あなたの優れた成果をナレッジベースに送信するのは簡単です。 以下のフォームをご利用ください

研究や仕事でナレッジベースを使用している学生、大学院生、若い科学者の皆様には、大変感謝していることでしょう。

ポストする http://www.allbest.ru/

導入

自動車の台数の増加、そしてその結果としての大都市の道路における自動車の台数の増加は、今日ますます重要な問題となっています。 ほとんどの巨大都市の中心に人間の集団の重心が大きく集中することは、UDS の管理の複雑化とその維持コストの上昇につながります。 世界の多くの都市は、日々の交通手段の課題に対処できず、毎日何キロにもわたる交通渋滞に陥っています。

同時に、交通に対する人口の需要も増加し続けています。 したがって、適切な対策が講じられないまま、状況は行き詰まりに向かって進んでいます。 より小さい負荷向けに設計された UDS では対応できないため、最新化と最適化が必要です。 今日、都市は、優れた、適切にモデル化され、建設された道路だけでなく、その高品質な管理も必要としています。 また、多くの点で、古い交通制御方法は時代遅れになりつつあり、成長する都市に追いついていないため、特にモスクワでは、交通状況を改善するために動的な管理と革新的なシステムの統合が多方向の流れに必要とされています。 UDS の構築システム全体とその管理は、UDS の動作の予測や構成の調整などを可能にする数学的モデリングなどの新しいテクノロジーを通じて変更する必要があります。 そのため、交通状況に関する代替情報や追加情報源の必要性が急激に高まっています。 データを収集および処理するための最新の複合施設とシステムはすでに導入されています。

最初の章では、モスクワ市の現在の交通状況の簡単な分析、Yandex.Traffic サービスを使用した車両メトリック データの受信と使用の分析、そのようなデータの有用性とその使用の可能性の分析を提供します。 。 この章の最後では、道路とその分類、交通の流れとその主な特徴、および問題の定式化に関する理論的な情報が提供されます。

第 2 章では、UDS の「実験」セクションの選択が行われ、Yandex.Traffic ヒート マップを使用してその主な問題が検討され、問題ステートメントに基づいて、このセクションの交通状況を改善するための対策が提案されました。 UDSの。

第 3 章では、コンピューター シミュレーションと、CDS の 2 つのモデルとそのパラメーターの比較を使用して、提案された変更の詳細な理論的根拠を示します。 実際に選択した領域に基づいてコンピュータ モデルが作成され、問題とデータが分析された後、第 2 章で提案された変更を加えてコンピュータ モデルが作成されました。 2 つのモデルのデータを比較分析したところ、加えられた変更がこの地域の交通量の改善につながると結論付けることができました。

研究の対象は都市の道路網上の交通流です。

研究の主題は、実際の実際的な問題を解決するためにコンピュータ シミュレーションを使用する可能性です。

科学的仮説は、コンピュータ モデルで実際のデータを使用し、その（モデルを）さらに最新化して、信頼性が高く実際に適用できる可能性が高い改善結果が得られる可能性を仮定することで構成されています。

研究の目的は、モスクワの問題のある急進的な高速道路の 1 つを検討し、そのコンピューター モデルを作成し、モデルの動作を実際の画像と比較し、UDS の構造に改善と変更を加え、修正された UDS をさらにモデル化することです。この地域の状況の改善を確認するため。

研究で実施された研究結果の信頼性は、主要な仮説の実験的確認、主要なパラメータを計算するための開発された数学的モデルの分析に基づいて得られた理論的研究の結果の一貫性によって保証されます。 UDS と研究結果。

1 現状分析と問題点の表明

1.1 問題の関連性の正当化

世界の多くの大都市圏が交通部門で大きな問題に直面していることは周知の事実です。 大都市の交通は、接続する大きな役割を果たしています。そのため、大都市の交通システムはバランスが取れており、管理が容易で、市内の交通のあらゆる変化に迅速に対応する必要があります。 実際、大都市は車と人が非常に集中している都市の集合体であり、そこでは道路交通（個人および公共）が人口自体の移動と一般的な物流の両方において大きな役割を果たしています。 そのため、大都市の交通システムの適切な管理がその活動において大きな役割を果たします。

公共交通機関と自家用車の両方を利用した交通手段に対する国民のニーズは日々高まっています。 大都市の交通機関の増加に伴い、道路、インターチェンジ、駐車場の数も比例して増加すると考えるのが論理的ですが、市街道路交通ネットワーク (SDN) の発展は追いついていません。モータリゼーションのペース。

統計によると、一人当たりの自動車の台数は着実に増加していることを思い出してください (図 1.1)。

車の交通流コンピュータ

図 1.1 モスクワの人口 1,000 人当たりの自動車の台数

同時に、モスクワの UDS は市内のこれほどのモータリゼーションの成長に対応する準備ができていません。 市内の個人交通に加えて、モスクワの公共交通機関と旅客輸送の問題も解決する必要がある。 州の交通プログラムによると、個人輸送が占める旅客数は 26% に過ぎず、公共交通機関が 74% を占めています。 同時に、2011 年の年間総交通量は 73 億 5,000 万人でしたが、予測によればさらに増加し​​、2016 年には年間 98 億人に達すると予想されています。 同時に、この乗客数のうち個人交通機関を利用するのは 20% のみになることが計画されています。 同時に、モスクワの旅客交通量の半分以上を個人用および高架公共交通機関が占めています。 これは、大都市における道路交通の問題を解決することが、大都市の正常な機能と住民の快適な生活にとって大きな役割を果たしているということを意味します。 これらのデータは、モスクワの交通状況を改善するための適切な措置を講じなければ、近年モスクワで徐々に進行している交通崩壊に直面することを意味している。

また、乗客の都市内移動の問題に加えて、通勤労働移動の交通流、都市を通過する車両（主にトラック）の流れの問題も顕著に表れていることにも注目すべきである。 そして、都市内での日中の積載量12トンを超えるトラックの進入と移動を禁止することで、通過貨物輸送の問題が部分的に解決されるとすれば、地域から都市への乗​​客の移動の問題はさらに深刻になる。そして解決はさらに困難です。

これはいくつかの要因、主に都市内の大衆の重心の位置によって促進されます。 特に、多数の企業の膨大な数の仕事やオフィスの所在地、多数のインフラストラクチャー、文化施設、サービス施設（特にショッピングセンター）の所在地ですが、都市内でのそれらの建設の傾向は次のとおりです。モスクワ環状道路外の立地を支持して着実に減少している）。 これらすべてが、毎日朝のラッシュアワーに大量の人の流れが地域から市境に移動し、夕方には地域に戻るという事実につながります。 この問題は、大勢の人が朝のラッシュアワーに急いで出勤し、夕方には帰宅する平日に特に深刻です。 これらすべてが、公共交通機関と個人の両方を利用して移動する膨大な数の乗客によってこの時間帯に使用される下り高速道路に膨大な負荷をもたらすことになります。 さらに、夏には夏の居住者が加わり、毎週末、その地域に向かう高速道路で大渋滞が発生し、週末が終わると彼らはそこを離れます。

これらすべての問題は、新しい道路やインターチェンジの建設、多くの人々の魅力の中心の移転、既存の UDS 構造の管理の最適化を通じて、即時解決する必要があります。 これらすべてのソリューションは、慎重な計画とモデリングがなければ不可能です。 応用プログラムとモデリング ツールの助けを借りて、特定のソリューションを実装することでどのような効果が得られるかを確認し、コストの見積もりと UDS に与えるプラスの効果に基づいて最適なソリューションを選択することができます。

1.2 Yandex 交通渋滞 Web サービスを使用したモスクワの現在の交通状況の分析

上で概説した問題をより詳細に考慮すると、モスクワの交通状況に関する情報を収集するための既存の遠隔測定システムに目を向ける必要があります。これにより、大都市の問題領域が明確に示される可能性があります。 この分野で最も先進的で有用なシステムの 1 つであり、効果的であることが証明されているのは、Yandex Traffic Jam Web サービスであり、効果的で有益であることが証明されています。

サービスによってパブリック ドメインで提供されるデータを分析することで、データを分析し、上で概説した問題に対する事実上の正当な理由を提供できます。 これにより、交通状況が緊迫している地域を視覚的に把握し、渋滞の形成傾向を視覚的に検討し、特定の問題領域をモデル化する問題を解決するために最適な数理モデルを選択して問題の解決策を提案し、さらに結果を得ることができます。これに基づいて、この特定のケースにおける輸送状況が改善される可能性について結論を引き出すことが可能です。 したがって、解決策を提供することで、理論的モデルと実際の問題を組み合わせることができます。

1.2.1 Yandex 交通渋滞 Web サービスに関する簡単な情報

Yandex 交通渋滞は、モスクワやロシアおよび世界の他の都市の交通状況に関する情報を収集して処理する Web サービスです。 このサービスは、受信した情報を分析することで交通状況に関する情報を提供し (大都市の場合は、交通網の混雑に関する「スコア」も設定します)、ドライバーが移動ルートを正しく計画し、推定移動時間を推定できるようにします。 このサービスは、特定の曜日の特定の時間に予想される交通状況の短期予測も提供します。 このように、このサービスは交通の流れの最適化に部分的に関与しており、ドライバーは渋滞に巻き込まれない迂回ルートを選択することができます。

1.2.2 データソース

わかりやすくするために、あなたと私がペトロフカの前のストラストノイ大通りで事故に遭ったと想像してみましょう（小規模で死傷者はいません）。 私たちの出現により、既存の 3 列のうちの 2 列がブロックされました。 私たちの列に沿って移動していた運転手は私たちの周りを迂回しなければならず、3列目に沿って移動していた運転手はバイパサーを追い越さなければなりません。 これらの運転者の中には、Yandex.Maps および Yandex.Navigator アプリケーションのユーザーもおり、彼らのモバイル デバイスは交通データを Yandex.Traffic に送信します。 ユーザーの車が事故に近づくと速度が低下し、デバイスは渋滞についてサービスに「通知」し始めます。

