صفحه محصول - دانلود نمونه پروپوزال عمران برنامه ریزی حمل و نقل

دانلود نمونه پروپوزال عمران برنامه ریزی حمل و نقل (docx) 14 صفحه

دسته بندی : تحقیق

نوع فایل : Word (.docx) ( قابل ویرایش و آماده پرینت )

تعداد صفحات: 14 صفحه

قسمتی از متن Word (.docx) :

فرم پيشنهاد تحقيق پايان‏نامه‌ی دوره کارشناسی ارشد عنوان: بررسی رفتار تصادفی ظرفیت عملی بزرگراه وتاثیر آن در کنترل رمپ دانشجو: شماره دانشجویی:نام دانشجو:نام خانوادگی دانشجو:جنسیت:زن مردگروه عمده تحصیلی:پزشکی علوم انسانی علوم پایه فنی و مهندسی کشاورزی و دامپروری هنررشته تحصیلی:رشته عمران – برنامه ریزی حمل و نقلزمان ورود به مقطع جاری: نیمسال اول نیسمال دوم سال تحصیلی 9- 139زمان اخذ واحد پایان نامه:نیمسال اول نیسمال دوم سال تحصیلی 9- 139شماره تماس مستقیم:مشخصات استاد راهنما:مشخصات استاد مشاور(انتخاب استاد مشاور در شرایط خاص با تأیید شورای پژوهشی) :نام:نام:نام خانوادگی:نام خانوادگی:شماره شناسنامه:شماره شناسنامه:سال صدور:سال صدور:استان محل تولد:استان محل تولد:شهرستان محل تولد:شهرستان محل تولد:کد ملی:کد ملی:مرتبه علمی:مرتبه علمی: مقدمه: رشد جمعیت و اشتغال، با اتکای بر خودرو و سیستم‌های بزرگراهی به عنوان ابزار اصلی تحرک شهری همراه شده است، این موضوع مسئولیت عظیمی در بخش زیرساخت های حمل و نقل وارد کرده است. با توجه به توسعه شهری، عدم دسترسی راه‌ها و محدودیت‌های زیست محیطی، اضافه کردن خطوط بیشتر و یا ساخت بزرگراه اضافی راه حل‌هایی بلند مدت نیستند. در عوض، استراتژی‌های مدیریت موثر در بزرگراه در حال توسعه برای به حداکثر رساندن استفاده از زیرساخت‌های موجود ترجیح داده می‌شود. رمپ می‌تواند به عنوان اتصال بین دو تسهیلات بزرگراه تعریف شود که شامل مقطعی از راه با طول کافی است تا ایمنی پیوستن وسایل نقلیه از رمپ ورودي به مسیر اصلی را تضمین نماید. با افزایش تقاضاي وسایل نقلیه در رمپ ورودي، موقعیت‌هاي نامعینی براي پیوستن به بزرگراه شلوغ بوجود می‌آید. براي کنترل تقاضاي اضافه شده به رمپ ورودي، چندین استراتژي کنترل رمپ با محدود کردن تعداد وسایل وارد شده به جریان اصلی توسعه یافته‌اند. کنترل رمپ، یکی از موثرترین استراتژی های مدیریت بزرگراه، به مدت طولانی بوده که قادر به تولید مزایای زیادی برای عموم خواهد بود. مواردی از قبیل افزایش میزان خروجی در گلوگاه‌ها، کاهش زمان سفر، بهبود قابلیت اطمینان زمان سفر و کاهش تعداد تصادفات و همچنین انتشار آلودگی وسایل نقلیه )2001 (Cambridge Systmatics,. در این روش کنتورهای رمپ به صورت علائم ترافیکی کنترل کننده که بر روی رمپ‌های ورودی آزادراه‌ها و بزرگراه‌ها نصب می‌شوند، میزان خودروهایی که به خط اصلی وارد می‌شوند را کنترل می‌نمایند. به طوری که میزان جریان پایین دست افزایش نیابد. بدین وسیله انتقال حداکثر جریان ترافیک با سرعت یکنواخت امکان پذیر است.کنترل رمپ‌ها در تخلیه ترافیک در یک نرخ اندازه‌گیری شده بر اساس شرایط لحظه‌ای ترافیک نقش دارند، در نتیجه به خاطر اجتناب از نقض توازن حساس تقاضا- ظرفیت در مسیر راه اصلی جریان ترافیک آرام ادامه می‌یابد. از سوی دیگر، کنترل رمپ‌ها ترافیک رمپ را با استفاده از شکستن دسته‌های ورودی وسایل نقلیه به منظور کاهش اغتشاش در نواحی همگرا تنظیم می‌کنند. در نتیجه تصادفات برخورد از پهلو و عقب که ناشی از محدودیت دسترسی رمپ هستند کاهش می‌یابند. با این حال، کنترل رمپ‌ها پتانسیل ایجاد صف‌های طولانی را دارند که ممکن است موجب انسداد جریان از رمپ بالادست و اغتشاش در عملکرد سطح خیابان شود. بیان مسئله یک استراتژی کنترل