La fiabilidad del tiempo de viaje (TTR) se utiliza ampliamente para evaluar el rendimiento de los sistemas de transporte. Las condiciones meteorológicas adversas son un factor importante que afecta al TTR, ya que pueden provocar atascos y colisiones. Teniendo en cuenta las características del tráfico en diferentes condiciones, es necesario explorar el impacto de las condiciones meteorológicas adversas en el TTR en diferentes condiciones. Este estudio realizó un análisis empírico del tiempo de viaje utilizando datos de tráfico y datos meteorológicos recogidos en el corredor Yanan de Shanghai. Se analizaron las distribuciones del tiempo de viaje en función del tipo de carretera, la meteorología y la hora del día. En el análisis del tiempo de viaje se consideraron cuatro escenarios típicos (es decir, horas punta y horas valle en autopista elevada, horas punta y horas valle en carretera arterial). Se calcularon cuatro medidas para evaluar el impacto de las condiciones meteorológicas adversas en el TTR. Los resultados indican que la distribución lognormal es la preferida para describir los datos de tiempo de viaje. En comparación con las horas valle, el impacto de las condiciones meteorológicas adversas es más significativo en las horas punta. La variabilidad del tiempo de viaje, el índice de tiempo intermedio, el índice de miseria y la frecuencia de los atascos aumentaron una media del 29%, 19%, 22% y 63%, respectivamente, en condiciones meteorológicas adversas. Las conclusiones de este estudio son útiles para que las agencias de gestión del transporte diseñen estrategias de control del tráfico cuando se produzcan condiciones meteorológicas adversas.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Indicadores de desempeño para empresas del sector logístico: Un enfoque desde el transporte de carga terrestre
Artículo:
Programación óptima de autobuses eléctricos bajo incertidumbre en el tiempo de viaje: Un modelo robusto y un método de solución
Ponencia:
Inteligencia artificial en la gestión de la cadena de suministro inversa : el estado del arte
Artículo:
Modelización de la propagación de la congestión en un horario multietapa dentro de una red aeroportuaria
Artículo:
Predicción de la distribución de la capacidad en las zonas de trabajo de las autopistas basada en modelos logísticos de velocidad-densidad