Monte-Carlo simulatie van verkeersafwikkeling op kruispunten
Transcript of Monte-Carlo simulatie van verkeersafwikkeling op kruispunten
Katholieke Universiteit Leuven Faculteit Toegepaste Wetenschappen Departement Burgerlijke Bouwkunde
Monte-Carlo simulatie van verkeersafwikkeling op kruispunten
E2006 Promotor: L.Immers
Nathan Van Paesschen
2
Toelating tot bruikleen De auteur geeft de toelating deze eindverhandeling voor consultatie beschikbaar te stellen en delen ervan te kopiëren voor eigen gebruik. Elk ander gebruik valt onder de strikte beperkingen van het auteursrecht; in het bijzonder wordt er gewezen op de verplichting de bron uitdrukkelijk te vermelden bij het aanhalen van resultaten uit deze eindverhandeling
Leuven, juni 2006
3
K.U.Leuven
Fakulteit Toegepaste Wetenschappen
Akademiejaar: 2005-2006 Departement: Burgerlijke Bouwkunde Adres en tel.: Kasteelpark Arenberg 40 - 3001 Heverlee - 016/32 16 54 Naam en voornaam student: Van Paesschen Nathan Titel eindwerk: Monte-Carlo simulatie van verkeersafwikkeling op kruispunten Korte inhoud Eindwerk:
Bestaande analytische verkeersmodellen houden bij het berekenen van capaciteiten van kruispunten geen rekening met de interacties en conflicten tussen de verschillende verkeersstromen op het kruispuntvlak. In deze thesis wordt nagegaan wat de invloed van deze interacties is op de capaciteit van een kruispunt. Hiertoe wordt er een computermodel ontwikkeld dat er specifiek op gericht is om deze interacties en hun invloed op de verkeersafwikkeling te modelleren. Deze zaken werden in de bestaande literatuur nog maar weinig bestudeerd. Het onderzoek toont aan dat bij geringe drukte, het aantal interacties tussen de verschillende stromen klein is. Hun invloed op de verkeersafwikkeling blijft zeer beperkt. Het onderzoek toont verder aan dat bij toenemende drukte, het aantal interacties echter zo sterk kan toenemen dat er zich zelfs een capaciteitsval van het kruispunt kan voordoen. Bij grote belastingsgraden blijken de huidige verkeersmodellen, die geen rekening houden met deze interacties, de capaciteit van een kruispunt vaak substantieel te overschatten. Promotor: prof. L. Immers Assessoren: prof. E. Peetermans dr. C. Tampère
4
K.U.Leuven
Fakulteit Toegepaste Wetenschappen
year: 2005-2006 Department: Burgerlijke Bouwkunde Address and tel.: Kasteelpark Arenberg 40 - 3001 Heverlee - 016/32 16 54 Name and surname student: Van Paesschen Nathan Title of thesis: Analysing chaos on intersections using Monte-Carlo simulation techniques
Summary of thesis:
When calculating the capacity of junctions, current analytical traffic models don’t take the interactions and conflicts between the different traffic flows on these junctions into account. As its main objective, this thesis analysed the influence of these interactions and conflicts on the total capacity of a junction. With the help of a self-created computer model, particularly focussed on the specific needs to model the interactions between traffic flows, the influence of conflicts between these flows on the capacity of junctions was studied. In the existing literature, this topic has almost never been studied. At low degrees of saturation, this influence turns out to be little. With increasing traffic however, the number of conflicts increases as well. The results of the research show that conflicts between the different traffic flows do not only have a limitation effect on the capacity of intersections. In some circumstances, they could even be the source of a capacity drop on the junction. In these situations, existing traffic models often overestimate the capacity of junctions. Estimations that at times can be too big to just ignore… Promotor: prof. L. Immers Assessors: prof. E. Peetermans dr. C. Tampère
5
Dankwoord
Vooreerst wil ik mijn promotor, professor Immers bedanken. Hij gaf me, als een student van
de optierichting gebouwentechnieken, toch de mogelijkheid om mijn eindwerk bij de afdeling
verkeer en infrastructuur te schrijven. Hierdoor kreeg ik de mogelijkheid mijn thesis te
schrijven over een enorm boeiend onderwerp. Ook wil ik Eddy Peetermans bedanken voor het
feit dat hij wilde inspringen als tweede assessor van deze thesis. In het bijzonder wil ik ook
Chris Tampère heel erg bedanken. Als mijn “personal coach” wist hij me met zijn
enthousiamse, inzicht en gedrevenheid enorm te motiveren. Zonder zijn inbreng zou deze
thesis niet dezelfde zijn geweest.
6
7
0 Inleiding 10
1 Literatuurstudie 12
1.1 Inleiding 12
1.2 Traditionele verkeerstheorie 14 1.2.1 Capaciteiten en de kritische parameters 14 1.2.2 Vertraging 16
1.3 Nieuwe ontwikkelingen en methodes 18 1.3.1 methode van de conflictstromen 18
1.4 Verkeersstromen als wachtrijen 20
1.5 Besluit literatuurstudie 21
2 Modeldefinitie 23
2.1 Afwikkelingsbepalende elementen 23 2.1.1 Verkeerslichten 23 2.1.2 Voorrangsregels 24 2.1.3 Interacties tussen voertuigen onderling 24
2.1.3.1 Interacties binnen 1 stroom 25 2.1.3.2 Interacties tussen verschillende stromen 26 2.1.3.3 Interacties tussen verschillende kruispuntvlakken 27
2.2 Eigenschappen van voertuigen in de verkeersstromen 28 2.2.1 Toevoer en afvoer van wagens 28 2.2.2 Gap-acceptatie en follow-up time 29
2.3 Aspecten met kleinere prioriteit 30 2.3.1 Voetgangers 30 2.3.2 Vertraging door het wisselen van rijstrook 30 2.3.3 Knipperlichten 30 2.3.4 Headway compressie 31 2.3.5 Dynamische verkeerslichtenregeling 31
3 Conceptuele uitwerking van het model 32
3.1 Het Black Box Concept 32
3.2 Eigenschappen van de verschillende black boxes 34 3.2.1 Het algemene karakter van de black boxes 34 3.2.2 Het specifieke karakter van black boxes 35
3.2.2.1 Verkeerslichten 35 3.2.2.2 Capaciteit 36
3.3 Interacties tussen de verschillende wachtrijen 37 3.3.1 Toelevering 37
3.3.1.1 1-op-1-toelevering 37 3.3.1.2 1-op-m-toelevering 39
3.3.2 Hinder en vermindering 41 3.3.3 Voorrang en gap-acceptatie 42
3.4 Omzetten van werkelijkheid naar model 44 3.4.1 Definiëren van de wachtrijen 44
3.4.1.1 Level-1-rijen 45 3.4.1.2 Level-2-rijen 45
8
3.4.1.3 Level-3-rijen 46 3.4.1.4 Nummering 47
3.4.2 Aangeven van interacties 47
3.5 Tel- en tijdmatrices 48
3.6 Labelsysteem 50
3.7 Beperkingen in modellering 51
4 Verificatie 52
4.1 Wachtrijen als Markov-rijen 53 4.1.1 M/M/1 55
4.1.1.1 De kans op populatie k 55 4.1.1.2 Gemiddeld aantal wachtenden 58 4.1.1.3 De tijd gespendeerd in het systeem 59 4.1.1.4 Besluit M/M/1 59
4.1.2 Andere Markov-processen 60 4.1.3 Besluit simulatie van Markov-processen 60
4.2 Verkeerskundige processen 61 4.2.1 Interactie tussen twee stromen aan kruispunten zonder verkeerslichten 62
4.2.1.1 Capaciteit 62 4.2.2 Vertraging 65
4.2.2.1 Vertragingen berekend met tijdsonafhanlijke formules 65 4.2.2.2 Formules berekend met tijdsafhankelijke berekeningen 70
4.2.3 Vertragingen aan kruispunten met verkeerslichten 72
4.3 Besluit verificatie 77
5 Hoofdstuk Toepassing 78
5.1 Situatieschets 79 5.1.1 Verschillende verkeersstromen 80 5.1.2 Verkeerslichtenregeling 81 5.1.3 Invloed van de verschillende stromen op elkaar 82
5.2 Berekeningen en resultaten 83 5.2.1 Verwaarlozen van de interacties 84 5.2.2 Inrekenen van interacties tussen stromen 91
5.2.2.1 Eerste orde hinder 91 5.2.3 Eerste en tweede orde hinder 98 5.2.4 Vertragingen 103
5.3 Invloed van karakteristieke parameters op de capaciteit van het kruispunt 105 5.3.1 De invloed van de bedieningstijd 106 5.3.2 Invloed van de hinderlengte 107
5.4 Conclusie 108
6 Besluit 109
7 Literatuuropgave 111 Afkortingenlijst 115
Lijst met figuren 116
Lijst met tabellen 117
9
Bijlage A: Werking van de simulatie 119
Bijlage B: Andere Markov-rijen 139
Bijlage C: Eigenschappen van de wachtrijen in de toepassing 148
Bijlage D: Intensiteiten en standaarddeviaties bij de toepassing 151
10
0 Inleiding
De impact van het verkeer op onze maatschappij wordt steeds groter. Dagelijks halen
verkeersopstoppingen het nieuws, en overal hoor je mensen klagen over de tijd die ze
verliezen tijdens de dagelijkse rit naar en van het werk. Een vlottere verkeersdoorstroming
zou voor vele pendelaars de werkdag heel wat aangenamer maken. Ook de mensen die hun
rustige straatje elke dag weer omgetoverd zien tot een drukke sluipweg zijn deze
verkeersoverlast liever kwijt dan rijk. De vaak stroef verlopende verkeerstromen hebben niet
alleen sociale gevolgen, ook de economische gevolgen zijn enorm. Dagelijks worden er
miljoenen euro’s aan arbeidsuren verspild met wachten in de file. Enorme wachtrijen aan
kruispunten zijn een economische ramp voor een stad. De middenstand in ‘moeilijk’
bereikbare stadskernen, zoals Mortsel, ziet al jaren haar omzet achteruit gaan. Ook het milieu
kreunt onder de impact van al de motoren die in de file staan te draaien en ondertussen tonnen
CO2 en andere schadelijke gassen de lucht insturen. De vraag vanuit maatschappij naar
oplossingen klinkt steeds luider.
Wanneer de verkeersafwikkeling over een verkeersnetwerk gesimuleerd wordt, dan wordt er
voor de capaciteit van kruispunten vaak met arbitraire aannames gewerkt. De
detailleringsgraad van macroscopische modellen is vaak niet fijn genoeg om de
verkeersafwikkeling op kruispunten op een verfijnde manier weer te geven. Bovendien blijkt
uit studie van de bestaande literatuur dat er over de impact van de interacties tussen
verschillende stromen op een kruispuntvlak, op de capaciteit van dit kruispunt, bijna geen
publicaties bestaan. Bestaande verkeersmodellen stellen de capaciteit van een kruispunt op op
basis van de intensiteit van de verschillende wegen die aan het kruispunt toekomen. Bij
stijgende verkeersvraag stijgt de intensiteit over het kruispunt, om uiteindelijk begrensd te
worden door de maximale capaciteit van het kruispunt. Wat er op het kruispuntvlak zelf
gebeurt, laten deze modellen buiten beschouwing. Zeker bij hogere saturatiegraden schieten
deze modellen tekort in hun benadering van de werkelijkheid. Deze thesis heeft als doel na te
gaan of interacties en conflicten tussen stromen op een kruispuntvlak weldegelijk een invloed
hebben op de capaciteit van een kruispunt. Ze wil geen afgewerkt geheel zijn, maar eerder een
aanleiding tot verder onderzoek onder de vorm van (post)doctoraatstudie.
11
In deze thesis is een computermodel opgesteld dat er precies op gericht is om de interacties
tussen de verschillende stromen op het kruispuntvlak te modelleren. Na de bespreking van de
literatuurstudie wordt uiteengezet wat de precieze vereisten voor het simulatiemodel zijn.
Deze vereisten zijn er vooral op gericht om met het simulatiemodel een toegevoegde waarde
te kunnen bieden ten opzichte van de bestaande onderzoeken en verkeersmodellen. De
simulatie is op een zodanige wijze geconcipieerd dat ze later nog kan dienen voor verder en
dieper onderzoek in navolging van deze thesis. Vanuit dit oogpunt is er dan ook uitgebreide
zorg besteed aan de verificatie van de resultaten van het computermodel. Uit deze verificatie
blijkt dat de simulaties de bekende formules en modellen, gelet op de aannames en
vereenvoudigingen die deze maken, zeer goed benaderen.
Het laatste hoofdstuk gaat aan de bestaande theorie voorbij. Er wordt met behulp van het
simulatiemodel een verkeerssituatie uitgewerkt. Door deze simulatie uit te voeren met en
zonder inrekenen van de interacties tussen stromen op het kruispuntvlak wordt nagegaan
welke fout de bestaande verkeersmodellen maken door deze interacties te verwaarlozen. Deze
fout blijkt in bepaalde omstandigheden zeer aanzienlijk te zijn. Bij stijgende verkeersbelasting
ontstaan er tussen de verschillende stromen op het kruispunt meer en meer conflictsituaties.
Er wordt aangetoond dat bij stijgende verkeersvraag de intensiteit van het kruispunt niet altijd
naar een bovengrens convergeert. Integendeel! Net door dit toenemende aantal conflicten
tussen de verschillende verkeersstromen kan vanaf een bepaald punt de capaciteit van het
kruispunt afnemen bij stijgende verkeersvraag. Er doet zich een capaciteitsval voor.
Uiteindelijk wordt er nog kort even ingegaan op enkele parameters die de aard van deze
capaciteitsval beïnvloeden. Welke al deze parameters zijn, en waar hun precieze invloed op de
capaciteit van het kruispunt zich precies situeert, paste niet meer in het bestek van deze thesis.
De thesis probeert een lans te breken voor dieper en uitgebreider onderzoek naar de
verkeersprocessen op het kruispuntvlak, en hun invloed op de capaciteit van het kruispunt en
het volledige netwerk. Enkel indien een goed inzicht verworven wordt in deze processen
zullen goede en betrouwbare voorspellingen kunnen gedaan worden in verband met de
prestaties van kruispunten, en van het hele netwerk…
12
1 Literatuurstudie
1.1 Inleiding In deze thesis wordt bestudeerd welke de invloed is van de interacties tussen verkeersstromen
op de verkeersafwikkeling op en rond het kruispuntvlak . Bij verschillende belastingsgraden
zullen vertragingen, gemiddelde wachtrijlengtes en de capaciteit van kruispunten als
belangrijkste parameters voor deze verkeersafwikkeling met elkaar vergeleken worden.
Hiertoe wordt een simulatiemodel geprogrammeerd. Om een inzicht te krijgen in de
verkeersprocessen die geprogrammeerd dienen te worden wordt eerst een studie van de
literatuur in verband met deze processen en interacties gemaakt. Bovendien worden, na het
programmeren, de resultaten uit het simulatiemodel gestaafd worden met de analytische en
deterministische formuleringen die worden teruggevonden in de literatuur.
Voor wetenschappelijke publicaties daterend van voor 1999 hebben we ons gebaseerd op een
samenvatting van de meest relevante werken, gepubliceerd door de Transportation Research
Board (TRB). Naast dit rapport werden ook de nieuwe onderzoeksprojecten en papers
gepubliceerd tot en met 2005, die betrekking hebben op deze thesis, bestudeerd. Hiertoe
hebben we ons laten leiden door de proceedings van het jaarlijkse congres van de TRB.
In 1999 werd er door de TRB een rapport gepubliceerd [TRB]. Het is een door de TRB
verbeterde versie van een monografie, product van een samenwerking tussen The Federal
Highway Administration (FHWA) en het Oak Ridge National Laboratory, waarin alle
belangrijke ontwikkelingen in de verkeerstheorie worden samengevat. In het rapport wordt
dus zowel naar de grondleggers en de basisbeginselen van de verkeersstudie als naar meer
gespecialiseerde werken verwezen.
13
Bij het bestuderen van de processen die zich voordoen bij de verkeersafwikkeling op
kruispunten wordt er in de verkeerstheorie in de eerste plaats een onderscheid gemaakt tussen
kruispunten met of zonder verkeerslichten.
Er zijn verschillende goede redenen om deze scheiding te maken. Zo bijvoorbeeld hebben de
stromen uit de verschillende richtingen op kruispunten met lichten beurtelings voorrang,
waardoor er eerder naar dichotome1 distributies moet gegrepen worden. Ook is de correlatie
tussen de verschillende stromen op dit soort kruispunten minder groot.
[Buckley (1968),Cowan (1975),Dawson (1969), Schuhl(1955)]
Op kruispunten zonder verkeerslichten is er meestal 1 stroom die een continue voorrang
geniet2 ,waardoor vertrekprocessen andere distributies kennen. Het is duidelijk dat naast deze
belangrijke verschillen er ook zeer grote overeenkomsten bestaan tussen intersecties met of
zonder verkeerslichtenregeling.
Binnen deze twee verschillende categorieën zijn formuleringen opgesteld voor de berekening
van zowel de capaciteiten van, als de vertragingen op het kruispunt. Het berekenen van
capaciteiten van een kruispunt met of zonder verkeerslichten gebeurt op verschillende
manieren. Ook voor het berekenen van vertragingen worden verschillende methodes en
formuleringen gebruikt voor deze twee soorten kruispunten.
Naast deze opsplitsing kan de verkeerstheorie ook opgesplitst worden in een traditionele en
een meer progressieve verkeerstheorie. Alle methodes die via rigoureuze wiskundige
benaderingen tot formules proberen te komen worden als traditioneel geclassificeerd. Omdat
het met analytische formules snel moeilijk wordt om nog tot een goede beschrijving te komen
van complexere situaties zijn er de laatste jaren methodes ontstaan die niet meer vanuit pure
wiskundige formuleringen vertrekken. Een belangrijke methode is de methode van de
conflictstromen die ontwikkeld is door Werner Brilon en Ning Wu.
In de rest van dit hoofdstuk worden de resultaten van beide werkwijzen meer in detail
besproken.
1 Een dichotome verdeling is een combinatie van verschillende verdelingen. Ze veronderstelt dat een bepaald deel van de wagens in de stroom vrij en ongehinderd kan rijden in de stroom, en dat het andere deel van de voertuigen in groep rijdt. Een gekende dichotome verdeling is de M3 verdeling Cowan [Cowan, 1975] 2 Voorrangsbaan of voorrang van rechts
14
1.2 Traditionele verkeerstheorie
1.2.1 Capaciteiten en de kritische parameters
Onder capaciteit wordt de redelijk te verwachten maximum en onderhoudbare hoeveelheid
verkeersstroom onder bepaalde en gegeven voorwaarden verstaan. Capaciteit beschrijft dus de
gemiddelde (verwachte) maximale stroom die over een lange periode kan voldaan blijven.
Dit is de definitie gegeven door de Highway Capacity Manual.[HCM 2000].
Bij de berekening van de capaciteiten maakt men gebruik van de ‘gap acceptance theory’. De
gap acceptance theory bestudeert de fenomenen die verband houden met de distributie van
wagens in een verkeersstroom. Twee van deze fenomenen met een bijzonder belang voor de
studie van verkeersprocessen op kruispunten zijn de ‘critical gap’ en ‘follow-up time’3.
Men noemt ze de kritische gap parameters.
De kritische gap (gap= tussenruimte) is de minimale afstand die een bestuurder wil hebben
tussen twee opeenvolgende wagens in een stroom die hij wil kruisen vooraleer hij deze
stroom daadwerkelijk zal kruisen. De follow-up tijd is de tijd tussen twee opeenvolgende
wagens die een verkeersstroom kruisen, wanneer ze gebruik maken van dezelfde gap.
In de gap acceptance theory kunnen twee verschillende benaderingsmethodes onderscheiden
worden. De empirische regressiemethode, waarbij men continue wachtrijen veronderstelt en
de ‘Gap Acceptance Procedures’ (GAP-methodes), waarbij men gebruik maakt van meer
probabilistische methodes.
[veronderstelling continue wachtrijen: Harders (1976), Siegloch (1973), Tanner (1962),
Troutbeck (1986); meer probalistische methodes: Hewitt (1983), Miller (1972), Ramsey en
Routledge (1973), Troutbeck (1975)]
3 Verder in de tekst zullen de respectievelijke termen kritische gap en follow-up tijd gebruikt worden. In formules worden de kritische gap en de follow-up tijd afgekort met de respectievelijke symbolen Tc en Tf
15
Het schatten van de kritische parameters is zeer ingewikkeld omdat men deze schattingen niet
empirisch kan toetsen. Het is immers onbegonnen werk om verschillende wagens gedurende
een periode te volgen om zo ieders kritische parameters op te meten. Bovendien hangen ze
ook af van de typologie van het kruispunt zelf. Het schatten van deze parameters hangt zeer
nauw samen met de studie naar de verdeling van de tussenafstanden tussen de verschillende
wagens4.
Een eenvoudige veronderstelling stelt dat deze afstanden onafhankelijk van elkaar zijn. Een
exponentiële verdeling is dan aangewezen. De afstand tussen verschillende auto’s is echter
groter dan een minimale waarde, waardoor een verschoven exponentiële verdeling zich
opdringt. Om effecten zoals platooning5 of groepsvorming correct in te rekenen worden vaak
dichotome verdelingen gebruikt zoals het M3 model van Cowan of een hyper-Erlang
verdeling.
[Brilon (1996), Catchpole en Planck (1986), Cowan (1975),Hewitt (1985),
Tian(1999),Troutbeck(1988), Wegmann (In Brilon: 1991)]
4 In de Engelstalige literatuur noemt men deze tussenafstanden ‘headways’. 5 Platooning: Men spreekt over platooning wanneer auto’s in een groep of peloton achter elkaar aanrijden. Dit fenomeen komt bvb. voor wanneer een eerste wagen trager rijdt als de volgende wagen, maar wanneer er niet voorbij gestoken kan worden. Ook nadat de verkeerslichten op groen zijn gesprongen en alle wagens in groep wegrijden kan men over platooning spreken.
16
1.2.2 Vertraging
Vertraging of delay op kruispunten is één van de meest belangrijke parameters bij het
evalueren van de prestaties van kruispunten. Een goed inzicht in de parameters die een
invloed uitoefenen op de vertraging op kruispunten is bepalend voor een goede inrichting van
het kruispunt. Wat men verstaat onder een goede inrichting en bijhorende
verkeersafwikkeling is voor discussie vatbaar. Sommigen stellen dat de gemiddelde
vertraging zo klein mogelijk moet zijn, terwijl anderen dan weer menen dat er ook een
maximum wachttijd voor iedere gebruiker van het kruispunt in acht moet genomen worden
om nog van een goede afwikkeling te kunnen spreken.
De kwaliteit van de verkeersafwikkeling op een kruispunt kan gekarakteriseerd worden door
de zogenaamde ‘measures of effectiveness’ (MOE’s, de maatstaven voor de effectiviteit van
de verkeersafwikkeling ).
De gemiddelde vertraging, de gemiddelde wachtrijlengte, de verdeling van de vertragingen,
de verdeling van de wachtrijlengtes, het aantal voertuigen dat tot een stop is moeten komen en
de waarschijnlijkheid op een lege wachtrij zijn de voornaamste MOE’s.
Een ander belangrijk verschil tussen de analytische beschrijvingsmethodes ligt in het feit of
het beschreven proces als stationair dan wel als dynamisch6 beschouwd wordt. Vele
macroscopische formuleringen zijn maar bruikbaar binnen een beperkt domein wanneer men
rekening houdt met de vereenvoudigde veronderstellingen van tijdsonafhankelijkheid.
Zo vereist tijdsonafhankelijkheid op kruispunten met verkeerslichten dat de wachtrij na elke
lichtcyclus weer leeg is. Analytische formuleringen die tijdsonafhankelijkheid veronderstellen
zijn daarom maar praktisch bruikbaar in stationaire condities met constante verkeersvolumes
en bij saturatiegraden tot 1.
6 Hoewel transient misschien een betere uitdrukking zou zijn wordt er in het verkeerskundig vakjargon steeds de term dynamisch gebruikt.
17
Tijdsafhankelijke benaderingen worden echter vlug analytisch zeer moeilijk oplosbaar.
Kimber en Hollis publiceerden in 1979 een werk dat aan basis ligt van de dynamische analyse
van kruispunten met behulp van wachtrijtheorie. Door gebruik te maken van de coördinaten
transformatiemethode stellen ze tijdsafhankelijke formuleringen op voor de vertragingen en
wachtrijlengtes aan kruispunten.
[vertragingen, geen verkeerslichten, tijdsonafhankelijk: Adams (1936), Cowan (1987),
Daganzo (1977), Harders (1968), Kremser (1964), Tanner (1962), Troutbeck (1990);
wel signalisatie:Miller (1963), Newell (1965), Webster(1958)]
[vertraging, geen verkeerslichten, tijdsafhankelijk: Newell (1982),Akçelik (1991)]
[vertraging, wel verkeerslichten,tijdsafhankelijk: Akçelik en Rouphail (1994), Kimber en
Hollis (1979), Olszewski (1990)]
Er werd een kort overzicht geschetst van de traditionele aanpak van de problemen die zich
stellen. Voor een grondiger overzicht verwijzen we naar hoofdstuk 8 [unsignalized
intersection theory, Troutbeck & Brilon] en hoofdstuk 9 [traffic flow at signalized
intersections, Rouphail,Tarko & Li] van het hierboven reeds vermelde rapport van de TRB uit
1999 [TRB].
We kunnen besluiten dat traditionele verkeersmodellen geen rekening houden met bepaalde
interacties tussen verkeersstromen. Bij hoge saturatiegraden nemen de interacties tussen
stromen op het kruispuntvlak sterk toe, waardoor vertragingen hoog kunnen oplopen. Hier
schieten de huidige modellen tekort. Ook wordt de invloed van kruispunten verder in de
verkeersstroom niet beschouwd. De traditionele verkeerstheorie laat dus nog heel wat ruimte
voor verder onderzoek naar vertragingen als gevolg van de interacties tussen stromen rond
maar vooral ook op kruispunten.
18
1.3 Nieuwe ontwikkelingen en methodes
Al snel duiken er problemen op wanneer men een verkeerssituatie met minder eenvoudige, of
tijdsafhankelijke parameters wenst te beschrijven met de GAP-methodes. Een analytische
formulering voor complexe kruispuntvlakken opstellen is een onbegonnen werk en het
berekenen van praktisch bruikbare resultaten is derhalve onmogelijk.
1.3.1 methode van de conflictstromen
Een methode die deze problemen op een relatief eenvoudige wijze aanpakt, is de methode van
de conflictstromen. Aan de basis van deze methode ligt het concept van de additieve
conflictstromen (ACF). Dit concept werd voor het eerst beschreven door Gleue (1972), om
kruispunten met verkeerslichten te analyseren.
Het concept van de conflictstromen werd in 2000 bijgeschaafd door Wu, en toegepast op ‘all-
way-stop-controlled’ (AWSC)7 intersecties. In 2001 werd hetzelfde concept toegepast op
‘two-way-stop-controlled’ intersecties door Brilon en Wu. De paper “Capacity and Delays at
Intersections Without Traffic Signals” door Werner Brilon en Thorsten Miltner, voorgesteld
in de TRB 2005 bouwt het concept van de conflictstromen verder uit, en toont er de sterktes
van deze werkwijze in aan.
De methode van de conflictstromen definieert op het kruispunt een aantal conflictpunten en
conflictzones. Dit zijn zones waar twee of meerdere stromen elkaar kruisen en elkaar kunnen
hinderen. Op basis van de voorrangsregels tussen de verschillende stromen wordt een
voorrangsnetwerk tussen de verschillende stromen opgesteld. Hiertoe krijgen de stromen een
rang toebedeeld die hun onderlinge voorrangsverplichtingen aangeeft (hogere rang heeft
voorrang). Het geheel van deze relaties wordt samengevat in een conflictmatrix. Deze is
makkelijk uitbreidbaar zodat op een relatief eenvoudige wijze ook moeilijke verkeerssituaties
geanalyseerd kunnen worden. Na het opstellen van deze conflictmatrix moeten ook de kansen
dat de voertuigen met verschillende rang zich op het conflictpunt bevinden worden geschat.
7 Kruispunten waar voor alle wegen die aankomen aan dit kruispunt verkeerlichten voorzien zijn.
19
Door deze verschillende kansen te vermenigvuldigen met de maximale capaciteit die de
voertuigen van een bepaalde rang kennen wanneer ze niet gehinderd worden, kunnen
uiteindelijk uit de conflictmatrix de capaciteiten van de verschillende stromen berekend
worden.
De werkwijze is relatief eenvoudig, maar levert toch zeer goede resultaten op. Deze methode
verschilt van de meer conventionele werkwijzes, in het feit dat ze vertrekt vanuit strikt
wiskundige formules en benaderingen.
In de verdere uitwerking van het simulatiemodel wordt ook gebruik gemaakt van een
conflictmatrix. De simulatie verschilt van de conflictmethode in deze dat de
waarschijnlijkheden op een aanwezigheid van de voertuigen niet expliciet geschat worden. Ze
volgen impliciet uit de simulatie.
Met de conflictmethode is het makkelijker om rekening te houden met het aantal rijstroken, de
distributies van de verkeersstromen, de voetgangers die eigenlijk integraal deel uitmaken van
de verkeersafwikkeling, en met de rijstroken waar het licht oranje staat te knipperen.
Ook het inrekenen van gelimiteerde8 en omgekeerde9 voorrang stelt geen grote problemen
voor de conflictmethode.
De conflicttechniek schuift een alternatief naar voor om de capaciteit van de verschillende
bewegingen op het kruispunt te berekenen. Het afleiden en berekenen van andere
prestatieparameters zoals de vertragingen, de wachtrijlengtes en lane sharing10 gebeurt op de
conventionele wijze.
8 Gelimiteerde voorrang: Wanneer een voertuig een verkeersstroom kruist of er in invoegt, kan het voorkomen dat een wagen in deze stroom dient af te remmen om botsingen te vermijden. Hierdoor wordt zijn voorrang gelimiteerd. 9 Omgekeerde voorrang: Dit fenomeen doet zich voor wanneer een chauffeur die voorrang heeft zijn voorrang afstaat aan een automobilist die volgens de verkeersregels voorrang zou moeten geven. De voorrang wordt daarmee omgekeerd. 10 Onder lane sharing verstaat men het delen van 1 rij- of opstelstrook door wagens die een verschillende richting uitmoeten. Een gekend effect hiervan doet zich voor wanneer wagens die linksaf of rechtdoor moeten een opstelstrook delen. De wagens die rechtdoor moeten kunnen gehinderd worden door de wagens die linksaf moeten omdat deze nog gehinderd worden door een stroom uit de tegenovergestelde richting
20
1.4 Verkeersstromen als wachtrijen
In de simulatie wordt het kruispunt beschouwd als een aaneenschakeling van wachtrijen.
Eens het kruispuntvlak op een effectieve wijze ontrafeld is tot een aantal samenhangende
wachtrijen is het belangrijk om ook op een juiste wijze eigenschappen toe te kennen aan deze
rijen. In de simulatie worden de wachtrijen gebaseerd op Markov-rijen, en meer bepaald op
geboorte- en sterfteprocessen (GS-proces). Een wachtrij wordt gekenmerkt door een
populatie, het aantal auto’s in de wachtrij. Bij deze GS-processen kan er vanuit deze toestand
enkel over gegaan worden in een populatie die 1 wagen groter of kleiner is. In hoofdstuk 4
wordt hierop verder ingegaan.
Correcte resultaten vereisen een realistische benadering van de wachtrijmodellen. Als de
saturatiegraad van een kruispunt dicht bij 1 ligt, of zelfs groter als 1 is , of wanneer de initiele
wachtrij niet leeg is,dan heeft de wachtrij een dynamisch karakter. In 2004 stelden Viti en
Van Zuylen een Markov-model voor dat ontworpen is om juist deze dynamische
eigenschappen van de wachtrijen te berekenen. De nieuwe formuleringen zijn een uitbreiding
van de reeds bestaande wiskundige benaderingen voor rijlengtes door Akçelik (die geen
rekening houdt met initiele wachtrijen die niet leeg zijn) en Catling . In hun werk bespreken
Viti en Van Zuylen het belang van enkele wiskundige parameters zoals de standaarddeviatie
op de verwachtingswaarde en de evolutie van wachtrijen.
Elke studie rondom verkeersafwikkeling heeft wel van dichtbij of veraf te maken met
wachtrijen. Daarom zou het onbegonnen werk zijn om hier een uitputtende lijst van werken
op te sommen. Enkele andere interessante werken zijn van de hand van Abu-Lebdeh en
Benekohal (1997), Akçelik(1993) , Banks en Amin(2003), Kimber en Hollis(1979) en Wu
(2004).
Niet alleen de interacties die verkeersstromen met elkaar aangaan op het kruispuntvlak
bepalen de vertragingen die wagens kunnen oplopen aan een kruispunt. Soms kan de storende
invloed van verderop in het netwerk komen. Ahmed en Abu-Lebdeh (2005) bestudeerden de
vertragingen geïnduceerd door verstoringen verderop in het verkeersnetwerk. Deze
verstoringen worden door de huidige modellen verwaarloosd. Uit de paper blijkt dat, zeker in
situaties met zware belasting, deze vertragingen toch significant kunnen zijn en het is dus
belangrijk om hier bij het opstellen van een simulatiemodel rekening mee te houden.
21
1.5 Besluit literatuurstudie
Uit de literatuurstudie komt duidelijk naar voor dat er al grondig onderzoek verricht is naar
vertragingen voor verkeersstromen aan kruispunten. Aankomst- en vertrekprocessen werden
al uitvoerig onder de loep genomen en ook tal van andere aspecten zoals gelimiteerde
voorrang, lane sharing, headway compressie11, de invloed van afslagmanoeuvres,… vormden
reeds het onderwerp van menig wetenschappelijk onderzoek.
Met de conflictmethode worden de interacties van stromen op een kruispuntvlak bestudeerd.
Toch is de invloed van deze interacties op de vertragingen en op de capaciteit van het
kruispunt nog steeds te weinig onderzocht en beschreven.
Vooral kruispunten die rond het verzadigingspunt belast worden, bieden nog voldoende stof
voor verder en meer diepgaand wetenschappelijk onderzoek. Zo zijn de effecten van een
overgang van een onder- naar oververzadiging van een kruispunt nog nauwelijks bestudeerd.
Analytische formules veronderstellen dat, wanneer de saturatiegraad van een kruispunt naar 1
gaat, dan de gemiddelde vertragingen oneindig groot worden en dat er bij saturatiegraden
groter dan 1 zelfs helemaal geen verkeersstroming is. Dit is niet juist. Empirische metingen
tonen aan dat ook bij saturatiegraden groter dan 1 er verkeersstroming blijft, al zullen de
gemiddelde vertragingen wel toenemen. In macroscopische modellen wordt er meestal een
maximale capaciteit verondersteld die constant blijft bij overcapaciteit. Ook dit is niet waar.
Bij zeer grote belastingen neemt de maximale capaciteit af, en dit door een toegenomen aantal
interacties tussen verkeersstromen.
In deze thesis wordt er een verkeerssimulatie worden waarmee interacties tussen
verkeersstromen op en rond het kruispunt gesimuleerd kunnen worden. Met deze simulatie
kan hun invloed op de vertragingen en de capaciteiten van een kruispunt worden bestudeerd.
Ook zullen de interacties tussen verschillende kruispunten nagegaan worden. Met de simulatie
zal ook nagegaan worden wat de invloed is van parameters zoals de saturatiegraad op de
vertraging, de capaciteit en de wachtrijlengtes. Er wordt immers vermoed dat vanaf bepaalde
saturatiegraden de interacties tussen stromen zo groot worden dat het verkeer op kruispunten
bijna stil komt te staan.
11 Headway compressie: De afstand tussen twee wagens in een verkeersstroom wordt in het engels een headway genoemd. Wanneer nu auto’s achter elkaar een wachtrij uitrijden wordt de afstand die de opeenvolgende wagens tussenlaten kleiner en kleiner. Dit effect wordt in de literatuur headway compressie geheten.
22
In deze situaties zijn het niet langer de offset-tijden tussen verschillende verkeerslichten, de
vertrekpatronen of de cycluslengtes die de vertragingen bepalen, zoals de huidige literatuur
laat uitschijnen. De hinder die de verschillende verkeersstromen op elkaar uitoefenen worden
dan bepalend. Bij welke saturatiegraden er een daling in capaciteit en toegenomen
vertragingen optreden, en of dit eerder een bruusk dan wel een effect met een duidelijke
overgangsfase is wordt ook nagegaan. Uiteindelijk wordt een besluit getrokken waarin de
invloed van interacties tussen stromen op de capaciteit en de vertragingen wordt geëvalueerd.
.
23
2 Modeldefinitie
Vooraleer verder wordt ingegaan op de uitwerking van de computersimulatie worden in dit
hoofdstuk eerst de verschillende aspecten van de verkeersafwikkeling die men er mee wenst
te simuleren besproken. In dit hoofdstuk worden dus de functionele vereisten van het model
uiteengezet. Alle fenomenen die in dit hoofdstuk worden besproken, moeten gemodelleerd
kunnen worden. Er wordt ook aangegeven welke vereenvoudigingen en aannames er gemaakt
worden.
2.1 Afwikkelingsbepalende elementen
2.1.1 Verkeerslichten
Eén van de meest bepalende elementen voor een goede verkeersafwikkeling is het
verkeerslicht. Door het plaatsen van verkeerslichten nemen de interacties tussen verschillende
stromen op het kruispuntvlak af. Met het verkeerslicht wordt een systeem van wisselende
voorrang ingevoerd. Hierbij hebben de lengtes van de groen- en roodfase, de cycluslengte en
de afstemming van verschillende verkeerslichten op elkaar, een grote invloed op de
vertragingen die automobilisten oplopen op kruispunten. In het model kunnen deze lengtes
worden aangepast, en kunnen verschillende verkeerslichten op elkaar worden afgestemd.
Zo kan bij een simulatie van een kruispunt kunnen worden nagegaan wat de invloed is van
bvb. verschillende cycluslengtes op de gemiddelde wachtrijlengtes.
Ondanks het feit dat interacties tussen stromen afnemen dankzij het plaatsen van
verkeerslichten, is dit geen garantie voor het uitblijven deze interacties. Voorbeelden uit de
praktijk zijn hierbij legio. Zeker bij een grote belasting gebeurt het dat het kruispunt vol
wagens staat die elkaar allen verhinderen het kruispuntvlak op of af te rijden. Het zou zelfs
kunnen zijn dat net door de aanwezigheid van verkeerslichten de vertragingen toenemen12.
Het is dan ook verkeerd, zeker in de drukke en kritische spitsperiodes, om voor de capaciteit
van een kruispunt zomaar te rekenen met de capaciteit die men zou hebben indien vrije
uitstroom gegarandeerd is.
12 Wanneer een bestuurder groen licht heeft rijdt hij het kruispuntvlak op. Het maakt hem daarbij niet uit of hij met deze beweging andere stromen zou kunnen hinderen omdat hij het kruispuntvlak niet afgeraakt. Hierdoor kan het kruispunt klem komen te zitten en kunnen er grote vertragingen optreden.
24
Het model kan gebruikt worden om een beeld te vormen van de overschatting van de
capaciteit indien men dit toch doet.
Er wordt verondersteld dat alle chauffeurs zich aan de verkeerslichten houden. Er wordt geen
rekening gehouden met de invloed van automobilisten die het rood licht negeren en geen
rekening houden met de verkeersregels.
2.1.2 Voorrangsregels
In de simulatie kunnen voorrangsregels worden ingebouwd. Hierbij wordt dan gedacht aan
voorrang van rechts of de voorrang van wagens die op een voorrangsweg rijden.
Het model gaat er vanuit dat iedereen zich aan deze regels houdt en zijn voorrang
daadwerkelijk geeft, maar ook neemt.
Fenomenen zoals omgekeerde voorrang, waarbij een chauffeur zijn voorrang afstaat, of
gelimiteerde voorrang, waarbij een automobilist op een voorrangsweg moet afremmen omdat
een andere wagen zijn baan kruist of er zich invoegt, zijn persoonsgebonden en moeilijk te
modelleren. Met dit soort voorrang houdt het model geen rekening.
2.1.3 Interacties tussen voertuigen onderling
In heel het verkeersproces gaan wagens continu interacties met elkaar aan. Elke beweging die
een wagen maakt, zal andere wagens tot een reactie nopen. Het spectrum van deze interacties
is zeer breed. Daarom worden verder in de tekst alleen deze interacties besproken die een
invloed uitoefenen op de verkeersstromen op kruispunten, en die door het programma
gesimuleerd kunnen worden. Deze interacties kunnen opgedeeld worden in drie categorieën,
nl. interacties binnen 1 stroom, tussen verschillende stromen en interacties tussen
verschillende kruispuntvlakken. Deze drie categorieën worden hieronder besproken.
25
2.1.3.1 Interacties binnen 1 stroom
Een belangrijke soort interactie tussen wagens in één stroom ontstaat door het fenomeen van
lane sharing. Bij lane sharing staan wagens die op het kruispunt verschillende richtingen uit
moeten, opgesteld in dezelfde voorsorteerstrook. Ze delen dus deze opstelstrook met elkaar.
Dit heeft tot gevolg dat, indien de eerste wagen in de wachtrij verhinderd wordt om het
kruispuntvlak af te rijden, alle andere auto’s genoodzaakt zijn ook te wachten, zelfs indien de
richting die zij uit moeten helemaal niet geblokkeerd is. Een zeer gekend voorbeeld zijn
auto’s die linksaf wensen te slaan, maar gehinderd worden door auto’s uit de
tegenovergestelde richting. Hierdoor hinderen ze auto’s die achter hen staan opgesteld en
rechtdoor wensen te rijden. In het model kan gekozen worden of deze hinder al dan niet
ingerekend wordt. Zo kan er vergeleken worden wat de werkelijke invloed is van lane
sharing.
Een andere vorm van interacties binnen één stroom vindt men terug in het fenomeen van
platooning. Auto’s rijden achter elkaar in een groepje of peloton. Dit komt bvb. voor op een
plaats waar niet voorbij gestoken mag worden en wanneer de eerste wagen in een rij auto’s
relatief traag rijdt. Alle andere wagens zijn dan genoodzaakt zich aan het tempo van de eerste
te houden en rijden zo in groep verder.
Zoals in het hoofdstuk verificatie zal aangetoond worden, zijn de gemiddelde vertragingen
ook functie van de distributies van de aankomst- en vertrekprocessen. Wanneer de wagens
verondersteld worden onafhankelijk van elkaar aan te komen, kunnen hun aankomsten
gemodelleerd worden met een exponentiële verdeling. Een andere distributie die vaak
verondersteld wordt is de constante distributie. Andere verkeerssituaties worden dan weer
best beschreven door andere verdelingen zoals een verschoven exponentiële verdeling, een
Erlang-distributie van hogere orde of bepaalde dichtome verdelingen. Daarom is het nodig dat
met het model ook deze verschillende distributies gemodelleerd kunnen worden, al zal blijken
dat door het expliciet simuleren van de verkeersstromen de simulatie zelf tot analytisch
moeilijk te beschrijven maar realistische distributies komt.
26
2.1.3.2 Interacties tussen verschillende stromen
In omstandigheden met een beperkte verkeersvraag, waarin een normale verkeersafwikkeling
mogelijk blijft, zorgen verkeerslichten er in principe voor dat verschillende verkeersstromen
aan een kruispunt maar weinig interacties met elkaar hoeven aan te gaan.
Een voorbeeld van een interactie die wel kan voorkomen, is het fenomeen dat hierboven reeds
besproken werd, waar een stroom die linksaf wil slaan gehinderd wordt door een tegemoet
komende verkeersstroom waaraan ze voorrang verschuldigd is. De stroom moet dan wachten
tot ze ongehinderd het kruispuntvlak af kan rijden. Vaak is dit pas het geval wanneer de
verkeerslichten al op rood zijn gesprongen. De wagens rijden het kruispuntvlak dus af tijdens
de rood lichtfase. Dit fenomeen vindt men in de literatuur terug als ‘red clearance’, en de
tijdsspanne waarin dit gebeurt heet men het ‘red clearance interval’.
Bij zeer grote belastingen van het verkeersnetwerk, kan het voorkomen dat het red clearance
interval van een stroom op het kruispuntvlak zo groot wordt – bvb. doordat de wagens het
kruispunt simpelweg niet meer af kunnen rijden- dat de voertuigen nog steeds op het
kruispunt staan wanneer een stroom uit de andere richting weer groen heeft gekregen.
Hierdoor neemt ook de afrijcapaciteit van deze stroom af. In het slechtste geval blijft een deel
van deze nieuwe stroom op zijn beurt weer staan op het kruispuntvlak, waardoor de capaciteit
van het kruispunt in een neerwaartse spiraal kan komen tot het hele kruispunt klem komt te
staan.
Wanneer er geen verkeerslichten voorzien zijn zorgen voorrangsborden en –regels ervoor dat
het verkeer zo vlot mogelijk verloopt. In deze situaties oefent de stroom die voorrang krijgt
wel een invloed uit op de stroom die voorrang moet geven (de zijstroom). De wagens in de
zijstroom dienen te wachten tot de tussenafstand tussen twee wagens in de hoofdstroom groot
genoeg is, om deze zonder storen te kunnen kruisen of erin in te voegen. De capaciteit
(wagens/uur) van de zijstroom zal dus mede bepaald worden door de verdeling van de
tussenafstanden tussen voertuigen in de hoofdstroom, ‘headways’ of ‘gaps’ genaamd.
Ook de aard van de chauffeurs in de zijstroom bepaalt voor een deel de maximale capaciteit
van de zijstroom.
27
Zo moet men zich afvragen wat de minimum afstand, de kritische gap tussen twee auto’s uit
de hoofdstroom moet zijn vooraleer een auto uit de zijstroom deze hoofdstroom durft te
kruisen. Indien een tussenruimte benut wordt door de automobilist spreekt men van
gap-acceptatie.
Ook de tussentijd die twee automobilisten laten wanneer die achter elkaar de hoofdstroom
kruisen (follow-up time) speelt een niet te onderschatten rol.
.
2.1.3.3 Interacties tussen verschillende kruispuntvlakken
Wanneer de wachtrij aan een kruispunt zo lang wordt, dat de staart van deze rij de auto’s op
een nabij gelegen kruispunt hindert van dit kruispunt af te rijden, dan spreekt men van
‘spillback’. Spillback is dus een fenomeen veroorzaakt door een stroomafwaarts gelegen
kruispunt.
Meer algemeen kan onder dit fenomeen elke wachtrij beschouwd worden die een andere
verkeersstroom hindert doordat ze zo is uitgegroeid. Om rekening te kunnen houden met dit
fenomeen, moeten in het model dus wegen of opstelstroken met een beperkte opstelcapaciteit
gemodelleerd kunnen worden.
Een kruispunt zorgt ook vaak voor een soort platooning effect. Dit effect komt voor wanneer
auto’s van het ene kruispunt naar het andere kruispunt rijden. Aan het eerste kruispunt worden
de auto’s voor het rode licht verzameld, waarna ze bij groen min of meer in groep tot het
volgende kruispunt rijden. Het eigenlijke uitrijpatroon is zeer moeilijk analytisch te
beschrijven. Een simulatie is de techniek bij uitstek om tot realistische resultaten te komen.
Platooning wordt hier dan veroorzaakt door een stroomopwaarst gelegen signaal.
28
2.2 Eigenschappen van voertuigen in de verkeersstromen
2.2.1 Toevoer en afvoer van wagens
De aanvoer van wagens aan een kruispunt wordt meestal bepaald door stroomopwaarts
gelegen verkeerssituaties. Zoals eerder reeds vermeld, oefent een kruispunt een specifieke
invloed uit op het distributiepatroon waarmee wagens aangeleverd worden aan een volgend
kruispunt.
In de verkeerstheorie worden er vaak exponentiële distributies aangenomen. Indien er wagens
aangevoerd worden van buiten het bestudeerde netwerk, wordt daarom vaak voor een
exponentiële distributie gekozen. Exponentiële distributies hebben als belangrijke eigenschap
dat de verschillende opeenvolgende evenementen onafhankelijk van elkaar zijn.
Bij de afvoer wordt er, indien wagens zonder belemmering de wachtrij kunnen uitrijden, ook
vaak geopteerd voor een exponentiële verdeling, al is het soms gewenst een constant uitrij-
debiet aan te nemen. In het model kan er expliciet gekozen worden voor exponentiële of
constante uitrijprocessen.
Wanneer er echter verkeerslichten staan op het kruispunt is er sprake zijn van dichotome
distributies. Er wordt dan tijdens de roodtijd een uitrijcapaciteit 0 gehanteerd. Tijdens de
groentijd wordt er voornamelijk met constante of exponentiele uitrijdistributies gewerkt. Op
een bepaald moment moet een keuze gemaakt worden voor de graad van detaillering. Indien
dit meer aangewezen is kunnen andere verdelingen zoals een verschoven exponentiele
verdeling of Hyper-Erlang verdeling gebruikt worden. Vaak zijn deze verdelingen ook maar
benaderingen en is het meer opportuun om simpelweg de simulatie te laten lopen, waardoor er
vaak veel realistischere en analytisch veel moeilijker definieerbare verkeerspatronen te
voorschijn komen. Indien men beschikt over praktijkgegevens kunnen die ook gebruikt
worden.
29
2.2.2 Gap-acceptatie en follow-up time
Belangrijke parameters voor het berekenen van capaciteiten en vertragingen zijn de
zogenaamde kritische gap en de follow-up tijd. De kritische gap is de minimale afstand
(meestal uitgedrukt in seconden) die elke bestuurder minstens wil hebben tussen twee wagens
in de stroom die hij wil kruisen vooraleer hij zal vertrekken. De follow-up tijd is de tijd
waarop de volgende bestuurder de voorgaande volgt.
In de modellering kunnen deze twee parameters onafhankelijk van elkaar gekozen worden.
Grossman(1988) toonde aan dat, wanneer er realistischere distributies worden gekozen, dat
dan de capaciteit van het kruispunt daalt. Er wordt echter vaak van een exponentiële verdeling
van de gaps tussen de wagens uitgegaan. Grossman (1991)en Troutbeck (1986) toonden aan
dat indien hier met meer realistische distributies zou gewerkt worden een toename van de
capaciteit zou gevonden worden die van de zelfde grootorde is als deze daling. De invloed
van het constant veronderstellen van deze waarden is dus verwaarloosbaar. Daarom worden
de kritische gap en de follow-up tijd verondersteld een constante distributie te hebben. Dit wil
zeggen dat ze, nadat ze eenmaal vrij gekozen zijn, constant blijven tijdens de simulatie.
Om het aantal voertuigen te schatten dat bij een bepaalde gaplengte door deze gap zal
passeren, baseer ik me op aannames gemaakt door bvb. Harders (1976) en Troutbeck (1986).
Het aantal voertuigen n dat een gap zal passeren wordt gegeven door volgende kansfunctie13:
13 Bij het opstellen van deze kansen gaat men er vanuit dat er zich een onbeperkt aantal wagens in de wachtrij bevinden. Indien het aantal wagens in de wachtrij beperkt is, dan zal maximum deze hoeveel wagens de wachtrij kunnen verlaten. Indien het aantal auto’s dat kan oversteken groter is als het aantal wachtende wagens, dan veronderstelt men dat alle wagens de wachtrij verlaten.
30
2.3 Aspecten met kleinere prioriteit
In dit deeltje worden kort enkele aspecten besproken die, hoewel ze zeer interessant zijn, niet
worden meegenomen in de modellering. Enerzijds omdat ze niet in de lijn van de thesis liggen
of anderzijds omdat bepaalde fenomenen zich maar in zeer specifieke gevallen voordoen of
omdat hun invloed te beperkt is.
2.3.1 Voetgangers
De invloed van voetgangers op de verkeersafwikkeling op kruispunten is vaak niet gering.
Zeker op kleinere kruispunten waar veel voetgangers passeren spelen ze een belangrijke rol.
Het gedrag van voetgangers is echter veel moeilijker te modelleren als dat van auto’s.
Voetgangers moeten veel minder als wagens een vaste baan volgen. Ook zijn ze minder
geneigd zich te houden aan verkeersregels. Omdat ze bovendien weinig invloed uitoefenen op
de interacties tussen verkeersstromen op kruispuntvlakken zelf, houdt de simulatie er geen
rekening mee.
2.3.2 Vertraging door het wisselen van rijstrook
Wanneer auto’s van rijstrook wisselen, kunnen de betrokken verkeersstromen hierdoor een
vertraging ondervinden. Dit effect wordt in deze thesis niet bestudeerd.
2.3.3 Knipperlichten
Het verspringen van een gewoon verkeerslicht naar een knipperlicht kan een zeer grote
invloed hebben op de verkeersafwikkeling. Dit gebeurt echter maar zelden, en maar op een
beperkt aantal kruispunten. Het fenomeen is te detaillistisch om het mee te nemen in de
modellering.
31
2.3.4 Headway compressie
Wanneer meerdere wagens achter elkaar vanuit stilstand een rijstrook afrijden zullen hun
respectievelijke follow-up tijden afnemen tot een bepaalde minimale waarde. Lin & Thomas
(2005).Het probleem is vaak dat er geen praktijkwaarden gekend zijn, waardoor een betere fit
met betrekking tot de realiteit niet altijd gegarandeerd is.
2.3.5 Dynamische verkeerslichtenregeling
Een dynamische verkeerslichtenregeling varieert de groen- en roodtijden met het aantal auto’s
in de wachtrijen en/of met de afstand tussen verschillende wagens in de verschillende
stromen. In de thesis wordt verondersteld dat de verkeerslichten statisch werken, nl. dat de
groen en rood tijden al op voorhand gekend zijn. Indien de modellering verder uitgebouwd
wordt hoeft het niet zo moeilijk te zijn om een dynamische verkeerslichtenregeling te
implementeren.
32
3 Conceptuele uitwerking van het model
In het vorige hoofdstuk werden verschillende aspecten van de verkeersafwikkeling op
kruispunten besproken. In dit hoofdstuk wordt uiteengezet hoe te werk is gegaan bij het
opstellen van een model dat al deze verkeersaspecten op een realistische manier kan
simuleren. Hierbij worden zowel de concepten die aan de basis van het model liggen als meer
praktische aspecten besproken. De bedoeling is om de lezer een algemeen inzicht te
verschaffen in de werking van de simulatie, zonder al te diep in te gaan op al de finesses van
het programma. In Bijlage A: “Werking van de simulatie” wordt er dieper ingegaan op de
structuur en de werking van het programma en haar verschillende functies. In het volgende
hoofdstuk zullen de resultaten uit de simulatie gestaafd worden door na te gaan hoe goed de
resultaten uit de simulatie de theorie en haar analytische en deterministische formules
benaderen.
3.1 Het Black Box Concept
Omdat met hetzelfde simulatieprogramma kruispunten met zeer verschillende typologieën
moeten geanalyseerd kunnen wordt in de opbouw van een kruispunt dat men wil gaan
simuleren steeds vertrokken van zeer algemene bouwstenen die later verfijnd kunnen worden
volgens de specifieke eigenschappen van het kruispunt.
Deze bouwstenen, de black boxes, hebben een aantal eigenschappen die door de gebruiker
van het simulatieprogramma moeten worden ingevuld. Nadat deze eigenschappen toegekend
zijn aan de black boxes kunnen ze op zulke wijze met elkaar gelinkt worden dat ze een goede
voorstelling van een kruispunt of van een verkeerssituatie vormen.
Een kruispunt kan worden opgedeeld in verschillende fysische oppervlaktes waar voor alle
wagens die zich op deze oppervlakte bevinden, dezelfde externe condities gelden. In grote
lijnen kan gesteld worden dat deze fysische entiteiten overeenstemmen met verschillende
(wacht)rijen14 of verkeersstromen die men aan en op het kruispunt kan onderscheiden.
14 In de tekst worden de benamingen black box, wachtrij en rij gebruikt. Ze doelen in de context van deze thesis allen op hetzelfde, nl. op de basisbouwstenen waaruit het kruispunt in de simulatie wordt opgebouwd. Black box refereert naar de wijze waarop deze bouwstenen worden behandeld in de simulatie, terwijl wachtrij eerder naar de onderliggende wachtrijtheorie refereert. De benaming rij stamt uit de fysische rijen die zich op het kruispunt vormen. Wanneer dus over een wachtrij wordt gesproken wil dit dus niet zeggen dat de wagens die zich in dit fysische kruispuntdeel bevinden ook effectief zullen moeten wachten (cfr. black box 3 in figuur 1)
33
In het simulatiemodel worden deze delen vertegenwoordigd door verschillende black boxes,
die allen gekenmerkt worden door een nummer.
Figuur 1: Voorstelling van black boxes
In figuur 1 is de T-kruising opgedeeld in 3 delen. Deze delen stemmen overeen met 3 fysische
delen van het kruispunt die verschillende randvoorwaarden hebben. De wagens die deel 1 en
deel 2 uitrijden komen allemaal in deel 3 terecht. De auto’s uit deel 1 worden hierbij niet
belemmerd, terwijl de auto’s uit deel tweevoorrang zullen moeten geven aan de wagens uit rij
1. De auto’s komen van buiten het beschouwde gebied het gebied binnen via rijen 1 en 2. Ze
doen dit volgens bepaalde statistische verdelingen. Via rij 3 rijden de wagens het beschouwde
gebied weer buiten.
De benaming black box stamt uit het idee dat perfect geweten is welke auto’s een deel
binnenrijden, en hoe ze er weer uitrijden. Ze doen dit volgens het first-in-first-out-principe
(FIFO). Binnen de black box kan er niets aan de volgorde van deze wagens veranderd
worden. Indien men het gevoel heeft dat er binnenin de black box toch enige aanpassingen
moeten gebeuren, wil dit zeggen dat deze box te groot gekozen is, en dat hij opgesplitst moet
worden in een aantal andere, kleinere boxen. Hier wordt later nog op teruggekomen.
34
3.2 Eigenschappen van de verschillende black boxes
3.2.1 Het algemene karakter van de black boxes
Initieel zijn de verschillende black boxes of wachtrijen gebaseerd op Markov-rijen. Een
wachtrij in de simulatie functioneert analoog als een Markov geboorte- sterfteproces. Er
worden namelijk wagens toegeleverd (geboorte) en er vertrekken wagens (sterfte). De
populatie, het aantal wagens dat zich in de wachtrij bevindt, neemt hierdoor met 1 toe of
neemt hierdoor met 1 af.
Een belangrijke eigenschap van Markov-rijen is dat de volgende toestanden waarin deze rijen
zich zullen bevinden enkel afhangen van de huidige toestand, en niet van de vorige
toestanden. Een Markov-proces heeft dus geen geheugen.
Voor elke box moet eerst en vooral een distributie voor aankomst en vertrekprocessen
gekozen worden. In de simulatie heeft men de keuze tussen een constante of een exponentiële
distributie, beide gekenmerkt door hun gemiddelde waarde. Indien dit wenselijk is kunnen er
ook andere distributies gekozen worden. Zeker indien men over metingen beschikt is dit zeer
zinvol.
De karakteriserende gemiddelde waarde wordt voor de aankomstprocessen de aankomst-
intensiteit of ‘arrivalrate’ (wagens/sec) en voor de vertrekprocessen de bedieningsintensiteit
of ‘servicerate’ (wagens/sec) genoemd. Het omgekeerde van deze intensiteiten kent men als
respectievelijk de ‘interarrival time’ en de ‘interdeparture time’. Door het kiezen van een
distributie voor de aankomsten en vertrekken, wordt een eerste onderscheid gemaakt tussen de
verschillende rijen.
35
3.2.2 Het specifieke karakter van black boxes
3.2.2.1 Verkeerslichten
Nadat een keuze is gemaakt voor een distributie, worden de wachtrijen verder
geïndividualiseerd door aan te geven of op het einde van de rij al dan niet een verkeerslicht
staat. Indien dit het geval is, moeten ook de groen- en roodtijden bepaald worden.
Indien het licht op rood staat valt de bedieningsintensiteit logischerwijze terug tot 0.
In de simulatie kunnen de verkeerslichten van de verschillende wachtrijen op elkaar worden
afgestemd. Hiertoe moet worden aangegeven hoeveel tijdseenheden na de start van de
simulatie de wachtrij voor het eerst rood licht zal krijgen. Dit noemen we de offset.
Figuur 2: Voorstelling van offset en cycluslengtes
In figuur 2 is ook duidelijk te zien dat men door een juiste keuze van de cycluslengtes en
offsets ook rekening kan houden met een klein interval waarin beide stromen rood licht
hebben (all red interval).
36
3.2.2.2 Capaciteit
Een andere belangrijke eigenschap van de black boxes is dat ze een gelimiteerde inhoud
kunnen hebben. Wanneer deze maximale capaciteit bereikt is zullen er geen andere voertuigen
meer bij passen totdat er door een vertrek uit de wachtrij weer plaats gecreëerd is. Indien men
dit wil kan de capaciteit ook ongelimiteerd verondersteld worden. In figuur 3 worden de
verschillende eigenschappen van black box schematisch weergegeven.
Figuur 3: Karakteristieke eigenschappen van de black box
37
3.3 Interacties tussen de verschillende wachtrijen
Naast het ingeven van de karakteristieke eigenschappen van de verschillende rijen, moet er
ook worden aangegeven welke de onderlinge relaties tussen deze verschillende rijen zijn.
3.3.1 Toelevering
In plaats van dat de wagens een rij binnenrijden volgens een vooraf bepaalde
aankomstendistributie kan er ook geopteerd worden om een rij, met haar uitrijdende auto’s, de
leverancier te laten zijn voor een andere rij. Deze tweede rij krijgt haar populatie dan
toegeleverd via andere rijen. Omdat het in de simulatie mogelijk gemaakt is om verschillende
rijen toe te laten leveren aan eenzelfde rij, zullen veel ingewikkeldere, analytisch moeilijk te
beschrijven aanleveringsdistributies kunnen gesimuleerd worden. Hierdoor stijgt het
realiteitsniveau van de simulatie sterk. Uiteindelijk is het de bedoeling om de grote
meerderheid van de rijen toegeleverd te laten worden. Enkel de rijen waarlangs de voertuigen
het beschouwde systeem binnenrijden zullen nog aangeleverd worden volgens vooraf
expliciet bepaalde distributies.
3.3.1.1 1-op-1-toelevering
De black boxes kunnen andere wachtrijen op verschillende manieren aanleveren.
De makkelijkste wijze is om te stellen dat alle wagens die een bepaalde rij uitrijden, allen aan
een zelfde andere rij worden toegeleverd. Het is dan makkelijk om de verschillende
vertragingen van de verschillende voertuigen te berekenen omdat men precies weet welk
traject elke wagen afgelegd heeft. We noemen dit de 1-op-1-toelevering. Deze wordt
schematisch voorgesteld in figuur 4.
Figuur 4: Schematische voorstelling traject 1-2-3 bij 1-op-1-toelevering
38
Wanneer men meerdere verschillende typologieën voor eenzelfde kruispunt wil vergelijken
kan men de simulatie een aantal keer laten lopen voor deze verschillende indelingen. Elke
simulatie is echter anders. Om tot exact vergelijkbare resultaten te komen is er een tool
ingebouwd die een wagen die uit een wachtrij uitrijdt toelevert aan meerdere andere rijen
tegelijk. Er wordt dan gesproken over een 1-op-1-toelevering aan verschillende rijen (cfr.
figuur 5).
Deze andere rijen kunnen dan inputs zijn voor verschillende deelsystemen, bvb. de
verschillende typologieën die men wil vergelijken. Hierdoor wordt veel sneller duidelijk
welke indeling het meest aan de noden voldoet. Het systeem is weergegeven in onderstaande
figuur. Bovendien zal dit ook een noodzakelijke tool blijken om gap-acceptatie op een
realistische wijze te modelleren. Dit wordt verder in de tekst uiteengezet.
Figuur 5: 1-op-1-toelevering aan verschillende rijen
39
3.3.1.2 1-op-m-toelevering
Vaak rijden auto’s die in 1 wachtrij staan nadien verschillende richtingen uit. Denk hierbij
bvb. aan gedeelde opstelstroken. Daarom is het in de simulatie voorzien dat wachtrijen
kunnen toeleveren aan verschillende wachtrijen. In de simulatie zijn er twee criteria volgens
dewelke dit kan gebeuren voorzien: toelevering aan de leegste rij of toelevering aan
verschillende rijen met een bepaalde kans.
Bij de toelevering aan de leegste rij worden de uitrijdende auto’s geleverd aan de rij waarin de
minste wachtenden staan. Zo zijn aan verkeerslichten alle rijen meestal ongeveer even lang.
Wanneer men een idee heeft over het percentage automobilisten dat rechtdoor rijdt, links- of
rechtsaf slaat, dan kan volgens deze percentages de beweging van de wagen geloot worden. In
figuur 6 is een voorbeeld van een 1-op-m-toelevering getekend.
Figuur 6: Procentuele 1-op-m-toelevering
40
Wanneer de maximale capaciteit van één van de toegeleverde rijen bereikt is, kunnen er aan
deze rij natuurlijk geen wagens meer worden toegeleverd.
Het aantal verschillende rijen waaraan zo kan worden toegeleverd is in principe onbeperkt.
Er zijn vele verkeerssituaties waarvoor het gebruik van deze wijze van toeleveren
noodzakelijk is om tot een realistische simulatie te komen. De capaciteiten van verschillende
verkeersstromen over het kruispunt bij een 1-op-m-toelevering worden even makkelijk
berekend als bij een 1-op-1-toelevering.
Het is echter veel moeilijker om de gemiddelde vertragingen voor de verschillende wagens te
berekenen. Men kan immers niet meer op voorhand het traject van de verschillende wagens
voorspellen, wat het programmeren van functies om deze vertragingen te berekenen veel
moeilijker maakt. In figuur 7 een vereenvoudigde voorstelling gemaakt van een situatie
waarin het traject dat de verschillende wagens volgen niet meer op voorhand vastligt.
Wachtrij 3 stelt hier dan bvb. een sluipweg die gebruikt wordt wanneer er zich te veel wagens
in rij 2 bevinden. Daarom is er een labelsysteem uitgewerkt dat continu het verloop van het
traject van de verschillende auto’s bijhoudt, samen met hun reistijd. Dit labelsysteem wordt
gedetailleerder besproken in bijlage A.
Figuur 7: Voorbeeld van situatie waar traject niet meer op voorhand vastligt
41
3.3.2 Hinder en vermindering
Wanneer bepaalde rijen te lang worden kunnen ze andere rijen hinderen. Zo worden wagens
verhinderd hun wachtrij uit te rijden wanneer er geen plaats meer is op de opstelstrook waar
ze heen willen. Wanneer men aangeeft dat een rij een andere rij hindert, dan moet ook steeds
de populatiegrootte vanaf dewelke deze hinder optreedt worden aangegeven. Wanneer de
hinderende rij dit aantal auto’s heeft bereikt, dan valt de bedieningsintensiteit van de
gehinderde rij naar 0. Er kunnen dan geen wagens de rij meer uitrijden. Onder vermindering
wordt verstaan dat de bedieningsintensiteit van een rij afneemt vanaf wanneer de
“minderende” rij een bepaalde lengte heeft. De intensiteit daalt dan wel, maar wordt zeker
niet nul. Van zodra de lengte van de hinderende of verminderende rij weer kleiner wordt,
zodat haar hinder weer verdwijnt, krijgt de gehinderde rij weer haar oude vertrekintensiteit.
Afhankelijk van het proces dat men wenst te modelleren zal voor 1 van deze twee of een
combinatie van deze twee tools (hinder of vermindering) moeten worden gekozen. Zo zal er
het best voor een complete hindering gekozen worden wanneer de opstelcapaciteit van een rij
beperkt is. De uitrij-intensiteit van andere rijen die aan deze rij leveren valt terug tot nul
wanneer haar maximale capaciteit bereikt is. In andere gevallen wordt het uitrijden van
bepaalde rijen bemoeilijkt doordat een andere rij een zekere capaciteit bereikt heeft. Toch
zullen er nog steeds wagens kunnen vertrekken, zij het aan een verlaagde intensiteit. Deze
twee gevallen worden weergegeven in figuur 8.
Figuur 8: Voorstelling reële hinder en vermindering
42
3.3.3 Voorrang en gap-acceptatie
Om een voorrangssituatie te modelleren is een goed inzicht vereist in de werking van het
black box systeem. In dit deel wordt uiteengezet hoe men in de simulatie zulk een
voorrangssituatie modelleert. Er wordt hiertoe een speciaal soort wachtrij geïntroduceerd;
De gap-acceptatie rij. Deze rij heeft geen fysische betekenis, maar wordt enkel gebruikt om de
kritische gap en de follow-up tijd te kunnen modelleren. In figuur 9 wordt schematisch
aangegeven hoe een reële voorrangssituatie ‘vertaald’ wordt naar de simulatie
Figuur 9: Omzetting voorrangssituatie naar model
Er wordt een kruising van twee stromen beschouwd. De ene stroom (hoofdstroom) heeft
voorrang op de andere (zijstroom). Wanneer er zich een wagen uit de hoofdstroom op het
kruispuntvlak bevindt, wordt het uitrijden van de wagens uit de zijstroom verhinderd. Ze
geven voorrang. De afstand tussen twee wagens uit de hoofdstroom moet zelfs groter zijn dan
de kritische gap vooraleer er een wagen vertrekt. Om dit te kunnen modelleren is er een gap-
acceptatie wachtrij gecreëerd. Deze wachtrij wordt toegeleverd door de hoofdstroom en heeft
een capaciteit 1. Wanneer er zich een nieuwe toelevering van een nieuwe wagen voordoet
terwijl er zich al een auto in deze rij bevindt, dan wordt de auto die zich reeds in de wachtrij
bevond uit de rij gestoten door de nieuwe wagen.
