PowerPoint プレゼンテーション

Size: px

Start display at page:

Download "PowerPoint プレゼンテーション"

まいかよどぎみ
4 years ago
Views:

1 No.33 首都圏高速道路網における渋滞の時空間分布の安定性酒井高良, 赤松隆東北大学大学院情報科学研究科第 38 回交通工学研究発表会 2018 年 8 月 7 日本大学 1

2 首都圏高速道路網における渋滞パターンと MFD の関係性酒井高良, 赤松隆東北大学大学院情報科学研究科第 38 回交通工学研究発表会 2018 年 8 月 7 日本大学 2

3 ネットワーク性能研究の背景 3 都市高速道路網における渋滞は解決すべき問題 MFD を利用したマクロ流入制御手法マクロ流入制御モデル : エリア内にどれだけ入れるか指標 :MFD( 集計的 ) MFD より効率的な制御ミクロ流入制御モデル : エリア内にどこから, どれだけ入れるか指標 : 渋滞空間分布 ( ミクロな状態を記述 ) 車両存在台数目的 : 大規模ネットワークにおける長期間観測データに基づき, 渋滞空間分布の推移過程の特性を明らかにする

4 分析データ 4 首都圏高速道路網総延長 :400km 日交通量 :100 万台観測データ感知器数 :1500 個観測期間 :2014 年 (1 年間 ) 24 時間 1 分刻み速度交通量データ分析対象日原則として晴天平日が分析対象 365 日 146 日時間幅の集約 :10 分幅に集約 (1 日の時間帯 =6 24=144)

5 基本分析 5 各リンクの時々刻々の渋滞状態二値変数で定義 ( 速度閾値を設定 ) べき乗則が成立各リンクを独立に分析分析結果渋滞多発リンクは少数渋滞多発時間帯は限定的渋滞が同時発生しやすいリンクペアが存在渋滞空間分布も限定されることを示唆

6 渋滞空間分布の分析 (1) 6 方針 : 時々刻々の渋滞空間分布を分類準備 : 時々刻々の渋滞空間分布を定義リンク数時々刻々の渋滞空間分布渋滞空間分布ベクトルベクトル数 : 1 日の時間帯数 (144) 分析対象日数 (146)=21024 クラスタリング手法 (k-means 法 ) を利用して分類結果 : 年間を通して普遍的ないくつかのタイプに分類可能

7 渋滞リンク数渋滞空間分布の分析 (2) 7 典型的な渋滞空間分布 M1 渋滞路線 D1 E1 M2 D2 E2

8 渋滞空間分布の分析 (3) 8 各タイプの出現状況 00:00 M1 M2 06:00 12:00 D1 D2 18:00 24:00 1 月 12 月 E1 E2 渋滞空間分布の推移過程も限定的?

9 日内状態推移の分析 (1) 9 渋滞空間分布の 1 日の移り変わり ( 日内状態推移 ) に着目 8 タイプを利用して渋滞空間分布の日内状態推移を定義直感的なイメージ日内時間軸 8 タイプで記述日内状態推移ベクトル 1 日分を抜き出す 146 日分の日内状態推移ベクトルをクラスタリング

10 日内状態推移の分析 (2) 10 年間で 4 パターンに分類 00:00 分類 06:00 12:00 18:00 24:00 推移パターン別に日付を並べ替えパターンごとに渋滞空間分布タイプの出現順序が異なる

11 状態推移パターンごとの MFD 11 日ごとに MFD を描画 ( 各プロットの色が渋滞空間分布に対応 ) 横軸 : 車両存在台数, 縦軸 : 走行台キロ Pattern1 Pattern2 Pattern3 Pattern4 状態推移パターンごとに MFD の形状が異なることを確認

12 渋滞空間分布と MFD 12 MFD の各区間と渋滞空間分布タイプの出現状況 3:MFD のトップが M1,M2 タイプの状態推移点 4: 渋滞領域では, より混雑した M2,D2,E2 が出現 MFD の形成過程渋滞空間の状態推移過程

13 まとめ 13 本研究で明らかとなった点時々刻々, 実現している渋滞空間分布は年間を通して普遍的 8 タイプが存在する渋滞空間分布の日内状態推移過程は年間を通して 4 パターン存在する

14 渋滞空間分布の状態推移 14 N2 時計回りに日内時間軸を設定 N1 E1 M1 D1 M2

15 まとめ 15 本研究で明らかとなった点日内状態推移パターンと MFD の形状には対応関係がある MFD の各区間と出現する渋滞空間分布タイプには対応関係がある

16 渋滞パターンと MFD 16 E1 N1 E2 M1 D2 M2

17 まとめ 17 本研究で明らかとなった点時々刻々, 実現している渋滞空間分布は年間を通して普遍的 8 タイプが存在する渋滞空間分布の日内状態推移過程は年間を通して 4 パターン存在する渋滞パターンに時空間の規則性が存在日内状態推移パターンと MFD の形状には対応関係がある MFD の各区間と出現する渋滞空間分布タイプには対応関係がある MFD 形成過程と渋滞空間分布の状態推移に対応関係が存在