データ収集に参加するには、ドライバーはナビゲーターと Yandex.Traffic アプリが必要です。 たとえば、道路で事故が発生した場合、私たちの事故を見た意識のあるドライバーは、モバイルのYandex.Mapsに適切なドットを入力することで、他のドライバーにそれについて警告できます。

1.2.3 軌道処理技術

GPS 受信機では座標の決定に誤差が生じるため、トラックの構築が困難になります。 このエラーにより、歩道や近くの建物の屋上などで、車があらゆる方向に数メートル「移動」する可能性があります。 ユーザーから受け取った座標は最終的に都市の電子地図に反映され、すべての建物、公園、道​​路標識のある通り、その他の都市のオブジェクトが非常に正確に表示されます。 この詳細のおかげで、プログラムは車が実際にどのように動いたかを理解します。 たとえば、場所によっては、車が対向車線に進入できなかったり、コーナーを「カット」せずに道路標識に従って方向転換したりすることができます。 (図1.2)

図1.2 軌道処理技術

したがって、サービスのユーザー数が多いほど、交通状況に関する情報がより正確になります。

テストされたトラックを結合した後、アルゴリズムがそれらを分析し、対応する道路セクションに「緑」、「黄」、「赤」のマークを割り当てます。

1.2.4 データの結合

次に集約、つまり情報を組み合わせるプロセスが始まります。 アグリゲーター プログラムは 2 分ごとに、Yandex.Maps モバイル ユーザーから受信した情報をモザイクのように 1 つのスキームに収集します。 このスキームは、モバイル アプリケーションと Web サービスの両方で、Yandex.Maps の「交通渋滞」レイヤー (図 1.3) に描画されます。

図 1.3 Yandex.Maps での渋滞の表示

1.2.5 スコアリングスケール

モスクワ、サンクトペテルブルク、その他の大都市では、Yandex.Traffic サービスは状況を 10 点スケールで評価します (0 点は無料の交通量、10 点は都市が「立っている」ことを示します)。 この推定値を使用すると、ドライバーは渋滞によってどれだけの時間が失われるかをすぐに理解できます。 たとえば、キエフの平均スコアが 7 の場合、道路は無料交通の約 2 倍の時間がかかります。

スコアのスケールは都市ごとに異なります。つまり、モスクワでは多少の困難がありますが、別の都市ではすでに深刻な渋滞が発生しています。 たとえば、6ポイントのサンクトペテルブルクでは、ドライバーは5ポイントのモスクワとほぼ同じ時間を失うことになる。 ポイントは以下のように計算されます。 各都市の通りは、主要な高速道路や大通りを含む、事前に描かれたルートです。 ルートごとに、ルールに違反せずに自由道路を走行できる基準時間が設定されています。 都市全体の負荷を評価した後、アグリゲーター プログラムは実際の時間が基準時間とどの程度異なるかを計算します。 すべてのルートの差に基づいて、ポイント単位の負荷が計算されます。 (図1.4)

図 1.4 Yandex.Traffic ポータル操作の一般化されたスキーム

1.3 YandexProbka Web サービスを使用して取得した情報を使用して UDS の問題領域を見つける

受け取った情報を要約すると、このサービスはモスクワやその他の地域の交通状況に関する非常に有用な情報（オンラインと予測モードの両方）を提供しており、特に問題のあるゾーンや道路を特定するための科学的な目的に使用できると結論付けることができます。と高速道路の渋滞を予測します。 したがって、この Web サービスを使用して取得した情報を分析することで、道路ネットワーク全体とその個々のセクションの両方で主要な問題を特定し、道路ネットワーク内の特定の交通問題の存在を正当化できます。 一次分析のデータに基づいて、UDS における問題の主要な全体像を構築できます。 次に、モデリング ツールと特定のデータを使用して、特定の問題の存在を確認または反論し、変更を加えた UDS の数学的モデルの構築を試みます (信号機の位相を変更したり、新しいインターチェンジをシミュレートしたりする)。問題のある領域などで)、特定の領域の状況を改善するためのバリエーションを提供します。 次に、効率とコストの見積もりの​​比率の観点から、最適なソリューションを選択します。

1.4 Yandex.Traffic Web サービスを使用した問題の検索と分類

この Web サービスは、モスクワにおける交通管理 (以下、DDD) を改善するための手法の 1 つと考えられます。 ポータルからの情報に基づいて、モスクワの交通管制システムの問題領域を評価し、交通管制システムを改善するための体系的な解決策を提供するとともに、渋滞形成の傾向を特定することに努めます。

ポータルのデータを考慮して、モスクワの道路渋滞の変化を毎日分析し、最も問題のあるエリアを特定する必要があります。 これらの目的には、ネットワークの負荷が最大になるピーク時間帯が最適です。

図 1.5 モスクワの主要放射状幹線道路の平日時間別平均渋滞

UDSの混雑と労働者の通勤の問題の存在に関する仮説を確認するために、データを共通遺伝子として分析します。 交通渋滞の「レイヤー」を適用したモスクワの計画と、個々の問題領域を分析し、その動きのダイナミクスを考慮します。

モスクワの仕事の大部分は、モスクワ時間の 8 時から 10 時までに勤務を開始します。労働法によれば、週 5 日労働 (最も一般的なオプション) の労働日は 8 時間です。通勤労働移動 (LTM) の仮説に従って、道路網の主な負荷は午前 6 時 (地域 - MKAD) から午前 10 時 (近郊) までの時間間隔で発生すると仮定します。モスクワの主要な雇用集中場所へ）、夕方16時から18時（中心部）から20時（放射状の出発ルート）まで。

図 1.6 6-00 では UDS に問題はありません

図 1.7 モスクワに近づく際の困難の存在

分析によると、7 時 00 時に、中心部に向かう急進的な幹線道路で市の入り口で困難が発生しています。

図 1.8 モスクワ南部の困難

図 1.9 南西部の困難

同様の状況は、例外なく首都のすべての放射状高速道路で観察されます。 午前中の最大スコアはモスクワ時間の9時56分に到達し、この時点までに交通渋滞は都市郊外から中心部に移っていた。

図 1.10 9 時 00 分から 9 時 56 分までの道路ネットワークの朝のピーク負荷

図 1.11 16 時 00 分の TTK

全体として輸送状況の改善はモスクワ時間の15時から40時まで観察され、「中心部への」状況はその日の終わりまで悪化しなかった。 一般的な状況は16:00から悪化する傾向にありましたが、モスクワ時間の20:00頃に状況は改善し始めました。 (付録 A)。 週末には、UDS では問題はほとんど観察されず、Yandex.Traffic ポータルの段階によれば、毎日の観察時間全体で「スコア」が「3」を超えることはありませんでした。 したがって、人間の集団（仕事）の重心が中心部に集中していることによる都市の混雑については自信を持って言えますが、MTM の問題がなければ週末の方がはるかに良い状況が見られます。

中間的な結論を導き出すと、私たちは自信を持って、主要な放射状幹線道路の容量を増やすことと同様に、都市中心部の人間の集団の重心の数を減らし、この地域への移動を制限することが主な作業の焦点であるべきであると言えます。 。 すでにモスクワ政府は、モスクワ中心部に有料駐車場を導入したり、総重量3.5トンを超える車両（以下、車両）の市内中心部への入場パス制度を導入したりするなど、この方向への取り組みを進めている。

図 1.12 モスクワの有料駐車場ゾーン

得られた結果を分析すると、平日の交通困難は一方向の形式であり、始まりと終わりの同じダイナミクスがあると結論付けることができます（午前中は地域から徐々に市内中心部に移動し、夕方には中心部からその逆）地域に向けて。

したがって、この傾向を考慮すると、道路渋滞は一方向であるため、動的交通管理の導入が不可欠であると結論付けることができます。 インテリジェント システムの助けを借りて、道路の交通量を一方向または別の方向に変更したり（たとえば、逆車線を使用して、容量が不足している側に「オン」にする）、信号の位相を変更および調整したりすることができます。困難なセクションで最大限の能力を発揮します。 このようなシステムと方法はますます普及しています（たとえば、ヴォルゴグラツキー大通りの逆車線）。 同時に、問題のあるエリアのキャパシティを「やみくもに」増やすことは不可能です。キャパシティが不十分な最初の場所に混雑を移動するだけで済むからです。 つまり、交通問題の解決は複雑な性質のものであるべきであり、問​​題領域のモデル化は道路網システム全体から切り離して行われるべきではなく、包括的な方法で実行されるべきである。 したがって、私たちの仕事の目標の 1 つは、モスクワの問題のある放射状幹線道路の 1 つをモデル化して最適化することです。

1.5 理論的情報

1.5.1 ロシアの道路の分類

2009 年 9 月 28 日のロシア連邦政府令 N 767 は、ロシア連邦における高速道路の分類と道路のカテゴリーへの割り当てに関する規則を承認しました。

自動車道路は、交通状況とアクセスに応じて次のクラスに分類されます。

高速道路;

高速高速道路

一般道（高速道路ではありません）。

1.5.2 推定交通量に応じた道路

2013 年 7 月 1 日時点の SNiP 2.05.02 - 85 によると、次のカテゴリに分類されています (表 2)。

テーブル 2

	トラフィック量の推定、1 日あたりのユニット数の減少。
IA（高速道路）
IB（高速道路）
一般道路（高速道路以外の道路）
		セント2000～6000
		セント 200 ～ 2000

1.5.3 主要な TP パラメータとその関係

トラフィック フロー (TP) は、道路ネットワークの特定のセクションで同時に交通に参加する一連の車両です。

トランスポート ストリームの主なパラメータは次のとおりです。

流量?、流量 l、流量密度 s。

スピード？ 交通流量 (TP) は通常、km/h または m/s で測定されます。 最も一般的に使用される単位は km/h です。 流速は 2 方向で測定され、複数車線の道路では各車線で速度が測定されます。 道路上の流速を測定するために断面が作成されます。 道路の断面とは、道路の幅全体を通る、道路の軸に垂直な線です。 TPの速度はサイトまたはセクションで測定されます。

