Biblioteca122.294 documentos en línea

Artículo

Improving Traffic State Prediction Model for Variable Speed Limit Control by Introducing Stochastic Supply and DemandMejora del modelo de predicción del estado del tráfico para el control del límite de velocidad variable mediante la introducción de oferta y demanda estocásticas

Resumen

La limitación variable de la velocidad (VSL) se reconoce cada vez más como una forma eficaz de mejorar el rendimiento del tráfico y la seguridad vial. En concreto, los métodos basados en la predicción del estado del tráfico muestran un potencial prometedor para evitar futuras congestiones y colisiones. Sin embargo, las observaciones de campo indican que el modelo de predicción del estado del tráfico da lugar a un error no despreciable que repercute en la toma de decisiones del siguiente paso del VSL. Por ello, este artículo investiga cómo eliminar este error de predicción en un entorno VSL. En este estudio, el modelo de predicción del estado del tráfico es un modelo de flujo de tráfico de segundo orden denominado METANET, mientras que el control VSL se basa en el control predictivo de modelos (MPC), y la decisión VSL es una elección discreta optimizada. Una versión simplificada del modelo de transmisión celular estocástica en modo conmutación (SCTM) se integra con el modelo METANET para eliminar el error de predicción. El rendimiento del método propuesto se evalúa utilizando datos de campo de una prueba piloto de VSL en Edmonton, Canadá, y se compara con los resultados de predicción del modelo METANET de referencia durante la prueba piloto. Los resultados muestran que, durante el periodo de mayor congestión, el modelo SCTM-METANET propuesto mejora significativamente la precisión de predicción del modelo METANET normal.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

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.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento