شمارش خودکار احجام گردشی تقاطع با استفاده از دستگاه‌های موجود کنترل چراغ

هدف از این مقاله شناسایی و بررسی امکان به دست آوردن احجام گردشی از دستگاه های کنترل چراغ موجود و بررسی صحت آنها است. اکثر تقاطع‌های چراغ‌دار با حسگرهای القایی حلقه ای عمل می کنند. مطالعه ماکروسکوپی بر روی دو تقاطع انجام شد. دقت حسگر بر حسب میانگین درصد مطلق خطا و ریشه میانگین مربعات خطا بررسی شد. نتایج نشان داد که شمارش ها قابل اعتماد نیستند و دارای خطای بسیار بالایی هستند. با این حال، با استفاده از برنامه‌نویسی ژنتیک و سیستم استنتاج عصبی فازی تطبیقی، شمارش حسگرها اصلاح شد و دوباره خطا محاسبه شد. روش پیشنهادی برای اصلاح شمارش حسگرها نشان می‌دهد شمارش های اصللاح شده برای  همه شرایط دقت کافی پیدا نمی کنند. بنابراین، یک روش جایگزین برای به دست آوردن تعداد احجام گردشی فقط از اطلاعات چراغ بدون استفاده از شمارش حسگرها پیشنهاد شده است. برای تولید داده‌های مورد نیاز، شبیه سازی در vissim با حجم های ورودی مختلف انجام شد. بازه زمانی سبز و حجم در هر فاز از خروجی vissim استخراج و بر اساس این متغیرها مدل ساخته شد. این روش شمارش دقیقی را برای برخی موارد ایجاد می‌کند. به هر حال حتی زمانی که می‌توان احجام حسگرها را اصلاح کرد، یا احجام گردشی را بر اساس اطلاعات چراغ ترافیک تخمین زد، نمی‌توان احجام گردشی را در خطوط مشترک تخمین زد. این مقاله همچنین سه روش را برای تخمین نسبت حرکات گردشی در خطوط مشترک پیشنهاد کرده است.

automated intersection volume counts using existing signal control devices

the purpose of this paper was to identify and investigate the possibility of obtaining turning volumes from existing signal control devices and investigate their accuracy. a large majority of signalized intersections operate under inductive loops. a macroscopic study was performed on two intersections. the detector accuracy was interpreted in terms of mean absolute percentage error (mape) and root mean squared error (rmse). results showed that counts were not reliable. however, by using genetic programming (gp) and adaptive neuro-fuzzy inference system (anfis), detector counts were modified and again mape was calculated. the proposed method for modifying detector counts did not guarantee reliable counts in all situations. therefore, an alternative method is proposed to obtain turning movement counts only from signal information without using detector counts. to produce the required data, a simulation was performed in vissim with different input volumes. green time interval and volume during each phase was extracted form vissim output and models were made based on these variables. this method generates accurate counts for some cases. even when detector counts could be modified, or turning movements could be estimated based on traffic signal information, turning movement counts could not be estimated in shared lanes. this paper also proposed three methods to estimate turning movement proportions in shared lanes.