敷地は 2 つのセクションの間に囲まれた道路の一部です。 セクション間の距離 L,m は、速度測定の許容可能な精度を保証するように選択されます。 時間 t は、車によるセクションの通過から測定されます - 時間間隔。 指定された数 n の車両に対して測定が実行され、平均時間間隔が計算されます?:

エリア内の平均速度を計算します。

V = L / ?。

つまり、交通の流れの速度は、その中を移動する車の平均速度です。 断面内のTPの速度を測定するには、リモート速度計（レーダー、ランプ - ヘッドライト）または特別な速度検出器が使用されます。 n 台の車の速度 V が測定され、そのセクションの平均速度が計算されます。

次の用語が使用されます。

平均暫定速度Ｖは、その区間における車両の平均速度である。

平均空間速度? - 道路の重要なセクションを通過する車両の平均速度。 これは、1 日のある時間におけるサイトのトラフィック フローの平均速度を特徴づけます。

移動時間は、車両が道路の単位長さを走行するのに必要な時間です。

総走行距離 - 特定の時間間隔における道路セクション上のすべての車の経路の合計。

また、移動速度は次のように分類できます。

瞬間的な Va - 道路の個別の典型的なセクション (ポイント) で固定された速度。

最大 Vm - 車両が発生できる最高の瞬間速度。

交通強度 l は、単位時間当たりに道路のセクションを通過する車の数に等しい。 トラフィック量が多い場合は、より短い時間間隔を使用します。

交通量は、所定の単位時間 T 内に道路のセクションを通過する車の数 n を数えることによって測定され、その後、商 l = n/T が計算されます。

さらに、次の用語が使用されます。

交通量 - 指定された単位時間内に道路のセクションを横切った車の数。 容積は車両の台数で計測されます。

時間当たりの交通量 - 1 時間に道路のセクションを通過する車の数。

交通流密度は、指定された長さの道路セクション上にある車の数に等しくなります。 通常は 1 km のセクションが使用され、1 キロメートルあたりの車両密度が取得されますが、場合によってはより短いセクションが使用されます。 密度は通常、交通流の速度と強度から計算されます。 ただし、密度は航空写真、塔、または高層ビルを使用して実験的に測定できます。 交通流密度を特徴付ける追加パラメータが使用されます。

空間間隔または短い間隔 lp、m - 次々に続く2台の車のフロントバンパー間の距離。

平均空間間隔 lp.sr - サイト上の間隔 lp の平均値。 間隔 lp.sr は、車両ごとのメートル単位で測定されます。

空間間隔 l p.sr, m は、流れの密度 c, avt./km がわかれば簡単に計算できます。

1.5.4 トランスポートストリームパラメータ間の関係

速度、強度、および流れ密度の関係は、交通流の基本方程式と呼ばれます。

V?s

主方程式は、交通流パラメータの平均値である 3 つの独立変数を結び付けます。 ただし、実際の道路状況では、変数は関連しています。 交通流の速度が増加すると、交通量は最初に増加し、最大値に達し、その後減少します (図 1.13)。 この減少は、車間距離lpの増加と交通流密度の減少によるものである。 高速では、車はセクションを素早く通過しますが、互いに遠く離れた位置にあります。 モーション コントロールの目標は、速度ではなく、最大の流量強度を達成することです。

図 1.13 TP の強度、速度、密度の関係: a) TP の強度の速度依存性。 b) TP 密度の速度依存性

1.6 輸送モデリングの方法とモデル

トランスポート ネットワークの解析に使用される数学モデルは、モデルの機能的役割、つまりモデルが適用されるタスクに基づいて分類できます。 従来、モデルの中では 3 つのクラスが区別されます。

· 予測モデル

シミュレーションモデル

· 最適化モデル

予測モデルは、道路ネットワークの形状と特性、および都市内の流れを形成するオブジェクトの位置がわかっており、このネットワーク内でどのような交通流が発生するかを判断する必要がある場合に使用されます。 詳細には、道路網の負荷予測には、地区間の移動量、交通量、乗客の流れの分布などの平均交通指標の計算が含まれます。 このようなモデルの助けを借りて、トランスポート ネットワークの変化の結果を予測することができます。

予測モデルとは異なり、シミュレーション モデリングには、時間の経過に伴うプロセスの進化を含む、動きのすべての詳細をモデル化するタスクがあります。

この違いは、車両がネットワーク内で「どれだけ、どこで」移動するかという質問に予測モデリングが答え、「どれだけ、どこで」がわかっている場合に移動がどの程度詳細に起こるかという質問にシミュレーション モデルが答えれば、非常に簡単に定式化できます。 。 したがって、トランスポート モデリングのこれら 2 つの領域は補完的です。 上記のことから、交通流ダイナミクス モデルとして知られるさまざまなモデルは、その目標とタスクの観点からシミュレーション モデルのクラスに帰属することができます。

動的モデルは動きの詳細な記述が特徴であり、そのようなモデルの実際の応用分野は、交通組織の改善、信号機のフェーズの最適化などです。

流れ予測モデルとシミュレーション モデルは、現実に近い交通の流れの挙動を再現することを目的としています。 トランスポート ネットワークの機能を最適化するように設計されたモデルも多数あります。 このクラスのモデルでは、旅客輸送ルートの最適化、交通ネットワークの最適構成の開発などの問題が解決されます。

1.6.1 動的交通流モデル

ほとんどの動的トラフィ​​ック フロー モデルは、条件に応じて 3 つのクラスに分類できます。

巨視的（流体力学モデル）

キネティック (ガス力学モデル)

顕微鏡モデル

巨視的モデルは、平均的な観点 (密度、平均速度など) で自動車の動きを記述するモデルです。 このような輸送モデルでは、流れは流体の動きに似ているため、このようなモデルは流体力学と呼ばれます。

微視的モデルは、各車両の動きを明示的にモデル化したモデルです。

中間の場所は、交通の流れが位相空間内の自動車の分布密度として記述される運動学的アプローチによって占められます。 マイクロモデルのクラスの中で特別な位置を占めているのは、セル オートマトン タイプのモデルです。これらのモデルでは、自動車の動きの高度に単純化された時間と空間の離散記述が採用されているため、高い計算効率が得られます。これらのモデルの実現されます。

1.6.2 巨視的モデル

流体力学的アナロジーに基づいた最初のモデル。

このモデルの主な方程式は連続方程式で、道路上の「車両数の保存則」を表します。

式1

ここで、 は密度、V(x,t) は時刻 t における座標 x の道路点における自動車の平均速度です。

平均速度は密度の決定論的 (減少) 関数であると想定されます。

(1) を代入すると、次の式が得られます。

フォーミュラ 2

この方程式は、伝達速度による非線形運動波の伝播を表します。

実際には、車の密度は、原則としてジャンプ中に変化しませんが、座標と時間の連続関数です。 ジャンプを排除するために、密度拡散を表す 2 次の項が式 (2) に追加されました。これにより、波形プロファイルが平滑化されます。

フォーミュラ 3

ただし、このモデルを使用すると、道路の凹凸（出入り口、狭窄）の近くや、いわゆる「ストップアンドゴー」交通の状態で発生する非平衡状況を説明する場合、現実には適切ではありません。

非平衡状況を説明するために、決定論的な関係 (3) の代わりに、平均速度ダイナミクスをモデル化するための微分方程式を使用することが提案されました。

Payne モデルの欠点は、すべての密度値に対する小さな摂動に対する安定性です。

このような置換を加えた速度方程式は次の形式になります。

不連続性を防ぐために、流体力学方程式の粘度に相当する拡散項が右側に追加されます。

臨界値を超える密度値での定常均一溶液の不安定性により、ファントムジャム、つまり小さな外乱から生じる均一流れにおけるストップアンドゴーモードの発生を効果的にシミュレートすることが可能になります。

上で説明した巨視的モデルは、主に古典的な流体力学の方程式との類推に基づいて定式化されます。 運動方程式を使用して、ミクロレベルでの自動車相互作用のプロセスの記述から巨視的モデルを導出する別の方法があります。

1.6.3 運動モデル

密度と平均流速の観点から定式化される流体力学モデルとは異なり、速度論モデルは相流密度の力学の記述に基づいています。 相密度の時間発展がわかれば、さまざまな次数の速度に関する相密度モーメントによって決定される、密度、平均速度、速度変動などの流れの巨視的特性を計算することもできます。

位相密度を f (x, v, t) と表します。 通常の (流体力学的) 密度 c(x, t)、平均速度 V (x, t)、および速度変動 H(x, t) は、次の関係によって位相密度のモーメントに関連付けられます。

1) 相密度の時間変化を記述する微分方程式は運動方程式と呼ばれます。 1961 年に、Prigogine とその共著者によって、交通流の運動方程式が次の形式で初めて定式化されました。

フォーミュラ 4

この方程式は自動車の保存則を表す連続方程式ですが、位相空間内にあります。

プリゴジン氏によれば、道路上の 2 台の車の相互作用は、より速い車が前を走るより遅い車を追い越すというイベントとして理解されています。 次の単純化された仮定が導入されています。

