سیستم‌های کنترل خودکار ترافیک (ATCS) مجموعه‌ای به هم پیوسته از اقدامات فنی، نرم‌افزاری و سازمانی هستند که اطلاعات مربوط به جریان ترافیک را جمع‌آوری و پردازش می‌کنند و بر این اساس، کنترل ترافیک را بهینه می‌کنند. وظیفه سیستم های خودکار کنترل ترافیک (ATCS) اطمینان از سازمان های ایمنی راهدر جاده ها.
سیستم های کنترل خودکار ترافیک به چند نوع تقسیم می شوند:
سیستم های کنترل ترافیک خودکار خط اصلی (ATCS) کنترل هماهنگ - هوشمند بدون مرکز، متمرکز و متمرکز.
- · ATCS بدون مرکز - نیازی به ایجاد مرکز کنترل نیست. 2 تغییر در سیستم های کنترل ترافیک خودکار بدون مرکز وجود دارد. در یکی از آنها، کار توسط کنترل کننده اصلی هماهنگ می شود که از سایر کنترلرها (یک خط برای همه) ارتباط برقرار می شود. در اصلاح بعدی ATCS بدون مرکز، همه کنترلرها دارای خط ارتباطی خاص خود هستند.
- · ATCS متمرکز - دارای یک مرکز کنترل، با کنترلرهایی که توسط خطوط ارتباطی خودشان به آن متصل هستند. اغلب، ATCS می تواند CG چند برنامه ای را با تغییر برنامه ها در طول روز انجام دهد.
- · سیستم های کنترل خودکار و هوشمند متمرکز ترافیک - آنها مجهز به شناسه های حمل و نقل هستند و بسته به بار ترافیکی، می توانند برنامه های هماهنگی ترافیک را تغییر دهند.
سیستم های کنترل ترافیک خودکار در سطح شهر (ATCS) - ساده، هوشمند، با کنترل ترافیک در جاده های شهری با ترافیک مداوم و با ترافیک معکوس.
· سیستم های کنترل خودکار ترافیک هوشمند - شامل مجتمع های کامپیوتری کنترل قدرتمند (UCC) و شبکه ای از نمایشگرهای اطلاعاتی در حال تغییر است. این ATCS می تواند نظارت مستمر جریان ترافیک را انجام دهد و می تواند کنترل ترافیک تطبیقی خودکار را مدیریت کند و امکان توزیع مجدد جریان ترافیک در سراسر شبکه را فراهم کند.
ACS به عنوان بخشی از ITS عملکردهای کنترلی و اطلاعاتی را انجام می دهد که اصلی ترین آنها عبارتند از:
- · مدیریت جریان ترافیک.
- · ارائه اطلاعات حمل و نقل.
- · سازمان پرداخت های الکترونیکی.
- · مدیریت و مدیریت امنیت در شرایط خاص.
به طور کلی، زیرسیستم‌های ACS را می‌توان به‌عنوان مجموعه‌ای از دستگاه‌های تله‌ماتیک جاده، کنترل‌کننده‌ها و ایستگاه‌های کاری خودکار (AWS)، که در یک شبکه تبادل داده، با سازماندهی مراکز کنترل مرکزی و محلی - بسته به تراکم و شدت ترافیک جاده‌ای، ارائه می‌شود. .
تابلوهای اطلاعات متغیر (VIS)، تابلوهای چند موقعیتی راه، تابلوهای اطلاعات متغیر (VIP)، آشکارسازهای وسایل نقلیه، ایستگاه‌های خودکار هواشناسی جاده (ADMS)، دوربین‌های ویدئویی و غیره به عنوان دستگاه‌های تله‌ماتیک جاده‌ها استفاده می‌شوند.
بخش مخابراتی سیستم کنترل ترافیک خودکار، سیستم ارتباطی یکپارچه جاده است. عملکرد پایدار سیستم های ارتباطی در بزرگراه ها افزایش سطح ایمنی جاده ها و اطمینان از عملکرد مؤثر خدمات تعمیر و نگهداری جاده و همچنین خدمات عملیاتی و نجات در مواقع اضطراری را ممکن می سازد.
زیرسیستم های کاربردی زیر را می توان به عنوان بخشی از DISS سازماندهی کرد:
- · تبادل اطلاعات ACS DD.
- · ارتباطات با اشیاء متحرک (شامل زیرسیستم های ارتباطات رادیویی عملیاتی-فناوری و دسترسی رادیویی)؛
- · مدیریت و عملیات فنی.
- · تضمین امنیت اطلاعات DISS.
- · ارائه خدمات اطلاعاتی و ارتباطی به صورت بازپرداخت.
افزایش کارایی مدیریت ترافیک با ایجاد سیستم‌های کنترل ترافیک خودکار (ATCS) مرتبط است که اجزای جدایی‌ناپذیر سیستم‌های حمل و نقل هوشمند (ITS) هستند. ITS یک سیستم پشتیبانی و مدیریت اطلاعات جامع برای حمل و نقل جاده ای زمینی است که بر اساس استفاده از فناوری های نوین اطلاعات و مخابرات و روش های مدیریتی است.
برای اطمینان از عملکرد سیستم های کنترل ترافیک خودکار و ارائه خدمات اطلاعاتی و ارتباطی به کاربران جاده، DISS ایجاد شده است که در حال حاضر مشمول الزامات کلی زیر است:
- · چند کارکردی؛
- · پایداری؛
- · سودآوری.
ACS "CITY-DD" - برای اطمینان از کنترل مؤثر حرکت حمل و نقل و جریان های عابر پیاده در شهرها با استفاده از وسایل، سیگنالینگ چراغ راهنمایی، نظارت تصویری و ضبط تخلفات در جاده ها، تجزیه و تحلیل عملیاتی وضعیت زیست محیطی در شهر، طراحی شده است. کنترل حرکت حمل و نقل مسیر و غیره
مزایا و مزایای اصلی ACS "CITY-DD"
- - افزایش قابل توجهی در کارایی مدیریت ترافیک و نظارت بر وضعیت جاده ها، که امکان صرفه جویی سالانه در حدود 5-8 میلیون دلار در سال در سراسر مرکز منطقه را فراهم می کند (صرفه جویی شامل کاهش مصرف سوخت، کاهش زمان سفر برای وسایل نقلیه است. , زمان صرف شده توسط مسافران در جاده و غیره .d.)؛
- - استفاده مؤثرتر از اقدامات سازمانی و پیشگیرانه برای عادی سازی ترافیک در جاده ها.
- - یک رویکرد یکپارچه برای مدیریت ترافیک؛
- - استفاده از سخت افزار و نرم افزار داخلی با تمرکز بر فناوری های مدرن و روش های مدرن مدیریت ترافیک مطابق با الزامات ISO 9001.
- - فرصت های جدید برای نظارت بر وضعیت امور در جاده ها: نظارت بصری از تقاطع های شهر، ضبط ویدئویی از تصادفات جاده ای، ضبط ویدئویی از نقض محدودیت های سرعت و قوانین تقاطع، تجزیه و تحلیل عملیاتی وضعیت محیطی و غیره.
- - امکان راه اندازی مرحله ای، از طریق جایگزینی تدریجی سیستم های کنترل تردد موجود با عمر سرویس منقضی شده و سازگاری کامل هر قسمت از سیستم پیشنهادی (کنترل کننده ها، مرکز کنترل، MZT ها) با انواع تجهیزات موجود.
سیستم خودکار "City-DD":
- · نقطه کنترل مرکزی.
- · ماژول های مراکز منطقه (در صورت لزوم).
- · کنترلرها (در سه نسخه - S، SM، SL).
