Automatizované systémy řízení dopravy (ATCS) jsou vzájemně propojeným souborem technických, softwarových a organizačních opatření, která shromažďují a zpracovávají informace o datech dopravního proudu a na jejich základě optimalizují řízení dopravy. Úkolem automatizovaných systémů řízení dopravy (ATCS) je zajistit organizace pro bezpečnost provozu na silnicích.
ASUDD se dělí na několik typů:
Hlavní automatizované systémy řízení dopravy (ASUDD) koordinovaného řízení - bezcentrové, centralizované a centralizované inteligentní.
- · bezcentrový ASUDD - není potřeba vytvářet řídící centrum. Existují 2 modifikace bezhrotého ASUDD. V jednom z nich je práce synchronizována hlavním kontrolérem, ke kterému probíhá komunikace z ostatních kontrolérů (jedna linka pro všechny). V další modifikaci bezhrotového ASUDD mají všechny ovladače vlastní komunikační linku.
- · centralizované ASUDD – mají řídící centrum, s ním spojené kontroléry, vlastní komunikační linky. Často může ASUDD provádět víceprogramové KU se změnou programů během dne.
- · centralizované inteligentní ASUDD - jsou vybaveny dopravními determinanty a v závislosti na dopravní zácpě mohou měnit plány koordinace dopravy.
Celoměstské automatizované systémy řízení dopravy (ATCS) - zjednodušené, inteligentní, s řízením provozu na městských komunikacích s nepřetržitým provozem a s obráceným provozem.
· inteligentní ASUDD - obsahují výkonné řídicí počítačové systémy (UVK) a síť měnících se informačních displejů. Tyto ATCS mohou provádět nepřetržité řízení toku provozu a mohou řídit automatické adaptivní řízení provozu a umožňují přerozdělení toků provozu v síti.
ACS DD jako součást ITS vykonává kontrolní a informační funkce, z nichž hlavní jsou:
- řízení dopravních toků;
- poskytování dopravních informací;
- organizování elektronických plateb;
- Bezpečnostní a nouzové řízení.
Obecně lze subsystémy ACS DD reprezentovat jako soubor silničních telematických zařízení, ovladačů a automatizovaných pracovních stanic (AWS) zahrnutých do sítě výměny dat, s organizací centrálních a lokálních řídicích center – v závislosti na hustotě a intenzitě provozu .
Jako silniční telematická zařízení se používají proměnné informační značky (VPI), vícepolohové dopravní značky, variabilní informační displej (TPI), detektory vozidel, automatické silniční meteorologické stanice (ADMS), videokamery atd.
Telekomunikační část ACS DD je silniční integrovaný komunikační systém. Stabilní fungování komunikačních systémů na pozemních komunikacích umožňuje zvyšovat úroveň bezpečnosti silničního provozu a zajišťovat efektivní provoz služeb údržby silnic a také provozních a záchranných složek v případě nouze.
Jako součást DISS lze organizovat následující funkční subsystémy:
- výměna informací ACS DD;
- komunikace s mobilními objekty (zahrnuje subsystémy provozně-technologické rádiové komunikace a rádiového přístupu);
- řízení a technický provoz;
- zajištění informační bezpečnosti DISS;
- poskytování informačních a komunikačních služeb za úhradu.
Zefektivnění řízení dopravy je spojeno s vytvořením automatizovaných systémů řízení dopravy (ACS DD), které jsou nedílnou součástí inteligentních dopravních systémů (ITS). ITS je integrovaný systém informační podpory a řízení pozemní silniční dopravy, založený na využití moderních informačních a telekomunikačních technologií a metod řízení.
Pro zajištění fungování ACS DD a poskytování infokomunikačních služeb účastníkům silničního provozu vznikají DISS, na které se v současné době vztahují tyto zobecněné požadavky:
- multifunkčnost;
- stabilita;
- ekonomika.
ACS "GOROD-DD" - je určen k zajištění efektivní kontroly pohybu dopravy a chodců ve městech pomocí prostředků, dopravní signalizace, videomonitoringu a evidence přestupků na komunikacích, operativní analýzy stavu životního prostředí ve městě, kontrola pohybu traťové dopravy atd.
Hlavní výhody a přínosy automatizovaného řídicího systému "GOROD-DD"
- - výrazné zvýšení efektivity řízení dopravy a kontroly stavu věcí na silnicích, což vám umožní ušetřit asi 5-8 milionů dolarů ročně v měřítku regionálního centra (úspory spočívají ve snížení spotřeby paliva, zkrácení doby jízdy vozidel, doby strávené cestujícími na silnici atd. d.);
- - efektivnější využívání organizačních a preventivních opatření k normalizaci provozu na pozemních komunikacích;
- - integrovaný přístup k organizaci dopravy;
- - využití tuzemského hardwaru a softwaru, zaměřeného na moderní technologie a moderní metody řízení dopravy v souladu s požadavky ISO 9001;
- - nové možnosti sledování stavu na silnicích: vizuální kontrola městských křižovatek, videozáznam dopravních nehod, videozáznam porušení rychlostního limitu a pravidel pro průjezd křižovatkami, operativní rozbory stavu životního prostředí atd.;
- - možnost postupného uvádění do provozu, postupnou výměnou stávajících systémů řízení dopravy s prošlou životností a plnou kompatibilitou kterékoli z částí navrhovaného systému (řadiče, MCC, MZTS) se všemi typy stávajících zařízení.
Automatizovaný systém "Gorod-DD":
- · Centrální kontrolní bod;
- · Moduly zónových center (v případě potřeby);
- · Ovladače (ve třech verzích - S, SM, SL);
- · Doplňkové vybavení;
- · Softwarový balík.