18 付録 : 参考文献越正毅, 岩崎征人, 大蔵泉, 西宮良一 : 渋滞時の交通流現象に関する研究, 土木学会論文報告集, Vol.1981, No.306, pp.59 70, 大口敬 : 高速道路単路部渋滞発生解析 - 追従挙動モデルの整理と今後の展望, 土木学会論文集, Vol.660, pp.39 51, 大島大輔, 大口敬 : シングルグリッドネットワークにおけるグリッドロック現象の発生条件, 土木学会論文集 D3 ( 土木計画学 ), Vol.70, No.5, pp.i 629 I 635, 王鵬飛, 和田健太郎, 赤松隆, 原祐輔 : 仙台市一般道路ネットワークにおける Macro-scopic Fundamental Diagram に関する実証研究, 土木計画学研究講演集, pp. 1 10, Wada, K., Satsukawa, K., Smith, M., and Akamatsu, T.: Network throughput under dynamic user equilibrium: Queue spillback, paradox and traffic control,technical report, Working Paper, Saeedmanesh, M. and Geroliminis, N.: ScienceDirect 22nd International Sympo-sium on Transportation and Traffic Theory Dynamic clustering and propagation of congestion in heterogeneously congested urban traffic networks, Transportation Research Procedia, Vol.23, No.00, pp , jan 2017.

19 リンク数 ( 本 ) 付録 : 分析ネットワーク 19 交通の流入流出分岐合流が伴う箇所をノードに対応させてネットワークを構築出入口 (IC) 分岐箇所 (JCT) リンク長ヒストグラムノード数 :391 リンク数 :435 平均リンク長 :994m リンク総延長 :432km リンク長 (m)

20 付録 : 調整パラメータ 20 渋滞判定速度 :20,30,40(km/h) 集約時間幅 :1,5,10,15,30( 分 ) 渋滞空間分布の分類数 :4,6,8,10,12 様々な組み合わせで分析同等の結論が得られることを確認本研究の結論 : 渋滞空間分布の日内推移パターンは, 年間で, 出現順序の異なる 4 パターンに分類することが可能

21 付録 : 渋滞判定速度の調整 21 集約時間幅 :10 分, 渋滞空間分布分類数 :8 20km/h 30km/h 40km/h 出現順序が異なる 4 パターンに分類可能

22 付録 : 集約時間幅の調整 22 渋滞判定速度 :20km/h, 渋滞空間分布分類数 :8 5 分 10 分 15 分出現順序が異なる 4 パターンに分類可能

23 付録 : 渋滞空間分布分類数の調整 23 渋滞判定速度 :20km/h, 集約時間幅 :10 分分類数 4 分類数 8 分類数 12 出現順序が異なる 4 パターンに分類可能

24 付録 :None Type 24 深夜および, 一部の日中に出現渋滞は少数 N1 00:00 06:00 12:00 N2 18:00 24:00

25 付録 :Morning Type 25 朝時間帯に出現放射線上り線が渋滞 M1 00:00 06:00 12:00 M2 18:00 24:00

26 付録 :Daytime Type 26 昼時間帯に出現放射線上り, 環状線が渋滞 D1 00:00 06:00 12:00 D2 18:00 24:00

27 付録 :Evening Type 27 夕時間帯に出現放射線下り, 環状線が渋滞 E1 00:00 06:00 12:00 E2 18:00 24:00

28 付録 : 分析対象日 28 悪天候日 :113 日気象庁データベースを利用し, 当該日に 1mm でも降雨, 降雪があれば悪天候と判定休日, 休日中日 :134 日土日祝日および, 大型連休 ( 年末年始,GW, お盆など ) 大規模規制日 :6 日大規模交通事故, 工事, 要人警護 365 日 146 日

29 付録 : 出現日数 29 各タイプの年間出現日数 ( 分析対象日数 146 日 ) 146 日 146 日 144 日 128 日 85 日 145 日 106 日 146 日

30 付録 :k-means 法 30 k-means 法 : 非階層型クラスタリングアルゴリズムアルゴリズム ( データ数, クラスタ数 ) Step1. 各データに対してクラスタを割り振る. Step2. 各クラスタの中心を求める. Step3. 各データについて, すべてのクラスタの中心との距離求め, 最も近い中心のクラスタに割り当てなおす. Step4. 条件を満たせば終了. それ以外はStep2. へ.

31 残差平方和付録 : クラスタリング残差 31 渋滞判定速度 :20km/h 集約時間幅 :10 分渋滞空間分布の分類数を調整分類数と残差の関係渋滞空間分布分類数

32 付録 :Google マップ 32 実務家による分析は存在情報も提供されている Google マップリアルタイム情報曜日 + 時間帯指定

2018traffic

2018traffic 首都圏高速道路網における渋滞の時空間分布の安定性 Spatio-temporal Regularities of Traffic Congestion Patterns in Metropolitan Expressway Network 酒井高良 1, 赤松隆 2 Takara SAKAI 1 and Takashi Akamatsu 2 本研究では, 首都圏高速道路網の渋滞パターン ( 空間分布