- · تجهیزات اضافی؛
- · بسته نرم افزاری.
طبقه بندی و هدف
کنترل ترافیک در شرایط اشباع شدید جاده ها از حمل و نقل و جریان های عابر پیاده نیازمند روش های پیشرفته تر تنظیم ترافیک است. اخیراً استفاده از سیستم های کنترل ترافیک خودکار(ATCS)، که مجموعه ای از ابزارهای فنی است که الگوریتم های تکنولوژیکی خاصی را برای مدیریت جریان ترافیک پیاده سازی می کند.
هدف اصلی از معرفی ATCS کاهش کل تأخیر وسایل نقلیه در تقاطع ها در منطقه تحت پوشش این سیستم - در یک تقاطع، در یک منطقه یا شهر است. الزامات عمومی برای سیستم های کنترل ترافیک خودکار توسط GOST 24.501 - 82 "سیستم های کنترل ترافیک خودکار" تعریف شده است. الزامات کلی".
طبقه بندی سیستم های کنترل ترافیک خودکار با تقسیم بندی با روش های مدیریتیدر شکل نشان داده شده است. 5.3.
برنج. 5.3. طبقه بندی سیستم های کنترل ترافیک خودکار
(سیستم کنترل تردد خودکار)
محلیاگر برای تعیین پارامترهای تنظیمی در یک تقاطع، فقط اطلاعات مربوط به جریان ترافیک در مسیرهای این تقاطع و در منطقه تقاطع استفاده شود، یک سیستم کنترل ترافیک خودکار است. با استفاده از الگوریتم های محلی، چرخه کنترل، توالی مراحل کنترل، مدت زمان یا لحظه های تغییر فاز و پارامترهای سیکل های میانی تعیین می شود.
ویژگی شبکه ATCS استفاده از آنها برای تعیین پارامترهای تنظیم اطلاعات در مورد وضعیت حمل و نقل در چندین تقاطع است که معمولاً به یک شبکه متصل می شوند که با شدت قابل توجهی از ترافیک وسایل نقلیه بین تقاطع های مجاور و فواصل کوچک (تا 600 ... 700 متر) مشخص می شود. بین آنها.
به عنوان یک قاعده، در سطح شبکه، چرخه های تنظیم برای گروهی از تقاطع ها و شیفت های زمانی برای اشیاء چراغ راهنمایی فردی تعیین می شود. برای تعیین این پارامترها، علاوه بر داده های لازم برای کنترل محلی، اطلاعاتی در مورد توپولوژی شبکه، روابط جریان های ترافیکی در خطوط توقف مجاور و (یا) جهت های هندسی سفر از طریق تقاطع ها و زمان سفر بین خطوط توقف مجاور استفاده می شود. .
با توجه به معیار زمانیهمه الگوریتم های کنترل چراغ راهنمایی به الگوریتم هایی تقسیم می شوند که کنترل ترافیک پیش بینی را اجرا می کنند ( نرم افزار، سخت، و الگوریتم های بلادرنگ ( انطباقی).
کنترل پیش بینی تغییرات کاملاً مکرر (تا 3-5 بار در یک چرخه روزانه) را در پارامترهای تنظیم حذف نمی کند، با این حال، این پارامترها نه بر اساس وضعیت حمل و نقل فعلی، بلکه با پیش بینی آن بر اساس مشاهدات انجام شده قبلی تعیین می شوند.
یک موقعیت میانی بین الگوریتم‌های تطبیقی و غیرتطبیقی توسط الگوریتم‌های مبتنی بر مدیریت موقعیتی. الگوریتم های این گروه شامل محاسبه اولیه پارامترهای کنترل برای کلاس های مختلف موقعیت های حمل و نقل و ایجاد یک کتابخانه از حالت های کنترل استاندارد است. انتخاب یک حالت خاص از کتابخانه در زمان واقعی بر اساس اطلاعات فعلی در مورد وضعیت حمل و نقل و تخصیص آن به یکی از کلاس های موقعیت های حمل و نقل انجام می شود.
بنابراین، روش‌های کنترل خودکار جریان‌های ترافیکی در سیستم‌های کنترل ترافیک خودکار را می‌توان به یکی از چهار کلاس طبقه‌بندی کرد، همانطور که در شکل نشان داده شده است. 5.4 (برای هر کلاس رایج ترین الگوریتم های کنترل نشان داده شده است).
در حال حاضر در روسیه رایج ترین روش است محلی سخت تک برنامهکنترل چراغ راهنمایی
این روش بر اساس یک محاسبه اولیه از مدت زمان چرخه کنترل و مراحل کنترل است.
برنج. 5.4. روش های کنترل خودکار
معرفی
مفهوم کنترل ترافیک تطبیقی در یک گره شبکه حمل و نقل
مقایسه استراتژی های کنترل ترافیک وابسته به زمان و حمل و نقل
تنظیم و تحلیل مدلسازی
توسعه پایه ای از قوانین فازی، تعیین پارامترهای کنترلی برای حرکت جریان های ترافیکی در یک گره شبکه حمل و نقل
1 ساخت تابع عضویت
2 ساخت قوانین برای انطباق با یک کلاس خاص از پارامتر کنترل
3 مبنای قوانین فازی
نتیجه
کتابشناسی - فهرست کتب
معرفی
تغییر شرایط حرکتی که با افزایش تعداد خودروها در سال های اخیر مشخص می شود، منجر به افزایش فشار بر زیرساخت های حمل و نقل و محیط زیست شده است. نیاز روزافزون به بهبود شرایط سفر را نمی توان به طور کامل (نه در مناطق پرجمعیت و نه خارج از آنها) تنها با ایجاد مسیرهای حمل و نقل جدید یا انجام سایر فعالیت های ساختمانی برآورده کرد. برای برون رفت از این وضعیت، لازم است مجموعه ای کامل از اقدامات برای سازماندهی و مدیریت ترافیک معرفی شود. سیستم های کنترل ترافیک تطبیقی (ATCS) یک رویکرد جدید برای سازماندهی کنترل ترافیک است و همراه با رایانه های حمل و نقل با عملکرد بالا که توسط آنها کنترل می شوند، فناوری های کنترل مناسب را پیاده سازی می کنند.
افزایش مداوم تعداد وسایل نقلیه در شرایط ناکافی ظرفیت جاده منجر به مشکلاتی در حرکت جریان ترافیک می شود. سیستم های حمل و نقل هوشمند (ITS) امکان به حداقل رساندن شکل گیری شرایط ازدحام و افزایش ظرفیت شبکه حمل و نقل را فراهم می کند. از تحولات در زمینه ITS برای سازماندهی ترافیک در مناطق پرجمعیت و بزرگراه ها استفاده می شود. بهینه‌سازی مدیریت ترافیک از طریق تعامل کنترل، طبقه‌بندی، پیش‌بینی، متخصص، تصمیم‌گیری یا زیرسیستم‌های ITS که از این فرآیندها پشتیبانی می‌کنند، حاصل می‌شود. در این راستا، وظیفه یافتن روش‌هایی برای پردازش اطلاعات در مورد موقعیت‌های اضطراری در شبکه جاده‌ای (RDN) است.
این مقاله مسائل زیر را در نظر می گیرد: مفهوم کنترل ترافیک تطبیقی در یک گره شبکه حمل و نقل، در شبکه، و همچنین مقایسه استراتژی های کنترل ترافیک وابسته به زمان و وابسته به حمل و نقل.
