Abstract

Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2012

Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2012

Ulaştırma mühendisliği açısından temel bir ölçü olan ‘yolculuk süresi’ kavramı; kullanıcılar, yöneticiler ve ulaştırma mühendisleri gibi geniş bir kitle tarafından en kolay anlaşılan ve belirlenebilen bir ölçüttür. Hem başarım ölçütü olarak hem de kullanıcıların güzergâh seçim karar verme aşamasında önemli bir yeri olan yolculuk süresi, akıllı ulaştırma sistemleri uygulamalarında kullanıcılara çevirim içi bilgi sağlamak amacıyla da kullanılmaktadır. Bu çalışma ile yolculuk süresi türetme yöntemlerinin en doğru şekilde kullanılmasıyla, kullanıcılara sunulan yolculuk süresi kestirimindeki doğruluk payını arttırmak hedeflenmiştir. Ulaştırma sistemlerinin temel amacının kullanıcılara fayda sağlamak olduğu düşünüldüğünde, özellikle iş ve okul yolculukları gibi zirve saat trafiğinin büyük bir kısmını oluşturan yolculuklarda, yolculuk süresinin belli sınırlar içerisinde kalması gerektiği görülür. Ulaştırma sistemi kullanıcıları için bu derece rijit bir yapısı olan yolculuk süresi, plansız büyüyen ve karayolu ulaştırması baskın kentsel alanlar söz konusu olduğunda, katlanılamaz seviyelere çıkmaktadır. Güncel ekonomik gelişmelerle eşzamanlı olarak artan ve farklılaşan hizmet türleri ile bunların seçeneklerinin, planlama politikalarından yoksun biçimde arazi kullanımına etkimesi sonucu, dengesiz ve abartılmış trafik talebi meydana gelmekte, ayrıca nüfus artışı gibi demografik özelliklerin değişimi karşısında ulaştırma sistemi altyapısı da yetersiz kalabilmekte ve dolayısıyla çözülemez tıkanıklıklara neden olmaktadır. Bu çalışmada; yolculuk sürelerinin, ölçüm yöntemleri ve trafik algılayıcıları verilerinden türetilmesi üzerinde yoğunlaşılmış, yolculuk süresi kestirim sürecine yönelik bir yaklaşım önerilmiş ve gerçek hayattaki olası uygulama alanlarından bahsedilmiştir. Yolculuk sürelerinin türetimi ve kestirimi arasındaki ayrım ortaya konarak, türetim/modelleme kapsamında yapılan çalışmalar irdelenmiştir. Seçilen farklı yöntemlerle türetilen yolculuk süreleri, gerçek yolculuk süreleri ile karşılaştırılmıştır. Trafik akım dinamiklerinin anlatıldığı bölüm sonrası yolculuk süresinin doğrudan türetilmesi, başka bir deyişle gelişmiş teknolojiler yardımıyla ölçülmesi anlatılmıştır. Bu yöntemlerden küresel konumlandırma sistemi (KKS) donanımlı gözlem aracı ve Bluetooth trafik algılayıcılarından faydalanarak alan çalışması ile yolculuk süresi ölçümleri gerçekleştirilmiştir. Yolculuk süresinin türetilmesinde kullanılan yörünge temelli yöntemler, trafik akım kuramı temelli yöntemler ve diğer yöntemler, ilgili temel çalışmalara değinilerek ayrıntılı biçimde irdelenmiştir. Çalışmada da kullanılan, sabit ve değişken hız varsayımlı yörünge temelli yöntemler ile yolculuk süresinin türetimine ilişkin ayrıntılı açıklamalara yer verilmiştir. Yolculuk süresi türetim duyarlılığını arttırmak için, trafik akımının dinamik özelliğini dikkate alan yaklaşımlardan bahsedilmiştir. Kullanılan kaba-boyut ve ince-boyut modellerin kuramsal yapıları, girdi verisi olarak kullanılan değişkenler ve modelleme için yapılan varsayımlar açıklanmış ve elde edilen sonuçlar irdelenmiştir. Yolculuk süresi çalışmaları için ince-boyut benzetim modelinden var olan bir yazılımla (Vissim); kaba-boyut modelden ise kuramsal yapısının kodlanması ile faydalanılmıştır. Kaba boyut model olarak Friesz ve diğerlerinin doğrusal yolculuk süresi modeli kullanılmıştır. Gün-içi yolculuk sürelerinin dağılımını belirleyebilmek için ağ modellerinde sıkça faydalanılan bu model ile yolculuk sürelerini akşam ve sabah zirve saatleri için hesaplanmıştır. İstanbul TEM Otoyolu üzerinde belirlenen çalışma güzergâhında mikrodalga trafik algılayıcıları ile toplanan trafik akım verisi kullanılarak, ince-boyut akım modelinin benzetildiği yazılımın kalibrasyonu