komt niet overeen met een werkelijke situatie, waar bij een rechtsaf gaande beweging een minder grote snelheid gereden kan worden dan bij een linksaf slaande beweging door de krappere bocht. Hierdoor is aangenomen dat de verschillende waarden voor de afrijcapaciteit worden veroorzaakt door de stochastische toedeling in VISSIM en niet door het netwerk zelf. Doordat de gevonden waarden weinig verschillen ten opzichte van elkaar, is er voor gekozen iedere doseerrichting dezelfde afrijcapaciteit toe te bedelen, te weten 1500 vtg/u. Minimale en maximale doseerintensiteit De minimale en maximale doseerintensiteiten die met de dummy-tdi s gerealiseerd kunnen worden bepalen de regelgrenzen van het algoritme. Deze waarden bepalen daarmee binnen welk bereik een dummy-tdi kan voorzien in de gewenste doseerintensiteit. Minimale doseerintensiteit max q dos De minimale doseerintensiteit van een dummy-tdi wordt gerealiseerd wanneer de ingestelde groentijden op de doseerrichtingen minimaal zijn. De minimale groentijd die per richting kan worden ingesteld is de garantiegroentijd. De garantiegroentijden t gg bedragen in de TRAFcod-regelingen 4 seconde. Met behulp van de afrijcapaciteit van de verschillende doseerrichtingen kan vervolgens geschat worden hoeveel voertuigen gedurende de garantiegroentijd kunnen toestromen. Zoals hiervoor vermeld is aangenomen dat alle richtingen dezelfde afrijcapaciteit van 1500 vtg/u hebben. Dit duidt erop dat gemiddeld per 3600/1500 = 2,40 sec een voertuig de stopstreep passeert. Een groentijd van 4 seconde resulteert in dit geval in een minimale toestroom van 4/2,40 = 1,67 122

137 voertuigen/cyclus/richting. Afgerond naar hele voertuigen levert dit een minimale doseerintensiteit voor deze richting van 2 voertuigen/cyclus/richting op. Een cyclustijd van 60 seconde en twee doseerrichtingen per dummy-tdi, leiden dan tot een minimale doseerintensiteit van 2*2*60=240 vtg/u per dummy-tdi. Maximale doseerintensiteit min q dos De maximale doseerintensiteit wordt bereikt wanneer de ingestelde groentijden bij een dummy-tdi maximaal zijn. Alle gebruikte doseerrichtingen in de evaluatiestudie hebben een maximale groentijd van 15 sec. Wanneer de geschatte afrijcapaciteit wederom wordt gebruikt om te bepalen hoeveel voertuigen in deze 15 seconden maximaal kunnen afstromen, resulteert een maximale doseerintensiteit van 840 vtg/u. Bij het simuleren van een werkende dummy-tdi bleek echter dat de maximale doseerintensiteit in sommige gevallen werd overschreden. Hieruit kan geconcludeerd worden dat de bepaling van de maximale doseerintensiteit op basis van de geschatte afrijcapaciteit niet conform de modeluitkomsten is. Het regelbereik van de dummy-tdi zou hierdoor groter gemaakt kunnen worden dan wanneer het bereik dat wordt gevonden wanneer de afrijcapaciteit wordt gebruikt bij de bepaling van de maximale doseerintensiteit. Uit de simulaties volgt dat er maximaal 8 voertuigen per richting per cyclus toestromen. De twee doseerrichtingen per dummy-tdi, geeft dit een maximale doseerintensiteit van 16 vtg/min = 960 vtg/u. Regelinterval Het regelinterval van het doseeralgoritme bepaalt de frequentie waarmee de maatregel wordt geüpdatet. Een kleine waarde voor het regelinterval (hoge frequentie) zal ervoor zorgen dat de berekende doseerintensiteit tijdens het doseren snel verandert, doordat de gemeten dichtheden in dit geval niet voldoende gemiddeld kunnen worden [21]. Echter leidt een te groot regelinterval (lage frequentie) ertoe dat de situatie waarop geregeld wordt reeds is veranderd wanneer de doseerintensiteit zijn uitwerking heeft [21]. Voor dit onderzoek is aangenomen dat een regelinterval van 60 seconden een representatieve waarde is voor een adequate werking van het doseeralgoritme. Cyclustijd verkeersregeling Wanneer de cyclustijd niet gelijk is aan het gebruikte regelinterval van het dummy-tdi-algoritme, kan het voorkomen dat de groentijden van de verkeersregeling meerdere keren per cyclus worden aangepast. Wat hiervan de effecten zijn voor het functioneren van een dummy-tdi is niet geheel bekend. Daarom is ertoe besloten de cyclustijd van de gebruikte verkeersregelingen gelijk te houden met de gebruikte regelintervallen, zodat telkens (indien nodig) op dezelfde tijdstippen de groentijden worden aangepast. Voor de gebruikte cyclustijd van de verkeersregelingen (en regelinterval) is daartoe 60 seconden aangehouden. Meetlocatie actuele dichtheid HWN De meetlocatie is de plaats waaruit het doseeralgoritme de gemeten dichtheden haalt die worden gebruikt bij de bepaling van de gewenste doseerintensiteit. Om een capaciteitsval op het HWN te kunnen voorkomen met doseren is het van belang dat het locatie waar de dichtheid wordt gemeten, gelijk valt met de kop van de file. Wachtrijmanagement bij dummy-tdi (drempelwaarde effectieve bufferruimte) In het dummy-tdi-algoritme wordt wachtrijmanagement toegepast door te bepalen in welke buffers nog ruimte beschikbaar is om verkeer te bufferen. Wanneer blijkt dat er geen ruimte meer beschikbaar is in een buffer, wordt deze buffer niet gebruikt om verkeer te bufferen en wordt voor de betreffende buffer de originele groentijd uit de starre verkeersregeling ingesteld. Op deze manier 123