1. مفهوم کنترل ترافیک تطبیقی در یک گره شبکه حمل و نقل
امکانات بهبود شرایط ترافیکی از طریق سازماندهی بهینه ترافیک تا حد زیادی دست کم گرفته می شود و توسعه زیرساخت های حمل و نقل عمدتاً به عنوان فعالیت های مربوط به ساخت جاده ها و بزرگراه های جدید، بازسازی روگذرها و تقاطع های موجود درک می شود. در عین حال، معرفی فناوری های نوآورانه مدرن به نام «سیستم های حمل و نقل هوشمند» (ITS) می تواند وضعیت حمل و نقل را به میزان قابل توجهی بهبود بخشد. معرفی فناوری‌های ITS در روسیه مدیریت بهتر جریان ترافیک، افزایش ظرفیت شبکه جاده‌ای و کاهش بار روی عناصر منفرد آن را ممکن می‌سازد.
رشد ناوگان وسایل نقلیه و حجم ترافیک منجر به افزایش شدت ترافیک می شود که در شرایط شهرهایی با ساختمان های توسعه یافته تاریخی منجر به بروز مشکل حمل و نقل می شود. به ویژه در نقاط اتصال شبکه جاده ها حاد است. در اینجا تاخیرهای حمل و نقل افزایش می یابد، صف ها و ازدحام تشکیل می شود که باعث کاهش سرعت ارتباط، مصرف بیش از حد بی دلیل سوخت و افزایش فرسودگی قطعات و مجموعه های خودرو می شود. تغییر شرایط حرکتی که با افزایش تعداد خودروها در سال های اخیر مشخص می شود، منجر به افزایش فشار بر زیرساخت های حمل و نقل و محیط زیست شده است. نیاز روزافزون به بهبود شرایط سفر را نمی توان به طور کامل (نه در مناطق پرجمعیت و نه خارج از آنها) تنها با ایجاد مسیرهای حمل و نقل جدید یا انجام سایر فعالیت های ساختمانی برآورده کرد. برای برون رفت از این وضعیت، لازم است مجموعه ای کامل از اقدامات برای سازماندهی و مدیریت ترافیک معرفی شود.
سیستم های کنترل ترافیک تطبیقی (ATCS) یک رویکرد جدید برای سازماندهی کنترل ترافیک است و همراه با رایانه های حمل و نقل با عملکرد بالا که توسط آنها کنترل می شوند، فناوری های کنترل مناسب را پیاده سازی می کنند. در حال حاضر، در عمل جهانی، فناوری های زیر برای مدیریت جریان ترافیک به عنوان بخشی از سیستم های کنترل خودکار رایج ترین هستند:
فناوری مدیریت بر اساس برنامه های ثابت (مدیریت هماهنگ).
فناوری کنترل تطبیقی شبکه؛
فناوری مدیریت موقعیت
SAUDD یک سیستم کنترل ترافیک با اطلاعات متمرکز است که شامل موارد زیر است:
نقطه کنترل مرکزی (CPU)؛
نقاط کنترل ترافیک تطبیقی مجهز به کنترل‌کننده‌های هوشمند و آشکارسازهای وسایل نقلیه، ارائه‌دهنده:
مدیریت تطبیقی محلی پیچیده ترین و مهم ترین تقاطع ها و بخش های شبکه های جاده ای؛
تعامل اطلاعات با CPU؛
آشکارسازهای سیستم که اطلاعات مربوط به جریان ترافیک را به CPU گزارش می دهند.
کنترل کننده های سیستم به طور مداوم یا دوره ای از CPU کنترل می شوند.
مدیریت ترافیک در سطح خدمات ترافیک نشان دهنده مجموعه ای از اقدامات مهندسی و سازمانی در شبکه راه های موجود است که ایمنی و سرعت کافی حمل و نقل و جریان های عابر پیاده را تضمین می کند. چنین فعالیت هایی شامل مدیریت ترافیک است که به عنوان بخشی جدایی ناپذیر از مدیریت ترافیک معمولاً مشکلات خاص تری را حل می کند. به طور کلی مدیریت به معنای تأثیرگذاری بر یک شی خاص به منظور بهبود عملکرد آن است. در رابطه با ترافیک جاده، هدف کنترل، حمل و نقل و جریان های عابر پیاده است.
ماهیت کنترل ترافیک این است که رانندگان و عابران پیاده را ملزم کند، برخی از اقدامات را به منظور اطمینان از سرعت و ایمنی ممنوع یا توصیه کند. با درج الزامات مربوطه در قوانین راهنمایی و رانندگی و همچنین با استفاده از مجموعه ای از وسایل فنی و اقدامات اداری بازرسان گشت راه و سایر افراد دارای اختیارات مناسب انجام می شود.
2. مقایسه استراتژی های کنترل ترافیک وابسته به زمان و حمل و نقل
وضعیت فعلی مدیریت جریان ترافیک در اکثر شهرها را می توان به طور کلی به گونه ای توصیف کرد که دستگاه های کنترلی (گره ها) بر اساس یک برنامه زمان بندی ثابت یا با توجه به وضعیت جریان ترافیک کنترل می شوند. تفاوت قابل توجه این است که کنترل مبتنی بر زمان نیازی به آشکارساز ندارد و سیستم قادر به پاسخگویی به هرگونه تغییر در جریان ترافیک نیست. در مورد کنترل خط توقف وابسته به ترافیک، آشکارسازهایی وجود دارند که حضور لحظه‌ای وسایل نقلیه را تشخیص می‌دهند و بنابراین دستگاه کنترل با افزایش مدت زمان سیگنال سبز به شرایط لحظه‌ای در گره پاسخ می‌دهد. بنابراین، ما در مورد کنترل در یک شبکه زمان دوم صحبت می کنیم.
کنترل وابسته به زمان (خودکار) - حالت های حمل و نقل بر اساس تجزیه و تحلیل آماری مقادیر تاریخی ویژگی های جریان ترافیک (شدت ترافیک) تعیین می شود و بر اساس آنها مقادیر خروجی فرآیند تنظیم تعیین می شود. .
کنترل وابسته به ترافیک (حالت زمان فعلی - آنلاین)، در ادبیات آنگلوساکسون، که به آن Traffic Responsive نیز گفته می شود، این است که مداخله سیستم کنترل بر اساس وضعیت ترافیک آنی محاسبه می شود. روش‌های حالت آنلاین عملیات بلادرنگ را ارائه می‌کنند و بر اساس داده‌های ورودی متغیر در مورد حرکت جریان‌های ترافیکی، پارامترهای کنترل را در هر ثانیه تغییر و بهینه می‌کنند. مدت زمان سیگنال سبز در جهت مربوطه. دستگاه های کنترل در این حالت به طور مستقل عمل می کنند یا در موارد شدید در یک خط قرار دارند و به صورت خطی هماهنگ می شوند.