رمپ موثر و موفق به طور کلی روابط بین جریان خط اصلی و زمان انتظار وسیله نقلیه و صف در ورودی رمپ‌ها را بهبود بخشیده و متعادل می‌سازد. بنابراین، دو محدودیت در تعارض کنترل رمپ عبارتند از: ظرفیت بزرگراه و صف رمپ. یک نمونه استراتژی اجرا شده کنونی، کنترل ناحیه طبقه بندی شده یا (SZM) می‌باشد. در این استراتژی، محدودیت‌ ظرفیت بررسی شده است. در نظر گرفتن این محدودیت‌، از یک سو، تعادل بین ظرفیت تقاضا را در بزرگراه حفظ می‌کند؛ از سوی دیگر، تاخیر حداکثر رمپ تحت شرایط مرزی از پیش تعیین شده را در بیشترین حد ممکن نگه می‌دارد. با این حال، پیاده سازی و ارزیابی استراتژی‌های کنترل رمپ نشان می‌دهد که این محدودیت به دلایل زیر نمی‌تواند رضایت بخش عمل کند. اول اینکه، فرض بر اینست ظرفیت بزرگراه ثابت و مقداری از پیش تعیین شده است. ظرفیت ثابت برای برخی از برنامه‌های کاربردی مانند طراحی و برنامه‌ریزی بزرگراه کافی است، اما برای عملکرد لحظه‌ای بزرگراه مانند کنترل رمپ مناسب نیست. مقدار ظرفیت ثابت اغلب بزرگتر از مقدار ظرفیت موجود در شرایط حاکم است. این موضوع منجر به تراکم بالا در بزرگراه‌ها خواهد شد که به دلیل آزاد سازی بیش از حد وسایل نقلیه از رمپ ها به وجود خواهد آمد. از طرفی دیگر، مقدار ظرفیت ثابت کمتر از مقدار واقعی منجر به ایجاد صف‌های طولانی در رمپ خواهد شد. دوم اینکه، روش دقیق برای تخمین طول صف در رمپ وجود ندارد. معمولا یک معادله رگرسیون واحد که از پیش کالیبره شده به منظور برآورد طول صف در تمام رمپ ها استفاده می‌شود. این یک مورد برای استراتژی SZM فعلی است. ارزیابی دقیق (Liu و همکاران، 2007) نشان می‌دهد که گاهی اوقات مدل برآورد طول صف مقداری کم‌تر از مقدار واقعی را نشان می‌دهد که این موضوع منجر به افزایش زمان انتظار خواهد شد. در رمپ‌های دیگر نیز که طول صف بالاتر از واقعیت در نظر گرفته میشود، نتیجه آن آزاد سازی بیشتر وسایل نقلیه در راه اصلی و تسریع در شروع تراکم خواهد بود. در این پایان نامه، دو پتانسیل ارتقا دهنده برای مقابله با مشکلات مطرح شده پیشنهاد شده است. پیشنهادها بر اساس طراحی بهبود یافته برای روش برآورد ظرفیت بزرگراه است که ظرفیت را به صورت متغیر بر اساس شرایط حاکم بزرگراه محاسبه می‌کند، به ویژه هنگامی که یک مقطع متراکم می‌شود. در روش اول، یک روش ساده برای برآورد ظرفیت لحظه‌ای ارائه شده که به طور کلی برای کنترل لحظه‌ای و برنامه‌های مربوط به رسیدگی به کاستی‌های متداول به دلیل ثابت فرض شدن ظرفیت مناسب است. در روش دوم، بر اساس این یافته‌ها که ظرفیت لحظه‌ای برای یک طیف گسترده از سطح اشغال و تراکم از توزیع نرمال تبعیت می‌کند، یک استراتژی کنترل رمپ جدید با محدودیت احتمال پیشنهاد شده است، که در آن مقدار ظرفیت بسته به شرایط ترافیک لحظه‌ای به صورت پویا تغییر می‌کند و در نهایت احتمال قابل قبول از سطح ریسک تعیین شده ارائه شده است. یک راه حل برای این نوع از برنامه‌های محدودیت احتمال به طور کلی است و باید برای برنامه‌های کنترل مختلف نیز قابل اجرا باشد. این روش‌ها در استراتژی منطقه (ZONE) و SZM اجرا و از طریق شبیه‌سازی میکروسکوپیک ارزیابی شده است. اهداف پژوهش پژوهش شرح داده شده در این پایان نامه اهداف زیر را دنبال می‌کند: تعریف روشنی از ظرفیت عملی تحت شرایط جریان ترافیکی متغیر و توسعه روش‌های برآورد بهبود یافته ظرفیت بزرگراه که بر اساس ظرفیت متغیر محاسبه شده است و همچنین افت ناگهانی ظرفیت وقتی که تراکم شروع می‌شود. برای بررسی رفتار تصادفی ظرفیت عملی بزرگراه تنظیم استراتژی کنترل رمپ با شرایط محدودیت احتمال نمایش کاربرد