ارزیابی و مدلسازی سرعت خودروها در ورود به تونل‌های دو طرفه برون شهری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه راه وترابری، دانشکده فنی و مهندسی، دانشگاه پیام نور، تهران، ایران

2 استادیار، گروه راه وترابری، دانشکده فنی و مهندسی، دانشگاه پیام نور، تهران، ایران

10.22034/tri.2021.120001

چکیده

نحوه رفتار رانندگان در راه ها نشأت گرفته از وضعیت محیط پیرامون آن ها است. تحقیقات محقق نشان می دهد که خودرو در فاصله ای مشخص از تونل با مشاهده آن شروع به کاهش سرعت می کند و با رسیدن به ابتدای تونل کمترین سرعت خود را دارد. به محض اتمام تونل خودرو مجدداً سرعت خود را در طی طول مشخصی افزایش می دهد. هدف اصلی این تحقیق مدلسازی سرعت ورود خودروها در ورود به تونل‌های برون شهری بر مبنای تغییرات سرعت آن ها قبل از ورود به تونل، با استفاده از شبکه ی عصبی – فازی است. سپس جهت اعتبارسنجی مدل طراحی شده از داده های ثبت شده 30 راننده مختلف که در شرایط مشابه، به وسیله یک دستگاه خودروی رنو لوگان دارای سیستم انتقال قدرت دندهای مسیر را طی می کنند، استفاده شده است. با استفاده از روش تحلیل همبستگی پیرسون، میزان ارتباط بین متغیرهای سرعت ورودی به تونل و تغییرات سرعت خودروها بررسی شده است. مقدار ضریب همبستگی 0.7- و به معنی داشتن همبستگی منفی قوی بین دو متغیر است. نتایج تحقیق نشان می‌دهد که روش شبکه‌ی عصبی – فازی با دقت بالایی توانایی پیش‌بینی تغییرات سرعت را بر اساس سرعت اولیه ورود به تونل را دارد. از نتایج این تحقیق جهت تحلیل و بررسی رفتار رانندگان در تونل‌های برون شهری استفاده می‌شود. با توجه اهمیت تغییرات ناگهانی سرعت به صورت نامتعارف علی الخصوص در مسیرهای دو طرفه می توان، با کم کردن عوامل استرس زا در رانندگان ایمنی تونل ها را افزایش داد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Assessing and Modeling Speed of Vehicles in Arterial Two-way Tunnels

نویسندگان [English]

  • Arash Jahantabi 1
  • Mahmood Reza Keymanesh 2
  • SeyedAli Razavian 2
1 Ph.D. Student, Transportation Department, Faculty of Engineering, Payam Noor University, Tehran, Iran.
2 Assistant Professor, Transportation Department, Faculty of Engineering, Payam Noor University of Tehran, Iran.
چکیده [English]

The way drivers behave on roads is based on the state of the environment around them. Previous research shows that the vehicle starts to slow down at a certain distance from the entrance of tunnel. The main purpose of this research is to model the speed of vehicles entering the urban tunnels based on their velocity changes before entering the tunnel using neural-fuzzy network. 30 different drivers, were examined in similar conditions to study the behaviors of drivers. The study was conducted in a Renault Logan with manual transmission. Using Pearson correlation analysis, the relationship between the input speed variables to the tunnel and the vehicle speed variations is investigated.. The correlation coefficient value is -0.7 which means that there is a negative correlation between the two variables. The results show that the neural-fuzzy neural network method is able to predict velocity changes based on the lateral distance of the cars with the tunnel wall.. The results of this study are used to analyze the behavior of drivers in suburban tunnels.. Given the importance of abrupt changes in speed and transverse movement of cars, especially on two-way lanes, it can be possible to increase tunnel safety by reducing stressors.

کلیدواژه‌ها [English]

  • safety
  • Pearson
  • Tunnel
  • Neuro-Fuzzy
جهانتابی. آ.، کی­منش، م.ر. و رضویان. س.ع.، (1399)، "ارزیابی رفتار رانندگان در تونل‌های دو طرفه برون شهری"، فصلنامه مهندسی حمل و نقل پارسه.
-حسن پور، ح. و شیرگیر، ب.، (1398)، "تحلیل عوامل ترافیکی موثر بر وقوع تصادفات در نواحی ورودی تونل­های شهری"، مجله علمی - پژوهشی مهندسی عمران مدرس، ص.105-116.
-Amundsen, F. & Engebresten, A., (2009), “Studies on Norwegian Road Tunnels II”. In An Analysis in Road Tunnels 2001-2006”, Oslo, Norway: Road and Traffic Depart.
-Amundsen, F, & Ranes, G., (2000), “Studies on traffic accidentin norwegian road tunnels” Tunn, Undergr. Space Technol, pp.3-11.
-Bassan, Shy., (2015), “Sight distance and horizental curve aspects in the design of road tunnels”. Tunnelling and Underground Space Technology, Vol 45, pp. 214-226.
-Calvi, A. De Blasiis, M. R. & Guattari, C., (2012), “An Empirical Study of the effects of Road Tunnel on Driving Performance”. Sustainability of Road Infrastructures. Rome, Italy, Vol 53, pp. 1098-1108.
-Chatzimichailidou, M. M. and Dokas, I. M., (2016), “RiskOAP: Introducing and applying a methodology of risk self-awareness in road tunnel safety”. Accident Analysis and Preventation, Vol. 90, pp. 118-127.
Google Earth. (2019). Retrieved from https://www.google.com/maps
Hou, Q, Tarko, A. P & Meng, X. (2018). “Analyzing crash frequently in freeway tunnels: A correlated random parameters approach”. Accident Analysis and Prevention, 94-100.
Lemke, K. (2000). “SWOV Fact Sheet”. Institute for Road Safety Research. Rec. 1940, pp. 170-174.
Lu, L. Lu, J. Xing, Y. Wang, C. and Pan, F. (2014). “Statistical analysis of traffic accidents in Shanghai River Crossing Tunnels and Safety Countermeasures”. Hindawi Publishing Corporation, Vol 2014, pp. 1-7.
-Ma, Z. Shao, C. & Zhang, S., (2009), “Characteristics of Traffic Accidents in Chinese freeway tunnels”. Vol. 24,
pp. 350-355.
-Mashimo, H., (2002), “State of the road tunnel safety technology in Japan”, Tunnelling and Underground Space Technology, Vol. 17, No. 2, pp.145-152.
Miller, E. E. and Boyle, L. N., (2015), “Driver Behavior in Road Tunnels”. Transportation Research Record, Vol. 2518, pp. 60-67.
Nussbaumer, C., (2007), “Comparative analysis of safety in tunnels”. Brno: Young Reaserchers Seminar.
SHIMOJO, A. and TAKAGI, H., (1995), “A simulation Study of Driving Performance in Long Tunnel”, pp. 96-103.
Tunnels, T. R., (2009), “Institute for Road Safety Research, “SWOV Fact Sheet”. The Road Safety of motorway Tunnels”, pp. 1-7.
Yeung, J. and Wong, Y., (2013), “Road Traffic Accidents in Singapore expressways tunnels”, Tunnelling and Underground.
Vol 38, pp. 534-541.