Klasifikace a účel
Řízení dopravy v podmínkách extrémního nasycení komunikací dopravními a pěšími proudy vyžaduje stále pokročilejší metody řízení dopravy. V poslední době se používání automatizované systémy řízení dopravy(ASUDD), což je komplex technických prostředků, které implementují určité technologické algoritmy pro řízení dopravních toků.
Hlavním účelem zavedení ATCS je snížit celkové zpoždění vozidel na křižovatkách v oblasti pokrytí tohoto systému - na křižovatce, v okrese nebo městě. Obecné požadavky na ASUDD jsou definovány GOST 24.501 - 82 „Automatizované systémy řízení dopravy. Obecné požadavky".
Klasifikace ATCS s rozstupem metodami řízení znázorněno na Obr. 5.3.
Rýže. 5.3. klasifikace ASUD
(automatizovaný systém řízení dopravy)
Místní je bankomat, pokud pro stanovení parametrů regulace na křižovatce slouží pouze informace o dopravních proudech na nájezdech k této křižovatce a v prostoru křižovatky. Pomocí lokálních algoritmů se určuje regulační cyklus, sled regulačních fází, jejich doby trvání nebo momenty sepnutí fází a parametry mezicyklů.
Vlastnosti síť ATCS je jejich použití pro stanovení parametrů regulace informací o dopravní situaci na několika křižovatkách, obvykle propojených do jedné sítě, vyznačující se značným provozem mezi sousedními křižovatkami a malými (do 600...700 m) vzdálenostmi. mezi nimi.
Řídicí cykly pro skupinu křižovatek a časové posuny pro jednotlivé světelné objekty se zpravidla určují na úrovni sítě. Ke stanovení těchto parametrů se kromě údajů nezbytných pro místní ovládání využívají informace o topologii sítě, vztahu dopravních proudů na sousedních zastávkových liniích a (nebo) geometrických směrech jízdy křižovatkami, dobách jízdy mezi sousedními zastávkami linky.
Podle časového kritéria všechny algoritmy řízení semaforů jsou rozděleny na algoritmy, které implementují řízení dopravy podle předpovědi ( software, tvrdý) a algoritmy v reálném čase ( adaptivní).
Předpovědní řízení nevylučuje poměrně časté (až 3-5x v denním cyklu) změny parametrů řízení, tyto parametry však nejsou určovány na základě aktuální dopravní situace, ale její prognózou na základě předchozích pozorování.
Mezilehlou pozici mezi adaptivními a neadaptivními algoritmy zaujímají algoritmy založené na situační řízení. Algoritmy této skupiny zahrnují předběžný výpočet parametrů řízení pro různé třídy dopravních situací a vytvoření knihovny typických režimů řízení. Výběr konkrétního režimu z knihovny probíhá v reálném čase na základě aktuálních informací o dopravní situaci a jejího přiřazení do jedné z tříd dopravních situací.
Metody automatizovaného řízení dopravních toků v ASUDD lze tedy přiřadit jedné ze čtyř tříd, jak je znázorněno na Obr. 5.4 (pro každou třídu jsou uvedeny nejběžnější řídicí algoritmy).
V současnosti je v Rusku nejrozšířenější metoda lokální tvrdý jednoprogram ovládání dopravního signálu.
Tato metoda je založena na předběžném výpočtu doby trvání regulačního cyklu a regulačních fází.
Rýže. 5.4. Metody automatického řízení
Úvod
Koncepce adaptivního řízení provozu v uzlu dopravní sítě
Porovnání strategie řízení provozu v závislosti na čase a na vozidle
Vyjádření a analýza simulace
Vývoj báze fuzzy pravidel, stanovení parametrů pro řízení pohybu dopravních proudů v uzlu dopravní sítě
1 Budování členské funkce
2 Vytváření pravidel pro shodu konkrétní třídy řídicího parametru
3 Základní pravidlo fuzzy
Závěr
Bibliografie
Úvod
Změněné podmínky mobility, charakterizované nárůstem počtu automobilů v posledních letech, vedly ke zvýšení zátěže dopravní infrastruktury a životního prostředí. Rostoucí potřebu zlepšení podmínek pro cestování nelze plně uspokojit (ani v rámci sídel, ani mimo ně) pouze vytvářením nových dopravních spojení nebo jinými stavebními opatřeními. Abychom se z této situace dostali, je nutné zavést celou řadu opatření k organizaci a řízení dopravy. Adaptivní systémy řízení dopravy (ATCS) představují nový přístup k organizaci řízení dopravy a spolu s jimi řízenými vysoce výkonnými dopravními počítači implementují vhodné technologie řízení.
Neustálý nárůst počtu vozidel v podmínkách nedostatečné kapacity komunikací vede k potížím v pohybu dopravních proudů. Inteligentní dopravní systémy (ITS) umožňují minimalizovat vznik kongescí a zvýšit propustnost dopravní sítě. Vývoj v oblasti ITS je vyzkoušený pro organizaci dopravy v sídlech a na dálnicích. Optimalizace řízení dopravy je dosaženo prostřednictvím interakce řízení, klasifikace, predikce, expertního, rozhodovacího nebo podpůrného procesu těchto procesů subsystémů ITS. V tomto ohledu je úkolem najít metody pro zpracování informací o mimořádných situacích na silniční síti (SDN).
V tomto článku se budeme zabývat následujícími problémy: konceptem adaptivního řízení provozu v uzlu dopravní sítě, na síti a také srovnáním časově závislých a na dopravě závislých strategií řízení provozu.