روش‌های پیشنهادی از طریق پیاده‌سازی با یک استراتژی خاص، و ارزیابی اثربخشی با استفاده از شبیه سازی ترافیکی میکروسکوپیک. سابقه تحقیق و اهمیت پژوهش بررسی رفتار تصادفی ظرفیت عملی بزرگراه و تاثیرآن در کنترل رمپ موضوعی نسبتاً جدید است. استراتژي مورد استفاده در اینجا به صورت به هنگام و بر اساس داده هاي زمان واقعی ترافیک در بزرگراه به منظور تعیین سیاست کنترل تعیین می شود. - استفاده از روش کنترل رمپ به عنوان یکی از راهکارهای مدیریت ترافیک در بزرگراه ها یا آزادراه ها از سال 1960 در شهرهای دیترویت، شیکاگو و لس آنجلس شروع گردید. - مطالعات پیشین شامل مطالعات میدانی و مطالعات شبیه سازي می باشد. - ایده استفاده از الگوریتم ZONE و اعمال محدودیت ظرفیت در تحقیقات بسیاری مانند (Lau ، 1996) به کار برده شده است. - در HCM 2000 به رفتار تصادفی ظرفیت اشاره شده است. - Brilon W. در سال 2005 مفهومی تصادفی از ظرفیت ارائه داد. - Uchidaو Munehiroدر سال 2010 به بررسی تاثیر رفتار تصادفی ظرفیت بر روی زمان سفر در شبکه شهری پرداختند. بررسی رفتار تصادفی ظرفیت عملی بزرگراه و تاثیرآن در کنترل رمپ موضوعی نسبتاً جدید است و در نظر گرفتن اثر آن در کنترل رمپ باعث بهینه سازی جریان ترافیک در شرایط متراکم می‌شود. فرضیه‌های پژوهش ممکن است در بررسی هر پدیده، پارامترهای متعددی تاثیرگذار باشد ولی نکته قابل توجه در مورد این پارامترها این است که تعداد زیادی از این پارامترها روی نتیجه نهایی تاثیر چندانی نخواهد داشت. در نتیجه مناسب است در یک بررسی علمی برای کاهش حجم محاسبات و جلوگیری از رخداد خطاهای احتمالی، هم‌چنین به دلیل ساده‌سازی فرایند محاسبات و افزایش سرعت، پارامترهایی که اثر چندانی در نتیجه نهایی ندارند را با فرض ثابت بودن، از فرایند محاسبات حذف گردند.در این تحقیق سعی شد به جهت رفع مشکلات فرض‌های زیر در نظر گرفته شود: - مسیر فاقد قوس‌های افقی و شیب‌های طولی تاثیرگذار بر عملکرد ترافیک است. - مدل شبیه سازی به صورت میکروسکوپیک در نظر گرفته شده است. - اثرگذاری جریان پایین دست روی ظرفیت عملی بزرگراه روش انجام پژوهش - مطالعه و گردآوری اطلاعات از طریق مرور و بررسی مقالات معتبر موجود و استفاده از آیین نامه ها - شبکه مورد مطالعه شامل بزرگراه و رمپ ورودي برای بررسی رفتار تصادفی ظرفیت عملی بزرگراه انتخاب و سپس داده های واقعی حجم با استفاده از فیلم برداری و سپس مشاهده و شمارش جمع آوري شد. - برداشت حجم جریان و تخصیص آن به نرم افزار با استفاده از نرم افزار ترافیکی AIMSUN - تعریف گزینه ها و تعیین پارامترهاي الگوریتم هاي کنترل رمپ - تحلیل شبکه و برداشت خروجی نرم افزار شامل زمان تأخیر بزگراه و ... - ارائه نتایج شامل ترسیم نمودارهاي ارزیابی و مدل رگرسیون مربوط به آن - تعیین گزینه برتر شامل الگوریتم و پارامتر ورودي آن. برنامه زمانبندی شده انجام پایان نامه: ردیفمراحل انجام پژوهشمدت زمان لازم بر حسب ماهتاریخ شروع این مرحلهتاریخ اتمام این مرحله1 FORMTEXT       FORMTEXT       FORMTEXT       FORMTEXT      2 FORMTEXT       FORMTEXT       FORMTEXT       FORMTEXT      3 FORMTEXT       FORMTEXT       FORMTEXT       FORMTEXT      4 FORMTEXT       FORMTEXT       FORMTEXT       FORMTEXT      5 FORMTEXT       FORMTEXT       FORMTEXT       FORMTEXT      6 FORMTEXT       FORMTEXT       FORMTEXT       FORMTEXT       تاریخ احتمالی دفاع از پایان نامه: مراجع Ahmed, M.S. and Cook, A.R. (1979) “Analysis of freeway traffic time-series data by using Box–Jenkins techniques”, Transportation Research Board, 722. pp 1–9 Basile, F., Chiacchio, P. and Teta, D. (2012) “A hybrid model for real time simulation of urban traffic”, Control Engineering Practice 20. pp 123–137 Beegala, A., Hourdakis, J. and Michalopoulos, P.G. (2005). “A Micro-Simulation Based Methodology for Ramp Control Strategy Performance Optimization”. 