Ανάπτυξη πλαισίου επικινδυνότητας στην κυκλοφοριακή ροή αυτοκινητοδρόμων

Abstract

Road transport is a major societal and economic activity. Despite its importance, road transport raises a number of challenges that have to be dealt with. Road safety is the most important of them. Fatal road accidents lead to the death of 1.35 million people annually, while they are the 8th cause of death worldwide and the 1st cause of death for the people who belong to the age group 5-29 year-old.Road safety and traffic flow theory constitute an important research and study field. In the framework of this thesis risk conditions in freeways are studied microscopically. Two traffic incidents are considered as risk conditions: shockwave and forced lane change. These two incidents are non-catastrophic incidents, which are used as crash surrogates. The research studies about these incidents have focused on the characteristics of the phenomena, their interpretation, their mechanisms and laws as well as their impact on traffic flow. There is though a lack of research on the causes generating these incidents and on their description. To better understand the risk conditions a large dataset of vehicle trajectories has been developed. The extracted trajectories correspond to vehicles involved in two traffic incidents, shockwave and forced lane change respectively. These incidents are spotted after watching several hours of traffic video recordings. Moreover, trajectories of vehicles not involved in incidents are developed. The trajectories dataset, which was developed manually, is different from the widely used dataset of NGSIM, as it focuses on incidents instead of continuous traffic and it offers the possibility to watch the video recordings of the traffic which correspond to the trajectories. After the calibration of the trajectories, the traffic variables which describe the traffic flow microscopically are selected. For the incidents the value of the variables are calculated for the start time of the incidents. For forced lane changes, start time is considered the moment when the vehicles starts maneuvering to change lane. For shockwaves, start time is considered the moment when the driver starts braking. For incident-free flow, the variables are calculated at random moments. For the most efficient study of the data, 4 populations are generated: population A, which includes all incidents -both shockwaves and forced lane changes- and incident-free flow, population B which includes shockwaves and incident-free flow, population C which includes forced lane changes and incident-free flow, and population D which includes only incidents, shockwaves and forced lane changes. The values of the variables, which have been developed based on the dataset, are clustered by employing two clustering algorithms based on cost function minimization: K-means algorithm and Fuzzy c-means algorithm. To implement the algorithms: a) the number of the clusters is determined; in all four populations it is well-known that there are two clusters, b) the couple of variables used is defined, c) the algorithms are implemented, and d) the algorithm results are evaluated by using two indexes: the detection rate and the false alarm rate. Clustering demonstrated the significance of space headway to make the distinction between risk conditions or absence of risk.Discrete choice models (Logit) are developed to study the risk conditions from the perspective of the driver, based on the driver’s choices. More specifically, in the case of existing or non-existing risk, two discrete choices are defined for the driver: 1. The driver does not change his/her driving behavior 2. The driver implements mitigation actionFor population Α, the driver’s discrete choices are modified as follows: 1) the driver does not change his/her driving behavior and 2) the driver changes his/her driving behavior. For population B, the driver’s discrete choices are modified as follows: 1) the driver does not change his/her driving behavior and 2) the driver decelerates. For population C, the two discrete choices are modified as follows: 1) the driver does not change his/her driving behavior and 2) the driver changes lane. For population D, which includes only incidents, the discrete choices are modified as follows: 1) the driver decelerates 2) the driver changes lane. A control system for risk management in freeways at microscopic level is developed. The system utilizes prior knowledge of risk conditions in freeways in order to limit risk. The suggested control system follows the movement in a lane of freeway in which all vehicles are equipped with sensors and are able to transmit information about their position y and their velocity v at any time, and are also able to receive the same information from their preceding vehicle. The state variables of the system are the change of the position (Δx) covered by each one of two consecutive vehicles N, N+1 at a time interval equal to the sampling time. The control scheme suggests that we ought to measure two consecutive vehicles space headway in real time, and classify it to a risk level. If a vehicle finds itself at risk conditions, then the control system gets activated and the following vehicle’s velocity gets reduced so that the space headway gets increased. Suggestions for future research refer to the need to extend the study of risk conditions to other traffic phenomena such as the pseudo lane-change, as well as to other emerging modes of transport such as micromobility.