مدیریت در سطح محلی انجام می شود. اگر از یک مرکز کنترل استفاده شود، وضعیت دستگاه های کنترلی یا وضعیت جریان ترافیک اغلب نظارت می شود. کنترل زمان واقعی چراغ های راهنمایی کاملاً شناخته شده است و معمولاً تحت نام کنترل وابسته به ترافیک یا کنترل پویا استفاده می شود. اصل آن این است که یک هاب حمل و نقل معمولاً به دو نوع سنسور مجهز می شود: سنسورهای فاصله و تماس که در بیشتر موارد حلقه های القایی هستند. دستگاه کنترل حمل و نقل طبق برنامه ای کنترل می کند که به طور مداوم وضعیت جریان ترافیک را روی سنسورهای جداگانه آزمایش می کند و بر اساس الگوریتم های از پیش تعیین شده، مدت زمان سیگنال ها را افزایش می دهد، توالی فاز را تغییر می دهد یا یک فاز را در هنگام تماس وارد می کند. این تغییرات معمولاً در زمان های چرخه از پیش تعیین شده و حداکثر مدت زمان سیگنال سبز از پیش تعیین شده رخ می دهد. سنسور شکاف که تقریباً 30 تا 50 متر جلوتر از خط توقف قرار دارد، نام خود را از این واقعیت گرفته است که به طور مداوم فواصل زمانی بین وسایل نقلیه را اندازه گیری می کند و اگر کمتر از این مقدار (معمولاً 3-5 ثانیه) باشد، افزایش می یابد. مدت زمان سیگنال های سبز تا حداکثر از پیش تعیین شده. این روش اندازه گیری، کنترل اندازه گیری فاصله زمانی نامیده می شود. احتمال دوم این است که گره های منفرد به یک مرکز کنترل ترافیک متصل می شوند که عملیات گره ها را در سطح منطقه هماهنگ و مدیریت می کند. از حالت های زیر برای کنترل منطقه استفاده می شود:
کنترل وابسته به زمان (خودکار) - اطلاعات مربوط به ویژگی های وضعیت جریان ترافیک در منطقه از طریق تجزیه و تحلیل آماری، داده های مربوط به ویژگی های جریان ترافیک (شدت ترافیک و ترکیب) در طول سال های گذشته، در نقاط اصلی اندازه گیری شده است. شبکه حمل و نقل و بر اساس آنها نحوه عملکرد دستگاه های کنترل حمل و نقل تعیین می شود. سپس بسته به زمان روز یا روز سال وارد دستگاه های کنترل می شوند. محاسبات مدت زمان سیگنال های سبز، مدت چرخه و تغییر زمانی را بهینه می کند. نمونه ای از روش حالت خودمختار، روش TRANSYT است، که در آن وسایل نقلیه ساختگی طبق قوانین از پیش تعریف شده در یک منطقه "آزاد می شوند" و بر اساس و مطابق با الگوی جریان ترافیک از آن منطقه عبور می کنند. حرکت آنها تحت تأثیر تغییرات در پارامترهای کنترل شده گره است. با استفاده از روش های ریاضی عددی برای پارامترهای مختلف، مانند مدت زمان چرخه، مدت زمان سیگنال سبز و جابجایی زمانی، حداقل یک تابع هدف مشخص (بهینه سازی پارامتر) پیدا می شود.
کنترل وابسته به حمل و نقل (حالت آنلاین) با این واقعیت مشخص می شود که برای حالت های مختلف جریان ترافیک در شبکه، سیستم های نقشه های سیگنال از قبل محاسبه می شوند که در دستگاه های کنترل یا در مرکز کنترل جریان ترافیک ذخیره می شوند. روش TRANSYT معمولاً برای محاسبه حداکثر مدت زمان سبز، طول چرخه و مقادیر افست زمان استفاده می شود. در همان زمان، حسگرهای استراتژیک در منطقه انتخاب می شوند و معادلات منطقی ترسیم می شوند که ترکیبات مختلف حالات همه یا انتخاب شده حسگرها را توصیف می کنند. بسته به وضعیت ترافیک فعلی، برنامه ای که به بهترین وجه مناسب موقعیت داده شده است از طریق یک معادله مناسب انتخاب می شود. یک مثال شرح وضعیت جریان ترافیک با توجه به سنسورهای استراتژیک SDV1 و SDV5 است، به این معنی که: اگر در نقطه SDV1 درجه 2 و در همان زمان در نقطه SDV5 درجه 4 وجود دارد، باید شماره برنامه سیگنال را انتخاب کنید. 6.=2 &SDV5=4 THENSP6
اگر شبکه وضعیت جریان ترافیک را طبقه بندی نکند، تنها یک پارامتر برای توصیف استفاده می شود که شدت ترافیک است. کنترل وابسته به خودرو در زمان واقعی استفاده می شود و سیگنال های سنسورهای انتخاب شده را در هر ثانیه دریافت می کند. با این حال، سوئیچینگ برنامه های سیگنالینگ با پسماند خاصی انجام می شود تا از ثبات در شبکه حمل و نقل اطمینان حاصل شود. در عمل، این به معنای تغییر برنامه دستگاه کنترل در یک دوره چند ده دقیقه است.
بهینه سازی آفلاین امکان محاسبه مقادیر اصلی کنترل شده را فراهم می کند: مدت چرخه، توالی فاز، افست زمانی و مدت زمان سیگنال های سبز برای یک پایگاه داده تاریخی (داده های سال های گذشته). این داده ها از طریق اندازه گیری های طولانی مدت با استفاده از آشکارسازهای حمل و نقل به دست می آیند. بر اساس داده‌های ثبت شده بلندمدت، معمولاً یک مدل آماری ایجاد می‌شود که برای حجم ترافیک معمولاً تعیین روزهای کاری معمولی و به‌ویژه شنبه‌ها و یکشنبه‌ها را ممکن می‌سازد که در نتیجه تغییرات متغیرها بسیار محدود می‌شود. ویژگی اساسی این است که ما در مورد کنترل ماکروسکوپی در یک حالت مستقل، بر اساس مدلسازی جریان قطعی و الگوریتم‌های بهینه‌سازی صحبت می‌کنیم، زمانی که سیستم‌های طرح سیگنال از یک بردار مکانی-زمانی داده‌های شدت سال‌های گذشته محاسبه می‌شوند. مدل‌های بهینه‌سازی برای محاسبات آفلاین برنامه‌های زمانی سیگنال دستگاه‌های کنترل حمل و نقل در یک شبکه یا خط حمل‌ونقل استفاده می‌شوند.
در این مورد، فرآیند کنترل، بسته به زمان، سودآورترین را از بین بسیاری از برنامه های سیگنال از پیش آماده شده انتخاب می کند. این روش را کنترل وابسته به زمان می نامند.
مزایای کنترل وابسته به زمان:
امکان کنترل ساده؛
سهولت در اصلاح برنامه های سیگنال؛
تجهیزات و هزینه نصب نسبتاً پایین
معایب کنترل وابسته به زمان:
بهبود کارایی استفاده از زمان سیگنال غیرممکن است (اجازه دادن به حرکت برای جهت های فردی).
پوشش قله های شدت غیرممکن است (ذخیره شدت خاصی مورد نیاز است).
وسایل نقلیه انفرادی یا عابران پیاده نباید در فرآیند کنترل دخالت کنند.
تراکم ترافیک ناشی از آن را نمی توان از بین برد.
3. بیان و تحلیل مدل سازی
وظیفه مدلسازی استراتژی‌های کنترل ترافیک در یک گره شبکه حمل‌ونقل، و همچنین در شبکه، توسعه یک ماژول کنترل فازی کلاسیک است. اجزای آن:
بلوک فازی سازی: یک سیستم کنترل منطق فازی بر روی مجموعه های فازی عمل می کند، بنابراین یک مقدار مشخص از سیگنال ورودی یک ماژول کنترل فازی در معرض عملیات فازی سازی قرار می گیرد که در نتیجه یک مجموعه فازی با آن مرتبط می شود.
پایه قوانین مجموعه ای از قوانین فازی برای تعیین مجموعه فازی است که سیگنال خروجی سیستم به آن تعلق دارد.
بلوک تولید راه حل: تعیین مستقیم مجموعه عضویت سیگنال خروجی برای مجموعه خاصی از سیگنال های ورودی.
بلوک فازی سازی روشی را برای نگاشت مجموعه فازی به دست آمده در خروجی بلوک تصمیم گیری به یک مقدار خاص نشان می دهد؛ این یک کنترل ضربه را نشان می دهد.