138 wordt ervoor gezorgd dat wanneer de wachtrij te lang wordt, deze snel af zal nemen doordat de groentijd maximaal is. De bepaling van de actuele bufferruimte van een buffer is een waarde die echter (door het stochastische aankomstpatroon van verkeer richting de buffer) niet erg nauwkeurig te bepalen is. De fout in deze bepaling wordt verdisconteerd door een buffer al uit de set van de te gebruiken buffer te act halen, wanneer de actuele bufferruimte kleiner is dan 5 voertuigen ( S ( k) 5 ). j 124

139 II.3. Matlab-code dummy-tdi function [dummytdi] = DummyTdiAlgoritme(dummytdi) % Bepaling variabelen voor lokale doseeropgave data_lokaal = dummytdi.data_lokaal; Status_vorig = dummytdi.status_vorig; isflush_vorig = dummytdi.isflush_vorig; % Controle of de parameters zijn doorgegeven. if isempty(data_lokaal.param) param.qmin = 240; % Minimale doseerintensiteit param.qmax = 960; % Maximale doseerintensiteit param.k_krit = 33; % Kritische dichtheid >> wordt als enige bijgeschat param.gamma = 0.9; % Schaalfactor van kritische -> doel dichtheid param.k_aan = 24; % Dichtheid waarbij PPA_ALINEA aanspringt param.k_uit = 17; % Dichtheid waarbij PPA_ALINEA uitspringt param.k = 70; % Gain parameters PPA_ALINEA param.v_krit = 90; % Snelheid bij de kritische dichtheid else param = data_lokaal.param; end; if ~isempty(data_lokaal.k_krit) param.k_krit = data_lokaal.k_krit; end % bepalen variabelen voor de buffers behorend bij de dummy TDI Smax_huidig = squeeze(dummytdi.buffers_maximaal)'; Seff_huidig = squeeze(dummytdi.buffers_effectief)'; nbuffers = length(smax_huidig); % bepalen variabelen uit de DE invoer buffer_int_toerit = dummytdi.buffer_intensiteit_toerit; % bepalen variabelen uit de VRI invoer status_vri_buffer = dummytdi.status_vri; afrij_cap_buffer = dummytdi.afrij_cap; cyclustijd_buffer = dummytdi.cyclustijd; groentijd_buffer_orig = dummytdi.groentijd_buffer_orig; groentijd_buffer_vorig = dummytdi.groentijd_buffer_vorig; % bepalen variabelen uit de configuratie invoer buffer_prioriteit = dummytdi.buffer_prioriteit; buffer_methode = dummytdi.buffer_methode; lengte_periode = dummytdi.lengte_periode; %initialisatie benodigde andere regelparameters afrij_cap_abs = zeros(nbuffers,1); % afrijcapaciteit in [vtg/t] delta_groentijd_buffer = zeros(nbuffers,1); % aanpassing groentijd [s] % bepalen van de set actieve buffers voor elke aansluiting BufferSet_actief = Smax_huidig > 0; % bepalen van de set actieve buffers waarvoor de VRI kan regelen BufferSet_netto = Seff_huidig.* status_vri_buffer > 5; 125

