Esplora E-book
Categorie
Esplora Audiolibri
Categorie
Esplora Riviste
Categorie
Esplora Documenti
Categorie
1 Introduzione
modello di scelta
del percorso
prestazioni di
flussi di percorso
percorso
modello di modello di
propagazione dei prestazione di
flussi sulla rete percorso
*
Università degli Studi di Roma “La Sapienza”
Guido Gentile, Lorenzo Meschini, Natale Papola 2
deterministica (si veda ad esempio Arnott et al., 1990; Ghali e Smith, 1993), il
modello arco-nodo presentato in Bellei, Gentile, Papola (2002). Questi modelli
richiedono un modesto impegno di calcolo, ma forniscono risultati realistici solo
se applicati in contesti urbani.
Infine, il modello presentato da Wong e Wong (2002) è basato, come i modelli
Wave, su una soluzione della teoria SKW che consente di determinare
analiticamente la traiettoria delle onde d’urto; tuttavia a differenza di essi assume
un diagramma fondamentale parabolico e non triangolare, e richiede la
discretizzazione spaziale, poiché è valido solo per variazioni di densità lineari
rispetto allo spazio.
2 Il modello matematico
τ
Q ( x,τ ) = ∫ 0
q( x , σ ) ⋅ d σ flusso cumulato sulla sezione x all’istante τ
Sulla base della (2), l’equazione (4) permette di definire una relazione tra il flusso
e la densità, chiamata diagramma fondamentale:
q ( x, τ ) = q ( k ( x, τ ) ) (5.1)
In seguito, si assume la relazione (4) tale che l’equazione (5.1) sia concava. In
questo caso, la densità in corrispondenza della quale l’equazione (5.1) assume il
suo massimo valore qmax, qui chiamata capacità dell’arco, divide gli stati di
deflusso in ipocritici ed ipercritici. Come si vedrà, in questa sede è necessario
modellizzare esplicitamente solo gli stati ipocritici: Con riferimento ad essi, le (5)
sono biunivoche, ed è quindi possibile definire le seguenti relazioni inverse:
Guido Gentile, Lorenzo Meschini, Natale Papola 5
k ( x, τ ) = k ( q ( x, τ ) ) (6.1)
v ( x, τ ) = v ( q ( x , τ ) ) (6.2)
3 Il modello d’arco
Nel seguito, l’arco è diviso in tre parti: un vincolo di capacità iniziale (nel seguito
bottleneck iniziale), che può essere pensato come una arco di lunghezza
infinitesima δ situato fra la sezione iniziale 0 e la sezione X = 0+δ ; un bottleneck
finale situato fra la sezione Y = L-δ e la sezione finale dell’arco L; un arco di
corsa, situato fra le sezioni X e Y.
Il bottleneck iniziale, con una capacità costante CX = qmax, mantiene il flusso
entrante sull’arco di corsa al di sotto della capacità dell’arco e garantisce la
consistenza del modello di deflusso nel contesto del WDDTA, ove i flussi entranti
d’arco possono assumere qualsiasi valore non negativo. Al fine di ottenere modelli
di prestazione d’arco separabili dal punto di vista spaziale e di evitare la
modellizzazione del cosiddetto fenomeno di spillback si assume che, quando tale
bottleneck è attivo, sia presente una coda verticale.
Il bottleneck finale, con una capacità costante CL < qmax, modellizza l’unico stato
di deflusso ipercritico, che chiameremo coda, generato da una riduzione di
capacità costante nel tempo alla fine dell’arco. Esso è utilizzato nell’ambito del
WDDTA al fine di simulare l’effetto medio delle intersezioni stradali, poiché in
tale contesto il dettaglio del ritardo dovuto ad un vincolo di capacità variabile nel
tempo, come un semaforo, può essere ignorato nella maggior parte dei casi.
Quando il bottleneck finale è attivo, la coda si propaga all’indietro lungo l’arco di
corsa e diventa verticale non appena supera la lunghezza dell’arco.
