Διερέυνηση της χωρικής και χρονικής επιρροής συμβάντων σε αυτοκινητόδρομους

Abstract

Σκοπός της παρούσας διπλωματικής εργασίας είναι η διερεύνηση και αξιολόγηση της επίδρασης που ασκούν διάφορα συμβάντα στην κυκλοφορία των οχημάτων σε αυτοκινητοδρόμους. Παρόλο που η πραγματική επιρροή ενός συμβάντος που διαδραματίζεται σε κάποιο αυτοκινητόδρομο δεν μπορεί να παρατηρηθεί άμεσα, μπορεί να προσδιοριστεί εμμέσως χρησιμοποιώντας ως δείκτες το μέγιστο μήκος της σχηματιζόμενης διαταραχής (ουράς) οχημάτων που σχηματίζεται ανάντη του ατυχήματος και τη χρονική διάρκειά της. Η μεθοδολογική προσέγγιση βασίζεται σε δομικά πρότυπα εξισώσεων, μια γενικευμένη πολυπαραγοντική στατιστική τεχνική που χρησιμοποιείται ευρέως στις κοινωνικές επιστήμες και που μπορεί να ενσωματώσει χαρακτηριστικά‐δομές που δεν μπορούν να παρατηρηθούν άμεσα. Το παραπάνω πλαίσιο υλοποιείται χρησιμοποιώντας πρότυπα πολλαπλών δεικτών‐ πολλαπλών αιτιών (Multiple Indicators Multiple Input Causes ‐MIMIC). Τα αποτελέσματα που προκύπτουν από την επεξεργασία δεδομένων που προήλθαν από καταγραφές περιστατικών της Αττικής Οδού στην Αθήνα, Ελλάδα δείχνουν ότι τα πρότυπα MIMIC είναι σε θέση να προσδιορίσουν με ακρίβεια την επίδραση ενός συμβάντος στην ανάντη κυκλοφορία με πιθανότητα 72% το μέσο τετραγωνικό σφάλμα να προκύψει μικρότερο από 0.05. Παράγοντες όπως είναι η ταχύτητα, ο κυκλοφοριακός φόρτος, η γεωμετρική χάραξη της οδού (ευθυγραμμία ή καμπύλη), η ένταση της βροχόπτωσης, ο χρόνος καθαρισμού της περιοχής, ο τύπος του ατυχήματος (εάν είναι πρωτογενές ή δευτερογενές), είναι ανάμεσα στους πιο καθοριστικούς όσον αφορά στην αξιολόγηση της επίδρασης των συμβάντων στην κυκλοφορία.

The aim of this thesis is to examine the effects of incident occurrence on freeway traffic. Although the true influence of a freeway incident may not be directly observed, it may be identified using the spatial and temporal extent of the disturbance induced to upstream traffic. Spatial and temporal extent is susceptible to various traffic, weather, geometry and incident specific factors. The above framework is implemented using a Multiple Indicators‐Multiple Causes (MIMIC) latent variable model. Results using data from Athens, Greece indicate that the MIMIC model is able to accurately determine the influence of an incident on upstream traffic with 72% probability of producing mean square errors less than 0.05. Speed, lane volume, alignment, rainfall intensity, clearance time and whether the incident is a secondary or a primary one are among the most influential factors for assessing the anticipatory effect of incidents to traffic.