43
De bedieningstijd van de gap-acceptatie rij is constant. Een wagen die de rij binnenkomt zal x
aantal seconden later bediend worden. De bedieningstijd moet gelijk genomen worden aan de
kritische gap tijd. Wanneer een wagen bediend werd vooraleer hij uit de gap-acceptatie rij
geduwd is15, wil dit zeggen dat de tussentijd tussen twee wagens in de hoofdstroom groter is
dan de kritische gap tijd. Door nu nog aan te geven dat de gap-acceptatie rij de zijstroom
hindert wanneer er zich een voertuig in bevindt, zal op deze wijze het systeem van gap
acceptatie gemodelleerd kunnen worden. De bedieningsintensiteit van de wachtrij voor de
voertuigen uit de zijstroom is het 0,5/ Tfollow-up16 voor het eerst vertrekkende voertuig, en
1/Tfollow-up voor de daarop volgende voertuigen. Zo wordt ook de follow-up tijd
gemodelleerd zoals in vorig hoofdstuk aangegeven.
Een bedieningstijd betekent tevens ook een vertragingstijd. Indien een wagen immers een rij
met een constante bedieningstijd van 5 seconden binnenrijdt, dan komt hij deze rij ten
vroegste 5 seconden later weer buiten. Het voertuig wordt vertraagd door deze rij. Wanneer
een wagen een kruispuntvlak kruist wanneer hij voorrang heeft doet hij doet hij dit echter
vaak in een zeer beperkte tijdsspanne. De wagens uit de hoofdstroom zouden in de gap-
acceptatie rij te zeer vertraagd om nog in overeenstemming te zijn met de werkelijkheid.
Daarom worden de aanrijdende auto’s zowel aan de gap-acceptance als een aan andere rij
toegeleverd. Dit is te zien op figuur 9.
Het is hier dat de eerder besproken 1-op-1-toelevering aan verschillende rijen noodzakelijk is.
Er ontstaan als het ware voertuigen. De wagens die de gap-acceptatie rij uitrijden worden
daarom nergens toegeleverd, en verloren verondersteld om een onterechte toename van
wagens in het systeem te vermijden. De gap-acceptatie rij wordt hierdoor een instrument om
een proces te modelleren, eerder dan dat ze een fysische betekenis heeft.
15 Op dit moment is de gap-acceptatie rij dus leeg aangezien de maximale capaciteit beperkt is tot 1. 16 Dat de eerste wagen die de rij uitrijdt bedient wordt met uitrij-intensiteit 0,5/Tfollow-up is speciaal zo geprogrammeerd om de simulatie in overeenstemming te brengen met de veronderstellingen van Harders (1976) en Troutbeck (1986) die eerder al werden aangehaald.
44
In dit deel werd uiteengezet hoe een voorrangssituatie gemodelleerd wordt. Uit dit voorbeeld
komt duidelijk naar voor dat niet alle rijen een fysische tegenpool moeten hebben. De
wachtrijen kunnen geïnstrumentaliseerd worden. Een goed inzicht in de werking van de black
boxes en in de vertaling van de fysische werkelijkheid naar een model maakt het mogelijk
complexere situaties te modelleren.
3.4 Omzetten van werkelijkheid naar model De vertaling van de werkelijkheid naar het model is niet altijd even eenvoudig. In dit deel
wordt een algemene werkwijze besproken die een goede omzetting van de realiteit garandeert.
Het is echter niet altijd de meest gedetailleerde vertaling die het meest aangewezen is.
Wanneer men het effect van een bepaald fenomeen wil onderzoeken is het zinloos om delen
van het kruispuntvlak die op dit fenomeen geen invloed hebben al te gedetailleerd te
modelleren. Dit zou enkel onnodige rekenkracht van de computer vergen. Daarom is er ook
een systeem uitgewerkt om de graad van detaillering van de modellering te bepalen.
3.4.1 Definiëren van de wachtrijen
De verschillende wachtrijen worden uiteindelijk op zulke wijze gecombineerd dat ze een
aaneengesloten netwerk van schakels vormen. Elke schakel stelt dan een deeltje van het
kruispunt voor. Deze kunnen geklasseerd worden volgens hun graad van detaillering. We
kunnen spreken over level-1, -2- of –3-rijen. De grofste graad van detaillering zijn de level-1-
rijen. Wanneer men meer en meer inzoomt op de verschillende processen worden er rijen van
level 2 of level 3 teruggevonden.
45
3.4.1.1 Level-1-rijen
De eerste stap in de omzetting van realiteit naar model is het bepalen van alle mogelijke
banen die op het kruispuntvlak kunnen beschreven worden. Wanneer over eenzelfde stuk weg
in twee verschillende richtingen kan gereden worden, dan worden er ook twee banen
getekend.
Verschillende rijstroken worden ook best als verschillende wachtrijen gemodelleerd. Deze
banen kunnen splitsen in nieuwe banen, of kunnen samenkomen om een gemeenschappelijke
baan te vormen. In de punten waar dit gebeurt plaatsen we knopen. Ook ter hoogte van alle
verkeerslichten worden knopen geplaatst. Al deze knopen noemen we ‘level-1-knopen’. In
figuur 10 zijn deze level-1-knopen aangegeven door zwarte stippen.
De schakels tussen deze knopen zijn de level-1-rijen. Het netwerk dat zo ontstaat, kan
vergeleken worden met bvb. een hydraulisch netwerk waarin ook stromen samenkomen en
weer splitsen. Het grote verschil met zo een hydraulisch netwerk is dat bepaalde stromen
elkaar kunnen kruisen zonder dat er enige vorm van menging is tussen de verschillende
stromen. De knopen waar stromen kruisen zonder te mengen of te splitsen worden
level-2 of –3-knopen genoemd.
3.4.1.2 Level-2-rijen
Level-2-knopen ontstaan waar level-1-rijen die gelijktijdig groen licht kunnen hebben, kruisen
zonder te mengen. Op een kruispunt zonder verkeerslichten worden alle stromen
verondersteld steeds groen licht te hebben. Door het plaatsen van level-2-knopen worden
verscheidene level-1-rijen in stukken gesplitst. Bij elke kruising van twee level-1-rijen kunnen
er 4 level-2-rijen ontstaan. Volgens het verkeersregelement is er echter altijd 1 van de twee
stromen die voorrang moet geven aan de andere. Wanneer verondersteld wordt dat de stroom
die voorrang krijgt nooit gehinderd zal worden, dan blijft de rij die voorrang heeft een level-1-
rij. Indien men toch een kans op hinder vermoedt dan wordt deze rij toch ook een level-2-rij.
De wachtrij die voorrang moet geven wordt sowieso opgesplitst in 2 nieuwe wachtrijen. In
figuur 10 zijn de level-2-knopen aangegeven met rode stippen.
46
Figuur 10: Schematische voorstelling van interacties op een kruispunt
3.4.1.3 Level-3-rijen
De knopen die nu nog overblijven zijn de knopen waar normaal gesproken geen interacties
tussen stromen plaatsvinden. De wagens die de banen volgen die elkaar in deze knopen
kruisen hebben immers nooit op hetzelfde tijdstip groen licht. Toch zijn er ook hier nog
knopen te onderscheiden waar de waarschijnlijkheid op interacties groter is als in andere
level-3-knopen. Het verschilt echter van situatie tot situatie in welke knopen deze interacties
zich zullen voordoen, en het is moeilijk om hier nog algemene regels op te plakken.
Algemeen gesproken doet men er best aan ook al deze mogelijke interacties mee te nemen in
de modellering. Enkel indien men delen van het kruispunt niet wenst te beschouwen of
vereenvoudigd voorstelt kan men deze knopen verwaarlozen. In de figuur zijn deze knopen
weergegeven met blauwe stippen.
47
3.4.1.4 Nummering
Nadat het kruispunt in de verschillende delen is opgesplitst, moet aan de verschillende rijen
nog een rijnummer worden toegewezen. De nummering start bij 1 en loopt tot het aantal rijen
waarin het systeem is opgesplitst. Deze nummering is in principe willekeurig, al zal het voor
de gebruiker van de simulatie handig zijn om een voor zichzelf een logische nummering te
maken.
Daarna moet nagegaan worden of er nog extra rijen toegevoegd moeten worden om
voorrangssituaties te kunnen modelleren.
In dit deel werd een methode aangegeven om tot een goede opsplitsing van het kruispunt te
komen. Zoals eerder gesteld is het zaak om een juiste balans te vinden in de graad van
detailleren.
Niet alleen een goede opsplitsing zal leiden tot een realistisch resultaat. Ook het juiste
aangeven van de interacties tussen de verschillende rijen heeft een grote invloed op het
resultaat. Hoe men hierbij te werk gaat wordt in de volgende paragraaf aangegeven.
3.4.2 Aangeven van interacties
Nadat het kruispuntvlak in verschillende delen opgesplitst is moeten vooreerst de black box
eigenschappen van de rijen worden ingekleurd. Hierbij zullen vele eigenschappen niet
willekeurig te kiezen zijn. De capaciteiten van de verschillende rijen hangen af van de
opstelruimte die men op het kruispunt heeft, en de cyclustijden van de verkeerslichten zijn
vaak ook reeds gekend17. Enkel voor de rijen die van buiten het beschouwde systeem
toegeleverd worden, moet een aankomstendistributie gekozen worden. Voor de andere rijen
moet worden aangegeven door welke rij ze worden aangeleverd. De vertrekken worden
meestal exponentieel verdeeld verondersteld. Door het uitvoeren van de simulatie verandert
deze distributie reeds snel in andere, meer reële distributies door de invloed van
verkeerslichten of andere wachtrijen. De percentages voertuigen die elk een andere richting
opgaan bij het splitsen van een stroom moeten ook geschat en aangegeven worden.
17 Door de verkeerslichtenregeling aan te passen kan men de invloed ervan op de verkeersafwikkeling bestuderen.
48
Een andere moeilijkheid stelt zich bij het schatten van de vermindering van vertrekintensiteit
wanneer een rij gehinderd wordt door een andere. Deze intensiteitsdaling is namelijk sterk
afhankelijk van kruispunt tot kruispunt, en van bestuurder tot bestuurder. Indien men een
bestaand kruispunt simuleert, kan men best enkele metingen uitvoeren, of zich baseren op
bestaande metingen van bij gelijkaardige kruispunten. Indien men niet over deze gegevens
kan beschikken maakt men een realistische schatting.
3.5 Tel- en tijdmatrices
Om na de simulatie de vertragingen, de capaciteiten en de wachtrijlengtes te kunnen
berekenen worden alle bewegingen naar of vanuit de black boxes opgeslagen. Hiervoor staan
de telmatrix en de tijdmatrix ter beschikking. In tabel 1 is een deel van de tijdmatrix en de
telmatrix voor een toelevering van rij 1 naar rij 2 weergegeven. In rij 1 komen auto’s toe
volgens een exponentiele verdeling, en uit rij twee vertrekken ze ook volgens een
exponentiele verdeling. De tabel moet op volgende wijze gelezen worden; Men kijkt in de
telmatrix of er een verandering geweest is van het aantal wagens in de wachtrij. In de
tijdmatrices worden zowel de tijdstippen van populatietoename als –afname bijgehouden. Van
de eerste naar de tweede rij in de matrix is er een afname van de teller van de eerste wachtrij
van 3 naar 2. In de tijdmatrix vindt men in de overeenkomstige kolom en rij, het tijdstip terug
waarop deze overgang naar een nieuwe populatiegrootte plaatsvond. De overgang 3 naar 2
wagens voor wachtrij 1 voltrok zich dus op tijdstip 80,3566. Omdat rij 1 toelevert aan rij 2
impliceert een vertrek uit rij 1 een aankomst in rij 2. Er kan dan ook afgelezen worden dat de
populatie van rij 2 gegroeid is van 4 naar 5, en dit op tijdstip 80,3567. 0,001 tijdseenheden
nadat de wagen rij 1 verliet komt hij aan in rij 2. Dit overgangsverlies kan zelf gekozen
worden. Uit de telmatrix kan afgelezen worden dat van tijdstip 76,9635 tot tijdstip 80,3566 de
populatie van wachtrij 1, 3 was. Van 80,3566 tot 81,5149 was deze populatie 2… Zo kunnen
uit de tijd- en telmatrices de gemiddelde wachtrijlengtes berekend worden. In de bijhorende
figuur 11 is de populatie van beide rijen gedurende het tijdsinterval 0 tot 100 weergegeven in
functie van de tijd. Er is duidelijk op te zien dat wanneer er een afname is van de populatie
van wachtrij 1 (blauw), er zich tegelijkertijd een toename van de populatie van wachtrij 2
(rood) voordoet.
49
tijd rij 1 tijd rij 2 tel rij 1 tel rij 2
76.9635 76.9636 3.0000 4.0000
80.3566 80.3567 2.0000 5.0000
80.3566 81.1596 2.0000 4.0000
81.5149 81.1596 3.0000 4.0000
83.6315 81.1596 4.0000 4.0000
86.3154 86.3155 3.0000 5.0000
86.3154 87.1596 3.0000 4.0000
87.2561 87.1596 4.0000 4.0000
89.4429 87.1596 5.0000 4.0000
Tabel 1: Deel van een tijd- en telmatrix
0 10 20 30 40 50 60 70 80 90 1000
1
2
3
4
5
6
7
bedienings- en aankomstintensiteiten; (1auto/6sec) X-as:tijd
popula
tiegro
ott
e
populatiegrootte in functie van de tijd; blauw : rij 1, rood : rij 2
Figuur 11: Populatiegrootte in functie van de tijd
50
3.6 Labelsysteem
Wanneer het individuele traject dat elke wagen aflegt op voorhand niet exact kan worden
bepaald, dan kan men niet zonder meer de verschillende vertragingen die de voertuigen
hebben opgelopen uit de tel- en tijdmatrices aflezen. Het blijft nog wel mogelijk om de
capaciteit van het kruispunt te berekenen, en om daaruit de gemiddelde vertragingen te
berekenen. Meestal volstaan deze gegevens, al zou men ook geïnteresseerd kunnen zijn in de
vertraging die elk individueel voertuig heeft opgelopen.
Om deze berekeningen in verband met de vertragingen ook in deze gevallen mogelijk te
maken is er een labelsysteem ontwikkeld. In dit labelsysteem wordt het traject dat elke wagen
heeft afgelegd, samen met de tijden die de verschillende voertuigen op de verschillende
kruispuntsecties hebben doorgebracht, bijgehouden in 2 matrices, de aankomst en vertrek
labelmatrix.
De labels zijn kommagetallen. Een label geeft aan welk traject een wagen reeds doorlopen
heeft. De getallen voor de komma stellen eenheden voor, terwijl de getallen na de komma
duiden op tientallen. De getallen op de eerste plaats voor en na de komma vormen een koppel.
De getallen op de tweede, derde,… plaats voor en na de komma vormen zo ook allen een
koppel. Het eerste getal voor de komma vormt samen met het eerste getal na de komma het
rijnummer van de laatste rij waarin de wagen zich bevond. Het tweede getal voor de komma
vormt, samen met zijn pendant achter de komma, het rijnummer van de voorlaatste rij, enz….
Hierbij geeft het getal na de komma steeds het tiental aan, terwijl het getal voor de komma op
het aantal eenheden wijst.
Ter verduidelijking wordt er een klein voorbeeldje gegeven.
Voorbeeld:
Label 321,110 duidt op een traject van rij (0x10+3) naar (1*10+2)
naar (1*10+1). Of dus het traject 3-12-11.
Label 47124,30275 duidt zo op traject 54-77-21-2-34.
Voor een gedetailleerdere uitleg over de precieze werking wordt verwezen naar bijlage A:
“werking van de simulatie”.
51
3.7 Beperkingen in modellering
Eigenlijk kent de modellering zeer weinig beperkingen. Door een goede combinatie van
verschillende wachtrijen kunnen met het programma zowat alle verkeerssituaties
gemodelleerd worden. Bovendien is het model zo opgesteld dat er makkelijk extra
toepassingen kunnen worden ingebracht.
In het model wordt er momenteel echter geen rekening gehouden met wagens met een
personenauto equivalent (pae) verschillend van 1, zoals bvb. vrachtwagens. Ook een
wachtrijtype waarin elke wagen een zelfde constante verblijftijd heeft, is nog niet
gemodelleerd.
In dit hoofdstuk werd beschreven hoe er bij het opstellen van het programma te werk werd
gegaan om tot een goed model van de werkelijkheid te komen. Eerst werd het principe van de
black box uiteengezet, waarna er aangetoond werd hoe men tot een goede vertaling van de
werkelijkheid naar een netwerk van wachtrijen komt.
In het volgende hoofdstuk zullen de resultaten die bekomen worden met de simulatie getoetst
worden aan de resultaten die men zou verwachten op basis van analytische en
deterministische formules die voor handen zijn in de literatuur.
52
4 Verificatie In het programma worden verkeersprocessen gesimuleerd door een het combineren van een aantal
wachtrijen die initieel gebaseerd zijn op Markov geboorte- sterfteprocessen. Om het model
theoretisch te onderbouwen worden in dit deel de resultaten uit de simulaties geëvalueerd door
een grondige vergelijking met de analytische formules te maken.
Om tot een goede vergelijking te komen wordt de kans om een bepaald aantal gebruikers aan te
treffen in de wachtrij en de gemiddelde vertraging berekend. Ook het gemiddelde aantal
wachtenden in een wachtrij wordt geverifieerd. Deze waardes leggen de basis voor goede
benaderingen van gemiddelde wachtrijlengtes, capaciteiten en vertragingen in uitgebreidere
systemen. In de bijlage ‘werking van de simulatie’ is aangegeven hoe deze capaciteiten en
vertragingen berekend worden.
Vooreerst worden individuele wachtrijen bestudeerd. Aangezien de wachtrijen gebaseerd zijn op
Markov-rijen, worden de resultaten die bekomen worden met de simulatie getoetst aan de
resultaten die de analytische formuleringen van dit soort rijen geven.
Verder worden ook interacties tussen verschillende rijen bestudeerd. Het is de bedoeling om na te
gaan hoe realistisch de resultaten uit de simulatie zijn. De resultaten die hier verkregen worden
zullen vergeleken worden met analytische oplossingen uit de wachtrijtheorie.
De verificatie van het model is niet alleen het verifiëren van de gesimuleerde verkeersafwikkeling,
maar tevens van de geprogrammeerde analysemethodes. Er worden namelijk nooit goede
resultaten voor bvb. de vertraging gevonden indien de functies die deze vertraging berekenen niet
juist zijn. Op zijn beurt zal een juiste methode om de vertraging te berekenen geen goede
resultaten geven indien de verkeerssimulatie niet juist is. In het model zit dus een dubbele controle
op fouten ingebouwd wat alleen maar meer zekerheid geeft wat de correctheid van de resultaten
betreft.
53
4.1 Wachtrijen als Markov-rijen
Eerst worden de eigenschappen van de rijen uit de simulatie vergeleken met Markov
wachtrijsystemen. Deze systemen worden algemeen aangeduid met volgende notatie: X/Y/U/V,
waarbij;
X: Wijst op de statistische verdelingsfunctie voor het aankomstproces in de wachtrij.
Y: Wijst op de statistische verdelingsfunctie voor het vertrekproces uit de wachtrij.
U: Het aantal wachtrijen of servers in het systeem.
V: De maximale capaciteit van een wachtrij.
Als verdelingsfuncties worden in de wachtrijtheorie vaak exponentieel verdeelde functies
gekozen. Deze verdeling heeft als voordeel dat de aankomsten of vertrekken onafhankelijk van
elkaar verondersteld mogen worden. Een exponentieel proces wordt aangeduid met het symbool
M.
Er kunnen echter ook andere verdelingen gebruikt worden. Daarbij wordt dan in de eerste plaats
gedacht aan constante bedieningstijden, voorgesteld door het symbool D, maar ook andere
verdelingsfuncties zoals een Erlang (Er, met r de orde) verdeelde aankomstprocessen kunnen
soms zeer toepasselijk zijn.
Een algemeen aankomst- of vertrekproces wordt voorgesteld door een G, deze verdeling wordt
gebruikt wanneer het proces niet nader gekend is. Voor het meest algemene geval kan er gedacht
worden aan een dataset die als invoer voor de simulatie gebruikt wordt.
Vaak wordt de maximale capaciteit van de wachtrij achterwege gelaten in de notatie. Er wordt dan
impliciet verondersteld dat de rij een oneindige capaciteit heeft.
Indien de populatie beperkt is, wordt er nog een vijfde symbool toegevoegd. In dit onderzoek
naar verkeersafwikkeling op kruispunten wordt de populatie echter steeds oneindig groot
verondersteld.
54
De Markov-processen die hier verondersteld worden zijn geboorte- en sterfteprocessen (birth
death processes). Een gedetailleerde theoretische beschrijving van al deze processen kan
teruggevonden worden in het boek “Queueing systems” van Kleinrock. De wachtrij bevindt zich
in een bepaalde toestand k, gekenmerkt door het aantal wachtenden in de rij, de populatiegrootte.
Vanuit deze toestand kan de wachtrij maar overgaan in de twee toestanden. Een overgang naar
een lagere toestand k-1 door een sterfte, waardoor de populatie afneemt, of naar een hogere
toestand k+1, door een geboorte, waarbij de populatie toeneemt. In figuur 12 wordt dit proces
schematisch weergegeven. De populatie kan nooit kleiner worden als 0.
Figuur 12: Algemene voorstelling Markov geboorte- sterfte-proces
De overgangen worden gekenmerkt door λk, de geboorte-intensiteit, en µk, sterfte-intensiteit.
Dit zijn het aantal geboortes of sterftes die verwacht worden per tijdseenheid.
De kans op een geboorte of een sterfte in het tijdsinterval dt is gelijk aan respectievelijk λkdt en
µkdt. De intensiteiten worden meestal constant gehouden voor de verschillende
toestandsovergangen. Aangezien de populatie nooit kleiner kan worden als 0, is µ0 steeds gelijk
aan nul.
De verhouding 1/ λk wordt de interarrival-time genoemd. Het is het aantal tijdseenheden die
verstrijken per geboorte, of dus de tijd tussen twee geboortes. 1/ µk wordt de bedieningstijd of de
servicetime genoemd.
De verhouding λ/µ wordt ook aangeduid als ρ, waarbij rho de saturatiegraad is. Als een
voorwaarde voor een convergeren van deze Markov-processen naar een toestand van dynamisch
evenwicht geldt als voorwaarde dat deze saturatiegraad rho kleiner moet zijn als 1.
55
4.1.1 M/M/1
4.1.1.1 De kans op populatie k
De interarrivaltijden zijn hier net zoals de bedieningstijden onafhankelijk exponentieel verdeeld.
Het systeem bestaat uit 1 server of wachtrij.
De kansdichtheid van de exponentiële funcie is als volgt gegeven [Beirlant & Van Dyck,2001];
Hierbij is λ de gemiddelde intensiteit. 1/λ is de interarrivaltime. Soms wordt de exponentiele
functie ook wel gekenmerkt met de interarrivalrate als parameter.(bvb. in Matlab). Men moet dan
ook steeds even checken welke parameter gebruikt wordt om misinterpretaties en foute resultaten
te vermijden.
Indien de verhouding tussen de gemiddelde geboorte-intensiteit en de gemiddelde sterfte-
intensiteit kleiner is dan 1 zal er zich in het systeem een dynamisch evenwicht instellen.
Dit dynamisch evenwicht wordt beschreven door volgende twee vergelijkingen
De input waarschijnlijkheidsstroom in toestand k; Ik = λk-1 pk-1+ µk+1 pk+1.
De output waarschijnlijkheidsstroom uit toestand k; Ok = (λk+ µk) pk.
Waarbij pk de kans is om in het systeem een toestand aan te treffen met een populatie k.
In het dynamische evenwicht moeten deze twee stromen aan elkaar gelijk zijn.Dit resulteert in
volgende gelijkheid;
λk-1 pk-1+ µk+1 pk+1= (λk+ µk)pk .
Deze gelijkheid geldt voor alle k’s.
λk en µk zullen allen dezelfde verondersteld worden. µ0 is echter gelijk aan 0.
56
Uiteindelijk leidt dit tot een stelsel van vergelijkingen, waarbij
µ.p1 = λ. p0
λ.p0+µ.p2 = (λ+ µ). p1
… … …
λ.pk-1+µ.pk+1 = (λ+ µ). pk
Dit stelsel kan herschreven worden naar een matrixvergelijking;
Waaruit de oplossing kan worden gehaald in functie van p0;
pk = p0 .k
µ
λ .
De som van al deze kansen sommeert tot 1 waaruit dan p0 berekend kan worden als
p0= 1-µ
λ .
rho < 1 is de voorwaarde voor convergentie naar een eindige oplossing.
Indien rho > 1, dan zal de wachtrijpopulatie divergeren en worden geen bruikbare resultaten
gevonden.
Uiteindelijk wordt als algemene oplossing gegeven verkregen;
pk = (1 − ρ)ρk met k=0,1,2,…
57
In tabel 2 worden de resultaten uit de theorie vergeleken met deze bekomen door simulatie.
populatie 0 1 2 3 4 5 6 7 8 9
Pk
0,4945 0,2523 0,1279 0,0688 0,0291 0,0120 0,0071 0,0034 0,0019 0,0013
0,4942 0,2429 0,1257 0,0656 0,0353 0,0177 0,0117 0,0035 0,0015 0,0013
0,5015 0,2488 0,1206 0,0629 0,0331 0,0160 0,0083 0,0056 0,0019 0,0010
0,5042 0,2509 0,1216 0,0931 0,0293 0,0157 0,0080 0,0035 0,0026 0,0011
0,5002 0,2536 0,1247 0,0569 0,0336 0,0172 0,0080 0,0032 0,0023 0,0009
gemiddelde
0,4989 0,2497 0,1241 0,0695 0,0321 0,0157 0,0086 0,0039 0,0020 0,0011
St. dev.
0,0044 0,0042 0,0030 0,0139 0,0028 0,0022 0,0018 0,0010 0,0004 0,0002
theorie
0,5000 0,2500 0,1250 0,0625 0,0313 0,0156 0,0078 0,0039 0,0020 0,0010
theorie-gem
0,0011 0,0003 0,0009 -0,0070 -0,0008 -0,0001 -0,0008 0,0000 -0,0001 -0,0002
relatieve
fout (%)
0,22 0,12 0,73 11,16 2,61 0,55 10,42 1,21 4,31 16,12
relatieve
fout bij
20 sim
0,35 0,26 0,80 0,34 0,68 3,37 6,34 9,37 16,04 1,54
relatieve
fout bij
50 sim
0,27 0,07 0,44 0,30 0,88 1,93 4,01 7,94 9,33 10,08
Tabel 2: Resultaten simulatie M/M/1 rij
Simulatietijd: 10000 interarrivaltijd: 2 bedieningstijd: 1 M/M/1-systeem
In de tabel zijn de waardes voor de kans om een bepaalde populatie aan te treffen voor een M/M/1
systeem met een saturatiegraad van 0.5 weergegeven en vergeleken met de waarden die bekomen
worden in de theorie. Er werden vijf simulaties gedaan, waarvoor bij elk de kans op de
verschillende populaties berekend wordt. Dit wordt gedaan voor een populatie van 0 tot 9. De
kans om een populatie aan te treffen van 10 of groter is kleiner dan 1/1000 en wordt
verwaarloosd.
In de derdelaatste rij wordt de relatieve fout op de populatiekans berekend met de simulatie tov.
deze berekend met de theorie weergegeven.
58
In de voorlaatste rij staan de relatieve fouten bij een uitvoering van 20 simulaties en in de laatste
rij de procentuele fout wanneer er 50 simulaties worden uitgevoerd.
Hieruit blijkt dat de simulatieresultaten naar de resultaten uit de theorie convergeren. Dat in de
laatste kolom de relatieve fout soms nog boven de 10% ligt is louter te wijten aan het feit dat de
kans op deze populaties maar enkele duizenden is. De absolute afwijking bedraagt maar maximaal
enkele tienduizendsten, wat zeer precies is.
4.1.1.2 Gemiddeld aantal wachtenden
Het gemiddeld aantal wachtenden in de rij wordt verkregen als de som van de producten van de
verschillende toestandskansen met hun bijhorende populatie;
∑∞
=
=0k
kkPN wat herschreven kan worden tot N = ρ
ρ
−1.
Volgens de theorie is het gemiddeld aantal wachtenden 5,01
5,0
−= 1.
Uit de simulatie volgt een gemiddelde populatie van 1.0184.
De fout die gemaakt wordt is kleiner dan 2%, en dit reeds na vijf simulaties.
Bij het doorlopen van 50 simulaties wordt er een gemiddelde wachtrijlengte van 0.993 wagens
berekend, een fout kleiner dan één procent.
59
4.1.1.3 De tijd gespendeerd in het systeem
Verder kan men ook de gemiddelde tijd die een gebruiker in het systeem spendeert (T) berekenen.
Uitgaande van de vergelijking van Little, N =λ x T [Little,1961]kan makkelijk worden berekend
dat in het geval van een M/M/1-systeem T gegeven wordt door
T= ρ
µ
−1
1
Volgens de theorie spendeert elke gebruiker in het voorbeeld dus 2 tijdseenheden in het systeem.
Uit het middelen van resultaten uit 5 simulaties (looptijd 10000) volgt een gemiddelde wachttijd
van 1,987 wat een relatieve fout van iets meer dan een halve procent betekent. Het middelen van
50 simulaties met looptijd 200 levert een procentuele afwijking van 1 procent, maar gaat wel
sneller.
4.1.1.4 Besluit M/M/1
De simulatie blijkt zeer nauwkeurige resultaten te geven bij een modellering als
M/M/1- systeem. Hoe groter het aantal simulaties en de looptijd van de simulaties, hoe preciezer
de resultaten worden. Dit heeft alles te maken met het stochastische karakter van de aankomst- en
vertrekprocessen. Indien dit aantal groot genoeg wordt gekozen geeft de simulatie,
afrondingsfouten niet te na gesproken, exacte resultaten weer.
60
4.1.2 Andere Markov-processen
Analoge bewerkingen als voor de M/M/1 rij zijn ook uitgevoerd voor een M/M/m/∞, een
M/D/1 een M/M/1/k en een M/M/m/m Markov wachtrijproces. Over deze resultaten kan
algemeen gezegd worden dat ze ook allemaal de exacte oplossing benaderen. De
convergentiesnelheid van de verschillende processen is hierbij functie van het aantal servers,
en van de saturatiegraad. Hoe meer servers er aanwezig zijn, hoe trager de convergentie naar
de exacte oplossing is. Bij lagere saturatiegraden stijgt de convergentiesnelheid. De kans om
grotere populaties aan te treffen wordt dan al gauw zeer klein, waardoor er minder lange
simulatietijden vereist zijn om toch al tot zeer goede benaderingen van het exacte resultaat te
komen. Een gedetailleerde uitleg bij de verschillende berekeningen is toegevoegd in bijlage
B: “Andere markov-rijen”.
4.1.3 Besluit simulatie van Markov-processen
In het voorgaande deel werden de resultaten uit de simulatie van verschillende Markov-
processen weergegeven. Uit de voorbeelden komt duidelijk naar voor dat het programma op
een zeer goede wijze de analytische formuleringen benadert. De enige afwijkingen ten
overstaan van de theorie zijn een gevolg van afrondingsfouten, en van een te kort simulatie-
interval.
In het volgende deel zal nagegaan worden of met de simulatie even goed resultaten behaald
worden wanneer reële verkeersprocessen gesimuleerd worden. Er zullen verschillende
processen gesimuleerd worden waarna de resultaten vergeleken worden met de bestaand
analytische en deterministische formuleringen.
61
4.2 Verkeerskundige processen
In het vorige deel werd aangetoond dat het programma erin slaagt om op een exacte wijze een
wijd spectrum aan Markov sterfte- en geboorteprocessen te simuleren. Hierbij werd tevens
aangetoond dat de verschillende functies, om vertragingen en gemiddeld aantal gebruikers uit de
simulatie te berekenen, ook correct functioneren.
In dit deel wordt de overgang gemaakt naar meer realistische verkeerssituaties. Door gebruik
te maken van een aaneenschakeling van verschillende wachtrijsystemen wordt geprobeerd om
tot een goede benadering van de werkelijkheid te komen. Er wordt overgegaan op een meer
expliciete simulatie. Zo worden de toeleveringen aan een bepaalde rij soms gebeuren door
meerdere rijen. Hierdoor ontstaan netwerken van verkeerspatronen die vaak zeer moeilijk of
niet meer analytisch te beschrijven zijn.
In dit deel wordt de accuraatheid van het programma voor wat betreft het simuleren van reële
verkeerssituaties gecontroleerd. Voor zowel kruisingen met als zonder verkeerslichten worden
capaciteiten en vertragingen berekend. Deze resultaten worden vergeleken met gekende
analytische formules. Omdat de werkelijkheid al snel te complex wordt, worden bij het
opstellen van de analytische formuleringen aannames gemaakt. Vele van deze aannames zijn
zeer redelijk en leveren goede resultaten. In verkeerssituaties waarbij de verkeersvraag tegen
of boven het saturatieniveau ligt, schieten analytische formuleringen soms echter te kort. Het
is net bij deze belastingen dat de sterkte van het programma zal blijken. Waar vertragingen
berekend met de formules oneindig groot worden zal aangetoond worden dat de vertragingen
berekend met het programma convergeren naar deterministisch bepaalde waarden.
62
4.2.1 Interactie tussen twee stromen aan kruispunten zonder verkeerslichten
De eerste verkeerssituatie die beschouwd wordt is deze van een hoofdstroom die voorrang heeft
op een tweede stroom. Deze tweede stroom wordt verder de zijstroom genoemd.
Zowel de capaciteiten van de zijstroom in functie van het debiet van de hoofdstroom als de
opgelopen vertragingen worden berekend.
De resultaten die bekomen worden met de simulatie worden vergeleken met bestaande analytische
formuleringen. Onder interacties wordt hier het proces van voorrang geven en voorrang nemen
verstaan. De theorie houdt namelijk geen rekening met andere interacties zoals die zich bvb.
voordoen wanneer een kruispunt klem komt te zitten. Hoewel ook deze interacties kunnen
gesimuleerd worden is hiervoor dus echter geen referentiemateriaal uit de literatuur beschikbaar.
4.2.1.1 Capaciteit
In de verkeersstudie zijn er voor deze situatie verschillende analytische formuleringen bekend die
allen een goede benadering vormen voor de werkelijkheid. Deze formules geven de capaciteit van
de zijstroom in functie van de capaciteit van de hoofdstroom. Hierbij wordt de distributie van de
gaps in de hoofdstroom verondersteld exponentieel te zijn.
De waarden voor de critical gap-tijd (Tc) en de follow-up tijd (Tf) worden constant verondersteld.
De resultaten uit de simulatie worden vergeleken met de formuleringen18 opgesteld door
Drew, Buckley,Harders; mq = fP
cP
tq
tq
pe
eq
.
.
1−
−
−
door Siegloch ; mq = cp tq
f
et
..
1 −
en door Tanner; mq = fp
mcp
tq
ttq
p
mp
e
eqtq
.
).(
1
.)..1(
−
−−
−− .
18 In de formules staan qm ,qp en qn respectievelijk voor de maximale intensiteit van de stroom die voorrang moet geven (de zijstroom), de intensiteit van de voorrangsstroom en de verkeersvraag van de zijstroom.
63
In de formules en de simulatie worden de kritische-gap tijd en de follow-up tijd
respectievelijk gelijk genomen aan 6 en 3 seconden.