1. Koncepce adaptivního řízení provozu v uzlu dopravní sítě
Možnosti zlepšení dopravních podmínek optimální organizací dopravy jsou do značné míry podceňovány a rozvoj dopravní infrastruktury je chápán především jako činnosti spojené s výstavbou nových silnic a dálnic, rekonstrukcí stávajících nadjezdů a mimoúrovňových křižovatek. Zavádění moderních inovativních technologií, nazývaných „Inteligentní dopravní systémy“ (ITS), zároveň umožňuje výrazně zlepšit dopravní situaci. Zavedení technologií ITS v Rusku umožňuje lépe řídit dopravní proudy, zvýšit úroveň propustnosti silniční sítě a snížit zatížení jejích jednotlivých prvků.
Růst parkoviště a objem dopravy vede ke zvyšování intenzity dopravy, což v podmínkách měst s historickým vývojem vede k dopravnímu problému. Zvláště akutní je v uzlových bodech silniční sítě. Zde narůstají dopravní zpoždění, tvoří se kolony a zácpy, což způsobuje snížení rychlosti komunikace, neodůvodněnou nadměrnou spotřebu PHM a zvýšené opotřebení součástí a sestav vozidel. Změněné podmínky mobility, charakterizované nárůstem počtu automobilů v posledních letech, vedly ke zvýšení zátěže dopravní infrastruktury a životního prostředí. Rostoucí potřebu zlepšení podmínek pro cestování nelze plně uspokojit (ani v rámci sídel, ani mimo ně) pouze vytvářením nových dopravních spojení nebo jinými stavebními opatřeními. Abychom se z této situace dostali, je nutné zavést celou řadu opatření k organizaci a řízení dopravy.
Adaptivní systémy řízení dopravy (ATCS) představují nový přístup k organizaci řízení dopravy a spolu s jimi řízenými vysoce výkonnými dopravními počítači implementují vhodné technologie řízení. V současné době jsou ve světové praxi jako součást automatizovaného systému řízení nejrozšířenější tyto technologie řízení dopravy:
Technologie řízení podle pevných plánů (koordinované řízení);
Technologie síťového adaptivního řízení;
Technologie situačního řízení.
HAUDD je systém řízení provozu s centrálně distribuovanou inteligencí, která se skládá z:
centrální řídicí bod (CPU);
body adaptivního řízení dopravy, vybavené inteligentními ovladači a detektory provozu, které poskytují:
místní adaptivní řízení nejsložitějších a nejdůležitějších křižovatek a úseků silniční sítě;
informační interakce s CPU;
systémové detektory hlásící informace o dopravních tocích do CPU;
systémové řadiče řízené z CPU trvale nebo periodicky.
Organizace dopravy na úrovni dopravní obslužnosti je souborem inženýrsko-organizačních opatření na stávající silniční síti, která zajišťují bezpečnost a dostatečnou rychlost dopravy a pěších proudů. Mezi tyto činnosti patří řízení dopravy, které jako nedílná součást organizace dopravy zpravidla řeší užší úkoly. V obecném případě je management chápán jako dopad na konkrétní objekt za účelem zlepšení jeho fungování. S ohledem na silniční provoz jsou předmětem řízení dopravní a pěší toky.
Podstatou řízení dopravy je zavazovat řidiče a chodce, zakazovat nebo doporučovat jim určité úkony v zájmu zajištění rychlosti a bezpečnosti. Provádí se začleněním příslušných požadavků do Pravidel silničního provozu, dále s využitím souboru technických prostředků a administrativních úkonů inspektorů silniční hlídkové služby a dalších osob s příslušnými pravomocemi.
2. Porovnání časově závislých a dopravně závislých strategií řízení dopravy
Současný stav řízení dopravy ve většině měst lze obecně charakterizovat tak, že řídící zařízení (uzly) jsou řízeny podle pevného harmonogramu nebo podle stavu dopravního proudu. Zásadní rozdíl je v tom, že pro řízení časového plánu nejsou potřeba žádné detektory a systém není schopen reagovat na žádné změny dopravního proudu. V případě dopravně závislého řízení zastávkových linek jsou zde detektory, které detekují okamžitou přítomnost vozidel a řídicí zařízení tak reaguje na okamžité stavy v uzlu prodloužením doby trvání zeleného signálu. Proto mluvíme o řízení ve druhé mřížce času.
Časově závislé (autonomní) řízení - dopravní stavy se zjišťují na základě statistické analýzy historických hodnot charakteristik dopravního proudu (intenzita dopravy) a na jejich základě jsou výstupní hodnoty řídícího procesu odhodlaný.
Řízení závislé na dopravě (režim aktuálního času - online), v anglosaské literatuře nazývané také Traffic Responsive, spočívá v tom, že zásah řídicího systému se vypočítává z okamžité dopravní situace. Online metody zajišťují provoz v reálném čase a na základě variabilních vstupních dopravních dat každou sekundu mění a optimalizují parametry řízení, tzn. dobu trvání zeleného signálu v odpovídajícím směru. Řídicí zařízení v tomto režimu pracují samostatně nebo v extrémních případech jsou umístěny v linii a lineárně koordinované.
