Condividi, , Google Plus, LinkedIn,

Stampa

Pubblicato in:

Rotatorie urbane: uno sviluppo analitico-simulativo

Le rotatorie, invenzione europea, hanno dimostrato di essere dei sicuri ed efficienti sistemi per la regolazione delle intersezioni stradali e delle valide alternative alle intersezioni convenzionali

Le rotatorie riducono i perditempi, i costi di gestione, di manutenzione e riparazione, e i consumi dovuti alle soste e ai fenomeni di stop and go, con la conseguente diminuzione dell’inquinamento da emissioni dei veicoli.

Immagini

  • Una vista di una rotatoria nel centro urbano di Rende
    article_4804-img_2279
    Una vista di una rotatoria nel centro urbano di Rende
  • Una vista di una rotatoria 1, ramo di uscita Sud
    article_4804-img_2280
    Una vista di una rotatoria 1, ramo di uscita Sud
  • Una vista di una rotatoria 2, ramo di ingresso Nord
    article_4804-img_2281
    Una vista di una rotatoria 2, ramo di ingresso Nord
  • List of parameters for sensitivity analysis
    article_4804-img_2282
    List of parameters for sensitivity analysis
  • First level sensitive parameters roundabout 1
    article_4804-img_2283
    First level sensitive parameters roundabout 1
  • Comparison of Calibrated Flow - first level - roundabout 2
    article_4804-img_2284
    Comparison of Calibrated Flow - first level - roundabout 2
  • Comparison of Validation Flow - first level - roundabout 2
    article_4804-img_2285
    Comparison of Validation Flow - first level - roundabout 2
  • Speed profile for the through movement A-C along the roundabout 1
    article_4804-img_2286
    Speed profile for the through movement A-C along the roundabout 1
  • Graphical comparison of velocity profiles roundabout 1
    article_4804-img_2287
    Graphical comparison of velocity profiles roundabout 1
  • La planimetria della rotatoria 2; sezioni di rilievo S.R.
    article_4804-img_2288
    La planimetria della rotatoria 2; sezioni di rilievo S.R.
  • Comparison average travel times roundabout 2
    article_4804-img_2289
    Comparison average travel times roundabout 2

Dopo circa 70 anni di ricerca sui flussi di traffico e di applicazione dei risultati alla pianificazione ed alla gestione del traffico, la disciplina ha sviluppato, per lo studio di questa tipologia d’intersezione, un’ampia varietà di metodi e strumenti utilizzabili (modelli di calcolo analitici ed empirici).

Il principale obiettivo dello studio di ricerca condotto e qui esposto è verificare l’attendibilità e la precisione di un software di microsimulazione attraverso una procedura a basso costo per l’estrazione, l’analisi e la discretizzazione di dati riguardanti il flusso veicolare nelle rotatorie. Questi, nella seconda parte dell’analisi, hanno rappresentato l’input sia per una disanima sulle effettive capacità del software calibrato di rappresentare le reali condizioni del deflusso veicolare sia, per la dei parametri prestazionali di due rotatorie.

The Study methodology

Il software di microsimulazione Vissim ha diversi parametri che possono essere variati durante la calibrazione, ma non tutti influenzano in modo significativo il modello di rete preso in considerazione. In relazione a ciò, è stata effettuata, con due tecniche di diverso tipo, un’analisi di sensitività che ha permesso di prendere in esame esclusivamente i dati incidenti in maniera significativa sull’intera analisi.

Il passo successivo ha riguardato la ridefinizione degli intervalli di tali parametri e la sostituzione di alcuni di essi (in quanto poco impattanti). Nella fase finale si sono definiti i livelli di performance delle rotatorie attraverso la stima di alcuni indicatori utilizzati per classificare i livelli prestazionali degli accessi. Inoltre, è stata effettuata anche la comparazione dei profili di velocità dei veicoli, ottenuti da specifiche simulazioni con il software, e quelli misurati in sito. Questi ultimi riscontri sono stati utili per valutare l’effettiva capacità di Vissim 5.40 di rappresentare le reali condizioni del deflusso veicolare.

The Data Collection

Questa sezione presenta i dettagli relativi sia ai dati geometrici dell’area di studio, che all’estrazione e all’acquisizione dei dati sperimentali per il rilievo del flusso di traffico. Per far ciò, è stata adottata una metodologia diversa che ha permesso di eliminare le potenziali problematiche legate al conteggio manuale del traffico.