De simulatie wordt uitgevoerd voor een range van verschillende intensiteiten van de
hoofdstroom, en dit 10 maal per verschillende intensiteit. Hieruit wordt dan de gemiddelde
intensiteit van de zijstroom horende bij de intensiteit van de hoofdstroom berekend. De
resultaten worden weergegeven in tabel 3 en geplot in figuur 13.
Intensiteit
hoofdstroom
(wagens/uur)
0 11 103 222 348 467 570 805 1200 1467
Qm Harders
1200 1183,6 1052,9 900,4 757,5 638,5 546,8 372,3 166,8 75,4
Qm Siegloch
1200 1178,2 1010,7 828,9 671,9 551,0 464,1 313,7 162,4 104,1
Qm Tanner
1200 1183,6 1054,7 907,9 774,0 665,2 583,0 430,6 256,9 180,3
Qm Simulatie
1200 1178 1010 835 678 554 452 328 170 97
Tabel 3: Vergelijking intensiteit uit simulatie met analytische formules
Tijdsinterval 3600 Exponentieel verdeelde gaps
In de tabel zijn de waarden weergegeven die verkregen worden wanneer de waardes voor de
intensiteiten van de hoofdstroom uit de simulatie invullen in de respectievelijke formules voor
de intensiteiten van de zijstroom.
Uit deze tabel is duidelijk af te leiden dat de simulatie zeer aannemelijke resultaten oplevert.
De simulatie geeft waardes voor de intensiteit van de zijstroom terug, die net iets boven de
resultaten uit de formuleringen van Siegloch liggen, en een stukje onder de resultaten van
Harders en Tanner.
64
Dit is ook goed te zien op onderstaande figuur, waarin mq uit de vergelijkingen van Harders,
Siegloch en Tanner als een continue functie van priorq zijn geplot.
Figuur 13: Vergelijking vertragingen simulatie, Harders, Siegloch en Tanner. Tc=6sec en Tf =3 sec.
65
4.2.2 Vertraging
4.2.2.1 Vertragingen berekend met tijdsonafhanlijke formules
De vertraging D die de wagens in de zijstroom oplopen, kan berekend worden met analytische,
tijdsonafhankelijke formuleringen. Eén van deze formules is deze van Harders ;
In de formule staat nq voor de verkeersvraag van de zijstroom, met name hoeveel wagens zich
werkelijk aandienen in de zijstroom, terwijl mq voor het maximaal verwerkbaar verkeersvolume
staat (zie eerder). Deze formule geeft goede resultaten, maar is maar beperkt bruikbaar.
Ze geeft namelijk negatieve vertragingen wanneer de saturatiegraad hoger is als 1, dwz. wanneer
nq groter is als mq . De formule is daarom enkel bruikbaar wanneer mq kleiner is als nq .
Op haar beurt is mq echter ook weer beperkt, en dit door pq . Zoals weergegeven in figuur 13
wordt naarmate pq groter wordt, mq kleiner. Hierdoor daalt ook de maximaal toegestane nq om
nog bruikbare resultaten te krijgen. Zo mag bvb. voor een intensiteit van de hoofdstroom van
1000 wagens per uur, de vraag van de zijstroom zeker niet groter zijn als 350 wagens per uur.
Dit is weergegeven in figuur 14.
66
Figuur 14: De gemiddelde vertraging in functie van de saturatiegraad volgens Harders
Uit de figuur kan afgelezen worden dat wanneer we Qp een vaste waarde toekennen, bvb. 400
wagens per uur, dat dan vanaf een verkeersvraag van de zijstroom van 650 wagens per uur de
berekende vertragingen exponentieel naar ∞ toegaan vanaf een saturatiegraad 0,8. De
bruikbaarheid, zeker bij hoge saturatiegraden, van de analytische formules bij grote
verkeersvraag van de zijstroom is dus begrensd. Wanneer we bovendien de waarde Qp nu
laten toenemen van 400 tot 800 wagens per uur, dan blijkt deze exponentiële naar ∞ bij een
saturatiegraad 0,8 zich al in te zetten bij een verkeersvraag van de zijstroom van ongeveer 370
wagens per uur. Het berekenen van vertragingen die in overeenstemming zijn met de
werkelijkheid is bij grote intensiteit van zowel de hoofd- als de zijstroom is daarom niet
mogelijk met de analytische formules. Ze zijn immers opgesteld voor een tijdsinterval met
lengte gaande naar oneindig. In situaties met hoge belastingsgraden worden dan inderdaad
uiterst grote gemiddelde vertragingen opgetekend. In de werkelijkheid hebben deze periodes
van hoge belasting steeds een beperkte lengte. Er is dus nood aan formules die ook rekening
houden met de lengte van het beschouwde tijdsinterval.
67
Bij een saturatiegraad 1 gaat de gemiddelde vertraging, berekend met analytische,
tijdsonafhankelijke formuleringen zoals de formule van Harders naar oneindig.
De resultaten die de simulatie weergeeft kunnen met de bestaande analytische formules
vergeleken worden indien de saturatiegraden niet te hoog worden. De lengte van het
beschouwde tijdsinterval heeft dan immers geen invloed op de gemiddelde vertraging.
Voor veel hogere saturatiegraden (vanaf ρ = 2) zijn deterministische formuleringen bekend.
Tussen deze kleine en grote saturatiegraden in gaat de gemiddelde vertraging van de
tijdsonafhankelijke formules asymptotisch naar de deterministische formuleringen toe.
Bij lage saturatiegraden moeten de resultaten uit de simulatie een sterke correlatie vertonen
met de resultaten uit de analytische berekeningen.
Voor saturatiegraden van 0,05 tot 0,9 zijn in onderstaande tabel de verschillende vertragingen
berekend met de simulatie samengevat. Aangezien deze resultaten vergeleken worden met een
vertragingsformule van Harders, wordt om mq te berekenen ook de capaciteitsformules van
Harders gebruikt. In tabel 4 is de intensiteit van de hoofdstroom gelijk genomen aan 600
voertuigen per uur. Dit resulteert in een mq van 561 voertuigen per uur. Indien nq 561/2 is
de saturatiegraad gelijk aan 0,5. Voor elke saturatiegraad werd de simulatie 40 keer
doorlopen, waarna de gemiddeldes werden berekend. Het beschouwde tijdsinterval is 3600
seconden. De resultaten zijn ter verduidelijking ook nog eens geplot in figuur 15.
68
Saturatiegraad
0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45
Uit simulatie
7,3523 8,3738 7,9836 8,8665 10,2637 9,4628 10,4701 11,9459 12,6026
Uit formule
7,3270 7,6260 7,9587 8,3313 8,7520 9,2310 9,7818 10,4223 11,1769
Saturatiegraad
0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90
Uit simulatie
15,3146 14,2708 18,9586 17,0152 30,9920 28,4402 30,4458 30,1399 43,5703
Uit formule
13,8266 15,3742 17,3924 20,1365 24,0868 30,2670 41,3163 66,7517 97,8959
Tabel 4: Vergelijking gemiddelde vertragingen uit simulatie met analytische formuleringen.
Figuur 15: Vertraging in de zijstroom (sec) in functie van saturatiegraad/ Qp=600 wagens/uur
69
Er kan opgemerkt worden dat er vanaf een saturatiegraad 0,9 een loskoppeling is van de
resultaten uit de simulatie, en de vertragingen berekend met de formule van Harders. Zoals
eerder reeds opgemerkt is dit te wijten aan het feit dat het tijdsinterval dat in de simulatie
beschouwd wordt eindig is. In tabel 5 zijn de standaarddeviaties horende bij de berekeningen
weergegeven. Bij zeer kleine saturatiegraden is deze relatief groot. Door de kleine bezetting
zijn er grote relatieve verschillen in het aantal aankomsten. Dit zorgt voor een grote
schommeling op de resultaten. Vanaf een saturatiegraad 0,1 halveert deze standaarddeviatie.
De schommelingen zijn op de resultaten zijn dan heel wat minder.
Standaarddeviaties bij de berekeningen van de vertragingen
Saturatiegraad
0.0250 0.0500 0.0750 0.1000 0.1250 0.1500 0.1750 0.2000 0.2250 0.2500
Standaarddev. 7.311 7.508 6.506 3.107 2.724 3.287 3.937 3.368 3.420 3.884
Saturatiegraad
0.2750 0.3000 0.3250 0.3500 0.3750 0.4000 0.4250 0.4500 0.4750 0.5000
Standaarddev. 2.556 4.103 3.930 4.254 6.095 2.934 5.264 6.008 5.201 8.806
Saturatiegraad
0.5250 0.5500 0.5750 0.6000 0.6250 0.6500 0.6750 0.700 0.7250 0.7500
Standaarddev. 7.803 6.556 12.954 6.847 8.864 9.186 12.930 10.933 12.761 11.533
Saturatiegraad
0.7750 0.8000 0.8250 0.8500 0.8750 0.9000 0.9250 0.9500 0.9750 1.0000
Standaarddev. 15.652 18.779 18.596 18.475 21.029 20.815 22.016 21.454 16.897 18.306
Tabel 5: Standaarddeviaties bij berekening van de vertragingen
70
4.2.2.2 Formules berekend met tijdsafhankelijke berekeningen
Met toenemende saturatiegraden blijken de resultaten uit de simulatie minder en minder aan te
sluiten bij de analytische berekeningen. Dit uit zich overduidelijk rond het punt met
saturatiegraad 1. Op basis van de analytische uitdrukkingen kan in dit punt een oneindig grote
vertraging verwacht worden. Dit blijkt echter niet het geval.
Voor grotere saturatiegraden zijn andere, benaderende deterministische formules opgesteld.
De volgende is er één van [TRB] ;
Waarbij xd: de saturatiegraad
Dmin : de minimale vertraging die men aan het kruispunt kan hebben.
L0 : de wachtrijlengte op tijdstip 0.
T : de lengte van het interval waarin deze oversaturatie zich voordoet.
qm : de maximale capaciteit van de zijstroom.
De gemiddelde vertraging blijkt hier dus ook afhankelijk van de lengte van het interval
waarvoor overcapaciteit zich voordoet. Hoe groter dit interval, hoe groter de gemiddelde
vertragingen worden.
In figuur 16 is deze vergelijking, samen met de resultaten uit de simulatie geplot voor T=360
en T=720 seconden. Per saturatiegraad zijn 10 simulaties uitgevoerd. Zoals op de figuur ook
te zien is, is de overgang van tijdsonafhankelijke naar tijdsafhankelijke situaties niet strikt
afgelijnd. In tabel 6 zijn de standaarddeviaties op de berekeningen gegeven.
71
Figuur 16: vergelijking vertragingen deterministische formulering en simulatie
Standaarddeviaties bij de berekeningen van de vertragingen
Saturatiegraad
0.0500 0.1000 0.1500 0.2000 0.2500 0.3000 0.3500 0.4000 0.4500 0.5000
Std 720 sec Std 360 sec
5.7329 3.3375 4.8559 2.3379 3.6785 5.6760 3.7938 4.4408 3.1126 4.9967 3.5239 2.6631 2.7106 2.7864 2.6629 3.5575 2.7952 2.4513 3.5012 4.4945
Saturatiegraad
0.5500 0.6000 0.6500 0.7000 0.7500 0.8000 0.8500 0.9000 0.9500 1.0000
Std 720 sec Std 360 sec
4.433 11.364 17.702 21.166 24.576 28.446 31.023 33.524 33.388 33.280 5.342 5.3801 7.710 7.669 12.362 14.394 15.712 13.829 17.354 23.039
Saturatiegraad
1.0500 1.1000 1.1500 1.2000 1.2500 1.3000 1.3500 1.4000 1.4500 1.5000
Std 720 sec Std 360 sec
33.260 34.417 36.583 36.030 38.063 37.398 35.331 35.595 33.734 39.819 26.580 24.693 30.173 31.270 29.371 31.8197 30.186 31.755 34.106 34.582
Saturatiegraad
1.5500 1.6000 1.6500 1.7000 1.7500 1.8000 1.8500 1.9000 1.9500 2.0000
Std 720 sec Std 360 sec
34.598 36.545 42.879 48.989 54.612 58.120 66.862 77.826 83.259 92.202 34.347 38.939 33.266 38.474 40.050 41.067 37.486 41.644 42.701 50.986
Saturatiegraad
2.0500 2.1000 2.1500 2.2000 2.2500 2.3000 2.3500 2.4000 2.4500 2.5000
Std 720 sec Std 360 sec
97.900 101.024 98.709 100.596 99.352 107.953 102.360 112.647 111.113 116.337 43.481 47.646 44.643 53.532 53.7601 55.053 50.413 49.988 47.379 54.002
Saturatiegraad
2.5500 2.6000 2.6500 2.7000 2.7500 2.8000 2.8500 2.9000 2.9500 3.0000
Std 720 sec Std 360 sec
117.703 109.979 112.325 122.886 123.875 116.001 124.978 124.438 126.121 130.507 53.348 53.801 51.708 61.694 59.361 54.349 60.712 57.882 60.3546 61.059
Tabel 6: Standaarddeviaties op de resultaten
72
De resultaten uit de simulatie blijken te oscilleren rond deze twee verschillende rechten. Deze
oscillatie is natuurlijk het gevolg van het stochastische karakter. Ze zullen kleiner worden
naarmate men meer simulaties laat lopen.
Dit is natuurlijk een heel goed resultaat. Waar de analytische formuleringen tekort schieten en
oneindig grote vertragingen voorspellen, beginnen de resultaten van de simulatie hiervan af te
wijken en gaan asymptotisch naar deterministische formuleringen toe. Er kan besloten worden
dat de simulatie, voor wat kruispunten zonder verkeerslichten betreft, de realiteit zeer goed
benadert. In de volgende paragraaf zal nagegaan worden hoe de resultaten van de simulatie
zijn op kruispunten met verkeerslichten.
4.2.3 Vertragingen aan kruispunten met verkeerslichten
Bij kruispunten met verkeerslichten kan ook nagegaan worden wat de gemiddelde
vertragingen zijn. Ook is het interessant te controleren of de simulatie realistische resultaten
geeft voor het schatten van wachtrijlengtes. Zoals eerder reeds uiteengezet, wordt de interactie
tussen stromen op kruispuntvlakken met verkeerslichten verwaarloosd. De theorie stelt geen
capaciteitsformules op, omdat die toch makkelijk te berekenen is indien de totale groentijd
binnen het beschouwde interval en de afrijcapaciteit bij groen licht gekend zijn. Het is
namelijk hun product. Later tonen we aan dat dit toch niet persé altijd zo hoeft te zijn, maar
eerst worden de prestaties van het programma voor het berekenen van de vertragingen aan
kruispunten met verkeerslichten nagegaan.
Net zoals in het vorige deel, zijn ook hier de vertragingen afhankelijk van de saturatiegraad.
De saturatiegraad is nu te berekenen als x=(q/S)/(g/c) .
Hierbij is c de cyclustijd, g de effectieve groentijd, q het aantal wagens dat per tijdseenheid
aankomt, en S het aantal wagens dat per tijdseenheid kan vertrekken tijdens de groenfase.
Wanneer het rood is wordt de intensiteit van uitrijden gelijk aan nul.
73
Bij lage saturatiegraden kan weer een beroep gedaan worden op analytische formules, zoals
de formules van Webster [Webester, 1958] of Miller [Miller, 1972] ;
Q0 staat hier voor de gemiddelde overloop van de wachtrij. Het is het gemiddelde aantal
auto’s dat nog voor het verkeerslicht staat als het licht weer op rood springt.
Saturatiegraad
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Webster
11.55 12.45 13.47 14.62 15.92 17.46 19.51 22.98 32.72 ∞
Miller
11.33 11.98 12.70 13.51 14.46 15.54 16.86 18.61 22.27 ∞
Simulatie
11.89 12.17 13.17 14.33 14.06 15.84 17.21 18.38 20.27 39.35
Tabel 7: Vergelijking vertragingen uit simulatie met analytische formules (kruispunt met verkeerslichten).
In tabel 7 zijn de gemiddelde vertragingen (looptijd 3600 seconden, simulaties per saturatiegraad:
20) getabellariseerd, berekend met de formule van Webster, Miller, en met de simulatie. Bij
saturatiegraden tot 0,8 is er weer een zeer goede overeenkomst tussen de resultaten. Bij hogere
saturatiegraden stijgen de verwachte vertragingen berekend met analytische formules plots enorm
om bij een saturatiegraad 1 een oneindige verwachte vertraging te geven. De resultaten hebben
dus ongeveer hetzelfde patroon als bij kruipunten zonder verkeerslichten. De simulatie geeft ook
een toegenomen stijgingsgraad weer voor de vertragingen vanaf het saturatiepunt, maar de
verwachte vertragingen blijven toch nog beperkt in vergelijking met deze die verwacht worden
met de analytische formuleringen. De curve van de gemiddelde vertragingen uit de simulatie gaat
namelijk zeker niet naar oneindig.
74
De simulatie geeft bij hogere saturatiegraden weerom een veel realistischer resultaat dan de
analytische formules aangezien vertragingen in de werkelijkheid nooit naar oneindig kunnen gaan.
Voor hogere saturatiegraden zijn er weer deterministische formuleringen bekend.
Akçelik [Akçelik, 1988] heeft een formule opgesteld die de deterministische formuleringen, die
goede resultaten geven bij hoge saturatiegraden, en de analytische formuleringen die
nauwkeuriger zijn bij lage saturatiegraden, verenigt. Om een goede overgang te bekomen tussen
deze twee, maakt hij gebruik van de coördinaten-transformatiemethode.
waarbij d de gemiddelde vertraging is.
Figuur 17: Vertragingen volgens Akçelik, Webster, Miller en de simulatie
75
Uit figuur 17 blijkt weer dat de resultaten van de simulatie zeer dicht bij de werkelijkheid
aanliggen. Er werden 20 simulaties per saturatiegraad19 gemaakt. Het beschouwde tijdsinterval is
720 seconden. Al de resultaten uit de verschillende verificaties voor wat betreft de vertragingen
zijn dus zeer goed gebleken. Ook op kruispunten met verkeerslichten blijkt de simuilatie niet
alleen beter te doen als zuiver wiskundige analytische formules, weerom wordt de werkelijkheid
zeer goed benaderd. De standaarddeviaties zijn gelijkaardig met die uit tabel 6.
Tot slot kunnen ook nog de capaciteiten die men op een kruispunt met verkeerslichten zal hebben
berekenen. Dit wordt gedaan voor een vaste saturatiegraad 0,8. In de figuur worden de
vertragingen van de verschillende auto’s uitgezet. Ook worden de vertrek- en aankomsttijden
getekend. Op figuur 18 is duidelijk te zien dat tijdens rood licht er geen wagens de wachtrij meer
uitrijden. De vertreklijn blijft daar horizontaal20. Tijdens de rood lichtfase zien we de individuele
vertragingen aangroeien, tijdens groen licht worden ze weer kleiner en vallen ze zelfs bijna terug
tot nul.
Figuur 18: Tekening van aankomst- en vertrekprocessen met bijhorende vertragingen
19 De saturatiegraad neemt met stappen van 0,05 toe van 0,05 tot 3. 20 De lijn van de vertrekken loopt lichtjes naar boven, maar dit is te wijten aan hoe Matlab verschillende vectoren ten overstaan van elkaar plot, en is geenszins een fout in de berekeningen.
76
Zowel de groen- als de roodfase duren 10 tijdseenheden. Er wordt gemiddeld 1 wagen
aangeleverd per tijdseenheid, terwijl er tijdens de groenfase gemiddeld 2,5 wagens per
tijdseenheid vertrekken. De saturatiegraad is dus 0,8. De vertrekken kennen een constante
verdeling. Bij de aankomsten wordt er een onderscheid gemaakt tussen exponentiele of constante
distributies. Net zoals de verkeerstheorie al verwachtte zijn de vertragingen bij een exponentiele
verdeling gemiddeld groter. (vgl M/M/1 –M/D/1 Markov-systemen) De schuin oplopende
grafieken21 geven de tijd van aankomst en van vertrek weer. Deze tijd kan worden afgelezen
worden op de x-as. Op de y-as kan dan worden afgelezen worden het hoeveelste vertrek of
aankomst het betreft.
De onderste grafiek tekent de vertraging voor elke wagen. Op de X-as kan dan afgelezen worden
over de hoeveelste auto het gaat, de vertraging wordt dan afgelezen op de Y-as.
Op de grafiek zijn duidelijk de groen- en de roodfase te onderscheiden. In de roodfase bouwt de
rijlengte op, de vertragingen nemen toe, terwijl ze in de groenfase weer afbouwen.
Afhankelijk van het beschouwde interval22 ligt de berekende gemiddelde vertraging in het
voorbeeld tussen de 4,9 en de 5,4 tijdseenheden. Met de formule van Webster wordt een
vertraging van 5,12 berekend.
21 Het feit dat de grafieken bij een constante aankomstintensiteit toch ietwat onregelmatig verlopen heeft enkel te maken met hoe Matlab een grafiek tekent uitgaande van de gegevens. 22 De gemiddelde vertraging is immers de totale oppervlakte die zich onder de driehoekige vertragingen-per-wagen-lijn bevindt gedeeld door het aantal wagens. Afhankelijk van waar er wordt gestart en gestopt wordt met meten vindt men een iets grotere of iets kleinere gemiddelde oppervlakte per wagen weer.
77
4.3 Besluit verificatie
In dit deel werd het simulatieprogramma getoetst aan een groot aantal gekende formuleringen
uit de wachtrij- en verkeerstheorie. Alle simulaties geven resultaten terug die zeer nauw
aansluiten bij de gekende formuleringen. Daar waar de resultaten afwijken van de analytische
formules, is het omdat deze formules zelf te kort schieten in het benaderen van de
werkelijkheid. Zelfs in deze situaties geeft de simulatie resultaten terug die de werkelijkheid
zeer goed benaderen.
Het voorbije deel kan dan ook beschouwd worden als een sterke theoretische onderbouwing
en staving van het simulatiemodel. In het volgende hoofdstuk wordt dit model gebruikt om
een aantal verkeerssituaties verder uit te werken. Hierbij wordt de invloed van verschillende
fenomenen van de verkeersafwikkeling op gemiddelde vertragingen en op capaciteiten met
elkaar vergeleken.
78
5 Hoofdstuk Toepassing In de vorige hoofdstukken werden eerst de functionele vereisten voor het simulatiemodel
gestipuleerd. Vervolgens werd uiteengezet hoe deze vereisten omgezet zijn in een
computermodel en in het hoofdstuk ‘Verificatie’ werd de werking van dit model geverifieerd
aan de hand van verschillende gekende formules.
In dit hoofdstuk gaan we aan de gekende theorie voorbij. In de bestaande verkeersmodellen
wordt er immers geen rekening gehouden met de interacties23 tussen verschillende
verkeersstromen op het kruispuntvlak zelf. Ze veronderstellen dat, bij stijgende
belastingsgraden, de som van alle intensiteiten van de stromen over het kruispuntvlak
toeneemt om uiteindelijk begrensd te worden door een maximale waarde, de capaciteit.
In dit hoofdstuk wordt er door gebruik te maken van de simulatie aangetoond dat deze
veronderstellingen niet altijd juist zijn. Er wordt aangetoond dat er zich een daling in de
hoeveelheid wagens die het kruispunt kan verwerken kan voordoen. Bij een stijgende totale
verkeersvraag neemt de totale capaciteit van het kruispunt af. In plaats van naar een maximale
capaciteit toe te lopen kent het kruispunt dan, net door de interacties tussen de verschillende
verkeersstromen, een capaciteitsval…
23 Wanneer in dit hoofdstuk over interacties gesproken wordt, wordt de hinder bedoeld die verschillende wachtrijen op elkaar uitoefenen omdat hun lengtes te zeer zijn toegenomen om nog een normale verkeersafwikkeling toe te laten. Een voorbeeld van zulk een interactie is het feit dat wagens, wanneer ze groen hebben, het kruispuntvlak niet op kunnen rijden omdat er nog wagens uit een andere stroom op staan.
79
5.1 Situatieschets De verkeerssituatie die in dit hoofdstuk beschouwd wordt is weergegeven in figuur 19. Ze kan
beschouwd worden als een uitsnede van de verkeerssituatie aan de Kapucijnenvoer, een
dubbel kruispunt in Leuven. Om de situatie overzichtelijk te houden zijn er echter enkele
vereenvoudigingen en aannames gemaakt.
Figuur 19: Omzetting plan Kapucijnenvoer naar schematische voorstelling
In figuur 19 is er aangegeven hoe een grondplan van de Kapucijnenvoer schematiserend
opgesplitst in een aantal fysische entiteiten. In dit hoofdstuk worden enkel de niet gearceerde
gebieden beschouwd. Om de verschillende verkeersstromen over dit deel van het kruispunt te
kunnen betrouwbaar te kunnen simuleren worden verscheidene van deze entiteiten nog eens
opgesplitst. De uiteindelijke opsplitsing in wachtrijen die ingegeven wordt in de simulatie is
geschetst in figuur 20.
80
Figuur 20: Voorstelling van de wachtrijen zoals ze in de simulatie worden ingegeven
5.1.1 Verschillende verkeersstromen
In de situatie zijn er vier verschillende verkeersstromen te onderscheiden. Stroom 3-4-10-5,
stroom 2-1, stroom 6-11-12-7 en stroom 9-8-5.
De wagens die het kruispunt oprijden via rij 2 rijden via rij 1 het kruispunt weer af. De
wagens in stroom 6-11-12-7 verlaten het kruispuntvlak via rij 7. Hierbij wordt verondersteld
dat de wagens in rijen 1 en 7 zich niet mengen, en dus geen interacties aangaan. Hetzelfde
wordt verondersteld voor de wagens in rijen 4 en 8.
Stroom 2-1 kruist het traject van de stromen 9-8-5 en 3-10-4-5. Wagens uit rijen 4 en 8
moeten voorrang geven aan de wagens uit rij 2. Er wordt verondersteld dat de wagens uit rijen
4 en 8 voorrang geven zolang wachtrij 2 groen licht heeft, en er bovendien ook nog wagens
staan te wachten om te vertrekken. Hierdoor wordt de gap-acceptatie tijd van de wagens in rij
4 en 8 impliciet gelijk verondersteld aan de bedieningstijd van wachtrij 2. De follow-up tijd is
de bedieningstijd van de respectievelijke wachtrijen 4 en 8. Indien men een andere gap-
acceptatie tijd zou willen modelleren moet beroep gedaan worden op de eerder besproken
gap-acceptatie rij.
81
Vanaf wanneer de populatie in wachtrij 1 een bepaalde grootte bereikt (‘hinderlengte’) zal de
staart van rij 1 het de wagens uit rijen 4 en 8 bemoeilijken om het kruispunt af te rijden. De
bedieningstijd van deze rijen verhoogt. De verhoogde bedieningstijd van rijen 4 en 8 blijft
behouden zolang de lengte van rij 1 niet weer kleiner wordt dan de hinderlengte. We noemen
deze hinder een eerste orde hinder. De rij die de hinder veroorzaakt (rij 1) is rechtstreeks
betrokken bij het conflict.
Een andere interactie kan optreden tussen de wagens van stroom 6-11-12-7 en stroom 3-10-4-
5. Wanneer op een bepaald moment de maximale capaciteit van wachtrij 4 bereikt wordt,
kunnen de wagens die rij 3 uitrijden niet meer vlot doorrijden tot in rij 4. Ze blijven staan in
rij 10. Daardoor hinderen ze de wagens van stroom 6-11-12-7. Uit rij 6, aan de
verkeerslichten, kunnen nog enkele wagens uitrijden. Ze worden echter gehinderd door de
wagens in rij 10. Hierdoor loopt rij 11 vol waardoor uiteindelijk de wagens in rij 6 het
kruispuntvlak niet meer kunnen oprijden. Deze interactie noemen we een interactie van
tweede orde omdat ze initieel veroorzaakt worden door rij 1. Rij 1 is echter maar
onrechtstreeks (via rijen 4 en 10) bij het conflict betrokken.
Op zijn beurt kan stroom 6-11-12-7 ook de stroom 3-10-4-5 hinderen. Wanneer rij 7 volledig
is volgelopen, wordt via rij 12 het uitrijden van rij 3 bemoeilijkt.
5.1.2 Verkeerslichtenregeling
Rijen 1, 2, 3, 6, 7 en 9 hebben een verkeerslicht. Alle verkeerslichten hebben een cycluslengte
van 90 seconden. Rijen 2,3 en 1/7 krijgen allen samen groen. Rij 2 en 3 gedurende 45
seconden, terwijl rijen 1 en 7 enkel gedurende de eerste 35 seconden groen licht krijgen. Na
45 seconden staan alle lichten op rood. Daarna krijgen rijen 6 en 9 gedurende 45 seconden
groen licht, terwijl de andere rijen rood licht hebben.
Deze verkeerslichtenregeling wijkt op twee plaatsen af van de regeling aan de
Kapucijnenpoort; Ten eerste heeft rij 1 er langer groen. Rij 7 -aan de Kapucijnenpoort de
wagens die af willen slaan- heeft er echter maar een twintigtal seconden groen. Op de
Kapucijnenpoort wordt de hinder primair veroorzaakt door de stroom 6-11-12-7. De rij die de
belangrijkste bron van hinder is heeft er dus maar een beperkte groentijd. Rij 7 slaat terug op
het kruispunt, waardoor rijen 4 en 8 gehinderd worden.
82
Ook het uitrijden van rij 2 wordt hierdoor gehinderd. In de situatie zoals ze hier wordt
uitgewerkt wensen we het aantal interacties tot een overzichtelijk aantal te beperken. Daarom
is er een vereenvoudigde situatie uitgewerkt waarbij de belangrijkste bron van hinder stroom
2-1 is. Daarom krijgt hier deze stroom maar een beperkte groentijd.
Een tweede vereenvoudiging zit hem in het feit dat rijen 1 en 7 groen licht krijgen met
stromen 2 en 3, in plaats van met stromen 6 en 9. De belangrijkste bron van problemen heeft
op de Kapucijnenvoer groen licht samen met rijen 1 en 7. Aangezien deze bron nu stroom 2-1
is, wordt er hier verondersteld dat rij 2 (en daarbij rij 3) samen met rij 1 en 7 groen licht
hebben, in plaats van stroom 6-11-12-7. Er is in de uitwerking van de verkeerssituatie dus
voor gekozen om de principiële werking van het kruispunt na te bootsen in plaats van de
lichtenregeling letterlijk over te nemen. Hierdoor blijven de mechanismen van de interacties
tussen de stromen ongeveer dezelfde, terwijl de situatie tegelijkertijd minder complex en
overzichtelijker wordt.
5.1.3 Invloed van de verschillende stromen op elkaar
Eerder werd al aangegeven dat de verschillende stromen een invloed op elkaar kunnen
uitoefenen. Twee belangrijke parameters van deze invloed zijn ten eerste het aantal wagens in
een wachtrij vooraleer deze een invloed uitoefent op een andere rij, en ten tweede de invloed
zelf. Namelijk de nieuwe bedieningstijd voor de wagens in de rij die gehinderd wordt.
Een gedetailleerd overzicht van alle eigenschappen van de verschillende rijen is toegevoegd
in bijlage C: ”Eigenschappen van de wachtrijen in de toepassing”. Naast de groentijden en de
lichtcycli worden er ook de maximale capaciteit, de bedieningstijden, en de wijze van
toelevering aangegeven. Indien toepasselijk zijn de hinderlengtes, en de verhoogde
bedieningstijden ook vermeldt.
83
In het volgende deel wordt eerst nagegaan of er überhaupt wel een invloed is van deze
interacties tussen de verschillende stromen op de verkeersafwikkeling en de capaciteit van het
kruispunt. Daarna wordt de kwantitatieve invloed van de hinderlengte en de bedieningstijd bij
hinder op deze capaciteit nagegaan. Natuurlijk zijn er nog vele andere parameters die elk hun
invloed uitoefenen op het ontstaan, het evolueren en het oplossen van conflicten tussen
stromen. Hierbij denken we bvb. aan de afstelling van de verkeerslichten, cycluslengtes, de
verhouding tussen de intensiteiten tussen verschillende stromen op het kruispuntvlak, het
aantal armen van het kruispunt,…Een uitgebreide studie van de parameters, en een juiste
kwantificering van hun invloed op de capaciteit van het kruispunt paste niet in het bestek van
deze thesis, en wordt overgelaten voor uitgebreid verder onderzoek.
5.2 Berekeningen en resultaten
In dit deel wordt de invloed van de interacties tussen verschillende stromen op de totale
capaciteit van een kruispunt nagegaan. Hierbij wordt in stappen tewerk gegaan. In een eerste
geval wordt er geen rekening gehouden met de invloed van interacties tussen de verschillende
verkeersstromen. De resultaten die worden bekomen via deze werkwijze stemmen overeen
met de resultaten die de huidige verkeersmodellen weergeven. Deze houden immers ook geen
rekening met deze interacties. In een tweede stap wordt de hinder die wachtrij 1 uitoefent op
de rijen 4 en 8 mee ingerekend. Uiteindelijk wordt er in een derde stap ook de hinder die de
staart van rij 4 (via rij 10) uitoefent de stroom 6-11-12-7 meegerekend.
84
5.2.1 Verwaarlozen van de interacties
In dit deel worden de interacties tussen de verschillende stromen verwaarloosd. Er wordt dus
verondersteld dat de lengte van wachtrij 1 geen invloed heeft op de afrijsnelheid van rijen 4
en 8. Natuurlijk moeten de wagens in deze stromen wel nog steeds voorrang verlenen aan de
wagens die vanuit rij 2 naar rij 1 rijden.
Zowel de intensiteiten van de verschillende stromen als de totale capaciteit van het hele
kruispunt zijn berekend in functie van de verkeersvraag van rij 2 en rij 324. Voor elke
combinatie van een verkeersvraag van rij 2 en rij 3 zijn er 50 simulaties gedaan. In totaal
werden er voor elke situatie dus 7x9x50=3150 simulaties uitgevoerd. Het beschouwde
tijdsinterval is 720 seconden. De simulatie wordt uitgevoerd gedurende 840 seconden, maar
de verkeersafwikkeling gedurende de eerste 120 seconden wordt niet meegerekend in de
resultaten. Zo wordt de invloed van overgangsverschijnselen gematigd.
In de onderstaande tabellen 8 tot 11 zijn de intensiteiten van de verschillende stromen in
functie van de verschillende verkeersvragen weergegeven. In tabel 12 is de totale intensiteit
over het kruispuntvlak getabellariseerd.
Verkeersvraag25 rij 2 (wagens/uur)
Geen hinder Intensiteit Stroom 2-1 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
99 200 292 329 343 337 346 96 199 300 328 345 343 348 100 198 284 326 347 339 346 101 198 286 325 337 351 339 95 206 286 330 341 342 340 98 201 290 330 342 342 343 103 192 287 332 345 343 340 102 193 287 324 338 352 341 101 196 280 331 339 346 337
Tabel 8: Intensiteit 2-1, geen hinder
24 De vraag verkeersvraag van rij 2 varieert van 100 tot 700 wagens per uur met stappen van 100. De opeenvolgende verkeersvragen van rij 3 zijn 100, 200, 250, 300, 350, 400, 500, 600 en 700 wagens per uur. 25 De aankomsten worden geloot uit een exponentiele verdeling met als gemiddelde, karakteristieke waarde de respectievelijke verkeersvragen per uur. Daarom kan het zijn dat in de tabel bij een bepaalde gemiddelde verkeersvraag de werkelijke intensiteit over het beschouwde traject toch groter is als deze gemiddelde verkeersvraag. De verkeersvraag moet dus beschouwd worden als een statistisch gemiddelde eerder dan als een werkelijke waarde. De intensiteit zou anders immers nooit hoger kunnen zijn dan de vraag.