برای ایجاد استراتژی‌های کنترلی، استفاده از بسته نرم‌افزاری TRANSYT، بر اساس ارزیابی رفتار جریان ترافیک با استفاده از مدلسازی ترافیک و امکان انتخاب پارامترهای بهینه برای حالت عملکرد سیگنالینگ چراغ راهنمایی پیشنهاد می‌شود. بر اساس نتایج شبیه‌سازی ترافیک در برنامه، برای ترکیب‌های مختلف شدت ترافیک، زمان بهینه برای سیگنال چراغ راهنمایی سبز تعیین می‌شود.
4. توسعه پایه ای از قوانین فازی برای تعیین پارامترهای کنترل حرکت جریان ترافیک در یک گره شبکه حمل و نقل
ساخت پایه ای از قوانین فازی برای تعیین زمان بهینه چراغ راهنمایی سبز در یک تقاطع که با حداکثر حجم ترافیک در جاده های متقاطع مشخص می شود. داده های لازم با استفاده از آشکارساز حمل و نقل به دست آمد.
ما پایه ای از قوانین را برای طبقه بندی استراتژی های کنترل برای یک سیستم با دو ورودی و یک خروجی ایجاد می کنیم:
1. داده ها در قالب یک مجموعه مورد نیاز است. در مرحله بعد، دامنه های تعریف عناصر مجموعه را پیدا می کنیم که آنها را به مناطق (قطعات) تقسیم می کنیم و مقدار N به صورت جداگانه انتخاب می شود و قطعات می توانند طول های یکسان یا متفاوت داشته باشند. مناطق فردی را می توان به شرح زیر تعیین کرد: …, S,,…,.
ما توابع عضویت را برای یک کلاس معین از عناصر مجموعه داده‌های آموزشی می‌سازیم. ما پیشنهاد می کنیم از توابع مثلثی مطابق با اصل استفاده کنیم: راس نمودار در مرکز منطقه پارتیشن بندی قرار دارد، شاخه های نمودار در مراکز مناطق همسایه قرار دارند. میزان تعلق داده ها به یک کلاس خاص با مقدار توابع عضویت بیان می شود.
سپس برای هر جفت یک قانون برای انطباق با کلاس استراتژی کنترل تعریف می کنیم. قانون نهایی برای هر جفت داده آموزشی را می توان نوشت، یعنی
از آنجایی که تعداد زیادی جفت موجود است، احتمال زیادی وجود دارد که برخی از قوانین متناقض باشند. این به قواعدی با مقدمات (شرط) یکسان اما ابزارهای متفاوت (نتیجه گیری) اشاره دارد.
یکی از روش های حل این مشکل این است که به هر قاعده درجاتی از صدق به اصطلاح اختصاص داده شود و سپس قوانین متناقض برای قاعده ای که بیشترین درجه صدق را دارد انتخاب کنیم. پس از آن پایه قوانین با اطلاعات با کیفیت پر می شود.
به عنوان مثال، طبق قواعدی که در بالا توضیح داده شد، درجات صدق شکل دارند
4. برای تعیین مقادیر کمی پارامتر بهینه سازی استراتژی کنترل، انجام عملیات فازی سازی ضروری است. برای محاسبه مقدار خروجی کنترل ضربه، استفاده از روش فازی سازی با استفاده از روش مرکز ثقل امکان پذیر و توصیه می شود.
1 ساخت تابع عضویت
برای عناصر مجموعه داده های آموزشی برای سیستم، دامنه تعریف زیر را مشخص می کنیم
تقسیم X 1 X 2 و G به بخش های 2n+1 و ساخت توابع عضویت در فرم
شکل 4.1 نمای کلی نمودار توابع عضویت
در نتیجه داریم:
شکل 4.2 نمودارهای شدت توابع عضویت x 1 به کلاس های پارتیشن مجموعه X 1.
ما توابع عضویت µ(x1) را در بخش‌هایی از پارتیشن منطقه X 1 با روش اختصاص μ(x1) به یک کلاس مشخص تعیین می‌کنیم.
جدول 4.1. توابع عضویت µ(x1) در بخش‌هایی از پارتیشن منطقه X 1 (n=4)
تقسیم بخش تعیین تابع عضویت µ(x 1) , , , , , شکل 4.3 نمودارهای شدت توابع عضویت x 2 به کلاس های پارتیشن مجموعه X 2. ما توابع عضویت µ(x2) را بر روی بخش هایی از پارتیشن ناحیه X 2 با تخصیص µ(x2) به یک کلاس خاص مطابق شکل 4.3 تعیین می کنیم. جدول 4.2 توابع عضویت µ(x2) در بخش‌هایی از پارتیشن ناحیه X 2 (n=5)
تقسیم بخش تعیین , , , , , , , شکل 4.4 نمودارهای توابع عضویت شدت g به کلاس های پارتیشن مجموعه Q. ما توابع عضویت µ(g) را در بخش‌های پارتیشن دامنه G با روش اختصاص μ(g) به یک کلاس مشخص تعیین می‌کنیم. جدول 4.3 توابع عضویت µ(g) در بخش‌های پارتیشن منطقه G(n=6)
تقسیم بخش تعیین تابع عضویت µ(x2) , ; ,; ,; ,; 2 ساخت قوانین برای انطباق با یک کلاس خاص از پارامتر کنترل ما یک قانون برای انطباق با کلاس استراتژی های کنترل تعریف می کنیم و درجه ای از صدق را به هر قانون اختصاص می دهیم. جدول 4.4 مقادیر توابع عضویت داده برای کلاس های خاص
(i)µ((i))(i)µ((i))g(i)µ(g (i)) جدولی با درجات صدق اختصاص داده شده و درجه صدق برای هر یک از جفت های x 1, x 2 دریافت می کنیم. مدیریت حمل و نقل مسافر جاده جدول 4.5 قوانین فازی تولید شده از داده های یادگیری و میزان صدق این قوانین
3 مبنای قوانین فازی با توجه به قوانین تعریف شده در جدول 4.7، ما پایه ای از قوانین فازی را ایجاد می کنیم که مقدار بهینه سیگنال چراغ راهنمایی سبز را تعیین می کند. جدول 4.6 مبنای قوانین فازی
نتیجه در این کار، موضوعات زیر در نظر گرفته شد: مفهوم کنترل ترافیک تطبیقی در یک گره شبکه حمل و نقل، در شبکه، و همچنین مقایسه استراتژی‌های کنترل ترافیک وابسته به زمان و وابسته به حمل و نقل. مفاهیم اساسی کنترل تطبیقی که در کشورهای مختلف پیاده سازی شده است و مزایایی مانند: تضمین عملکرد بالا در شرایط تغییر خواص شی، محیط و اهداف کنترل شده از طریق توسعه الگوریتم های عملیاتی جدید. سازماندهی حرکت حمل و نقل عمومی مسافر شهری در حین کارکرد یک سیستم کنترل ترافیک تطبیقی، اجرای این شرایط از طریق نصب برچسب های رادیویی بر روی وسایل نقلیه و دستگاه های خواندن بر روی اشیاء چراغ راهنمایی رخ می دهد. تشخیص وسیله نقلیه این امکان را فراهم می کند که زمان چراغ سبز را "کشش" کند و عبور بدون مانع از حمل و نقل عمومی را تضمین کند. همچنین می توانید از اصل تبادل داده ها به طور مستقیم بین کنترل کننده های تقاطع های همسایه استفاده کنید. داده های آشکارسازهای متصل به کنترل کننده ترافیک با داده های آن آشکارسازهای نصب شده در تقاطع های همسایه تکمیل می شود. این به شما امکان می دهد تا وضعیت گروه های سیگنال را به طور تجویزی تنظیم کنید و همچنین اولویت را برای حمل و نقل عمومی تضمین می کند از آنجایی که کنترل تطبیقی بسیار گران است، یک روش جایگزین برای تعیین زمان بهینه برای روشن ماندن چراغ راهنمایی سبز در یک تقاطع پیشنهاد شد. یعنی روشی برای توسعه یک ماژول کنترل فازی کلاسیک که داده های اولیه آن مجموعه ای از داده ها در مورد شدت دو جاده متقاطع بود. در این کار سه بلوک اول این روش در نظر گرفته شد و محاسبات انجام شد. کتابشناسی - فهرست کتب 1. P. Przybyl, M. Svitek “Telematics in Transport”, 2004; Konoplyanko، V.I.، Gudzhoyan O.P.، Zyryanov V.V.، Berezin A.S. ایمنی ترافیک. Kuzin M.V. مدل سازی شبیه سازی جریان ترافیک تحت یک حالت کنترل هماهنگ Omsk - 2011. V.G. کوچرگا، ای.ای. Shatalova ابزار فنی سیستم های مدرن کنترل ترافیک خودکار. روستوف-آن-دون 2011; E.A. مقاله پتروف "سیستم کنترل ترافیک تطبیقی به عنوان بخشی از یک شهر ITS"؛ آبرامووا L.S. مجله بولتن دانشگاه ملی خودرو و بزرگراه خارکف.