Οι οδικές μεταφορές αποτελούν μία σημαντική κοινωνική και οικονομική δραστηριότητα που αναπτύσσεται ραγδαία. Παρά την σημασία τους, οι οδικές μεταφορές εγείρουν και ένα πλήθος προκλήσεων που πρέπει να αντιμετωπιστούν. Το ζήτημα της οδικής ασφάλειας είναι η πιο σημαντική από αυτές. Τα τροχαία δυστυχήματα οδηγούν σε 1.35 εκατομμύρια θανάτους ετησίως, ενώ αποτελούν την 8η κατά σειρά αιτία θανάτου διεθνώς και την 1η αιτία θανάτου για τους ανθρώπους που βρίσκονται στην ηλικιακή ομάδα 5-29 ετών. Η οδική ασφάλεια και ειδικότερα η θεωρία της κυκλοφοριακής ροής αποτελούν ένα σημαντικό αντικείμενο ερευνητικής μελέτης. Στα πλαίσια της παρούσας διατριβής μελετώνται μικροσκοπικά οι συνθήκες επικινδυνότητας σε αυτοκινητοδρόμους, θεωρώντας ως συνθήκες επικινδυνότητας τα ακόλουθα δύο κυκλοφοριακά συμβάντα: το κυκλοφοριακό πλήγμα και την εξαναγκασμένη αλλαγή λωρίδας. Τα δύο αυτά συμβάντα αποτελούν μη καταστροφικά συμβάντα και χρησιμοποιούνται ως υποκατάστατα συγκρούσεων. Από τις έως τώρα μελέτες σχετικά με αυτά τα συμβάντα φαίνεται ότι μέχρι στιγμής οι ερευνητές προσανατολίζονται στην ερμηνεία των φαινομένων, στα χαρακτηριστικά τους, στους μηχανισμούς και στους φυσικούς νόμους που τα διέπουν καθώς και στις επιπτώσεις τους στην κυκλοφοριακή ροή. Αντίθετα υπάρχει έλλειψη στην μελέτη των γενεσιουργών αιτιών των φαινομένων αυτών και στην περιγραφή αυτών των αιτιών. Για να κατανοηθούν οι συνθήκες επικινδυνότητας δημιουργήθηκε ένα σύνολο δεδομένων τροχιάς κίνησης οχημάτων που εμπλέκονται σε συμβάντα κυκλοφοριακού πλήγματος και εξαναγκασμένης αλλαγής λωρίδας. Τα συμβάντα εντοπίζονται μετά από παρακολούθηση πολλών ωρών βίντεο κυκλοφοριακής ροής. Επί πλέον δημιουργούνται τροχιές κίνησης οχημάτων σε ροή χωρίς συμβάντα. Το σύνολο δεδομένων τροχιάς εξάγεται χειρωνακτικά και διαφέρει από το ευρέως χρησιμοποιούμενο σύνολο δεδομένων τροχιάς NGSIM καθώς επικεντρώνεται σε συμβάντα αντί για συνεχόμενη κυκλοφορία και μας δίνει την ευκαιρία να έχουμε εποπτεία των καταγραφών βίντεο από τα οποία προέκυψαν οι τροχιές κίνησης των οχημάτων. Αφού ολοκληρωθεί η βαθμονόμηση των τροχιών, επιλέγονται κυκλοφοριακές μεταβλητές που περιγράφουν μικροσκοπικά την κίνηση. Για τα συμβάντα οι τιμές των μεταβλητών υπολογίζονται την στιγμή έναρξης των συμβάντων. Στιγμή έναρξης για την εξαναγκασμένη αλλαγή λωρίδας θεωρείται η στιγμή κατά την οποία ο οδηγός αρχίζει τον ελιγμό για να αλλάξει λωρίδα. Για το κυκλοφοριακό πλήγμα, στιγμή έναρξης θεωρείται η στιγμή κατά την οποία το όχημα ξεκινά να επιβραδύνει. Για την ροή χωρίς συμβάντα επιλέγονται τυχαίες στιγμές. Για την πιο αποτελεσματική μελέτη των δεδομένων ορίζονται 4 πληθυσμοί: ο πληθυσμός Α που περιλαμβάνει όλα τα δεδομένα που αντιστοιχούν σε ροή χωρίς συμβάντα και σε ροή με συμβάντα, ανεξάρτητα αν τα συμβάντα είναι εξαναγκασμένη αλλαγή λωρίδας ή κυκλοφοριακό πλήγμα, ο πληθυσμός Β που περιλαμβάνει όλα τα δεδομένα που αντιστοιχούν σε ροή χωρίς συμβάντα και σε ροή με συμβάντα, όταν τα συμβάντα αναφέρονται σε κυκλοφοριακό πλήγμα, ο πληθυσμός Γ που περιλαμβάνει όλα τα δεδομένα που αντιστοιχούν σε ροή χωρίς συμβάντα και σε ροή με συμβάντα, όταν τα συμβάντα αναφέρονται σε εξαναγκασμένη αλλαγή λωρίδας και ο πληθυσμός Δ που περιλαμβάνει όλα τα δεδομένα που