Αξιολόγηση Συστήματος Υπόδειξης Βέλτιστης Ταχύτητας Σε Σηματοδοτούμενο Προαστιακό Οδικό Άξονα Μέσω Μικροσκοπικής Προσομοίωσης

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΣΧΕΔΙΑΣΜΟΣ, ΟΡΓΑΝΩΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΦΟΡΩΝ» ΤΙΤΛΟΣ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ: Αξιολόγηση Συστήματος Υπόδειξης Βέλτιστης Ταχύτητας Σε Σηματοδοτούμενο Προαστιακό Οδικό Άξονα Μέσω Μικροσκοπικής Προσομοίωσης ΚΟΥΤΡΟΥΜΠΗΣ ΝΙΚΟΛΑΟΣ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: ΓΕΩΡΓΙΟΣ ΜΙΝΤΣΗΣ ΘΕΣΣΑΛΟΝΙΚΗ, ΝΟΕΜΒΡΙΟΣ 2016

2 ΠΡΟΛΟΓΟΣ Η παρούσα Μεταπτυχιακή Διπλωματική Εργασία με τίτλο «Αξιολόγηση συστήματος υπόδειξης βέλτιστης ταχύτητας σε σηματοδοτούμενο προαστιακό οδικό άξονα μέσω μικροσκοπικής προσομοίωσης» συντάχθηκε στα πλαίσια του Διατμηματικού Μεταπτυχιακού Προγράμματος «Σχεδιασμός, Οργάνωση και Διαχείριση Συστημάτων Μεταφορών», της Πολυτεχνικής Σχολής του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης, κατά το ακαδημαϊκό έτος Επιβλέπων καθηγητής ήταν ο κ. Γεώργιος Μίντσης, Καθηγητής του τμήματος Αγρονόμων και Τοπογράφων Μηχανικών του ΑΠΘ. Η εξεταστική επιτροπή συμπληρώνεται με τους κ. Σωκράτη Μπάσμπα, καθηγητή του τμήματος Αγρονόμων και Τοπογράφων Μηχανικών του ΑΠΘ και Χρήστο Ταξιλτάρη, καθηγητή του τμήματος Αγρονόμων και Τοπογράφων Μηχανικών του ΑΠΘ. Εξέχουσας σημασίας ήταν η βοήθεια που δόθηκε από το Ελληνικό Ινστιτούτο Βιώσιμης Κινητικότητας και Δικτύων Μεταφορών (Ι.ΜΕΤ.) μέσω των κυρίων Ευάγγελου Μίντση, Ηρακλή Στάμου και Μιχαήλ Χανιωτάκη. Ο κ. Ευάγγελος Μίντσης, μέλος του επιστημονικού προσωπικού του Ι.ΜΕΤ., υποψήφιος διδάκτορας και γραμματέας του Συλλόγου Ελλήνων Συγκοινωνιολόγων, αποτέλεσε καθοδηγητή και συμβουλάτορα από την αρχή της εργασίας. Επίσης ήταν αυτός που μου παρείχε το προσωπικό του γραφείο και τον υπολογιστή του με την κατάλληλη άδεια του λογισμικού που χρησιμοποιήθηκε. Ο κ. Στάμος, υποψήφιος διδάκτορας και μέλος του επιστημονικού προσωπικού του Ι.ΜΕΤ., συνέβαλλε μέσο της παραχώρησης όλων των κυκλοφοριακών δεδομένων που κρίθηκαν αναγκαία για την επίτευξη της προσομοίωσης. Ο κ. Χανιωτάκης, επίσης μέλος του επιστημονικού προσωπικού του Ι.ΜΕΤ, συνέβαλλε μέσω της παραχώρησης ειδικού λογισμικού-εργαλείου που βοήθησε στην επεξεργασία των αποτελεσμάτων της πειραματικής διαδικασίας προσομοίωσης. Τέλος πρέπει να αναφερθεί η συμβολή της εταιρίας Κυκλοφοριακή Τεχνική Α.Ε. και συγκεκριμένα του κυρίου Μάνου Νέστωρα, ο οποίος μου παραχώρησε όλα τα προγράμματα σηματοδότησης για τους κόμβους του εξεταζόμενου άξονα. [1]

3 ΕΥΧΑΡΙΣΤΙΕΣ Θα ήθελα να ευχαριστήσω αρχικά τον κ. Γεώργιο Μίντση, για την επίβλεψή του τόσο σε αυτή όσο και στην αντίστοιχη προπτυχιακή διπλωματική μου εργασία. Η ηρεμία και η τάση του να δίνει λύσεις σε ότι πρόβλημα, τεχνικό ή θεωρητικό, εμφανιζόταν είναι πραγματικά θαυμαστή. Ένα μεγάλο ευχαριστώ επίσης και στους κυρίους Σωκράτη Μπάσμπα και Χρήστο Ταξιλτάρη, οι οποίοι μαζί με τον κ. Μίντση αποτέλεσαν τους καθηγητές που με μύησαν στην επιστήμη των Μεταφορών, ο καθένας σε διαφορετικό κομμάτι, και με βοήθησαν τα μέγιστα σε όλη την διάρκεια της φοιτητικής μου πορείας. Συνεχίζοντας πρέπει να ευχαριστήσω τον κ. Ευάγγελο Μίντση για όλα αυτά που μου παρείχε, υλικά και συμβουλές-οδηγίες, χωρίς τα οποία δεν θα ήταν δυνατή η ολοκλήρωση της Μεταπτυχιακής αυτής εργασίας και για τις απαντήσεις στις ατελείωτες απορίες που είχα τους τελευταίους μήνες. Αντίστοιχα θέλω να ευχαριστήσω τον κ. Ηρακλή Στάμο που για μία ακόμα φορά με βοήθησε σε πτυχιακή μου εργασία και τους κυρίους Μανώλη Χανιωτάκη και Μάνο Νέστωρα για την συμβολή του καθενός. Επίσης ευχαριστώ όλους τους καθηγητές μου στο Μεταπτυχιακό αυτό Πρόγραμμα Σπουδών για τις γνώσεις που μου χάρισαν και τους συμφοιτητές μου για την συνεργασία που είχαμε όλη την περασμένη χρονιά. Ένα μεγάλο ευχαριστώ στον φίλο μου Αναγνωστόπουλο Αποστόλη για την βοήθειά του στην συγκέντρωση δεδομένων πεδίου. Επίσης θέλω να πω ένα ευχαριστώ στην κ. Σοφία Κοσμοπούλου, η οποία ήταν η πρώτη που με παρότρυνε και με ενθάρρυνε να ασχοληθώ με μοντέλα προσομοίωσης. Τέλος ευχαριστώ πολύ την οικογένειά μου και τους φίλους μου για την στήριξη τους αυτά τα 6 χρόνια στην Θεσσαλονίκη. Κουτρουμπής Νικόλαος, Διπλωματούχος Αγρονόμος Τοπογράφος Μηχανικός [2]

4 ΠΕΡΙΛΗΨΗ Μία από τις μεγαλύτερες προκλήσεις που καλείται να αντιμετωπίσει ο κλάδος των μεταφορών σήμερα, είναι οι περιβαλλοντικές επιπτώσεις που οφείλονται στην μεταφορική δραστηριότητα. Πιο συγκεκριμένα, οι εκπομπές CO2, που προκύπτουν από την χρήση των οχημάτων, είναι ένας από τους κύριους παράγοντες που ευθύνονται για το φαινόμενο του θερμοκηπίου. Οι αυξημένες εκπομπές είναι επακόλουθο της μεγάλης κατανάλωσης καυσίμων, αντίκτυπο των απότομων εναλλαγών ταχύτητας και της διακοπτόμενης κίνησης των οχημάτων στις οδούς με σηματοδοτούμενους κόμβους. Στα πλαίσια της ανάπτυξης της περιβαλλοντικής συνείδησης στον κλάδο των μεταφορών, προωθείται η στρατηγική «eco-driving» που έχει ως σκοπό την υιοθέτηση ενός πιο οικονομικού και οικολογικού τρόπου οδήγησης. Το εγχείρημα αυτό βασίζεται στην ανάπτυξη ενός έξυπνου συστήματος των ενεργειακά αποδοτικών σηματοδοτούμενων κόμβων. Το σύστημα αυτό αξιοποιεί την εξέλιξη των κυκλοφοριακών υποδειγμάτων-αλγόριθμων και των έξυπνων μεταφορικών συστημάτων. Κατά την προσέγγιση ενός οχήματος σε έναν κόμβο, το σύστημα λαμβάνει ορισμένα δεδομένα εισόδου και με το συνδυασμό ενός αλγόριθμου εκτίμησης διαφορετικών προφίλ ταχύτητας και ενός αλγορίθμου υπολογισμού κατανάλωσης και εκπομπών για κάθε προφίλ ταχύτητας, επιτυγχάνεται η υπόδειξη προς τον οδηγό μιας βέλτιστης πορείας, ώστε κατά την άφιξη στον κόμβο να συναντήσει πράσινη ένδειξη σηματοδότη. Στα πλαίσια της παρούσας μεταπτυχιακής διπλωματικής εργασίας πραγματοποιείται η εξέταση της εφαρμογής του συστήματος των ενεργειακά αποδοτικών σηματοδοτούμενων κόμβων, στον άξονα που συνδέει την πόλη της Θεσσαλονίκης με την κωμόπολη της Περαίας. Πραγματοποιείται μικροσκοπική προσομοίωση της ρεαλιστικής εικόνας με πραγματικά δεδομένα στο περιβάλλον του AIMSUN. Η πειραματική διαδικασία επιτυγχάνεται μέσω της διεξαγωγής 9 εναλλακτικών σεναρίων εφαρμογής του συστήματος σε 5 επιλεγμένες προσβάσεις κόμβων. Καθένα από τα σενάρια προκύπτει ως συνδυασμός της διαφορετικής απόστασης, από τον κόμβο, στην οποία δίνεται η υπόδειξη στον οδηγό και του διαφορετικού ποσοστού των εξοπλισμένων ΙΧ. Τα αποτελέσματα των σεναρίων, συμπεριλαμβανομένου και του βασικού, συγκρίνονται μεταξύ τους τόσο σε επίπεδο δικτύου όσο και σε επίπεδο προσβάσεων. Τέλος παρατίθεται η λεπτομερής ανάλυση των συμπερασμάτων. [3]

5 ABSTRACT Transport industry has to cope with many challenges, such as the environmental impact of the transport activity. More specifically, CO2 emissions as a result of vehicles usage, is one of the main factors responsible for the greenhouse effect. Increased emissions are a consequence of high fuel consumption, which comes as a result of sudden velocity changes and the intermittent movement of vehicles, especially on signalized junctions. The developing environmental awareness in transport industry, led to «ecodriving» strategy with a view to the adoption of a more economic and ecological driving style. The latest development of this strategy is the Energy Efficient Intersection Service (EEIS). This system is based on the development of traffic-model algorithms and intelligent transport systems. During a vehicle s approach in an intersection, the service receives some input data and by combining an algorithm which estimates different speed profiles and an algorithm which calculates the consumption and emission for each speed profile, an optimal trajectory is presented to the driver, so as to avoid idling at the intersection. This thesis examines the use of EEIS, in the road section which connects Thessaloniki to the town of Perea. A microscopic simulation of the base scenario, with the input of real traffic data, is being replicated on AIMSUN environment. The experiment contains 9 alternative scenarios for 5 selected intersection approaches. Each scenario is using a combination of different distance values, at which the optimal trajectory advise is given to the driver, and also for different proportions of equipped vehicles. Results from all scenarios, including the base scenario, are compared with each other, both at network and approach level. Finally detailed conclusions are presented and explained. [4]

6 Πίνακας περιεχομένων ΠΡΟΛΟΓΟΣ 0 ΕΥΧΑΡΙΣΤΙΕΣ 2 ΠΕΡΙΛΗΨΗ 3 ABSTRACT 4 ΚΕΦΑΛΑΙΟ 1: ΕΙΣΑΓΩΓΗ ΓΕΝΙΚΗ ΑΝΑΣΚΟΠΗΣΗ ΣΤΟΧΟΣ ΠΑΡΟΥΣΑΣ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ ΔΟΜΗ ΤΗΣ ΕΡΓΑΣΙΑΣ 10 ΚΕΦΑΛΑΙΟ 2: ΥΠΟΔΕΙΓΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ ΕΙΣΑΓΩΓΗ ΣΤΑ ΥΠΟΔΕΙΓΜΑΤΑ Η ΕΝΝΟΙΑ ΤΗΣ ΚΥΚΛΟΦΟΡΙΑΚΗΣ ΡΟΗΣ ΚΑΤΗΓΟΡΙΟΠΟΙΗΣΗ ΥΠΟΔΕΙΓΜΑΤΩΝ ΥΠΟΔΕΙΓΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ ΕΙΣΑΓΩΓΗ-ΠΕΡΙΓΡΑΦΗ ΠΛΕΟΝΕΚΤΗΜΑΤΑ ΚΑΙ ΜΕΙΟΝΕΚΤΗΜΑΤΑ ΜΟΝΤΕΛΩΝ ΠΡΟΣΟΜΟΙΩΣΗΣ ΤΑΞΙΝΟΜΗΣΗ ΜΟΝΤΕΛΩΝ ΠΡΟΣΟΜΟΙΩΣΗΣ ΜΙΚΡΟΣΚΟΠΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΤΗΣ ΜΙΚΡΟΣΚΟΠΙΚΗΣ ΠΡΟΣΟΜΟΙΩΣΗΣ ΚΙΝΗΣΗ ΜΕΜΟΝΩΜΕΝΟΥ ΟΧΗΜΑΤΟΣ ΠΑΡΑΓΟΝΤΕΣ ΠΟΥ ΕΠΗΡΕΑΖΟΥΝ ΤΗΝ ΤΡΟΧΙΑ ΤΟΥ ΑΛΓΟΡΙΘΜΟΣ ΑΚΟΛΟΥΘΟΥΜΕΝΩΝ ΟΧΗΜΑΤΩΝ (Car-Following) ΑΛΓΟΡΙΘΜΟΣ ΑΛΛΑΓΗΣ ΛΩΡΙΔΑΣ (Lane Changing) ΑΠΟΔΕΚΤΟ ΚΕΝΟ ΜΕΤΑΞΥ ΟΧΗΜΑΤΩΝ (Gap Acceptance) Η ΚΩΔΙΚΟΠΟΙΗΣΗ ΤΟΥ ΔΙΚΤΥΟΥ ΕΝΟΣ ΜΟΝΤΕΛΟΥ ΜΙΚΡΟΣΚΟΠΙΚΗΣ ΠΡΟΣΟΜΟΙΩΣΗΣ ΛΟΓΙΣΜΙΚΑ ΜΙΚΡΟΣΚΟΠΙΚΗΣ ΠΡΟΣΟΜΟΙΩΣΗΣ ΚΥΚΛΟΦΟΡΙΑΣ ΤΟ ΛΟΓΙΣΜΙΚΟ «AIMSUN» ΓΕΝΙΚΗ ΠΕΡΙΓΡΑΦΗ Η ΚΩΔΙΚΟΠΟΙΗΣΗ ΣΤΟ ΜΙΚΡΟΣΚΟΠΙΚΟ ΜΟΝΤΕΛΟ ΠΡΟΣΟΜΟΙΩΣΗΣ AIMSUN ΜΙΚΡΟΣΚΟΠΙΚΗ ΠΡΟΣΟΜΟΙΩΣΗ ΤΗΣ ΖΗΤΗΣΗΣ ΣΤΟ ΠΕΡΙΒΑΛΛΟΝ ΤΟΥ AIMSUN ΕΦΑΡΜΟΓΗ ΣΕΝΑΡΙΩΝ ΠΡΟΣΟΜΟΙΩΣΗΣ ΑΛΓΟΡΙΘΜΟΙ ΠΟΥ ΧΡΗΣΙΜΟΠΟΙΟΥΝΤΑΙ ΓΙΑ ΤΗΝ ΜΙΚΡΟΣΚΟΠΙΚΗ ΠΡΟΣΟΜΟΙΩΣΗ 33 ΚΕΦΑΛΑΙΟ 3: ΣΥΣΤΗΜΑ ΕΝΕΡΓΕΙΑΚΑ ΑΠΟΔΟΤΙΚΩΝ ΣΗΜΑΤΟΔΟΤΟΥΜΕΝΩΝ ΚΟΜΒΩΝ (ENERGY EFFICIENT INTERSECTION SERVICE) ΤΙ ΕΙΝΑΙ ΤΟ E.E.I.S ΡΥΠΑΝΣΗ ΣΤΙΣ ΟΔΙΚΕΣ ΜΕΤΑΦΟΡΕΣ Η ΣΤΡΑΤΗΓΙΚΗ «ECO-DRIVING» ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΙ ΘΕΩΡΗΤΙΚΗ ΒΑΣΗ ΓΙΑ ΤΗΝ ΔΗΜΙΟΥΡΓΙΑ ΤΩΝ E.E.I.S ΕΠΙΚΟΙΝΩΝΙΑ ΟΧΗΜΑΤΩΝ-ΟΔΙΚΗΣ ΥΠΟΔΟΜΗΣ ISA (Intelligent Speed Adaptation) ΔΙΕΡΕΥΝΗΣΗ ΤΗΣ ΣΧΕΣΗΣ ΤΑΧΥΤΗΤΑΣ ΚΑΙ ΕΚΠΟΜΠΩΝ/ΚΑΤΑΝΑΛΩΣΗΣ 39 [5]

7 3.3.4 ΔΙΕΡΕΥΝΗΣΗ ΤΗΣ ΠΟΡΕΙΑΣ ΚΑΤΑ ΤΗΝ ΠΡΟΣΕΓΓΙΣΗ ΣΕ ΣΗΜΑΤΟΔΟΤΟΥΜΕΝΟ ΚΟΜΒΟ Η ΛΕΙΤΟΥΡΓΙΑ ΤΩΝ E.E.I.S. ΔΙΑΦΟΡΕΤΙΚΕΣ ΠΡΟΣΕΓΓΙΣΕΙΣ ΚΑΙ ΜΕΛΕΤΕΣ ΕΦΑΡΜΟΓΗΣ Η ΠΡΟΣΕΓΓΙΣΗ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ RIVERSIDE ΤΗΣ ΚΑΛΙΦΟΡΝΙΑΣ Η ΠΡΟΣΕΓΓΙΣΗ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΤΗΣ VIRGINIA Η ΠΡΟΣΕΓΓΙΣΗ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΤΗΣ ΔΡΕΣΔΗΣ 57 ΚΕΦΑΛΑΙΟ 4: ΔΙΚΤΥΟ ΜΕΛΕΤΗΣ Ο ΑΞΟΝΑΣ ΜΕΛΕΤΗΣ ΓΕΝΙΚΗ ΠΕΡΙΓΡΑΦΗ ΣΥΝΔΕΣΗ ΜΕ ΤΟ ΥΠΟΛΟΙΠΟ ΟΔΙΚΟ ΔΙΚΤΥΟ ΥΠΑΡΞΗ ΔΗΜΟΣΙΑΣ ΣΥΓΚΟΙΝΩΝΙΑΣ ΣΤΟΙΧΕΙΑ ΔΙΑΤΟΜΗΣ ΚΑΙ ΟΡΙΑ ΤΑΧΥΤΗΤΑΣ ΚΩΔΙΚΟΠΟΙΗΣΗ ΤΟΥ ΒΑΣΙΚΟΥ ΣΕΝΑΡΙΟΥ ΣΥΓΚΕΝΤΡΩΣΗ ΣΤΟΙΧΕΙΩΝ ΕΠΕΞΕΡΓΑΣΙΑ ΤΗΣ ΓΕΩΜΕΤΡΙΑΣ ΤΟΥ ΔΙΚΤΥΟΥ ΕΙΣΑΓΩΓΗ ΔΕΔΟΜΕΝΩΝ ΚΥΚΛΟΦΟΡΙΑΚΗΣ ΡΥΘΜΙΣΗΣ ΣΤΟΥΣ ΚΟΜΒΟΥΣ ΜΟΝΤΕΛΟ ΕΚΤΙΜΗΣΗΣ ΕΚΠΟΜΠΩΝ «PANIS et al» ΕΙΣΑΓΩΓΗ ΤΥΠΩΝ ΟΧΗΜΑΤΩΝ ΕΙΣΑΓΩΓΗ ΔΕΔΟΜΕΝΩΝ ΖΗΤΗΣΗΣ ΕΙΣΑΓΩΓΗ ΔΡΟΜΟΛΟΓΙΩΝ ΜΜΜ ΡΥΘΜΙΣΗ ΠΑΡΑΜΕΤΡΩΝ ΒΑΣΙΚΟΥ ΣΕΝΑΡΙΟΥ ΚΑΙ ΔΗΜΙΟΥΡΓΙΑ ΕΠΑΝΑΛΥΨΕΩΝ _ ΑΠΟΤΕΛΕΣΜΑΤΑ ΤΟΥ ΒΑΣΙΚΟΥ ΣΕΝΑΡΙΟΥ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΕ ΕΠΙΠΕΔΟ ΔΙΚΤΥΟΥ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΕ ΕΠΙΛΕΓΜΕΝΑ ΟΔΙΚΑ ΤΜΗΜΑΤΑ 79 ΚΕΦΑΛΑΙΟ 5: ΕΦΑΡΜΟΓΗ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕΝΑΡΙΩΝ ΠΡΟΕΡΓΑΣΙΑ ΕΠΙΛΟΓΗ ΠΑΡΑΜΕΤΡΩΝ ΕΞΕΤΑΣΗΣ ΕΙΣΑΓΩΓΗ ΤΩΝ ΠΑΡΑΜΕΤΡΩΝ ΕΠΕΞΕΡΓΑΣΙΑ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΕΝΑΡΙΩΝ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΤΟ ΣΥΝΟΛΟ ΤΟΥ ΔΙΚΤΥΟΥ ΑΠΟΤΕΛΕΣΜΑΤΑ 1 ΟΥ ΣΕΝΑΡΙΟΥ ΣΤΙΣ ΠΡΟΣΒΑΣΕΙΣ ΑΠΟΤΕΛΕΣΜΑΤΑ 2 ΟΥ ΣΕΝΑΡΙΟΥ ΣΤΙΣ ΠΡΟΣΒΑΣΕΙΣ ΑΠΟΤΕΛΕΣΜΑΤΑ 3 ΟΥ ΣΕΝΑΡΙΟΥ ΣΤΙΣ ΠΡΟΣΒΑΣΕΙΣ ΑΠΟΤΕΛΕΣΜΑΤΑ 4 ΟΥ ΣΕΝΑΡΙΟΥ ΣΤΙΣ ΠΡΟΣΒΑΣΕΙΣ ΑΠΟΤΕΛΕΣΜΑΤΑ 5 ΟΥ ΣΕΝΑΡΙΟΥ ΣΤΙΣ ΠΡΟΣΒΑΣΕΙΣ ΑΠΟΤΕΛΕΣΜΑΤΑ 6 ΟΥ ΣΕΝΑΡΙΟΥ ΣΤΙΣ ΠΡΟΣΒΑΣΕΙΣ ΑΠΟΤΕΛΕΣΜΑΤΑ 7 ΟΥ ΣΕΝΑΡΙΟΥ ΣΤΙΣ ΠΡΟΣΒΑΣΕΙΣ ΑΠΟΤΕΛΕΣΜΑΤΑ 8 ΟΥ ΣΕΝΑΡΙΟΥ ΣΤΙΣ ΠΡΟΣΒΑΣΕΙΣ ΑΠΟΤΕΛΕΣΜΑΤΑ 9 ΟΥ ΣΕΝΑΡΙΟΥ ΣΤΙΣ ΠΡΟΣΒΑΣΕΙΣ 121 ΚΕΦΑΛΑΙΟ 6: ΣΥΜΠΕΡΑΣΜΑΤΑ ΚΑΙ ΠΡΟΤΑΣΕΙΣ ΓΙΑ ΔΙΕΡΕΥΝΗΣΗ ΣΥΜΠΕΡΑΣΜΑΤΑ ΜΕΛΕΤΗΣ ΠΡΟΤΑΣΕΙΣ ΓΙΑ ΠΕΡΕΤΑΙΡΩ ΔΙΕΡΕΥΝΗΣΗ 128 ΒΙΒΛΙΟΓΡΑΦΙΑ: 129 ΕΥΡΕΤΗΡΙΟ ΕΙΚΟΝΩΝ 132 ΕΥΡΕΤΗΡΙΟ ΠΙΝΑΚΩΝ 133 [6]

8 ΕΥΡΕΤΗΡΙΟ ΔΙΑΓΡΑΜΜΑΤΩΝ 136 ΕΥΡΕΤΗΡΙΟ ΕΞΙΣΩΣΕΩΝ 138 ΠΑΡΑΡΤΗΜΑ 139 [7]

9 ΚΕΦΑΛΑΙΟ 1: ΕΙΣΑΓΩΓΗ 1.1 ΓΕΝΙΚΗ ΑΝΑΣΚΟΠΗΣΗ Η επιστήμη του μηχανικού μεταφορών βασίζεται στην εύρεση βέλτιστων τρόπων εξυπηρέτησης των απαιτήσεων και των αναγκών για μεταφορές προσώπων και αγαθών με πιο διαδεδομένο πεδίο εφαρμογής τα οδικά δίκτυα. Πρωτεύοντας στόχος ενός μελετητή αποτελεί η διασφάλιση της ασφάλειας, της άνεσης, της ταχύτητας μετακίνησης, της οικονομίας σε καύσιμα και πόρους, αλλά και την κατά το δυνατό ελαχιστοποίηση των επιπτώσεων στο περιβάλλον. Στα πλαίσια της περιβαλλοντικής συνείδησης που σιγά σιγά υιοθετεί ο κλάδος των μεταφορών, πολλές πολιτικές και στρατηγικές έχουν αρχίσει τα τελευταία χρόνια να εμφανίζονται στο προσκήνιο. Μία από αυτές είναι και η στρατηγική «eco-driving» βάση της οποίας γίνεται μια προσπάθεια για επίτευξης ενός βέλτιστου τρόπου οδήγησης η οποία θα μειώνει την κατανάλωση των οχημάτων αλλά και παράλληλα με την βελτίωση της ασφάλειας στον δρόμο, θα συμβάλει και στην μείωση της εκπομπής των βλαβερών ρύπων στην ατμόσφαιρα. Η εξέλιξη της τεχνολογίας των έξυπνων μεταφορικών συστημάτων «I.T.S.» σε συνδυασμό με την έρευνα πάνω στα υποδείγματα μεταφορών οδήγησε σε μία περισσότερο δυναμική προσέγγιση της στρατηγικής «eco-driving» μέσω των συστημάτων των ενεργειακά αποδοτικών σηματοδοτούμενων κόμβων «E.E.I.S.». Το σύστημα αυτό βασίζεται στην χρήση εξελιγμένων αλγόριθμων οι οποίοι υπολογίζουν ένα βέλτιστο προφίλ κίνησης κατά την προσέγγιση ενός οχήματος σε μια σηματοδοτούμενη διασταύρωση. Η επιλογή της βέλτιστης λύσης έχει ως σκοπό την αποφυγή έντονων επιταχύνσεων/επιβραδύνσεων και ακινητοποιήσεων του οχήματος, ενέργειες οι οποίες προκαλούν εκτεταμένη κατανάλωση και εκπομπή ρύπων CO2. Στην συγκεκριμένη εργασία γίνεται μια δοκιμή εφαρμογής του συστήματος E.E.I.S. σε πραγματικό περιβάλλον με ρεαλιστικά στοιχεία. Η δοκιμή γίνεται μέσω μικροσκοπικής προσομοίωσης στο λογισμικό AIMSUN και λαμβάνονται υπόψη όλα εκείνα τα στοιχεία που ανταποκρίνονται στην πραγματική εικόνα του άξονα που συνδέει την πόλη της Θεσσαλονίκης με την κωμόπολη της Περαίας. Η πειραματική διεργασία γίνεται μέσω της μεταβολής δύο (2) παραμέτρων που τείνουν να επηρεάσουν την λειτουργία του συστήματος. Για τον λόγο αυτό συντέθηκαν εννέα (9) πιθανά σενάρια τα οποία αναλύονται και συγκρίνονται τόσο μεταξύ τους όσο και με το βασικό σενάριο για εξαγωγή συμπερασμάτων. [8]

10 1.2 ΣΤΟΧΟΣ ΠΑΡΟΥΣΑΣ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ Στόχος της παρούσας μεταπτυχιακής εργασίας είναι διερεύνηση της δυνατότητας εφαρμογής του συστήματος E.E.I.S. σε ένα οδικό άξονα με διαφορές ως προς τα όρια ταχύτητας και την ζήτηση. Επίσης μελετάται και αξιολογείται η απόδοση του συστήματος με διαφοροποίηση δύο παραμέτρων, της απόστασης από τον κόμβο στην οποία το σύστημα μπορεί να ειδοποιήσει τον οδηγό για την βέλτιστη και οικονομικότερη πορεία και του ποσοστού των εξοπλισμένων οχημάτων ως προς το σύνολο. Τα αποτελέσματα των 9 πραγματοποιούμενων σεναρίων εκτός από την σύγκριση τους με το βασικό σενάριο, σε επίπεδο δικτύου, συγκρίνονται και μεταξύ τους για βέλτιστη διερεύνηση της μεταβολής των στοιχείων με βάση τα οποία αξιολογούνται. Επίσης η σύγκρισή τους διευρύνεται και σε επίπεδο προσβάσεων με στόχο την διεξαγωγή συμπερασμάτων σχετικά με την επιτυχία της εφαρμογής του συστήματος σε προσβάσεις διαφορετικής γεωμετρίας. Απώτερος στόχος όλων των παραπάνω είναι η συγκεκριμένη εργασία να αποτελέσει ένα ακόμα βήμα στην γενικότερη έρευνα που αφορά τα Energy Efficient Intersection Services. [9]

11 1.3 ΔΟΜΗ ΤΗΣ ΕΡΓΑΣΙΑΣ Η εργασία ως προς την δομή της χωρίζεται σε έξι κεφάλαια, εκ των οποίων τα τρία πρώτα αφορούν το θεωρητικό τμήμα της εργασίας που περιλαμβάνει την βιβλιογραφική ανασκόπηση και την έρευνα που προηγήθηκε του πειραματικού σταδίου. Τα επόμενα τρία κεφάλαια περιγράφουν όλη την πειραματική διαδικασία με βάση την οποία διερευνήθηκε και εκτελέστηκε η διαδικασία της προσομοίωσης και των σεναρίων και διεξήχθησαν τα συμπεράσματα αυτής. Αναλυτικότερα το 1 ο κεφάλαιο αποτελεί μια επιγραμματική εισαγωγή στο θέμα της εργασίας και στους στόχους της. Το 2 ο κεφάλαιο αφορά την περιγραφή των συγκοινωνιακών μοντέλων και της σημασίας τους στην μελέτη των κυκλοφοριακών συστημάτων. Η διαδικασία ανάλυσης τους ακολουθεί μια εξελικτική πορεία αφού ξεκινά με την αποσαφήνιση βασικών εννοιών και προχωρώντας φθάνει στην περιγραφή της μικροσκοπικής προσομοίωσης στην οποία και βασίστηκε η συγκεκριμένη εργασία. Το κεφάλαιο κλείνει με μία συνοπτική παρουσίαση του λογισμικού AIMSUN. Στο 3ο κεφάλαιο αφορά τα συστήματα των ενεργειακά αποδοτικών σηματοδοτούμενων κόμβων (Energy Efficient Intersection Services-E.E.I.S.). Αρχικά γίνεται εισαγωγή στην περιβαλλοντική πολιτική eco-driving ξεκινώντας από την παράθεση των προβλημάτων που καλούνται να αντιμετωπίσουν οι συγκοινωνιολόγοι μηχανικοί ως προς το περιβάλλον σήμερα και προχωρεί στην ανάλυση του συστήματος των Energy Efficient Intersection Services. Η συνέχεια του κεφαλαίου αφορά της διαφορετικές προσεγγίσεις στην διερεύνηση των E.E.I.S. και ακολουθούν μελέτες εφαρμογής της αποτελεσματικότητας των εν λόγω συστημάτων. Το 4 ο κεφάλαιο αφορά την σύνθεση και προσομοίωση του βασικού σεναρίου στο περιβάλλον του AIMSUN. Ξεκινά με την περιγραφή της διαδικασίας προετοιμασίας της προσομοίωσης και καταλήγει με ανάλυση των αποτελεσμάτων του βασικού σεναρίου. Το 5 ο κεφάλαιο παρουσιάζεται η εφαρμογή των 9 σεναρίων. Αρχικά γίνεται επεξήγηση της λογικής με βάση την οποία στήθηκαν οι παράμετροι των σεναρίων. Στην συνέχεια παρουσιάζονται τα αποτελέσματα σε επίπεδο δικτύου και ο σχολιασμός τους. Το κεφάλαιο συνεχίζει και καταλήγει με την εκτενή περιγραφή των αποτελεσμάτων του εκάστοτε σεναρίου στις επιλεγμένες προσβάσεις σε κόμβους στις οποίες εφαρμόστηκε το σύστημα. Στο τελευταίο κεφάλαιο παρουσιάζονται τα συμπεράσματα της εργασίας και παράλληλα παρατίθενται ορισμένες ιδέες για επέκταση της έρευνας πάνω στα συστήματα E.E.I.S. [10]

