Enhancing the precision of the cell transmission model for ubran mobility planning

Abstract

No gerenciamento de mobilidade urbana, rotas de ônibus devem ser modificadas e até mesmo adicionadas novas. Para isso, identificar e entender o comportamento de tráfego é proporcionado pela simulação de trânsito usando ferramentas computacionais. Modelos matemáticos usados nas simulações aproximam-se do comportamento do trânsito. Este trabalho aplica modificações do Modelo de Transmissão Celular (CTM) para simular comportamento de trânsito para implementação de gerenciamento de rotas de ônibus. O modelo, chamado CTM*, foi implementado em um script de python e adicionadas regras para simular interferências no trânsito e diferentes tipos de veículos. Além disso, o CTM* proporciona o tempo de viagem e a identificação de gargalos. O modelo foi validado em uma parte da cidade de Porto Alegre, Brasil. O tempo de viagem simulado foi comparado com dados do Google Maps e obtido uma diferença de 5.88%. Com o CTM* validado, um ônibus foi inserido no modelo. Adicionalmente a isto, um cenário com as condições completamente saturadas foi introduzido no modelo para simular uma situação de congestionamento. A simulação permitiu observar posições críticas no caminho e congestionamento devido aos atrasos do ônibus. O CTM demonstrou a simulação de diferentes condições do trânsito com êxito. O modelo permite a implementação de diferentes cenários e é influenciado por obstáculos e tipos de veículos.

In urban mobility management, bus routes must be modified and added new ones. For this, identify and understand traffic behavior is proportionate by traffic simulation using computational tools. Mathematical models used in the simulation can approximate the actual traffic behavior and even predict it. This work applies modifications in the Cell Transmission Model (CTM) to simulate traffic behavior for bus routes management. The model, called CTM*, was implemented in a python script and added rules to simulate interference in traffic and different sizes of vehicles. The model’s rules simulate different types of vehicles, the presence of traffic lights and bus stops to intervene in the traffic flow. Additionally, the CTM* is capable of providing the travel time of vehicles and generating a data frame for assessing the situation of the traffic flow during the simulation and identify bottlenecks. The model was validated in a district located in the city of Porto Alegre, Brazil. The simulated travel time was compared with Google Maps data and obtained a difference of 5.88%. Once the CTM* is validated, a bus was inserted in the model. In addition to that, a saturated scenario was introduced in the model to simulate a situation of extreme congestion. The simulation allowed the observation of critical spots in the path and congestion due the bus delays.The CTM* has demonstrated to simulate traffic conditions successfully. The model allows the implementation of different scenarios and is influenced not only by obstacles like traffic lights and bus stops, but different types of vehicles.