・追い越しの結果、追い越し車の速度が変わらないため、ある確率 p で追い越しの機会が見つかる。

インタラクションの結果として、前の車の速度はいかなる場合も変化しません。

インタラクションは点で発生します (車のサイズと車間の距離は無視できます)。

インタラクションの結果としての速度の変化は即座に発生します。

· ペアのインタラクションのみが考慮され、3 台以上の車の同時インタラクションは除外されます。

1.7 問題の説明

現在の研究では、主な情報として Yandex.Traffic サービスを使用した混雑に関する静的データを使用します。 受け取った情報を分析したところ、モスクワ市の UDN は輸送トラフィックに対処できないという結論に達しました。 得られたデータの分析段階で特定された問題により、UDS での問題のほとんどは平日のみに発生しており、分析中に「MTM」（振り子労働移動）現象に直接関連していると結論付けることができます。のと休日は特定されていませんでした。 平日の困難により、都市郊外から中心部に向かって雪崩が流れる様子が見られ、午後には「雪崩」が中心部から地方に向かう逆効果の存在が見られる。 朝になると、モスクワ郊外で困難が観察され始め、徐々に市内に広がります。 また、分析からもわかるように、都市への「入り口」が一定の時間間隔で渋滞を抑制するため、放射状高速道路の「分離」が望ましい効果をもたらさないことにも注意が必要である。市中心部はしばらく最適モードで走行します。 その後、同様の困難が存在する中で、MKAD-TTK ゾーンで交通渋滞が発生し、入口での交通渋滞は増加し続けています。 この傾向は午前中ずっと起こります。 同時に、反対方向の動きは完全に自由になります。 このことから、信号機管理システムと進行方向は、道路上の現在の状況に応じてパラメータを変更する動的なものであるべきであるという結論が導き出されます。

道路資源の合理的な利用とそのような機会（信号機の段階の変更、逆車線など）の実施について疑問が生じます。

ただし、この「世界的な輻輳」には終点がないため、これを制限することはできません。 これらの措置は、特にモスクワ地域の住民に対するモスクワおよび中心部への立ち入り制限と組み合わせてのみ実施されるべきである。 実際、分析に基づくと、すべての問題は MTM フローに還元されるため、個人交通機関から公共交通機関に正しく再配分して、より魅力的なものにする必要があります。 こうした措置はモスクワ中心部ではすでに導入されている（有料駐車場など）。 これにより、ピーク時の市内の道路が緩和されます。 したがって、私のすべての理論的仮定は「将来への予備」と、混雑が最終的になり（中心部への乗客の流れが減少する）、乗客の流れがより流動的になる（1台のバスに110 人の乗客が道路の 10 ～ 14 メートルを占有するのに対し、個人輸送ユニットは 80 ～ 90 ユニットであり、同様の数の乗客が 400 ～ 450 メートルを占有します。 参入者の数が最適化される（または少なくとも経済的および社会的機会に基づいて可能な限り削減される）状況では、投資せずにモスクワの道路網の管理を改善する方法について 2 つの仮定を適用できるでしょう。多額の資金とコンピューティング能力、すなわち:

分析データとモデルデータを使用して問題領域を特定する

問題領域における UDS とその管理を改善する方法の開発

提案された変更を含む数学的モデルの作成と、効率性と経済的実現可能性に関するさらなる分析、および実用化へのさらなる導入

上記に基づいて、数学的モデルの助けを借りて、UDS の変化に迅速に対応し、その動作を予測し、それに合わせてその構造を調整することができます。

したがって、放射状の高速道路が異常なモードで動作し、その全長に沿って交通渋滞や混雑が発生する理由を理解できるようになります。

したがって、問題に基づく問題ステートメントは次のもので構成されます。

1. 放射状高速道路の 1 つについて、ピーク時間を含む困難の存在を分析します。

2. 最も困難な場所にあるこの放射状高速道路の一部のモデルを作成する。

3. 実際のデータとシミュレーション データを使用した MAC の分析に基づいてこのモデルに改善を導入し、変更を加えたモデルを作成します。

2 改良版MACの作成

問題の定式化とモスクワの交通困難の分析に基づいて、実用的なモデルを作成するために、私はアンドロポフ大通りとコローメンスコエ大通りの交差点から南東までの区間にある放射状幹線道路の 1 つ (カシルスコエ ショッセ) の分岐を選択しました。トレードセンター停留所。 選択の理由は数多くありますが、特に次のような要因があります。

・同じ場所で同じ傾向で渋滞が発生する傾向

「MTM」問題の鮮明な画像

· 解決可能なポイントの利用可能性と、この地域での交通信号規制のモデル化の可能性。

図1.14 選択領域

選択したサイトには、モデル化できる次のような特徴的な問題があります。

2 つの問題点の存在とそれらの相互影響

· 変更しても状況が改善されない問題点の存在 (同期を使用する可能性)。

· MTM 問題の影響を明確に把握します。

図 1.15 センターの 11-00 問題

図 1.16 センターの問題点。 18-00

したがって、この領域には次の問題点があります。

ナガチンスカヤ氾濫原にある信号機付きの 2 つの横断歩道

アンドロポフ通りとナガチンスカヤ通りの交差点にある信号機

ナガチンスキー地下鉄橋

2. UDSの改良版の作成

2.1 サイト分析

アンドロポフ通りの交通渋滞の長さは、2方向（朝はカシルスコエ高速道路からナガチンスカヤ氾濫原の2番目の横断歩道までの中心部へ、夕方はノブースタポフスカヤ通りから地域へ）のそれぞれ4〜4.5kmです。ナガチンスカヤ通りまで）。 2番目の指標は、ピーク時の移動速度で、ここでは7〜10 km / hを超えません。ピーク時に4.5 kmのセクションを移動するのに約30分かかります。 期間に関しては、アンドロポフ通りの中心部への交通渋滞は午前 7 時に始まり、午後 13 ～ 14 時まで続きます。また、地域への交通渋滞は通常午後 3 時に始まり、午後 21 ～ 22 時まで続きます。 つまり、アンドロポフの「ラッシュアワー」の所要時間は両方向とも6～7時間で、これは交通渋滞に慣れているモスクワにとってさえ法外なレベルだ。

2.2 アンドロポフ通りの交通渋滞の 2 つの主な理由

1 つ目の理由は、大通りが不必要な「オーバーラン」交通で過負荷になっているということです。 地下鉄「ナヒモフスキー大通り」駅からペチャトニキの住宅街中心部までは直線で7.5キロ。 そして、道路には16キロから18キロまでの3つのルートがあります。 さらに、3 つのルートのうち 2 つはアンドロポフ通りを通過します。

図2.1

これらすべての問題は、ナガチンスキー橋とブラテエフスキー橋の間に直線で7キロメートル、モスクワ川に沿って14キロメートルあるという事実によって引き起こされます。 この隙間には他に橋やトンネルはありません。

2 番目の理由は、通り自体のキャパシティーが低いことです。 まず、数年前に設置された専用車線によって交通速度が低下し、その後は片側 2 車線のみが残されます。 渋滞は、3 つの信号機 (ナガチンスカヤ通りの前に交通用信号機 1 つとナガチンスカヤ氾濫原にある歩行者用信号機 2 つ) によって大幅に緩和されます。

2.3 アンドロポフ通りに関する戦略的決定

オーバーランの問題を解決するには、ナガチンスキー橋とブラテエフスキー橋の間に 2 ～ 3 つの新しいリンクを建設する必要があります。 これらの交通リンクにより、オーバーランが解消され、「中心-周辺」の流れではなく、「周辺-周辺」の流れを促進する交通管理が可能になります。

問題は、そのような施設の建設には非常に時間と費用がかかることです。 そして、それぞれに数十億ルーブルの費用がかかります。 したがって、ここで何かを 5 年ではなく 1 ～ 2 年で改善したい場合、唯一の方法はアンドロポフ通りの能力を活用することです。 新しい橋やトンネルの建設とは異なり、これは何倍も早く（0.5〜2年）、2桁安くなります（5,000万〜1億ルーブル）。 なぜなら、最も問題のある場所で、安価な局所的な「戦術的」対策によって、通りの容量を増やすことが可能だからです。 これにより、既存の需要が満たされ、交通渋滞の長さが短縮され、ピーク時間の継続時間が短縮され、速度が向上するなど、すべての交通指標が改善されます。

2.4 アンドロポフ通りの戦術的措置: 4 つのグループ

2.4.1 ステップ 1: 信号制御

問題の区間には信号機が 3 つあり、ナガチンスカヤ氾濫原に歩行者用信号が 2 つ、アンドロポフの道路との交差点に交通用信号が 1 つあります。 ノベルティとナガチンスカヤ。

ナガチンスカヤ氾濫原にある 2 つの歩行者用信号機は、すでに最も「延長された」モード (車両用 150 秒、歩行者用 25 秒) で運用されています。 サイクルをさらに延長しても交通手段として効果があるとは考えられませんが、すでに相当な歩行者の待ち時間が長くなる可能性があります。 信号機規制でできること、また行うべきことは、両方の歩行者用信号機を同期させて、車両が加速と減速に費やす時間を短縮することだけです。 朝のラッシュ時の中心部方面への影響は少ないでしょう。 歩行者用信号機は、それ以外の時間帯や夕方の地域に向かう方向の交通にはあまり影響を与えません。 ただし、アンドロポフと通りの交差点には信号があります。 新しいアイテムとナガチンスカヤの状況はさらに興味深いです。 夕方のラッシュ時間帯にこの地域に向かう流れを明らかに維持します。 さらに、交通機関は多くの代替道路 (ナガチンスカヤ堤防、ノビンキ通り、ナガチンスカヤ通り、コローメンスコエ プロエズド、カシールスコエ ハイウェイ、プロレタルスキー プロスペクト) に沿って移動します。

現在の信号機の動作モードを考慮して、何ができるかを考えてください。

図 2.2 信号機のフェーズ

図 2.3 現在の信号機の動作モード

まず、大通りとの交差点は非常に短いサイクルで、わずか 110 ～ 120 秒です。 ほとんどの高速道路では、ピーク時のサイクル タイムは 140 ～ 180 秒ですが、Leninsky では 200 秒を超える場合もあります。

第二に、時間帯による信号機の動作モードの変化は非常にわずかです。 一方、夕方の流れは朝の流れとは根本的に異なります。この地域からのアンドロポフに沿った順方向の流れははるかに小さく、中心部からのアンドロポフからの左折の流れははるかに大きくなります（人々はナガチンスキーの背水に戻ります）。

第三に、何らかの理由で、日中の前進フェーズの時間が短縮されました。 ノビンキとナガチンスカヤに沿った直線的な流れがピーク時間帯でも深刻な問題を経験せず、日中はさらに深刻な問題が発生しないのであれば、これに何の意味があるのでしょうか?

