K&K - Linköping Konsert & Kongress
SF - Scandic Frimurarehotellet

Displaying One Session

SF, Vintergatan 2-3 (150) Trafikteknik, planering och styrning
Date
Thu, 09.01.2020
Time
11:00 - 12:30
Room
SF, Vintergatan 2-3 (150)
Moderators
Uppkopplade och självkörande fordon i städer Trafikteknik, planering och styrning 

2.2.1 - Hur kan städer förbereda sig för utvecklingen av självkörande fordon?

Room
SF, Vintergatan 2-3 (150)
Date
Thu, 09.01.2020
Time
11:00 - 12:30
Presentation Topic
Trafikteknik, planering och styrning 

Abstract

Bakgrund

Utvecklingen av framtidens automatiserade fordon och körsystem pågår för fullt. Men även om den tekniska utvecklingen går snabbt så finns det stora osäkerheter kring hur stads- och trafikplaneringen kommer att påverkas framöver. Det finns ett behov av att städer börjar bli "automation ready". Med det avses att städer behöver skaffa sig förmågan att kunna fatta informerade och strukturerade beslut kring den gradvisa introduktionen av automatiserade körsystem och nya mobilitetstjänster. Det Horizon 2020 finansierade projektet CoExist syftar till att börja överbrygga klyftan mellan utvecklingen av automatiserad fordonsteknik och transport- och infrastrukturplanering. Projektet utvecklar bland annat simuleringsmodeller och effektbedömningsverktyg som sedan tillämpas på åtta användarfall i fyra olika Europeiska städer för att visa på hur städer kan börja bli "automation ready". Tillsammans med Stuttgart, Helmond och Milton Keynes så är Göteborg en av fyra städer där de nyutvecklade modellerna och verktygen har tillämpats. Denna presentation kommer ge perspektiv på hur städer kan arbeta för att bli "automation ready".

Metod

Ett av målen med projektet är att hjälpa städer att bygga upp sin förmåga att kunna fatta informerade beslut kring planering för självkörande fordon.

Genom att arrangera ett flertal workshops runt om i Europa med ett stort antal deltagare från olika typer av organisationer så har ett antal osäkerheter indentifierats. Dessa har därefter inarbetats i en modell som utgår från tre faser för att beskriva en utveckling av den organisatoriska förmågan som går från medvetenhet till implementering av åtgärder:

1) Automation Awareness

2) Planning for Automation readiness

3) Implementation of Automation-ready measures

Med utgångspunkt i ett antal mobilitetsaspekter redovisas initiativ och åtgärder som kan bidra till att öka städers förmåga att planera för självkörande fordon.

Resultat och slutsats

Projektet har tre huvudresultat:

1) Automation-ready transport modelling: Såväl mikro som makrosimuleringsprogram har utvecklats för att kunna hantera simulering av automatiserade fordon. För att kunna åstadkomma det så har projektet utvecklat en konceptuell modell för alternativa automatiserade körbeteenden.

2) Automation-ready infrastructure: En effektbedömningsmodell har utvecklats för att kunna bedöma hur automatiserade fordon påverkar transporteffektivitet, trafiksäkerhet och yteffektivitet.

3) Automation Ready road authorities: Skapa underlag för informerade och strukturerade planeringsbeslut genom tillämpning av nyutvecklade modeller och verktyg på 8 användarfall i fyra olika städer.

Projektresultaten sammanfattas i ett "Automation-ready Framework" (ett ramverk). Syftet med ramverket är att ge städer ökade möjligheter för att bättre kunna förbereda sig inför den pågående teknikutvecklingen (d.v.s. att bli Automation-ready).

Presentationen kommer presentera konceptet Automation-ready framework och med utgångspunkt i tillämpningar från Göteborg och övriga städer inom projektet kommer olika initiativ och åtgärder att presenteras.

Collapse
Uppkopplade och självkörande fordon i städer Trafikteknik, planering och styrning 

2.2.2 - Trafikeffekter av självkörande fordon i ”shared-space”-områden

Room
SF, Vintergatan 2-3 (150)
Date
Thu, 09.01.2020
Time
11:00 - 12:30
Presentation Topic
Trafikteknik, planering och styrning 

Abstract

Bakgrund

Att använda självkörande minibussar för första och sista ”milen”-transporter i kollektivtrafiksystemet är en intressant lösning för att öka tillgängligheten till städer utan att behöva öka stopfrekvensen och därmed minska effektiviteten hos linjebaserade kollektivtrafiksystem. Sådana lösningar innebär dock att minibussarna behöver trafikera trafikmiljöer där motordrivna fordon samsas om samma yta som cyklar och gångtrafikanter. Både miljöer som är föreskrivna som gångfartsområden (eng. shared space) och andra områden där gångtrafikanter relativt fritt använder gaturummet. Denna typ av miljöer kan eventuellt vara svåra att passera för självkörande fordon på grund av konflikterande gångtrafikströmmar och brist på trafikstyrning. Det är således intressant att undersöka om självkörande fordon leder till längre köer och sämre framkomlighet för den motordrivna trafiken i shared-space miljöer och kanske än viktigare arr undersöka hur framkomligheten för gångtrafikanter påverkas?