85
Verkeersvraag rij 2 (wagens/uur)
Geen hinder Intensiteit 3-10-4-5 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
98 98 100 98 96 99 104 189 194 204 207 194 203 209 242 253 247 240 245 252 255 287 293 293 303 303 295 298 346 338 343 353 343 351 349 374 380 364 376 385 375 394 412 396 403 410 419 416 418 419 417 400 426 421 421 427 423 414 413 422 424 422 419
Tabel 9: Intensiteit 3-10-4-5, geen hinder
Verkeersvraag rij 2 (wagens/uur)
Geen hinder Intensiteit 9-8-5 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
433 422 432 416 428 429 424 418 419 421 425 424 432 425 425 426 419 425 415 425 413 424 419 437 426 424 433 426 426 424 426 423 419 419 424 409 421 428 421 435 424 419 418 423 418 422 430 417 426 428 420 416 419 432 429 417 423 426 432 418 416 429 420
Tabel 10: Intensiteit 9-8-5, geen hinder
86
Verkeersvraag rij 2 (wagens/uur)
Geen hinder Intensiteit 6-11-12-7 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
447 450 453 446 446 451 451 448 463 439 440 433 454 444 455 447 442 451 452 446 445 448 445 451 447 455 456 451 438 454 455 467 440 456 452 449 457 466 442 443 451 453 451 448 445 448 448 445 448 440 452 449 453 458 459 450 455 447 450 447 445 452 446
Tabel 11: Intensiteit 6-11-12-7, geen hinder
Ook de totale intensiteit over het kruispunt wordt door de simulatie berekend. Deze moet
natuurlijk gelijk26 zijn aan de som van de intensiteiten van deze verschillende
verkeersstromen apart.
Verkeersvraag rij 2 (wagens/uur)
Geen hinder Totale Intensiteit 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
1078 1172 1278 1290 1315 1318 1326 1153 1277 1366 1400 1398 1433 1428 1223 1326 1393 1443 1460 1463 1459 1262 1357 1468 1503 1521 1536 1516 1306 1424 1511 1574 1545 1570 1567 1332 1460 1549 1570 1606 1593 1611 1385 1461 1555 1614 1643 1622 1634 1389 1484 1553 1624 1651 1662 1637 1403 1485 1577 1620 1625 1650 1623
Tabel 12: Totale intensiteit, geen hinder
26 De intensiteiten worden maar berekend voor een interval van 720 seconden. Om dus tot intensiteiten per uur te komen worden de resultaten met 5 vermenigvuldigd. Hierdoor kan de intensiteit per uur een kommagetal zijn. In de tabellen zijn de intensiteiten afgerond (naar beneden) tot op een eenheid. Door deze afrondingen kan het zijn dat de totale intensiteit iets groter is als de de som van de intensiteiten van de verschillende stromen uit de tabellen.
87
De standaarddeviaties op de berekening van de totale intensiteiten over het kruispunt worden
weergegeven in tabel 13. Hoewel de simulaties maar een simulatie-interval van 720 seconden
beschouwen worden de resultaten toch uitgezet in wagens per uur. Daarom moeten de
berekende standaarddeviaties vermenigvuldigd worden met een factor27 5. Deze
standaarddeviaties voor de totale intensiteit worden weergegeven in onderstaande tabel. De
standaarddeviaties horende bij de intensiteiten van de verschillende stromen zijn
getabellariseerd (tabelleriseerd 37-40) in bijlage D: “Intensiteiten en standaarddeviaties bij de
toepassing”.
Verkeersvraag rij 2 (wagens/uur)
Geen hinder Totale intens. Stand. dev. 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
73.3335 76.3462 68.0078 74.4890 60.3771 81.2518 81.4387 85.2353 72.1334 77.2800 77.4313 68.2116 78.0260 73.4830 68.6256 69.9312 88.5288 61.6796 63.6750 80.9727 80.9352 72.4153 73.0750 74.9643 77.1611 83.5657 78.3952 80.3789 80.4614 70.8594 66.8416 79.1940 83.3544 93.2948 82.6845 77.5716 74.3783 77.3566 95.6255 83.8473 94.3076 83.9357 77.5322 78.9361 78.0460 83.8609 71.8243 78.3063 69.0755 65.1056 65.2440 75.7092 98.8658 81.1650 86.8094 92.7043 77.7243 78.6688 76.3996 84.9550 86.7497 91.9070 77.4550
Tabel 13: Totale intensiteit, standaarddeviatie op berekeningen
27 De verwachtingswaarden van de intensiteiten worden lineair getransformeerd. De standaarddeviatie die berekend wordt in de simulatie moet dus ook aangepast worden. Uit de rekenregels voor de verwachtingsoperator, en uit de lineariteit van de integraaloperator volgt eenvoudig dat wanneer we de verwachtingswaarden vermenigvuldigen met een bepaalde waarde, dan we dan de standaarddeviatie van deze verwachtingswaarden moeten vermenigvuldigen met de absolute waarde van de waarde waarmee we de verwachtingswaarden vermenigvuldigden. Voor standaarddeviaties van steekproeven kunnen dezelfde rekenregels gehanteerd worden. [Beirlant en Van Dyck, 2001]
88
In onderstaande figuren 21 en 22 worden de resultaten van de berekeningen grafisch
weergegeven. In figuur 21 zijn de totale intensiteiten horende bij de verschillende
verkeersvragen van rij 2 en rij 3 weergegeven in een 3d-tekening28. Het is de grafische
weergave van tabel 12. Zoals reeds uit deze tabel kon afgelezen worden neemt de totale
intensiteit van de verschillende stromen over het kruispunt toe met toenemende verkeersvraag
van rij 2 en rij 3. Deze intensiteit gaat bij hogere verkeersvragen uiteindelijk naar een
constante waarde toe. Dit is precies het resultaat dat we op basis van de literatuur zouden
verwachten. Er is geen sprake van een capaciteitsval, en bij toenemende verkeersvraag wordt
er uiteindelijk een maximale capaciteit van het kruispunt bereikt.
Figuur 21: Totale intensiteit over het kruispunt in functie van verkeersvraag rij 2 en 3
Er kan opgemerkt worden dat een verkeersvraag van 1600 wagens per uur helemaal geen
overdreven, onrealistische aanname is. Art Bleukx [Bleukx,2003] telde op de Kapucijnenvoer
gedurende verschillende spitsperiodes in november 2002 een verkeersvraag tot wel 1800 pae
per kwartier. Deze vraag werd natuurlijk wel verwerkt door het hele dubbelkruispunt.
28 Op de figuur zijn de X- en de Y-as weergegeven voor waardes van 0 tot 800. De tekening is echter maar geplot tot waardes 700. Door de ruimtelijke weergave zou hierdoor verwarring onnodige verwarring kunnen ontstaan.
89
Hoe de verschillende stromen bijdragen tot de totale intensiteit over het kruispunt is
weergegeven in figuur 22. Hierbij wordt de verkeersvraag van rij 2 gevarieerd terwijl de
verkeersvraag van rij 3 drie constant wordt gehouden aan 500 wagens/uur. Rond de totale
intensiteit is een 95% betrouwbaarheidsinterval getekend. De boven en ondergrenzen worden
gegeven door volgende formule29
+−
n
SzX
n
SzX
22
, αα
Hierbij is S de berekende standaarddeviatie van de steekproef (nl. de verschillende
simulaties), n het aantal simulaties en X het gemiddelde van deze simulaties. Voor een 95%
tweezijdig betrouwbaarheidsinterval is 2
αz gelijk aan 1,96. De resultaten van de berekeningen
zijn weergegeven in tabel 14.
Vraag rij 2 100 200 300 400 500 600 700 Bovengrens Gemiddelde Ondergrens
1407 1483 1577 1637 1663 1644 1653 1385 1461 1555 1614 1643 1622 1634 1364 1439 1534 1590 1623 1600 1614
Tabel 14: Onder- en bovengrens 95% betrouwbaarheidsinterval tot. intensiteit, geen hinder
29 Hierbij wordt verondersteld dat de verschillende waardes voor de totale intensiteit over het kruispunt normaal verdeeld zijn rond de gemiddelde waarde.
90
Figuur 22: Aandeel stromen in totale intensiteit (geen hinder)
In figuur 22 is goed te zien dat de variatie van de verkeersvraag van stroom 2 geen enkele
invloed uitoefent op de intensiteit van de andere drie stromen.
Hoewel de verkeersvraag van rij 3 500 wagens per uur is, ligt de intensiteit maar net boven de
400 wagens per uur. Dit heeft te maken met het feit dat er nog andere beperkingen zijn op de
intensiteit van stroom 3-10-4-5. De bedieningstijd van het licht aan rij 3 is 4 seconden per
wagen. Per uur passeren er dus maximaal 450 voorbij dit licht (het is immers maar de helft
van de tijd groen licht). Ook de intensiteiten van stromen 6-11-12-7 en 9-8-5 variëren niet met
veranderende verkeersvraag van rij 2. De intensiteit van stroom 2-1 daarentegen neemt eerst
lineair toe volgens een 45 gradenlijn, waarna deze intensiteit bij hogere verkeersvraag afbuigt
naar een constante waarde van ongeveer 35030 wagens per uur. Het feit dat de totale intensiteit
over het kruispunt stijgt bij toenemende verkeersvraag, totdat ze uiteindelijk begrensd wordt
door een maximale capaciteit van het kruispunt is precies wat analytische verkeersmodellen
voorspellen.
30 Rij 1 heeft 35 seconden groen in een cyclus van 90 seconden. Per uur heeft deze rij dus 1400 seconden groen licht. De intensiteit waarmee bij groen licht de wagens de rij verlaten is exponentieel verdeeld rond met een gemiddelde waarde van 0,25 wagens per seconde. Per uur passeren er dus gemiddeld 350 wagens langs rij 1, tenzij dat de verkeersvraag natuurlijk kleiner is als deze waarde.
91
In de volgende paragraaf wordt nagegaan wat de invloed van de interacties tussen
verkeersstromen op het kruispunt is op de intensiteiten van deze verschillende
verkeersstromen en op de totale capaciteit van het kruispunt.
5.2.2 Inrekenen van interacties tussen stromen
In dit deel wordt nagegaan wat de invloed is van de interacties tussen stromen op hun
respectievelijke intensiteiten, en op de totale intensiteit van het hele kruispunt.
De interacties die we beschouwen kunnen opgesplitst worden in een interactie van eerste en
van tweede orde. Op dit kruispunt ligt stroom 2-1 aan de basis van de problemen. Bij hoge
verkeersvragen wordt de staart van rij 1 zo lang, dat deze de wagens in rijen 4 en 8 zal
hinderen bij het afrijden van het kruispunt. Deze interactie tussen de staart van rij 1, en de
rijen 4 en 8 noemen we in deze paragraaf de hinder van eerste orde. Door deze hinder neemt
de bedieningstijd van rij 4 toe. Hierdoor komen er meer wagens toe in rij 4 dan er door rij 4
verwerkt kunnen worden. De staart van rij 4 groeit aan, en wordt op zijn beurt oorzaak van
een hinder. Stroom 3-10-4-5 hindert dan de vlotte doorstroming van stroom 6-11-12-7.
Omdat dit effect ook, maar niet rechtstreeks, gevolg is van een te lange wachtrij 1, noemen we
dit een effect van tweede orde. Dit betekent echter niet dat de invloed van deze hinder minder
groot moet zijn.
In een eerste deel wordt alleen de hinder van eerste orde in ogenschouw genomen. Nadien
worden dan alle interacties meegerekend.
5.2.2.1 Eerste orde hinder
Door het inrekenen van de interacties tussen de verkeersstromen gaan we aan de theoretische
benadering van verkeersafwikkeling op kruispunten voorbij. De literatuur houdt hier namelijk
geen rekening mee.
We nemen aan dat de staart van rij 1 de rijen 4 en 8 hindert vanaf dat er zich 8 wagens in rij 1
bevinden. Door deze hinder neemt de bedieningstijd van beide rijen toe tot 25 seconden per
wagen. Door deze toename relatief groot te veronderstellen wordt de invloed van de
interacties uitvergroot.
92
Verder in de tekst wordt zowel de invloed van de grootte van deze bedieningstijd, als het
aantal wagens dat zich in wachtrij 1 moet bevinden vooraleer er hinder optreedt31 bestudeerd.
Weer wordt er een interval van 720 seconden beschouwd. Voor elke combinatie van de
onafhankelijk van elkaar veranderende verkeersvragen van rij 2 en rij 3 worden er 50
simulaties uitgevoerd.
Verkeersvraag rij 2 (wagens/uur)
1e ordehinder Intensiteit 2-1 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
94 207 293 334 340 353 333 98 197 290 315 342 346 354 100 195 285 333 346 350 343 100 191 289 335 359 339 340 101 195 284 327 347 346 347 96 193 280 330 343 326 343 99 199 292 335 336 338 345 99 199 287 338 340 352 340 97 201 297 331 333 338 342
Tabel 15: Intensiteit 2-1, 1e orde hinder
Verkeersvraag rij 2 (wagens/uur)
1e ordehinder Intensiteit 3-10-4-5 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
100 105 91 91 86 89 78 205 199 198 143 142 126 146 254 249 234 184 164 146 143 292 299 285 219 195 172 170 345 337 303 214 200 177 191 385 373 337 243 206 176 178 405 396 356 252 204 201 177 413 399 368 259 211 203 194 411 405 342 264 205 195 197
Tabel 16: Intensiteit 2-1, 1e orde hinder
31 Verder in de tekst wordt er naar dit aantal wagens vooraleer er hinder optreedt ook verwezen met de term ‘hinderlengte’.
93
Verkeersvraag rij 2 (wagens/uur)
1e ordehinder Intensiteit 9-8-5 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
425 419 377 288 209 226 183 425 417 371 244 237 203 205 424 423 388 270 215 190 203 429 425 383 284 236 213 209 411 424 382 261 233 208 224 421 417 383 283 239 193 198 432 426 395 266 213 215 184 421 418 380 290 226 224 212 417 422 357 271 224 209 207
Tabel 17: Intensiteit 9-8-5, 1e orde hinder
Verkeersvraag rij 2 (wagens/uur)
1e ordehinder Intensiteit 6-11-12-7 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
461 448 449 456 450 440 441 455 436 444 453 456 459 456 451 457 443 455 447 453 440 463 447 454 445 447 448 454 446 458 451 451 440 457 443 458 454 451 443 448 450 447 443 439 458 453 447 444 451 446 444 456 450 446 454 455 446 454 453 455 460 439 443
Tabel 18: Intensiteit 9-8-5, 1e orde hinder
94
Verkeersvraag rij 2 (wagens/uur)
1e ordehinder Totale Intensiteit 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
1082 1179 1211 1171 1086 1109 1036 1184 1250 1304 1156 1179 1136 1163 1229 1326 1351 1243 1173 1141 1130 1285 1364 1413 1284 1239 1174 1175 1304 1415 1422 1254 1221 1189 1206 1362 1438 1452 1300 1238 1146 1168 1380 1461 1502 1307 1203 1199 1158 1380 1461 1492 1338 1225 1234 1203 1372 1483 1450 1322 1224 1183 1190
Tabel 19: Totale intensiteit, 1e orde hinder
In tabel 20 bevinden zich de standaarddeviaties horende bij de totale intensiteiten. Doordat er
nu meer interacties -die elk stochastisch benaderd worden- ingerekend worden, wordt de
onzekerheid op de resultaten groter. Dit vertaalt zich in grotere standaarddeviaties. De
standaarddeviaties op de intensiteiten van de verschillende stromen apart zijn weergegeven in
bijlage D (tabellen 40 tot 44).
Verkeersvraag rij 2 (wagens/uur)
1e ordehinder Tot. intens. Stand. dev. 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
72.4005 62.3162 102.0732 122.5770 132.0707 127.7453 116.7941 59.3159 71.0878 100.4696 138.1459 139.4766 158.0292 172.3395 61.6889 67.5447 101.4288 164.9517 183.7884 168.2724 180.1424 80.9613 75.0874 115.0981 182.0087 181.7600 188.8166 170.9517 76.4986 75.9455 107.2771 186.3353 184.0530 214.0008 195.6111 79.1360 92.8420 122.9288 207.0636 193.1050 185.4740 172.8589 73.8703 77.6458 143.1648 210.5175 210.2913 181.7081 167.7220 65.6009 82.1152 125.4511 201.3270 199.3048 198.7915 195.6304 93.1381 87.2148 173.3361 220.0215 201.8654 241.4699 180.8044
Tabel 20: Standaarddeviatie bij totale intensiteit, 1e orde hinder
95
Uit tabel 19 (totale intensiteiten) is af te lezen dat wanneer de verkeersvraag van rij 2 stijgt
van 300 naar 400 wagens per uur, dat er dan een daling is in de capaciteit van het kruispunt.
Er is sprake van een capaciteitsval, een capacity-drop! Bestaande formules houden hier geen
rekening mee, waardoor ze in bepaalde gevallen grote overschattingen maken van de
capaciteit van het kruispunt.
De totale intensiteit van alle stromen op het kruispunt wordt grafisch weergegeven in figuur
23.
Figuur 23: totale intensiteit in functie van verkeersvraag rij 2 en 3 (eerste orde hinder ingerekend)
Om een duidelijkere weergave mogelijk te maken is de richting van de as met de
verkeersvraag van rij 2 van veranderd. Op de tekening is duidelijk te zien dat wanneer de
verkeersvraag van rij 3 constant wordt gehouden, dat de totale capaciteit van het kruispunt
dan eerst toeneemt bij toenemende verkeersvraag van rij 2. Wanneer de verkeersvraag van rij
2 echter blijft toenemen, doet er zich een capaciteitsval voor; Bij een toenemende
verkeersvraag worden er minder wagens verwerkt door het kruispunt.
96
In de tabel 21 is de verhouding tussen aantal wagens dat het kruispunt per uur verwerkt bij
een bepaalde verkeersvraag van rij 2, ten opzichte van een verkeersvraag van 300 wagens per
uur van rij 2 gegeven. Uit de tabel kan afgelezen worden dat het kruispunt bij een
verdubbeling van de verkeersvraag van rij 2, van 300 naar 600 wagens per uur, 20% minder
wagens verwerkt.
Verkeersvraag
Rij 2
(wagens/uur)
100 200 300 400 500 600 700
maxtIntensitei
tIntensitei
0.9191 0.9724 1.0000 0.8702 0.8007 0.7986 0.7711
Tabel 21: verhouding intensiteit tot maximale intensiteit, 1e orde hinder
Er dient er belangrijk onderscheid gemaakt te worden tussen het aantal wagens dat het
kruispunt verwerkt bij een verkeersvraag kleiner of groter dan 300. Wanneer de verkeersvraag
van rij 2 kleiner is als 300, dan verwerkt het kruispunt niet meer wagens omdat er zich niet
meer wagens aandienen. De marginale totale intensiteit in functie van de verkeersvraag van rij
2 is positief; 0
2>
∂
∂
aagRijVerkeersvr
tkruispuntIntensitei
Wanneer er zich meer wagens aandienen in wachtrij
2, dan neemt de totale intensiteit van het kruispunt toe.
De capaciteit van het kruispunt kent ergens een maximale waarde in functie van de
verkeersvraag van rij 2. Wanneer de verkeersvraag van rij 2 vanuit deze waarde nog blijft
toenemen, dan neemt het aantal wagens dat het kruispunt kan verwerken af. De intensiteit van
de stromen over het kruispunt is dan tevens gelijk aan de capaciteit van het kruispunt. De
capaciteit van het kruispunt daalt, er is een capaciteitsval. In dit geval geldt;
.02
<∂
∂
aagRijVerkeersvr
tkruispuntIntensitei
De capaciteit van het kruispunt neemt af tot een waarde die kleiner is dan de maximale
capaciteit van het kruispunt. Verder wordt aangetoond dat deze waarde bvb. afhangt van de
bedieningstijd die verondersteld wordt indien er zich hinder voordoet.
97
In figuur 24 zijn de bijdrages van de intensiteiten van de verschillende stromen tot de totale
intensiteit van het kruispunt weergegeven. Hiertoe is er een uitsnede genomen uit de 3D-
figuur, waarbij de verkeersvraag van rij 2 constant gehouden wordt op 500 wagens per uur.
Ook is er een 95% betrouwbaarheidsinterval van de totale intensiteit op het kruispunt
getekend.
Figuur 24: Aandeel stromen in totale intensiteit (1e orde hinder)
In de figuur is goed te zien dat de verkeersvraag van rij 2 nog steeds geen invloed heeft op de
intensiteit van stroom 6-11-12-7. Zowel rij 4 als rij 8 kunnen nu echter wel gehinderd worden
door de staart van rij 1. We zien dat de intensiteit van beide stromen afneemt wanneer de
verkeersvraag van rij 3 groter wordt. Vanaf een verkeersvraag van rij 2 van 500 wagens per
uur blijven de intensiteiten ongeveer constant. Zo gaat de capaciteit van het kruispunt na de
val ook naar een constante waarde toe.
98
De grenzen van het 95% betrouwbaarheidsinterval worden op exact dezelfde wijze als eerder
berekend. Ze worden hieronder nog eens even in een tabelvorm (tabel 22) weergegeven.
Vraag rij 2 100 200 300 400 500 600 700 Bovengrens Gemiddelde Ondergrens
1401 1482 1542 1365 1261 1250 1205 1380 1461 1502 1307 1203 1199 1158 1360 1439 1462 1249 1144 1149 1112
Tabel 22: Onder- en bovengrens 95% betrouwbaarheidsinterval tot. intensiteit, 1e orde hinder
In deze paragraaf werd aangetoond dat er zich ook op kruispunten effectief een capaciteitsval
kan voordoen, de totale intensiteit over het kruispunt neemt af bij een toenemende
verkeersvraag.
In volgende paragraaf wordt bestudeerd hoe de intensiteit van de verschillende stromen
verloopt indien ook de tweede orde interactie tussen stroom 3-10-4-5 en stroom 6-11-12-7
wordt ingerekend.
5.2.3 Eerste en tweede orde hinder
In dit deel wordt nu ook de tweede orde interactie, de invloed die stroom 3-10-4-5 uitoefent
op stroom 6-11-12-7 meegerekend.
De totale intensiteit in functie van de verkeersvraag van rijen 2 en 3 wordt weergegeven in
tabel 23.
99
Verkeersvraag rij 2 (wagens/uur)
1e en 2e orde Hinder Totale Intensiteit
100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
1072 1174 1226 1104 1030 1069 1036 1173 1281 1299 1134 1063 977 977 1219 1309 1355 1181 1047 991 989 1259 1348 1375 1094 1037 987 1048 1296 1438 1431 1147 1018 1060 1017 1358 1451 1439 1213 1034 1015 994 1407 1482 1436 1239 1043 1056 1035 1410 1505 1489 1239 1102 968 1015 1407 1506 1487 1285 1019 1067 1026
Tabel 23: Totale intensiteit; 1e en 2e orde hinder
Figuur 25: totale intensiteit in functie van verkeersvraag rij 2 en 3 (1e en 2e orde hinder)
In figuur 25 zijn de resultaten van de berekeningen ruimtelijk weergegeven.
De vorm van de 3D figuur verandert niet zo veel in vergelijking met de vorige situatie.
Wanneer we de verkeersvraag van rij 3 constant houden, krijgen we bij lage verkeersvraag
van rij 2 weer een stijgend verloop voor de totale intensiteit over het kruipunt.
100
Wanneer de verkeersvraag van rij 2 blijft toenemen wordt de maximale capaciteit van het
kruispunt bereikt, waarna er zich weer een capaciteitsval voordoet. Uiteindelijk gaat de
capaciteit weer naar een constante waarde toe. Deze capaciteit ligt nu wel lager dan wanneer
de interacties van tweede orde niet worden ingerekend.
In vergelijking met de vorige situatie kent enkel de intensiteit van stroom 6-11-12-7 een
ander verloop. Daar waar deze intensiteit in de vorige situatie nog onafhankelijk was van de
verkeersvraag van rij 2, kent ze nu ook een daling. De intensiteit van deze stroom is
weergegeven in tabel 24. De intensiteiten van de overige stromen zijn ook in tabelvorm
weergegeven. Deze tabellen bevinden zich samen met de bijhorende standaarddeviaties in
bijlage D (tabellen 45 tot 51).
Verkeersvraag rij 2 (wagens/uur)
1e en 2e orde hinder intensiteit 6-11-12-7
100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
443 447 445 408 393 407 407 451 452 434 358 331 297 299 444 446 440 365 305 285 282 446 449 422 307 282 261 282 439 459 425 318 265 267 264 443 449 416 328 262 241 254 441 441 400 322 256 258 249 441 439 401 320 261 226 247 438 432 398 334 252 268 247
Tabel 24: Intensiteit 6-11-12-7, 1e en 2e orde hinder
101
In tabel 25 zijn de standaarddeviaties horende bij de respectievelijke totale intensiteiten van
de stromen over het kruispunt weergegeven.
Verkeersvraag rij 2 (wagens/uur)
1e en 2e orde hinder Stand. dev. bij tot. Int.
100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
69.9872 80.3099 142.4801 204.8799 185.5356 185.5205 182.5580 67.3499 79.2584 104.3622 257.9195 234.3473 220.0419 245.2346 79.4476 74.0795 116.1983 200.3092 238.3000 226.6144 233.5390 81.3431 62.6379 174.3638 306.2201 311.2091 262.0411 284.7638 74.7543 84.5241 150.8879 288.8420 250.9132 294.0580 302.0901 68.0744 79.0683 206.8230 292.6669 304.1851 279.1412 260.5533 83.4293 82.5178 243.9337 365.8194 284.1501 277.2360 256.0159 83.1736 92.5701 196.7837 317.0773 292.0027 278.4914 288.0170 77.6584 88.4967 208.0845 296.0754 256.0626 279.8765 299.0525
Tabel 25: Standaarddeviatie bij totale intensiteit, 1e en 2e orde hinder
Opnieuw wordt het aandeel van de verschillende stromen in de totale intensiteit op het
kruispunt grafisch uitgezet (figuur 26). Er wordt hiertoe een uitsnede uit de 3D figuur
gemaakt waarbij de verkeersvraag van rij 3 constant gehouden wordt op 500 wagens per uur.
Hoewel de standaarddeviaties op de intensiteiten zijn toegenomen, is de breedte van het 95%
betrouwbaarheidsinterval nog steeds kleiner dan 10 procent van de gemiddelde waarde.
Ook dit betrouwbaarheidsinterval is weergegeven in figuur 26.
Op deze figuur is ook te zien dat de intensiteit van stroom 2-1 bij verkeersvragen tot 300
wagens per uur volgens de 45-gradenlijn verloopt. Daarna buigt de intensiteit af naar een
constante waarde van ongeveer 350 wagens per uur.
102
Figuur 26: aandeel stromen in intensiteit (1e en 2e orde hinder)
Deze curve van de totale verkeersintensiteit over het kruispunt dient in het volgende deel als
referentie wanneer de invloed van enkele parameters op de intensiteit over het kruispunt
wordt nagegaan.
In tabel 26 wordt de procentuele verhouding weergegeven tussen het aantal wagens dat over
het kruispunt passeert wanneer de interacties van eerste en tweede orde worden meegerekend,
ten opzichte van het aantal wagens dat over het kruispunt passeert wanneer deze interacties
niet worden meegeteld. De verkeersvraag van stroom 3-10-4-5 wordt hier 500 wagens per uur
verondersteld. Bij lage verkeersvragen van rij 2 is er geen verschil tussen de situatie met of
zonder inrekenen van de interacties. De verhouding tussen de intensiteiten is ongeveer gelijk
aan 1. Bij hogere verkeersvragen van stroom 2-1 valt de verhouding echter terug tot ongeveer
65 procent. Dit betekent dat door het bestaan van deze interacties – en dus door de
capaciteitsval- het aantal wagens dat het kruispunt kan verwerken een derde lager ligt dan wat
bestaande verkeersmodellen aannemen. Ze maken in periodes van grote verkeersvraag in deze
situatie dus een overschatting van de capaciteit van het kruispunt van 50 procent.
103
Verkeersvraag rij 2 (wagens/uur)
Intensiteit over het kruispunt Vgl. invloed van de interacties
100 200 300 400 500 600 700
Verhouding inten- siteit met hinder op intensiteit zonder hinder (in %)
101,58 101,43 92,31 76,78 63,47 65,12 63,37
Tabel 26: Verhouding intensiteit met hinder op intensiteit zonder hinder
5.2.4 Vertragingen
De vertragingen bij de 3 gevallen (geen hinder, 1e orde hinder en 1e en 2e orde hinder) zijn
berekend voor de wagens in stroom 3-10-4-5. De verkeersvraag van rij 3 wordt hierbij
constant gehouden aan 500 wagens per uur. De vraag van rij 2 wordt gevarieerd. Het
beschouwde tijdsinterval is weer 720 seconden. Er werden echter maar 20 simulaties
uitgevoerd bij de verschillende verkeersvragen van rij 2. De resultaten zijn samen met hun
respectievelijke standaarddeviaties getabellariseerd in tabel 27.
Verkeersvraag rij 2 (wagens/uur)
100 200 300 400 500 600 700
Vertr., geen hinder
77.165 90.833 89.436 88.906 94.746 103.244 93.453
Std. geen hinder 34.855 44.921 31.972 35.881 46.266 40.470 35.666
Vertr., 1e orde hinder
101.168 97.527 109.675 126.297 149.531 151.466 163.211
Std. 1e orde hinder 34.962 43.491 39.424 62.085 58.208 62.851 57.573
Vertr., 1e en 2e orde
85.064 95.579 90.229 132.472 161.734 179.911 158.190
Std. 1e en 2e orde 32.550 43.822 38.957 57.321 47.960 75.334 59.667
Tabel 27: Vertagingen en standaarddeviaties bij geen, 1e orde, en 1e en 2e orde hinder
In figuur 27 zijn de resultaten ook nog eens grafisch uitgezet. Wanneer er geen rekening
wordt gehouden met de interacties tussen verschillende stromen blijft de gemiddelde
vertraging min of meer constant in functie van de verkeersvraag van rij 2. Dit is logisch
aangezien stroom 2-1 in die situatie geen enkele invloed uitoefent op stroom 3-10-4-5.
104
Voor de twee andere gevallen is de invloed van de intensiteit van stroom 2-1 wel duidelijk te
zien. Bij grotere intensiteiten stijgt de gemiddelde vertraging sterk tussen wanneer de
verkeersvraag van rij 2 toeneemt van 300 tot 500 wagens per uur. Daarna blijkt de
gemiddelde vertraging die de wagens in stroom 3-10-4-5 oplopen ongeveer gelijk te blijven.
Ook dit kon verwacht worden. In het gebied van de capaciteitsval doet er zich een stijging in
de vertraging voor. Wanneer de daling in de capaciteit weer stagneert, dan stagneren ook de
gemiddelde vertragingen opgelopen op het kruispunt.
100 200 300 400 500 600 70060
80
100
120
140
160
180
verkeersvraag rij 2 (wagens/uur)
gem
iddeld
e v
ert
ragin
g (
sec)
geen hinder
1e orde hinder
1e en 2e orde hinder
Figuur 27: Gemiddelde vertragingen/ vraag rij 3: 500 wagens/uur
In dit deel werd formeel aangetoond dat er zich ook op kruispunten een capaciteitsval kan
voordoen. Uit het onderzoek blijkt dat het niet enkel een kwestie is van verschuivingen van
intensiteiten van de ene stroom naar de andere, waarbij de totale intensiteit over het kruispunt
in een dynamisch evenwicht is. Wanneer een kruispunt sterk belast wordt kan er zich een
echte capaciteitsval voordoen, waarbij een stijging van de verkeersvraag van het kruispunt
resulteert in een daling van de totale intensiteit van het kruispunt. Deze capaciteitsval blijkt
een rechtstreeks gevolg van de interacties tussen verschillende stromen op het kruispuntvlak.
Interacties waarmee in de bestaande verkeerstheorie geen rekening wordt gehouden. Uit de
simulaties komt naar voren dat het verwaarlozen van deze interacties tot grote overschattingen
van de capaciteit van het kruispunt kan leiden.
105
Toch moeten we kritisch blijven tegenover de resultaten. Zo werd er bvb. gerekend met een
bedieningstijd van 25 seconden van zodra er hinder optreedt. In de praktijk zal deze waarde
zeker niet altijd zo hoog zijn. In de volgende paragraaf wordt de invloed van enkele
parameters op de vorm van de capaciteitsval bestudeerd.
5.3 Invloed van karakteristieke parameters op de capaciteit van het kruispunt
In het vorige deel werd er aangetoond dat er zich ook op een kruispuntvlak een capaciteitsval
kan voordoen. In dit deel wordt de invloed van enkele parameters op de verkeersafwikkeling
op het kruispunt nagegaan.
Het is zeker niet de bedoeling om een exhaustieve lijst van parameters, die de
verkeersafwikkeling op kruispunten beïnvloeden, op te stellen. Integendeel. Het is de
bedoeling om de aan te geven dat er verschillende parameters bestaan die elk een
verschillende invloed uitoefenen op de intensiteiten van de verschillende stromen op het
kruispunt. Ook willen we hiermee aantonen dat er nog veel onderzoek gedaan moet worden
naar de karakteristieke eigenschappen van de interacties tussen verschillende stromen op een
kruispuntvlak omdat blijkt dat een relatief kleine verandering van de parameters toch al een
grote invloed kan hebben op de capaciteit van het kruispunt.
In wat volgt worden de invloed van de bedieningstijd bij hinder, en grootte van de
opstelruimte bekeken. Hoe groter deze opstelruimte, hoe meer wagens zich in wachtrij 1
kunnen opstellen zonder de wagens uit rijen 4 en 8 te hinderen bij het afrijden van het
kruispuntvlak. Als referentie wordt de situatie uit de vorige paragraaf genomen, nl. de situatie
waarbij zowel de eerste als de tweede orde hinder worden ingerekend. De verkeersvraag van
rij 3 wordt constant gehouden aan 500 wagens per uur, terwijl de verkeersvraag van rij 2
varieert van 100 tot 600 wagens per uur. In de referentiesituatie verhoogt de bedieningstijd bij
hinder voor rijen 4, 8 en 11 tot 25 seconden per wagen vanaf dat er zich 8 of meer wagens in
rij 1 bevinden. Ook in dit hoofdstuk worden er steeds 50 simulaties per parametercombinatie
uitgevoerd gedurende een interval van 720.
106
5.3.1 De invloed van de bedieningstijd
Om de invloed van de bedieningstijd bij hinder na te gaan wordt deze nieuwe bedieningstijd
gevarieerd met stappen van 5 seconden, en dit van 5 tot 35 seconden per wagen. De resultaten
zijn samengevat in figuur 28.