yapılmıştır. İnce-boyut benzetim modelinde gerçek konumlarına yerleştirilen trafik algılayıcılarıyla trafik akımına ait tekrar üretilen veriler, belirli bir zaman aralığında toplulaştırılmıştır. Yeniden üretilen algılayıcı verileri ile yörünge temelli yöntemler kullanılarak bağlar için yolculuk süreleri türetilmiştir. Katılma ve ayrılma bölgesinin olmadığı çalışma güzergâhı, ince-boyut benzetim modelinde, çalışma için oluşturulan bağların öncesinde ve sonrasında bulunan, Ümraniye ve Kavacık Kavşağı’nı kapsayan bir alan boyunca modellenmiştir. Temmuz 2011 ve Ocak 2012 tarihlerinde belirlenen bir hafta boyunca, çalışma güzergâhında KKS donanımlı gözlem aracı ile yolculuk süresi ölçümleri gerçekleştirilmiştir. Ayrıca, Ocak 2012 ölçüm haftasında KKS ile eş zamanlı olarak Bluetooth trafik algılayıcıları kullanılarak da yolculuk süreleri ölçülmüştür. Yörünge temelli yöntemler ile türetilen yolculuk süreleri, ince-boyut benzetim yazılımından elde edilen yolculuk süreleriyle karşılaştırılmıştır. Gerçek yolculuk süreleriyle ekstrapolasyon yöntemleriyle türetilen yolculuk sürelerinin istatistiksel analizleri yapılarak başarımları sınanmıştır. KKS donanımlı gözlem aracıyla ölçülen gerçek yolculuk süreleri; ince-boyut benzetim modelinden elde edilen ve Friesz ve diğerlerinin doğrusal yolculuk süresi modeli ile hesaplanan yolculuk süreleriyle karşılaştırılmıştır. Her iki model sonucunun, yolculuk süresi türetimindeki başarımları değerlendirilmiştir. Gerçek yolculuk süresi bilgisi, mikrodalga trafik algılayıcıları gibi yol kenarına yerleştirilen Bluetooth trafik algılayıcıları ile ölçülebilir. KKS ile taşıtlardan sağlanan verilerin bir merkez istasyona aktarılmasıyla, yolculuk süresi ve hız gibi bilgiler yüksek duyarlılıkla ve çevirim içi belirlenebilir. Daha basit bir yaklaşımla, yol boyunca belirli kesitlere yerleştirilen trafik algılayıcılarından elde edilen taşıt sayıları kullanılarak; yol kesiminin kapasite, tıkanıklık yoğunluğu ve şerit sayısı gibi özellikleri göz önüne alınarak, yolculuk süresi, matematik yöntemlerle de türetilebilir. Türetilen yolculuk süreleri, var olan trafik koşularının değişmeyeceği varsayımıyla bağ yolculuk süreleri hakkında bilgi sağlamaktadırlar. Gerçekte ise kullanıcı, güzergâhını tamamlayana kadar akım koşullarında değişiklik meydana gelebilir. Bu da, var olan akım koşulları için türetilen yolculuk süresi ile kısa bir süre sonra gerçekleştirilecek olan yolculuğun süresi arasında farka yol açabilmektedir. Bu nedenle kullanıcılar için yolculuk süresinin türetimi yerine, kısa bir süre sonraki zaman aralıklarına dair yolculuk süresi kestirimi daha fazla yarar sağlayabilir. Yolculuk süresi kestirim süreci, trafik algılayıcılarından elde edilen gerçek zamanlı ve geçmiş trafik akımına ait verilerle akıllı ulaştırma sistemlerinin bir bileşeni olarak uygulanabilir. Trafik akımına ait geçmiş veriler, Bluetooth trafik algılayıcılarıyla ve KKS donanımlı araçlarla ölçülen yolculuk süresi bilgileriyle birlikte kullanılarak, gerçek zamanlı elde edilen trafik algılayıcı verileriyle yolculuk süresi kestirimi yapılabilir. Tüm bu yöntemlerin bileşeni olduğu yolculuk süresi kestirimi süreciyle elde edilen değerler, kullanıcılara, güzergâh seçimlerinde kullanmaları için çevirim içi olarak sunulabilir. Böylece, özellikle yoğun kentsel alanlarda, kullanıcılar güzergah seçerken uzaklık bilgisinin yanında yolculuk süresi bilgisini de göz önünde bulundurabilirler. Trafik akımının dinamik özelliğini dikkate alarak ve var olan teknolojilerden en uygun biçimde faydalanarak kullanıcılara en doğru yolculuk süresi bilgisi sunabilmek, güzergâh seçimi ve kullanıcıların ulaştırma sisteminden elde edeceği faydayı enbüyüklemek bakımından önemlidir. Bu nedenle, özellikle kent içi karayolu ağlarında, talebin yoğun olduğu bölgelerde kullanıcılara sunulan yolculuk süresi bilgisinin önemi daha da artmaktadır.