Metod

För att undersöka trafikeffekter av introduktionen av självkörande fordon i shared space områden har vi använt mikroskopiska trafiksimulering. För att simulera interaktioner mellan fordon och gångtrafikanter har en vidareutveckling av metoden i Gibb (2015) använts. Metoden kombinerar biltrafiksimuleringsprogrammet Vissim och gångtrafiksimuleringsprogrammet Viswalk (för detaljer kring simuleringsmetodiken se Liu et.al. 2018). De självkörande fordonen har implementerats i modellen baserat på den ansats kring modellering av olika typer av självkörande fordon (Rail-safe, Cautious, Normal och All-knowing) som tagits fram i EU-projektet CoEXist (se Sukennik (2018) för detaljer). De olika förarlogikerna representerar olika möjliga typer av självkörande fordon, allt från försiktiga och säkerhetsfokuserade som Rail-safe och Cautious till mer offensiva körsätt som All-knowing som förutsätter kommunikation mellan fordon och infrastrukturen.

Den vidareutvecklade trafiksimuleringsmodellen har tillämpats på Kungstorget i Göteborg där delar av området är reglerat som ett gångfartsområde och delar är en vanlig centrumgata men som används av gångtrafikanter som om även denna del är ett gångfartsområde. Trafiksimuleringsmodellen har kalibrerats med hjälp av videobaserade trafikmätningar.

Resultat och slutsats

Flera olika scenarier med olika nivåer på trafikefterfrågan och trafiksammansättningar med olika andel självkörande fordon av olika typer (Rail-safe, Cautious och Normal) har simulerats. Simuleringar och analyser pågår (och kommer avslutas i oktober) och de preliminära slutsatserna visar på begränsade effekter på framkomligheten för gångtrafikanter och negativa effekter för den motordrivna trafiken. Preliminära resultat visar på restidsökningar kring 10-20% för bilar och inga förändringar alls (kring 0%) för gångtrafikanter. Medan ökningarna i fördröjning ibland ligger på upp mot 80-90 % för fordonstrafiken. Speciellt uppstår försämringar för motortrafiken vid större andel försiktiga självkörande fordon enligt förarlogikerna Rail-safe och Cautious. En stor anledning till ökningen i restid verkar vara att de självkörande fordonen håller hastighetsgränsen vilket i gångfartsområden är reglerad till max 6-8 km/h. Mer utförliga resultat kommer infogas i presentationen.

Referenser

Liu et. al. 2018 CoEXist D4.1 - Baseline microscopic and macroscopic models.

Gibb, S., 2015. Simulating the Streets of Tomorrow: An Innovative Approach to Modeling Shared Space. Technical Report. CH2M Hill Inc.

Sukennik (2018), Micro-simulation guide for automated vehicles, Deliverable 2.5 of the COEXist project, https://www.h2020-coexist.eu/wp-content/uploads/2018/11/D2.5-Micro-simulation-guide-for-automated-vehicles.pdf

Collapse
Uppkopplade och självkörande fordon i städer Trafikteknik, planering och styrning 

2.2.3 - Trafikeffekter av självkörande fordon på stadsnivå i samband med stora ombyggnationer

Speakers
Room
SF, Vintergatan 2-3 (150)
Date
Thu, 09.01.2020
Time
11:00 - 12:30
Presentation Topic
Trafikteknik, planering och styrning 

Abstract

Bakgrund

Automatiserade fordon (AV) förväntas bli aktuella i verkligheten inom en relativ snar framtid. Körbeteendet hos AV förväntas skilja sig jämfört med konventionella manuellt framförda fordon (CV). Vidare förväntas körbeteendet variera mellan olika typer av AV (olika tillverkare, modeller, generationer, etc.). Det är således viktigt att utvärdera i vilken utsträckning en introduktion av AV påverkar trängselmönster och vilka åtgärder som eventuellt behövs för att skapa ett effektivt trafiksystem för ett trafikflöde med en blandning av AV och CV. Inom ramen för EU-projektet CoEXist (Europeiska kommissionen, 2017) utvecklas ett ramverk för att integrera AV i befintliga mikroskopiska och makroskopiska transportmodeller i VISSIM och VISUM (för en beskrivning av modelleringsmjukvaror, se: https://www.ptvgroup.com/en-us/) och därmed möjliggöra studier av trafikeffekter av en AV-CV mixat trafiksammansättning. I den här studien, presenteras implementeringen och integrering av AV i en makroskopisk transportmodell i VISUM för Göteborg. I Göteborg pågår för närvarande många omfattande stads- och infrastrukturprojekt som påverkar framkomligheten. Syftet med den här studien är att utvärdera effekter av AV, och mer specifik olika mixar av AV typer, på trafiksituationen i Göteborg under en omfattande ombyggnationsperiod. Studien presenterar också effekter av två olika åtgärder: 1. Reserverade AV körfält i Götatunneln; 2. Att införa kombinerade buss och AV körfält.