12 ΚΕΦΑΛΑΙΟ 2: ΥΠΟΔΕΙΓΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ 2.1 ΕΙΣΑΓΩΓΗ ΣΤΑ ΥΠΟΔΕΙΓΜΑΤΑ Οι μεταφορές σήμερα βασίζονται στην αποτελεσματική, ασφαλή και βιώσιμη μετακίνηση ανθρώπων και αγαθών. Ως υπεύθυνος για την σωστή έκβαση και λειτουργία της μεταφορικής διαδικασίας, ο μηχανικός μεταφορών επενεργεί σε πέντε βασικά στάδια της εκάστοτε μεταφορικής υποδομής, τα οποία είναι: ο προγραμματισμός, ο σχεδιασμός, η κατασκευή, η λειτουργία και η συντήρηση. Σε κάθε ένα εξ αυτών των σταδίων υπεισέρχεται και η θεωρία της κυκλοφοριακής ροής. Εικόνα 1: Αλληλεπίδραση θεωρίας κυκλοφοριακής ροής με στάδια μελέτης μια κυκλοφοριακής υποδομής Πιο συγκεκριμένα, κατά τη διάρκεια του πρώτου σταδίου, δηλαδή του προγραμματισμού, οι αρχές της θεωρίας της κυκλοφοριακής ροής χρησιμοποιούνται για την αξιολόγηση των εναλλακτικών σεναρίων. Στην διαδικασία σχεδιασμού, συγκεκριμένα γεωμετρικά χαρακτηριστικά επιλέγονται έτσι ώστε να επιτευχθεί μία επιθυμητή ποιότητα εξυπηρέτησης της κυκλοφορίας. Κατά τη διάρκεια της διαδικασίας οικοδόμησης, η λειτουργικότητα της κυκλοφορίας μπορεί να χρειαστεί να εξεταστεί γύρω από τις ζώνες εργασίας, καθώς και κάθε αναμενόμενη κυκλοφοριακή συμφόρηση στη γύρω δίκτυο πρέπει αντιμετωπίζεται με βάση τη χρήση αρχών της θεωρίας της κυκλοφοριακής ροής. Ιδιαίτερη σημασία έχει η κυκλοφοριακή ροή στο στάδιο της λειτουργίας καθώς συμβάλει στην προσπάθεια βελτιστοποίησης της αποδοτικότητας του δικτύου, σχετίζοντας τον έλεγχο της κυκλοφορίας με το γειτονικό περιβάλλον και τα χαρακτηριστικά των κυκλοφοριακών ρευμάτων. [11]

13 Στο στάδιο της συντήρησης των εκάστοτε μεταφορικών υποδομών, μελετώνται πιθανές αλλαγές στα μοτίβα κυκλοφορίας και οι επιπτώσεις τους στην κυκλοφοριακή απόδοση του δικτύου. Αυτού του είδους οι συνδέσεις μεταξύ των αρχών της κυκλοφοριακής ροής και των σταδίων υλοποίησης των μεταφορικών υποδομών μελετώνται εκτενώς με την βοήθεια των υποδειγμάτων στον σχεδιασμό των μεταφορών. Με τον όρο «υπόδειγμα» (ή «μοντέλα» όπως συνήθως αναφέρονται) εννοείται η τυποποιημένη έκφραση της εμπειρίας του μελετητή σχετικά με τη φύση και τις εκδηλώσεις ενός φαινομένου καθώς και των σχέσεων που υπάρχουν μεταξύ των παραμέτρων που το επηρεάζουν. [2] [12]

14 2.2 Η ΕΝΝΟΙΑ ΤΗΣ ΚΥΚΛΟΦΟΡΙΑΚΗΣ ΡΟΗΣ Η κυκλοφορία σαν έννοια και σαν μέγεθος χαρακτηρίζεται από μερικά βασικά μεγέθη που μπορούν να μετρηθούν και οριστούν με σχετικά απλές μεθόδους. Τα χαρακτηριστικά της κυκλοφορίας σε ένα δίκτυο καθορίζουν ποιοτικά και ποσοτικά το είδος της ροής των οχημάτων ή πεζών ώστε να είναι δυνατός ο Σχεδιασμός ή η μελέτη της λειτουργίας του. Τα κυριότερα χαρακτηριστικά μεγέθη είναι: -Κυκλοφοριακός Φόρτος q (οχήματα ανά ώρα) -Ταχύτητα χρόνου ut (χιλιόμετρα ανά ώρα) -Ταχύτητα χώρου us (χιλιόμετρα ανά ώρα) -Πυκνότητα Κυκλοφορίας k (οχήματα ανά χιλιόμετρο) Τα παραπάνω βασικά μεγέθη της κυκλοφορίας συνδέονται με τη θεμελιώδη σχέση της κυκλοφοριακής ροής: q = u s k Εξίσωση 1: Θεμελιώδης σχέση κυκλοφοριακής ροής Ωστόσο υπάρχουν και άλλες συσχετίσεις μεταξύ των μεγεθών οι οποίες έχουν διαπιστωθεί και στην πράξη. Στα διαγράμματα που ακολουθούν, ως θεωρητική ταχύτητα μηδενικής ροής, εμφανίζεται η Sf ενώ στην άλλη περίπτωση της μηδενικής ροής λόγω υπερβολικής πυκνότητας και κορεσμού του δικτύου έχουμε ταχύτητα μηδενική. Σχέση Ταχύτητας-Πυκνότητας: Διάγραμμα 1: Σχέση ταχύτητας-πυκνότητας Όπως φαίνεται και από το διάγραμμα 1, με την αύξηση της πυκνότητας, έχουμε γραμμική μείωση της ταχύτητας. Εδώ αξίζει να σημειωθεί πως, θεωρητικά, η γραμμή του διαγράμματος ταχύτητας πυκνότητας δεν τέμνει τον άξονα των ταχυτήτων γιατί στην πραγματικότητα η πυκνότητα δεν είναι μηδέν, αφού θα πρέπει πάντα να υπάρχει έστω και ένα όχημα που θα κινείται με την ταχύτητα ελεύθερης ροής. Επιπλέον, χαρακτηριστικό του διαγράμματος είναι ότι για τυχόν σημείο της ευθείας, το εμβαδόν του παραλληλόγραμμου που σχηματίζεται από τις συντεταγμένες του σημείου, εκφράζει το ρυθμό ροής στο σημείο αυτό γιατί είναι ίσο με D * S δηλαδή με v σύμφωνα με την σχέση της κυκλοφοριακής ροής. [13]

15 Σχέση Ταχύτητας-Φόρτου: Διάγραμμα 2: Σχέση ταχύτητας-φόρτου Η σχέση του κυκλοφοριακού φόρτου και της ταχύτητας κυκλοφορίας έχει χρησιμοποιηθεί αρκετά σε μελέτες, σχετιζόμενη με την κυκλοφοριακή ικανότητα ενός τμήματος οδού ή δικτύου. Όπως φαίνεται στο διάγραμμα 2, για κυκλοφοριακό φόρτο ίσο με το μηδέν, η ταχύτητα είναι ίση με την ταχύτητα ελεύθερης ροής. Το διάγραμμα μπορεί να χωριστεί σε δύο τμήματα, αυτό της μη συμφορημένης περιοχής, δηλαδή το πάνω μισό και σε αυτό της κυκλοφοριακής συμφόρησης, δηλαδή το κάτω μισό. Στο πάνω μισό, ξεκινώντας από την ταχύτητα ελεύθερης ροής που αναφέρθηκε, όσο αυξάνει ο φόρτος έχουμε την μείωση της ταχύτητας μέχρι το σημείο όπου ο φόρτος είναι μέγιστος. Στην συνέχεια φαίνεται ότι στην περιοχή κυκλοφοριακής συμφόρησης, με την μείωση του φόρτου λόγω συμφόρησης υπάρχει και μείωση της ταχύτητας. Σχέση Φόρτου-Πυκνότητας: Διάγραμμα 3: Σχέση φόρτου-πυκνότητας Η καμπύλη φόρτου-πυκνότητας κυκλοφορίας είναι γνωστή και ως θεμελιώδης διάγραμμα κυκλοφορίας. Όπως φαίνεται από το διάγραμμα ο κυκλοφοριακός φόρτος μπορεί να μηδενιστεί σε δύο περιπτώσεις: είτε στην περίπτωση που η πυκνότητα είναι μηδενική, είτε στην θεωρητική περίπτωση που η πυκνότητα είναι τόση ώστε τα οχήματα εφάπτονται μεταξύ τους. Η σχέση μεταξύ ροής και πυκνότητας είναι ιδιαίτερα χρήσιμη, τόσο για την περιγραφή της κυκλοφοριακής «συμπεριφοράς» μιας οδού, όσο και σαν θεωρητική βάση στις διάφορες θεωρίες κυκλοφοριακής ροής. [14]

16 2.3 ΚΑΤΗΓΟΡΙΟΠΟΙΗΣΗ ΥΠΟΔΕΙΓΜΑΤΩΝ Αν και στις περισσότερες των περιπτώσεων η έννοια του υποδείγματος συνδέεται με τη χρήση μαθηματικών σχέσεων (μαθηματικά υποδείγματα), αυτό δεν είναι πάντοτε απαραίτητο, με συνέπεια εννοιολογικά να ορίζονται τρία βασικά είδη υποδειγμάτων: Μαθηματικά υποδείγματα: Αποτελούνται από μαθηματικές σχέσεις που περιλαμβάνουν μεταβλητές και αριθμητικές σταθερές καθώς και μία διαδικασία υπολογισμού κατάλληλη για προγραμματισμό στον Η/Υ, συνθέτοντας στην ουσία έναν αλγόριθμο. Λειτουργικά υποδείγματα: Βασίζονται στον συνδυασμό μαθηματικών σχέσεων και λογικών κανόνων συμπεριφοράς, επιχειρώντας την κατά το δυνατό πληρέστερη αναπαράσταση της λειτουργίας του υπό μελέτη Συστήματος*. Διαδικαστικά υποδείγματα: Περιγράφουν απλώς μία διαδικασία ή ένα φαινόμενο προσπαθώντας συγχρόνως να εντοπίσουν και να απλοποιήσουν τους βασικούς νόμους συμπεριφοράς καθώς και τα αίτια εμφανίσεως του. (*«Σύστημα» θεωρείται το προς μελέτη αντικείμενο, καθώς και όλες οι οντότητες που το απαρτίζουν.) Ανάλογα με την λειτουργία που επιτελούν τα υποδείγματα χωρίζονται περαιτέρω σε τρεις κατηγορίες: Περιγραφικά υποδείγματα: είναι τα υποδείγματα που αναπαριστούν της εκδηλώσεις και διεργασίες της υπάρχουσας κατάστασης γνωστού φαινομένου. Τα υποδείγματα αυτά δίνουν συνήθως μια απλοποιημένη εικόνα των αλληλεπιδράσεων που υπάρχουν στο υπόψη σύστημα, με στόχο την καλύτερη κατανόηση και μελέτη του συστήματος αυτού από τον μελετητή. Δίνουν επίσης τη δυνατότητα αποφυγής δαπανηρών μετρήσεων και ερευνών για τον προσδιορισμό της τιμής ορισμένων δύσκολων να μετρηθούν μεγεθών αφού είναι καταρχήν εφικτός ο προσδιορισμός των τιμών αυτών από το υπόδειγμα με χρήση άλλων δεδομένων που είναι πιο εύκολο να μετρηθούν. Χαρακτηριστική περίπτωση αυτών είναι τα ευρέως γνωστά υποδείγματα προσομοίωσης (simulation models), για τα οποία θα γίνει αναλυτική περιγραφή στην συνέχεια, αφού αποτελούν κύριο εργαλείο αυτής της εργασίας. Υποδείγματα πρόβλεψης: Τα υποδείγματα της κατηγορίας αυτής μοιάζουν πολύ με τα περιγραφικά, καλούνται όμως να προβλέψουν μελλοντικές καταστάσεις και γεγονότα. Η φαινομενικά απλή αυτή διαφορά θέτει σοβαρούς περιορισμούς και δυσκολίες στην κατασκευή υποδειγμάτων πρόβλεψης. Στα περιγραφικά υποδείγματα σχεδόν κάθε σχέση μεταξύ των παραμέτρων ή των [15]

17 λειτουργικών χαρακτηριστικών του συστήματος που υπάρχει στην πράξη μπορεί να χρησιμοποιηθεί για να περιγράψει την υπάρχουσα κατάσταση, αρκεί η σχέση αυτή να είναι σύμφωνη με τις βασικές προδιαγραφές που τυχόν έχουν τεθεί για την κατασκευή του υπόψη υποδείγματος. Αντιθέτως, στα υποδείγματα πρόβλεψης πρέπει να περιληφθούν μόνο οι σχέσεις εκείνες για τις οποίες υπάρχουν σοβαρές ενδείξεις ότι θα ισχύουν και στο μέλλον. Τα υποδείγματα πρόβλεψης χρειάζονται σαν δεδομένα στοιχεία που αφορούν στις μελλοντικές συνθήκες κυκλοφορίας και χρήσεων γης. Όταν τέτοια δεδομένα δεν είναι διαθέσιμα γίνονται οι λεγόμενες προβλέψεις υπό συνθήκες. Βασική εφαρμογή των υποδειγμάτων πρόβλεψης υπό συνθήκες αποτελεί η μελέτη επιπτώσεων. Υποδείγματα σχεδιασμού: Πρόκειται ουσιαστικά για υποδείγματα πρόβλεψης υπό συνθήκες, όπου όμως τα αποτελέσματα των προβλέψεων αξιολογούνται σύμφωνα με ορισμένα κριτήρια. Τα βασικά στάδια ενός υποδείγματος σχεδιασμού είναι: Καθορισμός των εναλλακτικών λύσεων που είναι δυνατό ή σκόπιμο να ακολουθηθούν στο μέλλον. Πρόβλεψη των επιπτώσεων από την εφαρμογή κάθε μιας από τις παραπάνω εναλλακτικές λύσεις. Αξιολόγηση των επιπτώσεων αυτών σύμφωνα με προκαθορισμένα κριτήρια. Επιλογή της πιο πρόσφορης λύσης. [2] Περαιτέρω κατηγοριοποίηση των υποδειγμάτων μπορεί να γίνει μέσω άλλων κριτηρίων, τα οποία θα αναφέρονται σε πρώτη φάση συνοπτικά στον ακόλουθο πίνακα 1 και στην συνέχεια αναλύονται εκτενώς στο κεφάλαιο των υποδειγμάτων προσομοίωσης. Κριτήριο Διάκρισης Είδος της λειτουργίας που επιτελούν Βαθμός λεπτομέρειας στη θεώρηση του συστήματος Θεώρηση των γεγονότων σαν βέβαιων να συμβούν ή σαν πιθανών Θεώρηση ή μη των μεταβολών του συστήματος στο χρόνο Κατηγορίες Υποδειγμάτων 1. Περιγραφικά 2. Πρόβλεψης 3. Σχεδιασμού 1. Μακροσκοπικά 2. Μεσοσκοπικά 3. Μικροσκοπικά 1. Προσδιοριστικά 2. Στοχαστικά 1. Δυναμικά 2. Στατικά Πίνακας 1:Κατηγορίες υποδειγμάτων ανάλογα με τα κριτήρια διάκρισής τους [16]

18 2.4 ΥΠΟΔΕΙΓΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ ΕΙΣΑΓΩΓΗ-ΠΕΡΙΓΡΑΦΗ Η προσομοίωση κατά την γενική έννοια ορίζεται ως η μίμηση ενός συστήματος ή διαδικασίας. Σε επίπεδο μεταφορών, όπως αναφέρθηκε και στη εισαγωγή του κεφαλαίου, χρησιμοποιείται μέσω των μοντέλων προσομοίωσης, σε οποιοδήποτε στάδιο σχεδιασμού, οργάνωσης ή λειτουργίας ενός συστήματος. Μάλιστα η χρήση τους δεν περιορίζεται σε έναν κλάδο, αλλά έχουν πρακτική εφαρμογή τόσο σε αεροπορικές, θαλάσσιες και σιδηροδρομικές μεταφορές, όσο και σε μελέτες πρόβλεψης ζήτησης, συγκοινωνιακές-κυκλοφοριακές εφαρμογές, καθώς και σε μελέτες αλληλεπίδρασης περιβάλλοντος και μεταφορών. Όσον αφορά τις κυκλοφοριακές μελέτες, τα μοντέλα προσομοίωσης της κυκλοφορίας (traffic simulation models) είναι κοινώς αποδεκτά ως τα πλέον χρήσιμα εργαλεία στην διαδικασία λήψης αποφάσεων και αξιολόγησης ενός κυκλοφοριακού έργου. Δίνουν την δυνατότητα αναπαράστασης της πραγματικής εικόνας ενός δικτύου με όλα τα μέσα που το απαρτίζουν (ΙΧ, λεωφορεία, πεζούς κτλ.) και την εφαρμογή σεναρίων με αποτέλεσμα να είναι εύκολο για τον μελετητή να προσεγγίσει και να αξιολογήσει διαφορετικές εναλλακτικές συγκρίνοντας τα πραγματοποιούμενα σενάρια, χωρίς να χρειάζεται πλέον η χρήση αναλυτικών μεθόδων ΠΛΕΟΝΕΚΤΗΜΑΤΑ ΚΑΙ ΜΕΙΟΝΕΚΤΗΜΑΤΑ ΜΟΝΤΕΛΩΝ ΠΡΟΣΟΜΟΙΩΣΗΣ Τα μοντέλα προσομοίωσης κυκλοφορίας αποτελούν το βέλτιστο εργαλείο μέτρησης της αποδοτικότητας ενός δικτύου, αξιολογώντας εξαιρετικά πολύπλοκα συστήματα. Ωστόσο παρουσιάζουν ορισμένες αδυναμίες που έρχονται σε αντίθεση με το πλήθος των δυνατοτήτων τους. Ακολουθεί μια αναφορά τον βασικότερων πλεονεκτημάτων και μειονεκτημάτων αυτών. 1. Πλεονεκτήματα I. Δυνατότητα χρήσης τους σε περιπτώσεις όπου δεν είναι εφικτή η χρήση αναλυτικών μεθόδων. II. III. IV. Κατάλληλα για αναπαράσταση καταστάσεων που δεν ισχύουν σήμερα μέσω σεναρίων. Δυνατότητα εξαγωγής στατιστικών αποτελεσμάτων και χρονοσειρών. Δυνατότητα επεξεργασίας πολλών στοιχείων και παραμέτρων με αποτέλεσμα να διευκολύνεται η σύγκριση πλήθους διαφορετικών σεναρίων. [17]

19 V. Ευκολία στην διερεύνηση των μεταβολών της ζήτησης χρονικά και χωρικά. VI. Δυνατότητα αξιολόγησης αλλαγών στην λειτουργία ενός συστήματος. 2. Μειονεκτήματα I. Εμφάνιση δυσκολιών λόγω της πολυπλοκότητας της διαδικασίας και του πλήθους των εισαχθέντων δεδομένων. II. III. IV. Απαίτηση εξειδικευμένων γνώσεων φυσικής (θεωρία της κυκλοφοριακής ροής), μαθηματικών (θεωρίας των πιθανοτήτων), προγραμματισμού και στατιστικής. Ανάγκη βαθμονόμησης του μοντέλου προσομοίωσης για βεβαίωσης της εγκυρότητας των αποτελεσμάτων του. Η έλλειψη γνώσης της θεωρίας του σχεδιασμού μεταφορών μπορεί να οδηγήσει σε αδιέξοδο τον χρήστη και σε διεξαγωγή αναξιόπιστων αποτελεσμάτων. V. Σε ορισμένες περιπτώσεις απαιτείται η συγκέντρωση πλήθους στοιχείων τα οποία δύσκολα βρίσκονται και των οποίων η αντικατάστασή τους με παραδοχές ενδέχεται να αλλάξει κατά πολύ τα αναμενόμενα αποτελέσματα ΤΑΞΙΝΟΜΗΣΗ ΜΟΝΤΕΛΩΝ ΠΡΟΣΟΜΟΙΩΣΗΣ Στο κεφάλαιο 2.2 γίνεται μια ταξινόμηση των υποδειγμάτων. Τα μοντέλα προσομοίωσης αποτελούν περιγραφικά υποδείγματα, και συνεπώς διαχωρίζονται ομοίως σε διάφορες κατηγορίες ανάλογα με τον σκοπό, την κλίμακα και τον τρόπο προσέγγισης. Ωστόσο σε αυτή την παράγραφο, εκτός από επεξήγηση των κατηγοριών που ήδη αναφέρθηκαν στην παράγραφο 2.2, επιχειρείται και η ανάλυση περισσότερων κατηγοριών των μοντέλων προσομοίωσης της κυκλοφορίας, όπως αυτές αναφέρονται στο «HIGHWAY CAPACITY MANUAL (2010)». Σύμφωνα με τον πίνακα της παραγράφου 2.2, τα υποδείγματα δύνανται να χωριστούν σε προσδιοριστικά και στοχαστικά, ανάλογα με την θεώρηση των γεγονότων ως βέβαιων να συμβούν ή όχι. Προσδιοριστικά ή αλλιώς Ντετερμινιστικά (deterministic), ονομάζονται τα μοντέλα των οποίων τα αποτελέσματα είναι προσδιοριζόμενα από τα στοιχεία τους και δεν υπόκεινται σε τυχαιότητα. Πιο συγκεκριμένα ένα προσδιοριστικό μοντέλο, ανεξαρτήτως αριθμού επαναλήψεων, θα παράγει ακριβώς το ίδιο αποτέλεσμα. Στον αντίποδα, τα στοχαστικά (stochastic) μοντέλα διαθέτουν μεταβλητές από τις οποίες δεν προκύπτει πάντα το ίδιο αποτέλεσμα. Αναλυτικότερα, υπεισέρχεται η [18]

20 πιθανότητα πραγματοποίησης ή όχι των εξεταζόμενων γεγονότων. Ωστόσο η πιθανότητα αυτή στις προβλέψεις έχει σαν αποτέλεσμα να δημιουργούνται δυσκολίες ως προς την κατασκευή του υποδείγματος με αποτέλεσμα να απαιτείται συνήθως μεγάλος αριθμός αρχικών δεδομένων. Σχετικά με το αν τα γεγονότα που εξετάζονται μεταβάλλονται χρονικά, τα υποδείγματα χωρίζονται σε στατικά και δυναμικά. Πιο αναλυτικά, στα δυναμικά η μελέτη ενός συστήματος ξεκινάει από μια χρονική στιγμή t και συνεχίζεται μέχρι την στιγμή t+k, ενώ στα στατικά η ανάλυση γίνεται με βάση μια χρονική στιγμή (π.χ. ώρα αιχμής). Τα υποδείγματα προσομοίωσης ταξινομούνται, επίσης, σε χρονικά βασισμένα και βασισμένα σε γεγονότα. Στα πρώτα, το υπόδειγμα ακολουθεί την κυκλοφορία καθ όλη την διάρκεια συλλέγοντας στατιστικά δεδομένα ενώ στα δεύτερα η κατάσταση της κυκλοφορίας καταγράφεται κάθε φορά που λαμβάνει χώρα ένα φαινόμενο. Ο βασικότερος διαχωρισμός των μοντέλων προσομοίωσης της κυκλοφορίας αφορά τον βαθμό λεπτομέρειας με βάση τον οποίο εξετάζονται τα φαινόμενα της κυκλοφοριακής ροής. Τονίζεται πως το μαθηματικό υπόβαθρο των μοντέλων προσομοίωσης βασίζεται στην θεωρία της κυκλοφοριακής ροής. Για τον λόγο αυτό παράλληλα με την αναφορά της κάθε κατηγορίας μοντέλων με βάση τον βαθμό λεπτομέρειας, παρατίθενται και οι αντίστοιχοι μαθηματικοί τύποι που τα διέπουν. 1. Μακροσκοπικά μοντέλα (macroscopic models), ονομάζονται αυτά που μελετούν τη μέση μετακίνηση μίας ομάδας οχημάτων, η οποία και χρησιμοποιείται για τον υπολογισμό της κυκλοφορίας. Η τεχνική αυτή βελτιώνει την υπολογιστική απόδοση του μοντέλου αλλά μειώνει ταυτόχρονα τη λεπτομέρεια ανάλυσης. Περιγράφονται μέσω των θεμελιωδών σχέσεων ταχύτητας, κυκλοφοριακής ροής και πυκνότητας κυκλοφορίας που συνδέονται μέσω της εξίσωσης της κυκλοφοριακής ροής όπως αυτή παρουσιάστηκε στο υποκεφάλαιο 2.2. Τα μοντέλα που υπακούν στις αρχές τις κυκλοφοριακής ροής βασίζονται στην προϋπόθεση ότι η ταχύτητα είναι αντιστρόφως ανάλογη της πυκνότητας της κυκλοφορίας. Αύξηση της πυκνότητας οδηγεί σε μείωση των κενών μεταξύ των οχημάτων και κατ επέκταση και σε μείωση της ταχύτητας. Ένα από τα μειονεκτήματα των μακροσκοπικών μοντέλων είναι πως η θεώρηση αθροιστικών μεταβλητών αντί μεμονωμένων οχημάτων, όπου όλα τα οχήματα θεωρούνται ότι μετακινούνται με την ίδια ακριβώς ταχύτητα στις συνθήκες μίας δεδομένης σχέσης ροής πυκνότητας, απομακρύνεται από την πραγματικότητα αφού μέσω του σταθερού αυτού προτύπου δεν εξηγούνται φαινόμενα στάσεων και καθυστερήσεων στη ροή, τα οποία είναι συνηθισμένα στην κυκλοφορία. [19]

21 Ορισμένα από τα πιο γνωστά μακροσκοπικά μοντέλα είναι τα: AUTOS, TRAF, FREFLO, CONTRAM, Vissum, DYNEV, TransCAD, OREMS, Cube Voyager. 2. Μεσοσκοπικά μοντέλα (mesoscopic models), είναι τα μοντέλα που προχωρούν σε μεγαλύτερο επίπεδο λεπτομέρειας από τα μακροσκοπικά. Αναλύουν τα οχήματα με τους μακροοικονομικούς κανόνες που αναφέρθηκαν προηγουμένως αλλά αντιμετωπίζουν σε μικροσκοπικό επίπεδο συγκεκριμένες λεπτομέρειες, όπως οι μεμονωμένες θέσεις των οχημάτων και η εξέλιξη των ουρών αναμονής. Τα μεσοσκοπικά μοντέλα επιδιώκουν αναπαράσταση του δικτύου με την εξισορρόπηση μεταξύ της γενικής αναπαράστασης των κυκλοφοριακών συνθηκών και της υπολογιστικής ανάλυσης των λεπτομερειών τους. Τυπικό μεσοσκοπικό μοντέλο είναι το μοντέλο μετάδοσης κελιών (cell transmission model), το οποίο αντιμετωπίζει τα οχήματα σε σχέση με τις μέσες συνθήκες σε ένα κύτταρο, το μέγεθος όμως των κυττάρων μπορεί να είναι τόσο μικρό ώστε να συλλάβει την κατάσταση των οχημάτων μεμονωμένα. Γνωστά μεσοσκοπικά προγράμματα είναι το TRANSYT, το DYNAMIT, το DYNEMO και το TRANSIMS. 3. Μικροσκοπικά μοντέλα (microscopic models), είναι αυτά τα οποία εξετάζουν την κίνηση κάθε μεμονωμένου οχήματος, λαμβάνοντας υπόψη στοιχεία όπως η ταχύτητα και η επιτάχυνσή του αλλά και την αλληλεπίδραση του με το περιβάλλον και με τα άλλα οχήματα. Η συγκεκριμένη εργασία βασίστηκε σε ένα τέτοιο μοντέλο και για τον λόγο αυτό ακολουθεί αναλυτικό κεφάλαιο σχετικά με τα μικροσκοπικά μοντέλα. Το μοντέλο μικροσκοπικής προσομοίωσης που χρησιμοποιήθηκε είναι το AIMSUN, τα χαρακτηριστικά του οποίου αναλύονται στο αντίστοιχο κεφάλαιο. [20]

22 2.5 ΜΙΚΡΟΣΚΟΠΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΤΗΣ ΜΙΚΡΟΣΚΟΠΙΚΗΣ ΠΡΟΣΟΜΟΙΩΣΗΣ Η προσομοίωση μέσω μικροσκοπικού μοντέλου (micro-simulation), όπως αναφέρθηκε σε προηγούμενη παράγραφο, εξετάζει την κυκλοφορία λαμβάνοντας υπόψη κάθε όχημα ως ξεχωριστή οντότητα. Θεωρούνται κατά βάση στοχαστικά, δηλαδή βασίζονται στην τυχαιότητα. Η εμφάνιση των οχημάτων στο δίκτυο, η επιλογή λήψης αποφάσεων καθώς και η συμπεριφορά του κάθε οχήματος, καθορίζονται κάθε φορά από τυχαίους αριθμούς. Για το λόγο αυτό κρίνεται απαραίτητη η πολλαπλή εκτέλεσή τους με διαφορετικές γεννήτριες τυχαίων αριθμών. Επειδή αυτή η διαδικασία μπορεί να αποδειχθεί ιδιαίτερα δύσκολη σε μεγάλη κλίμακα, συνήθως επιλέγονται μικρά ή μεσαία δίκτυα, ώστε να αποφευχθεί η εμφάνιση παράλογων αποτελεσμάτων εξαιτίας λανθασμένων επιλογών. [5] Τα περισσότερα μικροσκοπικά μοντέλα χρησιμοποιούν διάφορους αλγορίθμους και μοντέλα οδηγικής συμπεριφοράς, για την προσομοίωση της κίνησης μεμονωμένων οχημάτων στο δίκτυο. Για κάθε όχημα που εισέρχεται στο δίκτυο, ανατίθεται ένας τύπος (ΙΧ, φορτηγό, λεωφορείο) και τα αντίστοιχα χαρακτηριστικά επιδόσεων που έχει (επιτάχυνση, επιβράδυνση, ταχύτητα, επιτρεπόμενες κινήσεις). Αποδίδεται ταυτόχρονα ένα οδηγικό στυλ. Η κίνησή του στο δίκτυο καθορίζεται από έναν συνδυασμό τριών βασικών σχέσεων που αφορούν την αλληλεπίδραση μεταξύ των οχημάτων σε ένα σύστημα: 1. Αλγόριθμος ακολουθούντων οχημάτων (car following) 2. Αλγόριθμος αλλαγής λωρίδας (Lane changing) 3. Αλγόριθμος αποδεκτού κενού μεταξύ οχημάτων (Gap acceptance) Και οι τρεις αυτές σχέσεις, όπως τονίζεται στην επιμέρους ανάλυση της καθεμιάς εξ αυτών η οποία ακολουθεί στην συνέχεια, επηρεάζουν την χωρητικότητα και την λειτουργική ταχύτητα μιας οδικής υποδομής. Για κάθε μια από αυτές έχουν βρεθεί αλγόριθμοι κατάλληλοι για χρήση σε μικροσκοπικά μοντέλα προσομοίωσης. Για την βαθύτερη κατανόηση, ωστόσο, του τρόπου που αλληλεπίδρασης μεταξύ των τροχιών των οχημάτων στην μικροσκοπική προσομοίωση, είναι χρήσιμη μια συνοπτική ανάλυση της κίνησης ενός μεμονωμένου οχήματος μέσω της θεωρίας της κυκλοφοριακής ροής καθώς και την αλληλεπίδραση που μπορεί να έχει το σύστημα όχημα-οδηγός-περιβάλλον με την τροχιά του οχήματος. Η ανάλυση αυτή πραγματοποιείται στα κεφάλαια που ακολουθούν. [21]

23 2.5.2 ΚΙΝΗΣΗ ΜΕΜΟΝΩΜΕΝΟΥ ΟΧΗΜΑΤΟΣ ΠΑΡΑΓΟΝΤΕΣ ΠΟΥ ΕΠΗΡΕΑΖΟΥΝ ΤΗΝ ΤΡΟΧΙΑ ΤΟΥ Όσον αφορά την κίνηση-τροχιά ενός μεμονωμένου οχήματος, αυτή αρχικά μπορεί να αναλυθεί με βάση τα τρία βασικά μεγέθη ταχύτητας, μετατόπισης και επιτάχυνσης/επιβράδυνσης, καθώς και τις βασικές εξισώσεις που τα συνδέουν. Αρχικά λαμβάνεται υπόψη η σχέση μετατόπισης ταχύτητας. Με βάση την μαθηματική έκφρασή της, η ταχύτητα ενός οχήματος μια χρονική στιγμή t, μπορεί να οριστεί ως: v(t) = dx/dt Εξίσωση 2: Σχέση μετατόπισης-ταχύτητας Όπου, v(t) = ταχύτητα την χρονική στιγμή t dx = η μεταβολή της απόστασης, ή αλλιώς μετατόπιση dt = η χρονική μεταβολή Λύνοντας ως προς την μετατόπιση και ολοκληρώνοντας, προκύπτει η γενική εξίσωση με βάση την οποία υπολογίζεται η μετατόπιση ενός οχήματος την χρονική στιγμή t με βάση την ταχύτητα του. t x(t) = x(t 0 ) + v(t)dt t 0 Εξίσωση 3: Γενική σχέση μεταξύ μετατόπισης-ταχύτητας Όπου, v(t) = ταχύτητα την χρονική στιγμή t x(t)= η θέση του οχήματος την χρονική στιγμή t dt = η χρονική μεταβολή Αντίστοιχα εξ ορισμού η επιτάχυνση ενός οχήματος την χρονική στιγμή t, μπορεί να οριστεί ως η πρώτη παράγωγος της ταχύτητας και κατ επέκταση η δεύτερη παράγωγος της μετατόπισης ως προς τον χρόνο: α(t) = dv/dt α(t) = d 2 x/dt 2 Εξίσωση 4: Σχέσεις επιτάχυνσης-ταχύτητας και επιτάχυνσης-μετατόπισης Όπου, a(t) = επιτάχυνση/επιβράδυνση την χρονική στιγμή t dv = η μεταβολή της ταχύτητας dx = η μεταβολή της απόστασης, ή αλλιώς μετατόπιση dt = η χρονική μεταβολή Όπως και στην περίπτωση μεταξύ μετατόπισης-ταχύτητας, λύνοντας την πρώτη εξίσωση ως προς την ταχύτητα και ολοκληρώνοντας, προκύπτει η [22]