Řízení se provádí na místní úrovni. V případě využití dispečinku je často následně sledován stav řídících zařízení nebo stav dopravních toků. Řízení semaforů v reálném čase je dobře známé a běžně se označuje jako řízení závislé na vozidle nebo dynamické řízení. Jeho princip spočívá v tom, že dopravní uzel bývá vybaven dvěma typy snímačů: intervalovými a hovorovými, což jsou ve většině případů indukční smyčky. Zařízení pro řízení dopravy řídí program, který nepřetržitě testuje stav toku provozu přes jednotlivé senzory a na základě předem stanovených algoritmů prodlužuje trvání signálů, upravuje sled fází nebo vkládá fázi do hovoru. Tyto změny se typicky provádějí v rámci předem stanovené doby cyklu a předem stanovené maximální doby trvání zeleného signálu. Intervalový snímač umístěný přibližně 30-50 m před zastávkovou čárou dostal svůj název podle toho, že nepřetržitě měří časové intervaly mezi vozidly a pokud jsou menší než tato hodnota (obvykle 3-5 sekund), zvyšuje trvání zelených signálů až do předem stanoveného maxima. Tato metoda měření se nazývá "Time Interval Measurement Control". Druhou možností je, že jednotlivé uzly jsou napojeny na dopravní dispečink, který koordinuje a řídí provoz uzlů na úrovni okresu. K ovládání oblasti se používají následující režimy:
Časově závislé (autonomní) řízení - statistickým rozborem se získávají informace o charakteristice stavu dopravních proudů v území, údaje o charakteristikách pohybu dopravních proudů (intenzita a skladba dopravy) za minulé roky, naměřené v hlavních bodech dopravní sítě a na jejich základě je určen režim provozu dopravních řídicích zařízení. Poté se zadávají do ovládacích zařízení v závislosti na denní době nebo dni v roce. Výpočet optimalizuje dobu trvání zelených signálů, dobu trvání cyklu a časový posun. Příkladem offline metody je metoda TRANSYT, kde jsou figuríny vozidel „vypuštěny“ podle předem stanovených pravidel do oblasti a projíždějí oblastí na základě a podle dopravního vzoru. Jejich pohyb je ovlivněn změnou řízených parametrů uzlu. Pomocí numerických matematických metod pro různé parametry, jako je doba cyklu, doba trvání zeleného signálu a časový posun, je nalezeno minimum určité účelové funkce (optimalizace parametrů).
Řízení závislé na dopravě (online režim) je charakteristické tím, že pro různé podmínky dopravních proudů na síti jsou předem vypočítány systémy signálních plánů, které jsou uloženy v řídicích zařízeních nebo v dopravním řídícím centru. Metoda TRANSYT se obvykle používá k výpočtu maximálních hodnot pro dobu trvání zelené, dobu cyklu a časový posun. Zároveň se v oblasti vybírají strategické senzory a sestavují se logické rovnice, které popisují různé kombinace stavů všech nebo vybraných senzorů. V závislosti na okamžité dopravní situaci se pomocí vhodné rovnice vybere program, který dané situaci nejlépe vyhovuje. Příkladem je popis stavu dopravního proudu podle strategických senzorů SDV1 a SDV5, což znamená: pokud je v bodě SDV1 stupeň 2 a zároveň v bodě SDV5 - stupeň 4, pak byste měli vybrat signální program číslo 6.=2 &SDV5=4 THENSP6
Pokud síť neklasifikuje stav dopravního proudu, pak se pro popis používá pouze jeden parametr, kterým je intenzita dopravy. Řízení závislé na vozidle se používá v reálném čase a přijímá signály z vybraných senzorů každou sekundu. Přepínání signálových programů se však provádí s určitou hysterezí, aby byla zajištěna stabilita v transportní síti. V praxi to znamená změnu programu řídicího zařízení v rastru několika desítek minut.
Offline optimalizace umožňuje vypočítat hlavní řízené veličiny: dobu cyklu, sled fází, časový posun a dobu trvání zeleného signálu pro historickou databázi (historická data). Tato data jsou získávána dlouhodobým měřením transportními detektory. Na základě dlouhodobě evidovaných dat je obvykle vypracován statistický model, který pro objem dopravy obvykle umožňuje určit typické pracovní dny a zejména sobotu a neděli, v důsledku čehož jsou změny proměnných velmi vysoké. omezený. Podstatným rysem je, že hovoříme o off-line makroskopickém řízení založeném na deterministickém modelování proudění a optimalizačních algoritmech, kdy se systémy signálních plánů počítají z časoprostorového vektoru intenzitních dat za předchozí roky. Optimalizační modely se používají pro offline výpočty signálových časových plánů zařízení pro řízení dopravy v dopravní síti nebo lince.
V tomto případě řídící proces vybere v závislosti na čase to nejvýhodnější ze sady předem připravených signálových plánů. Tato metoda se nazývá časově závislé řízení.
Výhody časově závislého ovládání:
možnost jednoduchého ovládání;
snadnost modifikace signálních programů;
relativně nízké náklady na vybavení a instalaci.
Nevýhody časově závislého ovládání:
není možné zlepšit efektivitu využití času signálů (povolení pohybu pro jednotlivé směry);
vrcholy intenzity nelze pokrýt (je nutná určitá rezerva intenzity);
není možné vstupovat do procesu ovládání jednotlivými vozidly nebo chodci;
dopravní zácpy nelze odstranit.
3. Vyjádření a analýza simulace
Úkolem modelování strategií řízení provozu v uzlu dopravní sítě i na síti je vyvinout klasický modul fuzzy řízení. Jeho součásti:
Fuzzifikační blok: Řídicí systém fuzzy logiky pracuje s fuzzy množinami, takže určitá hodnota vstupního signálu modulu fuzzy řízení podléhá operaci fuzzy, v důsledku čehož k ní bude přiřazena fuzzy množina.
Základem pravidel je soubor fuzzy pravidel pro určení fuzzy množiny, do které patří výstupní signál systému.
Rozhodovací blok: přímé určení množiny příslušnosti výstupního signálu pro konkrétní množiny vstupních signálů.
Defuzzifikační blok představuje postup pro mapování fuzzy množiny získané na výstupu rozhodovacího bloku do konkrétní hodnoty, která představuje kontrolu dopadu.
Pro sestavení řídicích strategií je navrženo použití softwarového balíku TRANSYT, který je založen na posouzení chování dopravního proudu pomocí simulace provozu a umožňuje zvolit optimální parametry pro režim provozu semaforů. Podle výsledků simulace dopravy v programu pro různé kombinace intenzity dopravy je stanovena optimální doba pro rozsvícení zeleného semaforu.