140 % bepalen totale effectieve bufferruimte voor een aansluiting Seff_aansluiting = BufferSet_netto * Seff_huidig'; % bepalen van de minimale effectieve bufferruimte van alle buffers, % voor bepaling of buffers geflushed moeten worden bergruimte = min(seff_huidig); % Bepaal doseerintensiteit [Status.lokaal_qdos, Status.lokaal_aan, isflush] = Alinea_DT(data_lokaal.k_act, bergruimte,... Status_vorig.lokaal_aan, Status_vorig.lokaal_qdos, isflush_vorig, param); % Stel qdos = NaN in wanneer wachtrij groter is dan opstelruimte, anders % qdos qdos = Status.lokaal_qdos; % wegschrijven status flush voor gebruik in volgend regelinterval isflush_vorig = isflush; % bepalen of de inzet van bufferruimtes nodig is. if ~isnan(qdos) % bepalen hoeveelheid te bufferen verkeer p_toerit_vraag = sum(buffer_int_toerit); % de totale verkeersvraag richting de toerit is het aantal voertuigen dat in de huidige regelperiode vanuit alle richtingen naar de toerit wil stromen p_toerit_gewenst = lengte_periode/3600 * qdos; p_toerit_verschil = p_toerit_vraag - p_toerit_gewenst; if p_toerit_verschil > 0 % bepalen hoeveelheid verkeer dat gebufferd kan worden b_toerit = min(p_toerit_verschil, Seff_aansluiting); b_buffer = zeros(nbuffers,1); % verdelen verkeer over de buffers met de keuze tussen 3 % methodes: simpel, prioriteit en uniform % In master thesis is gebruik gemaakt van optie 3: uniform switch buffer_methode case 'simpel' BufferSet1 = BufferSet_netto; while b_toerit > 0 end [buf_max,j_accent] = max(seff_huidig.* BufferSet1); b_buffer(j_accent) = min(buf_max, b_toerit); b_toerit = b_toerit - b_buffer(j_accent); BufferSet1(j_accent) = 0; case 'prioriteit' prioriteit = 0; 126

141 while b_toerit > 0 b_toerit); prioriteit = prioriteit + 1; j_accent = buffer_prioriteit == prioriteit; b_buffer(j_accent) = min(seff_huidig(j_accent), b_toerit = b_toerit - b_buffer(j_accent); end case 'uniform' BufferSet1 = BufferSet_netto; BufferSet2 = zeros(nbuffers,1); while b_toerit > 0 && max(bufferset1) > 0 Seff_aansl_acc = BufferSet1 * Seff_huidig'; buffer_index = find(bufferset1 > 0); for j=1:length(buffer_index) j_idx = buffer_index(j); b_buffer(j_idx) = min(seff_huidig(j_idx), b_buffer(j_idx) + b_toerit * Seff_huidig(j_idx) / Seff_aansl_acc); end % Wanneer de beschikbare effectieve bufferruimte van een buffer helemaal verbruikt is bij het verdelen van het verkeer over de buffers, wordt deze buffer uit de set met beschikbare buffers gehaald, en wordt verder gegaan met de resterende buffers buffer_index2 = find(b_buffer == Seff_huidig'); BufferSet2(buffer_index2) = 1; BufferSet1 = BufferSet1 - BufferSet2'; b_toerit = b_toerit - BufferSet_netto * b_buffer; end end % bepalen groentijdaanpassingen for j=1:nbuffers if BufferSet_actief(j) > 0 && status_vri_buffer(j) == 1 % omrekenen afrijcapaciteit per periode afrij_cap_abs(j) = lengte_periode/3600 * afrij_cap_buffer(j); % bepalen aanpassing groentijd voor de signaalgroep die % de buffer regelt delta_groentijd_buffer(j) = b_buffer(j) * cyclustijd_buffer(j) / afrij_cap_abs(j); % schalen naar cyclustijd delta_groentijd_buffer(j) = delta_groentijd_buffer(j) * lengte_periode / cyclustijd_buffer(j); 127