解決策はそれ自体を示唆しています：日中のレジメンを朝のレジメンと同等にし、夕方にフェーズ3をわずかに「ストレッチ」（アンドロポフを両方向に）、「ファン」フェーズ4を強くストレッチします（アンドロポフを中央からまっすぐ、右、右に）左）。 これにより、アンドロポフの直接的な動きと、ターンを待っている人々の「ポケット」の両方が事実上解放されます。

図 2.4 提案されている時間ベースの信号機モード

朝のラッシュアワーに関して言えば、朝この交差点でアンドロポフを中心部に「伸ばす」のは無意味です。 橋が4車線から2車線に狭くなる前の交通渋滞により、交差点をすぐに通過できないため、交通は「青段階」の全長を使用しません。

2.4.2 再レイアウト

Andropov マ​​ークアップには 2 つの問題があります。

- アンドロポフ通りの3車線セクションの専用車線

- ナガチンスカヤ通りとノヴィンキ通りの交差点での誤った標識

専用レーンがアンドロポフ通りの収容力を大幅に減らしたことは周知の事実です。 これは、中央部と地域の両方での移動に当てはまります。 さらに、専用レーンに沿った乗客の交通量は最小限であり、ピーク時でも数百人を超えることはありません。 これは驚くべきことではありません。専用レーンは「緑色の」地下鉄線に沿って走っており、地下鉄から離れたところには、大通り自体に観光スポットはほとんどありません。 各公共レーンの収容能力は 1 時間あたり約 1,200 人です。 これは、割り当てられた車線がその目的に反して増加せず、アンドロポフ通りの収容力を減少させたことを意味します。

付け加えておきますが、アンドロポフ通りの陸上交通の乗客数はさらに減少する可能性があります。 実際、すでに2014年に、ナガチンスカヤ氾濫原に地下鉄テクノパーク駅がオープンする予定です。 これにより、メガポリス・ショッピングセンターへの訪問者とテクノパークで働く人の大部分は、地上交通に乗り換えることなく地下鉄を利用できるようになります。

アンドロポフのための専用線全体をキャンセルすることは、それだけであるように思われます。 しかし、分析と長期的な観察により、アンドロポフ通りの専用車線はどこでも干渉するわけではなく、一方向に 3 車線 (2 + A) があり、それが「ボトルネック」を生み出すセクションでのみ干渉することがわかりました。 片側4車線(3+A)の同じ場所に専用車線を設けることで、邪魔にならないだけでなく、交通の流れの均一性を高め、右折、加減速用の車線としての機能も果たすことができます。 。

したがって、私は優先事項として、最も問題が生じる狭いセクションでの割り当て車線を廃止することを提案します。

サイキンスキー陸橋とナガチンスキー橋の地域方面、サイキナ通り

· ナガチンスキー橋の入り口からサイキンスキー陸橋までの全セクションの中心に向かって。

図2.5 車線解除が必要な箇所

図 2.6 アンドロポフ通りの再標識

また、ナガチンスカヤ通りからコロメンスキー・プロイェズドまでの区間で、この地域に割り当てられた車線をキャンセルする必要もあります。地域に向かう流れの増加により、既存の 2 車線に収まらなくなります。 ちなみに、この場所の専用レーンは現在でも駐車のみですが入場可能です。

専用車線に加えて、ナガチンスカヤ通りとノヴィンキ通りとの交差点付近のアンドロポフ通りの標識が不十分であることが問題を引き起こしています。

まず、バンドの幅が広く、数が足りない。 この道路幅であれば、両側に車線を追加するのは簡単です。

第二に、この標識は、交差点の幅が広がっているにもかかわらず、何らかの理由ですべての交通を左折車線にそらせ、直進車はそこから右に「歩いて」移動しなければなりません。

しかし、設計者の無能は許されます。結び目は複雑で、車道の幅は「歩く」です。 この交差点に対するこの解決策も、すぐには現れませんでした。 これにより、交差点エリアの車線の数を増やし、直進する人を車線内に残し、直進コースを少し右に「奪う」ことができます。 その結果、車線変更の回数が減り、交差点を通過する速度が双方向で増加します。

図 2.7 アンドロポワ - ナガチンスカヤ - ノビンキ交差点における提案された交通組織計画

図 2.8 交差点における提案された交通パターン

地元の拡幅工事

次のステップは、現在最も必要な地下鉄ナガチンスキー橋からトロフィモヴァ通りの出口までのセクションの中心に向かって拡幅を行うことです。 これにより、このセクションの地域方向で行われたのと同じように、3 車線を民間交通機関に戻し、4 番目の車線を公共交通機関に割り当てることが可能になります。

図 2.9 局所的な拡幅

2.4.3 ナガチンスカヤ氾濫原における 2 つの路外交差点の建設

最近、地下鉄ナガチンスキー橋の近くのサウスリバー駅OTの停留所近くで立体交差の建設が始まりました。 歩行者用信号機は建設後、撤去される予定です。

図 2.10 スカイウォーク建設計画

これは素晴らしいニュースかもしれませんが、喜ぶべきことは何もありません。450 メートル北にメガポリス ショッピング センターの向かいに別の交差点があります。 ２つの交差点の新設と両歩行者用信号機の撤去を同時に行うと、中心方向への効果が大きく、交差点手前の加減速廃止により、同じ幅員での処理量が30～35％増加します。信号機。 しかし、メガポリス・ショッピングセンターの向かい側に路外交差点を建設する予定はないため、2番目の信号機は撤去できないことになる。 そして、1 つの高架交差点の影響は重要ではなく、2 つの信号機の単純な同期によるものと同じです。 どちらの場合も加速と減速度が維持されるためです。

3 提案されたソリューションの理論的根拠

分析に基づいて、UDS の特定の領域の問題点を計算し、実際に考えられる解決策から始めて適用します。 このプログラムを使用すると、手動で面倒な計算を行う必要がなく、これを使用して UDN の特定の問題領域の最適なパラメータを決定し、それらを最適化した後、コンピュータ シミュレーションの結果を得ることができます。変更によりスループットが向上します。 したがって、コンピューターシミュレーションを使用すると、分析に基づいて提案された変更が実際の状況に対応しているかどうか、および変更が期待どおりの効果を発揮するかどうかを確認できます。

3.1 コンピュータシミュレーションの使用

コンピューター シミュレーションを使用すると、UDS で進行中のプロセスを高い確率で予測できます。 したがって、モデルの比較分析を行うことができます。 UDS の現在の構造とその機能をシミュレートし、最新化および改善して、UDS に基づいて調整を加えた新しいモデルを作成します。 取得したデータを使用すると、コンピューター モデリングの段階で、UDS に特定の変更を加えることが意味があるかどうかの答えを得ることができ、モデリングを使用して問題領域を特定することもできます。

類似の文書

道路の主なカテゴリの特徴。 道路容量と交通負荷率の決定。 交通流の平均速度の計算。 事故率をもとに道路上の危険箇所を特定します。

学期末レポート、2012 年 1 月 15 日追加


既存の管理モデルを調整し、新しい制御アクションを導入し、トラフィックを整理する追加の技術的手段を導入する必要性を判断します。 最適な交通制御モデルの開発。

論文、2013 年 5 月 16 日追加


数理モデリングを使用した輸送システムの解析。 交通の流れの地域的な特徴。 道路網の狭小化付近の交通流のシミュレーション。 ボトルネックに近づいた場合の確率的混合。

実践作業、2012/12/08 追加


交通管制方法の分類。 バルナウルの自動交通管制システム「グリーンウェーブ」。 その構造原理、構造、比較特性。 サンクトペテルブルクの環状道路。

テスト、2015/02/06 追加


設計速度の安全性、道路の安全性、道路上の交通負荷のレベル、路面の平坦性の評価。 非剛体舗装の実際の弾性係数の決定。 道路と道路構造物の維持管理の本質。

学期末レポート、2008 年 12 月 8 日追加


革新的な交通インフラ開発モデルへの移行。 2030年までの政府の交通戦略の要点。 輸送問題に対する最適な解決策を分析および検索します。 ロシア経済における運輸部門の成長。

記事、2017 年 8 月 18 日に追加


運送業界の特徴。 輸送物流の本質と課題。 OAO「NefAZ」の輸送施設の組織。 企業の輸送経済活動の計画。 この組織の有効性の分析と評価。

学期末レポート、2011/01/14 追加


交通量の決定 - 単位時間 (時間、日) ごとに道路オブジェクトの制御セクションを全方向に通過した車両の数。 交通流密度、その分布、負荷率の解析。

研究室での研究、2010/02/18 追加


適応型交通制御システムの運用中の都市旅客輸送の動きの組織化。 時間依存戦略と輸送依存戦略の比較。 ファジールールのベースの開発。 メンバーシップ機能の構築。

学期末レポート、2014/09/19 追加


輸送市場の組織化を目的とした措置の分析。 すべての地域で必要なレベルの輸送サービスを確保することを目的とした一連の複雑な措置としての輸送活動に対する国家規制。

交通渋滞などの都市問題は、保守的な方法、つまり道路容量を物理的に増やすか、「賢い」方法で対処できます。 この場合、すべての交通機関と人々がエコシステムに結合され、都市自体が交通の流れをどのように分配するかを「決定」します。 このようなエコシステムのビジョンについて、私たちは次のように述べています。 言ったオープンイノベーションフォーラムの1つで。 この記事では、スマート交通管理システムがどのように機能するのか、そしてなぜそれが私たち全員にとってそれほど重要なのかについて詳しく説明します。

都市にスマート交通システムが必要な理由

WHO によると、世界人口の 50% 以上が都市に住んでいます。 大都市は主に交通問題に悩まされています。 交通渋滞は、その最も明白かつ一般的な症状です。 それらは地域経済とすべての道路利用者の生活の質に悪影響を与えるため、当然のことながら排除する必要があります。