4. Vývoj báze fuzzy pravidel pro stanovení parametrů řízení dopravního toku v uzlu dopravní sítě
Vybudování základu fuzzy pravidel pro určení optimální doby pro rozsvícení zeleného signálu semaforu na křižovatce vyznačující se maximálním provozem na křižujících se komunikacích. Potřebná data byla získána pomocí transportního detektoru.
Vytváříme základ pravidel pro klasifikaci strategií řízení pro systém se dvěma vstupy a jedním výstupem:
1. Údaje jsou požadovány ve formě sady. Dále najdeme definiční obory prvků množiny, které rozdělíme na obory (segmenty) a hodnotu N volíme jednotlivě, přičemž segmenty mohou mít stejnou nebo různou délku. Samostatné oblasti lze označit takto: …, S,,…,.
Konstruujeme funkce příslušnosti pro určitou třídu prvků dané množiny trénovacích dat. Navrhujeme používat funkce trojúhelníkového tvaru podle principu: vrchol grafu je umístěn ve středu rozdělovací oblasti, větve grafu leží ve středech sousedních oblastí. Míra náležení dat do určité třídy bude vyjádřena hodnotou funkcí členství.
Poté pro každý pár určíme pravidlo korespondence s třídou strategie řízení. Konečné pravidlo pro každý pár trénovacích dat může být zapsáno 1 pravidlo, tzn
Vzhledem k tomu, že je k dispozici velké množství párů, existuje vysoká pravděpodobnost, že některá pravidla budou nekonzistentní. To se týká pravidel se stejným předpokladem (podmínkou), ale odlišnými prostředky (závěry).
Jedním ze způsobů, jak tento problém vyřešit, je přiřadit každému pravidlu takzvaný stupeň pravdivosti a poté zvolit protichůdná pravidla toho s nejvyšším stupněm pravdivosti. Poté je základna pravidel naplněna kvalitativními informacemi.
Například podle výše popsaných pravidel mají stupně pravdivosti tvar
4. Pro stanovení kvantitativních hodnot parametru optimalizace strategie řízení je nutné provést operaci defuzzifikace. Pro výpočet výstupní hodnoty kontroly dopadu je možné a doporučené použít metodu defuzzifikace podle metody těžiště.
1 Budování členské funkce
Pro prvky množiny tréninkových dat označujeme následující definiční doménu
Po rozdělení X 1 X 2 a G na segmenty 2n+1 zkonstruujeme funkce příslušnosti formuláře
Obrázek 4.1 Celkový pohled na graf funkcí příslušnosti
Skončíme s:
Obrázek 4.2 Grafy funkcí příslušnosti intenzity x 1 k třídám rozdělení množiny X 1.
Funkce příslušnosti µ(x 1) na segmentech dělení oblasti X 1 určíme přiřazením µ(x 1) k určité třídě.
Tabulka 4.1. Funkce členství µ(x 1) na segmentech dělení oblasti X 1 (n=4)
Rozdělený segment Označení Členská funkce µ(x 1) , , , , , Obrázek 4.3 Grafy funkcí příslušnosti intenzity x 2 k třídám dělení množiny X 2 . Funkce příslušnosti µ (x 2) na segmentech dělení oblasti X 2 určíme přiřazením µ (x 2) k určité třídě podle obrázku 4.3. Tabulka 4.2 Funkce členství µ(x 2) na úsecích dělení oblasti X 2 (n=5)
Rozdělený segment Označení , , , , , , , Obrázek 4.4 Grafy funkcí příslušnosti intenzity g ke třídám dělení množiny Q. Funkce členství µ(g) na segmentech oddílu domény G určíme přiřazením µ(g) k určité třídě Tabulka 4.3 Funkce členství µ(g) na segmentech rozdělení domény G(n=6)
Rozdělený segment Označení Členská funkce µ(x 2) , ; ,; ,; ,; 2 Vytváření pravidel pro shodu konkrétní třídy řídicího parametru Definujeme pravidlo korespondence s třídou kontrolních strategií a každému pravidlu přiřadíme stupeň pravdivosti. Tabulka 4.4 Hodnoty funkcí členství v datech pro určité třídy
(i)µ((i))(i)µ((i))g(i)µ(g (i)) Dostaneme tabulku s přiřazenými stupni pravdivosti a stupněm pravdivosti pro každou z dvojic x 1 , x 2 . řízení dopravy silniční cestující Tabulka 4.5 Fuzzy pravidla generovaná z trénovacích dat a stupeň pravdivosti těchto pravidel
3 Základní pravidlo fuzzy Podle pravidel definovaných v tabulce 4.7 sestavíme základ fuzzy pravidel, která určí optimální hodnotu zeleného semaforu. Tabulka 4.6 Základní pravidlo fuzzy
Závěr V tomto článku byly zvažovány následující problémy: koncept adaptivního řízení provozu v uzlu dopravní sítě, na síti, stejně jako srovnání strategií řízení provozu závislých na čase a na dopravě. Hlavní koncepty adaptivního řízení implementované v různých zemích a výhody jako: zajištění vysokého výkonu tváří v tvář měnícím se vlastnostem řízeného objektu, prostředí a cílů, prostřednictvím vývoje nových funkčních algoritmů. Organizace pohybu městské osobní hromadné dopravy při provozu adaptivního systému řízení dopravy, k realizaci této podmínky dochází v důsledku instalace radiotagů na vozidla a čteček na semaforových objektech. Rozpoznání vozidla umožní „natažení“ doby svícení zeleného signálu a zajistí nerušený průjezd MHD. Je také možné využít principu výměny dat přímo mezi řadiči sousedních křižovatek. Data hlásičů připojených k silničnímu řadiči jsou doplněna o data těch hlásičů, které jsou instalovány na sousedních křižovatkách. To umožňuje direktivně nastavit stav signalizačních skupin a také poskytuje prioritu pro veřejnou dopravu Vzhledem k tomu, že adaptivní řízení je velmi nákladné, byla navržena alternativní metoda pro určení optimální doby rozsvícení zeleného semaforu na křižovatce. A to metodu vývoje klasického modulu fuzzy řízení, jehož výchozími daty byly soubory dat o intenzitě dvou protínajících se komunikací. V tomto článku byly uvažovány první tři bloky této metody a byly provedeny výpočty. Bibliografie 1. P. Pržibyl, M. Switek "Telematika v dopravě", 2004; Konoplyanko, V.I., Gudzhoyan O.P., Zyryanov V.V., Berezin A.S. Bezpečnost provozu. Kuzin M.V. Simulační modelování dopravních proudů v režimu koordinovaného řízení Omsk - 2011; V.G. Kocherga, E.E. Shatalova Technické prostředky moderních automatizovaných systémů řízení dopravy. Rostov na Donu 2011; E.A. Petrov článek „Adaptivní systém řízení dopravy jako součást městských ITS“; Abramová L.S. Journal Bulletin Charkovské národní automobilové a dálniční univerzity.