142 end end % Bepaling nieuwe maximale groentijd met behulp van berekende % aanpassing van de groentijd % De nieuwe maximale groentijd moet altijd groter zijn dan de % garantiegroentijd = 4 sec. % 1. Berekening nieuwe groentijd op basis van originele %groentijd (garantiegroentijd = 4 sec (2 vtg)) groentijd_buffer = max(4, groentijd_buffer_orig - delta_groentijd_buffer'); % doorgeven aanpassing groentijd en nieuwe groentijd dummytdi.delta_groentijd_buffer = delta_groentijd_buffer; dummytdi.groentijd_buffer = groentijd_buffer; else % Berekening nieuwe groentijd op basis van groentijd uit % vorige regelperiode if isempty(groentijd_buffer_vorig) groentijd_buffer = groentijd_buffer_orig; disp(groentijd_buffer); else groentijd_buffer = groentijd_buffer_vorig; disp(groentijd_buffer); end % doorgeven vorige groentijden en andere uitvoer als geen % verandering in groentijd nodig is (p_toerit_verschil < 0) dummytdi.delta_groentijd_buffer = delta_groentijd_buffer; dummytdi.groentijd_buffer = groentijd_buffer; end else % Wanneer geen doseerintensiteit is bepaald (qdos = NaN): % Er wordt een NaN teruggeven als doseerintensiteit wanneer 1. niet gedoseerd % hoeft te worden (dichtheid<k_aan), 2. de wachtrij in de buffer een % grenswaarde overschrijdt en geflushed moet worden (isflush = true) % In beide gevallen wordt de originele verkeersregeling ingesteld groentijd_buffer = groentijd_buffer_orig; end dummytdi.delta_groentijd_buffer = delta_groentijd_buffer; dummytdi.groentijd_buffer = groentijd_buffer; % voor volgende regelperiode actuele doseerstatus omschrijven naar % status_vorig dummytdi.status_vorig = Status; dummytdi.isflush_vorig = isflush_vorig; dummytdi.isflush dummytdi.status dummytdi.outputact.qdos end = isflush; = Status; = qdos; 128

143 Bijlage III: Extra resultaten uit simulaties III.1. Resultaten onderzoek naar toepassingsmogelijkheid dummy- TDI III.1.1. Test 1 Tabel 40 geeft de gemiddelde vertraging per voertuig per traject (gemiddeld over 6 simulatieruns). Uit de verkregen resultaten is op te maken dat als gevolg van het doseren de vertraging vanaf het HWN naar het OWN verschuift. Bij deze verschuiving van de vertraging moet wel een kanttekening gemaakt worden. Deze test had tot doel om in beeld te brengen of het ALINEA-algoritme in staat is om te gaan met verschillende pelotongroottes. Zodoende is geen wachtrijmanagement toegepast, wanneer de wachtrij op de toerit te groot wordt. Dit zorgt ervoor dat de vertraging die aan het verkeer op de toerit wordt opgelegd niet in verhouding is met die op het HWN, waardoor de resulterende waarden voor de gemiddelde vertragingen alleen gebruikt kunnen worden voor een globaal beeld en niet kwantitatief gebruikt kunnen worden. Tabel 40: Gemiddelde vertraging per voertuig [s/vtg] per traject resulterend uit test 1 (gemiddeld over 6 simulatieruns, per traject is met een kleurcodering aangegevn hoe de verschillende varianten per traject t.o.v. elkaar presteren: rood = slechtst, groen = best) Nulvariant TDI VRI (2 vtg) VRI (4 vtg) VRI (6 vtg) VRI (8 vtg) HWN 159,9 8,5 8,6 9,2 9,3 10,4 S101.2 HWN 46,4 353,7 340,8 396,2 391,6 448,1 S101.5 HWN 46,3 482,1 456,9 561,3 562,9 640,2 S101.8 HWN 46,1 550,4 528,5 643,8 637,1 696,4 S102.2 HWN 146,0 25,9 26,0 26,8 26,8 27,8 S102.5 HWN 146,0 26,7 26,9 27,3 27,3 28,4 S102.8 HWN 145,5 24,4 24,7 25,1 25,3 26,1 129