24 γενική εξίσωση με βάση την οποία υπολογίζεται η ταχύτητα ενός οχήματος την χρονική στιγμή t με βάση την επιτάχυνσή/επιβράδυνσή του. t v(t) = v(t 0 ) + a(t)dt t 0 Εξίσωση 5: Σχέση ταχύτητας-επιτάχυνσης Όπου, v(t) = ταχύτητα την χρονική στιγμή t a(t) = επιτάχυνση/επιβράδυνση την χρονική στιγμή t dt = η χρονική μεταβολή Η τροχιά ενός οχήματος όπως είναι ευνόητο με βάση τα παραπάνω, μπορεί να δώσει πληροφορίες τόσο σχετικά με στοιχεία απόδοσης όσο και στατιστικά στοιχεία σχετικά με το όχημα. Δεν είναι τυχαίο ότι η τροχιά των οχημάτων θεωρείται ως η βάση για την κατανόηση των κυκλοφοριακών λειτουργειών. Με βάση τις μεμονωμένες παρατηρούμενες τροχιές οχημάτων σε ένα ρεύμα κυκλοφορίας, είναι δυνατή η εκτίμηση παραμέτρων για ολόκληρο το ρεύμα. Η τροχιά ενός μεμονωμένου οχήματος μπορεί να επηρεαστεί από τριών ειδών παράγοντες: 1. Το ίδιο το όχημα και τα χαρακτηριστικά του a. Λόγος του βάρους προς την ιπποδύναμη b. Πλάτος, μήκος και ρυμούλκηση c. Δυνατότητα πέδησης και επιβράδυνσης d. Διατομή μετωπικής πλευράς e. Ύψος οχήματος 2. Τον οδηγό και τα χαρακτηριστικά του a. Προσοχή και επεξεργασία πληροφοριών b. Όραση c. Χρόνος αντίδρασης και αντίληψης d. Επιλογή ταχύτητας πορείας 3. Χαρακτηριστικά του περιβάλλοντος χώρου a. Τοποθεσία και περιβάλλον b. Τύπος υποδομής c. Στοιχεία οδοποιίας d. Τύπος ελέγχου κυκλοφορίας e. Άλλοι παράγοντες ΑΛΓΟΡΙΘΜΟΣ ΑΚΟΛΟΥΘΟΥΜΕΝΩΝ ΟΧΗΜΑΤΩΝ (Car-Following) Με τον όρο «Car-Following» αυτό εννοείται η διαδικασία κατά την οποία ένα όχημα ακολουθεί ένα άλλο σε κοντινή απόσταση. Κατά προσέγγιση, μπορεί να θεωρηθεί ότι «ακολουθία οχημάτων» υπάρχει όταν η ταχύτητα με την οποία [23]

25 κινείται το προπορευμένο αυτοκίνητο, επηρεάζει αυτή του οχήματος που ακολουθεί. Με βάση τους υπάρχοντες αλγόριθμους, είναι δυνατός ο υπολογισμός της τροχιάς των ακολουθούμενων οχημάτων ως εξίσωση του προπορευμένου. Όσο πιο κοντινή είναι η απόσταση κατά την οποία ακολουθεί το ένα όχημα το άλλο, τόσο μεγαλύτερη γίνεται η χωρητικότητα της υποδομής. Το ίδιο ισχύει και για την ταχύτητα με την οποία κινούνται τα οχήματα στο ρεύμα κυκλοφορίας: η πιο επιθετική οδήγηση, συνεπάγεται μικρότερο κενό ανάμεσα στις ακολουθίες, και συνεπώς μεγαλύτερη κατά μέσο όρο ταχύτητα. Αυτή η διαδικασία μπορεί να γίνει πιο κατανοητή αναλύοντας την απλή περίπτωση αλληλεπίδρασης μεταξύ δυο οχημάτων. Σε κάθε περίπτωση υπάρχουν δύο ειδών σενάρια. Κατά το πρώτο, το προπορευόμενο όχημα Α τρέχει με μία συγκεκριμένη ταχύτητα, ανεπηρέαστη από την κυκλοφορία και το περιβάλλον του και το δεύτερο όχημα Β ακολουθεί με μια ταχύτητα μικρότερη του Α. Στην περίπτωση αυτή, η πορεία του Β είναι ανεπηρέαστη από την ταχύτητα του Α. Στο δεύτερο σενάριο, το όχημα Β κινείται εξ αρχής με ταχύτητα μεγαλύτερη του Α. Η γραφική αναπαράσταση της απόστασης και του χρόνου μεταξύ των δύο οχημάτων, στην περίπτωση αυτή, είναι η ακόλουθη στο διάγραμμα 4: Διάγραμμα 4: Αναπαράσταση χρονικής και χωρικής απόστασης δύο οχημάτων κατά την διαδικασία «car-following» Το όχημα Β, ενώ αρχικά κινούνταν με μεγαλύτερη ταχύτητα, από την στιγμή t1, κατά την οποία πλησιάζει στο Α, αναγκάζεται να ακολουθεί την πορεία που υπαγορεύεται από το τελευταίο. Στο διάγραμμα η οριζόντια απόσταση μεταξύ των δύο γραφικών παραστάσεων αντιστοιχεί στην χρονική απόσταση μεταξύ των δύο οχημάτων, ενώ η κάθετη διαφορά τους, αφορά την χωρική του απόσταση. Η χρονική απόσταση ορίζεται ως ο χρόνος μεταξύ των διελεύσεων δύο διαδοχικών οχημάτων από μια διατομή. Αντίστοιχα η χωρική απόσταση, είναι στην ουσία η απόσταση μεταξύ του μπροστινού σημείου του προπορευόμενου οχήματος και του μπροστινού σημείου αυτού που [24]

26 ακολουθεί. Τα δύο αυτά χαρακτηριστικά, σε συνδυασμό με την ταχύτητα, είναι τα δομικά «μικροσκοπικά» χαρακτηριστικά της κυκλοφορίας. Πιο αναλυτικά αυτή η διαδικασία με την οποία ο λογάριθμος αυτού του τύπου καθορίζει την τροχιά ενός ακολουθούμενου οχήματος n+1 με βάση την τροχιά ενός προπορευόμενου n, μπορεί να περιγραφτεί μέσο του εξής διαγράμματος: Εικόνα 2: Η διαδικασία «car-following» Την στιγμή t, το όχημα n+1 ακολουθεί το n με μία χρονική απόσταση και μια χωρική απόσταση h(n+1)t και s(n+1)t αντίστοιχα. Μέσα στο χρονικό διάστημα Δt, το n+1 έχει μετακινηθεί κατά d(n+1)t+δt, ενώ το n θα έχει μετακινηθεί κατά d(n)t+δt. Σε περίπτωση που το προπορευόμενο όχημα n δεν επηρεάζεται από την κυκλοφορία και από άλλες συνθήκες, η ταχύτητά του θα είναι καθορισμένη με βάση την γεωμετρία του δρόμου και τα χαρακτηριστικά του ίδιου του οχήματος και του οδηγού, ακολουθώντας μια πορεία όπως περιεγράφηκε στην παράγραφο Εκτός από τα χαρακτηριστικά του οδηγού και του οχήματος, η κίνηση του οχήματος n+1 θα έχει καθοριστεί σε μεγάλο ποσοστό από αυτή του n. Η χωρική και η χρονική απόσταση θα έχει διαμορφωθεί ως s(n+1)t+δt και h(n+1)t+δt, αντίστοιχα. [1] Όπως είναι ευνόητο, οι αλγόριθμοι ακολουθούμενων οχημάτων ενδέχεται να παρουσιάζουν διαφορές για διαφορετικού τύπου οχήματα και διαφορετικού τύπου οδηγούς ΑΛΓΟΡΙΘΜΟΣ ΑΛΛΑΓΗΣ ΛΩΡΙΔΑΣ (Lane Changing) Η προσομοίωση της διαδικασίας αλλαγής λωρίδας εξαρτάται από πολλές παραμέτρους και αυτός είναι και ο κύριος λόγος που θεωρείται από τα πιο πολύπλοκα ζητήματα της μικροπροσομοίωσης. Αντίθετα με την ακολουθία οχημάτων που περιεγράφηκε προηγουμένως και η οποία έχει μελετηθεί [25]

27 εκτενώς, η αλλαγή λωρίδας βρίσκεται ακόμα σε ερευνητικό στάδιο. Οι συνθήκες και οι λόγοι που αναγκάζουν έναν οδηγό να στο να αλλάξει την λωρίδα του είναι ποικίλοι καθώς μπορούν να επηρεάζονται από την αργή κίνηση ενός προπορευόμενου οχήματος, την βιασύνη του οδηγού ή ακόμα και από την ανάγκη του οδηγού να πάρει καλύτερη θέση για μια στροφή που ακολουθεί. Εξαιτίας της απουσίας μια αναλυτικής σχέσης για την μοντελοποίηση της αλλαγής λωρίδας, η διαδικασία παρουσιάζεται ως μια ακολουθία αποφάσεων που λαμβάνονται κατά βήμα και η οποία περιγράφεται συνοπτικά ως εξής: Βήμα 1 ο Ο οδηγός αποφασίζει αν είναι υποχρεωτική ή απλώς επιθυμητή. Εδώ παρουσιάζεται μια πρώτη διαφοροποίηση, καθώς οι υποχρεωτικές αλλαγές λωρίδας ονομάζονται επιτακτικές (mandatory) και οι επιθυμητές αποκαλούνται διακριτικές (discretionary). Οι πρώτες λαμβάνουν χώρα όταν ακολουθεί στροφή ή στην περίπτωση εμποδίου, ενώ οι άλλες βασίζονται στο προφίλ του οδηγού και στις συνθήκες της μετακίνησης (βιαστική μετακίνηση ή μετακίνηση επείγουσας ανάγκης). Βήμα 2 ο Σε αυτό το σημείο ο οδηγός επιλέγει την λωρίδα στην οποία θα μετακινηθεί. Θεωρητικά η λωρίδα αυτή είναι αυτή που θα του μεγιστοποιεί την ωφελιμότητα ως προς την ταχύτητα και την καθυστέρηση. Η διαδικασία αυτή ακολουθεί έναν πιθανοκρατικό τρόπο μοντελοποίησης. Βήμα 3 ο Το βήμα αυτό στην ουσία συνδέει τους αλγόριθμους αλλαγής λωρίδας και αποδεκτού κενού (gap acceptance) αφού εδώ ο οδηγός εκτιμά το μέγεθος των κενών στις πιθανές λωρίδες-προορισμούς. Για τον παραπάνω λόγο, είναι φυσικό το τρίτο βήμα να γίνεται παράλληλα με το δεύτερο και να ακολουθεί μια επαναληπτική διαδικασία αξιολόγησης-απόρυψης/επιλογής. Βήμα 4 ο Μετά την επιλογή της λωρίδας-προορισμού, ο οδηγός επιταχύνει ή επιβραδύνει κατ ανάγκη ώστε να γίνει ο ελιγμός και να ολοκληρωθεί η διαδικασία ΑΠΟΔΕΚΤΟ ΚΕΝΟ ΜΕΤΑΞΥ ΟΧΗΜΑΤΩΝ (Gap Acceptance) Η αποδοχή ενός κενού μεταξύ οχημάτων είναι η διαδικασία επιλογής και χρήσης ενός χώρου τόσο κατά την πορεία όσο και κατά την αλλαγή λωρίδας. Κατά την πορεία ενδέχεται να διαφοροποιείται ανάλογα με τον τύπο του δρόμου, το προφίλ του οδηγού ή ακόμα και την ταχύτητα. Στην μικροσκοπική προσομοίωση η διαδικασία επιλογής ορίζεται πάλι ως μια σειρά αποφάσεων οι οποίες γίνονται με βάση ένα οριακό-αποδεκτό κενό Η ΚΩΔΙΚΟΠΟΙΗΣΗ ΤΟΥ ΔΙΚΤΥΟΥ ΕΝΟΣ ΜΟΝΤΕΛΟΥ ΜΙΚΡΟΣΚΟΠΙΚΗΣ ΠΡΟΣΟΜΟΙΩΣΗΣ [26]

28 Ιδιαίτερο χαρακτηριστικό των μικροσκοπικών μοντέλων προσομοίωσης είναι το πλήθος των χαρακτηριστικών που διαθέτει ένα δίκτυο κατά την κωδικοποίησή του. Η αναπαράσταση του δικτύου αποτελείται από οντότητες όπως: Κόμβος(node): είναι η οποιαδήποτε κορυφή του δικτύου που στην ουσία αποτελεί διασταύρωση δύο ή περισσότερων οδών. Τμήμα(link): είναι η σύνδεση μεταξύ δύο κόμβων. Αυτή η σύνδεση έχει συγκεκριμένη φορά και αποτελεί στην ουσία τα οδικά τμήματα που είναι μονόδρομα ή αμφίδρομα στο δίκτυο. Κεντροειδές(centroid): είναι το κατά προσέγγιση ιδεατό σημείο που αποτελεί πόλο γένεσης και έλξης μετακινήσεων στην εκάστοτε ζώνη του δικτύου. Τονίζεται ότι κάθε ζώνη υποχρεωτικά έχει ένα κεντροειδές. Ωστόσο η αυξημένη λεπτομέρεια που χαρακτηρίζει αυτού του είδους την προσομοίωση, απαιτεί και εισαγωγή επιμέρους χαρακτηριστικών στο κάθε τμήμα και κόμβο. Τέτοια χαρακτηριστικά μπορεί να αφορούν την λεπτομερή γεωμετρία του δρόμου μέσω λωρίδων κυκλοφορίας, λωρίδων αποκλειστικά για λεωφορεία με κατάλληλη σηματοδότηση, ύπαρξης ανιχνευτών και άλλων έξυπνων συστημάτων, μεταβλητά όρια ταχύτητας και χωρητικότητα. Αντίστοιχα πλήθος χαρακτηριστικών που ενδέχεται να αφορά τους κόμβουςδιασταυρώσεις είναι: αναλυτικά προγράμματα σηματορύθμισης, επενεργούμενη σηματορύθμιση, διαβάσεις πεζών, λωρίδες αναμονής, έξυπνα συστήματα (ITS) και άλλα. Επίσης, όπως αναφέρθηκε στην παράγραφο με τα χαρακτηριστικά της μικροπροσομοίωσης, είναι αναγκαίο σε ένα τέτοιο μοντέλο να υπάρχει πλήθος διαφορετικών χαρακτηριστικών ανά τύπο οχήματος καθώς και ανά κατηγορία δρόμου. Φυσικά η κωδικοποίηση ενός δικτύου δύναται να διαφοροποιείται ανάλογα με τις απαιτήσεις της εκάστοτε μελέτης και ανάλογα και με το λογισμικό που χρησιμοποιείται ΛΟΓΙΣΜΙΚΑ ΜΙΚΡΟΣΚΟΠΙΚΗΣ ΠΡΟΣΟΜΟΙΩΣΗΣ ΚΥΚΛΟΦΟΡΙΑΣ Στην αγορά πλέον υπάρχει πλήθος λογισμικών τα οποία διαφέρουν ως προς μικροχαρακτηριστικά, αλγορίθμους και τρόπου αναπαράστασης του δικτύου. Αυτό δίνει το πλεονέκτημα στον εκάστοτε χρήστη να επιλέξει το κατάλληλο για την μελέτη που πραγματοποιεί. Για την συγκεκριμένη εργασία επιλέχθηκε το λογισμικό AIMSUN το οποίο και περιγράφεται εκτενώς στο επόμενο υποκεφάλαιο. Ωστόσο πριν την αναλυτική περιγραφή του, παρατίθενται ορισμένα από τα πιο σημαντικά και ευρέως διαδεδομένα λογισμικά για την μικροπροσομοίωση: [27]

29 PARAMICS: Το πρόγραμμα προσομοίωσης PARAMICS αναπτύχθηκε από το Computing Center του πανεπιστημίου του Εδιμβούργου στις αρχές του Βασικό χαρακτηριστικό του είναι η χρήση του για την προσομοίωση συμφορημένων οδικών δικτύων. Το μοντέλο αυτό παρέχει την πιο ολοκληρωμένη οπτική απεικόνιση για την προβολή των αποτελέσματα μέσω πολλαπλών παραθύρων, συμπεριλαμβανομένων των κινήσεων των οχημάτων με τη χρήση 3-D απεικόνισης κατά τη διάρκεια της προσομοίωσης. [5] CORSIM: Το πρόγραμμα CORSIM (CORidor SIMulation) αναπτύχθηκε από την Federal Highway Administration (FHWA) το Φαίνεται να είναι το κορυφαίο πρόγραμμα προσομοίωσης στο είδος του ως προς τη δοκιμή πολλαπλών σεναρίων που μπορεί να αφορούν σε γεωμετρικές διαμορφώσεις, περιστατικά και στην επενεργούμενη ρύθμιση της κυκλοφορίας. Βασικό χαρακτηριστικό του είναι ότι έχει τη δυνατότητα προσομοίωσης τεσσάρων διαφορετικών τύπων μετρήσεων κυκλοφοριακών μεγεθών (ώρα, ζήτηση-χωρητικότητα, έλεγχος ταχύτητας, αποδοχή διακένου). Το γεγονός αυτό το καθιστά ως ένα από τα αξιόλογα και αξιόπιστα προγράμματα προσομοίωσης. [5] VISSIM:Το VISSIM (Verkehr In Städten-SIMulationsmodell) είναι ένα λογισμικό μικροσκοπικής προσομοίωσης της χρονικής εξέλιξης της κυκλοφορίας. Παρέχει στον χρήστη τη δυνατότητα ανάλυσης ενός ευρύτερου φάσματος των λειτουργικά κατηγοριοποιημένων οδών και των λειτουργιών δημόσιας μεταφοράς. Στην ουσία, μοντελοποιεί ολοκληρωμένα δίκτυα οδικών αξόνων και αναπαριστά την κίνηση των οχημάτων σε αυτό. Αναπτύχθηκε από το Πανεπιστήμιο της Καρλσρούης στη Γερμανία τις αρχές της δεκαετίας του 1970, βασισμένο στη μελέτη του Wiedemann. Η εμπορική διάθεση του προγράμματος ξεκίνησε το 1992 από τη γερμανική εταιρεία PTV Planung Transport Verkehr AG. [6] Άλλα λογισμικά που χρησιμοποιούνται συνήθως είναι τα SUMO, ARCADY, MATsim. [28]

30 2.6 ΤΟ ΛΟΓΙΣΜΙΚΟ «AIMSUN» ΓΕΝΙΚΗ ΠΕΡΙΓΡΑΦΗ Η παρούσα διπλωματική εργασία πραγματοποιήθηκε με την βοήθεια του λογισμικού «AIMSUN» της εταιρίας TSS(TRANSPORT SIMULATION SYSTEMS). Συγκεκριμένα, χρησιμοποιήθηκε η έκδοση 8.1.3, η άδεια της οποίας ανήκει στο Ινστιτούτο Μεταφορών (Ι.ΜΕΤ.) που αποτελεί μέρος του Ε.Κ.Ε.Τ.Α. (Εθνικό Κέντρο Έρευνας και Τεχνολογικής Ανάπτυξης) στην Θεσσαλονίκη. Το «AIMSUN» είναι ένα λογισμικό προσομοίωσης της κυκλοφορίας με διαφορετικούς βαθμούς λεπτομέρειας. Συγκεκριμένα είναι κατάλληλο τόσο για μικροσκοπική προσομοίωση όσο και για μεσοσκοπική ή ακόμα και για μακροσκοπική, ενώ επιτρέπει και έναν τύπο υβριδικής προσομοίωσης μεταξύ μικροσκοπικής και μεσοσκοπικής. Παρέχεται η δυνατότητα στον χρήστη να αναπτύξει πλήθος διαφορετικών σεναρίων σε ένα σύστημα μεταφορών. Η περιγραφή ενός συστήματος μεταφορών περιλαμβάνει την προσφορά για μετακίνηση με δημόσια και ιδιωτικά μέσα, όπως ορίζεται από τη χωρητικότητα του συστήματος, και τη ζήτηση για μετακίνηση. Το πρότυπο κίνησης οχήματος που ακολουθεί είναι το πρότυπο ακολουθούντος οχήματος του Gipps. Η συμπεριφορά κάθε οχήματος προσομοιώνεται συνεχώς σύμφωνα με τα μοντέλα οδηγικής συμπεριφοράς των μικροσκοπικών προγραμμάτων, δηλαδή του ακολουθούντος οχήματος, της αλλαγής λωρίδας και της αποδοχής χρονικού διάκενου. Το πρόγραμμα αυτό χαρακτηρίζεται από τη μεγάλη ποικιλία δεικτών λειτουργικής απόδοσης. Για παράδειγμα, εξάγει λεπτομερή στατιστικά στοιχεία όπως φόρτους, ταχύτητες και χρόνους διαδρομής. Επιπλέον παρέχει μεγάλο βαθμό λεπτομέρειας κατά την κωδικοποίηση του οδικού δικτύου προσομοιώνοντας στοιχεία όπως οχήματα, ανιχνευτές, φωτεινούς σηματοδότες και σημεία εισόδου στο δίκτυο τα οποία αναλύονται στην επόμενη παράγραφο που αφορά την κωδικοποίηση Η ΚΩΔΙΚΟΠΟΙΗΣΗ ΣΤΟ ΜΙΚΡΟΣΚΟΠΙΚΟ ΜΟΝΤΕΛΟ ΠΡΟΣΟΜΟΙΩΣΗΣ AIMSUN Η κωδικοποίηση στο AIMSUN ακολουθεί τις αρχές των μικροσκοπικών προσομοιωτών, προσαρμοσμένων στις δυνατότητες και τις ιδιαιτερότητες που προσφέρει. Η οργάνωση γίνεται σε layers ανάλογα με τον τύπο των χαρακτηριστικών. Έτσι το δίκτυο στο περιβάλλον του AIMSUN απαρτίζεται από οντότητες όπως: Sections: Είναι τα οδικά τμήματα του δικτύου και απαρτίζονται από πλήθος λωρίδων (lanes). Ο χρήστης έχει την δυνατότητα να επεξεργαστεί την γεωμετρία και τα χαρακτηριστικά των λωρίδων και κατ επέκταση των ίδιων των [29]

31 sections, δημιουργώντας διαφορετικούς τύπους με διαφορετικές συνθήκες κυκλοφορίας στο κωδικοποιημένο δίκτυο. Nodes: αποτελούν τους κόμβους του δικτύου, δηλαδή τα σημεία συμβολής των section. Στο AIMSUN οι κόμβοι χωρίζονται σε δύο κατηγορίες: τους join nodes και τους junction nodes. Οι πρώτοι είναι τμήματα σύνδεσης οδικών τμημάτων με διαφορετικά ή όμοια χαρακτηριστικά, και ενδέχεται να έχουν μηδενικό μήκος. Στον αντίποδα τα junction nodes είναι πρακτικά οι διασταυρώσεις στις οποίες ο χρήστης μπορεί να εφαρμόσει διαφορετικούς τρόπους ελέγχου κυκλοφορίας και παραχώρησης προτεραιότητας. Το AIMSUN αυτόματα αναγνωρίζει τους δύο αυτούς τύπους κόμβων και διαφοροποιεί κατάλληλα το μοντέλο προσομοίωσης κατά την μικροπροσομοίωση. Στις διασταυρώσεις ο χρήστης μπορεί να επεξεργαστεί τις στροφές κατά τρόπο που να διαφοροποιεί την προτεραιότητα σε αυτές ή ακόμα και να εισάγει λωρίδες αναμονής και σηματοδοτήσεις όπου αυτό κρίνεται σκόπιμο. Τέλος στις διασταυρώσεις είναι εφικτή η εισαγωγή διαβάσεων πεζών και εννιαίας σηματοδότησης για την οποία γίνεται λόγος παρακάτω. Centroids: αποτελούν τα κεντροειδή που παράγουν ή έλκουν μετακινήσεις και συνδέονται με το δίκτυο απευθείας μέσω των sections. Σχετικά με τον τρόπο ρύθμισης της κυκλοφορίας το AIMSUN έχει την δυνατότητα εισαγωγής στους κόμβους σηματοδότησης, είτε με πινακίδες, είτε με πρόγραμμα φωτεινής σηματορύθμισης, το οποίο ρυθμίζεται από τον χρήστη. Όσον αφορά τα ΜΜΜ, στο AIMSUN παρέχεται η δυνατότητα εισαγωγής δικτύου λεωφορείων και ΤΡΑΜ, η επεξεργασία των οποίων γίνεται ξεχωριστά από την εισαγωγή της κυκλοφορίας στο δίκτυο. Πέραν των οντοτήτων των σταθμών επιβίβασης/αποβίβασης, των αποκλειστικών λωρίδων και των τύπων οχημάτων ΜΜΜ, ο χρήστης τροποποιεί τα χρονοδιαγράμματα στα δρομολόγια και διαφοροποιεί οποιαδήποτε λεπτομέρεια αφορά την προσομοίωση. Σχετικά με τα έξυπνα συστήματα μεταφορών (ITS), το AIMSUN διαθέτει πλήθος έξυπνων συστημάτων τα οποία μπορούν να εισαχθούν στο κωδικοποιημένο δίκτυο. Μερικά από αυτά είναι οι πινακίδες vms, οι detectors (ανιχνευτές κίνησης και μέτρησης φόρτου), τα meterings (ράμπες εισόδου/εξόδου) τα οποία μπορεί να λειτουργούν ως επενεργούμενα με την κίνηση και συστήματα επενεργούμενων σηματοδοτών (actuated signal groups) ΜΙΚΡΟΣΚΟΠΙΚΗ ΠΡΟΣΟΜΟΙΩΣΗ ΤΗΣ ΖΗΤΗΣΗΣ ΣΤΟ ΠΕΡΙΒΑΛΛΟΝ ΤΟΥ AIMSUN Όσον αφορά την εισαγωγή δεδομένων ζήτησης, δηλαδή την φόρτιση του δικτύου, αυτή μπορεί να γίνει με δύο τρόπους: [30]

32 1. Μέσω πινάκων προέλευσης-προορισμού (O/D matrices), οι οποίοι εμπεριέχουν δεδομένα ζήτησης για κάθε ζεύγος κεντροειδών(centroids). Είναι δυνατή η εισαγωγή διαφορετικών πινάκων Π-Π για διαφορετικού τύπου οχήματα και για διαφορετικές χρονικές περιόδους. Η διαδικασία που ακολουθείται κατά τον καταμερισμό της κυκλοφορίας και της προσομοίωσης ενός σεναρίου με αυτό τον τύπο εισαγωγής δεδομένων ζήτησης φαίνεται στο παρακάτω διάγραμμα. Διάγραμμα 5: Η διαδικασία μικροσκοπικής προσομοίωσης στο AIMSUN μέσω εισαγωγής πινάκων Π-Π 2. Μέσω κυκλοφοριακών καταστάσεων (traffic states) σε κάθε section. Το Traffic state ενός section είναι μια χρονικά καθορισμένη απόδοση της κυκλοφορίας και στην ουσία επεξηγεί πως κατανέμεται η κυκλοφορία κατά ποσοστά στις διάφορες λωρίδες και τις στροφές. Αντίστοιχα όπως [31]

33 και στους πίνακες, είναι δυνατό να υπάρχουν πολλά traffic states για διαφορετικούς τύπους οχημάτων. Αντίστοιχα με την περίπτωση των πινάκων προέλευσης/προορισμού, παρατίθεται το παρακάτω διάγραμμα της διαδικασίας μικροσκοπικής προσομοίωσης με traffic states. Διάγραμμα 6: Η διαδικασία μικροσκοπικής προσομοίωσης στο AIMSUN μέσω εισαγωγής κυκλοφοριακών καταστάσεων ΕΦΑΡΜΟΓΗ ΣΕΝΑΡΙΩΝ ΠΡΟΣΟΜΟΙΩΣΗΣ Τα σενάρια είναι ο τρόπος που συνδυάζονται τα δεδομένα εισόδου και τα πειράματα για την εκτέλεση των προσομοιώσεων, είτε αυτές είναι μικροσκοπικές, μεσοσκοπικές, μακροσκοπικές-στατικές, είτε είναι καταμερισμός δικτύων ΜΜΜ. [32]

34 Τα σενάρια για τα μικροσκοπικά, μεσοσκοπικό και υβριδικά υποδείγματα είναι δυναμικά, ενώ τα μακροσκοπικά, στο AIMSUN, είναι στατικά. Ένα σενάριο αποτελείται από πολλές παραμέτρους. Για αυτά που αναφέρθηκαν παραπάνω, οι κύριες παράμετροι είναι τα δεδομένα ζήτησης(μέσω matrices O/D, ή traffic states), και προαιρετικά, ένα πρόγραμμα δημόσιων συγκοινωνιών, καθώς και ένα master control plan (ένα γκρουπ προγραμμάτων φωτεινής σηματοδότησης) για τα μικροσκοπικά, τα μεσοσκοπικά και τα υβριδικά μοντέλα προσομοίωσης. Στο AIMSUN, είτε πρόκειται για μικροσκοπική, μεσοσκοπική ή υβριδική προσομοίωση, κάθε δυναμικό σενάριο μπορεί να έχει διαφορετικά δυναμική πειράματα και κάθε πείραμα μπορεί να έχει διαφορετικές επαναλήψειςreplications. Διατίθεται η δυνατότητα να συμπεριλαμβάνεται και μια συγκεντρωτική επανάληψη-replication που να παράγει τον μέσο όρο των προηγουμένων που έτρεξαν (average replication) ΑΛΓΟΡΙΘΜΟΙ ΠΟΥ ΧΡΗΣΙΜΟΠΟΙΟΥΝΤΑΙ ΓΙΑ ΤΗΝ ΜΙΚΡΟΣΚΟΠΙΚΗ ΠΡΟΣΟΜΟΙΩΣΗ Όπως είναι φυσικό σε ένα πρόγραμμα μικροσκοπικής προσομοίωσης, λαμβάνονται υπόψη αλγόριθμοι με βάση τους οποίους αναπαράγεται η κίνηση ενός οχήματος καθώς αυτό κυκλοφορεί σε ένα δίκτυο αλληλοεπιδρώντας με την υπόλοιπη κυκλοφορία. Οι αλγόριθμοι στους οποίους βασίζεται η διαδικασία προσομοίωσης της κυκλοφορίας στο περιβάλλον του AIMSUN είναι οι εξής: Αλγόριθμος ακολουθίας οχημάτων: Ένας από τους πιο διαδεδομένους αλγορίθμους ακολουθίας οχημάτων είναι αυτός του Gipps. Το AIMSUN χρησιμοποιεί μια τροποποιημένη έκδοση αυτού, στο οποίο οι παράμετροι δεν είναι σταθεροί και προκαθορισμένοι, αλλά διαφοροποιούνται ανάλογα με δεδομένα όπως: τύπος οδηγού, γεωμετρίας δικτύου, επιρροή που ασκούν τα οχήματα στις διπλανές λωρίδες κλπ. Αλγόριθμος αλλαγής λωρίδας: Ο αλγόριθμος αλλαγής λωρίδας μπορεί επίσης να θεωρηθεί ως εξέλιξη του μοντέλου αλλαγής λωρίδας κυκλοφορίας τους Gipps. Η αλλαγή λωρίδας προσομοιώνεται σαν μια διαδικασία λήψης απόφασης, αναλύοντας την αναγκαιότητα ή/και την επιθυμία για αλλαγή λωρίδας (επίτευξη της επιθυμητής ταχύτητας, σε περίπτωση που το προπορευόμενο όχημα κινείται με χαμηλότερη ταχύτητα ή αναγκαστική αλλαγή λωρίδας για καλύτερη θέση πριν από μια στροφή) και τις επικρατούσες συνθήκες στο σημείο του δικτύου, όπου το όχημα επιχειρεί να αλλάξει λωρίδα. [33]

35 Αλγόριθμος «look ahead»: Ο αλγόριθμος αυτός αποτελεί στην ουσία μια βελτίωση στο αλγόριθμο αλλαγής λωρίδας. Σε περίπτωση κυκλοφοριακής συμφόρησης είναι δυνατόν κάποια οχήματα να μην είναι σε θέση να προσεγγίσουν την επιθυμητή λωρίδα και συνεπώς να χάνουν την έξοδο. Ο αριθμός των «χαμένων» εξόδων μπορεί να ελαχιστοποιηθεί με τη βελτίωση της συμπεριφοράς των οδηγών συντονίζοντας ορισμένες παραμέτρους του αλγορίθμου όπως οι αποστάσεις στις οποίες επιλέγεται η αλλαγή λωρίδας, το βήμα της προσομοίωσης και οι δείκτες επιτάχυνσης. Η σημαντική βελτίωση στον αλγόριθμο αλλαγής λωρίδας μέσω του αλγορίθμου «look-ahead» έχει σαν στόχο να παρέχει στα οχήματα τη γνώση πολλών στρεφουσών κινήσεων και όχι μόνο μιας, έτσι ώστε να είναι σε θέση οι οδηγοί, να λαμβάνουν αποφάσεις βασιζόμενες όχι μόνο στην αμέσως επόμενη στρέφουσα κίνηση, αλλά σε μια σειρά στρεφουσών κινήσεων. Αλγόριθμος αλλαγής λωρίδας σε ράμπες εισόδου: Ένας ειδικός αλγόριθμος αλλαγής λωρίδας εφαρμόζεται στις ράμπες εισόδου. Ορίζεται ως παράμετρος η απόσταση της ράμπας εισόδου (Time Distance On Ramp). Αυτή είναι η απόσταση (σε δευτερόλεπτα, που μετατρέπεται σε απόσταση όπως προηγουμένως) από τις πλευρικές λωρίδες της ράμπας εισόδου και επιτρέπει τη διάκριση μιας κοινής πλευρικής λωρίδας, μιας μεγάλου μήκους δηλαδή λωρίδας η οποία χρησιμοποιείται για προσπέραση, από τις λωρίδες ράμπας εισόδου, οι οποίες δε χρησιμοποιούνται ποτέ για προσπέραση. Τα οχήματα τα οποία κινούνται σε μια πλευρική λωρίδα και βρίσκονται πιο μακριά από την απόσταση της ράμπας εισόδου συμπεριφέρονται σαν να βρίσκονται σε ένα τυχαίο σημείο μιας κανονικής λωρίδας. Όταν βρίσκονται σε κοντινότερη απόσταση, συμπεριφέρονται σαν να πρέπει να εισέλθουν οχήματα από τη ράμπα εισόδου. Το υπόδειγμα λαμβάνει υπόψη εάν ένα όχημα έχει ακινητοποιηθεί ή όχι. Στην περίπτωση που είναι ακινητοποιημένο ενημερώνεται αν βρίσκεται στην αρχή της ουράς ή όχι και πόση ώρα βρίσκεται σε αναμονή. Υπάρχει επίσης μια ακόμα παράμετρος του οχήματος, ο μέγιστος χρόνος αναμονής (Maximum Waiting Time), η οποία καθορίζει τη χρονική διάρκεια την οποία είναι διατεθειμένο ένα όχημα να βρίσκεται σε αναμονή πριν αρχίσει να γίνεται «ανυπόμονο» και να προσπαθεί να εισέλθει πιο απότομα στο οδικό τμήμα.[23] [34]