Figuur 28: Invloed bedieningstijd op capaciteitsval
Wanneer de bedieningstijd toeneemt van 4 tot 5 seconden is er nauwelijks sprake van hinder.
De capaciteit op het kruispunt kent geen daling bij toenemende verkeersvraag van rij 3. Er is
geen sprake van een capaciteitsval. Wanneer de bedieningstijd toeneemt tot 10 seconden per
wagen is er reeds sprake van een duidelijke verkeersval. De grafieken horende bij een
bedieningstijd 15 tot 35 seconden liggen dicht bij elkaar. Hierbij is de capaciteitsval nog
groter als bij een bedieningstijd van 10 seconden. Vanaf een bedieningstijd van 15 seconden
per wagen blijkt de exacte bedieningstijd nog maar weinig invloed te hebben. De meeste
wagens die dan het traject van de hinderende stroom kruisen doen dit dan wanneer er zich een
beperkt aantal wagens in de hinderende wachtrij bevindt, zodat er geen hinder optreedt. De
tabellen met de intensiteiten horende bij de verschillende stromen zijn toegevoegd in bijlage
D (tabellen 52 tot 56).
107
5.3.2 Invloed van de hinderlengte
In dit deel wordt het aantal wagens dat zich in wachtrij 1 kan opstellen zonder dat ze de
wagens uit rijen 4 en 8 hinderen gevarieerd. Hoe minder er auto’s er in wachtrij 1 aanwezig
moeten zijn vooraleer er hinder optreedt, hoe sneller er zich een hinder zal voordoen, en hoe
langer deze hinder zal duren. In figuur 29 wordt de hinderlengte gevarieerd van 2 tot 10
wagens. De maximale capaciteit van wachtrij 1 is 14 wagens.
Figuur 29: Invloed hinderlengte op capaciteitsval
Uit deze figuur komt naar voor dat de invloed van de hinderlengte zeer groot is. Hoe kleiner
de hinderlengte wordt, hoe kleiner de capaciteit van het kruispunt wordt bij toenemende
verkeersvaag van rij 2. Hoe minder ruimte er dus op een kruispunt is, hoe sneller er
problemen ontstaan, en hoe groter deze problemen kunnen worden. De ‘interactievrije’
opstelruimte, de opstelruimte waarop wagens zich kunnen opstellen zonder dat ze daardoor
andere stromen hinderen blijkt ook een belangrijke parameter met betrekking tot de
verkeersafwikkeling op kruispunten.
108
Er moet opgemerkt worden dat de invloed eigenlijk geen functie is van de hinderlengte, maar
van de verhouding hinderlengte/maximale opstelcapaciteit. Zou de maximale opstelcapaciteit
van rij 1 maar 4 wagens zijn in plaats van 14, dan zou de capaciteitsval van het kruispunt
zeker niet zo groot zijn. Wanneer er zich meer wagens in de rij kunnen opstellen duurt het
immers een poos langer vooraleer de hinder wordt opgeheven bij het leegrijden van wachtrij
1.
5.4 Conclusie
In dit hoofdstuk is werd aangetoond dat er zich weldegelijk een capaciteitsval kan voordoen
op kruispunten. In een eerste simulatie werd de interacties tussen de verschillende
verkeersstromen op het kruispunt niet ingerekend. De intensiteit van de stromen nam daarbij
toe tot een maximale waarde, de capaciteit van het kruispunt. Nadien werden de interacties
tussen de verschillende verkeersstromen op het kruispunt wel ingerekend. Door deze
interacties doet er zich bij grote verkeersvraag een capaciteitsval voor op het kruispunt. Met
hoe meer interacties er rekening wordt gehouden, hoe groter de capaciteitsval wordt. Hoewel
een stroom nooit zelf rechtstreeks aanleiding zou geven tot hinder van een bepaalde andere
stroom ( doordat de verkeerslichtenregeling bvb. zodanig is opgesteld dat interacties worden
uitgesloten), kan het gebeuren dat deze stroom eerst zelf gehinderd wordt, waardoor als
secundair effect van deze hinder, de gehinderde stroom zelf vaak oorzaak van een andere
hindersituatie wordt. De vooropgestelde verkeersafwikkeling, die door middel van
verkeersborden en verkeerslichten vorm kreeg, raakt hierdoor ontregeld. Wagens raken het
kruispuntvlak niet meer op terwijl ze toch groen licht hebben, andere wagens raken het
kruispunt niet meer af…
In het laatste deel van dit hoofdstuk werd de invloed op de intensiteit over het kruispunt van 2
verschillende parameters nagegaan. Natuurlijk zijn er nog heel wat andere parameters die ook
allemaal huninvloed hebben. Om tot goede modelleringen te komen zullen deze parameters in
een verder onderzoek eerst geïnventariseerd moeten worden, waarna ze allemaal aan een
grondig onderzoek moeten onderworpen worden. Het verzamelen van een grote set
praktijkwaarden lijkt hierbij onontbeerlijk. Niet alleen zal een goed inzicht in deze
verschillende parameters leiden tot een betere modellering van de verkeersprocessen op
kruispunten, ook zal dit inzicht leiden tot kruispuntinrichtingen die een betere
verkeersafwikkeling toelaten.
109
6 Besluit
In het kader van de thesis werd eerst een grondige literatuurstudie uitgevoerd. Daaruit bleek
dat er in de bestaande literatuur nog maar weinig of geen onderzoek gedaan werd om de
invloed van interacties tussen verkeersstromen vast te leggen in formules. Wu en Brilon
schuiven met hun methode van de conflictstromen als eersten een vernieuwende techniek naar
voren om de verkeersafwikkeling op kruispunten te modelleren.
Na deze literatuurstudie werd een simulatiemodel opgesteld dat er precies op gericht is om de
interacties tussen de verschillende verkeersstromen, en hun invloed op de capaciteit van het
kruispunt te modelleren. Het simulatiemodel wil een instrument zijn om net die zaken die in
de literatuur nog maar weinig of niet bestudeerd zijn te helpen bestuderen. Het model is een
analyse-instrument voor de interacties en conflicten tussen stromen op het kruispuntvlak, en
hun invloed op de capaciteit en de vertragingen aan het kruispunt. De thesis wil zeker niet
pretenderen een afgesloten geheel, een afgesloten onderzoek te zijn. Ze wil daarentegen het
eerste pad effenen voor verder en uitgebreider onderzoek. Daarom is er grondig tewerk
gegaan bij het verifiëren van de werking van het computermodel. De resultaten uit de
verschillende simulaties bleken allen de bestaande formules, gelet op de aannames en
veronderstellingen die deze formules maken, zeer goed te benaderen. In het laatste deel werd
er een praktische verkeerssituatie uitgewerkt. De resultaten zijn opmerkelijk.
Door het inrekenen van de interacties tussen de verschillende verkeersstromen kan het zijn dat
er zich een capaciteitsval van het kruispunt voordoet. Bij een stijgende verkeersvraag neemt
de capaciteit van het totale kruispunt af. Hoe meer wagens zich aan het kruispunt aandienen,
hoe minder er worden verwerkt. De bestaande capaciteitsformules houden echter geen
rekening met deze interacties, waardoor ze, wanneer er zich een capaciteitsval voordoet,
belangrijke overschattingen maken van de capaciteit van kruispunten. Ook modelleringen van
grote netwerken zien deze afgenomen capaciteit van hun knopen daarom over het hoofd.
Simulaties zouden zo een goede verkeersafwikkeling kunnen voorspellen, terwijl de praktijk
het tegendeel bewijst.
110
Verder onderzoek moet in de eerste plaats nagaan welke de verschillende parameters zijn die
een invloed uitoefenen op de capaciteitsval. Hierbij denken we niet alleen aan de schatting
van de verhoogde bedieningstijden bij hinder en de grootte van opstelruimtes, maar evengoed
aan de invloed van de afstelling van verkeerslichten, aparte verkeerslichten voor verschillende
stromen, andere typologieën van het kruispunt, de invloed van de verhouding van de
verschillende verkeersvragen van verschillende stromen aan het kruispunt,…
Het uiteindelijke doel moet zijn om deze resultaten in te bouwen in de macroscopische
simulatiemodellen om zo via een betere benadering van de netwerkknopen, tot betere en meer
betrouwbare netwerksimulaties te komen. Ook zal een beter inzicht in de invloed van de
interacties leiden tot beter ontworpen kruispunten die een vlottere verkeersafwikkeling
toelaten. Wetenschappelijk onderzoek met een enorme maatschappelijke impact!
111
7 Literatuuropgave
Abu-Lebdeh, G.; Benekohal, R.F. & Al-Omari, B. (1997). “Models for Right Turns on Red and Their Effects on Delay”. In Transportation Research Record 1572, TRB, National Research Council, Washington, DC, pp. 131-139 Abu-Lebdeh & Ahmed.(2005). Modeling of Delay Induced By Downstream Traffic Disturbances At Signalized Intersections. Presented at the 84th TRB Annual Meeting (TRB 2005). Adams. (1936). Road Traffic Considered as a Random Series. Journal of the Institute of Civil Engineers, London. Vol. 4, pp. 121-130. Akçelik, R. (1980). Time-Dependent Expressions for Delay and Stop Rate and Queue Length at Traffic Signals. Australian Road Research Board, Internal Report, AIR 367-1. Akçelik, R. and N. Rouphail (1993). Estimation of Delays at Traffic Signals for Variable Demand Conditions. Transportation Research-B, Vol. 27B, No. 2, pp. 109-131. Akçelik, R. and N. Rouphail (1994). Overflow Queues and Delays with Random and Platoon Arrivals at Signalized Intersections, Journal of Advanced Transportation, Volume 28(3), pp. 227-251. Banks,H. and Amin, M. Cassidy, M. and Chung, K.(2003). Validation of Daganzo's Behavioral Theory of Multi-Lane Traffic Flow: Final Report. California Partners for Advanced Transit and Highways (PATH). Beirlant,J. and Van Dyck,J. Statistiek en waarschijnlijkheidsleer. Cursusdienst VTK vzw. Bleukx,A. Analyse en reconceptie van de verkeerssituatie op de kruising van de Leuvense ring met de Kapucijnenvoer en de Koning Boudewijnlaan.(thesisverhandeling). Boehm, H. (1968). Die Anwendung der Monte-Carlo-Methode in der Strassenverkehrstechnik. Teil I: Untersuchungen an ungesteuerten Knoten. Schriftenreihe Strassenbau und Strassenverkehrstechnik, Vol. 73. Bonn 1968. Brilon, W. (Ed.) (1988). Intersections Without Traffic Signals. Springer Publications, Berlin. Brilon, W. and N. Wu (1990). Delays At Fixed-time Traffic Signals Under Time Dependent Traffic Conditions. Traffic Engineering and Control, 31(12), pp. 623-63. Brilon, W. (Ed.) (1991). Intersections Without Traffic Signals II. Springer Publications, Berlin.
112
Brilon, W, N. Wu, and K. Lemke. (1996). Capacity at Unsignalized Two-Stage Priority Intersections. Paper 961280. Presented at the 75th TRB Annual Meeting. Brilon,W. and Miltner,T. (2005). Capacity and Delays at Intersections Without Traffic Signals. TRB 2005
Buckley, D. J. (1968). A Semi-Poisson Model of Traffic Flow.Transportation Science, Vol. 2(2), pp. 107-132. Catchpole, E. A. and A. W. Plank (1986). The Capacity of a Priority Intersection. Transportation Research Board, 20B (6), pp. 441-456 Catling, I. (1977). A Time Dependent Approach to Junction Delays. Traffic Engineering & Control, Vol. 18(11), pp. 520-523, 536. Cowan, R. J. (1975). Useful Headway Models. Transportation Research, 9(6), pp. 371-375. Cowan, R. J. (1987). An Extension of Tanner's Results on Uncontrolled Intersections. Queuing Systems, Vol 1., pp. 249-26 Daganzo, C. F. (1977). Traffic Delay at Unsignalized Intersections: Clarification of Some Issues. Transportation Science, Vol. 11. Dawson, R. F. (1969). The Hyperlang Probability Distribution - A Generalized Traffic Headway Model Proceedings of the FourthISTTT in Karsruhe, Strassenbau und Strassenverkehehrstechnik, No 89 1969, pp 30-36. Drew, D. R. (1968). Traffic Flow Theory and Control. McGraw-Hill Book Company, New York. Gleue.(1972).Vereinfachtes Verfahren zur Berechnung signalgeregelter Knotenpunkte. BMV (Hrsg.). Reihe Forschung Straßenbau und Straßenverkehrstechnik, Heft 139. Grossmann, M. (1991). Methods for Calculation and Judgement of Capacity and Traffic Quality at Intersections Without Traffic Signals. Ruhr-University Bochum, Germany, Chair of Traffic Engineering, Vol. 9. Harders, J. (1968). The Capacity of Unsignalized Urban Intersections. Schriftenreihe Strassenbau und Strassenverkehrstechnik, Vol. 76. Harders, J. (1976). Critical Gaps and Move-Up Times as the Basis of Capacity Calculations for Rural Roads. Schriftenreihe Strassenbau und Strassenverkehrstechnik, Vol. 216. Hewitt, R. H. (1983). Measuring Critical Gap. Transportation Science, 17(1), pp. 87-109.
113
Kimber, R. M. and E. M. Hollis (1979). Traffic Queues and Delays at Road Junctions. TRRL Laboratory Report. Kleinrock,L. Queuing systems. Volume 1: Theory Kremser, H. (1964). Wartezeiten Und Warteschlangen Bei Einfadelung Eines Poissonprozesses in Einen Anderen Solchen Prozess.Österreichisches Ingenieur-Archiv, 18. Kyte, M. (1989). Estimating Capacity and Delay at an All-Way Stop-Controlled Intersection. Research Report, TRANSNOW, Moscow/Idaho. Li, J., N. Rouphail, and R. Akçelik (1994). Overflow Delay Estimation for Intersections with Fully-Actuated Signal Control. Presented at the 73rd Annual Meeting of TRB, Washington, DC. Lin,F. and Thomas,D.(2005). Headway Compression During Queue Discharge at Signalized Intersections. TRB 2005. Little, J. (1961). A Proof of the Queueing Formula L = W. Operations Research 9, pp. 383-387. Miller, A. J. (1972). Nine Estimators of Gap Acceptance Parameters. In: Traffic Flow and Transportation (Ed. Newell). Proceedings International Symposium on the Theory of Traffic Flow and Transportation, American Elsevier Publishing Co. Newell, G. F. (1965). Approximation Methods for Queues with Application to the Fixed-Cycle Traffic Light. SIAM Review, Vol.7. Newell, G. F. (1971). Applications of Queueing Theory. Chapman and Hall Ltd., London. Olszewski, P. (1990). Traffic Signal Delay Model for Non-Uniform Arrivals. Transportation Research Record, 1287, pp. 42-53. Plank, A. W. and E. A. Catchpole (1984). A General Capacity Formula for an Uncontrolled Intersection. Traffic Engineering Control. 25(6), pp. 327-329. Ramsey, J. B. H. and I. W. Routledge (1973). A New Approach to the Analysis of Gap Acceptance Times. Traffic Engineering Control, 15(7), pp. 353-357. Schuhl, A. (1955). The Probability Theory Applied to the Distribution of Vehicles on Two-Lane Highways. Poisson and Traffic. The Eno Foundation for Highway Traffic Control. Siegloch, W. (1973). Die Leistungsermittlung an Knotenpunkten Ohne Lichtsignalsteuerung. Schriftenreihe Strassenbau und Strassenverkehrstechnik, Vol. 154. Siegloch, W. (1974). Ein Richtlinienvorschlag Zur Leistungsermittlung an Knotenpunkten Ohne Lichtsignalsteuerung. Strassenverkehrstechnik,Vol. 1.
114
Tanner, J. C. (1962). A Theoretical Analysis of Delays At An Uncontrolled Intersection. Biometrica 49(1 and 2),pp. 163-70.
Tian, Z., Kyte, M., Troutbeck, R., Brilon, W.(1999). Implementing the Maximum Likelihood Methodology to Measure Driver’s Critical Gap; Transportation Research, Part A, Vol. 33, pp. 187-197.
Troutbeck. R. J. (1986). A verage Delay at an Unsignalized Intersection with Two Major Streams Each Having a Dichotomized Headway Distribution. Transportation Science, 20(4), pp. 272-286. Troutbeck, R. J. (1992). Estimating the Critical Acceptance Gap from Traffic Movements. Research Report, 92-5. Viti, F and van Zuylen, HJ (2004). Modeling queues at signalized intersectionsTransportation Research Record, No: 1883, pp68-77. Transportation Research Board, Washington, DC, USA. Webster, F. V. (1958). Traffic Signal Settings. Road Research Laboratory Technical Paper No. 39, HMSO. Wu,N. (2000). Determination of Capacity at All-Way Stop-Controlled (AWSC) intersections. Transportation Research Record 1710. TRB, National Research Board, Washington, D.C., USA. Wu,N. (with Brilon,W.) (2001) Unsignalized Intersections - A Third Method for Analysis. In Taylor, A.P. (ed.): Transportation and Traffic Theory in the 21st Century, Proceedings of the 15th International Symposium on Transportation and Traffic Theory. Elsevier Science Ltd., New York, Tokyo, Oxford, 2002. Wu,N. (2004) Capacity of Two-Stage Queuing systems - Generalization and Extension. Arbeitsblätter des Lehrstuhls für Verkehrswesen, Nr.28, Teil II. Ruhr-Universität Bochum.
115
Afkortingenlijst TRB: Transportation Research Board
FHWA: Federal Highway Administration
HCM: Highway Capacity Manual
MOE: Measures Of Effectiveness
GAP-methode: Gap-Acceptance-Procedure-methode
ACF: Additive Conflict Flows
AWSC intersections: All Way Stop Controlled intersections
GS-proces: Geboorte-Sterfte-proces
FIFO: First In First Out
Pae: personenauto equivalent
Tc : Kritische gap tijd
Tf : Follow-up tijd
Tm: De minimale tijd tussen twee wagens in de hoofdstroom.
Qp: De intensiteit van de voorrangsstroom.
Qm: De maximale intensiteit van de zijstroom, de stroom die voorrang moet geven.
Qn: De verkeersvraag van de zijstroom.
116
lijst met figuren Figuur 1: Voorstelling van black boxes.................................................................................33 Figuur 2: Voorstelling van offset en cycluslengtes................................................................35 Figuur 3: Karakteristieke eigenschappen van de black box ...................................................36 Figuur 4: Schematische voorstelling traject 1-2-3 bij 1-op-1-toelevering...............................37 Figuur 5: 1-op-1-toelevering aan verschillende rijen .............................................................38 Figuur 6: Procentuele 1-op-m-toelevering.............................................................................39 Figuur 7: Voorbeeld van situatie waar traject niet meer op voorhand vastligt ........................40 Figuur 8: Voorstelling reële hinder en vermindering.............................................................41 Figuur 9: Omzetting voorrangssituatie naar model................................................................42 Figuur 10: Schematische voorstelling van interacties op een kruispunt .................................46 Figuur 11: Populatiegrootte in functie van de tijd .................................................................49 Figuur 12: Algemene voorstelling Markov geboorte- sterfte-proces......................................54 Figuur 13: Vergelijking vertragingen simulatie, Harders, Siegloch en Tanner. Tc=6sec en Tf
=3 sec. ..........................................................................................................................64 Figuur 14: De gemiddelde vertraging in functie van de saturatiegraad volgens Harders ........66 Figuur 15: Vertraging in de zijstroom (sec) in functie van saturatiegraad/ Qp=600 wagens/uur
.....................................................................................................................................68 Figuur 16: vergelijking vertragingen deterministische formulering en simulatie ........................................71 Figuur 17: Vertragingen volgens Akçelik, Webster, Miller en de simulatie...........................74 Figuur 18: Tekening van aankomst- en vertrekprocessen met bijhorende vertragingen..........75 Figuur 19: Omzetting plan Kapucijnenvoer naar schematische voorstelling ..........................79 Figuur 20: Voorstelling van de wachtrijen zoals ze in de simulatie worden ingegeven ..........80 Figuur 21: Totale intensiteit over het kruispunt in functie van verkeersvraag rij 2 en 3 .........88 Figuur 22: Aandeel stromen in totale intensiteit (geen hinder) ..............................................90 Figuur 23: totale intensiteit in functie van verkeersvraag rij 2 en 3 (eerste orde hinder
ingerekend)...................................................................................................................95 Figuur 24: Aandeel stromen in totale intensiteit (1e orde hinder)...........................................97 Figuur 25: totale intensiteit in functie van verkeersvraag rij 2 en 3 (1e en 2e orde hinder)......99 Figuur 26: aandeel stromen in intensiteit (1e en 2e orde hinder)...........................................102 Figuur 27: Gemiddelde vertragingen/ vraag rij 3: 500 wagens/uur ......................................104 Figuur 28: Invloed bedieningstijd op capaciteitsval.............................................................106 Figuur 29: Invloed hinderlengte op capaciteitsval ...............................................................107
117
Lijst met tabellen Tabel 1: Deel van een tijd- en telmatrix ................................................................................49 Tabel 2: Resultaten simulatie M/M/1 rij................................................................................57 Tabel 3: Vergelijking intensiteit uit simulatie met analytische formules................................63 Tabel 4: Vergelijking gemiddelde vertragingen uit simulatie met analytische formuleringen.
.....................................................................................................................................68 Tabel 5: Standaarddeviaties bij berekening van de vertragingen............................................69 Tabel 6: Standaarddeviaties op de resultaten.........................................................................71 Tabel 7: Vergelijking vertragingen uit simulatie met analytische formules (kruispunt met
verkeerslichten). ...........................................................................................................73 Tabel 8: Intensiteit 2-1, geen hinder......................................................................................84 Tabel 9: Intensiteit 3-10-4-5, geen hinder .............................................................................85 Tabel 10: Intensiteit 9-8-5, geen hinder.................................................................................85 Tabel 11: Intensiteit 6-11-12-7, geen hinder..........................................................................86 Tabel 12: Totale intensiteit, geen hinder ...............................................................................86 Tabel 13: Totale intensiteit, standaarddeviatie op berekeningen............................................87 Tabel 14: Onder- en bovengrens 95% betrouwbaarheidsinterval tot. intensiteit, geen hinder.89 Tabel 15: Intensiteit 2-1, 1e orde hinder ................................................................................92 Tabel 16: Intensiteit 2-1, 1e orde hinder ................................................................................92 Tabel 17: Intensiteit 9-8-5, 1e orde hinder .............................................................................93 Tabel 18: Intensiteit 9-8-5, 1e orde hinder .............................................................................93 Tabel 19: Totale intensiteit, 1e orde hinder............................................................................94 Tabel 20: Standaarddeviatie bij totale intensiteit, 1e orde hinder ...........................................94 Tabel 21: verhouding intensiteit tot maximale intensiteit, 1e orde hinder...............................96 Tabel 22: Onder- en bovengrens 95% betrouwbaarheidsinterval tot. intensiteit, 1e orde hinder
.....................................................................................................................................98 Tabel 23: Totale intensiteit; 1e en 2e orde hinder ...................................................................99 Tabel 24: Intensiteit 6-11-12-7, 1e en 2e orde hinder ...........................................................100 Tabel 25: Standaarddeviatie bij totale intensiteit, 1e en 2e orde hinder.................................101 Tabel 26: Verhouding intensiteit met hinder op intensiteit zonder hinder ............................103 Tabel 27: Vertagingen en standaarddeviaties bij geen, 1e orde, en 1e en 2e orde hinder .......103 Tabel 28: Deel van een aankomst labelmatrix .....................................................................135 Tabel 29: Deel van een vertrek labelmatrix.........................................................................136 Tabel 30: Berekenen van vertraging uit labelmatrices .........................................................137 Tabel 31: Resultaten berekeningen M/M/m/∞-rij met simulatie ..........................................140 Tabel 32: Invloed van saturatiegraad op convergentiesnelheid simulatieresultaten M/M/m/∞
...................................................................................................................................142 Tabel 33: Berkening populatiekans M/D/1-rij met simulatie: resultaten ..............................143 Tabel 34: Resultaten simulaties M/M/1/k-rij. Vergelijking met theorie, deel1.....................145 Tabel 35: Resultaten simulaties M/M/1/k-rij. Vergelijking met theorie, deel 2 ....................146 Tabel 36: Resultaten simulatie M/M/m/m-rij ......................................................................147 Tabel 37: Standaarddeviatie bij intensiteit 2-1, geen hinder ................................................151 Tabel 38: Standaarddeviatie bij intensiteit 3-10-4-5, geen hinder ........................................152 Tabel 39:Standaarddeviatie bij intensiteit 6-11-12-7, geen hinder .......................................152 Tabel 40: Standaarddeviatie bij intensiteit 9-8-5, geen hinder .............................................153 Tabel 41: Standaarddeviatie bij intensiteit 2-1, 1e orde hinder............................................153 Tabel 42: Standaarddeviatie bij intensiteit 3-10-4-5, 1e orde hinder.....................................154
118
Tabel 43: Standaarddeviatie bij intensiteit 6-11-12-7, 1e orde hinder...................................154 Tabel 44: Standaarddeviatie bij intensiteit 9-8-5, 1e orde hinder..........................................155 Tabel 45: Intensiteit 2-1, 1e en 2e orde hinder......................................................................155 Tabel 46: Standaarddeviatie bij intensiteit 2-1; 1e en 2e orde hinder ....................................156 Tabel 47: Intensiteit 3-10-4-5, 1e en 2e orde hinder .............................................................156 Tabel 48: Standdaarddeviatie bij intensiteit 3-10-4-5, 1e en 2e orde hinder ..........................157 Tabel 49: Intensiteit 9-8-5, 1e en 2e orde hinder ..................................................................157 Tabel 50: Standdaarddeviatie bij intensiteit 9-8-5, 1e en 2e orde hinder ...............................158 Tabel 51: Standdaarddeviatie bij intensiteit 6-11-12-7, 1e en 2e orde hinder ........................158 Tabel 52: Parameterstudie bedieningstijd: Totale intensiteit................................................159 Tabel 53: Parameterstudie bedieningstijd: Intensiteit 2-1 ....................................................159 Tabel 54: Parameterstudie bedieningstijd: Intensiteit 3-10-4-5............................................159 Tabel 55: Parameterstudie bedieningstijd: Intensiteit 9-8-5 .................................................160 Tabel 56: Parameterstudie bedieningstijd: Intensiteit 6-11-12-7 ..........................................160 Tabel 57: Parameterstudie hinderlengte: Totale intensiteit ..................................................161 Tabel 58: Parameterstudie hinderlengte: Intensiteit 2-1.......................................................161 Tabel 59: Parameterstudie hinderlengte: Intensiteit 3-10-4-5 ..............................................161 Tabel 60: Parameterstudie hinderlengte: Intensiteit 9-8-5....................................................162 Tabel 61: Parameterstudie hinderlengte: Intensiteit 6-11-12-7.............................................162
119
Bijlage A: Werking van de simulatie
Nadat het kruispuntvlak in verschillende rijen is opgedeeld, de eigenschappen van alle rijen
zijn uitgedacht en nadat alle interacties tussen de rijen vastliggen moeten deze nog op een
consequente wijze in het computerprogramma worden ingegeven.
Hoe men dit doet zal in deze bijlage worden aangegeven..
In het programma kunnen twee categorieën beschouwd worden;
Ten eerste zijn er de functies die ten dienste staan van de simulatie. Ze helpen de interacties
tussen de verschillende wachtrijen te modelleren. Ze worden allen opgeroepen vanuit een
hoofdfunctie die we de body zullen noemen.
Een tweede groep functies dienen om de resultaten van de simulatie te interpreteren en te
analyseren. Met deze functie kunnen bvb. de verschillende vertragingen of de gemiddelde
wachtrijlengtes berekend worden
120
Bodystructuur en bijhorende functies Vooraleer er iets gedetailleerder zal worden ingegaan op de verschillende functie die vanuit
de body wordt er van deze body eerst een overzicht gegeven;
Initialiseren
While
Voorop
Posmin
Hinder
Parameterfunction
SWITCH
IF: aankomst
Volaan
ELSE: vertrek
Vollerij
Toeleveringen3
END
Tijdsinc
Tijdstoelevering1
Gapteller
Gaphinder
END Initialiseren
121
De zaken die geïnitialiseerd moeten worden zijn:
-Aantal rijen = Het aantal rijen waarin het vlak is opgesplitst
-Intervallengte= Het aantal tijdseenheden dat men de simulatie wenst te laten lopen
-Constant matrix= 2Xaantalrijenmatrix. De eerste rij staat voor de aankomsten, de tweede
rij staat voor de vertrekken. De kolomnummers (knrs) komen overeen met de
wachtrijnummers (wrnrs) . Men geeft met een 0 aan dat men een exponentiele verdeling wil.
Met een 1 geeft men aan dat men een constante wil. Wanneer men geen aankomsten van
buitenaf wil, omdat de rij enkel toegeleverd wordt, dan plaatst men ook een 1 in de
constantmatrix.
-Toeldeelvector (~toelevering in delen vector)= 1Xaantalrijenmatrix.(knrs~wrnrs). Als een rij
toedeelt aan andere rijen volgens een bepaald percentage, dan plaatst men in die kolom een 1.
Anders plaatst men een 0.
-Toeldeelmat= De rijen van deze matrix staan voor de toeleverende wachtrijen, de
kolomnummers staan voor de wachtrijen die toegeleverd worden. Zo plaatst men op de juiste
positie het percentage van de wagens dat aan de overeenkomstige rij toebedeeld wordt. Bvb.
levert rij 2 toe aan rij 1 en rij 3 met een respectievelijke kans van 0,3 en 0,7, dan ziet de
toeldeelmat er als volgt uit indien er niet nog andere rijen toeleveren met percentages;
000
7,003,0
000
122
-Toeldeelmin= (~toelevering, gedeeltelijk en dit aan de rij met de minste wagens). Dit is ook
een matrix. De rijnummers komen weer overeen met de toeleveringsrijen, en de
kolomnummers met de toegeleverde rijen. Levert een wachtrij aan aan verschillende rijen,
met als criterium dat de leegste rij toegeleverd wordt, dan plaatst men op de overeenkomstige
posities (cfr. hierboven) een 1, op de andere plaatsten plaatst men een 0.
-Toeleveringsmatrix= aantalrijenXaantalrijen. Wanneer men een 1-op-1-toelevering wil
aangeven, dan gebruikt men deze matrix. Wanneer er zulk een toelevering is, dan plaatst men
een 1 in de matrix, anders een 0. Het kolomnummer waar men dit plaatst is gelijk aan het
nummer van de toeleverende wachtrij. Het rijnummer is gelijk aan het nummer van de
toegeleverde wachtrij.
Er kan gezegd worden: ‘De kolom levert toe aan de rij.’
Bij een systeem met twee rijen, waar rij 1 toelevert aan rij 2, ziet de toelevermatrix er als
volgt uit:
01
00
-Lichtmatrix= 2Xaantalrijen. (knrs~wrnrs). Wanneer een rij begrensd wordt door een
verkeerslicht, dan kan men in deze matrix de lengtes van het groen en het rood licht interval
aangeven. Op de eerste rij zet men het aantal tijdseenheden groen licht, op de tweede rij het
aantal tijdseenheden rood licht. Zijn er geen verkeerslichten, dan plaatst men op de eerste rij
een willekeurig getal, en op de tweede rij een 0. Dan wordt het immers nooit rood.
-Lambdamumatrix= 2Xaantalrijen. (knrs~wrnrs). Hier worden de eigenschappen van de
aankomst en vertrekdistributies ingegeven. De distributies kunnen gekenmerkt worden door
tussentijd tussen de vertrekken (Sec/wagen). Deze geeft men hier respectievelijk op de eerst
en de tweede rij in. Indien men enkel toelevering heeft van andere wachtrijen, dan had men in
de constantmatrix reeds een 1 geplaatst. Hier plaats men dan op de eerste rij, nl. de rij van de
vertrekken een getal dat minstens 2 maal zo groot is als de intervaltijd.
-Gapacceptance= 1Xaantalrijen. (knrs=wrnrs). In de kolommen plaatst men een 1 als de rij
een gap-acceptatie rij is. Anders plaatst men een 0.
123
-Minderenderijnummers=dit is een vector waarin de nummers van de verschillende rijen die
andere rijen kunnen ‘minderen’ staan.
-Geminderdenmatrix=een matrix met op de rij verschillende rijen de wachtrijen die gehinderd
worden door de respectievelijke minderende rijen. Mindert bvb. rij 4 de rijen 6 en 8, en staat
in de minderenderijnummers wachtrij 4 in kolom 3, dan staat in de geminderdenmatrix op rij
3 de nummers 6 en 8. Je moet de rijen van deze matrix aanvullen, met willekeurige getallen,
zodat alle rijen in de matrix even lang zijn. De wachtrij die het meeste rijen hindert zal dus het
aantal kolommen van deze matrix bepalen.
-Mindermus= een matrix met dezelfde afmetingen als de geminderdenmatrix. Op de
overeenkomstige posities staan nu de nieuwe bedieningstijden (sec/wagens) die men zal
hebben indien de rij gehinderd wordt. Er staan geen beperkingen op de keuze van deze
nieuwe bedieningstijden.
-Mindervwn= een matrix met dezelfde afmetingen als de twee vorige. Hierin staan de lengtes
die de minderende rijen moeten hebben vooraleer ze zullen minderen. Waar in de
geminderdenmatrix de rijen werden aangevuld met willekeurige getallen om de dimensies
overeen te laten komen worden nu zulke grote voorwaardes geplaatst dat deze nooit bereikt
zullen worden (kies bvb.9999).
Voorbeeld: we beschouwen een systeem met 3 wachtrijen. Rij 2 hindert rij 1 wanneer
ze 4 auto’s lang is. De bedieningstijd valt hierbij terug tot 10 sec/wagen. Rij 3 hindert
rijen 1 en 2 respectievelijk wanneer ze 3 en 5 auto’s lang is.De bedieningstijden
worden respectievelijk 12 en 16 sec/wagen.We krijgen dan volgende matrices;
Minderenderijnummers=[2 3]
Geminderdenmatrix=
21
1 X waarbij X een willekeurig getal is.
124
Mindermus=
1612
12310
Mindervwn=
53
99994
-Hindermatrix= aantalrijenXaantalrijen. Als een rij een andere rij kan hinderen vullen we een
1 in, anders een 0. Het nummer van de rij die hindert is de kolom waar we dit getal plaatsen.
Het nummer van de rij is gelijk aan het wachtrijnummer van de rij die gehinderd wordt. ‘De
kolom hindert de rij.’
-Volhindervwnmatrix=aantalrijenXaantalrijen. Op de zonet besproken plaats voor de hinder
wordt nu de lengte geplaatst die de hinderende rij moet hebben vooraleer er hinder kan
optreden. Op de diagonaal staan de lengtes vanaf dewelke er geen externe toelevering meer
zal zijn aan de wachtrij met wachtrijnummer de nummer van de kolom.