144 III.1.1. Test 2 In Tabel 41 is de gemiddelde vertraging per traject weergegeven resulterend na de uitgevoerde simulaties in test 2 (AD-ALINEA). Wanneer deze resultaten worden vergeleken met de gemiddelde vertragingen per traject uit test 1 valt op te maken dat de gemiddelde vertraging per voertuig bij het regelen met AD-ALINEA bij groter wordende voertuigpelotons nagenoeg gelijk blijft (of zelfs afneemt). Bij gebruik van ALINEA zorgde het doseren bij groter wordende voertuigpelotons ervoor dat de gemiddelde vertragingen op nagenoeg alle beschouwde trajecten toenam (zie Tabel 40). Hieruit kan geconcludeerd worden dat het AD-ALINEA beter in staat is om te gaan met grotere pelotongroottes. Tabel 41: Gemiddelde vertraging per voertuig [s/vtg] per traject resulterend uit test 2 (gemiddeld over 6 simulatieruns, per traject is met een kleurcodering aangegevn hoe de verschillende varianten per traject t.o.v. elkaar presteren: rood = slechtst, groen = best) Nulvariant TDI-AD VRI-AD VRI-AD VRI-AD VRI-AD (2 vtg) (4 vtg) (6 vtg) (8 vtg) HWN 159,9 8,9 9,6 9,0 9,7 9,5 S101.2 HWN 46,4 338,1 328,0 383,3 369,8 364,8 S101.5 HWN 46,3 434,4 415,4 529,9 513,7 513,0 S101.8 HWN 46,1 493,4 462,3 591,1 599,5 581,2 S102.2 HWN 146,0 26,2 27,0 26,5 27,0 26,7 S102.5 HWN 146,0 26,9 27,7 27,3 28,1 27,4 S102.8 HWN 145,5 24,7 25,6 24,8 25,5 25,3 130

145 location (m) location (m) III.2. Resultaten effectevaluatie meer opstelruimte met belastingpatroon 2 III.2.1. Analyse Netwerkindicatoren Tabel 42: Netwerkindicatoren effectevaluatie meer opstelruimte (belastingpatroon 2, gemiddeld over zes simulatieruns, getallen tussen haakjes zijn de bijbehorende standaarddeviaties) Indicator 0. Nulvariant (σ) TTS [vtg u] 1127,1 (126) Afgelegde 64165,0 afstand (61,4) [vtg km] Gem. vertr./vtg. [s/vtg] 72,0 (24,4) 1. TDI (klein) (σ) 918,3 (92,2) 64163,9 (61,1) 31,5 (17,9) 2. TDI (groot) (σ) 898,1 (43,9) 64163,8 (61,1) 27,6 (8,5) Verschil 0-1 [%] Verschil 0-2 [%] Verschil 1-2 [%] -18,5-20,3-2,2 0,00 0,00 0,00-56,2-61,6-12,4 Slanted cumulative curves en snelheidcontourplots speedcontour time (sec) Figuur 57: Snelheidcontourplot nulvariant, belastingpatroon 2, random seed speedcontour time (sec) Figuur 58: Snelheidcontourplot TDI (klein), belastingpatroon 2, random seed

146 location (m) speedcontour time (sec) Figuur 59: Snelheidcontourplot TDI (groot), belastingpatroon 2, random seed 3 Figuur 60: Slanted cumulative curves van nulvariant, TDI (klein) en TDI (groot), belastingpatroon 2, random seed 3 Vertraging per traject Tabel 43: Totale vertraging op trajecten in studienetwerk [vtg u] resulterend uit effectevaluatie meer opstelruimte (belastingpatroon 2, gemiddeld over zes simulatieruns, getallen tussen haakjes zijn bijbehorende standaarddeviaties) Totale vertraging per traject [vtg u] HWN Buffers aansluiting 1 Buffers aansluiting 2 OWN aansluiting 1 OWN aansluiting 2 0. Nulvariant (σ) 277,7 (118,6) 14,8 (0,4) 14,9 (0,8) 25,9 (0,4) 24,6 (0,8) 1. TDI (klein) (σ) 52,5 (63,6) 25,3 (12,8) 20,9 (9,6) 25,9 (0,4) 24,6 (0,8) 2. TDI (groot) (σ) 33,6 (18,4) 27,6 (17,6) 17,2 (1,8) 25,9 (0,4) 24,6 (0,8) Verschil 0-1 [%] Verschil 0-2 [%] Verschil 1-2 [%] -81,1-87,9-36,0 70,7 86,5 9,3 40,5 15,7-17,7 0,0 0,0 0,0 0,0 0,0 0,0 132