;
;
;
;
;
;
;
;
;
;
;
; 
; 
;
;
;
;
; 
;
;
;
;
;
;
;
;
;
UDK 517 977,56, 519 876,5
adaptivní řízení dopravy založené na systému mikroskopické simulace dopravních proudů
A. S. Golubkov,
inženýr, mladší výzkumník
B. A. Carev,
cand. tech. Sci., docent Institut managementu a informačních technologií Cherepovets Branch of St. Petersburg State Polytechnic University
Je popsáno složení a vlastnosti fungování moderních automatizovaných systémů řízení dopravy. Je navržena metoda adaptivního řízení dopravy založená na predikci dopravního proudu a modelech rychlé optimalizace křižovatek. Jsou uvedeny charakteristiky systému mikroskopické simulace dopravních proudů používaného v systému adaptivního řízení dopravy.
Klíčová slova - adaptivní řízení dopravy, optimalizace řízení dopravy, simulace dopravního proudu, mikroskopická simulace.
Úvod
V současné době je v mnoha velkých městech problém dopravních zácp velmi akutní. Studie zároveň ukazují, že potenciál stávajících silničních sítí (SRN) není zdaleka plně využit. Zvýšení dopravní kapacity silniční sítě lze dosáhnout zavedením automatizovaných systémů řízení dopravy (ATMS). Se zavedením ASUDD se zlepšují následující ukazatele: doba jízdy vozidel (TC) se snižuje o 10-15%; počet zastávek obecné dopravy je snížen o 20-40%; spotřeba paliva se sníží o 5-15%, množství škodlivých emisí do atmosféry se sníží o 5-15%; zlepšuje bezpečnost silničního provozu.
Moderní ASUDD
Hlavní součásti moderních automatizovaných řídicích systémů, kromě semaforů a kontrolérů semaforů, jsou:
1) dopravní detektory (DT), které zajišťují detekci vozidel a počítání jejich počtu při jízdě po jízdních pruzích;
2) jeden nebo více počítačů pro zpracování dat s DT a výpočet optimálních řídicích signálů;
3) sada softwarových nástrojů, které implementují algoritmy pro detekci dopravy a optimalizaci řízení dopravy;
4) prostředky pro informování řidičů vozidla (různé informační tabule);
5) komunikační a telekomunikační prostředky používané ke spojení softwaru a hardwaru ASUDD do jediného systému.
V moderních automatizovaných řídicích systémech se používají různé typy transportních detektorů: smyčkové (indukční); infračervené aktivní a pasivní; magnetický; akustický; radar; Video detektory; kombinované (v různých kombinacích ultrazvukových, radarových, infračervených a video detektorů). Všechny dieselové motory mají různou účinnost v různých provozních podmínkách. Vzhledem k vysokému stupni rozvoje počítačové a televizní techniky jsou však v mnoha případech nejvýhodnější videodetektory založené na technologiích zpracování a analýzy obrazu, stejně jako kombinace videodetektorů s detektory jiných typů.
Ve stávajícím ASUDD různých výrobců se používají tři hlavní způsoby adaptivního řízení dopravního toku v různých kombinacích.
1. Způsob řízení využívající knihovny, vyznačující se předběžným výpočtem množství koordinačních plánů a jejich přepínáním na základě aktuálních průměrných hodnot strategických DT výběrem vhodného vhodného plánu z knihovny.
2. Vlastní způsob řízení, charakterizovaný předběžným výpočtem koordinačních plánů semaforů, jejich přepínáním podle kalendářního harmonogramu a prováděním změn v těchto plánech v souladu s dopravními požadavky zaznamenanými místními detektory v určitých směrech.
3. Adaptivní metoda řízení charakterizovaná neustálým přepočítáváním koordinačních plánů a kalendářních režimů na základě informací získaných z místních a strategických (traťových) detektorů v reálném čase.
Optimalizace řízení provozu v moderních ATCS se provádí různými metodami. Systém Balance (Německo) používá genetické optimalizační algoritmy. V systému Utopia (Nizozemsko) je výpočet založen na cenové funkci, která bere v úvahu dobu zpoždění, počet zastávek, specifické požadavky na prioritu a relativní polohu křižovatek. V systému Spektr (Petrohrad, Rusko)
jsou použity následující algoritmy: vyhledávání přerušení dopravního proudu; výpočet podle Websterova vzorce; přepínání programů podle intenzity. ASUDD vyráběný OAO Elektromekhanika (Penza, Rusko) používá následující algoritmickou podporu: algoritmus pro hledání přerušení v dopravních tocích; hledání mezery při zachování celkové doby trvání koordinačního cyklu; algoritmus pro přepínání předem vypočítaných režimů podle kontrolních bodů intenzity dopravy; algoritmus pro dynamický přepočet parametrů cyklu na základě Websterova vzorce. V ASUDD "Agat" (Minsk, Bělorusko) jsou použity následující heuristické řídicí algoritmy: výběr koordinačního plánu podle časové mapy; fáze, výběr režimu podle koordinačního plánu; výběr koordinačního plánu podle pohybových parametrů v charakteristických bodech atp.