36 ΚΕΦΑΛΑΙΟ 3: ΣΥΣΤΗΜΑ ΕΝΕΡΓΕΙΑΚΑ ΑΠΟΔΟΤΙΚΩΝ ΣΗΜΑΤΟΔΟΤΟΥΜΕΝΩΝ ΚΟΜΒΩΝ (ENERGY EFFICIENT INTERSECTION SERVICE) 3.1 ΤΙ ΕΙΝΑΙ ΤΟ E.E.I.S. Το E.E.I.S., ή αλλιώς Energy Efficient Intersection Service, είναι ένα σύστημα το οποίο παρέχει σε πραγματικό χρόνο συμβουλές στους οδηγούς σχετικά με τον τρόπο οδήγησης (ταχύτητα πορείας, ομαλή επιτάχυνση/επιβράδυνση) που προτείνεται να ακολουθήσουν κατά την προσέγγιση ενός σηματοδοτούμενου κόμβου, με σκοπό την μέγιστη δυνατή επίτευξη εξοικονόμησης καυσίμου και μείωσης εκπομπών αερίων. Το σύστημα αυτό αποτελεί προέκταση της διεθνώς αποδεχομένης στρατηγικής eco-driving (οικολογικής οδήγησης). Η στρατηγική αυτή έχει ως στόχο την μεταβολή της συμπεριφοράς των οδηγών προς μια περισσότερο «οικονομική» και ομαλή οδήγηση χωρίς υψηλές ταχύτητες και απότομες επιταχύνσεις, ώστε να μειωθεί η εκπομπή CO2 στην ατμόσφαιρα και κατ επέκταση και η κατανάλωση καυσίμου. Μέχρι πρότινος η στρατηγική eco-driving βασιζόταν σε απλές εκστρατείες ενημέρωσης των οδηγών. Μέσω της λειτουργίας των E.E.I.S. αυτό τείνει να αλλάξει. Πλέον ο οδηγός μπορεί να ενημερώνεται εκείνη την στιγμή σε πραγματικό χρόνο μέσω της δυναμική προσέγγισης του συστήματος το οποίο παρέχει συμβουλές ανάλογα με τις μεταβαλλόμενες συνθήκες κυκλοφορίας και τα στοιχεία των εκάστοτε υποδομών. Η δημιουργία του έξυπνου αυτού συστήματος οφείλεται στην ευρεία ανάπτυξη των I.T.S.(Intelligent Transportation Systems) και στην ουσία αποτελεί το πάντρεμα των αλγορίθμων σχεδιασμού ταχύτητας, που μέχρι πρότινος χρησιμοποιούνταν για βελτίωση της οδικής ασφάλειας, με την εκτεταμένη έρευνα που έχει γίνει για την σχέση μεταξύ ταχύτητας και κατανάλωσης καυσίμων και εκπομπής αερίων. Στην μέχρι τώρα μελέτη των E.E.I.S. έχουν διαμορφωθεί διαφορετικές προσεγγίσεις και πλήθος case studies τα περισσότερα και σημαντικότερα εκ των οποίων αναλύονται στην συνέχεια. Αναφορικά με την συγκεκριμένη μελέτη, η πορεία που ακολουθήθηκε για τα σενάρια που εξετάστηκαν, βασίστηκε στην μεθοδολογία σχεδιασμού ταχύτητας δυναμικής οικολογικής οδήγησης που αναπτύχθηκε στο πανεπιστήμιο του Riverside στην Καλιφόρνια της Αμερικής και για τον λόγο αυτό δίνεται ιδιαίτερη έμφαση στην προσέγγιση αυτή. [35]

37 3.2 ΡΥΠΑΝΣΗ ΣΤΙΣ ΟΔΙΚΕΣ ΜΕΤΑΦΟΡΕΣ Η ΣΤΡΑΤΗΓΙΚΗ «ECO-DRIVING» Ένα από τα σημαντικότερα προβλήματα της εποχής είναι η περιβαλλοντική επιβάρυνση η οποία δείχνει να είναι συνυφασμένη με την βιομηχανικήτεχνολογική ανάπτυξη των τελευταίων ετών. Παρόμοια εικόνα παρουσιάζεται και στον τομέα των μεταφορών, όπου οι ρύποι των μηχανών των αυτοκινήτων δυσχεραίνουν ολοένα και περισσότερο την ήδη επιβαρυμένη κατάσταση. Πιο συγκεκριμένα οι εκπομπές αερίων CO2 είναι υπεύθυνες κατά μεγάλο ποσοστό για το φαινόμενο του θερμοκηπίου. Επίσης η κατανάλωση καυσίμου από την μηχανοκίνητη μετακίνηση προκαλεί και αυτή με την σειρά της προβλήματα αφού η αύξηση της χρήσης του ΙΧ και η συνολική αύξηση του αριθμού των οχημάτων ανά τον κόσμο συνεπάγεται την ανάγκη για περισσότερα καύσιμα. Το πρόβλημα της αυξανόμενης κίνησης οχημάτων στα ήδη κυκλοφοριακά επιβαρυμένα δίκτυα των μεγάλων χωρών ανά τον κόσμο οδηγεί σε έντονα φαινόμενα συμφόρησης, αυξάνοντας την καθυστέρηση στις οδικές μετακινήσεις και επηρεάζοντας την ομαλότητά τους. Οι απότομες αυξομειώσεις της ταχύτητας και οι συχνές στάσεις κατά μήκος μιας οδικής αρτηρίας αυξάνουν την κατανάλωση καυσίμου και κατ επέκταση και τις εκπομπές CO2. Το φαινόμενο αυτό γίνεται ακόμα μεγαλύτερο στις αστικές περιοχές όπου η ύπαρξη φωτεινής σηματοδότησης σε κόμβους εξαναγκάζει τα οχήματα σε στάσεις. Το 2007 η Ευρωπαϊκή επιτροπή εξέδωσε αποτελέσματα έρευνας με βάση τα οποία η αστική κυκλοφορία ευθύνεται για το 40% των εκπομπών CO2,την ώρα που αντίστοιχα στοιχεία στην Αμερική δείχνουν την ίδια εικόνα. Ως αποτέλεσμα των προηγουμένων, πλήθος ενεργειών, εκστρατειών και πολιτικών ανά τον κόσμο στοχεύουν στην εξομάλυνση περιβαλλοντικών επιβαρύνσεων που προκαλούνται στον τομέα των μεταφορών. Οι προσπάθειες και οι στρατηγικές της Ευρωπαϊκής Ένωσης για μια στροφή σε περισσότερο πράσινες μετακινήσεις, συγκεντρώνονται στην Πράσινη και την Λευκή Βίβλο. Στα πλαίσια των περιβαλλοντικών στρατηγικών τα τελευταία χρόνια έχει υπάρξει σημαντικό ενδιαφέρον για την ανάπτυξη εφαρμογών I.T.S. (Intelligent Transport Systems) που στοχεύουν στην εξοικονόμηση ενέργειας και ωφελούν το περιβάλλον. Πολλές από αυτές τις εφαρμογές υλοποιούνται σε διάφορα μεγάλα ερευνητικά προγράμματα, όπως το Ευρωπαϊκό ερευνητικό πρόγραμμα ECOSTAND, και το Αμερικάνικο AERIS. Μία από τις στρατηγικές για τη μείωση της κατανάλωσης καυσίμου και των αερίων του θερμοκηπίου μέσα από τις εκπομπές των οχημάτων, η eco-driving (οικολογική οδήγηση, όπως θα αναφέρεται στην συνέχεια) έχει κερδίσει το ενδιαφέρον των επιστημόνων τόσο στις Ηνωμένες Πολιτείες καθώς και στην Ασία και στην Ευρώπη, κυρίως λόγω της απόδοσής της. Κύριος σκοπός των προγραμμάτων της οικολογικής οδήγησης είναι να παρέχουν στους οδηγούς με μια ποικιλία από συμβουλές και σχόλια με στόχο την αλλαγή της συμπεριφοράς στην οδήγηση ενός οδηγού, προκειμένου να μειωθεί η [36]

38 κατανάλωση καυσίμων και τις εκπομπές. Οι συμβουλές μπορούν να διοχετεύονται με διάφορα μέσα συμπεριλαμβανομένης μιας ιστοσελίδας ή ενός φυλλαδίου, ή ακόμα και μέσω ειδικών σεμιναρίων. Οι ειδικές συμβουλές ενδέχεται να περιλαμβάνουν στοιχεία όπως: αλλαγή ταχυτήτων το συντομότερο δυνατόν διατήρηση σταθερής ταχύτητας πρόβλεψη της ροής της κυκλοφορίας ομαλή επιτάχυνση και επιβράδυνση σωστή συντήρηση και διατήρηση του οχήματος σε καλή κατάσταση Τα αποτελέσματα από τα διάφορα προγράμματα οικολογικής οδήγησης στην Ευρώπη έχουν δείξει βελτιώσεις στην οικονομία καυσίμου της τάξης του 5 έως 15%. Αυτού του είδους οι εκστρατείες όμως είναι στατικού χαρακτήρα μιας και τα αποτελέσματά τους φαίνονται μετά την ολοκλήρωσή τους. Επόμενο βήμα στην προσπάθεια για καλύτερα αποτελέσματα ήταν η διερεύνηση της δυνατότητας επικοινωνίας του οδηγού, μέσω του οχήματος, με την ίδια την υποδομή. Η επίτευξη δηλαδή μιας ενημέρωσης του οδηγού σε πραγματικό χρόνο. [37]

39 3.3 ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΙ ΘΕΩΡΗΤΙΚΗ ΒΑΣΗ ΓΙΑ ΤΗΝ ΔΗΜΙΟΥΡΓΙΑ ΤΩΝ E.E.I.S ΕΠΙΚΟΙΝΩΝΙΑ ΟΧΗΜΑΤΩΝ-ΟΔΙΚΗΣ ΥΠΟΔΟΜΗΣ Εκμεταλλευόμενοι την ανάπτυξη της τεχνολογίας και των έξυπνων συστημάτων στις μεταφορές (I.T.S.), οι ερευνητές ανέπτυξαν την ιδέα της χρήσης του οχήματος ως μέσω επικοινωνίας με τον οδηγό. Η εξέλιξη της τεχνολογίας δίνει την δυνατότητα της επικοινωνίας μεταξύ οχήματος και υποδομής (V2I-Vehicle to Infrastructure) ή ακόμα και μεταξύ οχημάτων (V2V-Vehicle to Vehicle). Ο τρόπος επικοινωνίας είναι εφικτός μέσω δικτύου κινητής τηλεφωνίας (4G / LTE) είτε μέσω DSRC(Dedicated Short Range Communications). Το DSRC είναι τύπος WIFI ειδικά προσαρμοσμένο για οχήματα με μικρό κόστος κατασκευής. Συγκρίνοντας τους δύο αυτούς τρόπους, το DSRC είναι περισσότερο ακριβές ωστόσο μικρότερης εμβέλειας από τα δίκτυα κινητής τηλεφωνίας, με αποτέλεσμα να είναι κατάλληλο για μεμονωμένες περιπτώσεις (επικοινωνία οχήματος με το κοντινότερο επιθυμητό τμήμα υποδομής). Αντίθετα το δίκτυο κινητής τηλεφωνίας μπορεί να χρησιμοποιηθεί για επικοινωνία με πλήθος τμημάτων υποδομής αφού έχει μεγαλύτερη εμβέλεια, αρκεί να το επιτρέπει το σήμα της εκάστοτε περιοχής. Όσον αφορά για την πληροφορία που μπορεί να διαμοιραστεί, τα δεδομένα που δύναται να αποστέλλονται από οχήματα περιλαμβάνουν την τοποθεσία σε πραγματικό χρόνο, την ταχύτητα, την ενδεχόμενη επιτάχυνση, τις εκπομπές CO2, την κατανάλωση καυσίμου και άλλα διαγνωστικά στοιχεία του οχήματος. Τα δεδομένα που κοινοποιούνται στα οχήματα μπορεί να είναι κυκλοφοριακές πληροφορίες σε πραγματικό χρόνο, μηνύματα ασφάλειας, χρονισμός και φάση σηματοδοτών σε κόμβους, τα βέλτιστα όρια της οικολογικής ταχύτητας, διαδρομές που προτείνονται για μειωμένη κατανάλωση, πληροφορίες για στάθμευση και άλλα. Επίσης τα εξοπλισμένα οχήματα μπορούν να χρησιμοποιούν και άλλες τεχνολογίες όπως radar και LIDAR για ανίχνευση εμποδίων και συγκεκριμένων σημείων κατά την πορεία του οχήματος.[14] ISA (Intelligent Speed Adaptation) Στην προσπάθεια για μείωση της συμφόρησης και βελτίωση της ασφάλειας στης οδικές μεταφορές, το πανεπιστήμιο του Groningen ανέπτυξε μια έξυπνη μέθοδο υιοθέτησης ταχύτητας, το λεγόμενο ISA. Αυτή μέθοδος είναι εφικτή μέσω της ανάπτυξης της σύνδεσης μεταξύ οχημάτων και οδικής υποδομής η οποία περιγράφτηκε στην προηγούμενη παράγραφο. Το ISA χρησιμοποιεί ως δεδομένα πληροφορίες για τη θέση και τον χρόνο ώστε να διαχειριστεί την ταχύτητα του οχήματος, πρωτίστως για λόγους ασφάλειας. [38]

40 Πιο συγκεκριμένα, είναι μια διαδικασία που παρακολουθεί την ταχύτητα του οχήματος, τη συγκρίνει με μία αντίστοιχα ορισμένη ταχύτητα, και λαμβάνει διορθωτικά μέτρα, όπως την παροχή συμβουλών στον οδηγό ή/και υπόδειξη της μέγιστης ταχύτητας. Τα περισσότερα συστήματα που χρησιμοποιούν την μέθοδο ISΑ, εκτός των συστημάτων σύνδεσης που προαναφέρθηκαν, βασίζονται σε τεχνολογίες όπως δέκτες GPS και συσκευές εντός οχήματος με βάσεις δεδομένων που περιέχουν στοιχεία οδικών αξόνων. Ο τρόπος εφαρμογής της μεθόδου ISA μπορεί να είναι τριών ειδών, ανάλογα με το πώς υποδεικνύεται η προτεινόμενη ταχύτητα επηρεάζοντας αντίστοιχα την συμπεριφορά του οδηγού: Συμβουλευτική: τα όρια ταχύτητας και οι προτάσεις προβάλλονται μέσω μιας συσκευής στον οδηγό και είναι στην δική του ευχέρεια το αν θα συμμορφωθεί με αυτές και θα τις ακολουθήσει. Μέσω ενεργής υποστήριξης: το ίδιο το σύστημα μπορεί να προσαρμόσει την βέλτιστη ταχύτητα του οχήματος, ωστόσο ο οδηγός έχει την δυνατότητα να επέμβει σε αυτό. Επιτακτική: σε αυτή την περίπτωση το σύστημα επιβάλει την βέλτιστη ταχύτητα και ο οδηγός δεν μπορεί να παρέμβει ή να την αλλάξει ΔΙΕΡΕΥΝΗΣΗ ΤΗΣ ΣΧΕΣΗΣ ΤΑΧΥΤΗΤΑΣ ΚΑΙ ΕΚΠΟΜΠΩΝ/ΚΑΤΑΝΑΛΩΣΗΣ Όσα αναφέρθηκαν μέχρι τώρα στο κεφάλαιο αυτό υποδεικνύουν την έντονη σχέση που έχει η ταχύτητα κίνησης ενός οχήματος με την κατανάλωσή του, και κατά συνεπαγωγή και με την εκπομπή ρύπων στο περιβάλλον. Η σχέση αυτή έχει στο παρελθόν αναλυθεί εκτενώς από τους M. Barth και K. Boriboonsomsin [16] και προϊόν αυτής της έρευνας είναι το γράφημα που ακολουθεί το οποίο παρουσιάζει την γραφική παράσταση της σχέση τους θεωρώντας τις εκπομπές και την κατανάλωση ανάλογες ως προς την διανυώμενη απόσταση. Σύμφωνα με το διάγραμμα, σε χαμηλές ταχύτητες τα οχήματα αυξάνουν την καθυστέρηση της μετακίνησής τους παρατείνοντας τον χρόνο ταξιδιού και συνεπώς παρουσιάζοντας μεγάλη τιμή κατανάλωσης ανά διανυώμενη μονάδα μήκους (στην συγκεκριμένη περίπτωση μίλια). Στις υψηλότερες ταχύτητες ο κινητήρας ενός οχήματος εξαναγκάζεται να καταναλώσει περισσότερο καύσιμο ώστε να αυξήσει την απόδοσή του για να ξεπεραστούν οι αεροδυναμικές αντιστάσεις και,ως εκ τούτου, οι εκπομπές είναι υψηλότερες. Μεταξύ αυτών των άκρων, η κατανάλωση καυσίμου και οι εκπομπές ελαχιστοποιούνται μεταξύ 20 και 60 μιλίων ανά ώρα, ανάλογα πάντα και με τον τύπο του οχήματος. Συμπερασματικά, προκειμένου να ελαχιστοποιηθεί η συνολική κατανάλωση και οι εκπομπές ρύπων, η βέλτιστη περίπτωση είναι να διατηρείται μια σταθερή ταχύτητα ανάμεσα σε αυτά τα όρια. [16] [39]

41 Διάγραμμα 7: Σχέση κατανάλωσης-μέσης ταχύτητας πορείας οχήματος ΔΙΕΡΕΥΝΗΣΗ ΤΗΣ ΠΟΡΕΙΑΣ ΚΑΤΑ ΤΗΝ ΠΡΟΣΕΓΓΙΣΗ ΣΕ ΣΗΜΑΤΟΔΟΤΟΥΜΕΝΟ ΚΟΜΒΟ Η προσπάθεια διερεύνησης των επιθυμητών ορίων ταχύτητας ώστε να ελαχιστοποιείται η κατανάλωση και οι εκπομπές αερίων εμποδίζεται ιδιαίτερα όταν γίνεται αναφορά σε δίκτυα στα οποία υπάρχει διακοπτόμενη κυκλοφορία λόγω φωτεινής σηματοδότησης. Τα σενάρια που δοκιμάζονται στην συγκεκριμένη εργασία αφορούν ένα τέτοιου είδους δίκτυο. Η διερεύνηση των χαρακτηριστικών της κατανάλωσης και της εκπομπής ρύπων ενός οχήματος κατά την προσέγγιση μιας διασταύρωσης αποτελεί πυρήνα της λογικής των αλγορίθμων των E.E.I.S.(η χρήση των οποίων αποτελεί και το βασικό πειραματικό κομμάτι της εργασίας) η οποία και αναλύεται στην επόμενη παράγραφο. Λαμβάνεται υπόψη η περίπτωση προσέγγισης ενός οχήματος σε έναν σηματοδοτούμενο κόμβο, η οποία παρουσιάζεται μέσω ενός διαγράμματος απόστασης/χρόνου. Στο σχήμα, ο σηματοδότης αλλάζει φάση με το χρόνο, όπως παρουσιάζεται με τους διαφορετικούς χρωματισμούς των γραμμών (πράσινη κίτρινη και κόκκινη). Θεωρώντας ότι η αρχική ταχύτητα v(t) και η θέση d(t) είναι πάντα ίδια, υπάρχουν 4 διαφορετικά σενάρια που ενδέχεται να συμβούν όπως αυτά φαίνονται αριθμημένα: 1. Σενάριο πρώτο: ο οδηγός γνωρίζει ότι η φάση ενδέχεται να αλλάξει σύντομα και καθώς το όχημα πλησιάζει στον κόμβο αυξάνει ταχύτητα και προλαβαίνει να περάσει με την πράσινη ένδειξη χωρίς να χρειαστεί να μειώσει ταχύτητα ή να ακινητοποιηθεί. [40]

42 2. Σενάριο δεύτερο: ο οδηγός δεν γνωρίζει το χρονικό διάστημα στο οποίο απέχει από την κόκκινη ένδειξη ή ακόμα και αν το γνωρίζει, το αγνοεί, με αποτέλεσμα να ακολουθήσει την ίδια ταχύτητα και φτάνοντας στον κόμβο να φρενάρει απότομα λόγω κίτρινης ένδειξης και να ακινητοποιήσει το όχημά του. 3. Σενάριο τρίτο: ο οδηγός αφήνει το πόδι του από το γκάζι και φθάνει στον κόμβο επιβραδύνοντας χωρίς ωστόσο να αποφύγει τη στάση. 4. Σενάριο τέταρτο: ο οδηγός επιβραδύνει και συνεχίζει την πορεία του με χαμηλή ταχύτητα ώστε η ένδειξη να ξαναγίνει πράσινη χωρίς να χρειαστεί να σταματήσει το όχημά του. Διάγραμμα 8: Αναπαράσταση των τεσσάρων πιθανών σεναρίων κατά την προσέγγιση σηματοδοτούμενου κόμβου Όπως είναι φυσικό κάθε ένα από τα 4 αυτά σενάρια παρουσιάζει διαφορετικό αποτέλεσμα ως προς την κατανάλωση και τις εκπομπές. Αυτό δεν συμβαίνει μόνο εξαιτίας του διαφορετικού προφίλ ταχύτητας/επιτάχυνσης που υιοθετεί ο οδηγός σε κάθε σενάριο, αλλά και λόγω της έντονης κατανάλωσης που είναι αντίκτυπο της στάσης και επανέναρξης της κίνησης του οχήματος. Συγκεκριμένα, στο πρώτο σενάριο, μπορεί ο οδηγός να μην αναγκάστηκε να σταματήσει την πορεία του, αλλά η απότομη επιτάχυνση προφανώς και ώθησε το όχημα στην αυξημένη κατανάλωση. Στο δεύτερο σενάριο μπορεί η ταχύτητα να διατηρήθηκε, όμως φτάνοντας στον κόμβο, η κίνηση διακόπτεται με απότομη επιβράδυνση και ακολουθεί μια μεγάλη περίοδος στάσης. Αντίθετα με τις δύο πρώτες περιπτώσεις, στο τρίτο σενάριο η κατανάλωση είναι προφανώς μικρότερη λόγω της παραμονής του οχήματος σε κατάσταση «εν κινήσει» αλλά η στάση του στον κόμβο κάνει το σενάριο πιο «ρυπογόνο» σε σχέση με το τέταρτο στο οποίο ο οδηγός δεν σταματάει καθόλου το όχημα, και μάλιστα οι οποιεσδήποτε αυξομειώσεις ταχύτητας δεν είναι πολύ έντονες. Λαμβάνοντας υπόψη όλα αυτά τα εξεταζόμενα σενάρια, το συμπέρασμα που προκύπτει είναι πως μια ιδανική περίπτωση η κίνηση ενός οχήματος πρέπει να πληρεί ορισμένες προϋποθέσεις: [41]

43 1. Διατήρηση μιας σταθερής ταχύτητας, κοντά πάντα στα επιτρεπτά όρια. 2. Διατήρηση σταθερής και ασφαλούς απόστασης από τα προπορευόμενα οχήματα. 3. Σε καμία περίπτωση διάβαση της διασταύρωσης με κόκκινο. 4. Αποφυγή στάσης στον κόμβο. 5. Σε περίπτωση που δεν είναι εφικτή η αποφυγή της στάσης, προσπάθεια για περιορισμό του χρόνου στάσης στο ελάχιστο δυνατό. [42]

44 3.4 Η ΛΕΙΤΟΥΡΓΙΑ ΤΩΝ E.E.I.S. ΔΙΑΦΟΡΕΤΙΚΕΣ ΠΡΟΣΕΓΓΙΣΕΙΣ ΚΑΙ ΜΕΛΕΤΕΣ ΕΦΑΡΜΟΓΗΣ Η ΠΡΟΣΕΓΓΙΣΗ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ RIVERSIDE ΤΗΣ ΚΑΛΙΦΟΡΝΙΑΣ Τα τελευταία χρόνια το τμήμα ηλεκτρολόγων μηχανικών του πανεπιστημίου του Riverside της Καλιφόρνιας, σε συνδυασμό με το τμήμα περιβαλλοντικής και τεχνολογικής έρευνας του ίδιου ιδρύματος, έχουν ασχοληθεί εκτενώς με το ζήτημα της οικολογικής οδήγησης (eco-driving). Στα πλαίσια της έρευνας τους έχουν ξεκινήσει από το 2009 να διερευνούν την περίπτωση της δυναμικής οικολογικής οδήγησης με ενημέρωση του οδηγού σε πραγματικό χρόνο, αναπτύσσοντας ένα μοντέλο υπολογισμού-πρόβλεψης των εκπομπών και των ρύπων των οχημάτων. Το μοντέλο αυτό ονομάζεται CMEM (Comprehensive Modal Emissions Model) και όπως προαναφέρθηκε δίνει την δυνατότητα πρόβλεψης της ανά δευτερολέπτου κατανάλωσης καυσίμου και της εκπομπής ρύπων ανάλογα πάντα με την ακολουθούμενη τροχιά του κάθε οχήματος και τον τύπο του (ως προς τους διαφορετικούς τύπου οχημάτων, καλύπτεται μια μεγάλη κατηγορία). Τα δεδομένα που προβλέπει και συλλέγει μπορεί να είναι είτε από μεμονωμένα οχήματα είτε από ένα συνολικό ρεύμα οχημάτων και είναι κατάλληλο για την ανάπτυξη και μελέτη απόδοσης συστημάτων I.T.S.. Πλεονέκτημά του έναντι άλλων αντίστοιχων μοντέλων η παραμετροποιημένη αναλυτική αναπαράσταση της διαδικασίας κατανάλωσης καυσίμου και παραγωγής ρύπων. Η διαδικασία αυτή με βάση το CMEM αναλύεται σε πολλά τμήματα που αντιστοιχούν σε φυσικές διεργασίες που σχετίζονται με τη λειτουργία του οχήματος και την παραγωγή εκπομπών. Τα τμήματα αυτά εμπεριέχουν παραμέτρους που βασίζονται στους διαφορετικούς τύπους και καταστάσεις οχημάτων με αποτέλεσμα να δίνεται η δυνατότητα προσαρμογής πολλών από τις παραμέτρους αυτές για την πρόβλεψη της κατανάλωσης ενέργειας και εκπομπών μελλοντικών μοντέλων οχημάτων ή και συστημάτων I.T.S.. Οι πρώτες έρευνες αφορούσαν ελεύθερες λεωφόρους χωρίς διακοπή της κυκλοφορίας. Ωστόσο στην συνέχεια διερευνήθηκε και η περίπτωση της οικολογικής οδήγησης σε δρόμους με διασταυρώσεις όπου η κυκλοφορία ρυθμίζεται με προγράμματα σηματοδότησης. Πιο συγκεκριμένα μελετήθηκε εκτενώς η διαδικασία προσέγγισης και απομάκρυνσης ενός οχήματος από έναν κόμβο λαμβάνοντας υπόψη όλα τα τεχνολογικά μέσα και την θεωρία στην οποία μπορούσε να βασιστεί μια τέτοια έρευνα. Μελετήθηκαν τα σενάρια προσέγγισης ενός οχήματος σε έναν κόμβο με βάση της σχέση της ταχύτητας προσέγγισης με την κατανάλωση. Αποτέλεσμα ήταν η δημιουργία ενός αλγορίθμου σχεδιασμού ταχύτητας ο οποίος μπορεί να προβλέψει την ιδανική προσαρμογή της κίνησης του οχήματος ώστε να πληρούνται οι απαιτήσεις κατά την προσέγγιση ενός οχήματος σε έναν σηματοδοτούμενο κόμβο. [43]

45 Αναφορικά με τα στοιχεία για την λειτουργία του αλγορίθμου, τα τεχνολογικά μέσα που παρουσιάστηκαν στην προηγούμενη παράγραφο έδωσαν την δυνατότητα συλλογής όλων των απαραίτητων δεδομένων εισαγωγής καθώς και την δυνατότητα μετάδοσης των αποτελεσμάτων στον οδηγό. Αυτές οι παράμετροι περιλαμβάνουν: vmax : η μέγιστη ταχύτητα με βάση το όριο ταχύτητας και την λογικής της ακολουθίας οχημάτων (car-following). Προκύπτει από επιμέρους δεδομένα εισαγωγής: vlimit : το τοπικό όριο ταχύτητας ds : ασφάλεια απόστασης από προπορευμένο όχημα th : χρονική απόσταση από προπορευμένο όχημα vp : ταχύτητα προπορευόμενου οχήματος vc : η αρχική ταχύτητα του οχήματος d0 : η απόσταση του οχήματος από την διασταύρωση tsignal : το ενδεχόμενο «πράσινο τμήμα» στο οποίο μπορεί το όχημα να περάσει τη διασταύρωση. Είναι στην ουσία το αποτέλεσμα που προκύπτει από τα επιμέρους δεδομένα Signal Phase and Timing (πληροφορίες φάσης και χρόνου του σηματοδότη), ή αλλιώς SPaT: tr1 : χρόνος μέχρι την κόκκινη ένδειξη του σηματοδότη tg1 : χρόνος μέχρι την πράσινη ένδειξη του σηματοδότη tr2 : χρόνος μέχρι την δεύτερη κόκκινη ένδειξη του σηματοδότη vtarget : η βέλτιστη ταχύτητα με την οποία το όχημα μπορεί να περάσει την επόμενη διασταύρωση με πράσινη ένδειξη. Προκύπτει από τα επιμέρους δεδομένα: vl : το κατώτατο όριο της vtarget vh : το ανώτατο όριο της vtarget Το λογικό διάγραμμα της πορείας του αλγόριθμου σχεδιασμού ταχύτητας περιγράφεται αναλυτικά παρακάτω στα διαγράμματα Αρχικά εισάγονται σε έναν αλγόριθμο ακολουθίας οχημάτων τα δεδομένα που απαιτούνται για να προκύψει η μέγιστη δυνατή ταχύτητα που μπορεί να αναπτυχθεί με βάση τις συνθήκες κίνησης (όριο ταχύτητας και προπορευόμενο όχημα). [44]

46 Διάγραμμα 9: Αλγόριθμος σχεδιασμού ταχύτητας πανεπιστημίου της Καλιφόρνια (υπολογισμός μέγιστης δυνατής ταχύτητας) Παράλληλα με βάση τα δεδομένα που συλλέγονται για την φάση της σηματοδότησης, υπολογίζεται το χρονικό όριο στο οποίο το όχημα μπορεί να περάσει από την διασταύρωση. Διάγραμμα 10: Αλγόριθμος σχεδιασμού ταχύτητας πανεπιστημίου της Καλιφόρνια (υπολογισμός πιθανού χρόνου διέλευσης) Τα προϊόντα των δύο προηγούμενων διαδικασιών εισάγονται μαζί με την απόσταση από την διασταύρωση και την αρχική ταχύτητα του οχήματος. Το αποτέλεσμά τους είναι η βέλτιστη ακολουθούμενη ταχύτητα και διερευνάται περαιτέρω η μετέπειτα ακολουθούμενη διαδικασία επιτάχυνσης ή επιβράδυνσης. [45]

47 Διάγραμμα 11: Αλγόριθμος σχεδιασμού ταχύτητας πανεπιστημίου της Καλιφόρνια (υπολογισμός βέλτιστου προφίλ ταχύτητας) Παρά τον υπολογισμό μιας βέλτιστης τιμής ταχύτητας, απομένει να υπολογιστεί και ένας κατάλληλος τρόπος επιτάχυνσης/ επιβράδυνσης ώστε να μειωθεί κατά το δυνατό περισσότερο η κατανάλωση και να αποφευχθούν απότομες ή άσκοπες επιταχύνσεις. Τα προκαθορισμένα προφίλ επιτάχυνσης και επιβράδυνσης είναι παρόμοια με τα διαγράμματα που ακολουθούν και οι εξισώσεις με βάση τις οποίες επιλύονται, είναι ένα σύστημα τριών επιμέρους εξισώσεων οι οποίες αφορούν αντίστοιχα τα τρία τμήματα Α, Β1 και Β2. Διάγραμμα 12: Προφίλ επιτάχυνσης Διάγραμμα 13: Προφίλ επιβράδυνσης [46]

