Sintesi Tecnica: Modello di Dinamica del Traffico Multimodale Basato su Link in un Framework a Tempo Continuo

Definizione del Problema

La letteratura attuale sulla modellazione del traffico manca di framework computazionalmente efficienti capaci di simulare flussi di traffico multimodali con interazioni inter-modali esplicite. Gli approcci tradizionali spesso separano il traffico stradale dal traffico dei tram a causa delle loro distinte caratteristiche operative: il traffico stradale è tipicamente modellato come un continuum tramite modelli macroscopici, mentre il traffico dei tram è spesso trattato come un'operazione discreta che richiede approcci microscopici. Questa separazione ostacola l'analisi integrata e il controllo coordinato. Inoltre, gli esistenti Link Transmission Models (LTM) si concentrano principalmente sul traffico stradale privato, fallendo nel catturare esplicitamente i processi operativi critici dei tram, come la sosta alle fermate, il blocco della circolazione stradale indotto dalla sosta e i meccanismi di priorità semaforica. Inoltre, i modelli di nodo standard spesso trascurano i complessi effetti di blocco causati dai veicoli residui che occupano le aree delle intersezioni durante lo spillback delle code, in particolare quando sono coinvolte operazioni dei tram.

Metodologia

Questo studio propone un Multimodal Link Transmission Model (M-LTM) operante all'interno di un framework unificato a tempo continuo. Il modello integra le dinamiche del traffico stradale e dei tram attraverso i link e i nodi della rete.

1. Modello di Link

Il modello di link estende la teoria delle onde cinematiche per gestire le interazioni multimodali su Right-Of-Way (ROW) condivisi.

• Operazione Indipendente: Quando i modi operano su ROW dedicati, la propagazione del traffico è governata dalle velocità delle onde di rarefazione e di congestione, derivando i flussi cumulativi di invio e ricezione basandosi sulla teoria semplificata delle onde cinematiche di Newell.
• Interazioni Inter-modali: Sui link condivisi, il modello utilizza la teoria del collo di bottiglia mobile (moving bottleneck theory). I tram che viaggiano a velocità inferiori rispetto al flusso libero stradale agiscono come colli di bottiglia mobili, riducendo la capacità del link. Il modello formula condizioni al contorno interne per catturare come questi colli di bottiglia influenzino il traffico stradale a monte e come la congestione stradale circostante possa, a sua volta, bloccare i tram.

2. Modelli di Nodo

Lo studio sviluppa modelli di nodo specifici per le fermate dei tram e le intersezioni semaforizzate per gestire il trasferimento del traffico e le interazioni tra modalità.

• Nodo Fermata Tram: Questo modello simula il processo di sosta del tram e il conseguente blocco del traffico stradale. Tratta la fermata come un link virtuale con vincoli di capacità. Il modello impone una regola First-In-First-Out (FIFO) per le partenze dei tram e calcola esplicitamente la durata del blocco del traffico stradale causato dai tram in sosta, aggiornando di conseguenza i flussi cumulativi del traffico stradale.
• Nodo Intersezione Semaforizzata:
  • Caso Generale: Il modello distribuisce il traffico in base alla domanda, all'offerta e al controllo semaforico (rappresentato dai rapporti di verde). Prioritizza i link in uscita che contengono operazioni di tram. La distribuzione del traffico stradale è gestata tramite un algoritmo iterativo che rispetta i rapporti di svolta e le portate di saturazione, mentre i flussi dei tram sono determinati tramite un programma lineare che garantisce la conservazione del flusso e l'aderenza agli orari.
  • Estensione Spillback: Per affrontare il gridlock nelle intersezioni, il modello introduce una capacità di offerta del buffer dell'intersezione. Quando un link in uscita è congestionato, il modello consente al traffico stradale di fare coda temporaneamente all'interno dell'intersezione. Se questo buffer viene superato, viene attivato un indicatore di spillback, che blocca le correnti conflittuali di traffico stradale e tramviario finché la congestione non si dissipa. Questo meccanismo cattura l'impatto bidirezionale della congestione stradale sulle operazioni dei tram e viceversa.