例として、交通渋滞の典型的な原因である修復作業を考えてみると、 保守的なアプローチその解決策は、交通を最も近い並行道路にリダイレクトすることです。 その結果、幹線道路を過ぎたところでは過積載となる可能性が高く、ラッシュアワー時には補修区間付近に空き車線が一つも存在しないことになる。

もちろん、当局はどの道路がすぐに渋滞するか予測を立てようとするだろう。 これを行うために、交差点の信号機の存在、平均的な交通渋滞、その他の静的要因が考慮されます。 しかし、8地点の交通渋滞が市中心部を麻痺させている現状では、信号機を消して緊急に交換するなど、状況を「手動で制御」する以外にできることはありそうにありません。交通管制官と一緒に。

同じプロットの展開には別のシナリオがあります。 「スマート」シティでは、データは従来のソースからだけでなく、車自体の内部に取り付けられインフラストラクチャ要素として機能するセンサーやデバイスからも取得されます。 車両の位置情報によりリアルタイムの交通再配分が可能になり、スマート信号機や駐車場などの追加システムにより効率的な交通管理が実現します。

合理的なアプローチ多くの都市で選択され、効果的であることが証明されました。 ドイツのダルムシュタットでは、センサーが歩行者の安全と交通の防止に役立っています。 道路を横断しようとしている大勢の人々を検出し、信号の段階を彼らに合わせて調整します。 さらに、近くに車の流れがあるかどうかを判断し、車が動き終わったときにのみライトを切り替えるように「指示」を出します。

また、デンマークのオーフス市の交通分散システムにより、交通渋滞が軽減されただけでなく、全体的な燃料消費量も削減されました。 ロンドンのインテリジェント システムは、特定の道路区間の渋滞をドライバーに通知します。 「スマート」交通管理システムのおかげで、シンガポールは世界で最も「混雑」の少ない主要都市の 1 つになりました。

「スマート」交通管制システムは何で構成されていますか?

スマートシティの重要なツールはデータです。 したがって、システムの中心となるのは、すべてのリアルタイム情報フローを統合し、それらを解釈して、交通制御に関する独立した決定を下す (または担当者のそのような決定を支援する) プラットフォームです。 原則として、交通管制指令センターはプラットフォームの周囲に形成されます。

イングランドの高速道路の写真 /

地理情報システム (GIS) を使用すると、データを道路地図上の特定の地点にリンクできる可能性が広がります。 個別のサブシステムは直接モーション制御を行います。 それらの数、複雑さ、相互作用のレベルは、タスクに応じてモデルごとに異なる場合があります。

たとえば、中国の廊坊市では、信号規制、交通情報の収集、監視と通知、公用車両の地理位置情報測定、およびその他のコンポーネントのサブシステムが動作しています。 ルーマニアのティミショアラでは、すでに説明した要素に加えて、公共交通機関とナンバープレート認識を優先するためのサブシステムが導入されました。

トラフィック フローを「スマート」に分散するシステムは、さまざまな要素によって複雑になる場合がありますが、その主なものは、受信データに基づいてすべてのサブシステムを制御するプラットフォームです。 この観点からすると、自動車はスマートシティモデルの重要な構成要素です。 車両は（WayRay Navion などのデバイスを使用して）情報を受信し、特定の交通状況に適応できるだけでなく、車両自体が交通渋滞に関する有意義な情報のプロバイダーとして機能します。

私たちは、「スマート」シティの最も重要なサブシステムの構造をより詳細に検討することを提案します。

インテリジェントな監視および応答システム

監視はコマンド センターのバックボーンです。 事故をタイムリーに検出して対応することで、道路の安全が確保され、交通渋滞が軽減されます。 ユーザーは、ほとんどの場合、リアルタイムで流量負荷を表示する配色のマップ上でモニタリングの結果を確認します。

データソースは、車両が行動範囲内を移動するときに道路上の状況を自動的に分析するカメラと圧電センサーです。 スマート シティ エコシステムにおけるもう 1 つの監視方法は、Bluetooth デバイスなどからの無線信号に基づくストリーム トラッキングです。

「スマート」信号機

このサブシステムの動作原理は単純です。いわゆる「適応型」信号機は、位相変更の必要性を示す交通量を測定する手段を使用します。 交通の流れが困難な場合、自動車用信号機の青段階が通常より長くなります。 ピーク時には、交差点の信号機が位相を同期させて、交通に「緑の車線」を提供します。

「スマート」シティでは、分析のためにデータをアルゴリズムに送信する一連のセンサーによってシステムが複雑になります。 テキサス州タイラーでは、シーメンスのこの統合交通管理ソリューションにより、交通遅延が 22% 削減されました。 ワシントン州ベルビューの主要大通りの 1 つでは、適応型信号機が設置されて以来、ラッシュアワー時の移動時間が 36% 短縮されました。

これは、このサブシステムがその基本的な実施形態でどのように機能するかである。道路インフラストラクチャの要素の 1 つ、たとえば電柱に取り付けられた赤外線センサーが、車の流れの有無を検出する。 このデータはシステムへの入力として機能し、赤、緑、黄の段階の出力信号を生成し、各道路の車両数に基づいてサイクル タイムを制御します。

出力信号と同じ情報を道路利用者に伝えることができます。 適応型信号機は、ビデオ録画ツールが信号ビーコンをオンにした移動車両を救急車またはパトカーとして認識する場合、緊急モードで動作することもできます。 この場合、社用車のルートを横切る車は信号が赤に変わります。

トラフィック量を認識するカメラは、システムへの受信データのソースとしても機能します。 「スマート」都市の複雑なモデルでは、道路上の状況に関するカメラからの情報が、アルゴリズム処理のためのソフトウェア環境と制御システムに同時に送信され、そこで視覚化されて指令センターの画面に表示されます。

「スマート」信号機のバリエーションもあります。 たとえば、人工知能テクノロジーは、単一のエコシステム内の信号機の調整を改善します。 この場合、サイクルはセンサーやカメラによってもトリガーされます。 AI アルゴリズムは受信したデータを使用してサイクル タイミング、経路に沿った効率的な流れを作成し、次の信号機に情報を報告します。 ただし、そのようなシステムは分散化されたままであり、各信号機はフェーズの継続期間について「独自の決定を下します」。

南洋理工大学の研究者は今年、機械学習に基づくトラフィック分散アルゴリズムを導入しました。 この場合のルーティングにはいくつかのニュアンスがあります。トランスポート システムの現在の負荷と、いつでもネットワークに入る可能性がある追加負荷の原因となる予測される未知の値が考慮されます。 さらに、このアルゴリズムは、各ノード、つまり交差点でネットワークをアンロードする役割を果たします。 このようなシステムは、人工知能信号機と組み合わせることで、一般的な都市問題の解決策となる可能性があります。

スマート信号機はドライバーにとって重要な役割を果たします。これは、交通渋滞を軽減するという明らかな効果だけでなく、WayRay Navion などのユーザー デバイスでドライバーが受け取るフィードバックによっても重要です。 たとえば、東京のドライバーは赤外線センサーからの信号を直接ナビゲーターに受け取り、ナビゲーターがこれに基づいて最適なルートを構築します。

「スマート」な駐車場

駐車スペースの不足やその非効率な使用は、国内だけの問題ではなく、都市インフラの課題であり、交通渋滞のもう一つの原因でもあります。 Navigant Research によると、世界中のスマート パーキング スペースの数は 2026 年までに 110 万台に達すると予想されています。 空きスペースを見つけてユーザーに通知する自動システムによって、通常の駐車場とは区別されます。

この問題に対する解決策の 1 つとして、ライス大学のチームは、空席を検索するために分単位で写真を撮るカメラを使用するモデルを開発しました。 その後、物体検出アルゴリズムを使用して分析されます。 ただし、スマート シティ エコシステム内では、このソリューションは最適ではありません。

「スマート」駐車システムは、各場所のステータス (「占有/空き」) を把握するだけでなく、ユーザーをその場所に誘導できる必要があります。 IT 企業 Maven Systems のシニア ビジネス アナリストである Devavrat Kulkarni 氏は、これにセンサーのネットワークを使用することを提案しています。

彼らから受け取った情報はアルゴリズムによって処理され、アプリケーションまたは他のユーザー インターフェイスを通じてエンド ユーザーに提示されます。 駐車時にアプリケーションに車両の位置情報が保存されるため、今後の車両の検索が容易になります。 このソリューションは、ローカルなソリューションと呼ばれ、たとえば個々のショッピング センターに適しています。

この分野における本当に大規模なプロジェクトが現在、米国のいくつかの都市で実施されています。 LA エクスプレス パーク スマート パーキング イニシアチブはロサンゼルスで開催されています。 このアイデアの実現を担当する新興企業の StreetLine は、機械学習手法を使用して、センサーや監視カメラなどの複数のデータ ソースを 1 つのチャネルに結合し、駐車スペースの占有状況に関する情報を送信します。

このデータは、市全体の駐車システムとの関連で検討され、意思決定者に渡されます。 StreetLine は、駐車に関連するすべてのデータ ソースと連携するための SDK、自動ナンバー プレート認識システム、および API を提供します。

インテリジェント駐車システムは、交通密度の管理にも役立ちます。 このような決定の中心となるのは、事前に交通を規制するためのツール、つまり有料駐車ゾーンの料金の変更です。 これにより、特定の日の駐車スペースの負荷を分散し、交通渋滞を軽減することができます。

エンドユーザーにとって、空きスペースとより安い料金に関するデータは、旅行の計画に役立ち、全体的な運転体験を向上させます。ウェアラブルまたは車載デバイスを使用すると、ユーザーは駐車スペースの見つけ方に関する実用的なリアルタイムのガイダンスを受け取ります。

モーションコントロールの未来

私たちが検討した 3 つの主な要素は、現代の都市の道路状況を大幅に軽減できる既製のエコシステムです。 しかし、未来のインフラは主に未来の輸送のために作られています。 自動化された監視、駐車、管理システムにより、自動運転車への移行が促進されています。

