Особенности взаимодействия транспортных потоков в местах примыкания второстепенных дорог

Постановка задачи регулирования въездом на автомагистраль

На сегодняшний день, несомненно, актуальна задача регулирования объемов движения на дорогах высших категорий. В Иркутской области автомагистралей и магистральных улиц скоростного движения не существует, поэтому в данном контексте уделяется внимание МКАДу. В качестве объекта исследования берем участки непосредственно на данной магистрали.

Зоны слияния транспортных потоков на дорогах высших категорий являются ключевыми участками от эффективности функционирования которых зависит работа всего магистрального коридора. Исследования по изучению мест слияния рамповых и магистральных потоков, показали, что плотный неуправляемый рамповый поток, в зоне их взаимодействия приводит к образованию «турбулентности» по причине необходимости перестроения транспортных средств с одной полосы на другую с последующим снижением скорости потока на главном направлении.

Турбулентность может явиться причиной образования динамического удара в основном потоке. Доказано, что на вероятность образования транспортного затора основное влияние оказывают объёмы рамповых, примыкающих потоков. Установлено, что в зоне слияния потоков часть транспортных средств, движущихся по магистрали занимают одновременно две полосы движения, снижая пропускную способность базовых сегментов автомагистрали. Эту особенность важно учитывать при проектировании и расчёте транспортных развязок на городских магистральных улицах. Представлены основные подходы, методология, принципы и этапы управления доступом к дорогам высших категорий, направленные на повышение эффективности их функционирования. Предложена методика, позволяющая оценить и оптимизировать управление въезжающими на автомагистраль потоками с позиции минимизации суммарных длин очередей транспортных средств, возникающих на примыкающих въездах за счет внедрения адаптивных систем управления транспортным спросом.

Существующие в России подходы к применению адаптивного регулирования реализуемы, главным образом, на пересечениях в одном уровне для условий свободного, равномерного движения. В специальной технической литературе отмечается, что эффективность «классического» адаптивного регулирования резко снижается в случае функционирования связанных регулируемых пересечений в условиях насыщения (saturated) и перенасыщения (oversaturated). Уровень обслуживания транспортных потоков на дорогах высших категорий сводится к оценке значений плотности движения на сегментах (рис. 3.1) магистральной сети (таблица 3.1).

Таблица 3.1 – Рекомендованные граничные значения плотности движения

потока на скоростных магистралях (HCM 2010)

Сегмент магистрали	Показатель эффективности	Граничные значения показателя
В зоне основных участков (базовых сегментов)	Плотность (авт/км/полосу)	При плотности движения >29 , необходимо снижать доступность на верхних рампах
В зоне переплетения транспортных потоков	Плотность (авт/км/полосу)	При плотности движения >21 , необходимо снижать доступность на верхних рампах
В зоне слияния или разветвления потоков	Плотность (авт/км/полосу)

Американское руководство HCM 2010 последовательно закладывает основу для сохранения бесперебойного и безопасного движения транспортных потоков. С тем, чтобы создать необходимые инструментарии управления ими, возникла первостепенная задача – оценки вероятности образования рекуррентных транспортных заторов на улицах и дорогах высших категорий, с учётом имеющейся информации о транспортном спросе. Задачу прогнозирования транспортных заторов можно выполнить с применением программных продуктов микромоделирования транспортных потоков, или с применением теории вероятности отказов работы в системе массового обслуживания, что и было предпринято магистрантом.

Рисунок 3.1 – Дифференциация автомагистрали на сегменты HCM 2010

На рисунке 3.2 представлены результаты изучения слияния магистрального и рампового потоков, а также установлены граничные интервалы потоков, при которых зона турбулентности – зона слияния потоков не приводит к началу роста длин очередей транспортных средств.

Рисунок 3.2 – Изучения образования затора в зоне слияния потоков

Магистральная улица в рассматриваемом случае представлена двумя полосами движения «1» и «2» с примыкающей рамкой «0». По условиям моделирования рассматривается ситуация, при которой въезд на магистральную дорогу не ограничен и организован по принципу поиска приемлемых разрывов в основном потоке «1» и «2».