48 Μελέτες εφαρμογής: Παρουσιάζονται δύο μελέτες δοκιμής που πραγματοποιήθηκαν με βάση την προσέγγιση του Πανεπιστημίου του Riverside. Και στις δύο αυτές μελέτες χρησιμοποιήθηκε ο ίδιος αλγόριθμος πρόβλεψης της βέλτιστης πορείας και σαν μοντέλο υπολογισμού των εκπομπών, το CMEM. Στην πρώτη από τις δύο μελέτες εφαρμογής επιχειρείται η προσομοίωση διαφορετικών προφίλ ταχύτητας ενός οχήματος που διέρχεται από έναν υποθετικό δρόμο με 10 διασταυρώσεις. Η επικοινωνία επιτυγχάνεται μέσω συστήματος DSRC. Οι παράμετροι που λαμβάνονται υπόψη διαφοροποιούνται κάθε φορά μέσω ενός στοχαστικού μοντέλου, βασιζόμενοι όμως σε προκαθορισμένα όρια τα οποία είναι τα εξής: Μήκος τμήματος μεταξύ διασταυρώσεων (L): Για κάθε ένα από τα τμήματα του υποθετικού δρόμου στον οποίο παρεμβάλλονται οι 10 κόμβοι, επιλέγεται τυχαία ένα μήκος μεταξύ m. Όριο ταχύτητας (vlimit): είναι 70km/h, κοινό για όλα τα τμήματα Όριο ζώνης DSRC (D): Επιλέγεται τυχαία μεταξύ του ορίου m Σηματοδότηση: Η σηματοδότηση σε κάθε έναν από τους 10 κόμβους είναι δύο φάσεων και επενεργούμενη από την κυκλοφορία. Για την επίτευξη της επενέργειας, οι χρόνοι κόκκινης και πράσινης σηματοδότησης επιλέγονται κατά τυχαίο τρόπο για κάθε διασταύρωση έτσι ώστε να ισχύει t g ~ (a, b) και t r ~ (a, b), όπου α=40sec και β=50sec. Δυναμική κινητήρα οχήματος: για της ανάγκες της πειραματικής διαδικασίας, χρησιμοποιούνται οι παράμετροι που αντιστοιχούν σε ένα μεσαίου μεγέθους τυπικό οικογενειακό Ι.Χ.. Οι μετέπειτα υπολογισμοί για κατανάλωση και ρύπους γίνονται για δύο διαφορετικούς τύπους οχημάτων: ένα Ι.Χ. οικογενειακό με πάνω από 100,000km στο κινητήρα του, και ένα ελαφρύ φορτηγό με βάρος 3,751-5,750lbs. Έγιναν 30 συνολικά επαναλήψεις της διαδικασίας. Για κάθε μία από αυτές, δημιουργήθηκε και ένα αντίστοιχο σενάριο στο οποίο με τις ίδιες παραμέτρους εκτιμήθηκε και το αντίστοιχο προφίλ πορείας για ένα βασικό σενάριο στο οποίο δεν χρησιμοποιείται σύστημα E.E.I.S. Στην περίπτωση των βασικών σεναρίων θεωρείται ότι ο οδηγός αντιλαμβάνεται την φάση του σηματοδότη μόλις 75m πριν τον κόμβο και αυτό λόγω ορατότητας. Τα αποτελέσματα ως προς την κατανάλωση, τις εκπομπές και τον χρόνο πορείας συλλέχθηκαν και παρουσιάζονται οι μέσοι όροι αυτών στους πίνακες που ακολουθούν για τους δύο τύπους οχημάτων: [47]

49 Πίνακας 2: 1 ο Case study Πανεπιστημίου του Riverside της Καλιφόρνιας, αποτελέσματα εφαρμογής συστήματος E.E.I.S. για δύο διαφορετικούς τύπους οχημάτων Όπως φαίνεται, η χρήση των συστημάτων ενεργειακά αποδοτικών σηματοδοτούμενων κόμβων οδηγεί σε μία μείωση της κατανάλωσης και των εκπομπών κατά 12% και 14% αντίστοιχα. Επίσης φαίνεται να υπάρχει και μία μικρή μείωση του χρόνου ταξιδιού. Στην δεύτερη μελέτη εφαρμογής γίνεται η διερεύνηση της αποδοτικότητας του δυναμικού αλγορίθμου σχεδιασμού ταχύτητας τόσο στην περίπτωση του μεμονωμένου οχήματος, όσο και σε επίπεδο δικτύου μέσα από διάφορα πειράματα που έγιναν στο μικροσκοπικό μοντέλο προσομοίωσης PARAMICS. Για την περίπτωση του μεμονωμένου οχήματος ισχύουν σχεδόν οι ίδιες παράμετροι πάνω στις οποίες βασίστηκε το προηγούμενο πείραμα που παρατέθηκε παραπάνω, με ορισμένες διαφοροποιήσεις. Συγκεκριμένα θεωρείται πάλι δρόμος 11 διασταυρώσεων απόστασης m μεταξύ τους, με το όριο ταχύτητας αυτή την φορά να είναι 18m/s. Αυτή την φορά τα προγράμματα σηματορύθμισης ήταν προκαθορισμένα με τον κύκλο να είναι 50sec και τον χρόνο πράσινου να είναι 20sec. Ως όχημα θεωρήθηκε το οικογενειακό αυτοκίνητο με κινητήρα όμοιο με αυτόν της προηγούμενης μελέτης εφαρμογής. Για το σύνολο των επαναλήψεων δημιουργήθηκαν αντίστοιχα επαναλήψεις βασικού σεναρίου στο οποίο δεν χρησιμοποιείται το σύστημα E.E.I.S. Τα αποτελέσματα έδειξαν βελτίωση κατανάλωσης και εκπομπών ύψους περίπου 13%. Πίνακας 3: 2 ο Case study Πανεπιστημίου του Riverside της Καλιφόρνιας, αποτελέσματα εφαρμογής συστήματος E.E.I.S. για μεμονωμένο όχημα [48]

50 Εκτός από την περίπτωση του μεμονωμένου οχήματος, διερευνήθηκαν και πειράματα με κυκλοφορία πολλών οχημάτων στα οποία εφαρμόστηκαν διαφορετικά σενάρια μεταβάλλοντας διάφορες παραμέτρους όπως ο αριθμός λωρίδων ή το επίπεδο ζήτησης και το ποσοστό εξοπλισμένων οχημάτων με σύστημα υποβοήθησης μέσω E.E.I.S. Το πρώτο πείραμα αφορά τον ίδιο δρόμο 11 διασταυρώσεων μονής, ωστόσο, λωρίδας κυκλοφορίας στην οποία ισχύουν τα εξής: Μήκος τμημάτων (L): m Σταθερός κύκλος σηματοδότησης: 50sec, με χρόνο πράσινης ένδειξης tg=20sec Όριο ταχύτητας (vlimit): 18m/s Όριο ζώνης DSRC (D): 300m Επίσης εφαρμόστηκαν διαφορετικά σενάρια ως προς των βαθμό εξοπλισμού των οχημάτων με σύστημα E.E.I.S. και ως προς την ζήτηση (κυκλοφοριακό φόρτο). Συγκεκριμένα λήφθηκαν 4 διαφορετικά σενάρια για ποσοστό εξοπλισμού επί το σύνολο της κυκλοφορίας: 5,20,50 και 100%, καθώς και 4 διαφορετικά σενάρια ζήτησης: 100,300,500 και 600 οχ/ώρα/τμήμα. Διάγραμμα 14: 2 ο Case study Πανεπιστημίου του Riverside της Καλιφόρνιας, αποτελέσματα εφαρμογής συστήματος E.E.I.S. για διαφορετικές συνθήκες κυκλοφορίας και ποσοστό εξοπλισμένων οχημάτων [49]

51 Τα αποτελέσματα έδειξαν ότι η ζήτηση δεν επηρεάζει την εξοικονόμηση καυσίμου μέχρι το ποσοστό των εξοπλισμένων οχημάτων να ξεπεράσει το 50%. Συνολικά περισσότερη μείωση της κατανάλωσης καυσίμου εμφανίζεται στα μεγάλα ποσοστά εξοπλισμού. Ιδιαίτερη έμφαση δίνεται στο γεγονός ότι τα εξοπλισμένα οχήματα που ακολουθούν τις υποδείξεις του συστήματος E.E.I.S. τείνουν να επηρεάζουν και τα οχήματα που δεν το διαθέτουν. Αυτό συμβαίνει λόγω της ακολουθίας οχημάτων. Ενδεικτικά παρουσιάζεται η επίδραση που έχει στην μείωση της κατανάλωσης ο εξοπλισμός του 20% της κυκλοφορίας με σύστημα E.E.I.S. Διάγραμμα 15: 2 ο Case study Πανεπιστημίου του Riverside της Καλιφόρνιας, εξοικονόμηση καυσίμου εξοπλισμένων οχημάτων σε σχέση με την συνολική κυκλοφορία Τέλος εξετάστηκε και η περίπτωση των πολλαπλών λωρίδων κυκλοφορίας ανά κατεύθυνση για το υπάρχων δίκτυο. Για τις ανάγκες αυτού του πειράματος διαφοροποιήθηκαν τα μεγέθη του φόρτου και διαφοροποιήθηκαν τα σενάρια και ως προς τον χρόνο σηματοδότησης. Όπως φαίνεται στα διαγράμματα, όσο μεγαλώνει ο κύκλος σηματοδότησης, τόσο μικρότερη είναι η μείωση της κατανάλωσης καυσίμου με αποτέλεσμα σε μεγάλο χρόνο κύκλου να έχουμε μέχρι και αρνητικές συνέπειες στο δίκτυο. Διάγραμμα 16: 2 ο Case study Πανεπιστημίου του Riverside της Καλιφόρνιας, αποτελέσματα εφαρμογής συστήματος E.E.I.S. για διαφορετικές συνθήκες κυκλοφορίας, ποσοστό εξοπλισμένων οχημάτων και κύκλο σηματοδότησης 60sec [50] Το συμπέρασμα των ερευνητών σχετικά με αυτό το αποτέλεσμα είναι ότι καθώς ο χρόνος

52 κύκλου και κατά συνέπεια και ο χρόνος πρασίνου αυξάνονται, τα οχήματα έχουν περισσότερες πιθανότητες να περνούν τις διασταυρώσεις χωρίς διακοπή ή επιβράδυνση. Επίσης, δεδομένου ότι τα οχήματα έχουν μεγαλύτερη ευελιξία να αλλάξουν λωρίδα, τα έμμεσα οφέλη από τα εξοπλισμένα οχήματα στα μη εξοπλισμένα μέσω της λογικής της ακολουθίας οχημάτων είναι μικρότερα. Ως εκ τούτου, η εξοικονόμηση καυσίμου δεν είναι τόσο υψηλή όπως και κατά τα προηγούμενα πειράματα. Διάγραμμα 17: 2 ο Case study Πανεπιστημίου του Riverside της Καλιφόρνιας, αποτελέσματα εφαρμογής συστήματος E.E.I.S. για διαφορετικές συνθήκες κυκλοφορίας, ποσοστό εξοπλισμένων οχημάτων και κύκλο σηματοδότησης 90sec Διάγραμμα 18: 2 ο Case study Πανεπιστημίου του Riverside της Καλιφόρνιας, αποτελέσματα εφαρμογής συστήματος E.E.I.S. για διαφορετικές συνθήκες κυκλοφορίας, ποσοστό εξοπλισμένων οχημάτων και κύκλο σηματοδότησης 120sec [51]

53 3.4.2 Η ΠΡΟΣΕΓΓΙΣΗ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΤΗΣ VIRGINIA Αντίστοιχη έρευνα πάνω σε θέματα οικολογικής οδήγησης (eco-driving) έχει γίνει και στο τμήμα μεταφορών του Πανεπιστημίου της Βιρτζίνια. Ήδη από το 2004 αναπτύχθηκε από τους Rakha και Lucic ένα δυναμικό μοντέλο υπολογισμού των μέγιστων επιπέδων επιτάχυνσης. Ιδιαιτερότητα του μοντέλου αυτού ήταν ο εύκολος τρόπος βαθμονόμησής του. Επίσης το 2011, το ίδιο τμήμα δημιούργησε ένα μοντέλο εκτίμησης των επιπέδων κατανάλωσης και των εκπομπών CO2, αντίστοιχο με το CMEM του πανεπιστημίου του Riverside. Το μικροσκοπικό αυτό μοντέλο, ονομάζεται V.T.-C.P.F.M. (Virginia Tech Comprehensive Power-Based Fuel Consumption Model) και έχει δύο μορφές ανάλογα με τις παραμέτρους που μπορούν να εισαχθούν. Η διαφορά τους είναι ότι στην πρώτη του μορφή, το VT-CPFM-1 δεν απαιτεί μηχανικά στοιχεία σχετικά με το τύπο του οχήματος, σε αντίθεση με το VT-CPFM-2. Πλεονέκτημα αυτών των δύο μορφών είναι ότι και πάλι είναι πολύ εύκολη η βαθμονόμησή τους σε σχέση με αντίστοιχου τύπου μικροσκοπικά μοντέλα εκτίμησης. Συγκεκριμένα η βαθμονόμηση μπορεί να γίνει χρησιμοποιώντας διαθέσιμα προς το κοινό στοιχεία από την Υπηρεσία Προστασίας Περιβάλλοντος και οικονομικές αξιολογήσεις καυσίμου οδικών υποδομών. [17,18] Τα δύο μικροσκοπικά μοντέλα που παρατέθηκαν έγιναν η βάση για την δημιουργία ενός αλγορίθμου εκτίμησης της βέλτιστης πορείας ενός οχήματος σε μια διασταύρωση με σκοπό την μείωση στον μέγιστο δυνατό βαθμό της κατανάλωσης και της εκπομπής ρύπων (άμεση εφαρμογή σε E.E.I.S.). Πιο συγκεκριμένα, με την βοήθεια του δυναμικού μοντέλου εκτίμησης της επιτάχυνσης είναι δυνατή η εκτίμηση πλήθους πιθανών τροχιών ενός οχήματος. Στην συνέχεια το μοντέλο VT-CPFM δίνει την δυνατότητα για υπολογισμό της κατανάλωσης και κατ επέκταση και των εκπομπών για κάθε μία από τις προβλεπόμενες τροχιές. Ο αλγόριθμος που αναπτύχθηκε λειτουργεί ως προσαρμοστικός παράγοντας που λαμβάνει πληροφορίες σε πραγματικό χρόνο από το όχημα και χρησιμοποιεί διάφορα μοντέλα για να δημιουργήσει μια βελτιστοποιημένη ταχύτητα τροχιάς. Τα δεδομένα εισόδου που απαιτούνται για την εκτίμηση περιλαμβάνουν: Πληροφορίες για το ακολουθούμενο ή το προπορευόμενο όχημα στον κλάδο της διασταύρωσης. Πληροφορίες για επερχόμενες φάσεις και χρόνους σηματοδότησης. Χαρακτηριστικά της διασταύρωσης και του οδοστρώματος. Παραμέτρους που αφορούν το ίδιο το αυτοκίνητο. Ως προς τα μοντέλα που χρησιμοποιούνται στα επιμέρους τμήματα του αλγορίθμου: [52]

54 Ένα μικροσκοπικό μοντέλο κατανάλωσης καυσίμου, στην συγκεκριμένη περίπτωση το VT-CPFM. Ένα μοντέλο πρόβλεψης της αποφόρτισης της ουράς σε έναν κόμβο. Μοντέλα επιβράδυνσης και επιτάχυνσης οχήματος, όπως αυτό που δημιουργήθηκε το 2004 από το ίδιο ίδρυμα. Μοντέλα αποφυγής σύγκρουσης. Σημαντική είναι η παρατήρηση ότι ο αλγόριθμος αυτός, τουλάχιστον μέχρι την μορφή που είχε το 2012, λαμβάνει ως παραδοχή ότι είναι δυνατή και η επικοινωνία V2V, μεταξύ δηλαδή των οχημάτων που βρίσκονται εντός της εμβέλειας του συστήματος DSRC (αναλύθηκε σε προηγούμενη παράγραφο). Επίσης σε όσα παραδείγματα εφαρμογής έχουν γίνει θεωρείται πως τα οχήματα διαθέτουν σύστημα ISA που επεμβαίνει στην πορεία του οχήματος ή ότι ο οδηγός προσαρμόζει απευθείας την κίνηση του οχήματος στις οδηγίες που λαμβάνει μέσω του συστήματος E.E.I.S. Η λογική που ακολουθείται κατά την είσοδο ενός οχήματος στην ζώνη ενός ενεργειακά αποδοτικού σηματοδοτούμενου κόμβου είναι η εξής: ΕΙΣΑΓΩΓΗ ΔΕΔΟΜΕΝΩΝ Πληροφορίες σχετικά με ακολουθούμενο ή προπορευόμενο όχημα Πληροφορίες φάσης και χρόνου σηματοδότησης Πληροφορίες για την ίδια την οδική υποδομή (κόμβου και δρόμου) ΑΛΓΟΡΙΘΜΟΣ E.E.I.S. VIRGINIA TECH COMPREHENSIVE POWER-BASED FUEL MODEL Μοντέλο πρόβλεψης της αποφόρτισης της ουράς σε έναν κόμβο Δυναμικό μοντέλο εκτίμησης επιπέδου επιβράδυνσης και επιτάχυνσης οχήματος Μοντέλο αποφυγής σύγκρουσης ΔΕΔΟΜΕΝΑ ΕΞΑΓΩΓΗΣ Βελτιωμένο προφίλ ταχύτητας Διάγραμμα 19: Προσέγγιση του πανεπιστημίου της Βιρτζίνια για την επιλογή βέλτιστου προφίλ ταχύτητας με βάση το συστημα E.E.I.S. [53]

55 Μελέτες εφαρμογής: Στην μελέτη εφαρμογής που ακολουθεί εξετάζεται η περίπτωση σύγκρισης διαφορετικών προφίλ οδήγησης κατά την υπόδειξη του συστήματος E.E.I.S. με σκοπό την εύρεση αυτού του προφίλ που οδηγεί στην μικρότερη δυνατή κατανάλωση. Στην ουσία αποτελεί μια υπόδειξη του τρόπου επιλογής μιας βέλτιστης πορείας όχι μόνο στο τμήμα ανάντη του κόμβου, αλλά και στο κατάντη αυτού όπου το όχημα αρχίζει να επιταχύνει εκ νέου. Το σύστημα αξιοποιεί της δυνατότητες επικοινωνίας μικρής εμβέλειας μέσω DSRC μεταξύ οδικής υποδομής και οχημάτων (V2I). Η βελτιστοποίηση γίνεται σε δύο στάδια: 1. Υπολογισμός του προτεινόμενου χρόνου μέχρι τον κόμβο με βάση τα διαθέσιμα δεδομένα από τον ίδιο τον κόμβο (πληροφορίες για μήκος ουράς), πληροφορίες προπορευόμενου οχήματος (αν υπάρχει) και πληροφορίες για φάση σηματοδότη (TTR=χρόνος για κόκκινη ένδειξη ή TTG=χρόνος για πράσινη ένδειξη) 2. Υπολογισμός του καταναλωτικά βέλτιστου προφίλ ταχύτητας με βάση τον χρόνο μέχρι την διασταύρωση, το μοντέλο επιτάχυνσης του οχήματος, χαρακτηριστικά δρόμου και ένα μικροσκοπικό μοντέλο κατανάλωσης καυσίμου. Επίσης λαμβάνονται υπόψη 4 διαφορετικά σενάρια ανάλογα με την φάση σηματοδότησης, την απόσταση από τον κόμβο και την αρχική ταχύτητα κατά την εισαγωγή του οχήματος στην ζώνη του E.E.I.S. Σενάριο 1: Περίπτωση κατά την οποία το όχημα κινούμενο με μία ταχύτητα v, λαμβάνει σήμα από το σύστημα ότι κινούμενο σταθερά με την ταχύτητα αυτή θα περάσει την διασταύρωση με πράσινη ένδειξη. Σενάριο 2: Περίπτωση κατά τη οποία ο σηματοδότης είναι πράσινος αλλά ο χρόνος για την κόκκινη ένδειξη TTR είναι τέτοιος που δεν επιτρέπει στον οδηγό να συνεχίσει με την ίδια ταχύτητα. Το σύστημα λέει στον οδηγό να επιταχύνει στην μέγιστη δυνατή ταχύτητα, με βάση το όριο, για να περάσει την διασταύρωση. Σενάριο 3: Περίπτωση όπου το όχημα δεν μπορεί να περάσει τον κόμβο σε καμία περίπτωση αποφεύγοντας την κόκκινη ένδειξη. Εδώ το σύστημα προειδοποιεί για αργή στάση και αναμονή για πράσινη ένδειξη στον κόμβο. Σενάριο 4: Περίπτωση όπου ο χρόνος που απαιτείται για την άφιξη του οχήματος στην διασταύρωση είναι μικρότερος από τον χρόνο που απαιτείται για την πράσινη ένδειξη. Στην περίπτωση αυτή ενδέχεται μια μείωση της ταχύτητας του οχήματος να είναι αρκετή για να φτάσει στην [54]

56 διασταύρωση όταν θα υπάρχει πράσινη ένδειξη αλλά και να αποφύγει οποιαδήποτε ουρά συναντήσει. Η μελέτη εφαρμογής λαμβάνει υπόψη το 4 ο αυτό σενάριο και αναλύει 7 διαφορετικά προφίλ οδήγησης που βελτιστοποιούν όχι μόνο την κατανάλωση που έρχεται μέσα από την επιβράδυνση στο τμήμα πριν τον κόμβο, αλλά και την κατανάλωση που προκαλεί η επιτάχυνση μετά τον κόμβο με σκοπό την επιστροφή του οχήματος στην αρχική του ταχύτητα. Το μικροσκοπικό μοντέλο που χρησιμοποιήθηκε για τον υπολογισμό της κατανάλωσης σε κάθε ένα από τα 7 προφίλ είναι το VT-CPFM-1. Επίσης γίνεται η παραδοχή ότι το σύστημα πληροφορεί τον οδηγό και αυτός υιοθετεί την οδηγία με μηδενικό χρόνο αντίδρασης, παρόμοια με την περίπτωση να υπήρχε σύστημα αυτόματης οδήγησης. Η περίπτωση που εξετάζεται έχει τις εξής παραμέτρους: ένα σύστημα DSRC με ζώνη κάλυψης χ=200m από μία διασταύρωση με φωτεινή σηματοδότηση αρχική ταχύτητα αυτοκινήτου vα=20m/s ένδειξη πράσινη σε TTG=14 sec από την στιγμή λήψης του μηνύματος, που είναι κατά την είσοδο του οχήματος στην ζώνη των 200m απουσία οχημάτων ουράς Δt=4 sec απαιτούμενος χρόνος για να περάσει το όχημα την διάβαση, ενώ 10 απαιτούνται για να φτάσει σε αυτή με την αρχική του ταχύτητα ελάχιστη δυνατή επιβράδυνση dmin=0.82 m/s 2 ελάχιστη ταχύτητα διάβασης vs= 8.57m/s επιλεγμένο όχημα: Chevrolet Malibu Ακολουθούν τα αποτελέσματα της πειραματικής διαδικασίας: Πίνακας 4: Case study πανεπιστημίου της Βιρτζίνια, αποτελέσματα στοιχείων πορείας και κατανάλωσης στα ανάντη κόμβου για διαφορετικές τιμές επιβράδυνσης κατά την προσέγγιση οχήματος σε κόμβο [55]

57 Στον παραπάνω πίνακα φαίνονται για διαφορετικές τιμές επιβράδυνσης d, αντίστοιχες τιμές ταχύτητας διάβασης vs και χρόνοι επιβράδυνσης και σταθερής πορείας μετά από αυτή (tdecel και tcruise αντίστοιχα). Στην τελευταία στήλη είναι ο υπολογισμός της κατανάλωσης σε λίτρα για το ανάντη αυτό τμήμα. Πίνακας 5: Case study πανεπιστημίου της Βιρτζίνια, αποτελέσματα στοιχείων πορείας και κατανάλωσης για διαφορετικά προφίλ επιτάχυνσης κατά την ανάκτηση της αρχικής ταχύτητας μετά την διάβαση του κόμβου Στον τελευταίο αυτό πίνακα φαίνονται και οι τιμές κατανάλωσης στο τμήμα μετά τον κόμβο (F2) καθώς και η συνολική κατανάλωση (total fuel). Συμπεράσματα αυτής της μελέτης είναι: 1. Η επιτάχυνση στο ανάντη εξαρτάται από την ταχύτητα στον κόμβο, το οποίο βασίζεται στο επιλεγμένο επίπεδο επιβράδυνσης. Ως εκ τούτου, για κάθε επίπεδο επιβράδυνσης, πρέπει πρώτα να εξετάζεται και το αντίστοιχο προφίλ επιτάχυνσης στην συνέχεια για να αποδειχθεί ποιο είναι πιο οικονομικό για το όχημα 2. Η αρχική επιβράδυνση εξαρτάται από τον τύπο του οχήματος, την ταχύτητα προσέγγισης και η την απαιτούμενη καθυστέρηση ώστε να φθάσει το όχημα στην διασταύρωση κατά την πράσινη ένδειξη 3. Μεγαλύτερη αρχική επιβράδυνση, σταθερή ταχύτητα, στην συνέχεια, και αργή επιτάχυνση είναι η πιο οικονομική λύση όταν η ταχύτητα προσέγγισης είναι υψηλότερη [56]

58 4. Μικρότερη αρχική επιβράδυνση, προαιρετική σταθερή ταχύτητα και αργή επιτάχυνση είναι η βέλτιστη πορεία όταν η ταχύτητα προσέγγισης είναι χαμηλότερη Η ΠΡΟΣΕΓΓΙΣΗ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΤΗΣ ΔΡΕΣΔΗΣ Στα πλαίσια του ερευνητικού προγράμματος Cool Energy Car Communication της σύμπραξης Cool Silicon η οποία χρηματοδοτείται από το Γερμανικό υπουργείο έρευνας και εκπαίδευσης, το 2011 μια ομάδα ερευνητών από το πανεπιστήμιο της Δρέσδης ανέπτυξε έναν αλγόριθμο οδικής βοήθειας για ενεργειακά αποδοτικούς σηματοδοτούμενους κόμβους (E.E.I.S.). Η φιλοσοφία πίσω από την κατασκευή του αλγόριθμου ακολουθεί αυτές των προηγούμενων αναφερθέντων προσεγγίσεων. Ο αλγόριθμος αυτός όπως και οι άλλοι έχει ως σκοπό την, σε πραγματικό χρόνο, υπόδειξη στον οδηγό που προσεγγίζει έναν σηματοδοτούμενο κόμβο, της βέλτιστης ταχύτητας προς αποφυγή αυξημένης κατανάλωσης και μείωση των εκπομπών ρύπων. Σύμφωνα με την προσέγγιση αυτή, το σύστημα επικοινωνίας μεταξύ οχημάτων και υποδομής βασίζεται στην τεχνολογία DSRC. Βασική ιδιαιτερότητα είναι η παραδοχή του μεταβαλλόμενου προγράμματος σηματορύθμισης ανάλογα με την κυκλοφορία. Επίσης ο αλγόριθμος λαμβάνει υπόψη και κυκλοφοριακά δεδομένα όπως το μήκος ουράς με σκοπό την μεταβολή των αποτελεσμάτων του ανάλογα με την κυκλοφοριακή κατάσταση. Για τον λόγο αυτό προβλέπεται η εγκατάσταση ανιχνευτών κυκλοφορίας για μέτρηση σε πραγματικό χρόνο τόσο του φόρτου όσο και των χρονικών αποστάσεων μεταξύ οχημάτων για εκτίμηση του μήκους ουράς. Συνεπώς με βάση τα δεδομένα κυκλοφορίας και φάσης σηματοδότησης, είναι δυνατός ο προσδιορισμός μιας στρατηγικής οδήγησης για την προσέγγιση προς τον κόμβο. Πιθανές στρατηγικές: Συνεχής οδήγηση χωρίς μεταβολή ταχύτητας Στάση οχήματος στον κόμβο όταν δεν μπορεί να αποφευχθεί Μεταβολή της ταχύτητας για αποφυγή στάση στον κόμβο Μετά την επιλογή της στρατηγικής, ακολουθεί η επιλογή ενός κατάλληλου προφίλ οδήγησης. Τα πιθανά προφίλ οδήγησης μπορεί να διαθέτουν διαφορετική αλληλουχία στοιχείων όπως επιβράδυνση ή επιτάχυνση, ακινητοποίηση στον κόμβο ή συνέχιση της κίνησης με σταθερή ταχύτητα. Για οποιοδήποτε από αυτές τις παραλλαγές προφίλ ακολουθεί διαδικασία αξιολόγησης με βάση ένα μοντέλο που υπολογίζει την κατανάλωση σε κάθε επιμέρους στοιχείο του προφίλ(επιτάχυνση, στάση κτλ). Η επιλογή ενός τελικού προφίλ έρχεται με βάση την ελάχιστη κατανάλωση και κατά συνέπεια και την ελάχιστη εκπομπή ρύπων. [57]

59 Μελέτες εφαρμογής: Ένα παράδειγμα εφαρμογής είναι αυτό που είχε γίνει στα πλαίσια της δημοσίευσης για το 14 ο παγκόσμιο συνέδριο της ΙΕΕΕ στα ITS, που έγινε στην Washington το Στο συγκεκριμένο παράδειγμα χρησιμοποιήθηκε το μικροσκοπικό μοντέλο προσομοίωσης της κυκλοφοριακής ροής IDM. Το συγκεκριμένο μοντέλο είναι της κατηγορίας «car-following» και χρησιμοποιεί μια εξίσωση της οποίας οι παράμετροι διαφοροποιούνται ανάμεσα σε τρία διαφορετικά προφίλ οδηγού. Συγκεκριμένα το IDM προβλέπονται τρεις διαφορετικοί τύποι οδηγού: προσεκτικός, φυσιολογικός και γρήγορος οδηγός. Αντίστοιχα χρησιμοποιήθηκε και ένα στατιστικό μοντέλο εκτίμησης της κατανάλωσης στο οποίο οι βασικές παράμετροι του προσαρμόστηκαν κατάλληλα για την μελέτη. Τα στοιχεία που λήφθηκαν υπόψη περιλαμβάνουν τα εξής: μήκος οδικού άξονα αναφοράς: 1000 m θέση της γραμμής στάσης στον κόμβο: 500 m απόσταση συμβατικής συμπεριφοράς οδηγού: 100 m απόσταση υποβοηθούμενης συμπεριφοράς οδηγού: 500 m τύπος οδηγού (στο μοντέλο IDM): κανονικός/φυσιολογικός παραδοχή ιδανικής περίπτωσης οδηγού (δεν υπάρχει απόκλιση σε σχέση με την συμπεριφορά από το σύστημα υποβοήθησης) πρόγραμμα σηματορύθμισης: προκαθορισμένο και σταθερό κύκλος συματορύθμισης = 90 s (πράσινο = 30 s, πορτοκαλί = 3 s, κόκκινο = 57 s) όριο ταχύτητας (ανώτατο): 50 km / h o Ελάχιστο επίπεδο αποδεκτής ταχύτητας (κατώτατο): o Πρώτη παραλλαγή: επίπεδο με σταθερή ταχύτητα 30 km/h o Δεύτερη παραλλαγή: κλιμακωτή (εξαρτώμενη από την απόσταση) συνάρτηση ταχύτητας επίπεδο για να προωθηθεί η αποδοχή της λογικής car-following Τα δύο σενάρια που εξετάστηκαν αφορούν την περίπτωση του μεμονωμένου οχήματος και την περίπτωση ύπαρξης ουράς οχημάτων: [58]

60 Στο πρώτο σενάριο το αποτέλεσμα της σύγκρισης μεταξύ της συμβατικής συμπεριφοράς του οδηγού και της υποβοηθούμενης από το σύστημα συμπεριφοράς φαίνονται στο παρακάτω διάγραμμα. Διάγραμμα 20: Case study πανεπιστημίου της Δρέσδης, σύγκριση κατανάλωσης καυσίμου για μεμονωμένο όχημα με ή χωρίς της χρήση του συστήματος E.E.I.S. Οι περιπτώσεις 1,2,3,4 βασίζονται σε διαφορετικές φάσεις του σηματοδότη κατά την έναρξη της διαδικασίας. Η μέγιστη ωφέλιμη διαφορά είναι της τάξης του 26,7%, ενώ η ελάχιστη 4,6%. Κατά μέσο όρο το σύστημα υποβοήθησης προσφέρει ένα όφελος κατανάλωση 8,7%. Στο δεύτερο σενάριο που λαμβάνεται υπόψη η περίπτωση ύπαρξης ουράς οχημάτων αποτελούμενων από 4 οχήματα. Από τα τέσσερα αυτά αριθμημένα οχήματα, τα 1,2 και 3 δεν χρησιμοποιούν το σύστημα υποβοήθησης και όσο για το 4 ο λαμβάνονται υπόψη τρεις περιπτώσεις: Το 4 ο όχημα να μην διαθέτει καθόλου σύστημα υποβοήθησης Το 4 ο όχημα να λαμβάνει υποβοήθηση μόνο με βάση την φάση του σηματοδότη Το 4 ο όχημα να λαμβάνει υποβοήθηση με βάση την φάση του σηματοδότη και με βάση την ουρά. Τα αποτελέσματα έδειξαν ότι στην τρίτη περίπτωση επιτυγχάνεται όφελος στην κατανάλωση 30,2% σε σχέση με την πρώτη, ενώ στην δεύτερη παρουσιάζεται βελτίωση 28,1%. [59]

61 Τα αποτελέσματα αυτά φαίνονται στα παρακάτω διαγράμματα: Διάγραμμα 21: Case study πανεπιστημίου της Δρέσδης, διερεύνηση εφαρμογής συστήματος E.E.I.S. σε περίπτωση ύπαρξης ουράς οχημάτων [60]