Contributi Chiave

1. Framework Unificato a Tempo Continuo: Lo studio estende l'analisi della dinamica del traffico multimodale a livello di rete, fornendo una formulazione coerente a tempo continuo che evita la diffusione numerica associata alla discretizzazione spaziale grossolana dei modelli Cell Transmission Models (CTM).
2. Modellazione Esplicita dei Nodi Inter-modali: Il documento introduce nuovi modelli di nodo che catturano esplicitamente:
   • Le operazioni di sosta dei tram e il blocco indotto del traffico stradale alle fermate.
   • La priorità dei tram alle intersezioni semaforizzate.
   • Gli effetti di spillback delle code che bloccano le manovre conflittuali, incluse quelle che coinvolgono i tram.
3. Integrazione del Collo di Bottiglia Mobile: Il modello di link incorpora la teoria del collo di bottiglia mobile per simulare la riduzione della capacità del traffico stradale causata dai tram che si muovono più lentamente su binari condivisi, nonché l'effetto inverso della congestione stradale sulle velocità dei tram.
4. Validazione su Dati Reali: Il modello è verificato non solo su reti sintetiche, ma anche sulla rete reale di Dresda, Germania, utilizzando dati empirici del sistema di gestione del traffico VAMOS.

Risultati

Il M-LTM proposto è stato valutato attraverso tre casi di studio: due reti sintetiche a un nodo (fermata tram e intersezione), una rete arteriosa sintetica e la rete di Dresda.

• Accuratezza: Il modello dimostra un alto potere predittivo.
  • Traffico Stradale: Le statistiche GEH per il flusso del traffico stradale sono costantemente inferiori a 4 (con la maggior parte inferiore a 1 nei casi sintetici e una media di 3,63 nella rete di Dresda), indicando un forte accordo con le simulazioni microscopiche (SUMO) e i dati reali. La deviazione media normalizzata del flusso cumulativo nella rete di Dresda è del 2,30%.
  • Traffico dei Tram: L'errore assoluto medio per gli orari di arrivo dei tram è inferiore a 10 secondi (8,73 s) e per quelli di partenza è di 9,46 s rispetto ai dati reali.
• Comportamento Dinamico: Il modello riproduce con successo fenomeni complessi, tra cui:
  • Ritardi secondari nelle operazioni dei tram causati da ritardi primari e vincoli FIFO.
  • Propagazione della congestione del traffico stradale a monte a causa della sosta dei tram.
  • Gridlock nelle intersezioni e il conseguente blocco dei flussi dei tram dovuto allo spillback del traffico stradale.
• Applicazioni di Controllo: Nel caso di studio di Dresda, il modello è stato utilizzato per simulare gli effetti delle strategie Park-and-Ride (P+R) e dei limiti di velocità urbani. Ha predetto con successo la redistribuzione dei flussi di traffico e l'attenuazione della congestione in specifici hotspot multimodali, nonché l'amplificazione dei ritardi sotto limiti di velocità inferiori.

Significato e Rivendicazioni

Gli autori affermano che il M-LTM fa progredire lo stato dell'arte fornendo un framework macroscopico computazionalmente efficiente capace di rappresentare la dinamica del traffico multimodale e le interazioni inter-modali senza l'onere computazionale delle simulazioni microscopiche.

Il documento sottolinea che i modelli esistenti spesso trascurano i vincoli operativi specifici dei sistemi di tram (ad esempio, orari rigorosi, tempi di sosta e binari dedicati) e le loro complesse interazioni con il traffico stradale. Modellando esplicitamente queste interazioni — in particolare gli effetti di blocco alle fermate e alle intersezioni — il M-LTM offre uno strumento potente per l'analisi del traffio a livello di rete, la gestione e il controllo coordinato. La riuscita applicazione alla rete di Dresda dimostra la sua applicabilità pratica per diagnosticare i meccanismi di congestione e valutare le strategie di controllo in ambienti urbani complessi.

Lo studio conclude che, sebbene il modello sia robusto, il lavoro futuro affronterà i fattori stocastici (come le fluttuazioni nei tempi di sosta) ed esplorerà l'integrazione di altri modi come autobus e biciclette. Il contributo primario rimane l'instaurazione di un framework unificato a tempo continuo che colmi il divario tra la modellazione macroscopica del traffico stradale e le operazioni discrete dei tram.