Анализ выполненных видеоматериалов на участках примыкания позволил установить, пределы и условия распространения «турбулентности» в зоне взаимодействия потоков (см. рисунок 3.2). Доказано, что мощность транспортного потока на рампе определяет поведение участников движения на крайней правой полосе «1». При увеличении значения величины потока на рампе, составляющей 15-25% интенсивности движения магистрального потока, отмечается начало распространения «турбулентности» на расстояние от 50 до 300 метров от зоны взаимодействия потоков. При интенсивности движения рампового потока, превышающей 26% величины магистрального потока «турбулентность», частично захватывает левую крайнюю полосу движения «2», способствуя значительному снижению пропускной способности полосы движения и в целом всего транспортного коридора.

Результаты моделирования участка примыкания представлены в виде графика, основная ось которой характеризует транспортный спрос на магистрали, вертикальная ось – вероятность отказа работы в системе, определяемая как вероятность начала образования очередей транспортных средств на магистрали перед зоной слияния потоков (рис. 3.3).

Рисунок 3.3 – Результаты оценки вероятности транспортных заторов

Полученные зависимости определяют вероятность образования затора от величины транспортного потока на рампе «0». Для примера, при транспортном спросе 5000 авт./ч на магистрали и 23 авт./мин (1380 авт./ч) на примыкающей рампе, вероятность образования затора в течении первой минуты оценивается величиной 29%. Следовательно, в случае постановки задачи снижения вероятности отказа системы, необходимо снизить поток на примыкающей рампе, например, до достижения величины отказа 20%. Реализовать выполнение рассматриваемых выше условий на практике возможно с применением систем управления доступом к магистралям [6].

Необходимо отметить, что представленные на рисунке 3.4 зависимости позволяют при заданном уровне отказа системы многосторонне оценивать требуемое значение пропускной способности магистрали. Например, для верхней границы величины вероятности отказа 20%, пропускная способность магистрали должна соответствовать суммам значений интенсивности движения основного и примыкающего потока соответствующим значениям пунктирной горизонтальной линии (см. рисунок 3.3).

Для интенсивности движения по рампе 25 авт./мин (1500 авт./ч), что соответствует интенсивности 4200 авт./ч, уровень пропускной способности магистрали должен быть не менее 5700 авт./ч. Установленные эмпирические зависимости могут быть положены в основу для прогнозирования рекуррентных транспортных заторов, образующихся в местах слияния потоков, сопровождающихся их распространением вверх по ходу движения, при условии, что ниже зоны взаимодействия поток движется в условиях свободного движения.

В качестве альтернативного варианта прогнозирования образования очереди, с применением оценки продолжительности устойчивости системы предлагается использовать функцию продолжительности жизненного цикла:

(1)

где F(t) =p(Tt) функция распределения «устойчивого» состояния системы обслу- живания;

T – продолжительность устойчивости системы обслуживания;

S(t) =p(T>t) функция надежности системы обслуживания.

Оценочная функция предела устойчивости системы обслуживания с применением PLM подхода определяется как:

(2)

где n_j_–количество позиций с условием Tt_j;

_j – количество отказов в системе за время t_j.

Применительно к рассматриваемой задаче, вероятность отказа в период t определяется вероятностью образования транспортного затора при определенной величине «критического» потока q и его продолжительности (периода активности).

Предлагается, уравнение (1) рассматривать как функцию распределения вероятности устойчивости магистрали к затору в следующем изложении:

, (3)

где F(q) – распределение вероятности образования затора;

q – фактическая интенсивность движения транспортного потока на полосу;

q_i – величина транспортного потока в интервале i способствующая снижению скорости, рассматриваемая как «критическая»;

p(q_i>q) – вероятность превышения критического потока над фактическим (вероятность отсутствия роста очередей транспортных средств).