L’arco di corsa modellizza la congestione dovuta all’interazione dei veicoli
mentre viaggiano lungo l’arco in condizioni ipocritiche; consiste in un canale
omogeneo i cui stati di deflusso sono determinati sulla base della teoria
semplificata delle onde cinematiche.
Si noti che, a causa del bottleneck iniziale e dell’ipotesi di omogeneità della
sezione, nessuno stato ipercritico può generarsi sull’arco di corsa. Inoltre, si
dimostrerà che quando è presente la coda al bottleneck finale, il tempo di
percorrenza dell’arco è completamente determinato dalla capacità CL e dal flusso
entrante, mentre il flusso uscente ed il tempo di percorrenza dell’arco di corsa
perdono significato fisico.
Sulla base di tali ipotesi e della relazione (1.2) risulta che per ciascun sotto
modello (x, y) il profilo temporale del flusso uscente è costante a tratti e può essere
espresso come:
t x i − t xi −1
q(y, τ) = qyi = qxi ⋅ i i −1
, τ∈(tyi-1, tyi], i = 1, … , I (9)
ty − ty
4 Il modello di bottleneck
{
Q( y,τ ) = min Q( x,τ ), Q( x, σ ) + (τ − σ ) ⋅ C y : σ < τ } (11)
La (11) garantisce che il flusso cumulato uscente non cresca più rapidamente
della capacità del bottleneck.
Sulla base di Figura 2, si evince che l’istante di uscita t(x, y, τ), definito
implicitamente dal sistema di equazioni (1.1) e (11), può essere reso esplicito
mediante la seguente funzione:
Guido Gentile, Lorenzo Meschini, Natale Papola 7
{
t ( x, y,τ ) = max τ , σ + ( Q( x,τ ) − Q( x, σ ) ) C y : σ < τ
veicoli } (12)
Q(x,σ) + (τ -σ)⋅Cy
σ τ t(x,y,τ) tempo
Figura 2 Determinazione del flusso cumulato uscente e dell’istante di uscita per un bottleneck di
lunghezza infinitesima
Sotto le ipotesi i) e ii) tuttavia, la (12) può essere sostituita dalla semplice
equazione ricorsiva:
{ }
t y i = max t xi , t y i −1 + (t x i − t x i −1 ) ⋅ qxi C y ; i = 1 , ... , I ; t y 0 = t x 0 (13)
q0i
t Li = t Li −1 + (τ i − τ i −1 ) ⋅ (14)
CL
W1,4
v0
v1 v4
v5
v 2 v3
W 0,1 W 1,2 W 2,3 W 3,4 W 4,5
qx 3 profilo dei tempo
qx4 qx5 flussi entranti
qx1
tx0 tx1 qx2 tx2 tx3 tx4 tx5
Sulla base della teoria SKW, i veicoli cambiano la loro velocità istantaneamente.
Se vale l’ipotesi i), dalla Figura 3 risulta evidente che le traiettorie dei veicoli sono
rettilinee a tratti e che il piano spazio-tempo risulta suddiviso in regioni di
deflusso caratterizzate da stati di deflusso omogenei e delimitate da onde d’urto
rettilinee. La pendenza (costante) W ij dell’onda d’urto che separa due stati di
deflusso Φ(q i) e Φ(q j) è:
q j − qi
W ij = j i (15)
k(q ) − k(q )
In teoria, dato il profilo temporale dei flussi entranti, tramite la (6.1) e la (15)
sarebbe possibile determinare la traiettoria di un veicolo entrato al generico istante
τ, e quindi il suo istante di uscita t(x, y, τ). Tuttavia, la Figura 3 mostra come tali
traiettorie possano essere estremamente complicate da determinare, infatti: a)
sull’arco di corsa in un dato istante vi possono essere numerose onde d’urto attive;
b) le onde d’urto possono essere generate su qualsiasi sezione dell’arco di corsa in
qualsiasi istante sia a causa delle discontinuità nel flusso, sia a causa
dell’intersezione di onde d’urto precedenti; c) il generico veicolo può attraversare
numerose onde d’urto durante il suo tragitto sull’arco di corsa, e tutti i punti di
intersezione devono essere esplicitamente calcolati per determinarne la traiettoria.