147 III.2.2. Verklaring resultaten Tabel 44: Gemiddelde doseertijden en standaarddeviaties bij effectevaluatie meer opstelruimte (aansluiting 1, belastingpatroon 2, gemiddeld over zes simulatieruns) Doseertijden T aan [min] T flush [min] T dos [min] T dos,rel [%] 1. TDI (klein) 2. TDI (groot) 1. TDI (klein) 2. TDI (groot) 1. TDI (klein) 2. TDI (groot) Verschil 1-2 [%] 1. TDI (klein) 2. TDI (groot) Verschil 1-2 [%] Gem. 76,8 80,0 13,8 11,5 63,0 68,5 8,7 83,1 87,6 5,4 St.dev. 6,5 12,1 20,9 19,0 17,6 10,2 24,9 18,9 Tabel 45: Eerste doseertijd en gemiddelde doseerintensiteit resulterend uit effectevaluatie meer opstelruimte (aansluiting 1, belastingpatroon 2) Eerste doseertijd [min] Gem. q dos [vtg u -1 ] 1. TDI (klein) 2. TDI (groot) Verschil 2-1 [min] 1. TDI (klein) 2. TDI (groot) Verschil 1-2 [%] Seed 1 32,0 34,0 2,0 629,7 615,0-2,3 Seed 2 76,0 76,0 0,0 715,2 715,2 0,0 Seed 3 14,0 15,0 1,0 634,3 608,0-4,1 Seed 4 77,0 77,0 0,0 701,5 701,5 0,0 Seed 5 65,0 65,0 0,0 716,3 716,3 0,0 Seed 6 26,0 28,0 2,0 611,6 585,0-4,3 Gem. 48,3 49,2 0,8 668,1 656,8-1,7 St.dev. 27,6 26,8 47,9 60,4 Tabel 46: Tijdstip capaciteitsval en tijdstip van flushen resulterend uit effectevaluatie meer opstelruimte (aansluiting 1, belastingpatroon 2) Tijdstip capaciteitsval [min] Tijdstip flushen [min] 1. TDI (klein) 2. TDI (groot) Verschil 2-1 [min] 1. TDI (klein) 2. TDI (groot) Verschil 2-1 [min] Seed ,0 45,0-2 Seed Seed ,0 32,0-1 Seed Seed Seed ,0 39,