Adaptivní řízení toku dopravy založené na modelech optimalizace křižovatek
Vyvinutý systém řízení dopravy (obrázek) se skládá z jednoho centrálního bodu a mnoha lokálních bodů.
■ Schéma adaptivního systému řízení dopravy
kontrolní kts, jejichž počet odpovídá počtu řízených křižovatek v systému. Všechny lokální body jsou propojeny komunikačními kanály s centrálním řídicím bodem.
Centrální kontrolní bod plní funkce sběru a zpracování informací o intenzitě provozu vozidel v silniční síti. Zpracování informací je predikce hodnot dopravního toku na základě následujících dat:
Aktuální intenzity dopravních proudů;
Rychlosti vozidel;
Vzdálenosti mezi sousedními řízenými křižovatkami v systému;
Predikce tras vozidel na základě statistik pro aktuální den v týdnu a denní dobu;
Aktuální délky fází objektů semaforu na křižovatkách UDS.
Lokální body v systému provádějí přímou optimalizaci řízení dopravy na příslušných křižovatkách. Každé místní řídicí centrum zahrnuje:
Dopravní detektory;
Počítač, který v případě potřeby provádí předzpracování dat s DT a optimalizaci řízení dopravy;
Ovladač semaforu, který umožňuje externí nastavení fázových délek objektu semaforu;
Semafory.
Jako DT se navrhuje použití videodetektorů. Signál z kamer v tomto případě vstupuje do počítače místního dispečinku, kde softwarový modul předzpracování provádí analýzu obrazu a odhaduje intenzitu dopravního proudu ve všech řízených jízdních pruzích. Dále jsou intenzity dopravních proudů přenášeny na centrální řídicí bod.
Optimalizace řízení dopravy se provádí následovně. Počítač má přesný softwarový mikroskopický model křižovatky. Při výpočtu optimálních délek fází pro další fázový cyklus ovládání objektu semaforu (doba trvání fázového cyklu je obvykle 2-5 minut) se provádějí následující akce.
Model specifikuje vstupní intenzitu dopravních proudů na dalších 5 minut (předpověď intenzity z centrálního řídicího bodu) s přesností na jednotlivé vozidlo.
Optimalizační modul spouští běhy modelu křižovatky v délce 5 minut modelového času, pro každý běh nastavuje nové délky fází modelového objektu semaforu
a vypočítá hodnotu cílové funkce na základě výsledků každého běhu.
Optimalizační modul nalezne jako výsledek optimalizačního cyklu sestávajícího z několika běhů modelu optimální fázové délky modelového objektu semaforu odpovídající extrému cílové vyhledávací funkce.
Fázové délky objektu semaforu jsou vektorem optimalizačních parametrů j = (fr f2, f3, f4) (na křižovatce se obvykle nestaví více než čtyři fáze). Jako účelová funkce F(j) může sloužit průměrná doba čekání na průjezd křižovatkou. V tomto případě bude kritériem optimalizace minimální průměrná doba čekání na průjezd
min .P(f) = F(^*),
kde Ф je přípustná množina hodnot souřadnic vektoru fázových délek; j* - vektor optimálních hodnot fázových délek. Přípustná sada souřadnicových hodnot vektoru délky fáze má následující tvar:
Ф = (Ф|Tmin< Фi < Tmax.i = 1.-. 4} С r4.
kde T. a - respektive, minimum
a maximální hodnota délky fáze.
Výpočet derivací účelové funkce na modelu je nemožný, proto lze jako optimalizační metody použít pouze přímé metody. Je navrženo použití střídavé cyklické variace fázových délek objektu semaforu od jízdy k jízdě s konstantním krokem podél délky fáze. Délku kroku změny délky fáze lze nastavit na 2-3 s.
Nezbytnou podmínkou pro možnost realizace popsaného systému adaptivního řízení dopravy je přítomnost systému mikroskopické simulace dopravních proudů, jejíž rychlost by postačovala k optimalizaci délek fází objektu semaforu během jedné fáze. cyklus.
Systém pro mikroskopickou simulaci dopravních proudů
Autoři článku vyvinuli systém pro mikroskopickou simulaci dopravních proudů v UDS, který lze využít k optimalizaci řízení dopravních proudů v rámci adaptivního systému řízení dopravy. Hlavním rysem simulačního systému je použití přístupu diskrétních událostí při modelování
díky čemuž má systém vysokou rychlost.
Výkon systému byl hodnocen v sérii experimentů s modely jednotlivých typických křižovatek. Experimenty byly prováděny na počítači s procesorem Intel Core 2 Quad Q6600 s frekvencí každého jádra 2,4 GHz (ve skutečnosti bylo při experimentech použito pouze jedno jádro, jelikož simulace probíhá v jednom vláknu programu). Výsledkem bylo, že simulace dopravních toků přes jedinou křižovatku po dobu 45 dní (3 888 000 s) zabrala 2864 s času CPU. Překročení rychlosti simulace nad průtokem v reálném čase tedy bylo 3 888 000/2864 « » 1358krát, tj. během reálného fázového cyklu na křižovatce je optimalizační modul schopen provést více než 1300 běhů optimalizace. experiment.