The basic purpose of a transportation system is to maximize the utility of its users. Considering that the travel time measure should be kept in certain limits especially for the trips comprising a large amount of the peak hour traffic, such as home based school trips and home based work trips, this measure becomes intolerable for system users where the cities grow unplanned with a road-dependent transportation. ‘Travel time’ which is a basic concept in terms of transportation engineering is the most apparent and identifiable quantity that can be easily understood by a large mass of people such as users, administrators, and transportation engineers. The travel time is an important measure, both as a performance indicator and a route choice decision variable, and can be used for the purpose of providing online information in Intelligent Transportation Systems applications. The motivation of the present study is to justify the accurate use of the travel time estimation (or reconstruction) methods which consequently yields to increases on the accuracy of travel time prediction. In this study; estimation approaches on travel time and relevant reconstructions based on traffic detector data is focused. An approach related to travel time prediction process and its possible application fields in real life are suggested. By introducing the difference between travel time estimation and prediction, studies within estimation/modelling are examined. Reconstructed travel times and real values are compared with the selected different methods. After the chapter related to traffic flow dynamics are represented, direct reconstruction of travel times, in other words, reconstruction with measuring methods by means of advanced technology is explained. The field study on travel time measurement is carried out utilizing a Global Positioning System (GPS) equipped observation tool and a Bluetooth traffic detector. Travel time reconstruction methods including trajectory methods, methods based on traffic flow theory and other methods are reviewed referring to both fundamental and relevant specific studies. The trajectory methods selected for reconstruction performance analyses, i.e., the hypothetical constant and the variable speed based methods, are explained in details. In order to increase travel time reconstruction accuracy, approaches considering the dynamic features of traffic flow are also reviewed. The theoretical structure of the macroscopic and microscopic models used and assumptions for modelling are explained preceding the evaluation of results obtained. In reconstruction studies; microscopic modelling approach is employed using an existing commercial simulation software (PTV AG VISSIM) and macroscopic modelling approach is employed by coding its theoretical structure. As the macroscopic model, linear travel time function based model of Friesz et al has been utilized. Travel time distributions are sought considering evening and morning peak hours in order to figure out the daily variation of travel time for network-wide purposes. The calibration of microscopic simulation software is done by sourcing data collected by microwave traffic sensors at specified links on İstanbul Trans European Motorway (TEM). Traffic flow data obtained at microwave sensors are utilized locating sensors to actual locations in the microscopic simulation model. Following, traffic flow data is reproduced in specified time intervals. Travel time is reconstructed according to trajectory methods for links by using sensor data which are reproduced in microscopic simulation. In microscopic simulation model, the study links without merges and diverges are modelled in an area bounded by Ümraniye and Kavacık Junctions. On one hand, travel time measurements are carried out with a GPS equipped probe vehicle on the freeway route of our interest throughout one week s time both in June 2011 and in January 2012. On the other hand, travel times are alternatively measured by Bluetooth traffic detectors; those are processed simultaneously with probe vehicle measurements in January 2012. Travel times reconstructed by trajectory methods are compared with the travel times obtained by the microscopic simulation software. Statistical analyses are carried out to justify the performance of travel time reconstructions with respect to actual measurements. Travel times can be accurately measured by using Bluetooth traffic detectors that may be easily fixed to roadsides just as other types of traffic detectors/sensors. Travel times can be alternatively reconstructed by indirect methods such as mathematical models. Assuming that existing traffic flow condition is stationary, reconstructed travel times provide information on link travel times. In practice there may be variations on flow conditions while a user is traversing a route. This may yield to mismatching between the reconstructed travel time for actual situation and the travel time to be experienced in short-term. Therefore, information provision by short-term travel time predictions is more benefical for users than the information of reconstructed travel times. Travel time prediction can be performed as a part of intelligent transportation systems applications by using real-time and historical traffic detector data. Historical measurements on travel times obtained by Bluetooth detectors and GPS equipped probe vehicles can be used to reconstruct, in a meaning to calibrate, a model and feeding this model with real-time traffic data enables a prediction process. Measures resulting from travel time prediction process that incorporates all the methods of measurement and reconstruction may be disseminated to users online via intelligent systems so that interactive decision makings relying on current flow conditions can be made. Therefore, especially in dense urban areas, users can be able to consider travel time information in addition to the length of the trip. Accurate and reliable travel time information dissemination to users by using the existing technology appropriately and considering the dynamic features of traffic flow is substantial to maintain route choice decisions that consequently yield to maximization in users utilities on a transportation system. Therefore, the importance of travel time information dissemination to users increases especially in urban road networks and in areas where the demand is high.

Yüksek Lisans

M.Sc.


Original document

The different versions of the original document can be found in:

Back to Top

Document information

Published on 01/01/2012

Volume 2012, 2012
Licence: CC BY-NC-SA license

Document Score

0

Views 0
Recommendations 0

Share this document

claim authorship

Are you one of the authors of this document?