148 III.2.3. Extra gedetailleerde resultaten uit effectevaluatie meer opstelruimte Totale doorgebrachte tijd Tabel 47 geeft de totale doorgebrachte tijd per random seed voor de gesimuleerde varianten. Tabel 47: Totale doorgebrachte tijd [vtg u] per random seed (incl. gem. en st.dev.) resulterend uit effectevaluatie meer opstelruimte (belastingpatroon 1) TTS [vtg u] 0. Nulvariant 1. TDI (klein) 2. TDI (groot) Verschil 0-1 [%] Verschil 0-2 [%] Verschil 1-2 [%] Seed 1 973,7 808,8 810,4-16,9-16,8 0,2 Seed ,8 819,9 833,5-23,4-22,2 1,7 Seed ,7 1158,7 1062,2-8,4-16,0-8,3 Seed 4 994,2 852,4 819,0-14,3-17,6-3,9 Seed ,5 803,9 805,8-24,6-24,4 0,2 Seed ,4 1078,3 893,5-2,5-19,2-17,1 Gem. 1079,4 920,3 870,7-14,7-19,3-5,4 St.dev. 103,6 156,5 99,1 Tabel 48: Totale doorgebrachte tijd[vtg u] per random seed (incl. gem. en st.dev.) resulterend uit effectevaluatie meer opstelruimte (belastingpatroon 2) TTS [vtg u] 0. Nulvariant 1. TDI (klein) 2. TDI (groot) Verschil 0-1 [%] Verschil 0-2 [%] Verschil 1-2 [%] Seed ,2 896,0 891,7-27,4-27,8-0,5 Seed ,5 871,5 871,5-18,6-18,6 0,0 Seed ,9 1105,5 985,4-8,9-18,8-10,9 Seed ,1 877,3 877,3-26,4-26,4 0,0 Seed ,7 870,1 870,1-24,6-24,6 0,0 Seed 6 898,3 889,7 892,9-1,0-0,6 0,4 Gem. 1127,1 918,3 898,1-18,5-20,3-2,2 St.dev. 126,0 92,2 43,9 Uit Tabel 47 en Tabel 48 valt op te maken dat bij iedere afzonderlijke simulatierun zowel de TDI met kleine opstelruimte als de TDI met grote opstelruimte op netwerkniveau beter presteert dan de nulvariant. Opvallend aan de afzonderlijke runs is dat niet bij iedere simulatierun TDI (groot) ook zorgt voor een lagere totale doorgebrachte tijd ten opzichte van TDI (klein), zoals bijvoorbeeld te zien is bij seed 1, 2 en 4 in Tabel 47. De oorzaak van dit verschil is op basis van deze tabel niet te geven, maar een mogelijke oorzaak zou de stochasticiteit in het gebruikte simulatiemodel kunnen zijn, omdat het erg kleine verschillen betreft. Wat verder opvalt is dat bij seed 2, 4 en 5 in Tabel 48 TDI (klein) en TDI (groot) de totale doorgebrachte tijd van voertuigen in het netwerk exact gelijk is. Dit komt omdat bij deze random seeds niet erg streng gedoseerd behoefde te worden, zodat de wachtrij op de toerit als gevolg van het dosern bij TDI (klein) niet zo lang wordt dat wachtrijmanagement geactiveerd zou worden. 134

149 location (m) location (m) III.3. Resultaten effectevaluatie dummy-tdi op lokaal niveau met belastingpatroon 1 III.3.1. Analyse Netwerkindicatoren Tabel 49: Netwerkindicatoren effectevaluatie lokaal niveau (belastingpatroon 1, gemiddeld over zes simulatieruns, getallen tussen haakjes zijn de bijbehorende standaarddeviaties) Indicator TTS [vtg u] Afgelegde afstand [vtg km] Gem. vertr./vtg. [s/vtg] 0. Nulvariant (σ) 1079,4 (103,6) 62275,3 (83,1) 81,9 (22,6) 1. TDI (σ) 870,7 (99,1) 62287,6 (51,1) 36,2 (21,7) 2. Dummy-TDI (σ) 876,1 (68,7) 62268,9 (64,6) 37,4 (15,0) Verschil 0-1 [%] Verschil 0-2 [%] Verschil 1-2 [%] -19,3-18,8 0,6 0,02-0,01-0,03-55,8-54,3 3,5 Slanted cumulative curves en snelheidcontourplots speedcontour time (sec) Figuur 61: Snelheidcontourplot nulvariant (belastingpatroon 1, random seed 5) speedcontour time (sec) 0 Figuur 62: Snelheidcontourplot TDI (belastingpatroon 1, random seed 5) 135

150 location (m) speedcontour time (sec) 0 Figuur 63: Snelheidcontourplot dummy-tdi (belastingpatroon 1, random seed 5) Figuur 64: Slanted cumulative curves van nulvariant, lokale TDI en lokale dummy-tdi (belastingpatroon 1, random seed 5) Tabel 50: Moment van opgetreden capaciteitsval resulterend uit bij effectevaluatie dummy-tdi op lokaal niveau (belastingpatroon 1) Tijdstip capaciteitsval [min] 0. Nulvariant 1. TDI 2. Dummy-TDI Verschil 1-0 [min] Verschil 2-0 [min] Verschil 2-1 [min] Seed 1 30, Seed 2 33, Seed 3 23,0 33,0 39,0 10,0 16,0 6,0 Seed 4 34, Seed 5 29,0-30,0-1,0 - Seed 6 25,0 21,0 25,0-4,0 0,0 4,0 136