Разработка транспортной макромодели

В соответствии с п. 6.1.1 «Методических рекомендаций по разработке и реализации мероприятий по организации дорожного движения» [39] в качестве основного инструмента для анализа и оценки решений при разработке КСОДД следует использовать подход макромоделирования транспортных потоков. На основании этого выбрана программная среда для разработки макромодели – программный продукт PTV Visum, как всецело соответствующий всем требованиям к разработке транспортных моделей городов.

В качестве исходных данных для макромодели используются: векторная карта ЗАТО г. Зеленогорск, параметры светофорного регулирования, значения расчетной пропускной способности для всех категорий улиц и дорог, интенсивности движения транспортных потоков по определенному перечню перегонов и по направлениям движения на ключевых перекрестках, полученные в ходе транспортных обследований, данные о маршрутах движения транспортных средств.

Создание мультимодальной транспортной модели ЗАТО г. Зеленогорск в соответствии с ТЗ проходило в несколько этапов:

- разработка транспортного районирования, выполненного на базе полученных исходных данных;

- создание модели расчёта спроса на транспорт для пассажирских перемещений;

- создание модели расчёта спроса на кордонных районах для пассажирских перевозок;

- ввод социально-экономической статистики транспортных районов;

- оцифровка улично-дорожной сети и атрибутов отрезков (количество полос, пропускная способность, разрешенные виды транспорта), узлов и ОДД (разрешенные и запрещенные маневры, наличие светофорной сигнализации) на пересечениях для легкового и грузового транспорта;

- ввод маршрутной сети, остановок и интервалов движения транспорта общего пользования;

- ввод результатов замеров интенсивности движения автотранспорта и данных о рассчитанных пассажиропотоках в транспортную модель;

- получение основных показателей, необходимых для оценки и сравнения условий движения и условий транспортного обслуживания населения (транспортный спрос, изменение объемов и характера передвижения, средняя скорость, плотность, коэффициент загрузки дорог движением и иные показатели, характеризующие состояние дорожного движения);

- оценка эффективности мероприятий;

- выбор и обоснование оптимального варианта в рамках разрабатываемого комплекта документов транспортного планирования на основании данных транспортного моделирования.

При разработке модели ЗАТО г. Зеленогорск учитывались следующие основные особенности, выявленные при проведении обследований:

– в ходе обследований транспортных потоков, была выявлена их большая суточная неравномерность и малая продолжительность интервалов «часов пик»;

– наибольшие значения интенсивностей приходятся на вечерний час пик, который продолжается с 17:00 до 18:00;

– в это время преобладают поездки «работа – дом», «работа – прочее» и «прочее – дом»;

– основным (градообразующим) предприятием, обеспечивающим наибольшее количество рабочих мест является АО «ПО «Электрохимический завод», который имеет значительную удаленность от г. Зеленогорск;

– малые величины внешних потоков (потоков из внешних кордонов) ввиду пропускного режима, действующего на территории ЗАТО г. Зеленогорск.

Ввиду указанных особенностей транспортной системы ЗАТО г. Зеленогорск было принято решение о построении модели вечернего «часа пик», как периода с наибольшей загрузкой транспортной сети.

На первом этапе построения макромодели были выделены транспортные районы. Их границы определяются на основании следующих принципов:

- границы административных районов;

- крупные предприятия, торговые центры, склады и т.п.;

- социально значимые объекты (университеты/институты, музеи, театры, стадионы и т.п.);

- тип застройки (личная, малоэтажная, многоэтажная, многоэтажная плотная/высотная, офисная, промышленная);

- перпендикулярность границ транспортных районов основным транспортным магистралям.

Выделение транспортных районов для ЗАТО г. Зеленогорск показано на рисунке 2.1. Для г. Зеленогорск это деление показано на рисунке 2.2.

Рисунок 2.1 – Расчетные транспортные районы для ЗАТО г. Зеленогорск

Рисунок 2.2 – Транспортное районирование г. Зеленогорск

Затем вычислялись социально-экономические характеристики транспортных районов: количество жителей в каждом из районов и основные точки притяжения транспортных районов, их тип в соответствии с целью поездки: «работа – дом», «работа – прочее» и «прочее – дом» и т.д. и мощность. На основании этих данных были построены модели спроса на транспорт для пассажирских перемещений и перемещений на личном транспорте и рассчитаны соответствующие матрицы корреспонденций.

На следующем этапе производилась оцифровка улично-дорожной сети и атрибутов отрезков, узлов и ОДД. На рисунке 2.3 показано задание количества полос для участков УДС г. Зеленогорска (фиолетовый цвет - одна полоса, зеленый - две полосы), на 2.4 задание ОДД на узлах - кольцевые пересечения и светофоры.

Рисунок 2.3 – Количество полос для участков УДС г. Зеленогорск

Рисунок 2.3 – Задание ОДД на узлах - кольцевые пересечения и светофоры г. Зеленогорск

Дорожная сеть и распределение транспортных потоков ЗАТО г. Зеленогорск показана на рисунках 2.3 – 2.4. Цвета, по [39] соответствуют уровням обслуживания, которые представляет собой отношение средней скорости движения ТС на отрезке УДС к скорости свободного движения. Цифровые значения соответствуют интенсивностям транспортных потоков (ед/ч) для вечернего «часа пик» буднего дня.