62 ΚΕΦΑΛΑΙΟ 4: ΔΙΚΤΥΟ ΜΕΛΕΤΗΣ 4.1 Ο ΑΞΟΝΑΣ ΜΕΛΕΤΗΣ ΓΕΝΙΚΗ ΠΕΡΙΓΡΑΦΗ Η επιλογή του άξονα όπου εφαρμόστηκε το μοντέλο μικροσκοπικής προσομοίωσης, και πάνω στο οποίο μελετήθηκε το σύστημα των Ενεργειακά Αποδοτικών Σηματοδοτούμενων Κόμβων, έγινε με βασικό κριτήριο να είναι ένας δρόμος μεγάλης σημασίας για το ευρύτερο πολεοδομικό συγκρότημα της Θεσσαλονίκης κάτι που ευκόλως υπονοεί την ύπαρξη σχετικά μεγάλης ζήτησης κατά τις πρωινές ώρες αιχμής. Η οδός που επιλέχθηκε είναι η Λεωφόρος Γεωργικής Σχολής και η προέκτασή αυτής, δηλαδή η ΕΠ.Ο. Θεσσαλονίκης-Περαίας. Ο συγκεκριμένος οδικός άξονας είναι ιδιαίτερης σημασίας αφού συνδέει την πόλη της Θεσσαλονίκης με το κρατικό αερολιμένα Μακεδονία και με την πόλη της Περαίας, η οποία αποτελεί και έδρα του δήμου Θερμαϊκού. Η ημιαστική Λεωφόρος Γεωργικής Σχολής αποτελεί προέκταση της οδού Εθνικής Αντιστάσεως, ενός από τους πιο εμπορικούς και μεγάλους δρόμους της Θεσσαλονίκης, και συνεχίζει μέχρι τον κόμβο του Αεροδρομίου (συμβολή με Ε.Ο. Αεροδρομίου Θεσσαλονίκης), όπου εκεί συνεχίζει ως ΕΠ.Ο. Θεσσαλονίκης-Περαίας μέχρι την αντίστοιχη πόλη. Παράλληλα σε όλη αυτή την διαδρομή, ο εν λόγω άξονας συνδέεται με πολλούς επίσης σημαντικούς δρόμους όπως η Ε.Ο. Θεσσαλονίκης- Πολυγύρου, η Ε.Ο. Αεροδρομίου-Θεσσαλονίκης (όπως προαναφέρθηκε), η ΕΠ.Ο. Νέων Μουδανίων-Θεσσαλονίκης, καθώς και δρόμους που συνδέουν το επαρχιακό δίκτυο με μικρότερους οικισμούς όπως είναι η Καρδία ή το Νέο Ρύσιο. Εικόνα 3: Εξεταζόμενος προαστιακός άξονας [61]

63 4.1.2 ΣΥΝΔΕΣΗ ΜΕ ΤΟ ΥΠΟΛΟΙΠΟ ΟΔΙΚΟ ΔΙΚΤΥΟ Στην προηγούμενη παράγραφο αναφέρθηκε η ύπαρξη σύνδεσης του εξεταζόμενου άξονα με κοντινούς οικισμούς. Η σύνδεση αυτή με το γειτονικό δίκτυο πραγματοποιείται μέσω 17 διασταυρώσεων, εκ των οποίων στις 15 η ρύθμιση της κυκλοφορίας γίνεται μέσω φωτεινής σηματοδότησης, ενώ από τους άλλους δύο κόμβους, ο ένας είναι ανισόπεδης σύνδεσης και ο άλλος έχει παραχώρηση προτεραιότητας. Ακολουθεί σκαρίφημα: Εικόνα 4: Θέσης κόμβων κατά μήκος του εξεταζόμενου άξονα (κίτρινος κύκλος: σημοτοδοτούμενος κόμβος, γαλάζιος κύκλος: κόμβος με παραχώρηση προτεραιότητας, πράσινος κύκλος: ανισόπεδος κόμβος) Στο παραπάνω σκαρίφημα σημειώνεται η θέση των 17 κόμβων. Ο τρόπος ρύθμισης της κυκλοφορίας φαίνεται ανάλογα με το χρώμα του συμβόλου. Οι κίτρινοι κόμβοι είναι σηματοδοτούμενοι, το πράσινο υποδεικνύει ανισόπεδη διάβαση, ενώ το γαλάζιο είναι κόμβος με παραχώρηση προτεραιότητας. Όλα αυτά φαίνονται κατά αντιστοιχία και στον παρακάτω συγκεντρωτικό πίνακα. Τονίζεται ότι η ονομασία ορισμένων κόμβων δίνεται είτε με βάση την διασταυρούμενη οδό, είτε με βάση μια ονομασία κοντινού οικισμού ή κτιρίου. [62]

64 Ν Οδικό τμήμα Διασταυρούμενη οδός (ονομασία κόμβου) Τρόπος ρύθμισης κυκλοφορίας 1 Γεωργικής Σχολής Μαρίνου Αντύπα Φωτεινή σηματοδότηση 2 Γεωργικής Σχολής Τρίτση (γήπεδο PAOK) Φωτεινή σηματοδότηση 3 Γεωργικής Σχολής (Σχολή πολέμου) Φωτεινή σηματοδότηση 4 Γεωργικής Σχολής (Αγαπητού) Φωτεινή σηματοδότηση 5 Γεωργικής Σχολής (Ανισόπεδος κόμβος Εμπορικού κέντρου) Ανισόπεδος κόμβος 6 Γεωργικής Σχολής (Διαβαλκανικό Νοσοκομείο) Φωτεινή σηματοδότηση 7 Γεωργικής Σχολής Ε.Ο. Θεσσαλονίκη/Πολύγυρος Φωτεινή σηματοδότηση 8 Γεωργικής Σχολής Ε.Ο. Αεροδρομίου/Θεσσαλονίκης Φωτεινή σηματοδότηση 9 Θεσσαλονίκης/Περαίας (καζίνο) Φωτεινή σηματοδότηση 10 Θεσσαλονίκης/Περαίας (Hyatt) Φωτεινή σηματοδότηση 11 Θεσσαλονίκης/Περαίας (Νεράιδα, στροφή οικισμού Νέου Ρύσιου) Φωτεινή σηματοδότηση 12 Θεσσαλονίκης/Περαίας (Στροφή οικισμού Καρδίας) Φωτεινή σηματοδότηση 13 Θεσσαλονίκης/Περαίας ΕΠ.Ο. Νέων Μουδανιών/Θεσσαλονίκης Φωτεινή σηματοδότηση 14 Θεσσαλονίκης/Περαίας Μιαούλη Φωτεινή σηματοδότηση 15 Θεσσαλονίκης/Περαίας (LIDL, σχολή νηπιαγωγών) Φωτεινή σηματοδότηση 16 Θεσσαλονίκης/Περαίας 1ος κόμβος Περαίας Παραχώρηση προτεραιότητας 17 Θεσσαλονίκης/Περαίας Φιλίππου Φωτεινή σηματοδότηση Πίνακας 6: Κατάλογος κόμβων στα εξεταζόμενα τμήματα Γεωργικής Σχολής και Θεσσαλονίκης Περαίας ΥΠΑΡΞΗ ΔΗΜΟΣΙΑΣ ΣΥΓΚΟΙΝΩΝΙΑΣ Εκατέρωθεν της λεωφόρου Γεωργικής Σχολής, αναπτύσσεται πλήθος εμπορικής δραστηριότητας. Αυτό σε συνδυασμό με την ύπαρξη του αεροδρομίου και την ανάγκη σύνδεσης των κοντινών οικισμών με το κέντρο του πολεοδομικού συγκροτήματος της Θεσσαλονίκης, είναι και οι βασικοί λόγοι για τους οποίους υπάρχουν πολλές γραμμές λεωφορείων του ΟΑΣΘ που διατρέχουν τον προς εξέταση άξονα, όχι μόνο στο τμήμα της λεωφόρου Γεωργικής Σχολής, αλλά και στην ΕΠ.Ο. Θεσσαλονίκης-Περαίας. Ένας κατάλογος των εν λόγω γραμμών φαίνεται στον πίνακα 17 που ακολουθεί. ΓΡΑΜΜΗ ΑΦΕΤΗΡΙΑ ΤΕΡΜΑΤΙΚΟΣ 02 ΙΚΕΑ Ν.Σ.ΣΤΑΘΜΟΣ 03 ΙΚΕΑ Ν.Σ.ΣΤΑΘΜΟΣ 08 ΙΚΕΑ ΚΤΕΛ 36(Α,Β) ΒΟΥΛΓΑΡΗ ΙΚΕΑ(ΜΕΣΩ ΚΤΕΛ ΧΑΛΚΙΔΙΚΗΣ,COSMOS) 67 IKEA ΤΡΙΑΔΙ 69 IKEA ΕΠΑΝΟΜΗ 70 Ν.Σ.ΣΤΑΘΜΟΣ ΕΠΑΝΟΜΗ 71 Ν.Σ.ΣΤΑΘΜΟΣ ΝΕΑ ΜΗΧΑΝΙΩΝΑ 72 IKEA ΝΕΑ ΜΗΧΑΝΙΩΝΑ 76 IKEA ΑΓΓΕΛΟΧΩΡΙ 78 ΚΤΕΛ ΑΕΡΟΔΡΟΜΙΟ 79(Α,Β) ΙΚΕΑ ΚΤΕΛ ΧΑΛΚΙΔΙΚΗΣ (ΜΕΣΩ ΑΕΡΟΔΡΟΜΙΟΥ) 87(Α,Ε) ΘΕΣΣΑΛΟΝΙΚΗ ΒΑΣΙΛΙΚΑ 88 ΘΕΣΣΑΛΟΝΙΚΗ ΜΕΣΗΜΕΡΙ Πίνακας 7: Κατάλογος διερχόμενων λεωφορειακών γραμμών στον εξεταζόμενο άξονα [63]

65 Τονίζεται ότι στην οδό Γεωργικής Σχολής βρίσκεται και ο Ανατολικός Σταθμός ΙΚΕΑ, που αποτελεί τερματικό σταθμό των περισσότερων γραμμών ΜΜΜ. Επίσης όπως είναι φυσικό υπάρχουν και πολλές στάσεις λεωφορείων ανά τακτά διαστήματα σε όλο το μήκος των δύο συνεχόμενων οδικών τμημάτων που μελετώνται ΣΤΟΙΧΕΙΑ ΔΙΑΤΟΜΗΣ ΚΑΙ ΟΡΙΑ ΤΑΧΥΤΗΤΑΣ Ο άξονας είναι στο μεγαλύτερό του κομμάτι διαχωρισμένης διατομής. Ο αριθμός των λωρίδων κυκλοφορίας είναι ποικίλος, και συνήθως αυξάνουν πλησιάζοντας προς τους κόμβους, δημιουργώντας λωρίδες αναμονής για δεξιές και αριστερές στροφές. Επίσης μεταβαλλόμενα είναι και τα επιτρεπτά όρια ταχύτητας τα οποία φαίνονται στον παρακάτω πίνακα, όπως συγκεντρώθηκαν κατά ακολουθία από την αρχή της λεωφόρου Γεωργικής Σχολής μέχρι την Περαία. Ο λόγος παράθεσης των ορίων είναι επειδή το γεγονός ότι πρόκειται για έναν δρόμο με μεταβαλλόμενα όρια, δίνει την ευκαιρία για πειραματισμό ως προς το αποτέλεσμα της εφαρμογής των συστημάτων E.E.I.S. σε κόμβους με διαφορετικά όρια ταχύτητας κατά την προσέγγισή τους. Οδικό τμήμα (κατευθυνόμενοι από Θεσσαλονίκη προς Περαία) Όριο (km/h) Από Εως Μετάβαση Επιστροφή Εθνικής Αντιστάσεως Μαρίνου Αντύπα Μαρίνου Αντύπα Ε.Ο. Θεσσαλονίκη/Πολύγυρος Ε.Ο. Θεσσαλονίκη/Πολύγυρος Ε.Ο. Αεροδρομίου/Θεσσαλονίκης Ε.Ο. Αεροδρομίου/Θεσσαλονίκης Hyatt Hyatt Στροφή Τριλόφου(100 μέτρα πριν) Στροφή Τριλόφου(100 μέτρα πριν) Στροφη Επανομής Στροφη Επανομής Στροφη Επανομής(250 μέτρα μετά) Στροφη Επανομής(250 μέτρα μετά) Κόμβος LIDL(250 μέτρα πριν) Κόμβος LIDL(250 μέτρα πριν) Κόμβος LIDL(250 μέτρα μετά) Κόμβος LIDL(250 μέτρα μετά) 300 μέτρα πριν τον 1ο κόμβο Περαίας μέτρα πριν τον 1ο κόμβο Περαίας Τέλος εξαταζόμενου άξονα Πίνακας 8: Διαφοροποίηση ορίων ταχύτητας ανά τμήμα και ανά κατεύθυνση [64]

66 4.2.1 ΣΥΓΚΕΝΤΡΩΣΗ ΣΤΟΙΧΕΙΩΝ 4.2 ΚΩΔΙΚΟΠΟΙΗΣΗ ΤΟΥ ΒΑΣΙΚΟΥ ΣΕΝΑΡΙΟΥ Τα απαιτούμενα στοιχεία για την δημιουργία του μοντέλου αφορούσαν κυρίως δεδομένα εισαγωγής. Στην παράγραφο αυτή παρουσιάζεται αναλυτικά η διαδικασία που ακολουθήθηκε και γίνεται και μια περιγραφή των λογισμικών που χρησιμοποιήθηκαν καθώς και των μετρήσεων πεδίου όπου αυτές κρίθηκαν αναγκαίες. Λειτουργικά και γεωμετρικά στοιχεία της οδού: Ο σκελετός του δικτύου με κάποια βασικά στοιχεία κωδικοποίησης προϋπήρχε της εργασίας αυτής και λήφθηκε από το Ι.ΜΕΤ.(Ινστιτούτο Μεταφορών). Ωστόσο ήταν υποχρεωτικός ο έλεγχος της γεωμετρίας του και όλων των στοιχείων που είχαν εισαχθεί, καθώς και η εισαγωγή παραμέτρων που έλλειπαν. Στο προηγούμενο υποκεφάλαιο δίνεται ένας πίνακας με τα διαφορετικά όρια ταχύτητας. Ο πίνακας αυτός αποτελεί αποτέλεσμα αυτής της αρχικής διαδικασίας όπως περιγράφεται σε αυτή την παράγραφο. Πρώτη ενέργεια κατά την αρχή της μελέτης ήταν ο έλεγχος και η καταγραφή της διατομής της οδού σε όλο το μήκος της. Παράλληλα με αυτό έγινε και καταγραφή των ορίων ταχύτητας καθώς και επιβεβαίωση των θέσεων των στάσεων Μ.Μ.Μ. Σε πρώτη φάση η διαδικασία ξεκίνησε με την βοήθεια του Street view του Google Earth. Στην συνέχεια η καταγραφή ολοκληρώθηκε με την επίσκεψη στο πεδίο και την παρατήρηση τον είδη σημειωθέντων από το Google Earth. Αναλυτικά δεδομένα ζήτησης για φόρτιση του δικτύου: Τα δεδομένα ζήτησης για τον εξεταζόμενο άξονα λήφθηκαν από το Ι.ΜΕΤ. μέσω του κυρίου Ηρακλή Στάμου. Συγκεκριμένα, μετά την επιλογή του δρόμου, αποφασίστηκε η προσομοίωση και τα σενάρια να εφαρμοστούν για την πρωινή ώρα αιχμής 08:00-09:00 της Πέμπτης 17 Σεπτεμβρίου του έτους Από τον κύριο Στάμο λήφθηκε ένα τμήμα από ένα ευρύτερης κλίμακας βαθμονομημένο δίκτυο σε μορφή shapefile και ένα λογιστικό αρχείο με την τα στοιχεία που αντιστοιχούσαν στα οδικά τμήματα του shapefile. Το μακροσκοπικό δίκτυο από το οποίο προήλθαν αυτά τα στοιχεία, ήταν σε περιβάλλον VISUM, και όπως προαναφέρθηκε ήταν ήδη βαθμονομημένο. Για την επεξεργασία και λήψη των επιθυμητών δεδομένων από το λογιστικό αρχείο χρησιμοποιήθηκε το λογισμικό excel του Microsoft office, ενώ για το shapefile χρησιμοποιήθηκε το ArcMap 10.1 του ArcGIS. [65]

67 Εικόνα 5: Χρήση λογισμικού ArcMap 10.1 για επεξεργασία shapefile Επειδή το τμήμα αυτό προερχόταν από μακρομοντέλο VISUM, τα δεδομένα ζήτησης ήταν ανοιγμένα σε Μ.Ε.Α. (Μονάδες Επιβατηγών Αυτοκινήτων). Ωστόσο στο μικροσκοπικό μοντέλο προσομοίωσης η κυκλοφορία πρέπει να είναι διαχωρισμένη σε διαφορετικού τύπου οχήματα με διαφορετικές ιδιότητες και χαρακτηριστικά. Επόμενο βήμα, μετά από συζήτηση με τον κύριο Ευάγγελο Μίντση (συγκοινωνιολόγο, συνεργάτη του Ι.ΜΕΤ. ο οποίος παρείχε σημαντική βοήθεια στην εκπόνηση της εργασίας αυτής) ήταν να επιλεχθεί ένα ποσοστό εκ του συνόλου των Μ.Ε.Α. για κάθε έναν από τους τύπους οχημάτων. Η επιλογή ήταν η εξής: 91% των Μ.Ε.Α. για ΙΧ 5% για ΤAXI 4% για φορτηγά Παράλληλα συλλέχθηκαν από την σελίδα του ΟΑΣΘ στοιχεία για την συχνότητα και τα αναλυτικά δρομολόγια των λεωφορείων που διατρέχουν το εξεταζόμενο τμήμα την ώρα αιχμής 08:00-09:00. Προγράμματα σηματοδότησης: Ιδιαίτερα σημαντική ήταν η βοήθεια της εταιρίας Κυκλοφοριακή Τεχνική Α.Ε., και συγκεκριμένα του κυρίου Εμμανουήλ Νέστορα, από όπου λήφθηκαν τα προγράμματα σηματοδότησης για τους 13 από τους 15 κόμβους του άξονα. Για τους κόμβους Γεωργικής Σχολής-Μαρίνου Αντύπα και Γεωργικής Σχολής- Αντώνη Τρίτση, η λήψη των προγραμμάτων έγινε με απευθείας παρατήρηση στο πεδίο κατά την επιλεγμένη πρωινή ώρα αιχμής, έτσι ώστε να συμφωνούν [66]

68 χρονικά με τα προγράμματα που λήφθηκαν από την Κυκλοφοριακή Τεχνική Α.Ε ΕΠΕΞΕΡΓΑΣΙΑ ΤΗΣ ΓΕΩΜΕΤΡΙΑΣ ΤΟΥ ΔΙΚΤΥΟΥ Το αρχικό δίκτυο όπως δόθηκε σε πρώτη φάση είναι τα παρακάτω: Εικόνα 6: Ο εξεταζόμενος προαστιακός άξονας κωδικοποιημένος στο περιβάλλον του AIMSUN Μετά την συλλογή όλων των απαραίτητων δεδομένων, ξεκίνησε η διαδικασία ελέγχου των γεωμετρικών στοιχείων του δικτύου, η διόρθωση των στοιχείων που δεν ανταποκρίνονταν στην πραγματικότητα και η εισαγωγή όσων παραμέτρων χρειάζονταν για να θεωρηθεί το δίκτυο ολοκληρωμένο. Πιο αναλυτικά ελέγχθηκαν και διορθώθηκαν τα εξής: Αριθμός λωρίδων στα οδικά τμήματα μεταξύ των κόμβων Γεωμετρία των κόμβων (νησίδες, λωρίδες αναμονής για δεξιές και αριστερές λωρίδες, διαβάσεις πεζών) Όρια ταχύτητας στα οδικά τμήματα [67]

69 4.2.3 ΕΙΣΑΓΩΓΗ ΔΕΔΟΜΕΝΩΝ ΚΥΚΛΟΦΟΡΙΑΚΗΣ ΡΥΘΜΙΣΗΣ ΣΤΟΥΣ ΚΟΜΒΟΥΣ Επόμενο βήμα μετά την επιβεβαίωση ότι τα γεωμετρικά στοιχεία του δικτύου ήταν ορθά, ήταν η επεξεργασία του τρόπου με τον οποίο γίνεται η ρύθμιση της κυκλοφορίας σε κάθε έναν από τους 17 κόμβους του εξεταζόμενου άξονα ανάλογα με τον πίνακα 6 της ενότητας Έτσι σε κάθε κόμβο ελέγχθηκαν σε πρώτη φάση οι επιτρεπόμενες κινήσεις ανά λωρίδα κυκλοφορίας. Επίσης εισήχθησαν σηματοδότες στους οποίους έγινε και αντιστοίχιση των κινήσεων που ελέγχουν. Εικόνα 7: Αντιστοίχιση κινήσεων και σηματοδοτών στους κόμβους στο λογισμικό AIMSUN Στην συνέχεια με βάση τον πίνακα 6 έγινε διαφορετική επεξεργασία ανάλογα με τον αντίστοιχο τρόπο ρύθμισης κυκλοφορίας. Πιο συγκεκριμένα στον 1 ο κόμβο Περαίας εφαρμόστηκε παραχώρηση προτεραιότητας, ενώ σε όλους τους άλλους 15 κόμβους εισήχθησαν χρόνοι με βάση το πρόγραμμα σηματοδότησης που αντιστοιχεί στην ώρα αιχμής 08:00-09:00. [68]

70 Σε κάθε κόμβο η εισαγωγή των χρόνων έγινε ξεχωριστά για κάθε σηματοδότη και στην συνέχεια ακολούθησε ομαδοποίηση τους σε φάσεις. Τονίζεται ότι για την πιο ρεαλιστική αναπαράσταση του δικτύου, τοποθετήθηκαν και οι χρόνοι που αντιστοιχούν στους σηματοδότες των πεζών. Εικόνα 8: Εισαγωγή προγραμμάτων σηματοδότησης Επίσης χρειάζεται να αναφερθεί ότι για την εισαγωγή των επιμέρους προγραμμάτων σηματορύθμισης δημιουργήθηκε ενιαίο γενικό πρόγραμμα σηματοδότησης το οποίο αποτελεί και υποχρεωτικό δεδομένο εισόδου στα σενάρια προσομοίωσης του AIMSUN. Εικόνα 9: Δημιουργία ενιαίου προγράμματος σηματοδότησης [69]

71 4.2.4 ΜΟΝΤΕΛΟ ΕΚΤΙΜΗΣΗΣ ΕΚΠΟΜΠΩΝ «PANIS et al» Όπως σε όλες τις μελέτες εφαρμογής που παρουσιάστηκαν στο προηγούμενο κεφάλαιο, η διαδικασία αξιολόγησης ενός συστήματος E.E.I.S., εκτός από ένα μικροσκοπικό μοντέλο προσομοίωσης (όπως είναι το AIMSUN), απαιτεί δύο ακόμη μικροσκοπικά μοντέλα. Ένα μοντέλο προσομοίωσης της βέλτιστης πορείας κατά την προσέγγιση σε έναν κόμβο και ένα μικροσκοπικό μοντέλο εκτίμησης εκπομπών. Η επιλογή του κατάλληλου μικροσκοπικού μοντέλου εκπομπών έπρεπε να προηγηθεί της δημιουργίας των διαφορετικών τύπων οχημάτων, ώστε να ελεγχθούν τα στοιχεία εκπομπών που θα εισάγοντο σε αυτά. Στην συγκεκριμένη εργασία το μοντέλο με βάση το οποίο υπολογίζεται η εκτίμηση των ρύπων, είναι αυτό που δημιούργησε ο καθηγητής Luc Panis. Το εν λόγω μοντέλο διαθέτει εξισώσεις για εκτίμηση εκπομπών ανά δευτερόλεπτο και οι οποίες το καθιστούν κατάλληλο για χρήση με μοντέλα μικροπροσομοίωσης της κυκλοφορίας. Η ανάπτυξη των εξισώσεων βασίστηκε σε πραγματικές μετρήσεις με διάφορα οχήματα σε πραγματικές συνθήκες αστικής κυκλοφορίας. Για την βαθμονόμηση του μοντέλου έχουν χρησιμοποιηθεί οι μετρήσεις από 25 οχήματα εκ των οποίων έξι είναι λεωφορεία και δύο φορτηγά. Από τα 17 αυτοκίνητα, τα 12 είχαν κινητήρα βενζίνης και πέντε είναι πετρελαιοκίνητα αυτοκίνητα που συμμορφώνονται με διαφορετικά πρότυπα εκπομπών. Από τα δεδομένα των μετρήσεων, προέκυψαν εξισώσεις εκπομπών για κάθε όχημα με παραμέτρους την στιγμιαία ταχύτητα και η επιτάχυνση όλα αυτά με τη χρήση μη γραμμικών τεχνικών πολλαπλής παλινδρόμησης. Η γενική μορφή της εξίσωσης είναι η εξής: Όπου, Ε n (t) = max [E 0 f 1 + f 2 v n (t) + f 3 v n (t) 2 + f 4 a n (t) + f 5 a n (t) 2 + f 6 v n (t)a n (t)] Εξίσωση 6: Υπόδειγμα του Luc Panis για εκτίμηση εκπομπών CO2 με βάση την επιτάχυνση και την ταχύτητα Vn = στιγμιαία ταχύτητα οχήματος n την στιγμή t a = επιτάχυνση οχήματος n την στιγμή t Όσο για τις τιμές των δεικτών Eo και f, ισχύει ο παρακάτω πίνακας, Πίνακας 9: Παράμετροι εξίσωσης εκτίμησης ρύπων CO2 για διαφορετικούς τύπους οχημάτων [70]

72 4.2.5 ΕΙΣΑΓΩΓΗ ΤΥΠΩΝ ΟΧΗΜΑΤΩΝ Για την μικροσκοπική προσομοίωση της κυκλοφορίας στον άξονα Θεσσαλονίκης-Περαίας, δημιουργήθηκαν διαφορετικοί τύποι οχημάτων έτσι ώστε να ανταποκρίνονται στην πραγματική εικόνα της κυκλοφορίας. Όπως αναφέρθηκε και στην παράγραφο 4.2.1, δημιουργήθηκαν εισήχθησαν 4 διαφορετικοί τύποι οχημάτων: Ι.Χ., ΤΑΧΙ, φορτηγά και λεωφορεία. Κάθε τύπος οχήματος φέρει τα δικά του χαρακτηριστικά που το διαφοροποιούν από τα υπόλοιπα. Τα χαρακτηριστικά αυτά, πέρα από τις διαστάσεις και την ταχύτητα, αφορούν επιτάχυνση, ταχύτητα αντίδρασης καθώς και δεδομένα που αφορούν τις εκπομπές ρύπων. Επίσης επιλέχθηκε ως μικροσκοπικό μοντέλο εκτίμησης των ρύπων, το μοντέλο του καθηγητή Luc Panis. Για τις ανάγκες της προσομοίωσης, δεδομένου ότι μεγάλο ποσοστό των οχημάτων σήμερα είναι πετρελαιοκίνητα, έγιναν οι εξής παραδοχές χρήσης καυσίμου ανά τύπο οχήματος: Εικόνα 10: Ρύθμιση τύπου καυσίμου για κάθε τύπο οχήματος Από το σύνολο των Ι.Χ., το 75% έχει ως καύσιμο τη βενζίνη, ενώ το 25% πετρέλαιο. Από το σύνολο των ΤΑΧΙ, το 75% χρησιμοποιεί βενζίνη και το 25% πετρέλαιο. Για τα φορτηγά και τα λεωφορεία, το 100% του πλήθους τους χρησιμοποιεί πετρέλαιο. Για λόγους πρακτικούς που θα αναφερθούν στο αντίστοιχο κεφάλαιο της επεξήγησης των διαφορετικών σεναρίων που μελετήθηκαν, προτιμήθηκε αντί για έναν τύπο I.X. (δηλαδή car) να κωδικοποιηθούν 4 τύποι car πανομοιότυποι μεταξύ τους, ώστε να μπορεί να χωριστεί η συνολική ζήτηση για μετακίνηση μέσω Ι.Χ. σε 4 διαφορετικές ομάδες. Αυτός ο διαχωρισμός δεν διαφοροποιεί καθόλου τα αποτελέσματα του βασικού σεναρίου αφού κατά την προσομοίωση του σεναρίου καταμερίζεται ο ίδιος συνολικός φόρτος αυτοκινήτων στην εκάστοτε διαδρομή ΕΙΣΑΓΩΓΗ ΔΕΔΟΜΕΝΩΝ ΖΗΤΗΣΗΣ Η ζήτηση όπως προαναφέρθηκε σε προηγούμενη παράγραφο, λήφθηκε από ένα ήδη βαθμονομημένο μακροσκοπικό μοντέλο μεταφρασμένη σε Μ.Ε.Α. και αφορούσε τον φόρτο που διέρχονταν από κάθε κόμβο(node) του μακροσκοπικού δικτύου προς κάθε δυνατή κατεύθυνση(στρέφουσες και ευθείες κινήσεις). Στην συνέχεια κάθε τιμή φόρτου χωρίστηκε κατά ποσοστά σε τρεις διαφορετικούς τύπους οχημάτων: Ι.Χ., ΤΑΧΙ και λεωφορείο, αφού στο μακροσκοπικό μοντέλο από το οποίο προήλθαν δεν υπήρχαν δεδομένα για δημόσια συγκοινωνία. [71]

73 Επόμενο βήμα ήταν η εισαγωγή της ζήτησης στο προς επεξεργαζόμενο δίκτυο με μορφή traffic state. Η διαδικασία ξεκίνησε με την δημιουργία ξεχωριστών traffic state για κάθε τύπο οχήματος. Ο φόρτος για κάθε στροφή ή ευθεία κίνηση ήταν διαχωρισμένος σε 3 τύπους οχημάτων. Ωστόσο όπως προαναφέρθηκε, τα Ι.Χ. χωρίστηκαν σε 4 διαφορετικές ομάδες. Κατά την πειραματική διαδικασία της εφαρμογής του συστήματος E.E.I.S. προβλεπόταν η δοκιμή διαφορετικού ποσοστού εξοπλισμένων Ι.Χ. με τις πιθανές εναλλακτικές να ήταν 30%,60% και 90%. Αυτό το γεγονός σε συνδυασμό με το ότι για να αποφευχθούν τυχόν προβλήματα κατά την προσομοίωση λόγω της διαφορετικής εισαγωγής δεδομένων για Ι.Χ. μεταξύ των διαφορετικών σεναρίων, οδήγησε στην απόφαση ο συνολικός αριθμός διαφορετικών ομάδων οχημάτων και ποσοστών να παραμένει ίδιος σε κάθε σενάριο. Αποτέλεσμα ήταν λοιπόν, ο τύπος οχήματος car να χωριστεί σε 4 ομάδες που οι 3 περιείχαν το 30% η κάθε μια, του συνολικού φόρτου των Ι.Χ. και η 4 η το 10%. Στο traffic state του εκάστοτε τύπου οχήματος, όπως φαίνεται και στην παρακάτω εικόνα, καταχωρήθηκαν οι φόρτοι για κάθε κίνηση και υπολογίστηκαν τα ποσοστά διαμοιρασμού της κυκλοφορίας κάθε κλάδου στους κόμβους. Εικόνα 11: Εισαγωγή δεδομένων ζήτησης μέσω traffic states στο AIMSUN Μετά την καταχώρηση των φόρτων κάθε κίνησης σε διαφορετικά traffic states για όλους τους τύπους οχημάτων, δημιουργήθηκε το ενιαίο προφίλ της [72]

74 ζήτησης με βάση το οποίο θα γινόταν η μικροσκοπική προσομοίωση του κάθε σεναρίου. Όπως φαίνεται στην ακόλουθη εικόνα, η ζήτηση αυτή συμπεριλάμβανε όλα τα traffic states που δημιουργήθηκαν προηγουμένως και ορίστηκε η αρχική ώρα έναρξης της προσομοίωσης και η διάρκεια της. Εικόνα 12: Δημιουργία ενιαίου προφίλ ζήτησης ΕΙΣΑΓΩΓΗ ΔΡΟΜΟΛΟΓΙΩΝ ΜΜΜ Σε προηγούμενη ενότητα έγινε αναφορά στο πλήθος των διαφορετικών γραμμών λεωφορείων η οποία διατρέχει την υπό εξέταση περιοχή. Με την βοήθεια της ιστοσελίδας του Οργανισμού Αστικών Συγκοινωνιών Θεσσαλονίκης (Ο.Α.Σ.Θ.) καταγράφηκαν οι ακριβείς θέσεις των στάσεων μετεπιβίβασης καθώς και τα προγράμματα των δρομολογίων όλων των γραμμών που βρίσκονται σε λειτουργία την χρονική περίοδο 08:00-09:00 κατά την οποία αφορά η προσομοίωση του δικτύου. Ακολούθησε η εισαγωγή στο AIMSUN κάθε μιας από τις γραμμές συμπεριλαμβάνοντας ως δεδομένα: Την κατά σειρά ακολουθία των sections τα οποία διατρέχει κάθε δρομολόγιο Την καταχώρηση σε κάθε γραμμή των σταθμών μετεπιβίβασης στις οποίες πραγματοποιείται στάση από τα λεωφορεία της [73]

