Досліджено проблематику зміни швидкості транспортного потоку за різної інтенсивності та складу його руху. Для дослідження було обрано ділянку вулично-дорожньої мережі з різними геометричними параметрами (спуск, підйом та горизонтальна ділянка). Проаналізовано методи дослідження швидкості транспортного потоку, а також чинники, які впливають на зниження пропускної здатності вулично-дорожньої мережі. Визначено зміну коефіцієнтів нерівномірності руху транспортних потоків за годинами доби на досліджуваній ділянці та побудовано графік розподілу інтенсивності руху по годинах доби. Побудовано схему ділянки для визначення швидкості транспортного потоку, на якій присутній рух горизонтальною ділянкою, рух на підйом та спуск. Встановлено, що за інтенсивності руху 700–800 од./год транспортний потік рухається зі сталою швидкістю (до 10–15 км/год). Побудовано криві розподілу швидкості потоку, що характеризують режими руху транспортних потоків на вулично-дорожній мережі. Визначено, що якщо рівень завантаження 0< z ≤ 0,4, на трьох досліджуваних ділянках транспортний потік рухається зі швидкістю від 35 км/год до 59 км/год. У програмному спеціалізованому продукті PTV VISSIM розроблено моделювання транспортного потоку на горизонтальній ділянці, підйомі та спуску. З використанням програмного середовища MATHLAB показано, як змінюється швидкість транспортного потоку залежно від рівня завантаження та частки змішаного транспортного потоку. Встановлено, що найбільша швидкість потоку спостерігається під час руху на спуск – 58,62 км/год за рівня завантаження проїзної частини – 0,13 та частки змішаного транспортного потоку – 1,0 (повністю легковий потік). За рівня завантаження проїзної частини (z = 0,88) та за існуючих умов руху швидкість потоку на горизонтальній ділянці під часу руху на підйом практично є однакова (відхилення в середньому становить 6 %). Це можна пояснити тим, що за рівня завантаження (z = 0,88) транспортний потік перебуває у заторовому стані, відповідно швидкість руху на трьох ділянках є однаковою.
1. Asaithambi, G., Kanagaraj, V., Srinivasan, K. K., & Sivanandan, R. (2018). Study of traffic flow characteristics using different vehicle-following models under mixed traffic conditions. Transportation letters, 10(2), 92-103. doi: 10.1080/19427867.2016.1190887 (in English)
https://doi.org/10.1080/19427867.2016.1190887
2. Hossain, M. T., & Hassan, M. K. (2019). Assessment of traffic congestion by traffic flow analysis in Pabna Town. American Journal of Traffic and Transportation Engineering, 4(3), 75-81. doi: 10.11648/j.ajtte.20190403.11 (in English)
https://doi.org/10.11648/j.ajtte.20190403.11
3. Xiao, J., & Wang, Z. (2018). Traffic speed cloud maps: A new method for analyzing macroscopic traffic flow. Physica A: Statistical Mechanics and its Applications, 508, 367-375. doi: 10.1016/j.physa.2018.05.122 (in English)
https://doi.org/10.1016/j.physa.2018.05.122
4. Postranskyy, T., Boikiv, M., Afonin, M., & Rogalskyi, R. (2020). Selection of a Traffic Management Scheme at an Intersection Taking Into Consideration the Traffic Flow Composition. Eastern-European Journal of Enterprise Technologies, 1(3), 103. doi: 10.15587/1729-4061.2020.195327 (in English)
https://doi.org/10.15587/1729-4061.2020.195327
5. Fornalchyk, Y., Kernytskyy, I., Hrytsun, O., & Royko, Y. (2021). Choice of the rational regimes of traffic light control for traffic and pedestrian flows. Przegląd Naukowy Inżynieria i Kształtowanie Środowiska, 30, 38-50. doi: 10.22630/PNIKS.2021.30.1.4 (in English)
https://doi.org/10.22630/PNIKS.2021.30.1.4
6. Nogi, S., Gadhvi, R., Meena, A., & Sharma, A. (2019). Estimation of Level of Service for Urban Arterial Road of Ahmedabad City. International Journal of Research in Advent Technology, 7, 301-307. (in English)
https://doi.org/10.32622/ijrat.752019100
7. Raji, S., & Jagannathan, A. (2019). Level of Service (LOS) Effect in Terrain Conditions. Iconic Research and Engineering Journals, 2(8), 32-38. (in English)
8. Characterization and calibration of volume-to-capacity ratio in volume-delay functions on freeways based on a queue analysis approach. Retrieved from: https://trid.trb.org/view/1759601 (in English)
9. Kim, Y., Wang, P., Zhu, Y., & Mihaylova, L. (2018, October). A capsule network for traffic speed prediction in complex road networks. In 2018 Sensor Data Fusion: Trends, Solutions, Applications (SDF) (pp. 1-6). doi: 10.1109/SDF.2018.8547068 (in English)
https://doi.org/10.1109/SDF.2018.8547068
10. Dhamaniya, A., & Chandra, S. (2013). Speed characteristics of mixed traffic flow on urban arterials. International Journal of Civil and Environmental Engineering, 7(11), 883-888. doi: 10.5281/zenodo.1089419 (in English)
11. Bratsas, C., Koupidis, K., Salanova, J. M., Giannakopoulos, K., Kaloudis, A., & Aifadopoulou, G. (2019). A comparison of machine learning methods for the prediction of traffic speed in urban places. Sustainability, 12(1), 142. doi: 10.3390/su12010142 (in English)
https://doi.org/10.3390/su12010142
12. Royko, Y., Bura, R., & Kindrat, V. (2019). Investigation of tram movement indicators in general structure of traffic flow. Proceedings of the 1-st International Scientific Conference "Current Problems of Transport". (pp 57-65). (in English)
13. Wang, W. X., Guo, R. J., & Yu, J. (2018). Research on road traffic congestion index based on comprehensive parameters: Taking Dalian city as an example. Advances in Mechanical Engineering, 10(6), 1-8. doi: 10.1177/1687814018781482 (in English)
https://doi.org/10.1177/1687814018781482
14. Alkaissi, Z. A. (2022). Traffic Simulation of Urban Street to Estimate Capacity. Journal of Engineering, 28(4), 51-63. doi: 10.31026/j.eng.2022.04.04 (in English)
https://doi.org/10.31026/j.eng.2022.04.04
15. Patel, J., & Gundaliya, P. J. (2016). Estimation of Level of Service through Congestion - A Case Study of Ahmedabad City. International Research Journal of Engineering and Technology, 3(5), 2162-2165. (in English)