Bij een systeem met drie rijen, waar rij drie rij 1 hindert vanaf dat ze een lengte 7 heeft
worden de hindermatrix en de volhindervwnmatrix respectievelijk:
000
000
100
en
999900
099990
709999
Naast de voorgaande zaken die zelf geïnitialiseerd moeten worden zal het programma op basis
van deze gegevens ook al wat zaken initialiseren. Zo worden hier de tijdmat en de tijdm
geïnitialiseerd. In de tijdm worden alle tijdstippen van beweging bijgehouden. In de tijdmat
wordt enkel bijgehouden wanneer de volgende vertrekken en aankomsten zullen plaatsvinden.
Wanneer de body helemaal doorlopen is wordt er weer gekeken welke het laagste getal is in
de tijdmat. Dit getal is het tijdstip waarop aangekomen of vertrokken wordt uit de rij. Staat dit
getal op de 1e rij van de tijdmat, dan gaat het over een aankomst, anders betreft het een
vertrek. De kolom waarin dit tijdstip staat stelt het rijnummer voor.
Ook de telmatrix, de label matrices en een debietteller worden hier geïnitialiseerd.
Het aanroepen van de functies
125
WHILE (zolang het kleinste element van de tijdm nog kleiner is als de vooropgetselde
intervaltijd zal dit deel van de body doorlopen blijven worden.)
Voorop: Dit is een functie die, indien er zich gap-acceptatie rij in het systeem bevinden, voor
deze gap-acceptatie rijen al op voorhand berekend wanneer de volgende twee toeleveringen
zullen zijn. Met deze functie wordt als het ware al in de toekomst van de gap-acceptatie rij
gekeken. Waarvoor de vooropmatrix die wordt teruggegeven door de simulatie zal dienen
wordt verder uiteengezet bij de uitleg over de ‘gapteller’-functie.
Posmin: In deze functie wordt bepaald op welk tijdstip de volgende aankomst of het volgend
vertrek zal plaatsvinden. Ook wordt hier bepaald of het om een aankomst dan wel om een
vertrek gaat, en welke rij er zal bewegen (of niet bewegen als ze door iets of iemand
gehinderd wordt). Hier wordt er dus zoals eerder reeds uitgelegd gezocht naar het kleinste
tijdstip zodat we nu weten welke rij er aan de beurt is.
Hinder: Hier worden de rijnummers bepaald die een mogelijke hinder zouden kunnen
uitoefenen op de aan de beurt zijnde rij.
Parameterfunction: In deze functie wordt er bepaald of een vertrek al dan niet vertrek al dan
niet verhinderd zal worden door de verkeerslichten. Een aankomst in een rij kan door
verkeerslichten op het eind van deze rij natuurlijk niet verhinderd worden.Ook geeft deze
functie reeds de karakteristieke waarde van de distributie van aankomst of vertrek van de aan
de beurt zijnde rij. Deze waarde zal later gebruikt worden om de volgende actie van dit rijdeel
(aankomst of vertrek) te berekenen.
126
SWITCH: Door dit commando te gebruiken, en verder in de programmatuur steeds zeer
algemeen te blijven werken met elv(1) en elv(2), hoeft de rest van de commando’s maar 1
keer geschreven te worden, in plaats van al deze commando’s voor de verschillende
rijnummers zo goed als te copy pasten. Dit maakt de body veel overzichtelijker. Zeker
wanneer er met vele wachtrijen zal gewerkt worden.
If AANKOMST 32 (als elv(1) = 1, dan hebben we te maken met een aankomst.)
Dit is een deel waarvoor een aankomst een voorwaarde is. Als aan deze voorwaarde voldaan
is zal er deze keer bij het doorlopen van de body niet in het else-deel (vertrek) gekomen
worden.
Volaan: Deze functie gaat na of er nog een externe toelevering mogelijk is aan de ‘rij in
actie’.
Indien er nog een toelevering mogelijk is wordt in de telmatrix, de matrix waarin de populatie
van de verschillende wachtrijen wordt bijgehouden, de teller van de betreffende wachtrij met
1 verhoogd. Dit wordt gedaan door aan de telmatrix 1 rij toe te voegen, waarop dan de teller
aangepast wordt. Anders gebeurt er niets met de teller en de telmatrix.
Er wordt hier ook in de aankomst labelmatrix een nieuwe aankomst aangegeven. Dit wordt
gedaan door op de juiste plaats een nieuw label te zetten, met bijhorende aankomsttijd.
Aangezien het in dit deel enkel om externe aankomsten gaat zal het label simpelweg het
rijnummer zijn.
Else: VERTREK (als elv(1) = 2, dan hebben we te maken met een vertrek.)
32 In dit deel van de aankomsten worden enkel aankomsten van buiten het systeem (externe aankomsten) beschouwd. De aankomsten in een rij die afkomstig zijn uit andere rijen (interne aankomsten) hangen immers samen met een vertrek uit een andere rij. Aangezien dit vertrek de oorzaak is van de interne aankomst zal deze aankomst onder de sectie vertrek worden behandeld door gebruik te maken van de toeleveringmatrices.
127
Eerst zal er onderzocht worden of er wel een vertrek mogelijk is. De externe voorwaarden
voor vertrek zijn dat er geen hinder mag zijn, en dat het licht niet op rood mag staan.
De interne voorwaarde voor een vertrek is dat er überhaupt minstens 1 wagen aanwezig moet
zijn in de rij. In paramterfunction werd er reeds onderzocht of het licht op rood staat. Dit zit
vervat in de variabele kanik. Als deze gelijk is aan 1, dan is het groen licht. Is deze echter nul,
dan is het rood.
Vollerij: in deze functie wordt nagegaan of er 1 van de rijen die mogelijk voor een hinder
kunnen zorgen ook zo lang is dat er daadwerkelijk hinder is. Zoals eerder reeds gezegd kan
deze hinder ontstaan doordat een rij dwars voor de uitrijdende rij staat, maar ook doordat de
maximale capaciteit van de rij waaraan wordt toegeleverd bereikt is.
Indien er zowel groen licht als geen hinder zijn, dan kan er een vertrek plaatsvinden als er
zich een wagen in de wachtrij bevindt. Ook dit moet gecheckt worden, door in de telmatrix
van de betreffende rij te kijken of de teller groter is dan 0. Is dit niet het geval, of is aan 1 van
de twee vorige voorwaarden niet voldaan, dan is er geen vertrek en wordt het else-deel van de
if-else lus niet verder doorlopen.
Indien de teller groter is als 0, en er dus een vertrek kan plaatsvinden, dan wordt deze teller
meteen met 1 verlaagd. De populatie van de wachtrij daalt.
Nu we er zeker van zijn dat er een vertrek plaatsvindt, kan er nagegaan worden of de
vertrekkende wagen aan een andere wachtrij wordt toegeleverd.
Toeleveringen3: In deze grote functie wordt nagegaan aan welke rijen, en op welke wijze (1-
op-1 toelevering, 1-op-m-toelevering volgens kans of aan de leegste rij) de vertrekkende
wagen toegeleverd wordt. In de functie worden meteen ook de tellers van de desbetreffende
wachtrijen in de telmatmatrix verhoogd, en dit volgens het juiste criterium. Bij de 1-op-1
toelevering wordt de toegeleverde wachtrij haar teller zonder meer verhoogd. Bij een 1-op-m
toelevering moet er of nog nagegaan worden welke van alle toeleverbare rijen de leegste is
(door de tellers in de telmat te vergelijken), of moet er nog uit een uniforme kansverdeling
geloot worden. Nadat dit gebeurd is zal ook hier de teller in de telmatmatrix verhoogd
worden.
128
De functie geeft naast een aangepaste telmat ook nog de vector toeleveringsrijen terug. Het
eerste element van deze vector is een nul, de volgende elementen zijn de nummers van de
toegeleverde rijen33. Dit is nodig om later op een correcte wijze de tijdmatrix aan te kunnen
passen.
Nu al de telmatrices verhoogd zijn, en er geweten is welke rij aan welke rij toelevert, kunnen
ook de labelmatrices aangepast worden. Er worden nieuwe labels aangemaakt, en op de juiste
plaatsten (hiertoe worden een debiet en een aankomstvector bijgehouden) in de vertrek
labelmatrix aangebracht. Indien er ook een toelevering was, worden er ook in de aankomst
labelmatrix de nodige aanpassingen gemaakt. Ook de tijdstippen worden meteen aangepast in
de labelmatrices.
END Dit is het einde van de If (aankomst) … Else (vertrek)… End-constructie.
Nu moeten nog de tijdmatrices worden aangepast. In de tijdm wordt er bijgehouden op welke
tijdstippen de respectievelijke acties of bewegingen plaatsvonden. Ook de tijdmat dient nog
aangepast worden aan het eind van de while-lus. Uit deze tijdmat kan dan afgeleid worden of
de vooropgestelde intervallengte nog niet overschreden is, en welke rij als volgende zal
bewegen.
Tijdsinc: De functie tijdsinc geeft het tijdsincrement weer waarmee de tijdm zal verhoogd worden. Tijdstoelevering1: In deze functie worden de tijdm en de tijdmat beiden aangepast. In de
tijdmat wordt het tijdstip waarop de beweging die in het vorig deel van het programma
gesimuleerd plaatsvond bijgevoegd. Dit gebeurt op exact dezelfde rij, en in exact dezelfde
kolom als waar de telmat werd verhoogd of verlaagd. Zo kan men door deze matrices naast
elkaar te leggen direct aflezen op welk moment welke verplaatsing plaatsvond. Het tijdstip
waarop de toegeleverde rijen hun wagen ontvangen wordt ook in deze functie bepaald.
Eigenlijk heeft dit verschil meer een symbolische betekenis. Er wordt namelijk voor elke
beweging een nieuwe rij gecreëerd.
33 Meestal is dit maar 1 rijnummer. In de tekst is er echter vermeld dat men bij een 1-op-1 toelevering dezelfde wagen ook aan meerdere rijen kan toeleveren om zo verschillende, onafhankelijke systemen met elkaar te vergelijken.
129
Zelfs wanneer de verplaatsing uiteindelijk verhinderd werd, wordt dit toch aangegeven in de
tijdmatrix. De telmatrix krijgt er dan ook een rij bij, maar deze rij is dezelfde als de
voorgaande. Omdat een toelevering in het programma beschouwd wordt als een onderdeel
van een vertrek uit een andere rij wordt deze toelevering in de tel- en tijdmatrices op dezelfde
lijn weergegeven.
Gapteller: In de vooropmatrix zitten zoals eerder al vermeld de waarden voor de volgende
aankomsten in de gap acceptatie rij. In deze gapteller zullen we controleren of de volgende
aankomst verder afgelegen is als de kritische gap. Indien dit zo is, mag de teller van de gap
acceptatie rij op 0 geplaatst worden, waardoor deze rij geen hinder meer uitoefent. De gap is
immers groot genoeg, zodat het voertuig niet gehinderd wordt.
Dit lijkt misschien nogal raar, maar het heeft alles te maken met het feit dat de gap-acceptatie
rij eigenlijk geen fysische tegenhanger heeft. Bij gap-acceptantie wordt één wagen namelijk
gehinderd door een andere wagen die er nog niet is, eigenlijk door een opening tussen twee
wagens. In de simulatie kunnen wagens pas weer een bepaalde tijd nadat de hinder
weggevallen vertrekken ( cfr. reactiesnelheid,…). De simulatie beschouwt de kritische gap
ook als een hinder. Nadat deze kritische gap verlopen is valt de hinder weg. Volgens de
redenering zal er nu pas gereageerd en vertrokken worden. Dat is natuurlijk niet juist want
wanneer de gap veel groter is, is de chauffeur al veel langer bezig met te reageren, op te
trekken en te vertrekken. Er komt dus heel wat doordacht geknutsel met de wachtrijen aan te
pas om dit goed te modelleren.
Gaphinder: Deze functie is speciaal ingebouwd om de wagens die gehinderd worden door een
gap-acceptatie rij te laten vertrekken zoals eerder in de thesistekst werd uitgelegd.
Minderfunction: Deze functie is speciaal geschreven opdat men bij een mindering precies zou
kunnen kiezen welke nieuwe bedieningstijd de wachtrij zal kennen. Wanneer deze ‘minder’
wegvalt moet ook ogenblikkelijk weer overgeschakeld worden op de oorspronkelijke
bedieningstijd. Lange tijd werd in de simulatie gewerkt met bedieningstijden die een veelvoud
moesten zijn van de oorspronkelijke bedieningstijd, en waarbij men niet plots weer kon
overschakelen naar de oorspronkelijke intensiteiten. Door deze functie te implementeren
worden toch merkelijk verschillende resultaten bekomen.
END
130
Hier kent de while-lus zijn einde. Wanneer nu nog verder gegaan wordt in de body zijn reeds
alle verkeersprocessen gesimuleerd. Alle bewegingen zijn daarbij bijgehouden in de
labelmatrices, de telmatrix en de tijdmatrices.
Nu kunnen verschillende nog verschillende functies aangeroepen worden om kenmerken
zoals de gemiddelde wachtrijlengtes, de kans dat bepaalde wachtrijlengtes zich voordoen,
gemiddelde en maximale vertragingen,… te berekenen. Deze functies zullen in het volgende
deel besproken worden.
END
Herhalingen en parameterstudies
In de vorige twee paragrafen werd er besproken welke zaken er geïnitialiseerd moeten worden
om een verkeerssituatie te kunnen modelleren, en tevens werd er besproken hoe de eigenlijke
simulatie dan in zijn werk ging. We kunnen dit proces zeer kort samenvatten als
Herhaling
Initialisatie While (tijd < intervallengte) Simulatie End. Om tot nauwkeurigere resultaten te komen zal de simulatie meermaals moeten doorlopen worden. Dit kan door de while-lus te nesten in een for-lus die werkt met een teller; -Initialisatie For (Teller= 1:10)
-While -End while -resultaten van 1 simulatie opslaan in een matrix waar uiteindelijk alle resultaten in verzameld worden
End for Zo zal de simulatie 10 keer doorlopen worden.
131
Parameterstudie
Indien men geïnteresseerd is in wat er gebeurd wanneer men een bepaalde parameter laat
variëren terwijl de andere randvoorwaarden gelijk blijven, dan moet men deze parameter
schrijven als een (constant getal X variabele). Door dan de variabele steeds aan te passen kan
men een parameterstudie uitvoeren. Wil men bvb. de invloed van de saturatiegraad nagaan,
dan zou men de aankomstintensiteit kunnen laten variëren.
For ( variabele=0:0.1:1 )34
Initialisatie waarbij aankomstintensiteit = maxintensiteitXvariabele
While-lus
Resultaten horende bij die bepaalde intensiteit opslaan in matrix
End For
Zo zou men de intensiteit kunnen laten variëren van 10 tot 100% van de maximaal
verwerkbare capaciteit.
Door herhaling en parameterstudie te combineren zou men bvb. bij elke waarde van de
aankomstintensiteit de simulatie 10 maal kunnen doorlopen, en verder met de gemiddelde
waardes van de resultaten horende bij elke intensiteit verder rekenen. De resultaten zullen er
nauwkeuriger en betrouwbaarder door worden. Natuurlijk wordt de simulatie dan niet 1 maar
100 maal doorlopen, wat wel meer rekenkracht vraagt.
34 De variabele zal dan lineair varieren van 0 tot 1, en dit met tussenstapjes van 0,1. De variabele wordt dus achtereenvolgens 0 0,1 0,2 0,3 … 0,9 en 1.
132
De functies ter analyse van de resultaten
Naast de functies die geschreven zijn om de simulatie uit te voeren zijn ook een heel aantal
functies geschreven die dienen om de gegevens die gegenereerd werden met de simulatie om
te zetten in bruikbare resultaten.
Gemiddelde: Deze functie geeft voor de verschillende wachtrijen de gemiddelde tijd dat
wagens er in gespendeerd hebben. Wanneer de saturatiegraad hoger is als 1 zal de
wachtrijlengte blijven groeien. De gemiddelde vertraging is dan niet alleen functie van de
aankomst- en vertrekkarakteristieken, maar eveneens van het beschouwde tijdsinterval. Dit
werd in het hoofdstuk verificatie ook al aangegeven waar de gemiddelde vertragingen werden
berekend voor een drukte-intervallen met verschillende lengtes. De functie wordt vooral
gebruikt om de wachtrijlengtes aan verkeerslichten grafisch weer te geven.
Kijktruk: Omdat in de tijd en de telmatrices voor elke beweging een nieuwe rij aangemaakt
wordt het onoverzichtelijk om uit deze matrices de bewegingen in een bepaalde rij te
analyseren. De functie kijktruk geeft enkel het aantal auto’s en de bijhorende tijdstippen
waarop er in een bepaalde rij bewogen werd weer. Zo kan er makkelijk afgelezen worden wat
de tendensen in aankomst en vertrekpatronen zijn.
Kijktrukmin: Deze functie doet ongeveer hetzelfde als de functie kijktruk. Er worden echter
enkel de tijdstippen waarop er een vertrek was weergegeven, en de bijhorende verblijvende
populatie. Door de lengte van de matrix die wordt teruggegeven door deze functie te
berekenen heeft men meteen de capaciteit van de bijhorende rij.
Labeldelay: De labeldelayfunctie is waarschijnlijk de belangrijkste analysefunctie. Met deze
functie worden de vertragingen berekend die een wagen oploopt in de verschillende rijen van
een traject dat hij volgt. Bovendien kan met deze functie op een eenvoudige wijze de
capaciteit berekend worden. Aan deze functie moet men als bekenden de labelinmat, de
labeluitmat, het trajectlabel van het volledige traject dat men wil analyseren, en het aantal
rijen meegeven. Er zijn ook andere functies die de vertragingen kunnen berekenen, maar deze
functie is speciaal omdat er hier niet op voorhand geweten hoeft te zijn welke wagens welk
133
traject gaan volgen. Via heel het labelmatsysteem en via de labeldelayfunctie kan achteraf
achterhaald worden waar de wagens welke tijd spendeerden op het kruispuntvlak.
Ook kan met deze functie de totale vertraging van toekomst in het systeem tot bij het verlaten
van het systeem berekend worden voor alle wagens die een bepaald traject volgen. Naast de
vertragingen kunnen met deze functie ook de capaciteit van het kruispunt berekend worden.
Verder in deze bijlage is de werking van het labelsysteem gedetailleerder uitgewerkt. De capaciteit dan niets minder als het aantal rijen in de labelmatuit van de laatste rij op het traject, verminderd met 2*’aantalrijen’.
Pk: Deze functie berekent voor een bepaalde rij de verschillende kansen om tijdens de
beschouwde intervallengte bepaalde wachtrijlengtes aan te treffen.
Intro/Outro: Door eenvoudigweg in een vector (intro) bij te houden hoeveel wagens er via de
verschillende rijen het kruispuntvlak oprijden, en door in een andere vector (outro) bij te
houden hoeveel wagens er weer afrijden kan makkelijk de capaciteit over het kruispunt
berekend worden. Wanneer verschillende stromen allen een verschillende ‘in- en uitgang’ tot
het kruispunt hebben kunnen uit deze vectoren ook de intensiteiten van de verschillende
stromen berekend worden.
Systeemtijd: Deze functie berekent de gemiddelde opgelopen vertraging. Wanneer deze twee
rijen dezelfde genomen worden wordt voor elke wagen de tijd gespendeerd in deze rij
berekend. Voor een systeem van 1-op-1-toeleveringen kan er via deze functie ook de
gemiddelde vertraging berekend worden. Er moet hier duidelijk op gewezen worden dat de
nodige omzichtigheid geboden dient te worden wanneer deze functie gebruikt wordt. Stel dat
het beschouwde tijdsinterval op 100 vastgelegd wordt.
Een eerste auto komt aan na 5 seconden, een tweede na 10 een derde na 15,… Stel dat er een
zeer plotse congestie optreedt waardoor enkel wagen 1 en 2 het systeem kunnen uitrijden, en
dit op tijdstip 15 en tijdstip 20. Er zou dan kunnen afgeleid worden dat de gemiddelde
vertraging 10 seconden is. Dit is echter niet het geval. Er zal in de simulatie dan een teller
geïmplementeerd moeten worden die op het eind van het tijdsinterval het aantal auto’s meet
die zijn binnengekomen. De simulatie zal dan moeten blijven lopen tot wanneer al deze
134
wagens ook het systeem weer zijn buiten gereden. Zo kan men de werkelijke gemiddelde
vertraging berekenen.
Systeemtijdzp: 1 van de inputparameters voor systeemtijd is het aantal wagens dat men wenst
te beschouwen bij het berekenen van de systeemtijd. Wanneer dit aantal gelijk is aan het
aantal wagens dat binnen een bepaald tijdsinterval een wachtrij kan binnenrijden, dan is dit
aantal op voorhand vaak niet gekend35. Men zou dit manueel kunnen ingeven. Wanneer er
echter een parameterstudie wordt gedaan, en men beroep doet op herhalingen zoals eerder
uiteengezet, dan kan men dit niet meer manueel doen. Men gebruikt dan de functie
Systeemtijdzp, een functie die zelf zal berekenen hoeveel wagens er genomen moeten
worden.
Het labelsysteem
Wanneer het individuele traject dat elke wagen aflegt op voorhand niet exact kan worden
bepaald, dan kan men niet zonder meer de verschillende vertragingen die de voertuigen
hebben opgelopen uit de tel- en tijdmatrices aflezen. Het blijft nog wel mogelijk om de
capaciteit van het kruispunt te berekenen, en om daaruit de gemiddelde vertragingen te
berekenen. Meestal volstaan deze gegevens, al zou men ook geïnteresseerd kunnen zijn in de
vertraging die elk individueel voertuig heeft opgelopen.
Om deze berekeningen in verband met de vertragingen ook in deze gevallen mogelijk te
maken is er een labelsysteem ontwikkeld. In dit labelsysteem wordt het traject dat elke wagen
heeft afgelegd, samen met de tijden die de verschillende voertuigen op de verschillende
kruispuntsecties hebben doorgebracht, bijgehouden in 2 matrices, de aankomst en vertrek
labelmatrix.
In de volgende twee tabellen is een deel van deze aankomst en vertrek labelmatrices
weergegeven voor een simulatie van de vereenvoudigde situatie uit figuur 7.
35 Omdat dit aantal inherent afhankelijk is van de verkeersafwikkeling, en dus van de simulatie zelf.
135
In de aankomst labelmatrix is voor elke wachtrij met nummer N aangegeven in kolom
(2*N-1) op welk tijdstip de aankomst gebeurde, en in kolom 2*N is het bijhorende label
weergegeven. Een label bestaat uit een opeenvolging van cijfers. Het eerste cijfer is het
nummer van de eerste wachtrij waarin het voertuig terecht is gekomen. Het volgende cijfer is
het nummer van de tweede wachtrij en zo verder… Vermits alle wagens hier het systeem
binnenkomen via rij 1, hebben alle wagens in rij 1 het label 1. Uit de labelkolom van rij 4 kan
direct worden afgelezen welk traject de wagen die is aangekomen heeft afgelegd. Label 124
en 134 worden daar immers aangetroffen.
De vertrek labelmatrix ziet er analoog uit , al is de opbouw van het label iets anders.
AANKOMST Rij 1 Rij 2 Rij 3 Rij 4
Labelmatrix Tijd Label Tijd Label Tijd Label Tijd Label
0 0 0 0 0 0 0 0
0,2763 1.0000 2,7752 12.0000 0,8567 13.0000 1,8714 134
0,7525 1.0000 4,3988 12.0000 2,3982 13.0000 3,1774 134
2,0873 1.0000 5,2174 12.0000 4,6591 13.0000 3,2746 124
3,8574 1.0000 8,0155 12.0000 4,9816 13.0000 4,7666 134
4,2095 1.0000 9,4945 12.0000 14,6059 13.0000 5,8383 134
4,8844 1.0000 16,0741 12.0000 15,2285 13.0000 6,7161 124
5,0925 1.0000 16,5219 12.0000 21,2824 13.0000 8,1504 124
5,5032 1.0000 17,0193 12.0000 22,6008 13.0000 8,2376 124
8,8387 1.0000 17,6632 12.0000 22,7066 13.0000 9,7160 124
12,4552 1.0000 20,1071 12.0000 30,7992 13.0000 16,8781 124
Tabel 28: Deel van een aankomst labelmatrix
136
VERTREK Rij 1 Rij 2 Rij 3 Rij 4
LABELMAT Tijd Label Tijd Label Tijd Label Tijd Label
0 0 0 0 0 0 0 0
0.856 13,000 3,274 124,000 1,870 134,000 3,567 1340
2,397 13,000 6,715 124,000 3,176 134,000 4,228 1340
2,774 12,000 8,149 124,000 4,766 134,000 5,872 1240
4,398 12,000 8,237 124,000 5,837 134,000 6,635 1340
4,658 13,000 9,715 124,000 17,179 134,000 7,056 1340
4,981 13,000 16,877 124,000 23,066 134,000 8,041 1240
5,216 12,000 29,281 124,000 23,505 134,000 9,800 1240
8,015 12,000 29,399 124,000 28,970 134,000 10,553 1240
9,493 12,000 30,009 124,000 30,476 134,000 10,874 1240
14,605 13,000 31,612 124,000 33,784 134,000 17,113 1240
Tabel 29: Deel van een vertrek labelmatrix
De laatste twee cijfers van het label staan respectievelijk voor de het rijnummer van de rij
waaruit vertrokken wordt, en naar welke rij er wordt vertrokken.
Zo betekent het label 124 in de vertrekmatrix dat een wagen vertrekt vanuit rij 2 naar rij 4.
Deze wagen bevond zich eerder al in de rij met nummer 1. Weer kan tevens het tijdstip
waarop vertrokken wordt afgelezen worden.
Dankzij het gehanteerde FIFO-systeem kunnen beide matrices gecombineerd worden om zo
de vertragingen te berekenen voor de verschillende auto’s die verschillende trajecten hebben
afgelegd.
Als voorbeeld wordt nu de tijd, die de eerste 3 wagens die het traject 1-2-4 genomen hebben
in het systeem gespendeerd hebben, berekend. Hiertoe kijkt men eerst in de vertrekmatrix in
de kolommen horende bij de eerste wachtrij die de voertuigen hebben doorkruist. Dit is het
eerste cijfer in de trajectkeuze 1-2-4, en is hier 1. Aangezien de volgende wachtrij nummer
twee is, wordt gezocht naar de eerste drie labels 12. Deze worden teruggevonden op rij 4,5 en
8. Omwille van het first-in-first-out systeem moeten de aankomsttijden van deze drie wagens
ook op de rijen36 4,5 en 8 gezocht worden, maar dan wel in de aankomstmatrix. In de
vertreklabelmatrix van wachtrij 2 zijn alle labels gelijk aan 124.
36 Aangezien men de aankomsttijd in wachtrij 1 zoekt, moet er vanzelfsprekend enkel gezocht worden in de kolom horende bij wachtrij 1, nl. (2*1-1) . Er moet dus in kolom 1 gezocht worden.
137
Daarom worden hier de eerste drie37 tijden afgelezen. Door uiteindelijk het verschil tussen
vertrek- en aankomsttijden te maken, kan de tijd, gespendeerd in elke rij berekend worden.
Door deze tijden dan te sommeren komt men aan de totaal gespendeerde tijd. Deze is gelijk
aan het verschil tussen het tijdstip waarop de auto het systeem via rij 4 verlaat en het tijdstip
waarop de auto in rij 1 aankomt.
Tijd in rij1 Tijd in rij2 Tijd in rij 4
auto1 auto2 auto3 auto1 auto2 auto3 auto1 auto2 auto3
Aankomst
Vertrek
2,087 3,857 5,094
2,774 4,398 5,216
2,775 4,399 5,217
3,274 6,715 8,149
3,275 6,716 8,150
5,872 8,041 9,800
Tijd in rij 0,687 0,541 0,122 0,499 2,316 2,932 2,597 1,325 1,650
Tabel 30: Berekenen van vertraging uit labelmatrices
De wagens spenderen respectievelijk 3,783 , 4,184 en 4,706 tijdseenheden in het systeem.
Het berekenen van vertragingen wanneer het traject van de voertuigen op voorhand nog niet
vastligt, wordt door dit labelsysteem sterk vereenvoudigd. Ook maakt het systeem het
mogelijk dat individuele vertragingen worden berekend in plaats van steeds met gemiddelde
vertragingen te moeten werken.
Wanneer de simulatie verder uitgebouwd zou worden met een Graphical User Interface maakt
dit labelsysteem het mogelijk om op een eenvoudige wijze de verschillende wagens te
traceren. Deze wagens weergeven op het scherm is dan nog maar een kleine moeite.
Omdat er met dit labelsysteem maar plaats is voorzien voor 10 wachtrijen (0-9) werd een
analoge labeling uitgedacht met plaats die trajecten doorheen wachtrijen met hogere
nummering kunnen bijhouden. De labels worden getallen met ook cijfers na de komma. De
getallen voor de komma stellen dan de eenheden voor, terwijl de getallen na de komma op de
tientallen duiden. De getallen op de eerste plaats voor en na de komma vormen een koppel.
De getallen op de tweede, derde,… plaats voor en na de komma vormen zo ook allen een
koppel. Gebruik makende van deze labeltechniek kunnen er tot 99 rijen gelabeld worden.
37 Mocht hier nu blijken dat 1 van de eerste drie labels verschilt van 124, omdat er bvb. nog naar een vijfde rij zou kunnen gereden worden, dan moet men terug gaan naar de vertrekmatrix van rij 1 om een vierde label 12 zoeken. Bij grote systemen kan hiermee veel tijd verloren worden. Daarom is het vaak sneller op meteen alle labels 12 mee te nemen, en de labels die achteraf blijken te horen bij auto’s van een ander traject pas dan te verwijderen.
138
Tenslotte wordt er nog een verduidelijkend voorbeeldje meegegeven.
Voorbeeld:
Label 321,110 duidt op een traject van rij (0x10+3) naar (1*10+2)
naar (1*10+1). Of dus het traject 3-12-11.
Label 47124,30275 duidt zo op traject 54-77-21-2-34.
139
Bijlage B: Andere Markov-rijen
Net zoals in de thesistekst voor de het M/M/1 wachtrijsysteem de resultaten uit de theorie
vergeleken worden met resultaten uit de simulatie zal dit in deze bijlage ook gebeuren voor de
M/M/m/∞, het M/D/1, het M/M/1/k en het M/M/m/m wachtrijsystemen.
Ook hier zal de simulatie zeer precieze resultaten weergeven.
M/M/m/∞
Na het M/M/1 systeem is het een logische stap om M/M/m systeem te gaan bestuderen. In plaats
van 1 wachtrij of server beschikt het systeem nu over m servers. Het is ook relevant de prestaties
van de simulatie bij deze systemen na te gaan. In de verkeerskunde zou een M/M/1-systeem
immers een weg met 1 rijstrook kunnen voorstellen, terwijl een M/M/3-systeem bvb. een rijbaan
met 3 rijstroken voorstelt indien de verschillende baanvakken als verschillende servers
gemodelleerd worden.
In tegenstelling met het M/M/1 systeem zal de graad van bediening verhogen met een toenemende
populatie. De maximale bedieningsintensiteit zal men kennen wanneer de populatie gelijk is aan
of groter is dan m. Dan zal deze gelijk zijn aan (m. µ 38). De overgangintensiteiten zijn
weergegeven in onderstaande figuur.
λk = λ voor k=0,1,2,…
µk = min [k.µ, m.µ]
38 Wagens per seconde
140
Er kan op analoge wijze als bij het M/M/1-systeem te werk gegaan worden om kP te berekenen.
Na wat rekenwerk is het resultaat:
De kans dat iemand aankomt en niet direct bedient wordt is de som van Pk met k groter dan m.
Deze kans wordt weergegeven door de Erlang C formule.
Er is in de simulatie een functie geprogrammeerd om deze kansen in functie van ρ en het
aantal servers te berekenen.
Hieronder worden de resultaten van enkele simulaties weergegeven. In tabel 31 worden de
resultaten weergegeven voor een systeem met twee servers, een bedieningsintensiteit voor elk van
beide servers gelijk aan 1 en een totale aankomstintensiteit van 1. Derhalve is ρ gelijk aan 0.5 (
µ
λ
.m). De simulatie is vijf maal doorlopen, en er wordt gerekend met de gemiddelde waarden.
populatie 0 1 2 3 4 5 6 7 8 9
Pk
0,3110 0,3195 0,1785 0,0937 0,0479 0,0255 0,0123 0,0066 0,0033 0,0013
0,3177 0,3159 0,1788 0,0927 0,0484 0,0243 0,0121 0,0055 0,0025 0,0012
0,3215 0,3133 0,1873 0,0899 0,0442 0,0237 0,0111 0,0044 0,0022 0,0013
0,3080 0,3146 0,1786 0,0944 0,0499 0,0279 0,0139 0,0059 0,0030 0,0013
0,3180 0,3264 0,1792 0,0889 0,0443 0,0225 0,0094 0,0059 0,0032 0,0013
gemiddelde
0,3152 0,3180 0,1805 0,0919 0,0469 0,0248 0,011 0,0057 0,0028 0,0013
St. dev.
0,0055 0,0053 0,0038 0,0024 0,0026 0,0021 0,0017 0,0008 0,0005 0,0001
theorie
0,3333 0,3333 0,1667 0,0833 0,0417 0,0208 0,0104 0,0052 0,0026 0,0013
Absolute
fout
theorie-gem
0,0181 0,0154 -0,0138 -0,0086 -0,0053 -0,0039 -0,0013 -0,0005 -0,0002 0,0000
relatieve
fout (%)
5,74 4,84 7,65 9,34 11,21 15,93 11,28 8,38 8,05 2,25
Tabel 31: Resultaten berekeningen M/M/m/∞-rij met simulatie
141
De relatieve fout op de kans om een bepaalde toestand aan te treffen ligt voor de toestanden met
grootste waarschijnlijkheid rond de vijf procent. Voor een zelfde aantal simulaties met een zelfde
looptijd, en met een zelfde saturatiegraad zijn de fouten op de kans om een bepaalde populatie aan
te treffen groter als bij het M/M/1-systeem. Dit omdat de convergentiesnelheid naar de exacte
oplossing voor het M/M/m-systeem kleiner is.
Net zoals bij het M/M/1 systeem hangen de resultaten af van de simulatielooptijd. Er moet
gewezen worden op het feit dat er zich bij hoge saturatiegraden toestanden met een zeer grote
populatie kunnen voordoen. Het zal echter zeer lang duren vooraleer deze toestanden bereikt
worden. Zeker in het M/M/m systeem is het daarom noodzakelijk om voldoende grote
simulatielooptijden te gebruiken om de resultaten uit de theorie goed genoeg te benaderen.
De analytische resultaten zijn immers deze die verkregen worden wanneer de procestijd naar
oneindig gaat.
De convergentie naar de exacte oplossing zal sneller gaan bij lagere saturatiegraden, omdat de
waarschijnlijkheid om grote populaties aan te treffen veel kleiner is. Er is dus een kleiner
spectrum mogelijke populaties. Om dit aan te tonen wordt in tabel39 32 de vorige simulatie
herhaald, maar nu met een saturatiegraad van 0,1. De interarrivaltijd wordt daartoe van 1 naar 5
tijdseenheden verhoogd.
populatie 0 1 2 3 4 5 6 7 8 9
Pk
0,8241 0,1562 0,0179 0,0016 0,0001 0,0001 0 0 0 0
0,8279 0,1558 0,0144 0,0016 0,0003 0 0 0 0 0
0,8205 0,1599 0,0179 0,0016 0 0 0 0 0 0
0,8134 0,1654 0,0186 0,0017 0,0007 0,0001 0 0 0 0
0,8151 0,1660 0,0169 0,0017 0,0003 0 0 0 0 0
gemiddelde
0,8202 0,1607 0,0171 0,0016 0,0003 0,0000 0 0 0 0
St. dev.