Исходя из вышеизложенного, зависимость (2) можно представить в виде задачи максимума правдоподобия:

(4)

где q – существующая (наблюдаемая) интенсивность движения транспортного потока на полосу;

q_i – величина транспортного потока в интервале i способствующая снижению скорости и образованию роста очередей транспортных средств, рассматриваемая как «критическая»;

k_i_–количество интервалов (замеров) с условием qq_i ;

d_i – количество нарушений в системе обслуживания потоков q_j ;

B – наборы интервалов с отказами {B₁ ,B₂ ,B₃,…}.

Соответственно, функция вероятности отказа в обслуживания потоков на магистрали примет следующий вид:

(5)

При условии принятия дискретного влияния замеряемых величин потоков на работу системы (одно нарушение d_i, на фактический интервальный поток q_i), уравнение (5) можно записать в следующем виде:

(6)

Апробация модели (6) – оценки вероятности образования динамического удара в потоке, (в зарубежной литературе breakdown flow) выполнена на примере участка улично-дорожной сети в районе левобережной транспортной развязки Академического моста в г. Иркутске (Россия), результаты которой представлены на рисунке 3.5.

Рисунок 3.4 – Анализ «отказов» на подходе к Академическому мосту

в г. Иркутске (Россия)

Наибольшее количество отказов в системе (15%) было отмечено в условиях насыщения участка слияния (рис. 3.4). Начиная со значений интенсивности 33 авт/мин, отказы в системе фиксировались с частотой 3/5 (3 отказа на каждые 5 наблюдаемых интервалов). На основании вышеизложенных статистических обследований, принимая за основу представленные выше зависимости, (2)-(5), авторами составлен текст m-файла для пакета Matlab, реализующий предлагаемое решение, применительно к задаче оценки вероятности распространения очереди с учетом значений интенсивности движения и «функции случайных отказов» в системе работы узла (рис. 3.5).

Рисунок 3.5– Результаты моделирования вероятности транспортных заторов

Сопоставительный анализ полученных результатов, с данными микромоделирования рассматриваемого участка сети позволяет утверждать, что модель продолжительности жизненного цикла процесса может быть принята в качестве первого приближения для оценки прогнозирования транспортных заторов и управления скоростными дорогами. Вместе с этим, обеспечение обособленного скоростного движения на магистральных улицах в условиях плотного движения можно обеспечить за счет снижения вероятности транспортных заторов с применением средств активного управления транспортным.

3.2 Построение модели оценки максимально-допустимых объемов движения на примыкающей рампе

В зарубежной практике теории и управления доступом к автомагистралям уже на протяжении многих лет уделяется особое внимание адаптивным методам управления транспортным спросом, основной задачей которых является снижение воздействия, примыкающего – входящего на магистраль потока с целью предупреждения образования сетевых транспортных заторов на основных направлениях (рис. 3.6).

Рисунок 3.6 – Топология управления доступом к скоростной дороге

Отмечается [5], что адаптивные методы управления доступом к магистрали позволяют повысить безопасность слияния транспортных потоков, увеличить пропускную способность автомагистралей, снизить расход топлива и выбросы токсичных веществ, выделяемых с выхлопными газами автомобилей. Используют одно- двух полосные рампы, характеристики обслуживания которых определяются используемой стратегии управления (одно транспортное средство за разрешающий такт или несколько) (таблица 3.2, рис. 3.7).

Таблица 3.2 – Стратегии управления регулируемым доступом на магистраль

Применяемая стратегия	Кол-во полос на рампе	Длительность цикла регулирования, с	Пропускная способность
рампы, авт/ч	зоны слияния, авт/ч
Одно ТС за цикл		4-4,5	240-900
Несколько ТС за цикл		6-6,5	240-1200	1100-1200

Рисунок 3.7 – Знаки, определяющие порядок въезда на автомагистраль (США)

Регламентирование порядка въезда на автомагистраль рассматривается как наиболее эффективный инструмент обеспечения нормативных скоростей движения на дорогах высших категорий, требуемой безопасности взаимодействия потоков в зонах их слияния. В американском руководстве по средствам технического регулирования дорожного движения MUTCD отмечаются особенности применения средств светофорного дозирования потоков на рамповых развязках, в общих чертах сводящиеся к следующим:

1. Значительно снижаются задержки транспортных средств, движущихся по магистрали, путем их «перекладывания» на рамповые потоки, по причине увеличения времени их обслуживания на рампе, а также за счет повышения перепробега транспортных средств по альтернативным маршрутам;

2. Возникает необходимость обеспечения дополнительного пространства для транспортных средств, скапливающихся на подходе к автомагистрали;

3. Очевидна явная необходимость наличия альтернативных путей проезда с соответствующей пропускной способностью для обслуживания транспортных потоков вне магистрали;

4. Дозирование должно применяется при наличии рекуррентных транспортных заторов, образующихся по причине повышенного транспортного спроса, а также за счет несоответствующей условиям движения геометрии зоны переплетения потоков (отсутствие разгонно-скоростной полосы и т.д.).

Как было отмечено выше, основной принцип управления доступом к сети сводиться к регулированию транспортного спроса на магистралях, основанного на некотором алгоритме, входными параметрами которого являются: значения транспортного спроса на сегментах автомагистрали; скорости свободного движения, уровень загрузки верней и нижний частей зоны слияния потоков. Максимальная практическая пропускная способность рамповой полосы составляет 900 авт./ч., с практическим минимумом 240 авт./ч.

При разработке алгоритма управления доступом к сети, авторы исходили из того, что при использовании системы управления доступом к магистрали в качестве механизма повышения эффективности ее функционирования, является обеспечение согласования характеристик прибытия и убытия транспортных средств с рампового подхода. При этом, «система дозирования» рампового потока должна гарантировать эффективность работы всех сегментов магистрали, из которых она состоит (см. рисунок 3.2)

Алгоритм управления транспортным спросом может сведен к решению следующей прикладной задачи. Магистраль разбивается на несколько j-ых сегментов, в каждом из которых имеется хотя бы одна питающая рампа.

Значение основного магистрального потока задается следующей зависимостью:

где q_j – значение величины транспортного потока на j-ой магистральной секции;

s_i –величина вливающегося потока с i-ой рампы (авт./ч);

_ij – доля i-ого рампового потока проходящего по j-ой магистральной секции;

Условие предупреждения транспортного затора на магистрали сводится к выполнению следующего ограничения:

где c_j – пропускная способность j-ой магистральной секции.

Вместе с этим, величина дозирующего рампового потока, ограничивается следующим условием:

где d_j – транспортный спрос на i-ой рампе;

s_j_,_max – пропускная способность i-ой рампы.

Таким образом, оптимальное управление доступом к магистрали, может соответствовать решению задачи квадратичного программирования, направленной на минимизацию длин очередей транспортных средств на прилегающих рампах при следующих смешанных ограничениях:

Решение указанной задачи реализовано в виде m-файла (рисунок 3.8) для модуля программного комплекса Optimization Toolbox пакета Matlab R2013, в следующе постановке:

при ограничениях:

и двухсторонних ограничениях:

где x – вектор оцениваемых параметров, m×1, x0; H – матрица Гессе, m×m; f – вектор коэффициентов целевой функции m´1; A – матрица коэффициентов ограничений-неравенств, n×m; Aeq – матрица коэффициентов линейных ограничений-равенств, n×m; b – вектор правых частей ограничений-неравенств, n´1, b0; beq – вектор правых частей линейных ограничений-равенств n´1; lb – вектор нижних ограничений параметров m×1, lb0; ub – вектор верхних ограничений m´1, ub0.

Матрица Гессе является симметричной и положительно определенной, элементы матрицы h_ij равны второй частной производной, соответственно целевая функция должна быть выпуклой и дифференцируема. В рассматриваемой задаче управления доступом целевая функция является суммой квадратов остатков значений очередей транспортных средств, следовательно, функция дифференцируема и положительно определена.

В качестве основного управляющего параметра выбраны значения «объемов дозирования» транспортных потоков с примыкающих рамп при выполнении следующих условий:

- не допустить перегрузки сегментов магистрали;

- максимально сократить суммарную длину очереди на примыкающих рампах.

