Resumen

El rápido aumento del uso de las bicicletas eléctricas en China ha dado lugar a nuevos problemas de tráfico, como el aumento de la tasa de accidentes en las intersecciones debido a la toma de decisiones de los conductores de bicicletas eléctricas durante las múltiples fases de señalización. Los modelos tradicionales de decisión en un solo paso (como el GHM) carecen de aleatoriedad y no pueden modelar adecuadamente el complejo comportamiento de los conductores de e-bikes. Por lo tanto, este estudio utilizó un modelo de conducción de Markov oculto (HMDM) para analizar el proceso de toma de decisiones de los conductores de e-bikes basado en datos de trayectoria de alta resolución. Se recogieron datos de vídeo en tres intersecciones de Shanghai y se procesaron para su uso en el modelo HMDM. Se definieron cinco tipos de decisiones (pasar, parar, parar-pasar, pasar-parar y múltiples) compuestas por información sobre velocidad y aceleración/desaceleración, y se utilizaron para analizar el impacto de las señales verdes intermitentes en el comportamiento y el proceso de toma de decisiones de los conductores de e-bikes. Aproximadamente el 40% de los conductores tomaron múltiples decisiones durante las fases de las señales verdes y amarillas intermitentes, en contraste con la suposición del modelo GHM tradicional de que los conductores sólo toman una decisión. La distancia desde la línea de detención tuvo la influencia más obvia en el número de decisiones. El uso de señales verdes intermitentes casi eliminó la zona de dilema para los conductores de e-bikes, pero amplió la zona de opción, induciendo más decisiones de parar/pasar. El HMDM puede aplicarse para mejorar la precisión de la simulación del tráfico, el diseño preciso de los semáforos, el análisis de estabilidad de los esquemas de control del tráfico, etc.

• Materias:Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:conductores de bicicletas, decisión, señales verdes, modelo de conducción de markov oculto, suposición de modelo ghm tradicional, múltiples fases de señales, nuevos problemas de tráfico, datos de trayectoria de resolución, modelos de decisión escalonada, esquemas de control de tráfico
• Keywords:bike drivers, decision, green signals, hidden markov driving model, traditional ghm model assumption, multiple signal phases, new traffic problems, resolution trajectory data, step decision models, traffic control schemes