0,0061 0,0049 0,0016 0,0001 0,0003 0,0001 0 0 0 0
39 Er is een verschil tussen 0 en 0,0000 als resultaat in de tabel. 0 betekent dat het gevonden resultaat echt 0 is. 0,0000 betekent dat het resultaat verschillende is van nul, maar zeer klein. Matlab rond het af naar 0.
142
theorie
0,8182 0,1636 0,0164 0,0016 0,0002 0,0000 0 0 0 0
Absolute
fout
theorie-gem
-0,0020 0,0029 -0,0008 0,0000 -0,0001 0,0000 0 0 0 0
relatieve
fout (%)
0,25 1,80 4,73 0,10 71,19 296,13 0 0 0 0
Tabel 32: Invloed van saturatiegraad op convergentiesnelheid simulatieresultaten M/M/m/∞
Looptijd 10000 rho:0.1 servers:2 mu’s:1
De resultaten komen nu al zeer dicht tegen de analytische resultaten te liggen. Wanneer de
absolute fout echter zeer klein is kan de relatieve fout natuurlijk wel zeer groot worden. Daar
moet dan echter geen aandacht aan besteed worden.
Er kan weer geconcludeerd worden dat wanneer het tijdsinterval maar groot genoeg wordt
gekozen, de benaderingen steeds beter worden.
M/D/1
Dit systeem wordt gekenmerkt door exponentieel verdeelde aankomsten, maar een constante
bedieningstijd. Er doen zich vele verkeerssituaties voor waar auto’s aan een constant tempo
worden doorgelaten. Zo wordt bvb. de opvolgingstijd tussen twee auto’s die een hoofdbaan
oprijden (follow-up tijd) vaak constant verondersteld. Daarom is het ook hier interessant om na te
gaan hoe nauwkeurig het model hier de theorie kan benaderen.
Bovendien zullen goede resultaten een goede indicatie zijn dat het model ook met andere
verdelingen als de exponentiële verdeling betrouwbare resultaten oplevert. De formules voor het
gemiddeld aantal gebruikers en hun gemiddelde vertraging worden namelijk uit de algemene
formuleringen voor een M/G/1-wachtrij afgeleid.
143
De gemiddelde populatie in het systeem wordt gegeven door de Pollaczek-Khinchin gemiddelde
waarde formule:
q = ρ + )1.(2
))1(2(^ 2
ρ
ρ
−
+ BC
waarbij CB de coëfficient van de variatie van de servicetijd wordt genoemd;
2
2
1
µ
σ B
De variantie van een constante bedieningstijd is echter 0 waardoor CB gelijk wordt aan 0. q
wordt daardoor gelijk aan 5.67 .
De resultaten van 5 simulaties gedurende een tijdsinterval 10000 van een M/D/1-systeem met een
constante bedieningstijd 1 en een exponentieel verdeelde aankomsttijd met een gemiddelde tijd
tussen twee aankomsten van 2 tijdseenheden geven voor de tijd gespendeerd in het systeem
respectievelijke resultaten
Tijd in systeem 1,4848 1,4773 1,4820 1,4974 1,4853
Gemiddelde tijd in systeem 1,4854
De theorie verwacht een gemiddelde tijd in het systeem van 1,5. De absolute fout is 0.0146
bedraagt dus 0.97 procent van de verwachte waarde.
populatie 0 1 2 3 4 5 6 7 8 9
Pk
0,5032 0,3204 0,1274 0,0375 0,0083 0,0023 0,0006 0,0001 0,0000 0,0000
0,5032 0,3261 0,1215 0,0363 0,0093 0,0030 0,0006 0,0000 0,0000 0,0000
0,4973 0,3315 0,1198 0,0365 0,0107 0,0036 0,0006 0,0001 0,0000 0,0000
0,4861 0,3322 0,1295 0,0372 0,0104 0,0031 0,0012 0,0003 0,0000 0,0000
0,4907 0,3303 0,1274 0,0382 0,0111 0,0017 0,0006 0,0001 0,0000 0,0000
gemiddelde
0,4961 0,3281 0,1251 0,0371 0,0100 0,0027 0,0007 0,0001 0,0000 0,0000
Pk x K
0 0,3281 0,2502 0,1114 0,0399 0,0137 0,0043 0,0009 0,0001 0,0000
Tabel 33: Berkening populatiekans M/D/1-rij met simulatie: resultaten
144
Door de verschillende (Pk x K) te sommeren wordt de gemiddelde populatiegrootte verkregen.
Deze is gelijk aan 0.7486, terwijl de theorie 0.75 verwacht. De absolute afwijking van de theorie
is dus 0.0014, wat een relatieve afwijking van nog geen 2 promille betekent.
We weten dat N = q .Uit Little’s vergelijking kan dan weer de gemiddelde vertraging opgelopen
in het systeem berekend worden.
Een systeem met een constante bedieningstijd zal dus voor een halvering van de vertraging zorgen
in vergelijking met een exponentieel verdeelde bedieningstijd.
Verder dient er nog opgemerkt te worden dat voor eenzelfde gemiddelde bedienings- en
aankomstintesiteit de gemiddelde verwachte populatie bij een constante vertrekken 0,75 is terwijl
bij een exponentieel verdeelde distributie van de vertrekken een gemiddelde populatie van 1
wordt verwacht.
M/M/1/k
Na het bestuderen van systemen met meerdere servers of met een andere distributie is het zeer
interessant om toch nog eens terug te grijpen naar de M/M/1 wachtrij, maar nu met een beperkte
capaciteit. De relevantie van dit soort rijen is duidelijk. In de verkeerskundige praktijk heeft
namelijk geen enkele wachtrij een oneindige capaciteit, en zeer veel verkeersproblemen ontstaan
net door dit tekort aan capaciteit. Dit is ondermeer het geval bij het fenomeen van spillback,
waarbij een rij wachtende auto’s aan één kruispunt andere auto’s het afrijden van een nabijgelegen
kruispunt verhindert.
In dit geval zal de gemiddelde bedieningstijd dus constant blijven, maar de aankomstfrequentie
wordt gelijk aan nul wanneer de populatiegrootte gelijk is aan k. Dan moet er zich namelijk eerst
een vertrek voordoen vooraleer er zich nieuwe wagens in de file kunnen bijvoegen.
145
In de onderstaande tabel zijn de resultaten samengevat voor een M/M/1/3 wachtrijsysteem waarbij
µ = 1 wagen/sec en ρ = 0,5. De lengte van het beschouwde simulatie-interval is 3000 seconden. Er
werden 5 simulaties gedaan
populatie 0 1 2 3 4 … ∞
Pk
0,5440 0,2594 0,1262 0,0704 0 … 0
0,5387 0,2702 0,1296 0,0615 0 … 0
0,5534 0,2633 0,1172 0,0661 0 … 0
0,5499 0,2563 0,1231 0,0707 0 … 0
0,5206 0,2669 0,1396 0,0729 0 … 0
gemiddelde
0,5413 0,2632 0,1271 0,0683 0 … 0
St. dev.
0,0129 0,0056 0,0083 0,0045 0 … 0
theorie
0,5333 0,2667 0,1333 0,0667 0 … 0
Absolute
fout
theorie-gem
-0,0080 0,0035 0,0062 -0,0017 0 … 0
relatieve
fout (%)
1,50 1,30 4,64 2,51 0 … 0
Tabel 34: Resultaten simulaties M/M/1/k-rij. Vergelijking met theorie, deel1
Bij K =3 looptijd 3000 mu 1 rho 0.5 simulaties 5
Weer worden reeds zeer goede resultaten bekomen bij een beperkt aantal simulaties.
146
In de onderstaande tabel zijn de resultaten samengevat voor een M/M/1/3 wachtrijsysteem waarbij
µ = 1 wagen/sec en ρ = 0,5. De lengte van het beschouwde simulatie-interval is nu 500 seconden.
Er werden nu 50 simulaties gedaan.
populatie 0 1 2 3 4 … ∞
Pk
gemiddeld
0,5384 0,2660 0,1314 0,0642 0 … 0
St. dev.
0,0392 0,0207 0,0219 0,0172 0 … 0
theorie
0,5333 0,2667 0,1333 0,0667 0 … 0
Absolute
fout
theorie-gem
-0,0051 0,0007 0,0019 0,0025 0 … 0
relatieve
fout (%)
0,96 0,25 1,45 3,76 … 0 … 0
Tabel 35: Resultaten simulaties M/M/1/k-rij. Vergelijking met theorie, deel 2
Bij dezelfde eigenschappen voor het systeem maar bij een looptijd van 500 tijdseenheden en 50
simulaties wordt voor een kleinere berekeningstijd toch een snellere convergentie waargenomen.
Dit omdat er maar een beperkt aantal toestanden kunnen voorkomen en een lange simulatietijd
dus enkel resulteert in langere berekeningstijden. Wel is de standaarddeviatie bij langere
simulatietijden beduidend kleiner.
Ook bij dit type wachtsystemen werd de theorie snel en goed benaderd.
147
M/M/m/m
Het laatste type wachtrij waarmee het programma geëvalueerd wordt is het M/M/m/m-systeem.
Het is een combinatie van het M/M/m- en het M/M/1/k-systeem. Hiermee kan de toelevering van
aankomsten aan verschillende servers met een beperkte capaciteit getest worden. Elke server heeft
maar een capaciteit voor 1 wagen. De andere auto’s zullen als verloren beschouwd worden. In de
praktijk vindt men dit terug op parkeerterreinen. Bovendien zou de absorptiecapaciteit voor
wagens van een stadskern hiermee gemodelleerd kunnen worden. Zolang niet alle parkeerplaatsen
in de binnenstad benomen zijn, zullen mensen hun auto op deze plaatsen kwijt kunnen. De auto’s
worden “geabsorbeerd”. Indien al de parkeerplaatsen benomen zijn zullen automobilisten blijven
rondrijden, om uiteindelijk hun wagen buiten de stadskern kwijt te raken. Vanaf wanneer de
absorptiecapaciteit nul wordt (alle plaatsen bezet) zullen de straten in de stad geconfronteerd
worden met een belastingsschok.
In tabel 36 worden de resultaten weergegeven van 5 simulaties van een M/M/2/2-systeem, waarbij
de arrivalrate 0,2 per tijdseenheid is, terwijl de bedieningsrate 1 per tijdseenheid is voor beide
servers.
Tabel 36: Resultaten simulatie M/M/m/m-rij
populatie 0 1 2 3 … ∞
Pk
0,8274 0,1603 0,0123 0 … 0
0,8062 0,1775 0,0163 0 … 0
0,8202 0,1649 0,0149 0 … 0
0,8278 0,1589 0,0133 0 … 0
0,8170 0,1677 0,0153 0 … 0
gemiddelde
0,8197 0,1658 0,0144 0 … 0
St. dev.
0,0089 0,0074 0,0016 0 … 0
theorie
0,8197 0,1639 0,0164 0 … 0
Absolute fout
theorie-gem
-0,0001 -0,0019 0,0020 0 … 0
procentuele
fout (%)
0,01 1,17 12,10 0 … 0
148
Bijlage C: Eigenschappen van de wachtrijen in de toepassing Wachtrij 1
- Capaciteit: 14 wagens / Bedieningstijd: 4 seconden per wagen/ Toegeleverd door rij 2. - Hinder: wanneer er zich 12 wagens in de wachtrij bevinden kunnen er geen wagens uit
rij 2 meer toekomen. - Minder: Vanaf dat er zich een bepaald aantal wagens in rij 1 bevinden krijgen de
wagens in rij 4 en rij 8 een verhoogde bedieningstijd. In de referentiesituatie is dit aantal gelijk genomen aan 8 wagens. Later wordt de invloed van dit aantal gevarieerd.
- Licht: 35 seconden groen-55 seconden rood. Wachtrij 2
- Capaciteit: Onbeperkt/ Bedieningstijd: 4 seconden per wagen / Externe variabele
toelevering. - De rij hindert geen andere rijen. Wanneer er 12 wagens in rij 1 staan wordt het
uitrijden voor de wagens uit deze rij onmogelijk. - Licht: 45 seconden groen- 45 seconden rood.
Wachtrij 3
- Capaciteit: Onbeperkt/ Bedieningstijd: 4 seconden per wagen/ Externe variabele toelevering.
- De rij hindert geen andere rijen. Vanaf dat er zich 4 wagens in rij 10 bevinden kunnen de wagens de rij niet meer uitrijden.
- Wanneer er zich 5 of meer wagens in rij 12 bevinden wordt de bedieningstijd van rij 3 verhoogd tot 25 seconden.
- Licht: 45 seconden groen- 45 seconden rood. Wachtrij 4
- Capaciteit: 6 wagens/ Bedieningstijd: 2 seconden per wagen/ Toegeleverd door wachtrij 10.
- In de maximale capaciteit bereikt is hindert rij 4 de wagens in rij 10. Ze kunnen rij 10 niet meer uitrijden.
- Vanaf dat er zich een bepaald aantal (8 in de referentiesituaite) wagens in wachtrij 1 bevindt wordt de bedieningstijd verhoogd tot 25 seconden (wordt later nog gevarieerd) per wagen.
Wachtrij 5
- Capaciteit: onbeperkt/ Toegeleverd door de rijen 4 en 8 die via deze rij het kruispunt verlaten.
149
Wachtrij 6
- Capaciteit: onbeperkt/ Bedieningstijd: 4 seconden per wagen/ Externe toelevering: 500 wagens per uur.
- Indien de maximale capaciteit van wachtrij 11 bereikt is (3 wagens) wordt het voor de wagens in rij 6 onmogelijk om de rij uit te rijden.
- Licht: eerst 45 seconden rood, dan 45 seconden groen ( dit licht is dus in tegenfase met bvb. het licht van wachtrij 3.)
Wachtrij 7
- Capaciteit: 8 wagens/ Bedieningstijd: 3 seconden/ toegeleverd door rij 12. - Wanneer de maximale capaciteit bereikt is worden de wagens in rij 12 verhinderd uit
te rijden naar rij 7. - Licht: 35 seconden groen-55 seconden rood.
Wachtrij 8
- Capaciteit: 6 wagens/ Bedieningstijd: 2 seconden per wagen/ Toegeleverd door wachtrij 9.
- Het uitrijden van deze rij gebeurt met een verhoogde bedieningstijd vanaf wanneer de lengte van rij 1 een bepaalde waarde heeft bereikt.
Wachtrij 9
- Capaciteit: onbeperkt/ Bedieningstijd: 4 seconden per wagen/ Externe toelevering: 500 wagens per uur.
- Indien de maximale capaciteit van wachtrij 8 bereikt is (6 wagens) wordt het voor de wagens in rij 6 onmogelijk om de rij uit te rijden.
- Licht: eerst 45 seconden rood, dan 45 seconden groen. Wachtrij 10
- Capaciteit: 4 wagens/ Bedieningstijd: 2 seconden/ Toegeleverd door wachtrij 3 - Indien de maximale capaciteit van wachtrij 4 bereikt wordt, kunnen de wagens in deze
rij de rij niet meer verlaten. - Vanaf dat de maximale capaciteit van rij 10 bereikt wordt kunnen de wagens in rij 3
deze rij niet meer verlaten. - Vanaf dat er zich 3 of meer wagens in rij 10 bevinden wordt het de wagens in rij 11
bemoeilijkt om deze rij uit te rijden. Wachtrij 11
- Capaciteit: 3 wagens/ Bedieningstijd: 2 seconden/ Toegeleverd door wachtrij 6. - Indien de maximale capaciteit bereikt is wordt de wagens in rij 6 het uitrijden
verhinderd. - Rij 12 verhindert de wagens het uitrijden vanaf wanneer zijn maximale capaciteit is
bereikt
150
Wachtrij 12
- Capaciteit: 6 wagens/ Bedieningstijd: 2 seconden/ Toegeleverd door wachtrij 11. - Wordt gehinderd door wachtrij 7 indien deze zijn maximale capaciteit heeft bereikt.
- Vanaf dat er zich 5 of 6 wagens in rij 12 bevinden bemoeilijkt rij 12 het uitrijden van rij 3.
151
Bijlage D: Intensiteiten en standaarddeviaties bij de toepassing In deze bijlage zijn de intensiteiten van de stromen die niet getabeleerd zijn in het hoofdstuk
“Toepassing” toegevoegd. Ook de bijhorende standaarddeviaties bij de berekeningen zijn hier
in tabelvorm te vinden. Alle intensiteiten zijn een gemiddelde op basis van 50 simulaties per
combinatie van een verkeersvraag voor rij 2 en rij 3. De intensiteiten zijn wagens/uur.
Geen hinder
Verkeersvraag rij 2 (wagens/uur)
Geen hinder Standaard-deviatie op Intensiteiten Stroom 2-1
100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
7.1789 8.3879 10.1658 9.9321 9.6864 7.8160 10.2766 6.8256 7.2119 10.3777 10.5349 10.3145 9.2339 11.6941 4.9692 8.0014 8.3937 10.0445 11.2733 9.9049 11.4091 4.4209 8.3137 8.9241 9.0542 10.4660 11.0762 9.4680 5.3555 8.6925 9.8024 8.6702 10.3183 11.3221 11.5265 6.5008 9.2188 9.7859 10.3437 10.9921 9.4756 10.2661 6.8095 7.9800 11.8107 10.0184 11.6158 11.4694 10.0585 6.0313 7.5320 8.8544 10.2171 9.3110 11.0878 12.1083 6.3372 9.0310 9.8414 7.7893 9.1376 9.2434 12.3621
Tabel 37: Standaarddeviatie bij intensiteit 2-1, geen hinder
152
Verkeersvraag rij 2 (wagens/uur)
Geen hinder Standaard-deviatie op Intensiteiten 3-10-4-5
100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
5.8753 5.5406 6.3927 6.8621 4.3523 7.2436 6.2024 7.4223 8.7452 8.3139 8.7434 7.9336 7.8150 9.9927 9.4918 8.2520 9.9593 9.3848 8.4556 10.2276 10.1148 10.3868 10.8464 10.7381 9.9589 9.9341 8.5771 10.3470 9.2200 9.7932 8.8634 10.6869 9.5398 11.9547 8.2600 9.0789 7.9047 10.5676 10.4032 10.5992 11.2157 8.9873 9.2959 9.0287 9.7932 10.2229 10.1246 10.5566 9.3766 12.5813 10.8519 11.4029 11.2903 9.8501 11.4246 11.5286 9.7474 10.6399 10.3798 9.7241 11.5085 10.7688 10.5176
Tabel 38: Standaarddeviatie bij intensiteit 3-10-4-5, geen hinder
Verkeersvraag rij 2 (wagens/uur)
Geen hinder Standaard-deviatie op Intensiteiten 6-11-12-7
100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
11.3391 12.6425 13.8690 14.4263 10.1970 14.0775 15.2128 15.3530 13.5120 12.4685 11.8510 11.4409 12.9176 15.0575 14.4600 12.1639 11.6266 12.7462 13.1309 17.3527 14.0359 12.0377 14.4221 12.9105 13.8826 13.7036 11.2684 13.6571 13.2047 12.9570 11.4834 12.3998 13.1003 14.8294 15.0503 14.7490 12.2121 11.3840 14.0006 14.7221 15.2640 14.7882 13.1310 12.1888 14.2323 14.2002 12.2458 14.2205 11.5389 14.5714 12.6782 12.6278 15.2332 15.3675 16.1091 12.3508 12.6836 14.3710 10.6387 12.7675 14.8689 14.1642 15.9460
Tabel 39:Standaarddeviatie bij intensiteit 6-11-12-7, geen hinder
153
Verkeersvraag rij 2 (wagens/uur)
Geen hinder Standaard-deviatie op Intensiteiten 9-8-5
100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
10.8279 10.5704 11.5759 10.8351 10.5765 10.9752 9.9272 10.5978 11.1602 10.2902 11.9319 8.4973 10.7284 10.8894 11.4721 10.5491 12.1167 10.6876 12.0140 13.0733 11.1254 10.4330 9.8782 10.1507 9.9321 11.9038 12.0657 11.6892 10.7801 11.7742 10.3441 9.4659 12.2172 11.4144 11.5402 10.0096 8.9260 10.5491 13.4137 11.2733 11.9545 11.6965 12.2762 9.9086 11.2159 9.1857 10.5698 11.5552 10.5156 9.6736 10.3306 9.8177 10.1729 9.9675 10.2644 11.4905 12.2556 9.3438 11.5280 10.2575 9.5300 15.1735 10.5246
Tabel 40: Standaarddeviatie bij intensiteit 9-8-5, geen hinder
Eerste orde hinder
Verkeersvraag rij 2 (wagens/uur)
1e ordehinder Standaard-deviatie op Intensiteiten Stroom 2-1
100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
19.6461 28.3952 28.4418 29.4072 33.6676 40.1329 42.2215 24.6146 31.9631 33.3656 35.7573 38.8641 43.2572 35.0570 20.8982 27.1872 31.0917 32.6547 35.5677 35.8889 36.6372 24.0376 26.5463 36.7658 29.1373 41.0654 38.4688 39.3420 22.0993 34.9729 33.1701 35.5598 39.1654 45.5578 37.7559 19.3752 30.1407 32.8261 36.3790 37.1352 45.1817 36.0334 22.3719 27.5105 32.2017 40.1326 36.0256 39.7350 45.7367 21.6097 29.9489 31.9943 34.6198 31.7136 36.7723 30.8492 21.8763 35.4598 36.0709 30.9450 32.5183 38.5259 38.1223
Tabel 41: Standaarddeviatie bij intensiteit 2-1, 1e orde hinder
154
Verkeersvraag rij 2 (wagens/uur)
1e ordehinder Standaard-deviatie op Intensiteiten 3-10-4-5
100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
24.1595 21.7828 24.3914 19.1197 25.8536 22.1140 21.7502 33.7671 28.1033 36.6417 36.4042 39.3339 39.8779 52.2986 33.6739 34.6257 37.8462 59.0853 60.4406 54.6306 54.8192 34.6003 34.5378 47.2152 66.3199 65.3537 61.8032 58.7020 30.0842 36.1574 52.9853 71.6613 73.2828 81.7990 81.3082 28.0853 37.1016 59.6778 87.4162 79.5221 72.5101 73.7398 34.4403 37.0664 71.6813 84.9319 84.7984 71.7866 64.3663 36.8844 38.0988 59.4533 85.6250 89.4128 86.1968 83.9093 43.1751 45.5313 82.5307 97.4175 89.8823 95.5009 82.5363
Tabel 42: Standaarddeviatie bij intensiteit 3-10-4-5, 1e orde hinder
Verkeersvraag rij 2 (wagens/uur)
1e ordehinder Standaard-deviatie op Intensiteiten 6-11-12-7
100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
52.3337 42.2564 47.5872 41.7139 44.3548 46.2073 54.2459 44.4999 46.9320 43.2935 44.9312 47.0975 54.7202 50.1248 39.2215 51.1317 44.2281 48.2235 48.5845 53.4767 54.0643 47.2860 50.4284 51.0627 48.1389 50.1341 45.7287 43.8108 44.6414 47.9678 47.6729 51.3818 52.1380 47.5224 46.1979 52.3946 55.9855 44.4330 39.1914 45.7428 40.2544 51.8358 41.9601 45.7883 48.9143 50.1794 57.3501 45.9703 39.5645 48.9018 51.9222 43.6564 44.4409 44.9899 48.3398 42.2056 46.0873 45.5461 44.0663 55.2029 55.1019 49.5041 49.4691
Tabel 43: Standaarddeviatie bij intensiteit 6-11-12-7, 1e orde hinder
155
Verkeersvraag rij 2 (wagens/uur)
1e ordehinder Standaard-deviatie op Intensiteiten 9-8-5
100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
37.6591 36.5850 84.0802 102.8103 89.1814 84.6819 82.5525 38.2788 44.3460 66.0906 95.1510 90.4423 90.0726 106.4138 38.5052 36.5335 62.8511 97.3141 102.2427 91.2065 96.9664 41.3793 35.6000 72.0371 102.0267 90.5798 100.0708 97.8571 40.4350 37.8590 66.0491 101.0771 91.9772 107.7946 105.7734 42.4745 37.8538 66.2575 101.4902 100.0229 91.7630 78.8777 39.7724 41.5515 70.2680 100.1035 105.4561 90.4312 72.3654 32.2547 40.5731 74.7514 103.7214 98.1944 94.3993 91.8919 43.4502 41.2558 90.4529 113.0064 97.9196 109.1128 90.8136
Tabel 44: Standaarddeviatie bij intensiteit 9-8-5, 1e orde hinder
Hinder van eerste en tweede orde
Verkeersvraag rij 2 (wagens/uur)
1e en 2e orde Intensiteit Stroom 2-1 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
99 205 281 325 331 344 346 99 199 284 328 344 330 338 103 187 282 333 339 340 341 101 195 285 337 341 347 355 97 204 288 335 339 350 343 99 197 281 341 339 348 335 100 197 288 339 335 342 343 100 193 293 333 351 341 349 98 199 288 331 343 338 345
Tabel 45: Intensiteit 2-1, 1e en 2e orde hinder
156
Verkeersvraag rij 2 (wagens/uur)
1e en 2e orde Stand.dev. Stroom 2-1 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
22.3719 30.1500 28.4999 36.8898 30.7020 30.8262 41.1727 22.5291 28.8175 31.8376 33.9238 35.5992 36.7075 42.8928 22.5933 28.5552 29.1913 37.8613 35.2022 35.2542 34.6058 20.4363 29.2742 36.4357 36.8427 40.3176 35.6744 41.8935 20.8042 26.2299 29.2814 39.5634 30.1020 41.7944 37.1022 21.6804 33.8678 30.4860 37.7018 36.9202 36.8506 42.7786 22.8180 28.7155 34.9754 33.1607 37.0109 32.3604 36.7012 15.1351 30.0898 37.7507 34.9425 40.3120 37.9817 40.3481 21.5710 28.2194 26.7460 33.6642 41.1815 31.8416 40.6197
Tabel 46: Standaarddeviatie bij intensiteit 2-1; 1e en 2
e orde hinder
Verkeersvraag rij 2 (wagens/uur)
1e en 2e orde Intensiteit 3-10-4-5 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
106 94 101 90 82 89 87 197 204 197 166 156 139 141 249 247 234 206 175 166 166 293 289 271 208 191 175 196 342 346 331 235 205 220 200 389 387 363 269 220 217 204 442 427 389 293 233 232 230 443 447 414 309 245 213 220 439 449 419 325 216 245 226
Tabel 47: Intensiteit 3-10-4-5, 1e en 2e orde hinder
157
Verkeersvraag rij 2 (wagens/uur)
1e en 2e orde Stand. dev. 3-10-4-5 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
20.1983 18.9962 23.1904 25.4047 23.2388 22.8268 21.5286 32.2656 31.3064 27.3160 45.5534 39.6573 41.2785 53.1021 41.4863 34.3155 39.3700 47.5932 56.7351 54.5389 54.8564 42.5350 36.4777 47.3331 75.0472 76.0827 65.9109 78.9335 41.9426 39.5712 49.7828 78.8955 67.9811 84.9840 87.6777 37.5425 34.1688 75.1024 97.5622 90.3036 81.1539 82.1957 40.7206 44.0199 88.7641 115.6218 94.1248 92.5446 81.0596 47.0086 40.0922 78.0936 108.9921 94.5639 87.1696 100.2980 40.0689 53.0244 81.0747 103.5641 79.6478 101.0958 94.7232
Tabel 48: Standdaarddeviatie bij intensiteit 3-10-4-5, 1e en 2e orde hinder
Verkeersvraag rij 2 (wagens/uur)
1e en 2e orde Intensiteit 9-8-5 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
423 427 398 280 222 228 195 424 424 383 280 231 211 198 421 428 397 275 227 199 198 418 414 395 240 223 202 213 417 428 385 258 209 222 208 425 417 377 274 211 207 200 424 416 356 283 217 222 212 425 424 379 276 244 186 198 431 424 380 293 206 215 208
Tabel 49: Intensiteit 9-8-5, 1e en 2e orde hinder
158
Verkeersvraag rij 2 (wagens/uur)
1e en 2e orde Stand. dev. 9-8-5 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
41.8282 36.2108 92.0612 114.5860 101.1929 110.8871 92.9049 39.7179 33.4037 68.7415 117.6940 90.4143 89.4085 96.6466 43.5745 36.2053 55.3667 90.7531 97.5786 81.3406 92.6883 39.6012 39.3505 79.7809 113.4552 115.6880 96.5856 94.4006 32.8609 42.5255 71.6882 107.2061 91.8733 95.9760 110.7463 36.4357 46.0267 87.2087 101.6896 94.4595 89.6490 90.3649 43.5971 34.6227 86.0980 123.8398 98.1785 92.6325 83.2700 41.7431 43.7107 74.3509 111.1785 116.3354 85.1043 92.2273 45.0510 41.3156 73.0504 104.0518 85.1155 87.9724 97.5255
Tabel 50: Standdaarddeviatie bij intensiteit 9-8-5, 1e en 2e orde hinder
Verkeersvraag rij 2 (wagens/uur)
1e en 2e orde Stand. dev. 6-11-12-7 100 200 300 400 500 600 700
Ver
keer
svra
ag r
ij 3
(w
agen
s/uu
r)
100 200 250 300 350 400 500 600 700
51.7549 47.7794 65.8356 85.1769 84.6699 77.0054 81.7859 41.3409 46.0821 54.7839 108.2102 115.2251 103.6928 102.8385 49.9123 45.3657 54.1767 85.4840 92.0091 99.5498 99.6537 45.1193 48.5084 82.2716 114.9722 114.2768 101.8374 111.3379 51.5934 47.8343 71.8417 110.1385 99.0549 109.1068 109.2598 39.6742 45.9254 76.1302 98.0475 113.9380 105.0831 91.6235 51.1600 44.9068 90.8615 133.2722 102.1442 98.0775 88.3505 52.3264 51.3924 74.9860 102.9166 87.8055 101.0205 98.9696 46.5223 52.1682 77.3808 101.1749 87.1384 92.3868 108.9428
Tabel 51: Standdaarddeviatie bij intensiteit 6-11-12-7, 1e en 2e orde hinder
159
Parameterstudie: bedieningstijd
Verkeersvraag rij 2 (wagens/uur)
Totale intensiteit
100 200 300 400 500 600
Bed
ieni
ngst
ijd
b
ij h
inde
r (s
econ
den/
wag
en)
5 10 15 20 30 35
1411 1499 1591 1594 1575 1606 1408 1496 1529 1364 1315 1347 1389 1483 1494 1231 1137 1125 1415 1489 1499 1268 1096 1018 1384 1481 1392 1175 1018 949 1393 1500 1507 1189 1005 1016
Tabel 52: Parameterstudie bedieningstijd: Totale intensiteit
Verkeersvraag rij 2 (wagens/uur)
Intensiteit 2-1
100 200 300 400 500 600
Bed
ieni
ngst
ijd
b
ij h
inde
r (s
econ
den/
wag
en)
5 10 15 20 30 35
99 196 285 332 347 342 105 197 288 331 333 348 100 195 290 321 330 346 95 197 282 331 332 349 101 195 289 327 341 331 101 200 280 322 335 332
Tabel 53: Parameterstudie bedieningstijd: Intensiteit 2-1
Verkeersvraag rij 2 (wagens/uur)
Intensiteit 3-10-4-5 100 200 300 400 500 600
Bed
ieni
ngst
ijd
b
ij h
inde
r (s
econ
den/
wag
en)
5 10 15 20 30 35
438 430 431 416 416 420 441 429 403 353 334 349 423 434 407 299 270 254 424 436 403 313 251 231 427 428 359 283 215 204 429 437 404 294 218 219
Tabel 54: Parameterstudie bedieningstijd: Intensiteit 3-10-4-5
160
Verkeersvraag rij 2 (wagens/uur)
Intensiteit 9-8-5 100 200 300 400 500 600
Bed
ieni
ngst
ijd
b
ij h
inde
r (s
econ
den/
wag
en)
5 10 15 20 30 35
423 420 418 399 378 385 427 420 392 306 278 275 426 413 387 283 245 246 434 415 395 292 229 200 417 416 355 265 209 185 411 429 395 262 197 204
Tabel 55: Parameterstudie bedieningstijd: Intensiteit 9-8-5
Verkeersvraag rij 2 (wagens/uur)
Intensiteit 6-11-12-7 100 200 300 400 500 600
Bed
ieni
ngst
ijd
b
ij h
inde
r (s
econ
den/
wag
en)
5 10 15 20 25 30 35
443 451 452 447 447 452 439 451 442 383 372 375 443 437 417 317 288 275 455 442 411 336 273 254 441 441 401 322 256 258 439 435 397 304 257 227 453 438 421 300 241 249
Tabel 56: Parameterstudie bedieningstijd: Intensiteit 6-11-12-7
161
Parameterstudie: hinderlengte
Verkeersvraag rij 2 (wagens/uur)
Totale intensiteit
100 200 300 400 500 600
Hin
derl
engt
e
2 4 6 10 12
1406 1352 1092 780 708 699 1405 1468 1272 979 821 737 1406 1501 1460 1055 929 854 1376 1497 1534 1400 1193 1170 1403 1494 1574 1492 1395 1434
Tabel 57: Parameterstudie hinderlengte: Totale intensiteit
Verkeersvraag rij 2 (wagens/uur)
Intensiteit 2-1 100 200 300 400 500 600
Hin
derl
engt
e
2 4 6 10 12
99 194 281 326 345 344 102 200 284 328 336 336 105 196 285 323 343 330 103 194 283 334 331 342 101 197 285 320 340 343
Tabel 58: Parameterstudie hinderlengte: Intensiteit 2-1
Verkeersvraag rij 2 (wagens/uur)
Intensiteit 3-10-4-5
100 200 300 400 500 600
Hin
derl
engt
e
2 4 6 10 12
433 382 267 145 119 115 428 420 324 216 155 132 433 437 392 239 193 174 416 436 417 356 285 284 437 431 430 384 368 382
Tabel 59: Parameterstudie hinderlengte: Intensiteit 3-10-4-5
162
Verkeersvraag rij 2 (wagens/uur)
Intensiteit 9-8-5
100 200 300 400 500 600 H
inde
rlen
gte
2 4 6 10 12
420 362 241 135 109 98 426 407 312 198 144 119 417 423 376 224 175 153 423 417 404 338 263 245 422 423 421 376 326 328
Tabel 60: Parameterstudie hinderlengte: Intensiteit 9-8-5
Verkeersvraag rij 2 (wagens/uur)
Intensiteit 6-11-12-7
100 200 300 400 500 600
Hin
derl
engt
e
2 4 6 10 12
453 413 302 173 134 140 447 439 351 236 184 150 449 443 406 268 217 195 432 449 427 371 313 298 442 443 437 411 359 379
Tabel 61: Parameterstudie hinderlengte: Intensiteit 6-11-12-7