Articles de recherche

(English) Neural Network-based Optimization of Traffic Safety and Operations for Roadway Corridors

Nom de fichier Alecsandru.pdf
Taille du fichier 335 KB
Version 1
Date ajoutée 6 juin 2010
Téléchargé 1 time/fois
Catégorie 2010 CMRSC XX Niagara
Tags Session 3B
Author/Auteur Ciprian Alecsandru, Behzad Rouhieh

Résumé

Dans la plupart des agences de transport de élaborer des plans pour la synchronisation des feux des intersections, dont l'objectif principal est de réduire les délais de circulation des véhicules tout en respectant les consignes de sécurité de base. Souvent, le long des routes urbaines, où les automobiles se partagent l'espace avec de grands volumes d'usagers non motorisés (des piétons et des cyclistes, par exemple), atteindre un équilibre entre les retards et la sécurité de tous les usagers de la route est une tâche difficile. Dans cette étude, nous proposons différentes approches pour traiter des possibles améliorations sur les opérations de trafic et la sécurité des carrefours desservant plus d'un mode de transport. Une méthodologie est proposée pour parvenir à un compromis entre la sécurité et l'efficacité du trafic soit dans une intersection isolée ou dans un corridor d’intersections indépendantes / coordonnées. Un indicateur de sécurité avec du retard intégré (..) est utilisé en combinaison avec un réseau de neuronal. La méthodologie proposée a été appliquée à une artère urbaine au centre.ville de Montréal, le long duquel une piste cyclable a été récemment construite. La zone d'étude a été évaluée en utilisant VISSIM, un simulateur microscopique de trafic, par le codage des plans de chronométrage des feux de circulation le long des artères; ces plans ont été appliqués d’une manière indépendante, ou coordonnée. L'objectif est pour un certain mode de transport (automobiles ou à vélo) d'avancer avec un retard minimal. Un "Multi.Layer Perceptron » (MLP) réseau neuronal artificiel a été construit afin d'identifier quel type de plan de la synchronisation des feux donne le meilleur compromis entre le retard de l'automobile et la sécurité des usagers non motorisés. Afin de former et tester le MLP, nous avons utilisé les données de trafic collectées à partir de cas du monde réel et de simulations. Nous avons constaté que pour 99,8% des cas testés, le réseau de neurones identifie correctement la configuration du plan de la synchronisation des feux qui donne la valeur optimale.

Ciprian Alecsandru and Behzad Rouhieh