Validazione e applicazione del modello di traffico recentemente sviluppato: il modello METANET con stazione di servizio

Abstract This thesis explores the METANET-s model, an extension of the renowned second-order macroscopic METANET model considering the dynamics of service stations on high- ways. The model distinguishes itself by partial densities and speed dynamics extend- ing the classical METANET model’s capabilities in destination-oriented traffic analysis. METANET-s enhances its capability in simulating realistic traffic scenarios compared to the classical METANET model by employing store-and-forward links to model vehicle stops and possible queue formations during the merging process. Moreover, the thesis highlights that METANET-s is much more capable of capturing traffic phenomenon such as the backpropagation effect than the METANET model. To validate the effectiveness of the METANET-s model, two distinct traffic control scenarios and a real-world case study were assessed. The first one uses predefined traffic flow, and the second one uses real data from the UK highways. These scenarios show the adjustments of splitting rates at nodes and managing stop times at the service station. Additionally, the traffic simulator Aimsun was conducted using Python API to provide a robust tool for modeling traffic flow within networks of arbitrary topology. Having implemented the nonlinear dynam- ics of METANET-s along with control parameters, METANET-s leverages its predictive capability to accurately capture the traffic back propagation phenomenon and stands out as a valuable asset in the pursuit of efficient and adaptive traffic control strategies, contributing to the advancement of traffic flow modeling. These precise simulations and analyses offer practical insights and tools for traffic management systems.

Questa tesi esplora il modello METANET-s, un'estensione del famoso modello macroscopico del secondo ordine METANET considerando la dinamica delle stazioni di servizio sulle autostrade. Il modello si distingue per le densità parziali e le dinamiche di velocità che estendono le capacità del classico modello METANET nell'analisi del traffico orientato alla destinazione. METANET-s migliora la sua capacità di simulare scenari di traffico realistici rispetto al modello METANET classico utilizzando collegamenti store-and-forward per modellare le fermate dei veicoli e le possibili formazioni di code durante il processo di fusione. Inoltre, la tesi evidenzia che METANET-s è molto più capace di catturare fenomeni di traffico come l'effetto di back-propagation rispetto al modello METANET. Per convalidare l'efficacia del modello METANET-s, sono stati valutati due distinti scenari di controllo del traffico e un caso di studio reale. Il primo utilizza il flusso di traffico predefinito, mentre il secondo utilizza dati reali provenienti dalle autostrade del Regno Unito. Questi scenari mostrano gli adeguamenti del frazionamento delle tariffe ai nodi e della gestione dei tempi di sosta alla stazione di servizio. Inoltre, il simulatore di traffico Aimsun è stato condotto utilizzando l'API Python per fornire uno strumento robusto per modellare il flusso di traffico all'interno di reti di topologia arbitraria. Avendo implementato la dinamica non lineare di METANET-s insieme ai parametri di controllo, METANET-s sfrutta la sua capacità predittiva per catturare con precisione il fenomeno della back-propagazione del traffico e si distingue come una risorsa preziosa nel perseguimento di strategie di controllo del traffico efficienti e adattive, contribuendo all’avanzamento della modellazione dei flussi di traffico. Queste simulazioni e analisi precise offrono idee pratiche e strumenti per i sistemi di gestione del traffico.