αντιστοιχούν αποκλειστικά σε ροή με συμβάντα όταν τα συμβάντα αναφέρονται σε κυκλοφοριακό πλήγμα ή όταν τα συμβάντα αναφέρονται σε εξαναγκασμένη αλλαγή λωρίδας. Οι τιμές των μεταβλητών που έχουν προκύψει με βάση τα δεδομένα που έχουν αναπτυχθεί ομαδοποιούνται εφαρμόζοντας δύο αλγορίθμους βελτιστοποίησης συνάρτησης κόστους: τον Αλγόριθμο Κ-μέσων και τον Ασαφή Αλγόριθμο c-μέσων. Για την εφαρμογή των αλγορίθμων α) ορίζεται ο αριθμός των ομάδων που είναι εξ αρχής γνωστό ότι είναι δύο σε κάθε πληθυσμό, β) ορίζονται τα ζεύγη των μεταβλητών γ) εφαρμόζονται οι αλγόριθμοι και δ) ελέγχονται τα αποτελέσματα των αλγορίθμων χρησιμοποιώντας ως δείκτες τον ρυθμό ανίχνευσης και τον ρυθμό εσφαλμένου συναγερμού. Η ομαδοποίηση έδειξε την σημασία του μεγέθους του χωρικού διαχωρισμού για την διάκριση ανάμεσα σε συνθήκες επικινδυνότητας και έλλειψης επικινδυνότητας. Στην συνέχεια αναπτύσσονται μοντέλα διακριτών επιλογών logit με στόχο να μελετηθούν οι συνθήκες επικινδυνότητας μέσω της μελέτης των επιλογών των οδηγών. Πιο συγκεκριμένα, στην περίπτωση της ύπαρξης ή έλλειψης επικινδυνότητας ορίζουμε δύο διακριτές επιλογές για τον οδηγό: 1. Δεν μεταβάλλει την οδηγική του συμπεριφορά 2. Εφαρμόζει ενέργεια διαφυγής. Για τον πληθυσμό Α οι διακριτές επιλογές του οδηγού τροποποιούνται ως εξής: 1) δεν μεταβάλλει την οδηγική του συμπεριφορά και 2) μεταβάλλει την οδηγική του συμπεριφορά. Για τον πληθυσμό Β οι διακριτές επιλογές του οδηγού τροποποιούνται ως εξής: 1) δεν μεταβάλλει την οδηγική του συμπεριφορά και 2) επιβραδύνει. Για τον πληθυσμό Γ οι διακριτές επιλογές τροποποιούνται ως εξής: 1) δεν μεταβάλλει την οδηγική του συμπεριφορά και 2) αλλάζει λωρίδα. Τέλος για τον πληθυσμό Δ, στον οποίον υπάρχουν μόνον συμβάντα θεωρούνται οι εξής διακριτές επιλογές: 1) επιβραδύνει 2) αλλάζει λωρίδα. Αναπτύσσεται ένα σύστημα ελέγχου για την διαχείριση της επικινδυνότητας της κυκλοφορίας σε αυτοκινητοδρόμους σε μικροσκοπικό επίπεδο που, αξιοποιώντας πρότερη γνώση των συνθηκών επικινδυνότητας θα μπορεί να περιορίσει την επικινδυνότητα. Το σύστημα ελέγχου που προτείνεται παρακολουθεί την κίνηση σε μία λωρίδα κυκλοφορίας, στην οποία όλα τα οχήματα είναι εξοπλισμένα με τους κατάλληλους αισθητήρες ώστε να είναι εφικτό να μεταδίδουν πληροφορίες για την θέση y και την ταχύτητά τους v κάθε χρονική στιγμή t, αλλά και να λαμβάνουν τις αντίστοιχες πληροφορίες από το προπορευόμενο όχημα. Οι μεταβλητές κατάστασης του συστήματος είναι οι διαφορές θέσης (Δx) του καθενός από τα δύο διαδοχικά οχήματα Ν, Ν+1 σε χρονικό διάστημα ίσο με τον χρόνο δειγματοληψίας του συστήματος, ενώ προτείνεται ο έλεγχος να προκύπτει μέσω της μέτρησης του χωρικού διαχωρισμού δύο διαδοχικών οχημάτων σε πραγματικό χρόνο και της ταξινόμησής του στην αντίστοιχη ζώνη επικινδυνότητας. Στην περίπτωση που το όχημα βρίσκεται στην ζώνη επικινδυνότητας ενεργοποιείται το σύστημα και ελαττώνει την ταχύτητα του ακολουθούντος οχήματος ώστε να αυξηθεί ο χωρικός διαχωρισμός.Τέλος, γίνονται προτάσεις για μελλοντική έρευνα. Η μελλοντική έρευνα αναφέρεται στην ανάγκη επέκτασης της μελέτης των συνθηκών επικινδυνότητας και σε άλλα φαινόμενα όπως η ψευδοαλλαγή λωρίδας, αλλά και σε νέες μορφές κινητικότητας που αναπτύσσονται όπως η μικροκινητικότητα.