75 Το αναλυτικό πρόγραμμα με τις συχνότητες διάβασης των λεωφορείων Χρόνο που διαρκεί η εκάστοτε στάση Εικόνα 13: Εισαγωγή και ρύθμιση παραμέτρων λεωφορειακών γραμμών Ομοίως όπως έγινε και με το ενιαίο πρόγραμμα σηματοδότησης και την συνολική ζήτηση, έτσι και για την δημόσια συγκοινωνία δημιουργήθηκε ένα ενιαίο πρόγραμμα το οποίο συμπεριλαμβάνει όλα τα δρομολόγια των λεωφορείων ΡΥΘΜΙΣΗ ΠΑΡΑΜΕΤΡΩΝ ΒΑΣΙΚΟΥ ΣΕΝΑΡΙΟΥ ΚΑΙ ΔΗΜΙΟΥΡΓΙΑ ΕΠΑΝΑΛΥΨΕΩΝ Αφού κωδικοποιήθηκαν όλα τα δεδομένα που αφορούν την προσομοίωση του δικτύου, δημιουργήθηκε το σενάριο προσομοίωσης όπως φαίνεται στην παρακάτω εικόνα. Σε αυτό καταχωρήθηκαν τα εξής στοιχεία: Ημερομηνία και ώρα προσομοίωσης καθώς και χρονική διάρκεια προσομοίωσης Κυκλοφοριακά δεδομένα: ζήτηση και πρόγραμμα ΜΜΜ Πρόγραμμα σηματοδότησης Επίσης έγιναν οι απαραίτητες ρυθμίσεις σχετικά με τα εξαγόμενα στοιχεία της προσομοίωσης. [74]

76 Εικόνα 14: Δημιουργία σεναρίου προσομοίωσης και εισαγωγή δεδομένων Στην συνέχεια αποφασίστηκε για βέλτιστη στατιστική ακρίβεια να «τρέξουν» πέντε επαναλήψεις της προσομοίωσης και τα να υπολογιστεί ο μέσος όρος αυτών των πέντε επαναλήψεων σαν τελικό αποτέλεσμα. Έτσι δημιουργήθηκε ένα πείραμα με βάση το εν λόγω σενάριο και πάνω στο πείραμα αυτό φτιάχτηκαν πέντε επαναλήψεις (replications) και μία επανάληψη-μέσος όρος των υπολοίπων πέντε. Εικόνα 15: Η δημιουργία των πέντε επαναλήψεων προσομοίωσης και του μέσου όρου αυτών Για την επίτευξη του βασικού σεναρίου, αν και φορτώθηκε το patch με τα συστήματα E.E.I.S., αυτό δεν χρησιμοποιήθηκε, έτσι ώστε η κυκλοφορία να ανταποκρίνεται στην περίπτωση που δεν χρησιμοποιείται κάποια υποβοήθηση, όπως δηλαδή είναι η πραγματική εικόνα του εν λόγω δρόμου σήμερα. Τα αποτελέσματα εξήχθησαν με την μορφή πινάκων σε αρχείο.sql. Κάθε αρχείο διέθετε έναν μεγάλο αριθμό πινάκων με κωδικοποιημένη ονομασία. Με την βοήθεια ενός προγράμματος εξαγωγής των επιθυμητών πινάκων από.sql αρχεία, αποθηκεύτηκαν οι επιθυμητοί πίνακες, οι οποίοι στην συνέχεια [75]

77 επεξεργάσθηκαν με την βοήθεια των συγκεντρωτικών πινάκων (pivot tables) του Microsoft office excel. Εικόνα 16: Άποψη περιεχόμενων πινάκων αρχείου.sql [76]

78 4.3 ΑΠΟΤΕΛΕΣΜΑΤΑ ΤΟΥ ΒΑΣΙΚΟΥ ΣΕΝΑΡΙΟΥ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΕ ΕΠΙΠΕΔΟ ΔΙΚΤΥΟΥ Μια πρώτη άποψη για την κατάσταση του δικτύου είναι εφικτή μέσω της γραφικής αναπαράστασης της κυκλοφορίας στο AIMSUN κατά την διαδικασία αναπαραγωγής της προσομοίωσης. Αρχικά μπορεί να παρατηρηθεί η έντονη συμφόρηση που υπάρχει κοντά στους κόμβους του αεροδρομίου και στους πρώτους κόμβους μετά την Περαία με κατεύθυνση προς την Θεσσαλονίκη. Και οι δύο αυτές παρατηρήσεις είναι αναμενόμενες δεδομένου ότι η εξέταση γίνεται για την πρωινή ώρα αιχμής όπου η κυκλοφορία για λόγους εργασίας από την Περαία προς την Θεσσαλονίκη είναι ιδιαίτερα αυξημένη, και διότι στον κόμβο του Αεροδρομίου η Θεσσαλονίκης-Περαίας διασταυρώνεται με την Ε.Ο. Θεσσαλονίκη-Αεροδρομίου η οποία προτιμάται συνήθως για μετακίνηση από και προς το Αεροδρόμιο. Αυτές ωστόσο οι παρατηρήσεις είναι καθαρά θεωρητικές και δεν μπορούν να χρησιμοποιηθούν για κάτι παραπάνω από μια πρώτη περιγραφή της άποψης του δικτύου. Για την ορθή και πρακτική αξιολόγηση του δικτύου στο σύνολό του, παρουσιάζονται 4 μεγέθη: Μέση τιμή καθυστέρησης, ή αλλιώς delay time: H μετακίνηση ενός οχήματος από την στιγμή που θα μπει στο δίκτυο μέχρι την στιγμή που θα φτάσει στον προορισμό του, χαρακτηρίζεται από μια χρονική διάρκεια η οποία εξαρτάται από ορισμένα χαρακτηριστικά όπως η μέση ταχύτητά του, το μήκος της διαδρομής κ.α. Αυτός ο χρόνος ενδέχεται να επηρεαστεί από την αλληλεπίδραση του οχήματος με άλλα οχήματα λόγω αυξημένης κυκλοφοριακής ζήτησης ή ακόμα και λόγω της μικρότερης ταχύτητας που ενδέχεται να έχει ένα προπορευόμενο όχημα σε οδικό τμήμα όπου δεν μπορεί να πραγματοποιηθεί προσπέραση. Τα παραπάνω ενδεχόμενα προσομοιώνονται με μεγάλη επιτυχία μέσα από τους αλγορίθμους car-following, lane-changing και gap acceptance για τους οποίους έγινε λόγος στα σχετικά κεφάλαια. Αυτή η απόκλιση που ενδέχεται να έχει ο χρόνος πραγματοποίησης του ταξιδιού ενός οχήματος από τον χρόνο που θα έκανε σε ιδανικές συνθήκες κυκλοφορίας, ονομάζεται καθυστέρηση (delay time). Τονίζεται ότι η παύση κίνησης εξαιτίας διαφορετικών φάσεων σε κόμβους (δηλαδή η ακινητοποίηση οχήματος σε κόκκινη ένδειξη σηματοδότη) δεν διαφοροποιεί τον χρόνο ταξιδιού γιατί συμπεριλαμβάνεται στις συνθήκες φυσιολογικής κυκλοφορίας. Η καθυστέρηση είναι ένα από τα 4 μεγέθη που χρησιμοποιούνται για την σύγκριση διαφορετικών σεναρίων της μελέτης αυτής. Κατά το βασικό σενάριο η μέση τιμή της καθυστέρησης βρέθηκε ίση με 47,27 sec. Ο αριθμός αυτός υποδηλώνει ότι στο σύνολο των μετακινήσεων τα οχήματα του δικτύου χάνουν κατά μέσο όρο κάτι παραπάνω από 47 δευτερόλεπτα από τον προβλεπόμενο χρόνο τους. [77]

79 Αυτή η καθυστέρηση προφανώς αφορά τους κόμβους στους οποίους υπάρχει αυξημένη συμφόρηση με αποτέλεσμα να παρεμποδίζεται η ροή των μετακινούμενων. Μέσος χρόνος στάσης οχήματος, ή αλλιώς stop time: Ο χρόνος στάσης οχήματος είναι το άθροισμα των αναξιοποίητων χρονικών διαστημάτων όπου το όχημα είναι ακίνητο αντί να βρίσκεται σε κίνηση. Είναι ένα μέγεθος που συνήθως μπερδεύεται με την καθυστέρηση ενώ στην ουσία αποτελεί υποσύνολό της. Ο χρόνος στάσης θεωρείται ο χρόνος κατά τον οποίο το εκάστοτε όχημα, ενώ δεν βρίσκεται σε τμήμα με κόκκινη ένδειξη σηματοδότη, αντί να κινείται έστω με μειωμένη ταχύτητα, είναι σταματημένο. Τέτοιο φαινόμενο εμφανίζεται όταν κατά την έναρξη μιας φάσης σε έναν κόμβο, ένα όχημα που βρίσκεται σε λωρίδα με πράσινη ένδειξη σηματοδότη, αντί να είναι ελεύθερο να ξεκινήσει άμεσα τη κίνησή του, χάνει ορισμένα δευτερόλεπτα γιατί ενδέχεται να βρίσκεται σε ουρά. Είναι άμεσα επηρεαζόμενο από τον αλγόριθμο car-following και δεν συμπεριλαμβάνει τους χρόνους στους οποίους το εκάστοτε όχημα έχει κόκκινη ένδειξη στην κατεύθυνσή του. Η καθυστέρηση συμπεριλαμβάνει μέσα της τον χρόνο στάσης οχήματος. Στο βασικό σενάριο ο μέσος χρόνος στάσης οχήματος βρέθηκε ίσος με 37,62 sec. Μέση εκπομπή ρύπων CO2: Με βάση το μικροσκοπικό μοντέλο «Panis et al» εκτιμήθηκε η μέση τιμή CO2 που παρήγαγε το σύνολο της κυκλοφορίας στον εξεταζόμενο άξονα κατά το βασικό σενάριο. Η τιμή βρέθηκε ίση με g ή αλλιώς 7211,996 kg. Μέση κατανάλωση στο σύνολο του δικτύου: Ο υπολογισμός της μέσης κατανάλωσης βασίζεται στις σχέσεις που υποδεικνύονται από το βιβλίο «Traffic Flow Dynamics: Data, Models and Simulation» των Martin Treiber και Arne Kesting. Συγκεκριμένα η κατανάλωση προκύπτει ως ανάλογη με τις εκπομπές CO2 και στην πραγματικότητα υπολογίζεται ξεχωριστά για τα πετρελαιοκίνητα και για τα βενζινοκίνητα οχήματα αφού για τα πρώτα ισχύει ότι εκκρίνουν 2,69 kg CO2/L ενώ για τα δεύτερα ισχύει ότι παράγουν 2,39 kg CO2/L.Ωστόσο για τις ανάγκες αυτής της εργασίας λαμβάνεται ως παραδοχή μια μέση τιμή αυτών των δύο ώστε να είναι άμεσα συγκρίσιμα τα μεγέθη μεταξύ των σεναρίων και διότι για την ορθή καταγραφή των αποτελεσμάτων θα πρέπει να γίνει περαιτέρω διερεύνηση της ακριβούς τιμής κατανάλωσης για κάθε τύπο οχήματος και για κάθε τύπο κινητήρα με βάση την μέση απόσταση μετακίνησης και άλλα στοιχεία τα οποία ξεφεύγουν από την ουσία και τον σκοπό της μελέτης. Έτσι λαμβάνεται υπόψη η παραδοχή ότι για κάθε λίτρο καυσίμου παράγονται 2,54kg CO2 στην [78]

80 ατμόσφαιρα. Συμπερασματικά στην περίπτωση του βασικού σεναρίου η τιμή της μέσης κατανάλωσης σε λίτρα είναι 2839,37 L ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΕ ΕΠΙΛΕΓΜΕΝΑ ΟΔΙΚΑ ΤΜΗΜΑΤΑ Τα σενάρια που πραγματοποιήθηκαν και τα οποία αναλύονται στην επόμενο κεφάλαιο, αφορούν την εφαρμογή του συστήματος E.E.I.S. σε 5 διαφορετικές εισόδους-προσβάσεις κόμβων. Η επιλογή των κόμβων στους οποίους εφαρμόστηκε το σύστημα έγινε μετά από πολλές δοκιμές και μετά από εξέταση του βασικού σεναρίου κατά τις πρώτες δοκιμές προσομοίωσης. Φυσικά την επιλογή των 5 αυτών προσβάσεων επηρέασαν κάποιες παράμετροι οι οποίες περιγράφονται παρακάτω. Με βάση το αρχικό πλάνο της μελέτης, οι παράμετροι ως προς τις οποίες θα εξεταζόταν το σύστημα E.E.I.S. ήταν η απόσταση στην οποία ενεργοποιείται το σύστημα και διαφορετικά ποσοστά εξοπλισμένων οχημάτων επί το σύνολο της κυκλοφορίας. Ωστόσο όπως προαναφέρθηκε και στην περιγραφή του άξονα μελέτης, παρουσιάζεται μια ενδιαφέρουσα ιδιαιτερότητα: το μέγιστο όριο ταχύτητας σε όλη την διαδρομή από Θεσσαλονίκη προς Περαία, και αντίστροφα, μεταβάλλεται ανάμεσα στις τιμές 50,70 και 90km/h. Αυτό το στοιχείο έδωσε την ευκαιρία για μελέτη της εφαρμογής του συστήματος σε προσβάσεις με διαφορετικό όριο ταχύτητας. Συνεπώς μεταξύ των 5 προσβάσεων επιλέχθηκαν να υπάρχουν περιπτώσεις και από τις 3 διαφορετικές ταχύτητες. ΚΑΤΑΤΑΞΗ ΣΗΜΑΤΟΔΟΤΟΥΜΕΝΩΝ ΚΟΜΒΩΝ 50 km/h 70 km/h 90 km/h LIDL (προς Θεσσ.) Αντύπα (προς Θεσσ.) Πολυγύρου (προς Θεσσ.) LIDL (προς Περαία) Προπονητικό Παοκ (Προς Θεσσ.) Αεροδρομίου (προς Περαία) Αντύπα (προς Περαία) Προπονητικό Παοκ (Προς Περαία) Hyatt (προς Θεσσ.) Τριλόφου (προς Περαία) Σχολή πολέμου (προς Θεσσ.) Νεράιδα (προς Περαία) Τριλόφου (προς Θεσσ.) Σχολή πολέμου (προς Περαία) Νεράιδα (προς Θεσσ.) Επανομής (προς Περαία) Αγαπητού (προς Θεσσ.) Καρδία (προς Περαία) Επανομής (προς Θεσσ.) Αγαπητού (προς Περαία) Καρδία (προς Θεσσ.) Διαβαλκανικό-ΙΚΕΑ (προς Θεσσ.) Διαβαλκανικό-ΙΚΕΑ (προς Περαία) Πολυγύρου (προς Περαία) Αεροδρομίου (προς Θεσσ.) Καζίνο (προς Θεσσ.) Επίπεδο Φόρτου Καζίνο (προς Περαία) [1,300) Hyatt (προς Περαία) [300,750) Φιλίππου (προς Θεσσ.) [750,1000) Φιλίππου (προς Περαία) [1000,2500) Πίνακας 10: Κατηγοριοποίηση των προσβάσεων με βάση το όριο ταχύτητάς τους και το επίπεδο του φόρτου τους [79]

81 Επίσης τα πρώτα αποτελέσματα προσομοίωσης έδειξαν ότι σε πολλούς κόμβους οι αντίρροπες κατευθύνσεις (ΘεσσαλονίκηΠεραία και αντίστροφα) έτειναν να παρουσιάζουν έντονη διαφοροποίηση ως προς τον κυκλοφοριακό φόρτο. Συνεπώς θεωρήθηκε ενδιαφέρουσα η περίπτωση εξέτασης ενός κόμβου στον οποίο οι δύο αντίρροπες κατευθύνσεις θα παρουσίαζαν τα ίδια δεδομένα ταχύτητας, λωρίδων κυκλοφορίας και χρόνων σηματοδότησης, ενώ θα διαφοροποιούνταν ως προς την ζήτηση. Παράλληλα με την επιλογή των τμημάτων, έγινε και η επιλογή των εξεταζόμενων παραμέτρων οι οποίες θα βοηθούσαν και στην διαδικασία σύγκρισης μεταξύ των σεναρίων. Έτσι λοιπόν για κάθε επιλεγμένο οδικό τμήμα θα εξετάζονται τα εξής στοιχεία: Μέσος κυκλοφοριακός φόρτος (veh/h): αφορά το τμήμα πρόσβασης στο κόμβο και μετριέται για το σύνολο της κυκλοφορίας συμπεριλαμβάνοντας και ΜΜΜ. Χωρητικότητα (veh/h): Για τον προσδιορισμό της χωρητικότητας του οδικού τμήματος στο οποίο υπολογίζεται ο μέσος κυκλοφοριακός φόρτος χρησιμοποιήθηκε το Highway Capacity Manual Βαθμός κορεσμού V/C (volume/capacity): είναι ο λόγος του ωριαίου φόρτου κυκλοφορίας προς την χωρητικότητα του εκάστοτε εξεταζόμενου τμήματος. Μέση τιμή καθυστέρησης (sec): είναι η απόκλιση που έχει ο πραγματικός χρόνος διάσχισης του εξεταζόμενου τμήματος, σε σχέση με τον χρόνο κατά την ιδανική περίπτωση όπου τα οχήματα δεν παρεμποδίζονται από την υπόλοιπη κυκλοφορία. Μετριέται για το τμήμα πριν την διασταύρωση αν και θα μπορούσε να συμπεριληφθεί και η καθυστέρηση στο κατάντη. Ωστόσο οι διαφορές είναι σχεδόν μηδαμινές, οπότε δεν κρίθηκε σκόπιμο. Μέσος χρόνος στάσης (sec): όπως αναφέρθηκε και στην παράγραφο των αποτελεσμάτων του βασικού σεναρίου σε επίπεδο δικτύου, αφορά τον χρόνο πράσινης ένδειξης στον οποίο τα οχήματα αντί να βρίσκονται σε κίνηση είναι ακινητοποιημένα συνήθως εξαιτίας των ουρών που σχηματίζονται κατά την αναμονή λόγω κόκκινης ένδειξης του σηματοδότη. Αποτελεί υποσύνολο της καθυστέρησης και όπως είναι ευνόητο αφορά το τμήμα πριν τον κόμβο. Μέσος αριθμός στάσεων ανά όχημα: είναι το πλήθος των στάσεων που πραγματοποιούνται διαιρούμενο με τον μέσο κυκλοφοριακό φόρτο. Μέση πυκνότητα (veh/km): αφορά το τμήμα της προσέγγισης στον κόμβο. [80]

82 Μέση εκπομπή ρύπων CO2 (kg): αφορά τους ρύπων που εκπέμπονται στα τμήματα στα οποία επιδρά το σύστημα E.E.I.S., δηλαδή το τμήμα πριν και μετά την διασταύρωση. Μέση χιλιομετρική εκπομπή ρύπων CO2 (kg/km): είναι στην ουσία η μέση εκπομπή ρύπων διαιρούμενη με το συνολικό μήκος στο οποίο υπολογίζεται και που δύναται να επηρεαστεί από το σύστημα E.E.I.S., δηλαδή στο τμήμα πριν και μετά την διασταύρωση. Δεδομένων των παραπάνω, παρουσιάζονται οι επιλεγμένες προσβάσεις κόμβων και παρατίθενται τα αποτελέσματα του βασικού σεναρίου για αυτές: 1. Πρόσβαση με κατεύθυνση προς Θεσσαλονίκη στον κόμβο LIDL/Σχολής Νηπιαγωγών Η επιλογή αυτής της πρόσβασης έγινε διότι σε σχέση με τις υπόλοιπες προσβάσεις που είχαν όριο ταχύτητας 50km/h, είναι αυτή που παρουσιάζει τον περισσότερο φόρτο και η οποία διαθέτει αρκετό μήκος στα ανάντη. Εικόνα 17: Πρόσβαση κόμβου LIDL με κατεύθυνση προς Θεσσαλονίκη Ακολουθεί ένας συγκεντρωτικός πίνακας με τα στοιχεία που προέκυψαν από το βασικό σενάριο: ΣΤΟΙΧΕΙΑ ΠΡΟΣΒΑΣΗΣ ΜΟΝΑΔΑ ΜΕΤΡΗΣΗΣ Όριο ταχύτητας 50 km/h Μέσος κυκλοφοριακός φόρτος 1459 veh/h Χωρητικότητα 2200 veh/h Βαθμός κορεσμού 66.3% - Μέση τιμή καθυστέρησης 4,85 sec [81]

83 Μέσος χρόνος στάσης 3,90 sec Μέσος αριθμός στάσεων ανα όχημα 0,17 sec Μέση πυκνότητα 32 veh/km Μέση εκπομπή CO2 72,49 kg Μέση χιλιομετρική εκπομπή CO2 66,24 kg/km Κατανάλωση ανά χιλιόμετρο 26,08 L Συνολικός κύκλος σηματοδότησης 90 Sec Χρόνος πράσινης ένδειξης 32 sec Πίνακας 11: Στοιχεία πρόσβασης στον κόμβο του LIDL με κατεύθυνσης προς Θεσσαλονίκη Σχολιάζοντας λίγο τα αποτελέσματα, φαίνεται ότι η συγκεκριμένη πρόσβαση δεν παρουσιάζει μεγάλη τιμή καθυστέρησης. Επίσης ο μικρός αριθμός στάσεων/όχημα δικαιολογεί και τον μικρό χρόνο στάσης. 2. Πρόσβαση με κατεύθυνση προς Θεσσαλονίκη στον κόμβο Νεράιδας Πρόκειται για μία από τις προσβάσεις με τον μεγαλύτερο κυκλοφοριακό φόρτο, όπως και στην προηγούμενη περίπτωση. Αυτός είναι και ο λόγος που προτιμήθηκε μεταξύ των υπολοίπων προσβάσεων με ταχύτητα 90km/h. Επίσης, όπως σχολιάστηκε και παραπάνω, προτιμήθηκαν κόμβοι στους οποίους υπήρχαν δύο αντίρροπες προσβάσεις με παρόμοια στοιχεία αλλά διαφορετικούς φόρτους, και ο κόμβος της Νεράιδας αποτελεί μία τέτοια περίπτωση: η κατεύθυνση προς Θεσσαλονίκη παρουσιάζει σχεδόν διπλάσια φόρτο από αυτόν της αντίρροπής της προς Περαία. Εικόνα 18: Πρόσβαση κόμβου Νεράιδας με κατεύθυνση προς Θεσσαλονίκη Ακολουθεί συγκεντρωτικός πίνακας με τα στοιχεία που προέκυψαν από το βασικό σενάριο: [82]

84 ΣΤΟΙΧΕΙΑ ΠΡΟΣΒΑΣΗΣ ΜΟΝΑΔΑ ΜΕΤΡΗΣΗΣ Όριο ταχύτητας 90 km/h Μέσος κυκλοφοριακός φόρτος 1451 veh/h Χωρητικότητα 2900 veh/h Βαθμός κορεσμού 50,03% - Μέση τιμή καθυστέρησης 21,95 sec Μέσος χρόνος στάσης 17,30 sec Μέσος αριθμός στάσεων ανα όχημα 0,45 sec Μέση πυκνότητα 9 veh/km Μέση εκπομπή CO2 205,53 kg Μέση χιλιομετρική εκπομπή CO2 120,69 kg/km Κατανάλωση ανά χιλιόμετρο 47,52 L Συνολικός κύκλος σηματοδότησης 90 sec Χρόνος πράσινης ένδειξης 28 sec Πίνακας 12: Στοιχεία πρόσβασης στο κόμβο της Νεράιδας με κατεύθυνση προς Θεσσαλονίκη Όσον αφορά την συγκεκριμένη πρόσβαση, φαίνεται πως η εκπομπές ανά χιλιόμετρο είναι πολύ μεγαλύτερες σε σχέση με τις υπόλοιπες περιπτώσεις. Παράλληλα εμφανίζει σχετικά μεγάλες τιμές καθυστέρησης και χρόνου στάσης με αυξημένο σχετικά δείκτη στάσεων ανά όχημα. Όπως είναι γνωστό, οι διακοπές στην κίνηση ενός οχήματος είναι αυτές που προκαλούν αυξημένη κατανάλωση και κατ επέκταση εκπομπές CO2. Συνεπώς ο μεγάλος δείκτης στάσεων ανά όχημα δικαιολογεί την αυξημένη τιμή χιλιομετρικής εκπομπής. 3. Πρόσβαση με κατεύθυνση προς Περαία στον κόμβο Νεράιδας Η περίπτωση αυτή επιλέχθηκε, όπως αναφέρθηκε πιο πάνω, επειδή δίνει την δυνατότητα να εξεταστεί μια περίπτωση παρόμοιων χαρακτηριστικών με την προηγούμενη, αλλά με σαφώς μικρότερο κυκλοφοριακό φόρτο. Επιτυγχάνεται έτσι έμμεσα η αξιολόγηση της λειτουργίας του συστήματος με βάση και την ζήτησης ως παράμετρο. Οι διαφορές των αποτελεσμάτων στις δύο αυτές προσβάσεις θα δείξει κατά πόσο η ζήτηση δύναται να επηρεάσει την επιτυχία του συστήματος E.E.I.S. στην μείωση των εκπομπών και της κατανάλωσης. [83]

85 Εικόνα 19: Πρόσβαση κόμβου Νεράιδας με κατεύθυνση προς Περαία Ακολουθεί συγκεντρωτικός πίνακας με τα στοιχεία που προέκυψαν από το βασικό σενάριο: ΣΤΟΙΧΕΙΑ ΠΡΟΣΒΑΣΗΣ ΜΟΝΑΔΑ ΜΕΤΡΗΣΗΣ Όριο ταχύτητας 90 km/h Μέσος κυκλοφοριακός φόρτος 819 veh/h Χωρητικότητα 3200 veh/h Βαθμός κορεσμού 25.5% - Μέση τιμή καθυστέρησης 9,15 Sec Μέσος χρόνος στάσης 7,15 Sec Μέσος αριθμός στάσεων ανα όχημα 0,24 Sec Μέση πυκνότητα 5 veh/km Μέση εκπομπή CO2 110,68 Kg Μέση χιλιομετρική εκπομπή CO2 44,85 kg/km Κατανάλωση ανά χιλιόμετρο 17,66 L Συνολικός κύκλος σηματοδότησης 90 Sec Χρόνος πράσινης ένδειξης 28 Sec Πίνακας 13: Στοιχεία πρόσβασης στον κόμβο της Νεράιδας με κατεύθυνση προς Περαία Σχολιάζοντας λίγο τα αποτελέσματα του βασικού σεναρίου στις δύο προσβάσεις του ίδιου αυτού κόμβου, προκαλεί ενδιαφέρον το γεγονός ότι στην πρόσβαση με κατεύθυνση προς την Περαία, ενώ οι τιμές του φόρτου, της καθυστέρησης και του χρόνου στάσης είναι σχεδόν οι μισές από αυτές της αντίρροπης πρόσβασης, η εκπομπές και η κατανάλωση ανά χιλιόμετρο είναι πάρα πολύ μικρότερες κατά δυσανάλογο τρόπο. Αυτό βέβαια δικαιολογείται γιατί εκτός από την μικρότερη κυκλοφορία, είναι σχετικά μικρός και ο μέσος χρόνος στάσης και η στάση ανά όχημα. Δηλαδή όχι μόνο υπάρχουν λιγότερα οχήματα για να παράγουν CO2, αλλά και αυτά που υφίστανται δεν τείνουν να [84]

86 διακόπτουν την κίνησή τους με αποτέλεσμα να μειώνεται και η εκπομπή αερίων που προκαλείται από το σταμάτημα και το ξεκίνημα ενός οχήματος. 4. Πρόσβαση με κατεύθυνση προς Περαία στον κόμβο Καζίνου Η επιλογή αυτού του κόμβου (και των δύο προσβάσεων) έγινε όχι μόνο για να ελεγχθεί πάλι η διαφοροποίηση της αποτελεσματικότητας του συστήματος E.E.I.S. ως προς την μεταβολή της ζήτησης, αλλά και επειδή αποτελούσαν δύο από τις προσβάσεις με όριο ταχύτητας 70km/h, που είχαν την μεγαλύτερη κυκλοφορία. Εικόνα 20: Πρόσβαση κόμβου καζίνου με κατεύθυνση προς Περαία Ο συγκεντρωτικός πίνακας με τα στοιχεία που προέκυψαν από το βασικό σενάριο: ΣΤΟΙΧΕΙΑ ΠΡΟΣΒΑΣΗΣ ΜΟΝΑΔΑ ΜΕΤΡΗΣΗΣ Όριο ταχύτητας 70 km/h Μέσος κυκλοφοριακός φόρτος 963 veh/h Χωρητικότητα 2700 veh/h Βαθμός κορεσμού 35.67% - Μέση τιμή καθυστέρησης 6,50 Sec Μέσος χρόνος στάσης 3,52 sec Μέσος αριθμός στάσεων ανα όχημα 0,18 sec Μέση πυκνότητα 9 veh/km Μέση εκπομπή CO2 95,24 kg [85]

87 Μέση χιλιομετρική εκπομπή CO2 79,76 kg/km Κατανάλωση ανά χιλιόμετρο 31,4 L Συνολικός κύκλος σηματοδότησης 95 Sec Χρόνος πράσινης ένδειξης 44 Sec Πίνακας 14: Στοιχεία πρόσβασης στον κόμβο του καζίνου με κατεύθυνση προς Περαία 5. Πρόσβαση με κατεύθυνση προς Θεσσαλονίκη στον κόμβο Καζίνου Εικόνα 21: Πρόσβαση κόμβου καζίνου με κατεύθυνση προς Θεσσαλονίκη ΣΤΟΙΧΕΙΑ ΠΡΟΣΒΑΣΗΣ ΜΟΝΑΔΑ ΜΕΤΡΗΣΗΣ Όριο ταχύτητας 70 km/h Μέσος κυκλοφοριακός φόρτος 1258 veh/h Χωρητικότητα 2000 veh/h Βαθμός κορεσμού 62.9% - Μέση τιμή καθυστέρησης 9,69 sec Μέσος χρόνος στάσης 7,74 sec Μέσος αριθμός στάσεων ανα όχημα 0,23 Sec Μέση πυκνότητα 18 veh/km Μέση εκπομπή CO2 88,71 Kg Μέση χιλιομετρική εκπομπή CO2 96,42 kg/km Κατανάλωση ανά χιλιόμετρο 37,96 L Συνολικός κύκλος σηματοδότησης 95 sec Χρόνος πράσινης ένδειξης 46 sec Πίνακας 15: Στοιχεία πρόσβασης στον κόμβο του καζίνου με κατεύθυνση προς Θεσσαλονίκη [86]

88 Όπως και με το προηγούμενο ζευγάρι προσβάσεων που ανήκαν στον ίδιο κόμβο, έτσι και αυτοί παρουσιάζουν διαφοροποίηση όχι μόνο στον κυκλοφοριακό φόρτο αλλά και στα υπόλοιπα χαρακτηριστικά τους μεγέθη. Όσον αφορά την χωρητικότητα του κάθε επιλεγμένου τμήματος, αυτή επιλέχθηκε με βάση το Highway Capacity Manual Πιο συγκεκριμένα, ο υπολογισμός έγινε με βάση τον τύπο: Όπου: C = s N g c Εξίσωση 7: Εκτίμηση χωρητικότητας με βάση το Highway Capacity Manual 2010 S= ροή κορεσμού (veh/h), η οποία διαφοροποιείται για ευθείες, αριστερές και δεξιές κινήσεις ανάλογα με το αν γίνονται σε ξεχωριστές λωρίδες ή αν μια λωρίδα χρησιμοποιείται από δύο ειδών κινήσεις. Ν=αριθμός λωρίδων g= χρόνος πράσινης ένδειξης που αντιστοιχεί στην κάθε εξεταζόμενη κίνηση c=συνολικός κύκλος σηματοδότησης Δεδομένου ότι όλες οι στρέφουσες δεξιές και αριστερές κινήσεις στις επιλεγμένες προσβάσεις είναι διαχωρισμένες σε ξεχωριστές λωρίδες από τις ευθείες κινήσεις, οι ροές κορεσμού υπολογίστηκαν με τον εξής τύπο για κάθε τύπο κίνησης: S S0 fw fhv fg fp fbb fa flu flt frt flpb frpb Εξίσωση 8: Εκτίμηση ροής κορεσμού ανά λωρίδα κυκλοφορίας για ευθείες κινήσεις και διαχωρισμένες στρέφουσες όπου: S0 =η βασική ροή κορεσμού ανά λωρίδα. Στην εν λόγω εφαρμογή έχει ληφθεί ίση με veh/ln/h fw =συντελεστής προσαρμογής για το πλάτος λωρίδας fhv =συντελεστής προσαρμογής για βαρέα οχήματα fg =συντελεστής προσαρμογής για την κατά μήκος κλίση της πρόσβασης fp =συντελεστής προσαρμογής για στάθμευση δίπλα στην ομάδα λωρίδων fbb =συντελεστής προσαρμογής για λεωφορεία που σταματούν στην περιοχή fa =συντελεστής προσαρμογής για τον τύπο της περιοχής flu =συντελεστής προσαρμογής για τη χρήση των λωρίδων flt =συντελεστής προσαρμογής για τις αριστερές στροφές frt =συντελεστής προσαρμογής για τις δεξιές στροφές flpb =συντελεστής προσαρμογής για πεζούς/ποδήλατα σε αριστερές στροφές frpb =συντελεστής προσαρμογής για πεζούς/ποδήλατα σε δεξιές στροφές [87]