;
;
;
;
;
;
;
;
;
;
;
; 
; 
;
;
;
;
; 
;
;
;
;
;
;
;
;
;
UDC 517.977.56، 519.876.5
کنترل ترافیک تطبیقی بر اساس یک سیستم مدلسازی میکروسکوپی برای جریان‌های ترافیکی
A. S. Golubkov
مهندس، محقق جوان
V. A. Tsarev،
Ph.D. فن آوری علوم، دانشیار موسسه مدیریت و فناوری اطلاعات، شعبه Cherepovets دانشگاه پلی تکنیک ایالتی سنت پترزبورگ
ترکیب و ویژگی های عملکرد سیستم های کنترل ترافیک خودکار مدرن توضیح داده شده است. روشی برای کنترل ترافیک تطبیقی مبتنی بر پیش‌بینی جریان ترافیک و مدل‌های بهینه‌سازی تقاطع سریع پیشنهاد شده‌است. ویژگی های یک سیستم مدل سازی جریان ترافیک میکروسکوپی مورد استفاده در یک سیستم کنترل ترافیک تطبیقی ارائه شده است.
کلمات کلیدی - کنترل ترافیک تطبیقی، بهینه سازی کنترل ترافیک، مدل سازی جریان ترافیک، مدل سازی میکروسکوپی.
معرفی
در حال حاضر، در بسیاری از شهرهای بزرگ مشکل تراکم ترافیک بسیار حاد است. در عین حال، مطالعات نشان می‌دهد که پتانسیل شبکه‌های جاده‌ای موجود (RSN) تا استفاده کامل فاصله زیادی دارد. افزایش ظرفیت شبکه های جاده ای را می توان از طریق معرفی سیستم های خودکار کنترل ترافیک (ATCS) محقق کرد. با اجرای سیستم های کنترل ترافیک خودکار، شاخص های زیر بهبود می یابد: زمان سفر وسیله نقلیه 10-15٪ کاهش می یابد. تعداد توقف های حمل و نقل عمومی 20-40٪ کاهش می یابد. مصرف سوخت 5-15٪ کاهش می یابد، میزان انتشارات مضر در جو 5-15٪ کاهش می یابد. ایمنی جاده بهبود یافته است.
سیستم های مدرن کنترل ترافیک خودکار
اجزای اصلی سیستم‌های کنترل ترافیک خودکار مدرن، علاوه بر چراغ‌های راهنمایی و کنترل‌کننده چراغ راهنمایی عبارتند از:
1) آشکارسازهای وسیله نقلیه (TD) که تشخیص وسایل نقلیه و شمارش تعداد آنها هنگام رانندگی در خطوط را فراهم می کند.
2) یک یا چند کامپیوتر برای پردازش داده ها از DT و محاسبه سیگنال های کنترل بهینه.
3) مجموعه ای از ابزارهای نرم افزاری که الگوریتم هایی را برای تشخیص حمل و نقل و بهینه سازی مدیریت جریان ترافیک پیاده سازی می کند.
4) وسایل اطلاع رسانی به رانندگان وسایل نقلیه (تخته های اطلاعاتی مختلف).
5) ابزارهای ارتباطی و مخابراتی که برای ترکیب نرم افزار و سخت افزار سیستم کنترل ترافیک خودکار در یک سیستم واحد استفاده می شود.
سیستم های کنترل ترافیک خودکار مدرن از انواع مختلفی از آشکارسازهای حمل و نقل استفاده می کنند: حلقه (القایی). فعال و غیرفعال مادون قرمز؛ مغناطیسی؛ آکوستیک؛ رادار؛ آشکارسازهای ویدئویی؛ ترکیبی (آلتراسونیک، رادار، مادون قرمز و آشکارسازهای تصویری در ترکیبات مختلف). همه موتورهای دیزلی در شرایط کاری متفاوت بازدهی متفاوتی دارند. با این حال، با توجه به سطح بالای توسعه فناوری رایانه و تلویزیون، در بسیاری از موارد، ردیاب‌های ویدیویی مبتنی بر فناوری‌های پردازش و تحلیل تصویر و همچنین ترکیبی از آشکارسازهای ویدیویی با آشکارسازهای دیگر ترجیح داده می‌شوند.
در سیستم‌های کنترل ترافیک خودکار موجود تولیدکنندگان مختلف، از سه روش اصلی کنترل جریان ترافیک تطبیقی در ترکیب‌های مختلف استفاده می‌شود.
1. یک روش کنترلی با استفاده از کتابخانه ها، که با محاسبه اولیه طرح های هماهنگی چندگانه مشخص می شود و آنها را بر اساس میانگین قرائت های فعلی DT های استراتژیک با انتخاب طرح مناسب مناسب از کتابخانه تغییر می دهد.
2. روش کنترل واقعی، که با محاسبه اولیه طرح های هماهنگی چراغ راهنمایی، تغییر آنها بر اساس برنامه تقویم و اجرای تغییرات در این طرح ها مطابق با درخواست های حمل و نقل ثبت شده توسط آشکارسازهای محلی در جهت های جداگانه مشخص می شود.
3. روش کنترل تطبیقی که با محاسبه مجدد ثابت برنامه های هماهنگی و حالت های تقویم بر اساس اطلاعات دریافتی از آشکارسازهای محلی و استراتژیک (مسیر) در زمان واقعی مشخص می شود.
بهینه سازی مدیریت جریان ترافیک در سیستم های کنترل ترافیک خودکار مدرن با استفاده از روش های مختلفی انجام می شود. سیستم تعادل (آلمان) از الگوریتم های بهینه سازی ژنتیک استفاده می کند. سیستم اتوپیا (هلند) بر اساس یک تابع قیمت محاسبه می‌کند که زمان تاخیر، تعداد توقف‌ها، الزامات اولویت خاص و موقعیت نسبی تقاطع‌ها را در نظر می‌گیرد. سیستم "طیف" (سن پترزبورگ، روسیه) استفاده می کند
الگوریتم های زیر مورد استفاده قرار می گیرند: جستجو برای شکست در جریان ترافیک. محاسبه با استفاده از فرمول وبستر؛ تغییر برنامه ها بر اساس شدت سیستم کنترل ترافیک خودکار تولید شده توسط Elektromehanika OJSC (Penza، روسیه) از پشتیبانی الگوریتمی زیر استفاده می کند: الگوریتمی برای جستجوی شکست در جریان ترافیک. جستجوی شکاف با حفظ کل مدت چرخه هماهنگی؛ الگوریتم تغییر حالت های از پیش محاسبه شده بر اساس نقاط کنترل شدت ترافیک. الگوریتم محاسبه مجدد پویا پارامترهای چرخه بر اساس فرمول وبستر. سیستم کنترل ترافیک خودکار آگات (مینسک، بلاروس) از الگوریتم های کنترل اکتشافی زیر استفاده می کند: انتخاب یک برنامه هماهنگی بر اساس نقشه زمانی. انتخاب فاز، حالت با توجه به برنامه هماهنگی؛ انتخاب یک طرح هماهنگی بر اساس پارامترهای حرکت در نقاط مشخصه و غیره.