84th Transportation Research Board Annual Meeting, Washington D.C Branston, D. (1976) “Models of single lane time headway distributions”. Transportation Science, Vol. 10, No. 2, May 1976 Brilon, W., Geistefeldt, J. and Regler, M.(2005) “Reliability of Freeway Traffic Flow: A stochastic Concept of Capacity”, Proceedings of the 16th International Symposium on Transportation and Traffic Theory, College Park, Maryland, July. pp 125 – 144 Buckley, D. (1968) “A semi-Poisson model of traffic flow”. Transportation Science, Vol. 2, 1968. pp 107–133 Cambridge Systematics (2001). “Twin Cities ramp Meter Evaluation”, Final Report, Minnesota Department of Transportation. Charnes, A. and Cooper, W.W. (1963). “Deterministic equivalents for optimizing and satisfying under chance constraints”. Operations Research 11. pp 18–39 Chu, L., Oh J.S. and Recher, W. (2005), “Adaptive Kalman Filter Based Freeway Travel time Estimation”, 84th Transportation Research Board Annual Meeting, Washington D.C Chung, Y. (2011). “Assessment of non-recurrent traffic congestion caused by freeway work zones and its statistical analysis with unobserved heterogeneity”. Transpor policy. 18. pp 587–594 Clark, S.D., Dougherty, M.S. and Kirby, H. R. (1993) “The use of neural networks and time series models for short-term traffic forecasting: a comparative study”, Proceedings of the PTRC 21st Summer Annual Meeting Cordeschi, N., Patriarca, T. and Baccarelli, E. (2012) “Stochastic traffic engineering for real-time applications over wireless networks”. Journal of Network and Computer Applications 35. pp 681–694 Crawley, M.J. (2007) “The R Book” John Wiley, Sons Ltd Davis, G.A., Niham, N.L., Hamed, M.M. and Jacobson, L.N. (1991) “Adaptive forecasting of freeway traffic congestion”. Transportation Research Record, 1287. pp 29– 33 Elefteriadou, L., Kondyli, A., Washburn, S., Brilon, W., Lohoff, L.J., Hall, F. and Persaude, B. (2011) “Proactive Ramp Management under the Threat of Freeway-Flow Breakdown”, Procedia Social and Behavioral Sciences. pp 4–14 Elefteriadou, L., Roess, R.P. and McShane, W.R. (1995)“The Probabilistic Nature of Breakdown at Freeway - Merge Junctions”, Transportation Research Record 1484, National Academy Press. pp 80-89 Evans, J., Elefteriadou, L. and Natarajan, G. (2001) “Determination of the Probability of Breakdown on a Freeway Based on Zonal Merging Probabilities”, Transportation Research Part B 35. pp 237-254 Feng, B., Hourdos, J. and Michalopoulos, P. (2006). “Improving Minnesota’s Stratified Ramp Control Strategy”. Transportation Research Record: Journal of the Transportation Research Board, 1959. pp 77-83 Gazis, D.C. and Liu, C. (2003), “Kalman Filtering Estimation of