Рисунок 3.8 – Общий вид окна программы управления рамповыми потоками

При наличии объективной информации об условиях движения транспортного потока на каждом из сегментов магистрали (интенсивность/плотность) предлагаемый алгоритм позволяет выполнять оценку вероятности начала образования затора, по значениям рампового потока основываясь на критерии “плотность транспортных средств на полосу движения”. Для каждого магистрального сегмента, представлены граничные значения величин плотности движения, при которых условия движения магистрального потока могут рассматриваться как наихудшие, способствующие высокой вероятности образования затора (см. таблицу 3.1):

Апробация предлагаемого алгоритма управления доступом к сети выполнялась на примере участка транспортного коридора на МКАД.

Апробация алгоритма управления доступом к сети выполнялась на примере участка «Московской кольцевой автомобильной дороги» (МКАД) состоящего из 21 сегмента (рис.3.9, таблица 3.3).

Рисунок 3.9– Сегментирование участка автомагистрали МКАД

Основной задачей являлось установление «матрицы связности» (A) между входящими на автомагистраль потоками и значениями нагрузки на основные ее сегменты (таблица 3.3).

Таблица 3.3 – Оценка матрицы связности потоков

№	Код	Длина, м	xO-->	x3-->	x5-->	x11-->	x15-->	x19-->

	-1		0,24266
			0,75734

			0,75734

			0,75734
	-1		0,16694	0,22043	0,22
			0,590	0,78	0,78
	-1		0,15811	0,20877	0,21
			0,432	0,57	0,57

			0,432	0,57	0,57
	-1		0,12328	0,16278	0,16	0,29
			0,309	0,41	0,41	0,71

			0,309	0,41	0,41	0,71
	-1		0,07652	0,10104	0,1	0,18	0,25
			0,232	0,31	0,31	0,54	0,75

			0,232	0,31	0,31	0,54	0,75

По результатам решения оптимизационной задачи на примере характеристик и условий движения на участке МКАД, получены оценки оптимальных значений потоков насыщения, при которых не наблюдается перегрузка основных сегментов транспортного коридора, (вероятность образования «ударной волны» на МКАД минимальна) (рис. 3.10).

Рисунок 3.10 – Оценки оптимальных значений потоков насыщения

С учетом представленных выше результатов моделирования, можно принять практические рекомендации, представленные в руководстве HCM 2010 (см. таблица 3.1), на основании которых рекомендовать системы дозирования потоков: одно транспортное средство за разрешающий такт или несколько.

Принимая во внимание качество исходных данных и их существенное влияние на параметры управления магистралью, очень важно обладать точной информацией о распределении транспортных потоков внутри транспортного коридора (см. таблицу 3.3). Как показали результаты тестирования, большое влияние на качество управляющего воздействия оказывают:

- фактические значения пропускной способности сегментов магистрали bj ;

- матрица А, характеризующая распределение питающих потоков внутри магистрали (коридорный вход-выход), получить которую, можно расчетом существующей матрицы корреспонденций рамповых потоков, по данным в разрывах транспортного потока в местах «загрузки-разгрузки» транспортного коридора или регистрацией номеров транспортных средств. В этой связи, авторы статьи задались целью в дальнейшем разработать:

- методику оценки пропускной способности для сегментов автомагистрали с учетом возможных условий взаимодействия транспортных потоков (перестроение, разветвление, слияние);

- методику оценки матриц корреспонденций межрамповых потоков, с учетом, используемых методов фиксации разрывов в потоке, с применением алгоритма генетической оптимизации, являющимся наиболее устойчивым к возможным ошибкам в исходных данных.

Прежде всего, необходимо отметить очевидное преимущество предлагаемой модели, матрица A имеет размерность n>m – полный ранг, следовательно, задача имеет единственной локальный минимум совпадающий с глобальным. Следует также отметить очевидное влияние на плотность (интенсивность) движения верхнего ограничения vub, характеризующего пропускную способность примыкающих рамп. Указанное ограничение может использоваться как эффективный инструмент управления дорогами высших категорий, с позиции применения следующей известной зависимости:

где s_i – величина потока насыщения i-ой рампы, авт/ч.;

с_i – величина пропускной способности i-ой рампы, авт/ч.;

C_i – величина длительности цикла режима регулирования на i-ой рампе, с;

g_i – длительного обслуживающего такта рамповой полосы, с.