ただし、ここでもすべてがそれほど単純であるわけではありません。現在「スマート」都市で使用されているインフラストラクチャは、単純にドローンを必要としない可能性があります。 たとえば、マサチューセッツ工科大学の研究者らによると、今日でも信号機の位相を変えることが意味があるのであれば、無人車両は私たちが慣れ親しんでいる信号、つまり車両の速度と停止をまったく必要としないことになるという。交差点での誘導はセンサーにより自動で行われます。

ドローンが従来の車を道路から駆逐した後は、最先端の交通管理システムでさえも世界的な近代化を乗り切る可能性が高く、信号機や交通カメラ、スピードバンプのない新しい世界が訪れることになるでしょう。 しかし、今のところ無人車両への完全な移行は考えにくい。 しかし、「スマート」シティの数の増加は非常に現実的な見通しです。

と円周率とわかりましたと○にRあシュenそして番目そして○b○hnあhenそして番目, VとTRエッチあゆうシュそしてバツと私VTeにとTe

あRM– 自動化された職場。

交流とでD– 交通管制施設の集合システム。

交流でD– 自動交通管制システム。

交流でD- と– PCベースの自動制御システム。

でPで– リモートコントロールパネル;

GについてRについてD、GについてRについてD- M, GについてRについてD- M1 - コンピュータを使用した自動交通管制システムの名称。

直流– 道路管制官;

Dによるで– ディスプレイコントロールパネル;

DP- 制御室;

DTP- 交通事故;

DTと– 道路交通ネットワーク。

DT– 輸送検出器;

DU– 制御をディスパッチする。

そしてP– エンジニアリングコンソール; そしてR– 誘導ループ; そしてC– センターシミュレータ;

KDA– 制御および診断装置。

にRC– 地域センターのコントローラー; にTと- 一連の技術的手段。 ク– 調整された管理。 Mnとバツ– ニーモニック;

Pに– 調整プログラム;

Pク– 制御および管理パネル。

PEでM– パーソナル電子コンピュータ;

Rで- 手動制御;

とMEP– 専門の設置およびメンテナンス部門。

とについて– 信号機のオブジェクト。

テレビP- 歩行者用コールボード;

TE– 輸送ユニット（車）;

Tそして– テレメトリ;

TKP– 共同使用のためのスコアボード。

TP- 交通流;

Tと– テレシグナリング;

TSク– 協調制御の遠隔機械システム。

Tで– 遠隔制御;

ででに– 制御コンピュータ複合体。

で直流– 街路および道路網。

オーストラリアH– 規制された道路標識。

でいいえTP– 交通の流れに関する情報を蓄積する装置。

でP- コントロールポイント;

でとに- 推奨速度のインジケーター;

CでP- 中央制御室。

1. 交通管理の基礎

1.1. コントロールオブジェクトとしてのトランスポートストリーム

ASUD の制御対象は交通の流れであり、交通の流れは、強度、速度、流れの構成、流れの間隔、その他の指標など、動きのプロセスを特徴付ける一連の特徴によって記述されます。

トランスポート ストリームには、システム内のコントロールを選択するときに考慮する必要がある明確な特性があります。 したがって、トラフィック フローの最も重要な特徴のいくつかを考慮します。

1 . 1 . 1. とV痛いセントVあ Tラns以来トン○G○ によるT○にあ

まず、都市における車両交通の現地調査では、交通網への車両の流れが不均一であるために、交通の流れの特性が日中に大きく変化することが示されています。 これは、コントロール オブジェクトの動作の動的な性質です。

第 2 に、同じ流量パラメータを 1 日の一定時間間隔で毎日定期的に測定することで、車両の移動プロセスの統計的性質がわかります。 制御オブジェクトの確率的な動作は、交通の流れが、さまざまな種類の車両を使用し、さまざまな移動目標 (時間的および空間的) を持った個々の交通参加者から形成されるという事実によるものです。

第三に、車両の動きには決定論的な傾向が存在するため、これらの統計的な動きのパターンは安定しています。 実際、旅行の大部分は定期的で、頻繁に行われます。

恒久的なルート（出張、公共路線輸送、貨物輸送）で実施されます。 異なる目標と異なる精神生理学的特性を持つ参加者の相互作用の結果であるフローの集合的な動作は、大数の法則に従い、車両の動きの確率的特性を安定させます。 交通ネットワークに混乱がなくなることで自動制御システムの機能が可能になり、ひいては交通プロセスのさらなる安定化に貢献します。

第 4 に、管理の原則を主に決定するトラフィック フローの最も重要な特性は、慣性です。 慣性は制御オブジェクトの継続的な特性として理解されます。

時間と空間の中で状態から状態へと移動します。 実際、特定の時点で測定された輸送ユニットの移動パラメータは、各ユニットの速度が有限で明確に定義されており、この間隔で検出できるため、短期間に大幅に変化することはありません。交通ネットワークの限られたセクション。 この特性は、まず、流れの平均パラメーター (強度、速度、密度、間隔) が時間と空間で連続的に変化するという事実に現れます。 流れ内の「パック」の存在は、隣接する交差点を通過する際の流れの構造の変動性が低いことの結果でもあります。 連続する車両間の間隔を変更する際の慣性の結果。 制御オブジェクトの慣性は、その特性の小さな間隔での変化を予測できる可能性を示します。

第 5 に、リストされているすべての特性は、車両の相互依存的な動きの結果として現れます。 この相互依存関係は主に、個々の高速道路や交差点での交通状況の小さな変化（車道の狭さ、気象条件の変化、交通信号違反）が、これに限らず交通の性質の急激な変化につながる場合があるという事実で表されます。セクションだけでなく、遠くの高速道路や都市の交差点でも。 規制されたトランスポート ノードの接続は、別の交差点で発生した交通渋滞がネットワークの重要なセクションに広がるネットワーク飽和モードで特に強力になります。 ネットワーク接続は複雑で、予測できない場合があります。 接続特性が強いほど、制御問題を解決するときにネットワークのより大きなセクションを考慮する必要があり、制御オブジェクトを個々の交差点としてではなく、相互接続されたすべてのトランスポート ノードとして理解する必要があるため、このタスクはより困難になります。

相互依存要因は、輸送路に沿った車両の移動やネットワークの交差点を通過する車両の移動が制限されている状況にも現れます。 交通の流れの中で車の安全かつ迅速な移動を確保するために、ドライバーは実際の交通状況に応じてさまざまな操作を実行する必要があります。 その結果、個々の車両の移動パターンは、ストリーム内の全体的なインタラクションの結果として考えることができます。 結果として得られるインタラクションの特性はシステムの初期パラメータであり、これに従って特定のコントロールを割り当てる問題が決定されます。

動き。

1 . 1 . 2. と○セントオヤどちらでもない私 Tラns以来トン○G○ によるT○にあ

道路交通の典型的なケースについてさらに詳しく見てみましょう。 実験的研究と理論的研究により、質的に異なる 3 つの状態を選び出す根拠が得られ、これらを次の状態と呼ぶことに同意します。 とV○b○dnsメートル, GRでぽあなたメートル そして あなた良いそしてdjpnsメートル .

交通量が少なく、道路の容量が妨げられない移動を制限する要因ではない場合、車両の速度は自由移動の速度に近くなります。 自由移動モードにおける輸送ユニット間の相互作用は無視できるほど小さいです。 自由な輸送フローの状態は、個々の輸送ユニットの独立した動きだけでなく、この場合合計される流れ内のユニット間の間隔によっても特徴付けられます。 多数の実験作品と極限定理

キューイングによれば、自由ストリームの間隔の分布は指数関数に近いため、時間または空間の特定の間隔におけるストリームのトランスポート ユニットの到着数はポアソンの法則で記述されます。 流れの自由状態は、実際の輸送ネットワークで、供給交差点から 800 m 以上離れたセクションで交通量がほとんどない輸送ネットワークで観察されます。

グループの運動モードを考慮すると、別の状況が見えてきます。 車両の集団交通は、道路と交差点の容量がすでに交通状況に大きな影響を与えている場合、交通量がわずかに多くなるときに発生します。 速度を維持するために、高速自動車のドライバーは追い越しをしたり、立て直したりする必要があります。

およびその他の操作。 フリートラフィックモードでは、ストリーム内での追い越しは、トランスポートユニット間の相互作用をほとんど、またはまったく行わずに実行されます。 グループ移動は、移動中のユニット間の最大限の相互作用、強制操作の最大強度によって特徴付けられます。 その結果、交通の流れ全体が、低速の先頭車両の速度を持つ一連のキューに分割されます。 同時に高速輸送ユニットの速度も低下しています。 さて、列内の連続する車間の距離が安全距離、つまり安全距離に近いため、車両の動きはポアソンの法則では説明できません。 指数分布には従わない。 グループ フローの典型的な例は、交差点から 20 ～ 30 m 後方に位置するスパンの断面で観察される車両の動きです。 発生する流れの中での決裂

輸送ユニットが交差点を通過した後、ステージに沿って移動する際、輸送ユニットは比較的ゆっくりと「バラバラ」になり、検討中のセクション内の流れは依然として顕著なグループ形式を保っています。

交通量が増加し、道路の容量に達すると、低速車を高速車が追い越す条件がより困難になり、グループ交通モード中に形成された列が長くなり、事実上単一の列に合流します。 同時に、流れの中の車両の速度は揃えられ、最も遅い車両の速度に近くなります。流れの中の輸送ユニット間の間隔は、安全な移動距離と等しくなり、決定論的に近くなります。 この動作モードを強制と呼びます。

コントロール オブジェクトのもう 1 つの特徴は、その中に開発トレンドが存在することです。 制御対象の量的変化

モータリゼーションの自然発展に伴う規制交差点の新設、各レベルのインターチェンジの建設、車両の動特性の向上、規制区域内の交通組織の見直し（右折運転の導入と廃止）移動の禁止、一方通行の導入、貨物輸送のための一部道路の通行禁止、駐車の禁止と許可など）。 これらの量的な変化は、原則として、フローの構造、ネットワークの個々の交差点の接続性の程度、規制されたネットワークの規模の変化につながります。これにより、統治機関の質的な再構成が必要となり、特定の交差点の制御アルゴリズムの種類の改訂。 したがって、モーション制御システムは、制御対象に対して必然的に「柔軟」である必要があります。