Guido Gentile, Lorenzo Meschini, Natale Papola 9
W0 W1 W2 W3 W4
qx3 profilo dei tempo
qx1 qx4 qx5 flussi entranti
t x0 tx1 qx2 tx2 tx3 tx4 tx5
vi = v (qx i ) (17)
t x + L v
i i
se t x i + L vi > t x i −1 + L W i −1
t yi = (18)
i i i i i −1
t x + ω + ( L − ω ⋅ v ) λ altrimenti
Guido Gentile, Lorenzo Meschini, Natale Papola 10
ω i = (t x i − t x i −1 ) ⋅ W i −1 (vi − W i −1 ) (19)
λ i = L (t y i − t xi ) (20)
q i +1 − q(λ i )
W i = x i +1 (21)
k(qx ) − k(λ i )
ove: le (16) assumono che all’istante tx0 l’arco di corsa sia scarico; la (17)
determina la velocità sulla sezione iniziale dell’arco di corsa in base alla (6.2); la
parte superiore della (18) determina l’istante di uscita del veicolo entrato
all’istante txi nel caso in cui esso non incontri la precedente onda d’urto fittizia
prima della fine dell’arco; in caso contrario, la (19) consente di determinare
l’istante txi + ω i in cui la traiettoria di tale veicolo incontra l’onda d’urto fittizia,
utilizzato nella parte inferiore della (18) (si veda anche la Figura 5); la (20)
determina la velocità media del medesimo veicolo; infine, la (21) determina la
pendenza della onda d’urto fittizia, valida per il successivo intervallo, sostituendo
nella (15) le (4), (5.2) e (6.1).
tyi-1 t yi
spazio
vm i-1
vm i-1 ωi
L
W i-1 vi
txi-1 t xi tempo
Figura 5 Calcolo del tempo di percorrenza dell’arco di corsa per stati ipocritici
6 Prove numeriche
Inflow
f entrante SC WL SKW AKW Inflow SC WL SKW AKW
foutflow
uscente f uscente
outflow
0.50 0.50
0.45 0.45
0.40 0.40
0.35 0.35
0.30 0.30
0.25 0.25
0.20 0.20
0.15 0.15
0.10 0.10
0.05 0.05
0.00 0.00
0 300 600 900 1200 1500 1800 0 300 600 900 1200 1500 1800
tempo
travel di percorrenza
time travel
tempo time
di percorrenza
600 600
550 550
500 500
450 450
400 400
350 350
0 180 360 540 720 900 1080 1260 1440 1620 1800 0 180 360 540 720 900 1080 1260 1440 1620 1800
time [sec] time [sec]
travel time
tempo
550 di
530
510
490
470
450
430
410
390
370
350
0 180 360 540 720 900 1080 1260 1440 1620 1800
time [sec]
Guido Gentile, Lorenzo Meschini, Natale Papola 12
1500
1000
500
0
0 200 400 600 800 1000 1200 1400 1600 1800
sec
Inflow I = Isc I = Isc / 3 I = Isc / 9
600 sec
Travel time
500
400
300
0 200 400 600 800 1000 1200 1400 1600 1800
sec
I = Isc I = Isc / 3 I = Isc / 9
Figura 7 Tempi di percorrenza e flussi uscenti calcolati dal modello AKW con differenti
discretizzazioni del tempo
La complessità è pari a O(ISC ⋅Z) per il modello SC, O(I) per il modello WL, e si
dimostra che la complessità del modello SKW è O(I 2); il modello AKW, la cui
complessità è O(I), risulta quindi il modello con la minor complessità fra quelli
che forniscono risultati realistici. Il confronto numerico volto a valutare
l’efficienza effettiva ha confermato tale risultato teorico: la Figura 8 mostra il
tempo impiegato dai quattro modelli per calcolare 100,000 volte la funzione di
prestazione d’arco per due differenti discretizzazioni del tempo: i modelli WL ed
AKW sono nettamente più efficienti rispetto al modello SC in entrambi i casi,
Guido Gentile, Lorenzo Meschini, Natale Papola 13
mentre l’efficienza del modello SKW decade rapidamente proprio a causa della
sua complessità, quadratica con il numero degli intervalli.