Traffic Counts for Two Network Links in Tandem”, Transportation Research Vol. 37B, No.8. pp 737-745 Hamed, M.M., Al-Masaeid, H.R. and Bani Said, Z.M. (1995) “Short-term prediction of traffic volume in urban arterials”, ASCE Journal of Transportation Engineering, 121(3). pp 249–254 Highway Capacity Manual 2000. TRB, National Research Council, Washington, D.C Hoogendoorn, S. and Botma, H. (1996) “On the estimation of parameters in headway distributions”. Proceedings of the 2nd TRAIL Ph.D. Congress, Delft, May 1996 Hourdakis, J. and Michalopoulos, P. (2002). “Evaluation of Ramp Control Effectiveness in Two Twin Cities Freeways”. Transportation Research Record. No. 1811, pp 21-29 Huizhao, T., Martijn, V.R., Niels, H. and Henk, H. (2010). “Empirical Investigation on Stochastic Dutch Freeway Capacity”, 13th International IEEE, Annual Conference on Intelligent Transportation Systems, Madeira Island, Portugal, September 19 22 Hyde, T. and Wright, C. (1986) “Extreme Value Methods for Estimating Road Traffic Capacity”, Transportation Research B, Vol. 20, No. 2, 1986. pp 125-138 ITS Deployment Tracking Website (2002), “Year 2002 Survey Results for Total Number of Ramp Meters”, U.S. Department of Transportation Kalman, R.E. (1960), “A New Approach to Linear Filtering and Prediction Problems”, Trans. ASME (Series D, J. Basic Eng.), 82. pp 34-45 Kuhne, R. and Ludtke, A. (2013) “Traffic breakdowns and freeway capacity as extreme value statistics”. Transportation Research Part C 27, pp 159–168 Lau, R. (1996). “Mn/DOT Ramp Metering Algorithm”. Internal Report, Minnesota Department of Transportation, Minneapolis, Minnesota Lau, R. (2001). “Stratified Ramp Metering Algorithm”. Internal Report. Minnesota Department of Transportation, Minneapolis, Minnesota, 2001 Lertworawanich, P. and Elefteriadou, L. (2003) “A methodology for estimating capacity at ramp weaves based on gap acceptance and linear optimization”, Transportation Research Part B 37. pp 459–483 Levinson, D., Zhang, L., Das S. and Skeikh, A. (2002) “Evaluating ramp metering: Evidence from the Twin Cities ramp metering shut-off’’, presented at the 81st TRB Annual Meeting, Washington D.C Liu, B. (2002) “Theory and Practice of Uncertain Programming”, Physica-Verlag, Heidelberg Liu, H., Wu, X., and Michalopoulos, P. (2012) “Improving Queue Size Estimation for Minnesota's Stratified Zone Metering Strategy”. Transportation Research Board. 10.3141/ 2012-05. pp 38 – 46 Martinez, P., Garcia, A. and Moreno, T. (2011) “Traffic Microsimulation Study to Evaluate Freeway Exit Ramps Capacity”, Procedia Social and Behavioral Sciences 16. pp 139–150 May, A. (1990) Traffic Flow Fundamentals. Wiley, New York Minderhoud, M., Botma, H. and Bovy, P. (1997) “Assessment of Roadway Capacity Estimation Methods”, Transportation Research Record 1572, National Academy Press, 1997. pp 59-67 Mn/DOT, http://www.dot.state.mn.us/tmc/index.html Muralidharan, A., Dervisoglu, G. and Horowitz, R. (2011). “Probabilistic Graphical Models of Fundamental Diagram Parameters for Simulations of Freeway Traffic”. Transportation Research Board. 