Кроме этого, с учетом представленных выше результатов моделирования, можно принять практические рекомендации, представленные в руководстве HCM 2010 (см. таблица 3.1), на основании которых рекомендовать системы дозирования потоков: одно транспортное средство за разрешающий такт g_i или несколько.

- фактические значения пропускной способности сегментов магистрали b_j ;

- матрица А, характеризующая распределение питающих потоков внутри магистрали (коридорный вход-выход), получить которую, можно расчетом существующей матрицы корреспонденций рамповых потоков, регистрацией номеров транспортных средств. В этой связи, авторы статьи задались целью в дальнейшем разработать:

- методику оценки пропускной способности для сегментов магистрали (см. рисунок 3.10) с учетом возможных условий взаимодействия транспортерных потоков (перестроение, разветвление, слияние);

- методику оценки матриц корреспонденций рамповых потоков, с учетом, используемых методов фиксации разрывов в потоке, на алгоритме генетической оптимизации, являющимся наиболее устойчивым к возможным ошибкам в исходных данных.

Глава 4

По всему миру большие и малые города в настоящее время перегружены трафиком (объём дорожного движения через данный узел за единицу времени). Во многих развивающихся странах, не смотря на то, налажена ли система общественного транспорта и ведутся ли постоянные работы по улучшению дорожного движения или нет, городские жители имеют одну общую проблему: невыносимые условия увеличивающегося транспортного потока на магистрали. На самом деле сегодня, средняя скорость дорожного движения во многих городах не намного больше, чем она была в девятнадцатом веке, во времена передвижения на лошадях. Изо дня в день, особенно в часы пик, многие автомагистрали, автострады, скоростные дороги напоминают больше автостоянки, чем обычные дороги. Такие заторы накладывают большие затраты на экономику и общество. Во-первых, очевидно то, что перемещение из одной точки в другую занимает гораздо больше времени, чем это запланировано водителем.

Рисунок 4.1 – Автомобильная пробка в США

Такая неопределенность несет за собой дальнейшие затраты, включая время на непредвиденные обстоятельства (дополнительное время необходимо для перемещения из-за неуверенности в трудностях автомобильного движения). Для того, чтобы быть более - менее уверенным в прибытии в запланированное время, автомобилистам необходимо иметь в запасе дополнительно более двух минут на каждый километр, чтобы предусмотреть изменчивость транспортного потока на дороге. Эти данные основаны на исследовании о заторах на различных магистралях в Хьюстоне, штат Техас.

Факты, «вытекающие» из проблемы с заторами:

· Неопределенность времени в поездке

· Нанесение ущерба окружающей среде

· Увеличение материального ущерба

· Увеличение опозданий

· Снижение производительности

Из- за частых остановок и начала движения автомобиля образуется еще одна проблема, сказывающаяся на экономическом состоянии людей. Из-за транспортных заторов очень много энергии тратиться впустую. Выбросы выхлопных газов, особенно окиси углерода и углеводородов (которые образуются в результате неполного сжигания топлива), находятся в обратной зависимости от скорости автомобиля.

Если транспортный поток становится более насыщенным, то вследствие этого ухудшается безопасность на дороге. При более плотном потоке у водителя остается меньше времени на реакцию, чтобы предотвратить ДТП. Из –за создавшихся «неудобств» увеличиваются материальные убытки, а так же растет число ДТП с воздействием на здоровье человека.

Не существует единого всеми признанного «правильного пути» для измерения дорожных заторов и связанных с ними издержек. Самый простой метод - это сравнение фактической скорости со скоростями в условиях свободного транспортного потока. Из этого простого уравнения, может быть вычислен «штраф» за возникающие дорожные заторы, состоящий из дополнительного времени, проведенного в дороге, из дополнительно сжигаемого топлива и, как следствие, дополнительных объемов выбросов. Данные суммируются по каждому из случаев.