150
100
50 21 17 27
6 6
0
SC WL SKW AKW
800
600
400
200 τA tA τB tB
0
0 200 400 600 800 1000 1200 1400 1600 1800
sec
t (0,Xi ,-τt)i −
ritardo bottleneck iniziale = tBtail τ - t i ,τ )
ritardo arco = t i(0,L − τ
Figura 9 Risultati ottenuti con il modello AKW per un flusso tale da attivare i vincoli di capacità
7 Conclusioni
Bibliografia
Arnott R., De Palma A., Lindsey R. (1990). Departure time and route choice for
the morning commute. Transportation Research B, No. 24, pp. 209-228
Astarita V. (1996). A continuous time link model for dynamic network loading
based on travel time function. In Proceedings of the 13th International
Symposium on the Theory of Traffic Flow, Lyon, pp. 87-102
Guido Gentile, Lorenzo Meschini, Natale Papola 15
Bellei G., Gentile G., Papola N. (2002). A within-day dynamic traffic assignment
model for urban road networks. Accettato per la pubblicazione in
Transportation Research B
Cascetta E. (2001). Transportation systems engineering: theory and methods.
Kluwer Academic Publisher, Boston, MA, p. 374-379
Daganzo C.F. (1994) The cell transmission model: a dynamic representation of
highway traffic consistent with hydrodynamic theory. Transportation Research
B, No. 28, pp. 269-287
Daganzo C.F. (1995a). The cell transmission model, part II: Network traffic.
Transportation Research B, No. 29, pp. 79-93
Daganzo C.F. (1995b). Properties of link travel time functions under dynamic
loads. Transportation Research B, No. 29, pp. 95-98
Daganzo C.F. (1997). Fundamentals of Transportation and Traffic Operations,
Pergamon, pp. 97-112
Friesz T.L., Bernstein D., Smith T.E., Tobin R.L., Wie B.W. (1993). A variational
inequality formulation of the dynamic network user equilibrium problem.
Operations Research, No. 41, pp.179-191
Gentile G., Meschini L., Papola N. (2003). Macroscopic arc performance models
for within-day dynamic traffic assignment. Presentato al Transportation
Research Board 82nd Annual Meeting, Washington D.C.
Ghali M.O., Smith M.J. (1993). Traffic assignment, traffic control and road
pricing. In Transportation and Traffic Theory, ed. C.F. Daganzo, Elsevier
Science, Amsterdam, pp. 147-169
Heydecker B.G., Addison J.D. (1998). Analysis of traffic models for dynamic
equilibrium traffic assignment. In Transportation networks: recent
methodological advances (ed MGH Bell). Pergamon, Oxford, pp. 35-49
Messmer A., Papageorgiou M. (1990). METANET: a macroscopic simulation
program for motorway networks. Traffic Engineering & Control No. 31, pp.
466-470, 549
Newell G.F. (1989). Comments on traffic dynamics. Transportation Research B,
No. 23, pp. 386-389.
Newell G.F. (1993). A simplified theory of kinematic waves in highway traffic,
part I: general theory. Part II: queuing at freeway bottlenecks. Part III: multi-
destination flows. Transportation Research B, No. 27, pp. 281-313
Ran B., Rouphail N.M., Tarko A., Boyce D.E. (1997). Toward a class of link
travel time functions for dynamic assignment models on signalised networks.
Transportation Research B, No. 31, pp. 277-290
Tong C.O., Wong S.C. (2000). A predictive dynamic traffic assignment model in
congested capacity-constrained road networks. Transportation Research B, No.
34, pp. 625-644
Wong S.C., Wong G.C.K. (2002). An analytical shock-fitting algorithm for LWR
kinematic wave model embedded with linear speed–density relationship.
Transportation Research B, No. 36, pp. 683-706
Guido Gentile, Lorenzo Meschini, Natale Papola 16
Sommario
Abstract