2011. 10.3141/2249-10. pp 78 – 85 Oh, C., Oh, J. and Ritchie, S.G. (2001). “Real Time Estimation of Freeway Accident Likelihood”. 80th Transportation Research Board Annual Meeting, Washington D.C Okutani, I. and Stephanedes, Y.J. (1984) “Dynamic Prediction of Traffic Volume Through Kalman Filtering Theory” , Transpn Res.-B Vol. 18B, No.1. pp 1-11 Papporgiou, M., Habib, H.S. and Blosseville, J.M. (1991) “ALINEA: A local feedback control law for on ramp metering”. Transpn Res. Rec. 1320, pp 58-64 73 Polus, A., and Pollatschek, A.M., (2002) “Stochastic nature of freeway capacity and its estimation” Can. J. Civ. Eng. 29. pp 842-852 R software, http://cran.r-project.org/ Smith, B.L. and Demetsky, M.J., (1996) “Multiple-interval freeway traffic flow forecasting”, Transportation Research Record, 1554, pp 136–141 Srivastava, A. and Geroliminis, N. (2013) “Empirical observations of capacity drop in freeway merges with ramp control and integration in a first-order model”. Transportation Research Part C 30. pp 161–177 Stephanedes, V.J., Michalopoulos, P.G. and Plum, R.A., (1981) “Improved Estimation of Traffic Flow for Real-Time Control (Discussion and Closure)”. Transportation Research Record 795, TRB, National Research Council, Washington, D.C. pp 28-39 Van Arem, B. and Van der, V.M., (1993) “Application of an On-line Procedure for Estimating Capacity under Prevailing Roadway and Traffic Conditions”, IEEE – IEE Vehicle Navigation & Information Systems Conference, Ottawa – VNIS’93, pp 169-173 Weng, J. and Meng, Q., (2013) “Estimating capacity and traffic delay in work zones: An overview”. Transportation Research Part C 35. pp 34-45 Williams, B.M., Durvasula, P.K. and Brown, D.E., (1998) “Urban traffic flow prediction: application of seasonal autoregressive integrated moving average and exponential smoothing models”, Transportation Research Record, 164. pp 132–144 Xin, W., Hourdakis, J. and Michalopoulos, P., (2006). “Comprehensive Evaluation of a New Integrated Freeway Ramp Control Strategy”. Transportation Research Record: Journal of the Transportation Research Board, 1959, pp. 46-54 Xin, W., Michalopoulos, P., Hourdakis, J. and Lau D., (2004). “Minnesota's New ramp Control Strategy: Design overview and preliminary assessment”. Transportation Research Record. No. 1867, pp 69-79 Yang, X., Lin, Y., Lua, Y. and Zoub, N. (2013) “Optimal Variable Speed Limit Control for Real-time Freeway Congestions”, Procedia Social and Behavioral Sciences 96. pp 2362 – 2372 Yildirimoglu, M. and Geroliminis, N., (2013). “Experienced travel time prediction for congested freeways”. Transportation Research Part B 53. pp 45–63 Zhang, L. and Levinson, D. (2004) “Optimal Freeway Ramp Control without Origin Destination Information”, Transportation Research Part B 38, pp 869-887 Zheng, N., Hegyib, A., Hoogendoornb, S., Zuylenb, H. and Peters, D., (2011) “A Comparison of Freeway Work Zone Capacity Prediction Models”, Procedia Social and Behavioral Sciences 16. pp 419–429