Metod

Metod

För att fånga effekter av AV i den makroskopiska modellen, används en metod som är baserade på konceptet personbilsekvivalenter (pbe) . Pbe konverterar trafikvolymen och kapaciteten för en specifik typ av fordon till personbilsekvivalenter. Detta är t.ex. en vanlig metod för att ta hänsyn till att lastbilar tar upp en större yta i rum och tid än personbilar. Pbe används för att konvertera del trafikvolymen av AV fordon till en trafikvolym i termer av CV fordon. Värdet på pbe för olika typer av AV har skattats från mikroskopisk simuleringer i VISSIM för olika typer av körlogik och vägtyper. Tre AV typer definieras i studien: Basic AV, Intermediate AV och Advanced AV. En detaljerade beskrivning finns i USTUTT (2018). Den utvecklade metoden som är baserade på pbe har använts för att introducera de tre AV typerna i en makroskopisk transportmodell för Göteborg. Modellen hanterar trängsel på länkar och korsningar med modulen korsningskapacitetsanalys (ICA). Genomsnittrestid, restidsfördröjning och genomsnittrestid per km används som indikatorer för att utvärdera trängselsnivån för efterfrågan med olika penetrationsgrad av AV och olika AV mixar.

Resultat och slutsats

Preliminärt resultat

Resultat visar att en ökade andel Basic AV medför en försämrad trafiksituation med lägre genomsnittrestid och restidsfördröjning. Ökande andel intermediär AV har små effekter på trafiksituation medan en ökande andel avancerade AV minskar restidsfördröjning. Vid 50% AV med en AV kombination med 80% bas AV och 20% intermediär AV ökar restidsfördröjning med 8%, medan vid 50% AV med en AV kombination med 20% bas AV och 80% intermediär AV minskar restidsfördröjning med 4%. Att reservera ett AV körfält på Götatunneln leder till en även längre restidsfördröjning när AV penetrationsgrad är låg (<30%). När AV penetrationsgrad är högre än 50% ger reserverade AV körfält en förbättrad trafiksituation för alla typer av blandningar av AV typer.

Collapse
Uppkopplade och självkörande fordon i städer Trafikteknik, planering och styrning 

2.2.4 - Traffic-Aware Parking Availability Prediction in Urban Areas

Room
SF, Vintergatan 2-3 (150)
Date
Thu, 09.01.2020
Time
11:00 - 12:30
Presentation Topic
Trafikteknik, planering och styrning 

Abstract

Bakgrund

Internet of Things (IoT) brings visibility across the urban environment through increasingly deployed TCP / IP connectivity, facilitated by cutting-edge sensors and other device technologies. New sources of data are being exposed to deliver cloud-based information services for authorized applications that are poised to govern future smart cities. Examples of such applications are cloud-based parking services, which combine data streams from roadway smart-poles, parking-lot gateways and connected vehicles to provide effective navigating routes to available parking spots.

The parking selection problem faces new challenges balancing needs of stakeholders such as city operators who are wary about carbon emissions, parking providers pushing for increased service utilization, and drivers seeking a suitable lot in urban cores. When entering the central district (or CBD) of a city, parking-service provisioning needs to predict future parking dynamics and consider current road-traffic status to optimize the utility of the selected parking lot. Our proposed SmartPark algorithm for parking selection and navigation addresses these challenges by providing an optimized solution to the on-line parking selection and car routing problem. The suggested solution is also illustrated through simulations.

Metod

We argue that the accumulation of data provides historical grounds for optimizing future decision-marking. In doing so, SmartPark employs a Markov-chain model to predict the future state of a parking lot, by the time a vehicle is expected to reach it. The algorithm features three modular sections. Considering a delimited parking area, which is a fixed 1-2km radius of land within CBD regions, first a search process is triggered to identify the expected arrival-time periods to all parking lots within the parking area. This process utilizes smart-poles' data streams reporting congestion rates across the parking-area junctions. Then, a predictive analytics phase uses consolidated historical data about past parking dynamics, to infer a state-transition matrix showing the availability transformation of spots in a lot over short periods of time. Finally, this matrix is ​​projected against similar future seasonal periods to figure out the vacancy probability of a lot. The parking with maximum availability probability is advcoated, and a congestion-aware navigation path is derived. The proposed parking-selection algorithm is implemented and demonstrated using a traffic simulation tool called SUMO.

Resultat och slutsats

SmartPark's performance evaluation shows increased scalability capabilities when further parking resources are made available in the parking area, compared to a BlindPark base case, which imitates instinctive approaches commonly adopted by drivers by “blindly” seeking the nearest lot. The parking area is an actual Stockholm CBD area called Kista. Within this realistic area, the traffic-congestion aware Smart-Park also minimizes the journey duration to the selected parking lot while maximizing the chances of finding an available spot in the selected lot, as evidenced by our Python-based experimental studies and Sumo-based demonstration.

Acknowledgment: This work has been funded by Vinnova-FFI, as part of the research project on "Sustainable smart-parking management for connected and autonomous vehicles" Dnr 2017-03028.

Collapse