Charakteristickým rysem přístupu diskrétních událostí v modelování je nezávislost výsledků simulace na rychlosti provádění modelu, tj. i v režimu plného zatížení procesoru bude simulace ukazovat zcela identické výsledky jako výsledky provádění, například v reálném čas.
Naopak u systémově dynamického přístupu, kdy se simulace urychluje zvýšením časového kroku vzorkování, přesnost simulace klesá. Systémově dynamický přístup implementuje převážnou většinu moderních systémů pro mikroskopické modelování dopravních proudů: Aimsun (Španělsko), Paramics Modeler (Skotsko), DRACULA (Velká Británie), TransModeler (USA), VISSIM (Německo) . Ve všech výše uvedených simulačních systémech se používá časový krok vzorkování 0,1-1,0 s.
V systémově dynamickém silničním a dopravním modelu je krok simulace v čase rovný 1 s docela schopný zbavit model adekvátnosti. Vozidlo tedy rychlostí 60 km/h ujede více než 16 m za 1 s, tj. při typických rychlostech je model vozidla polohován pouze s přesností asi 10 m.
V navrhovaném modelu diskrétních událostí zůstává přesnost polohování objektů modelu konstantní při téměř jakékoli rychlosti a závisí na použité bitové hloubce.
1. Brodsky G. S., Aivazov A. R. Automatizované řízení dopravy v městském prostředí. 2007. č. 26. S. 2-3.
proměnné a typ aritmetických operací s nimi prováděných. Při použití čísel s plovoucí desetinnou čárkou s dvojitou přesností (64 bitů, 15 platných desetinných míst mantisy) nebude přesnost polohování modelů vozidel v modelu diskrétních událostí v žádném okamžiku větší než 1 cm.
Závěr
Navržený adaptivní systém řízení dopravy je schopen prokázat vysokou efektivitu díky vyčerpávající optimalizaci každé jednotlivé křižovatky a zohlednění dopravních proudů mezi sousedními křižovatkami s přesností na jednotlivá vozidla. Pokud je v silniční síti v jakémkoli směru hustý dopravní proud, řízení se automaticky přizpůsobí na všech sousedních křižovatkách s organizací zelené vlny v tomto směru. Zároveň jsou optimalizovány i všechny ostatní směry s nižší hustotou dopravy.
Optimalizace řízení každé jednotlivé křižovatky v reálném čase je možná díky použití systému mikroskopického diskrétního modelování dopravních proudů v silniční síti vyvinutého autory článku. Tento modelovací systém má díky použití přístupu diskrétních událostí vysoký výkon a přesnost. V blízké budoucnosti bude na webu vývojářů k dispozici zkušební verze modelovacího systému.
Kvalita optimalizace řízení dopravy je velmi závislá na přesnosti predikce hustoty dopravy. V tomto případě je přesnost predikce tím vyšší, čím menší je časový interval predikce. Při použití dostatečně výkonného hardwaru na lokálních křižovatkách lze provést přepočet optimálních délek fází cyklu regulace objektu semaforu se začátkem každé další fáze. V tomto případě se skutečně použitý časový interval predikce zkrátí na dobu trvání jedné fáze, tedy na 15–100 s, což zvýší efektivitu optimalizace.
2. Brodsky G. S., Rykunov V. V. Jdeme na to! ASUDD - světová zkušenost a ekonomický smysl // Mir roads. 2008. č. 32. S.36-39.
3. GNPO AGAT. http://www.agat.by (datum přístupu:
4. Crowdhury M. A., Sadek A. Základy plánování inteligentního dopravního systému. - Boston - Londýn: Artech House, 2005. - 190 s.
5. Kremenets Yu. A., Pechersky M. P., Afanasiev M. B. Technické prostředky organizace dopravy. - M.: Akademikniga, 2005. - 279 s.
6. Software GEVAS: Traffic Control. http://www.gevas.eu/index.php?id=149&L=1 (vstupeno 16.06.2010).
7. UTOPIA - Peek Traffic. http://www.peektraffic.nl/ page/484 (datum přístupu: 16.06.2010).
8. CJSC "RIPAS": Vývoj a výroba automatizovaných systémů. http://www.ripas.ru (datum přístupu: 16.06.2010).
9. ASUDD - Elektromechanika OJSC. http://www. elmeh.ru/catalog/3/asud (datum přístupu:
10. Karpov Yu G. Imitační modelování systémů. Úvod do modelování s AnyLogic 5. - Petrohrad: BHV-Petersburg, 2006. - 400 s.
11. Sovetov B. Ya., Jakovlev S. A. Modelovací systémy. - M.: Vyšší. škola, 2001. - 343 s.
12. Nagel K. Vysokorychlostní mikrosimulace dopravního proudu. Práce: Univerzita Kolín nad Rýnem, 1995. - 202 s.
13. Aimsun. Software pro integrované dopravní modelování. http://www.aimsun.com (přístup:
14. Quadstone Paramics. Řešení simulace provozu. http://www.paramics-online.com (přístup:
15. Webové stránky SATURN Software. https://saturnsoftware.com co.uk (Přístup 20. května 2010).
16. TransModeler Traffic Simulation Software. http://www.caliper.com/transmodeler/ (přístup:
17. PTV Vision - plánování dopravy. http://www.ptv-vision.ru (datum přístupu: 20.05.2010).
18. Společnost "Mullen". http://www.mallenom.ru (datum přístupu: 20.05.2010).
Každý z vás se musí zaregistrovat na webu RUNEB (http://www.elibrary.ru), aby mu byl přidělen individuální digitální kód (při registraci se kód přiděluje automaticky), což je nezbytné pro vytvoření správné databáze RUNEB který objektivně odráží informace o vaší vědecké činnosti a také pro výpočet vašeho citačního indexu (RSCI).