89 ΚΕΦΑΛΑΙΟ 5: ΕΦΑΡΜΟΓΗ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕΝΑΡΙΩΝ 5.1 ΠΡΟΕΡΓΑΣΙΑ ΕΠΙΛΟΓΗ ΠΑΡΑΜΕΤΡΩΝ ΕΞΕΤΑΣΗΣ Κατά την επισκόπηση της γενικότερης έρευνας που έχει γίνει ως προς τα συστήματα E.E.I.S. δημιουργήθηκαν ορισμένες απορίες οι οποίες βοήθησαν στην απόφαση σχετικά με την πορεία που θα ακολουθούσε η εν λόγω εργασία στο πειραματικό της τμήμα. Οι προβληματισμοί αφορούσαν τα εξής θέματα: Στις περισσότερες μελέτες που έχουν ήδη προηγηθεί της συγκεκριμένης εργασίας πάνω στο σύστημα των Ενεργειακά Αποδοτικών Σηματοδοτούμενων Διασταυρώσεων (E.E.I.S.) οι ερευνητές τείνουν να πειραματίζονται με βάση τα διαφορετικά επίπεδα ζήτησης και τα ποσοστό εξοπλισμένων οχημάτων. Κατά πόσο ενδείκνυται να μελετηθούν πάλι αυτά τα στοιχεία και να μην συμπεριληφθούν άλλες παράμετροι όπως η απόσταση στην οποία λαμβάνεται το σήμα; Επίσης μελετώντας εκτενώς την βιβλιογραφία που συγκεντρώθηκε, παρατηρείται ότι οι μελέτες βασίζονται σε υποθετικά δίκτυα χωρίς να εμπλέκονται διαφορετικά οχήματα και πλήθος κόμβων με διαφορετικά στοιχεία. Αποφεύγοντας αυτή την εξιδανικευμένη περίπτωση, πώς ενδέχεται να επηρεάσει η σύνθεση της κυκλοφορίας την απόδοση των συστημάτων αυτών; Θα εξακολουθήσουν να υφίστανται τα ίδια ποσοστά μείωσης στην κατανάλωση και τις εκπομπές; Ένα ακόμα στοιχείο που προκαλούσε ενδιαφέρον ήταν ότι σε όλα τα case studies, το σύστημα δοκιμαζόταν είτε για μεμονωμένους κόμβους είτε για πλήθος κόμβων όπου όλοι διέθεταν το σύστημα E.E.I.S. Συνεπώς μπορούσε κάποιος να αναρωτηθεί το κατά πόσο η επιτυχία της εφαρμογής του συστήματος σε έναν κόμβο βασιζόταν ή όχι στην ύπαρξη συστήματος E.E.I.S. στους προηγούμενους του. Συνεπώς γεννήθηκε η απορία κατά πόσο θα ήταν αποδοτικό το σύστημα αν το αυτό εφαρμοζόταν σε προσβάσεις μη διαδοχικών κόμβων. Η περίπτωση του εξεταζόμενου άξονα στην εργασία αυτή δίνει της ευκαιρία για πειραματισμό σε ένα πραγματικό δίκτυο με κόμβους διαφορετικών στοιχείων, με διαφορετικές ταχύτητες προσέγγισης και με σχετικά μεγάλες αποστάσεις μεταξύ τους. Επίσης η σύνθεση της κυκλοφορίας είναι κατάλληλη για εξαγωγή συμπερασμάτων μέσα από μεταβολή του ποσοστού των εξοπλισμένων οχημάτων. Τέλος όπως αναφέρθηκε και στο 4 ο κεφάλαιο, παρατηρείται διαφοροποίηση της ζήτησης ακόμα και σε κόμβους με παρόμοια χαρακτηριστικά. [88]

90 Συνεπώς αποφασίστηκε να γίνει εφαρμογή του συστήματος σε 5 προσβάσεις κόμβων και τα πιθανά σενάρια να αφορούν: την απόσταση από τον κόμβο στην οποία ξεκινά η λειτουργία του συστήματος, λαμβάνοντας τρεις πιθανές περιπτώσεις: μικρής μεσαίας και μεγάλης απόστασης το ποσοστό των Ι.Χ. στα οποία θα δίνεται το σήμα από τον «έξυπνο» κόμβο, μελετώντας 3 διαφορετικές περιπτώσεις: 30%, 60% και 90%. Τα παραπάνω οδηγούν στην περίπτωση των 3x3=9 εξεταζόμενων σεναρίων. Ωστόσο ενδιαφέρον για την πορεία της εργασίας παρουσιάζουν και δύο ακόμα παράμετροι. Η μια είναι ότι ως επιπλέον των οχημάτων Ι.Χ. επιλέχθηκε το σύστημα σε κάθε ένα από τα 9 σενάρια να δίνεται σε όλο το σύνολο των ΤΑΧΙ εξαιτίας της λογικής ότι στον Ελληνικό χώρο τα νέα συστήματα εφαρμόζονται πρώτα σε πειραματικό στάδιο στα ΤΑΧΙ και μετά στην υπόλοιπη κυκλοφορία. Οπότε αφού γίνεται αναφορά σε εισαγωγή του συστήματος στα Ι.Χ. είναι προφανές ότι το σύστημα έχει προηγηθεί ήδη στο σύνολο των ΤΑΧΙ. Η άλλη παράμετρος, για την οποία έγινε εν μέρει λόγος και στο προηγούμενο κεφάλαιο, είναι ότι παρά τον πειραματισμό με βάση τα παραπάνω κριτήρια, η επιλογή των προσβάσεων στα οποία θα δοκιμαστεί η εφαρμογή, ενδέχεται να βοηθήσει έμμεσα και στην διερεύνηση επιπλέον κριτηρίων. Πιο αναλυτικά το γεγονός ότι εμφανίζονται προσβάσεις αντίρροπες στον ίδιο κόμβο με πολύ μεγάλη διαφορά στη ζήτηση, δίνει την ευκαιρία για διερεύνηση της επίδρασης της ζήτησης στα αποτελέσματα. Αυτός είναι και ο λόγος που κατά την επιλογή των προσβάσεων, επιλέχθηκαν 2 ζευγάρια προσβάσεων που είναι αντίρροπες σε ίδιους κόμβους και παρουσιάζουν διαφορετική ζήτηση. Ακόμα η επιλογή προσβάσεων με διαφορετικά όρια ταχύτητας δίνει την δυνατότητα διερεύνησης, εν μέρη, της επίδρασης και της ταχύτητας στα αποτελέσματα, επίσης γεγονός που δικαιολογεί την επιλογή των συγκεκριμένων προσβάσεων που επιλέχθηκαν ΕΙΣΑΓΩΓΗ ΤΩΝ ΠΑΡΑΜΕΤΡΩΝ Μετά την απόφαση σχετικά με τις παραμέτρους των σεναρίων ακολούθησε η επιλογή των 5 προσβάσεων. Για την διαδικασία αυτή χρησιμοποιήθηκε το ανάλογο patch «Energy Efficient Intersection 1.0.5» του συστήματος E.E.I.S. το οποίο ενσωματωμένο στο μικροσκοπικό μοντέλο του AIMSUN έδωσε την ευκαιρία για πραγματοποίηση του πειραματικού σταδίου της εργασίας. Μια εικόνα του προγράμματος κωδικοποίησης του συστήματος E.E.I.S. φαίνεται στην συνέχεια. Αναφέρεται ότι για την επιλογή των προσβάσεων, έγινε δοκιμή των διαφορετικών παραμέτρων των σεναρίων σε συνολικά 18 προσβάσεις εκ των οποίων επιλέχθηκαν 5. [89]

91 Εικόνα 22: Άποψη του προγράμματος EEI που χρησιμοποιείται για εφαρμογή του συστήματος ΕΕΙS στο AIMSUN Όπως φαίνεται και στην παραπάνω εικόνα τα δεδομένα που απαιτούνται για την ρύθμιση του συστήματος σε μία πρόσβαση, μέσω του προγράμματος «ΕΕΙ 1.0.5» είναι: Κωδικός κόμβου και παράθεση όλων των τμημάτων της πρόσβασης προ του κόμβου. Κωδικός του σηματοδότη που αφορά την επιλεγμένη πρόσβαση. Ανώτατο και κατώτατο όριο της αρχής της ζώνης κάλυψης του συστήματος (Συνήθως το όριο της ζώνης είναι +-10m). Κατώτατη ταχύτητα στην οποία εφαρμόζεται το σύστημα. Αν κάποιο όχημα κινείται με ταχύτητα ίση η μικρότερη αυτής, τότε δεν λαμβάνει πλέον οδηγία από το σύστημα. Στην περίπτωση της μελέτης η ταχύτητα αυτή ορίστηκε 20 km/h. Οχήματα στα οποία εφαρμόζεται το σύστημα. Στο σημείο αυτό γίνεται μια αποσαφήνιση της λογικής με την οποία έγινε η επιλογή των εξοπλισμένων οχημάτων επεξηγώντας την διαδικασία που ακολουθήθηκε κατά την εισαγωγή της ζήτησης μέσω των traffic states: Στο προηγούμενο κεφάλαιο είχε αναφερθεί ότι το σύνολο των Ι.Χ. κατά την εισαγωγή του στα traffic states χωρίστηκε σε 4 κατηγορίες, εκ των οποίων οι 3 είχαν ποσοστό 30% επί του αρχικού συνόλου και η 4 η είχε 10%. Ο λόγος που έγινε όλο αυτό ήταν για να εξυπηρετηθεί αυτή ακριβώς η διαδικασία. Το πρόγραμμα όπως φαίνεται παραπάνω δέχεται την επιλογή ενός τύπου οχήματος αλλά όχι ποσοστό αυτού. Συνεπώς για να είναι εφικτή η επιλογή του 30, του 60 ή του 90% των Ι.Χ., έπρεπε να υπάρχουν 4 διαφορετικές ομάδες Ι.Χ. ώστε κάθε φορά ανάλογα με την επιλογή κάποιας ή κάποιων από αυτές να [90]

92 διαφοροποιείται αντίστοιχα και ο βαθμός εξοπλισμού. Τονίζεται και πάλι ότι σε όλα τα σενάρια το σύνολο των ΤΑΧΙ θεωρήθηκε ότι ήταν πλήρως εξοπλισμένο με το σύστημα επικοινωνίας. Συνεπώς μετά τον καθορισμό των 5 προσβάσεων που επιλέχθηκαν προέκυψε ο εξής κατάλογος σεναρίων: Σενάριο 1: Ποσοστό εξοπλισμένων Ι.Χ. 30% / μικρή απόσταση από κόμβο Σενάριο 2: Ποσοστό εξοπλισμένων Ι.Χ. 30% / μεσαία απόσταση από κόμβο Σενάριο 3: Ποσοστό εξοπλισμένων Ι.Χ. 30% / μεγάλη απόσταση από κόμβο Σενάριο 4: Ποσοστό εξοπλισμένων Ι.Χ. 60% / μικρή απόσταση από κόμβο Σενάριο 5: Ποσοστό εξοπλισμένων Ι.Χ. 60% / μεσαία απόσταση από κόμβο Σενάριο 6: Ποσοστό εξοπλισμένων Ι.Χ. 60% / μεγάλη απόσταση από κόμβο Σενάριο 7: Ποσοστό εξοπλισμένων Ι.Χ. 90% / μικρή απόσταση από κόμβο Σενάριο 8: Ποσοστό εξοπλισμένων Ι.Χ. 90% / μεσαία απόσταση από κόμβο Σενάριο 9: Ποσοστό εξοπλισμένων Ι.Χ. 90% / μεγάλη απόσταση από κόμβο Σενάριο 10: Βασικό σενάριο (απουσία του συστήματος) Τονίζεται ότι σχετικά με τις τρεις διαφορετικές αποστάσεις, η μικρότερη απόσταση τέθηκε και στα 5 τμήματα ίση με 300m. Όσο για την μεσαία και την μεγάλη απόσταση, αυτές στις 4 από τις 5 προσβάσεις λήφθηκαν ίσες με 450m και 600m αντίστοιχα. Εξαίρεση αποτέλεσε η πρόσβαση στον κόμβο του καζίνου με κατεύθυνση προς Θεσσαλονίκη, στην οποία το μήκος της μεσαίας απόστασης λήφθηκε 400m και της μεγάλης 500m. Αυτή η διαφοροποίηση έγινε εξαιτίας του μικρού μήκους ανάμεσα στον κόμβο αυτόν και τον αμέσως προηγούμενό του, που ήταν κάτω από 600m με αποτέλεσμα να μην μπορούν να ληφθούν οι ίδιες αποστάσεις ΕΠΕΞΕΡΓΑΣΙΑ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ Τα δεδομένα εξαγωγής από το κάθε σενάριο ήταν ένα.sql αρχείο από το οποίο όπως αναφέρθηκε στο προηγούμενο κεφάλαιο, με την βοήθεια ενός προγράμματος, εξήχθησαν οι επιθυμητοί πίνακες και οι οποίοι με την βοήθεια των συγκεντρωτικών πινάκων του Microsoft office excel επεξεργάσθηκαν ώστε να ληφθούν τα τελικά αποτελέσματα. [91]

93 Εικόνα 23: Στιγμιότυπο από την επεξεργασία των αποτελεσμάτων στο excel, μέσω συγκεντρωτικών πινάκων Όσον αφορά για τον τρόπο που χρησιμοποιήθηκαν τα αποτελέσματα, δηλαδή την λογική γύρω από την οποία γίνεται η σύγκριση μεταξύ των σεναρίων βάση της οποίας προκύπτουν τα απαραίτητα συμπεράσματα, αυτή ξεκινά με την σύγκριση σε επίπεδο δικτύου και συνεχίζει με την περιγραφή της επίδρασης του εκάστοτε σεναρίου στα επιλεγμένα οδικά τμήματα. Τονίζεται ότι στα 9 σενάρια που ακολουθούν για τον κάθε κόμβο λαμβάνεται υπόψη η μέση καθυστέρηση, ο κυκλοφοριακός φόρτος, ο μέσος χρόνος στάσης, οι στάσεις ανά όχημα, η πυκνότητα κυκλοφορίας και η μέση χιλιομετρική εκπομπή CO2. Για την καλύτερη κατανόηση της επίδρασης του συστήματος E.E.I.S. όλα αυτά τα στοιχεία παρουσιάζονται ως ποσοστιαίες μεταβολές σε σχέση με το βασικό σενάριο. Οι ποσοστιαίες μεταβολές του βαθμού κορεσμού (V/C) και της κατανάλωσης δεν διότι οι τιμές τους είναι εξ ορισμού ανάλογες με τις μεταβολές του φόρτου και των εκπομπών CO2 αντίστοιχα. Επίσης παρατίθεται και ένα ακόμα στοιχείο, αυτός της ποσοστιαίας σύγκρισης των εκπομπών των εξοπλισμένων οχημάτων σε σχέση με τα μη εξοπλισμένα. Αυτή η σύγκριση γίνεται για να διερευνηθεί το κατά πόσο ένα διαφορετικό σενάριο λειτουργίας του συστήματος βοηθά στην αλλαγή των εκπομπών των εξοπλισμένων μόνο ή αν έχει και παράλληλα μεγάλη επίδραση και στα μη εξοπλισμένα οχήματα. Επίσης έτσι μπορεί να διεξαχθεί συμπέρασμα σχετικά με το αν εν τέλει τα εξοπλισμένα οχήματα είναι αυτά που βελτιώνουν τον περιβαλλοντικό στόχο των E.E.I.S. [92]

94 5.2.1 ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΤΟ ΣΥΝΟΛΟ ΤΟΥ ΔΙΚΤΥΟΥ 5.2 ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΕΝΑΡΙΩΝ Τα αποτελέσματα που ακολουθούν αφορούν το σύνολο του άξονα μελέτης μαζί με τα τμήματα των κάθετων σε αυτόν οδών. Από τα στοιχεία που συγκεντρώθηκαν παρουσιάζονται αυτά που εξυπηρετούν το κύριο στόχο της εργασίας που είναι η αξιολόγηση του συστήματος λαμβάνοντας υπόψη 2 διαφορετικούς τύπους μεταβλητών παραμέτρων, της απόστασης και του ποσοστού εξοπλισμού. Συνεπώς παρατίθενται στοιχεία που αφορούν τις εκπομπές CO2, την κατανάλωση, τον χρόνο στάσης οχήματος και την καθυστέρηση. Όλα αυτά τα στοιχεία υπολογίζονται ως μέσες τιμές για τα σύνολο του δικτύου και για την εύκολη σύγκρισή τους τόσο στα μεταξύ τους σενάρια όσο και ως προς την πραγματική σημερινή εικόνα, παρατίθενται οι ποσοστιαίες μεταβολές τους από την αντίστοιχη μέση τιμή που προέκυψε από την αναπαραγωγή του βασικού σεναρίου. Στο βασικό σενάριο είχε υπολογισθεί η τιμή 7211,996 kg, για την εξεταζόμενη περίοδο μίας ώρας, για το CO2. Η σύγκριση ξεκινάει με την μέση εκπομπή CO2 ανά εξεταζόμενο σενάριο μέσω μιας σύντομης συγκεντρωτικής αναπαράσταση της ποσοστιαίας μεταβολής της σε σχέση με το βασικό σενάριο. Στο παρακάτω διάγραμμα εύκολα βγαίνει το συμπέρασμα ότι τα στοιχεία παρουσιάζουν αισθητή βελτίωση από το 5 ο σενάριο και μετά. Ωστόσο ακολουθεί μεγαλύτερη ανάλυση του κάθε αποτελέσματος στην συνέχεια. ΠΟΣΟΣΤΙΑΙΑ ΜΕΤΑΒΟΛΗ ΤΗΣ ΜΕΣΗΣ ΕΚΠΟΜΠΗΣ ΡΥΠΩΝ C02 ΑΝΑ ΕΞΕΤΑΖΟΜΕΝΟ ΣΕΝΑΡΙΟ 0,00-0,10-0,10-0,10-0,14-0,08-0,20-0,22-0,30-0,40-0,39-0,31-0,38-0,50-0, ΑΡΙΘΜΟΣ ΣΕΝΑΡΙΟΥ -0,56 Διάγραμμα 22: Εξέλιξη ποσοστιαίας μεταβολής της μέσης εκπομπής ρύπων CO2 ανά εξεταζόμενο σενάριο σε επίπεδο δικτύου Τα 3 πρώτα σενάριο ως γνωστόν αφορούν την περίπτωση στην οποία εξοπλισμένα είναι το 30% των ΙΧ. Τα επόμενα 3 αφορούν το 60% κτλ. Αρχικά για τον σχολιασμό παρατίθεται ο πίνακας με τις αναλυτικές τιμές. Η χρήση του πίνακα είναι καθαρά για λόγους αντίληψης των μεγεθών. [93]

95 % ΜΕΤΑΒΟΛΗ Αξιολόγηση συστήματος υπόδειξης βέλτιστης ταχύτητας σε σηματοδοτούμενο ΜΕΣΗ ΕΚΠΟΜΠΗ ΡΥΠΩΝ CO2 ΑΝΑ ΕΞΕΤΑΖΟΜΕΝΟ ΣΕΝΑΡΙΟ (g) ΠΟΣΟΣΤΟ ΕΞΟΠΛΙΣΜΕΝΩΝ ΙΧ 0% 30% 60% 90% ΒΑΣΙΚΟ ΣΕΝΑΡΙΟ ΑΠΟΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΣΗΣ ΟΔΗΓΟΥ ΜΙΚΡΗ ΜΕΣΑΙΑ ΜΕΓΑΛΗ Πίνακας 16: Μέση εκπομπή ρύπων CO2 ανά εξεταζόμενο σενάριο Ανάγοντας όλες τις επιμέρους περιπτώσεις σε ποσοστά που δείχνουν την μεταβολή του από την αρχική τιμή των g προκύπτουν οι τιμές στο υπόμνημα του γραφήματος γραμμών που φαίνεται από παρακάτω και που αποτελεί στην ουσία των διαχωρισμό των 9 σεναρίων του πρώτου διαγράμματος ανά τρία και ταυτόχρονη παρουσίασή τους. 0,00-0,10 ΜΕΤΑΒΟΛΗ ΜΕΣΗΣ ΕΚΠΟΜΠΗΣ ΡΥΠΩΝ CO2 ΣΕ ΣΥΓΚΡΙΣΗ ΜΕ ΤΟ ΒΑΣΙΚΟ ΣΕΝΑΡΙΟ -0,20-0,30-0,40-0,50-0,60 ΜΙΚΡΗ ΑΠΟΣΤΑΣΗ ΜΕΣΣΑΙΑ ΑΠΟΣΤΑΣΗ ΜΕΓΑΛΗ ΑΠΟΣΤΑΣΗ 30% -0,10-0,10-0,14 60% -0,08-0,39-0,31 90% -0,22-0,38-0,56 ΠΙΝΑΚΑΣ ΠΟΣΤΙΑΙΑΣ ΜΕΤΑΒΟΛΗΣ Διάγραμμα 23: Σύγκριση μεταβολών μέσης εκπομπής ρύπων CO2 για διαφορετικές αποστάσεις πληροφόρησης ως προς τα διαφορετικά ποσοστά εξοπλισμένων ΙΧ Ένα πρώτο πράγμα που μπορεί να σχολιασθεί είναι το γεγονός ότι δεν φαίνονται μεγάλες μεταβολές σε σχέση με το βασικό σενάριο. Ωστόσο αναλογιζόμενος κανείς ότι το η πειραματική διαδικασία αφορά την επίδραση που έχουν μόλις 5 οδικά τμήματα προσβάσεων σε κόμβους, την ώρα που ολόκληρος ο άξονας απαρτίζεται από 17 κόμβους με τουλάχιστον τριπλάσιο αριθμό προσβάσεων, συνειδητοποιεί το πόσο σημαντική είναι έστω και μια επίδραση της τάξης του 0,5%. Για παράδειγμα μία βελτίωση 0,1% στην περίπτωση του εν λόγω δικτύου κόμβων, μεταφράζεται σε περίπου 721,2kg λιγότερους ρύπους. [94]

96 ΑΠΟΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΣΗΣ ΟΔΗΓΟΥ ΜΙΚΡΗ ΑΠΟΣΤΑΣΗ ΜΕΣΣΑΙΑ ΑΠΟΣΤΑΣΗ ΜΕΓΑΛΗ ΑΠΟΣΤΑΣΗ Αξιολόγηση συστήματος υπόδειξης βέλτιστης ταχύτητας σε σηματοδοτούμενο Προχωρώντας στον σχολιασμό, αξιοσημείωτο είναι ότι έστω και στην περίπτωση της μικρής απόστασης, ακόμα και με μικρό ποσοστό εξοπλισμού, παρουσιάζεται μια μικρή μείωση στις εκπομπές. Η μείωση αυτή δεν φαίνεται να ακολουθεί κάποιον κανόνα αφού διαφοροποιείται η εξέλιξή της ανάλογα με το ποσοστό εξοπλισμού: για παράδειγμα στην μπλε γραμμή που αντιπροσωπεύει τα σενάρια 1,2,3 με ποσοστό εξοπλισμού 30% φαίνεται ότι με την αύξηση της απόστασης, η μείωση γίνεται μεγαλύτερη. Ωστόσο η ίδια εικόνα δεν φαίνεται και στα σενάρια 4,5,6 που φαίνονται στην πορτοκαλί γραμμή αντίστοιχα. Εκεί η μικρή απόσταση δίνει χειρότερο αποτέλεσμα από την αντίστοιχη μικρή των 30% εξοπλισμένων ΙΧ. Αντίθετα η μεσαία κατηγορία απόστασης όταν συνδυάζεται με το ποσοστό εξοπλισμού στο 60% δίνει κατά πολύ μεγάλο βαθμό καλύτερα αποτελέσματα. Τέλος φαίνεται ότι με το 90% των ΙΧ εξοπλισμένο επιτυγχάνεται μια γραμμική βελτίωση της εκπομπής CO2 η οποία όχι ξεκινώντας από ήδη μεγάλη τιμή (0,22% λιγότερο της αρχικής) φτάνει μέχρι και στην μέγιστη βελτίωση που είναι 0,56% μικρότερη του βασικού σεναρίου. Για να διερευνηθεί αν η απόσταση είναι αυτή που επηρεάζει κυρίως την βελτίωση δημιουργήθηκε το παρακάτω διάγραμμα 24: ΠΟΣΟΣΤΙΑΙΑ ΜΕΤΑΒΟΛΗ ΜΕΣΗΣ ΕΚΠΟΜΠΗΣ CO2-0,56-0,31-0,14-0,38-0,39-0,10 90% 60% 30% -0,22-0,08-0,10 % -0,60-0,50-0,40-0,30-0,20-0,10 0,00 Διάγραμμα 24: : Σύγκριση μεταβολών μέσης εκπομπής ρύπων CO2 για διαφορετικά ποσοστά εξοπλισμένων ΙΧ ως προς τις διαφορετικές αποστάσεις πληροφόρησης Στο προηγούμενο διάγραμμα φαίνεται πως η αύξηση της απόστασης από τον κόμβο συνεπάγεται μεγαλύτερη μείωση στην περίπτωση των υψηλότερων ποσοστών εξοπλισμένων οχημάτων. Άμεση σχέση με την εκπομπή ρύπων CO2 έχει και η κατανάλωση η μεταβολή της οποίας δεν έχει σημασία να παρουσιασθεί αφού είναι η ίδια με αυτή των εκπομπών που προηγήθηκε. Ωστόσο για λόγους πληρότητας παρατίθενται τα αποτελέσματα των τιμών της κατανάλωσης ανά περίπτωση, στον πίνακα 17: [95]

97 ΜΕΣΗ ΚΑΤΑΝΑΛΩΣΗ ΑΝΑ ΕΞΕΤΑΖΟΜΕΝΟ ΣΕΝΑΡΙΟ (L) ΑΠΟΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΣΗΣ ΟΔΗΓΟΥ ΠΟΣΟΣΤΟ ΕΞΟΠΛΙΣΜΕΝΩΝ ΙΧ 0% 30% 60% 90% ΒΑΣΙΚΟ ΣΕΝΑΡΙΟ 2839, ΜΙΚΡΗ , , ,23 ΜΕΣΑΙΑ , , ,66 ΜΕΓΑΛΗ , , ,34 Πίνακας 17: Μέση κατανάλωση ανά εξεταζόμενο σενάριο Στην συνέχεια με την ίδια λογική γίνεται η παρουσίαση της μέσης καθυστέρησης. Στο βασικό σενάριο η τιμή της καθυστέρησης ήταν της τάξης των 47,27 sec. Στην ουσία δεν έχει κάποια πρακτική αξία να δειχθούν οι απόλυτες τιμές των διαφορετικών περιπτώσεων αφού αφορούν διαφοροποιήσεις δευτερολέπτων, όμως αντί αυτών παρουσιάζονται οι διαφορές από την αρχική τιμή: ΠΟΣΟΣΤΙΑΙΑ ΜΕΤΑΒΟΛΗ ΤΗΣ ΜΕΣΗΣ ΚΑΘΥΣΤΕΡΗΣΗΣ ΣΥΓΚΡΙΤΙΚΑ ΜΕ ΤΟ ΒΑΣΙΚΟ ΣΕΝΑΡΙΟ 1,80 1,60 1,40 1,20 1,00 0,80 0,60 0,40 0,20 0,00-0,20 1,52 1,06 1,16 0,24 0,17-0,08-0,08-0,11-0, ΑΡΙΘΜΟΣ ΣΕΝΑΡΙΟΥ Διάγραμμα 25: Εξέλιξη ποσοστιαίας μεταβολής της μέσης καθυστέρησης ανά εξεταζόμενο σενάριο σε επίπεδο δικτύου Ξανά χωρίζεται το πλήθος των 9 σεναρίων σε ομάδες των τριών κατά σειρά, δηλαδή σε ομάδες με κοινό παρονομαστή το ποσοστό εξοπλισμού, και προκύπτει το εξής διάγραμμα που φαίνεται στην συνέχεια: [96]

98 % ΜΕΤΑΒΟΛΗ Αξιολόγηση συστήματος υπόδειξης βέλτιστης ταχύτητας σε σηματοδοτούμενο ΜΕΤΑΒΟΛΗ ΜΕΣΗΣ ΤΙΜΗΣ ΚΑΘΥΣΤΕΡΗΣΗΣ ΣΕ ΣΥΓΚΡΙΣΗ ΜΕ ΤΟ ΒΑΣΙΚΟ ΣΕΝΑΡΙΟ 1,80 1,60 1,40 1,20 1,00 0,80 0,60 0,40 0,20 0,00-0,20 ΜΙΚΡΗ ΜΕΣΑΙΑ ΜΕΓΑΛΗ 30% -0,08 0,24 1,06 60% -0,08-0,11 1,16 90% 0,17-0,10 1,52 ΑΠΟΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΣΗΣ ΟΔΗΓΟΥ ΓΙΑ ΔΙΑΦΟΡΕΤΙΚΑ ΠΟΣΟΣΤΑ ΕΞΟΠΛΙΣΜΕΝΩΝ ΙΧ Διάγραμμα 26: Σύγκριση των μεταβολών μέσης καθυστέρησης για διαφορετικές αποστάσεις πληροφόρησης ως προς τα διαφορετικά ποσοστά εξοπλισμένων ΙΧ Φαίνεται ότι οι συγκριτικά με τις υπόλοιπες περιπτώσεις, οι μεγάλες αποστάσεις ανεξαρτήτου βαθμού εξοπλισμού ΙΧ, προκαλούν μία αύξηση της καθυστέρησης. Φυσικά και η διαφοροποίηση αυτή είναι ανεπαίσθητη, ωστόσο σε επίπεδο κόμβου όπως θα φανεί στα αντίστοιχα κεφάλαιο, ενδέχεται να είναι σημαντική. Θεωρητικά μπορεί κάποιος να αναφέρει ότι η αύξηση της καθυστέρησης κατά μια έννοια συμβαδίζει με την μείωση των εκπομπών και αυτό γιατί η μείωση εκπομπών γίνεται μέσω της πιο ομαλής οδήγησης που ενδέχεται να συνεπάγεται φαινόμενα παρεμπόδισης της μέχρι πρότινος απότομης επιτάχυνσης και γρήγορης οδήγησης, με αντίκτυπο στον συνολικό χρόνο ταξιδιού. Καταρχάς μια τέτοια θεώρηση είναι αρκετά αυθαίρετη χωρίς να προηγηθεί η ανάλυση του κάθε σεναρίου σε κόμβους και δεύτερον υπάρχει η περίπτωση του 5 ου σεναρίου. Το σενάριο αυτό είναι ο συνδυασμός της μεσαίας απόστασης ενημέρωσης του οδηγού με βαθμό εξοπλισμού 60% του συνόλου των ΙΧ, στην οποία εμφανίζεται μείωση της καθυστέρησης ενώ ταυτόχρονα όπως φάνηκε προηγουμένως, υπάρχει και έντονη μείωση της κατανάλωσης. Πριν ξεκινήσει η ανάλυση κατά σενάριο, παρουσιάζεται και η περίπτωση του μέσου χρόνου στάσης, οποίος υπενθυμίζεται πως στο αρχικό σενάριο είχε προκύψει ίσος με 37,62 sec. [97]

99 % ΜΕΤΑΒΟΛΗ Αξιολόγηση συστήματος υπόδειξης βέλτιστης ταχύτητας σε σηματοδοτούμενο 0,00-0,20 ΠΟΣΟΣΤΙΑΙΑ ΜΕΤΑΒΟΛΗ ΤΟΥ ΜΕΣΟΥ ΧΡΟΝΟΥ ΣΤΑΣΗΣ ΟΧΗΜΑΤΟΣ ΑΝΑ ΕΞΕΤΑΖΟΜΕΝΟ ΣΕΝΑΡΙΟ -0,01-0,16-0,17-0,21-0,21-0,40-0,60-0,80-1,00-0,82-0,95-1,10-1,05-1, ΑΡΙΘΜΟΣ ΣΕΝΑΡΙΟΥ Διάγραμμα 27: Εξέλιξη ποσοστιαίας μεταβολής του μέσου χρόνου στάσης οχήματος ανά εξεταζόμενο σενάριο σε επίπεδο δικτύου Σε πρώτη φάση είναι εύκολο να θεωρηθεί πως η μείωση των χρόνων στάσης οχήματος συνεπάγεται και μείωση των εκπομπών. Ωστόσο σε ένα πλήθος τόσων πολλών προσβάσεων είναι δύσκολο να φανεί κάποια πολύ έντονη συσχέτιση μεταξύ αυτών των δύο στοιχείων. Κάτι τέτοιο προκύπτει και συγκρίνοντας το παραπάνω διάγραμμα με το αντίστοιχο των εκπομπών. Ωστόσο η βελτίωση έστω και της τάξης του 1% είναι χρήσιμη και αυτό θα φανεί στην ανάλυση ανά σενάριο στους κόμβους. 0,00 ΜΕΤΑΒΟΛΗ ΜΕΣΟΥ ΧΡΟΝΟΥ ΣΤΑΣΗΣ ΟΧΗΜΑΤΟΣ ΣΕ ΣΥΓΚΡΙΣΗ ΜΕ ΤΟ ΒΑΣΙΚΟ ΣΕΝΑΡΙΟ -0,20-0,40-0,60-0,80-1,00-1,20 ΜΙΚΡΗ ΑΠΟΣΤΑΣΗ ΜΕΣΑΙΑ ΑΠΟΣΤΑΣΗ ΜΕΓΑΛΗ ΑΠΟΣΤΑΣΗ 30% -0,16-0,21-0,17 60% -0,21-0,82-0,95 90% -0,01-1,10-1,05 ΑΠΟΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΣΗΣ ΟΔΗΓΟΥ ΓΙΑ ΔΙΑΦΟΡΕΤΙΚΑ ΠΟΣΟΣΤΑ ΕΞΟΠΛΙΣΜΕΝΩΝ ΙΧ Διάγραμμα 28: Σύγκριση των μεταβολών μέσου χρόνου στάσης οχήματος για διαφορετικές αποστάσεις πληροφόρησης ως προς τα διαφορετικά ποσοστά εξοπλισμένων ΙΧ [98]