مدیریت جریان ترافیک تطبیقی بر اساس مدل‌های بهینه‌سازی تقاطع
سیستم کنترل ترافیک در حال توسعه (شکل) از یک نقطه مرکزی و چندین نقطه محلی تشکیل شده است.
■ نمودار سیستم کنترل ترافیک تطبیقی
واحدهای کنترلی که تعداد آنها با تعداد تقاطع های کنترل شده در سیستم مطابقت دارد. تمام نقاط محلی از طریق کانال های ارتباطی به نقطه کنترل مرکزی متصل می شوند.
مرکز کنترل مرکزی وظایف جمع آوری و پردازش اطلاعات در مورد شدت ترافیک وسایل نقلیه در شبکه جاده را انجام می دهد. پردازش اطلاعات پیش بینی مقادیر جریان ترافیک بر اساس داده های زیر است:
شدت جریان ترافیک فعلی؛
سرعت خودرو؛
فواصل بین تقاطع های کنترل شده مجاور در سیستم؛
پیش بینی مسیرهای وسایل نقلیه بر اساس آمار برای روز جاری هفته و زمان روز؛
طول فاز فعلی اشیاء چراغ راهنمایی در تقاطع های ترافیکی جاده.
نقاط محلی در سیستم به طور مستقیم مدیریت جریان ترافیک را در تقاطع های مربوطه بهینه می کنند. هر نقطه کنترل محلی شامل:
آشکارسازهای خودرو؛
رایانه ای که پیش پردازش داده ها را از سیگنال های ترافیکی در صورت لزوم انجام می دهد و مدیریت جریان ترافیک را بهینه می کند.
یک کنترل کننده چراغ راهنمایی که اجازه تنظیم خارجی طول فاز یک شی چراغ راهنمایی را می دهد.
چراغ راهنمایی و رانندگی
استفاده از آشکارسازهای ویدئویی به عنوان DT پیشنهاد شده است. در این حالت، سیگنال دوربین‌های ویدئویی وارد کامپیوتر نقطه کنترل محلی می‌شود، جایی که ماژول نرم‌افزار پیش‌پردازش تصاویر ویدئویی را تجزیه و تحلیل می‌کند و شدت جریان ترافیک را در تمام خطوط کنترل‌شده ارزیابی می‌کند. سپس شدت جریان های ترافیکی به نقطه کنترل مرکزی منتقل می شود.
بهینه سازی مدیریت جریان ترافیک به شرح زیر انجام می شود. کامپیوتر یک مدل میکروسکوپی نرم افزاری دقیق از تقاطع دارد. هنگام محاسبه طول فاز بهینه برای چرخه فاز بعدی کنترل یک شی چراغ راهنمایی (مدت چرخه فاز، به طور معمول، 2-5 دقیقه است)، اقدامات زیر انجام می شود.
این مدل شدت ورودی جریان های ترافیکی را برای 5 دقیقه آینده (پیش بینی شدت از نقطه کنترل مرکزی) با دقت حداکثر تا یک وسیله نقلیه مشخص می کند.
ماژول بهینه سازی اجراهای مدل تقاطع را به مدت 5 دقیقه از زمان مدل شروع می کند، برای هر اجرا، طول فازهای جدیدی از شی چراغ راهنمایی مدل را تعیین می کند.
و مقدار تابع هدف را بر اساس نتایج هر اجرا محاسبه می کند.
در نتیجه یک چرخه بهینه‌سازی متشکل از چندین اجرا از مدل، ماژول بهینه‌سازی طول فاز بهینه شی چراغ راهنمایی مدل، مربوط به حداکثر تابع جستجوی هدف را پیدا می‌کند.
طول فاز یک جسم چراغ راهنمایی بردار پارامترهای بهینه سازی j = (fr f2، f3، f4) است (در یک تقاطع متقاطع، معمولاً بیش از چهار فاز مشخص نمی شود). میانگین زمان انتظار برای عبور وسیله نقلیه از یک تقاطع می تواند به عنوان تابع هدف F(j) عمل کند. معیار بهینه سازی در این حالت حداقل میانگین زمان انتظار برای سفر خواهد بود
min.Р(ф) = F(^*)،
که در آن Ф مجموعه مجاز مقادیر مختصات بردار طول فاز است. j* - بردار مقادیر بهینه طول فاز. مجموعه مجاز مقادیر مختصات بردار طول فاز به شکل زیر است:
Ф = (ф|Tmin< Фi < Tmax.i = 1.-. 4} С r4.
که در آن T. و - به ترتیب حداقل
و حداکثر مقدار طول فاز.
محاسبه مشتقات تابع هدف بر روی مدل غیرممکن است، بنابراین فقط از روش های مستقیم می توان به عنوان روش های بهینه سازی استفاده کرد. استفاده از تغییر چرخه ای متناوب طول فاز یک جسم چراغ راهنمایی از اجرا تا اجرا با یک پله ثابت در طول فاز پیشنهاد شده است. طول گام برای طول فازهای مختلف را می توان روی 2-3 ثانیه تنظیم کرد.
شرط لازم برای امکان اجرای سیستم کنترل ترافیک تطبیقی توصیف شده، وجود یک سیستم مدلسازی میکروسکوپی جریان‌های ترافیکی است که سرعت عملیاتی آن برای بهینه‌سازی طول فاز یک جسم چراغ راهنمایی در طول یک چرخه فاز کافی است.
سیستم مدل سازی میکروسکوپی برای جریان های ترافیکی
نویسندگان مقاله سیستمی را برای مدلسازی میکروسکوپی جریان‌های ترافیکی در سیستم‌های ترافیک جاده‌ای توسعه داده‌اند که می‌تواند برای بهینه‌سازی مدیریت جریان ترافیک به عنوان بخشی از یک سیستم کنترل ترافیک تطبیقی استفاده شود. ویژگی اصلی سیستم مدلسازی استفاده از رویکرد رویداد گسسته در مدلسازی است
که به لطف آن سیستم عملکرد بالایی دارد.
عملکرد سیستم در یک سری آزمایش با مدل‌هایی از تقاطع‌های معمولی فردی ارزیابی شد. آزمایش‌ها روی رایانه‌ای با پردازنده Intel Core 2 Quad Q6600 با فرکانس هر هسته 2.4 گیگاهرتز انجام شد (در واقعیت، تنها یک هسته در آزمایش‌ها استفاده شد، زیرا شبیه‌سازی در یک رشته برنامه انجام می‌شود). در نتیجه، مدلسازی جریان ترافیک از طریق یک تقاطع به مدت 45 روز (3888000 ثانیه) 2864 ثانیه زمان پردازشگر را به خود اختصاص داد. بنابراین، مازاد سرعت شبیه‌سازی بر سرعت زمان واقعی 3888000/2864 "" 1358 بار بود، یعنی در طول چرخه فاز واقعی در تقاطع، ماژول بهینه‌سازی قادر به انجام بیش از 1300 اجرا از آزمایش بهینه‌سازی است.
