APPLICATION OF DYNAMIC LANE GROUPING AND ARTIFICIAL INTELLIGENCE TECHNIQUES IN PREDICTING THE OPTIMUM LANE GROUPS AT ISOLATED SIGNALIZED INTERSECTIONS. PhD thesis, King Fahd University of Petroleum and Minerals.

Preview

PDF KhaledAssi_201107350_CE_PhD.pdf Download (3MB) | Preview

Arabic Abstract

تعتبر التقاطعات ذات الاشارات الضوئية من اهم عناصر شبكة الطرق حيث ان الحركة المرورية عليها لها اثر كبير على البيئة وعلى مجمل شبكة الطرق. معظم التقاطعات المرورية هذه الايام تتعرض بشكل كبير لظاهرة تذبذب الحركة المرورية خلال اليوم مما له الأثر السلبي الكبير على تثبيط الحركة المرورية على التقاطع وما يترتب عليه من ازدحامات مرورية خانقة وانبعاث الغازات الضارة بالبيئة. هذه الدراسة تهدف الى دراسة سبل تطبيق ألية المسرب الديناميكي (DLG) وأثرها في التخفيف من المشاكل الناجمة عن تذبذب الحركة المورية خلال اليوم على التقاطعات ذات الاشارات الضوئية. تم استخدام برنامج MATLAB لبناء نموذج يعمل على اختيار افضل اتجاه للمسارب (يمين، أمام، يسار) على التقاطعات ذات الثلاث ارجل والتقاطعات ذات الاربعة أرجل باستخدام النسبة المئوية من السيارات على كل اتجاه (يمين، أمام، يسار) حيث ان اتجاه المسارب الذي تم اختياره بواسطة النموذج هو الذي يتسسب بأقل نسبة تأخير للسيارات مقارنة باتجاهات المسارب الاخرى. بمقارنة التأخير الناتج عن تطبيق ألية المسرب الديناميكي مع التأخير الناتج عن عدم تطبيقه لوحظ ان تطبيق ألية المسرب الديناميكي لها الاثر الكبير في تقليل التأخير للسيارات على التقطعات المرورية. من ناحية أخرى تم عمل مقابلات شخصية مع 300 سائق لاكتشاف مدى فهم السائقين للوحات الالكترونية المتغيرة (VMS) المستخدمة في توضيح اتجاهات المسارب. بناء على المعلومات التي تم جمعها من هذه المقابلات، تم دراسة تأثير بعض العوامل مثل العمر، الدرجة العلمية، المهنة وعدد سنوات القيادة على فهم السائقين للوحات الالكترونية المتغيرة وقد وجد ان اهم هذه العوامل هو مستوى التعليم . اضافة الى ذلك، تم استخدام الذكاء الاصطناعي لبناء شبكة عصبية اصطناعية(ANN) لاستخدامها في اكتشاف افضل اتجاه للمسارب لأي تعداد مروري في اي تقاطع مشابه للذي تم استخدامه في هذه الدراسة ولقد بلغت نسبة دقتها 92%

English Abstract

Signalized intersection is an important element of any road network. Its operations impact adversely the environment and safety and further affect significantly the performance of the whole road system. A considerable variability in traffic demand is expected at most signalized intersections in urban areas. Most of such intersections nowadays are prone to the phenomenon of tide traffic where different traffic movements at each approach (left, through and right) are fluctuating significantly with time. This phenomenon has a significant role in degrading intersections performance and results in congestion along with excessive emissions of harmful gases. This study was conducted to investigate the effectiveness of applying dynamic lane assignment strategy, which is also known as dynamic lane grouping, to optimize signal timing plans. The concept of Dynamic Lane Grouping (DLG) has been introduced to mitigate such operation problems. MATLAB environment was used to build an optimization model to find the optimal lane groups at all intersection approaches for hypothetical massive traffic demand combinations using an objective function of minimizing intersection delay. A comparison was conducted between the average intersection delay for DLG and Fixed Lane Grouping (FLG) at different demand combinations. It is observed that applying DLG yields a significant reduction in average intersection delay compared to FLG. This study also introduced a plausible quick method to predict the optimum lane group in the field instantaneously using the percentage of turning movements at the approach without conducting massive calculations. On the other hand, interviews were conducted to explore the drivers’ response to the information about the existing configuration when disseminated via Variable Message Signs (VMS). The effect of drivers’ characteristics, such as age, occupation, driving experience and education level on their response to VMS, was statistically tested using contingency analysis. It was found that the most significant variable that will affect the drivers’ understanding of VMS is the level of education. Moreover, the Artificial Neural Networks (ANN) model was developed to predict the optimal lane group combinations for any turning movement combinations with an average accuracy of 92%.

Item Type:	Thesis (PhD)
Subjects:	Civil Engineering > Transportation Engineering
Department:	College of Design and Built Environment > Civil and Environmental Engineering
Committee Advisor:	Ratrout, Nedal
Committee Co-Advisor:	Selim, Shokri
Committee Members:	Al-Gahtani, Husain and Al-Suwaiyan, Mohammed and Aldosary, Adel
Depositing User:	KHALED ASSI (g201107350)
Date Deposited:	11 Jun 2017 12:44
Last Modified:	30 Dec 2020 13:44
URI:	http://eprints.kfupm.edu.sa/id/eprint/140300