33357

تحليل و شناسايي گلوگاه‌هاي ترافيكي در شبكه معابر شهري بر مبناي داده‌هاي نقشه مبنا

كارشناسي ارشد

مهندسي عمران - حمل و نقل

1401

1403/7/15

دكتر افشين شريعت مهيمني - دكتر رضا گلشن خواص

-

مهندسي عمران

توسعه شهري و افزايش وسايل نقليه موتوري، منجر به ايجاد تعارض ميان عرضه و تقاضاي ترافيك شده كه در نهايت به بروز معضلاتي نظير ازدحام ترافيكي، افزايش تصادفات و آلودگي منجر مي‌شود. از اين‌رو، شناسايي و تحليل گلوگاه‌هاي ترافيكي، به‌منظور بهبود عملكرد شبكه حمل‌ونقل، از اهميت بسزايي برخوردار است. در اين پژوهش، با بهره‌گيري از رويكردي نوين مبتني بر تركيب داده‌هاي نقشه‌مبنا، اندازه‌گيري‌هاي ميداني و تحليل‌هاي حاصل از پردازش رقومي تصاوير، تلاش شده است تا نمايي جامع از وضعيت ترافيكي معابر اصلي شهر اصفهان ارائه گردد. در گام نخست، با استفاده از تصاوير ترافيكي سرويس نقشه گوگل در بازه زماني دو ماهه (تير و مرداد ماه 1403)، وضعيت جريان ترافيك در شش معبر مهم شامل چهار بزرگراه و دو خيابان شرياني مورد پايش قرار گرفت. به‌منظور ارزيابي صحت داده‌هاي استخراج‌شده از پردازش تصاوير، مقايسه‌اي ميان طول صف‌هاي به‌دست‌آمده و داده‌هاي ميداني گردآوري‌شده در سه تقاطع منتخب شهر اصفهان صورت گرفت. نتايج اين مقايسه، تطابق قابل قبولي را در بازه‌هاي زماني ده و پانزده دقيقه‌اي نشان داد، به‌گونه‌اي كه مقدار ضريب تعيين (R²) در محدوده‌اي بين 0.7 تا 0.9 قرار گرفت و گوياي همبستگي مناسب ميان داده‌هاي ميداني و نتايج حاصل از پردازش تصويري بود. در ادامه، با پردازش تصاوير ترافيكي مربوط به اين شش معبر، تعداد 16 گلوگاه تكرارشونده در بازه زماني مطالعه‌شده شناسايي شد. در ادامه، به‌منظور تحليل ميزان تأثيرگذاري گلوگاه‌ها، از شاخص ضريب تأثير گلوگاه استفاده شد. نتايج حاصل نشان داد كه گلوگاه‌هاي واقع در بزرگراه خرازي با ضريب تأثير گلوگاه 351 كيلومتر.ساعت، بيشترين سهم را در ايجاد ازدحام ترافيكي طي روزهاي كاري داشته‌اند. اين نقاط مي‌توانند به‌عنوان گزينه‌هاي اولويت‌دار در برنامه‌ريزي‌هاي بهبود زيرساختي و مديريتي در نظر گرفته شوند. به‌طور كلي، يافته‌هاي اين مطالعه نشان مي‌دهد كه داده‌هاي ترافيكي گوگل‌مپ، به‌عنوان يك منبع ثانويه و مقرون‌به‌صرفه، مي‌توانند جايگزين مناسبي براي داده‌هاي سنتي نظير شناساگرهاي القايي محسوب شوند. استفاده از اين منبع اطلاعاتي، علاوه بر كاهش هزينه‌هاي جمع‌آوري داده، امكان پايش مستمر، تحليل روندي و تسهيل تصميم‌گيري در حوزه برنامه‌ريزي حمل‌ونقل شهري را فراهم مي‌سازد.

1404/02/11

Identifying traffic bottleneck in urban road networks using basemap data

1/1/1900 12:00:00 AM

Urban development and the increase in motor vehicles have led to a conflict between traffic supply and demand, ultimately resulting in problems such as traffic congestion, higher accident rates, and pollution. Therefore, identifying and analyzing traffic bottlenecks is crucial for improving the performance of the transportation network. In this study, a novel approach combining map-based data, field measurements, and digital image processing analysis has been used to provide a comprehensive overview of the traffic conditions on the main roads of Isfahan. In the first step, the traffic flow status on six key routes, including four highways and two arterial streets, was monitored over a two-month period (July and August 2024) using traffic images from the Google Maps service. To assess the accuracy of the extracted data, a comparison was made between the queue lengths obtained from image processing and field data collected from three selected intersections in Isfahan. The results of this comparison showed a good correlation in the ten-minute and fifteen-minute time intervals, with the coefficient of determination (R²) ranging from 0.7 to 0.9, indicating a strong correlation between the field data and the results from image processing. Subsequently, by processing the traffic images of these six routes, a total of 16 recurring bottlenecks were identified during the study period. To analyze the impact of these bottlenecks, a bottleneck impact coefficient was used. The results revealed that the bottlenecks located on Kharazi Highway, with an impact coefficient of 351 km·hour, had the highest contribution to traffic congestion during working days. These points can be considered as priority options for infrastructure and management improvement planning. Overall, the findings of this study suggest that Google Maps traffic data, as a secondary and cost-effective source, can serve as a suitable alternative to traditional data sources such as inductive loop detectors. The use of this information source not only reduces data collection costs but also enables continuous monitoring, trend analysis, and facilitates decision-making in urban transportation planning.

داده‌هاي نقشه مبنا , گلوگاه ترافيكي , گلوگاه‌هاي تكرار شونده

Traffic Bottleneck , Recurring Bottleneck , Google Maps

Mohaddese Gholami

Dr. Afshin Shariat Mahaymany - Dr. Reza Golshan Khavas