Si è eseguito un rilievo continuato, con una telecamera digitale ad alta risoluzione; i video realizzati sono stati poi successivamente riversati e analizzati con applicazioni software da cui è stato possibile ricavare, con estrema precisione, tutti i dati necessari alla domanda di mobilità, ottenendo in questo modo un risultato preciso e accurato.

Insieme all’indicazione dei flussi di traffico, sono state formulate le matrici O/D che hanno permesso di considerare il flusso veicolare in accesso alla rotatoria e ripartirlo in direzione di uscita.

Su specifici bracci delle due rotatorie sono state individuate le sezioni di rilievo (S.R.), indispensabili per procedere alla corretta determinazione delle misure di performance (velocità, tempo media di percorrenza dei veicoli e tempo medio di attesa).

First level: Analysis of sensitivity

Nel primo livello di disamina dell’analisi di sensibilità, sono stati selezionati i parametri che influenzano in modo significativo il comportamento di guida nell’area di studio, attraverso due tecniche.

Il metodo ANOVA è una tecnica statistica rigorosa che permette di individuare i parametri chiave per la calibrazione e validazione di un software di microsimulazione. Questo metodo verifica l’ipotesi nulla che la media di diversi set di valori sia uguale, confrontando la varianza interna a questi gruppi, con quella tra gli stessi. Sostanzialmente, definito un set di fattori indipendenti e una variabile di risposta, esso permette di selezionare quali tra questi influenzi in modo significativo la variabile stessa e, di conseguenza, di scartare quelli meno significativi.

Inevitabilmente il numero dei fattori che si possono prendere in considerazione è considerevole, e vista l’impossibilità di valutare tutti i possibili scenari, si è utilizzato un metodo di progettazione sperimentale di campionamento Latin Hypercube Sampling, per ridurre le possibili combinazioni.

L’utilizzo di LHS ha permesso di generare un insieme di dati in set casuali, ognuno dei quali simulato per i valori pseudo-valori. Come valore output si è esaminato l’errore in percentuale tra il deflusso reale e il deflusso simulato.

Il campione di dati generato è stato successivamente discretizzato e ha permesso di effettuare una valutazione dettagliata sui parametri da prendere in considerazione per la calibrazione.

I valori la cui percentuale di errore è risultata inferiore a 0,2 sono stati scelti come parametri sensibili. Un secondo approccio di tipo quantitativo-stocastico che ha permesso di effettuare uno screening dei parametri è stato Optimised Trajectory in Elementary Effects. Si è constatato che il vantaggio di utilizzare traiettorie ottimizzate (OT) ha permesso di coprire più punti nello spazio rispetto ad un qualsiasi set di traiettorie non ottimizzate perché, avendo una maggiore dispersione nello spazio, consentono di coprire più punti di campionamento.

Il campione di dati generato è stato successivamente discretizzato e, unitamente alla percentuali di errore ottenute dalle simulazioni, ha permesso di effettuare una valutazione dettagliata sui parametri da prendere in considerazione per la calibrazione.

Per entrambe le tecniche sono state effettuate tre tipologie di prove e i dati output ottenuti è stato possibile valutare che i parametri, la cui probabilità di errore è risultata inferiore a 0,2, sono stati scelti come sensibili.

First level: Model calibration and model validation

In seguito all’identificazione dei parametri e dei loro intervalli ammissibili, si sono individuati i loro valori ottimali. La calibrazione è il processo in cui questi ultimi vengono regolati, con l’obbiettivo di rappresentare in maniera più dettagliata, le condizioni reali di campo. In questo caso si è proceduto variando i cinque parametri sensibili, ottenuti dall’Analysis of sensitivity, mantenendo costanti tutti gli altri (valori di default). Per razionalizzare il metodo utilizzato e quindi la ricerca dei valori ottimali dei parametri, si è utilizzato un Genetic Algorithm (GA). Esso consiste in una tecnica che, attraverso un processo di ricerca casuale e di ottimizzazione genera insiemi casuali dei parametri selezionati .Il processo prosegue con l’implementazione di un codice di taratura che termina nel momento in cui viene recuperato il minimo errore percentuale assoluto tra i dati reali e quelli simulati. Questo è stato implementato attraverso la piattaforma Toolbox di MATLAB, generando una fitness function che ha permesso di stabilire l’errore o la differenza tra il deflusso effettivo nelle rotatorie, e quello riprodotto nella simulazione (valore fitness).

Dopo la calibrazione è stato selezionato il miglior set di parametri corrispondente alla percentuale di errore minino. Per validare il modello calibrato si è considerato un altro set di parametri in cui gli errori percentuali sono risultati simili ai precedenti (10%).