Рисунок 4.2 – Динамика роста уровня автомобилизации г. Москва

Издержки времени, потерянного по причине дорожных пробок, во многих странах в целом составляет порядка 2% от ВВП. Однако, если принять в расчет топливные и иные издержки, то вышеуказанный показатель будет стремиться к 3% от ВВП, или порядка 810 млрд. долларов США в год, что соответствует $ 678 на душу населения. Естественно, данные издержки значительно отличаются от страны к стране. Издержки из-за дорожных заторов в США, рассчитанные по аналогичной методике, составили порядка 150 млрд. долларов США или 1,5% от ВВП в 2014 году, в то время как в Западной Европе они составили 1,9% от ВВП. Издержки из-за заторов в Азии характеризуются более высоким уровнем. Издержки из-за транспортных заторов в Южной Корее, например, резко возросшие в конце 1990-ых, достигли целых 4,4% от ВВП в 2005 году.

Соединенные Штаты Америки. Техасский транспортный институт (TTI) долгое время занимался изучением дорожных транспортных систем, а так же вопросами в 75 городских районах США. Согласно данным Института, количество американцев, перемещающихся в часы «пик» в 75 городских районах составляет чуть менее половины всего населения страны; они в настоящее время тратят 3,5 млрд. часов ежегодно на пробки и этот показатель продолжает расти. С 2002 по 2011 год доля поездок в часы «пик», приводящая к задержкам, удвоилась – с 33% до 67%, а среднее количество часов в день, проведенных в дорожных «пробках», выросло с 4,5 до 7 часов.

Рисунок 4.3 – Час «пик» на дороге в США

Европа. В Западной Европе, к 2010 году возросли заторы на 188% на внутригородских дорогах и на 124% - на междугородних трассах. В Великобритании, Организация RAC прогнозирует, что средняя скорость на основных дорогах и магистралях сократится до 65 км/ч (40 миль в час) к 2030 году и до 50 км/ч к 2050. Согласно данной Организации: «Если среднее время поездки будет расти на 7% каждые 10 лет, поездки будут предприниматься в достаточно сложных дорожных условиях (плотном дорожном трафике), где реальные временные показатели ухудшатся вдвое».

Рисунок 4.4 – Дорожный затор в Европе

Азия. Стремительный экономический рост в странах Азии в последние три десятилетия привел к «взрыву» уровня трафика, на обслуживание которого существующая инфраструктура не была рассчитана. Это, в свою очередь, привело к одной из самых сложных проблем в мире в сфере дорожных заторов. Скорость движения в Банкоке, например, снизилась на менее, чем в среднем, - до 10 км/ч. Время поездки более двух часов в оба конца стало нормой в Банкоке, Джакарте, городских районах Сурабая и некоторых других азиатских городах. Недавний глобальный экономический спад не повлиял на рост трафика. В Корее, число транспортных средств выросло на 26% с 2006 по 2012 год, в тот же период рост числа транспортных средств в Японии на много превзошел темпы роста ВВП.

Дорожные заторы являются следствием дефицита достаточных дорожно-магистральных ресурсов (дорожного пространства), а так же адекватного регулирования на них. Проблема может решаться путем увеличения предложения, снижением спроса (на дорожное пространство), а так же уделением большего внимания регулированию потоками на автомагистралях или комбинацией всех трех.

Рисунок 4.4 – Пробка на дорогах Кореи

Естественно, невозможно полностью избавиться от дорожных заторов. Дорожные затруднения, возникающие в результате непредвиденных и случайных инцидентов, основных спортивных мероприятий, или отпусков, неизбежны. Это потребовало бы несопоставимо больших затрат на строительство отдельной инфраструктуры для обеспечения свободного транспортного потока в таких условиях, и было бы возможно нецелесообразно с экономической точки зрения вынуждать платить такие высокие тарифы за пользование дорогами для обеспечения свободного транспортного потока в любое время. Решение заключается в лучшем управлении транспортными потоками на автомагистралях, контролю въезда на них, вместе с поиском дополнительных решений проблемы с повседневным образованием транспортных заторов, которая ухудшается повсеместно.