یکی از ویژگی‌های رویکرد رویداد گسسته برای مدلسازی، استقلال نتایج مدلسازی از سرعت اجرای مدل است، به‌عنوان مثال، حتی در حالت بار کامل پردازنده، مدلسازی نتایج کاملاً یکسانی با نتایج اجرا نشان می‌دهد، به عنوان مثال، در به موقع.
برعکس، در رویکرد دینامیکی سیستم، هنگام تسریع شبیه‌سازی با افزایش گام نمونه‌برداری زمانی، دقت شبیه‌سازی کاهش می‌یابد. رویکرد پویا سیستم اکثریت قریب به اتفاق سیستم‌های مدرن را برای مدلسازی میکروسکوپی جریان‌های ترافیکی پیاده‌سازی می‌کند: Aimsun (اسپانیا)، Paramics Modeler (اسکاتلند)، DRACULA (بریتانیا)، TransModeler (ایالات متحده)، VISSIM (آلمان). همه سیستم‌های مدلسازی فهرست‌شده از مرحله نمونه‌گیری زمانی 0.1-1.0 ثانیه استفاده می‌کنند.
در یک مدل حمل‌ونقل جاده‌ای دینامیک سیستم، یک گام زمانی مدلسازی 1 ثانیه کاملاً قادر است مدل را از کفایت سلب کند. بنابراین، یک وسیله نقلیه با سرعت 60 کیلومتر در ساعت، بیش از 16 متر سفر را در 1 ثانیه پوشش می دهد، یعنی در سرعت های معمولی، خودروی مدل فقط با دقت حدود 10 متر در موقعیت قرار می گیرد.
در مدل رویداد گسسته پیشنهادی، دقت موقعیت‌یابی اشیاء مدل تقریباً با هر سرعتی ثابت می‌ماند و به عمق بیت مورد استفاده بستگی دارد.
1. Brodsky G. S., Aivazov A. R. کنترل خودکار ترافیک در محیط شهری // دنیای جاده. 2007. شماره 26. ص 2-3.
متغیرها و نوع عملیات حسابی انجام شده بر روی آنها. هنگام استفاده از اعداد ممیز شناور با دقت دوگانه (64 بیت، 15 رقم اعشاری قابل توجه مانتیس)، دقت مکان یابی خودروهای مدل در یک مدل رویداد گسسته در هر زمان بیش از 1 سانتی متر نخواهد بود.
نتیجه
سیستم کنترل ترافیک تطبیقی پیشنهادی به دلیل بهینه‌سازی کامل هر تقاطع جداگانه و محاسبه جریان‌های ترافیکی بین تقاطع‌های مجاور با دقت وسایل نقلیه جداگانه، قادر به نشان دادن کارایی بالا است. در صورت وجود جریان ترافیکی با تراکم بالا در شبکه جاده ای در هر جهت، کنترل در تمام تقاطع های مجاور به طور خودکار تنظیم می شود تا یک موج سبز در این جهت سازماندهی شود. در عین حال، تمام جهت های دیگر با جریان های ترافیکی با تراکم کمتر نیز مشمول بهینه سازی هستند.
بهینه سازی کنترل هر تقاطع فردی در زمان واقعی به لطف استفاده از یک سیستم مدلسازی رویداد گسسته میکروسکوپی جریان ترافیک در شبکه‌های جاده‌ای که توسط نویسندگان مقاله ایجاد شده است، امکان‌پذیر است. با توجه به استفاده از رویکرد رویداد گسسته، این سیستم مدلسازی از عملکرد و دقت بالایی برخوردار است. در آینده نزدیک، نسخه آزمایشی سیستم مدل سازی در وب سایت توسعه دهندگان در دسترس خواهد بود.
کیفیت بهینه سازی مدیریت جریان ترافیک به شدت به دقت پیش بینی تراکم ترافیک بستگی دارد. در این حالت، هرچه فاصله زمانی پیش‌بینی کوتاه‌تر باشد، دقت پیش‌بینی بیشتر می‌شود. هنگام استفاده از سخت افزار با عملکرد کافی در تقاطع های محلی، محاسبه مجدد طول فاز بهینه چرخه کنترل یک شی چراغ راهنمایی را می توان در ابتدای هر فاز بعدی انجام داد. در این حالت، فاصله زمانی پیش‌بینی واقعی استفاده شده به مدت یک فاز، یعنی به 15-100 ثانیه کاهش می‌یابد، در نتیجه راندمان بهینه‌سازی افزایش می‌یابد.
2. Brodsky G.S., Rykunov V.V. بیا برویم! سیستم کنترل خودکار ترافیک - تجربه جهانی و معنای اقتصادی // دنیای جاده ها. 1387. شماره 32. ص36-39.
3. SNPO AGAT. http://www.agat.by (تاریخ دسترسی:
4. Crowdhury M. A.، Sadek A. مبانی برنامه ریزی سیستم حمل و نقل هوشمند. - بوستون - لندن: آرتک هاوس، 2005. - 190 ص.
5. Kremenets Yu. A.، Pechersky M. P.، Afanasyev M. B. ابزارهای فنی سازماندهی ترافیک جاده ای. - م.: آکادمکنیگا، 2005. - 279 ص.
6. نرم افزار GEVAS: Traffic Control. http://www.gevas.eu/index.php?id=149&L=1 (تاریخ دسترسی: 1389/06/16).
7. اتوپیا - ترافیک زیرچشمی. http://www.peektraffic.nl/ page/484 (تاریخ دسترسی: 1389/06/16).
8. JSC "RIPAS": توسعه و تولید سیستم های خودکار. http://www.ripas.ru (تاریخ دسترسی: 2010/06/16).
9. سیستم کنترل ترافیک خودکار - JSC "Electromechanika". http://www. elmeh.ru/catalog/3/asud (تاریخ دسترسی:
10. Karpov Yu. G. شبیه سازی شبیه سازی سیستم ها. Introduction to Modeling with AnyLogic 5. - St. Petersburg: BHV-Petersburg, 2006. - 400 p.
11. Sovetov B. Ya.، Yakovlev S. A. مدل سازی سیستم ها. - م.: بالاتر. مدرسه، 2001. - 343 ص.
12. Nagel K. ریزشبیه سازی با سرعت بالا جریان ترافیک. Thesis: University Cologne, 1995. - 202 p.
13. آیمسون. نرم افزار مدل سازی حمل و نقل یکپارچه http://www.aimsun.com (دسترسی:
14. کوادستون پارامیک. راه حل های شبیه سازی ترافیک http://www.paramics-online.com (تاریخ دسترسی:
15. وب سایت نرم افزار SATURN. https://saturnsoftware. co.uk (دسترسی در 2010/05/20).
16. نرم افزار شبیه سازی ترافیک TransModeler. http://www.caliper.com/transmodeler/ (تاریخ دسترسی:
17. PTV Vision - برنامه ریزی حمل و نقل. http:// www.ptv-vision.ru (تاریخ دسترسی: 2010/05/20).
18. شرکت مولنوم. http://www.mallenom.ru (تاریخ دسترسی: 2010/05/20).
هر یک از شما باید در وب سایت RUNEB (http://www.elibrary.ru) ثبت نام کنید تا یک کد دیجیتال فردی به شما اختصاص داده شود (در حین ثبت نام، کد به طور خودکار اختصاص می یابد)، که برای ایجاد یک پایگاه داده صحیح RUNEB ضروری است. که به طور عینی اطلاعات مربوط به فعالیت علمی شما و همچنین محاسبه شاخص استناد شما (RSCI) را منعکس می کند.