Рисунок 2.3 – Базовая модель ЗАТО г. Зеленогорск (в)

Цвет линий соответствует уровню обслуживания (рис. 2.6).

Рисунок 2.6 – Соответствие уровня обслуживания цвету

При распределении транспортных потоков в макромодели использовалось одно из стандартных распределений – стохастическое. Для калибровки макромодели были выбраны основные сечения: въезд и выезд из г. Зеленогорск, участки дорог г. Зеленогорск, располагающиеся на границе выделенных районов. Качество калибровки макромодели транспортных потоков в соответствии с рекомендациями [40] оценивалось на основе GEH -статистики (критерий Хейверса) [40].

Величина GEH -статистики вычисляется по формуле:

где V – смоделированные значения; C – замеренные значения.

Значения GEH -статистики по выбранным для калибровки участкам УДС приводятся в таблице 2.1.

Таблица 2.1 – Оценка качества калибровки макромодели

Чем меньше величины GEH-статистики, тем точнее считается модель. Хорошее значение статистки – менее 4, допустимое – менее 5. В модели не менее 85% значений GEH-статистики должны быть менее 5. Данное условие, как видно из таблицы 2.1, выполнено: значений GEH-статистики меньших 5 – 93,3%.

Основные характеристики транспортных потоков, полученные на основании анализа мультимодальной транспортной модели ЗАТО г. Зеленогорск, описываются в пункте 1.10, расчета экологических показателей, рассчитанных на основании модельных данных - в пункте 1.11.

Модель прогноза транспортных потоков на будущие годы разрабатывалась путем внесения корректив в базовую модель. Прогнозные модели строились на основании анализа, проведенного в пункте 1 и с учетом сценариев, описанных в пункте 3.1 КСОДД, с учетом:

– прогноза изменения социально-экономических и демографических показателей (численность населения, численность работников и т.д.) на территории моделирования;

– уровня автомобилизации населения;

– проектируемых изменений в УДС, территориальном развитии.

При прогнозировании роста уровня автомобилизации использовался метод экстраполяции. В соответствии с рекомендациями ОДМ 218.4.023-2015 [1], в качестве основных вариантов аппроксимирующих функций рассматривались линейные и экспоненциальные.

Наилучшие результаты подбора кривой показаны в табл. 2.2.

Таблица 2.2 – Прогноз уровня автомобилизации

Выделение двух вариантов периода начальных данных обусловлено скачком кривой автомобилизации в 2013 г.

Все кривые имеют хорошее соответствие данным в период 2013–2018 гг. (рис. 2.7).

Рисунок 2.7 – Аппроксимация данных автомобилизации 2013 – 2018 гг.

Точность аппроксимации проверялась по методу наименьших квадратов. Наилучшие результаты дают последние два варианта, но они соответствуют меньшему количеству данных, поэтому прямое сравнение некорректно.

Получаем 3 варианта прогноза на 2023 и 2028 г (таблица 2.3), соответствующих сценариям, описанным в пункте 3.1 КСОДД.

Таблица 2.3 – Прогноз уровня автомобилизации на 2023 и 2028 гг

Для определения изменения количества ТС прогнозировалось также изменение количества жителей на территории муниципального образования. В качестве исходных данных использовался прогноз социально-экономического развития ЗАТО г. Зеленогорск [6]. В соответствии с данным документом прогноз демографического уровня на 2030 г составляет 104,1 % от текущего. Использовался линейный вариант аппроксимирующей функции для получения промежуточных цифр, который дает хорошее соответствие. Результаты представлены в таблице 2.3.

Таблица 2.3 – Прогноз изменения населения ЗАТО г. Зеленогорск

Результаты прогноза изменения количества ТС на территории ЗАТО г. Зеленогорск представлены в таблице 2.5. Они получены как результат произведения долей количества автомобилей на количество жителей прогнозного года к базовому.

Таблица 2.5 – Прогноз изменения количества ТС в ЗАТО г. Зеленогорск по отношению к базовому (2019) году

Уровни обслуживания участков УДС и распределение транспортных потоков на прогнозные периоды для сценария «Сбалансированного развития», который был выбран в рамках КСОДД в разделе 3.2, представлены на рис 2.10-2.15. Цвета как и ранее определяются в соответствии с уровнями обслуживания (рис. 2.6).

Рисунок 2.11 – Модель г. Зеленогорск (сценарий «Сбалансированного развития», среднесрочный период)

Рисунок 2.13 – Модель г. Зеленогорск (сценарий «Сбалансированного развития», долгосрочный период)

Из рисунков видно, что в прогнозные периоды будет наблюдаться незначительное ухудшение показателей уровня обслуживания, по отношению к базовому году.

Полученные модели и результаты моделирования использовались при планировании мероприятий КСОДД на среднесрочную и долгосрочную перспективы.

1. ОДМ 218.4.023-2015 «Методические рекомендации по оценке эффективности строительства, реконструкции, капитального ремонта и ремонта автомобильных дорог» [Электронный ресурс]. – Режим доступа: https://docs.cntd.ru/document/1200129430 (дата обращения 26.10.2019 г.).