1 . 1 . 3. Rあと等ede私jpつまり VReメートルエンsバツ そしててRVあ私ov

ほとんどの研究者は、高速道路のかなり長いセクションの交通の流れを考慮して、時間間隔を説明するために形式の複合分布を使用します。

F (d t ) =

あ L-b1 S +

B L-b2 S

+ C L-b3 S

ここで、説明の 3 つのコンポーネントはそれぞれ、フローの特定の部分を定義します。

ü あ L-b1 S

ü B L-b2 S

- 自由に動く;

– 部分的にはスティッチノスコウンティアンナイ。

ü CL-b3 S TP の関連部分です。

3 つの係数のそれぞれ あ, で, と トラフィック強度が 3 つの状態のいずれかにある割合を意味するため、それらの合計

分布 (1.1) は、連続運動の高速道路での TP を非常によく表しています。 都市に関するTP記述の問題を考える

信号機が設置されている道路の方が分析が適切です。

規制された交差点が遠ざかるにつれて、車の群れ内での時間間隔の分布。 このアプローチは、群れが徐々に崩壊するという問題の解決、ひいては調整された交通制御を組織する可能性と密接に関係しています。

一部の研究者による実験では、正規化された Erlang 分布がバースト内の時間間隔を記述するのにより適していることが示されています。

F (d t ) =

l ( K + 1)

k

L l ( K + 1)d t . (1.2)

カテマ

分散の場合:

M k

D k =

1 . (1 . 3)

1 . (1 . 4)

l 2 ( K + 1)

この分布は、さまざまな条件が与えられるという事実によって裏付けられます。 K、任意の程度の結果を取得できるため、パック内の流れのつながりの程度を反映します。 パック崩壊の影響は、パック l 内の平均トラフィック強度と分散順序の依存性を決定します。 K パックの距離から出口交差点までの距離。 実験研究では、l と K パックが運搬物から遠ざかるにつれて、指数依存性によって適切に近似されます。

- H L

私 n (L n ) = l + ( 私 n エース

L c ) L 1

n . (1.5)

K = [

K c + (K

の上 と

- K c

) L - H 2 L n

ここで、l はストリーム全体に沿った平均トラフィック強度です。

私 n あ と –

交差点からの出口における集団内の強度。

L n - 距離

交差点からのパック。

K n あ と – 最大のポートレート

E. N G -d La Pa と Chk、そして、SO PEL K R Yus TK A のシャースにある TOL EO に 1 人。 K c

- 注文

フォント マウント マウントのフォワー ター ディスティネーションとしての英語

パックの結合。

H 1 , H 2 – 降圧崩​​壊係数

私 n (私 n )

そして K ;

角括弧内は式の整数部分です。

実験によると、交差点を出たばかりのパックの場合、値は K=9.

ハリコフ、ミンスク、クラスノヤルスク、ニジニ・ノヴゴロドなどの都市でASUDを活用した実践研究を実施

80 ～ 90 年かけて、交通流に関する代表的な統計を取得できるようになりました。

さまざまな強度での間隔の分布と車間の最小許容間隔を分析すると、交通の流れの中に 3 つの車のグループが存在することがわかります。

車両は自由に移動し、8 秒以上の間隔で互いに影響を与えません。

−1.5間隔で移動する部分連結車両 -

8.0秒; 間隔の配分は、個々の車両のドライバーが流れの中で操縦する機会が得られるようなものです。

ü フローの接続部分。 この場合はいつも

1.0 ～ 1.3 秒程度の短い間隔のみが観察されます。

実際には、車線ごとに 1 時間あたり最大 300 台の速度で自由に移動する車が観察されます。 部分的に繋がれた車両は、1 車線あたり 1 時間あたり約 300 ～ 600 台の割合で観察されます。 拘束交通は、1 車線あたり 1 時間あたり 600 台以上の車両で発生します。

輸送システムの重要なタスクの 1 つは、輸送および道路複合体の管理において最大限の効率を確保することです。 これを行うには、情報を表示する手段を含む最新のソリューションを使用する必要があります。 この記事では、三菱電機のデバイスを使用して交通情報を実証したいくつかのプロジェクトについて説明します。

交通管制センターの耐用年数は平均して少なくとも 10 年です。 この間、ITS 開発者はリソースを使い果たしたコンポーネントをアップグレードするという問題に必然的に直面することは明らかです。 しかし、既存のインフラを再構築するのはそう簡単ではありません。 ユニバーサル デバイスの作成は、ゲームのルールの変化やテクノロジーの発展に適応できるようにするための重要なアプローチです。

コントロールセンターで使用される情報表示システムに普遍性の原則をどのように実装できるでしょうか? この問題に対する 1 つの解決策は、ハードウェアへのモジュール化アプローチです。ディスプレイは単一の実体としてではなく、交換可能なコンポーネントで構成されるサブシステムとして考慮されます。

現在、最新のコントロール センターのほとんどは、DMD テクノロジー (Texas Instruments が開発) に基づいて構築されたリア プロジェクション DLP キューブを使用しています。

三菱は、汎用性の原則に従って、共通のアーキテクチャと同じコンポーネントのセットに基づいた最新技術を使用したさまざまなディスプレイおよび関連機器を開発しました。 特に、70 および 120 シリーズ システムは、さまざまなサイズと構成の DLP キューブと薄型ベゼル LCD で構成されています。 パーソナル コンピュータの構成を決定する場合と同様に、ユーザーは機器を注文するときに、システムを構成するコンポーネントを指定でき、ニーズの変化に応じてアップグレードすることができます。 一例は投影ユニットです。 2 年前、三菱電機は、既存の水銀蒸気ビデオ ウォールを最新の高輝度 LED システムに置き換えることを可能にする DLP プロジェクターの新製品ラインを発売しました。 このテクノロジーにより、画質が向上し、既存のシステムの寿命が大幅に延長され、メンテナンスコストが最小限に抑えられます。

水銀ランプの平均寿命は 6,000 時間で、24 時間 365 日稼働させても 1 年未満です。 ランプの平均コストは 1,000 ユーロであり、これには多額の運用コストがかかります。 対照的に、三菱電機モデル 50PE78 LED キューブの期待寿命は 100,000 時間で、24 時間 365 日の連続稼働で 10 年以上です。 LED キューブを低騒音空冷ファンと組み合わせて使用​​し、同じく 100,000 時間の動作定格を備えているため、動作寿命のほとんどの間、ディスプレイの定期メンテナンスが実質的に不要になります。 さらに、LED バックライト付き DLP キューブは、より広い色域を提供し、寿命を通じて一定の色温度を維持します。 これは、色の再現性と安定性の向上を意味します。

イタリアのプロジェクトは、エンジニアが多用途のディスプレイ システム コンポーネントを使用してインフラストラクチャの制約を回避する方法を示す良い例を提供します。

アウトストラーダ デル ブレンネロは、モデナからブレンナー峠 (イタリアとオーストリアの国境) までの高速道路 A22 の運営会社です。 同社は、コントロールセンターの現在のアナログ表示システムが時代遅れで維持費が高すぎると考え、最新のデジタル技術でアップグレードすることを決定した。 当時存在していた 200 台のアナログ カメラを備えた制御システムと、それを制御するために設計されたソフトウェア プラットフォームは非常に効率的でした。 さらに、同社は追加コストの発生や、オペレーターの再訓練のためにオペレーターが仕事から切り離されることを回避しようとしました。 ハードウェアとソフトウェアの統合会社である 3P Technologies は、最新のディスプレイ技術と既存の制御システムおよびソフトウェア プラットフォームを組み合わせたソリューションを開発しました。

A22 高速道路の制御室 (図 1) は、複雑でハイテクな交通管理システムの中心であり、光ファイバー ケーブル、無線チャネル、有線で接続された約 200 台のビデオ監視カメラ、モニター、緊急ポイントが含まれています。通信回線。 このシステムは特別に設計されたソフトウェア プラットフォームによって制御されており、事故が発生した場合にオペレーターが入力データやカメラからダウンロードされた情報を制御できるようになります。 このシステムには、交通イベントの自動記録 (AID) という革新的な機能も搭載されており、カメラやセンサーからのデータを分析し、緊急事態に自動的に対応することが可能になります。 音声信号に加えて、システムは出来事を記録し、その直前に起こった出来事を記録します。 これにより、オペレーターはインシデントをダイナミクスで復元できるようになります。

米。 1. A22高速道路管制塔

アップグレード プロジェクトを開発する際の主な問題は、システムの制御に使用されるディスプレイでした。 このディスプレイはアナログ LCD 画面で構成されていましたが、必要な種類と量の情報を処理できず、運用コストも高くつきました。 既存のシステムは三菱電機 70 シリーズ LED キューブ ビデオ ウォールに置き換えられ、管理の品質と効率が向上し、メンテナンス コストが削減されました。

Bilfinger-Mauell の X-Omnium プロセッサは、ディスプレイの駆動に使用され、コンテンツの表示方法と表示場所に多用途性を提供しました。 以前はオペレータは表示サイズの点で制限されていましたが、現在では画面上のどこにでもウィンドウの形式でコンテンツの表示を整理できるようになりました。 同時に、Crestron タッチ スクリーン コントローラーにより、オペレーターは 3P Technologies が開発したシンプルなタッチ インターフェイスを使用して既製のシナリオを呼び出すことができます。

5 つの Bilfinger-Mauell デコーダは既存のアナログ カメラ システムへのインターフェイスを提供し、オペレータが使い慣れたパン/チルトおよびズーム コントロールを使用できるようにします。 X-Omnium コントローラーを使用すると、利用可能なトラフィック制御ソフトウェア パッケージを使用してディスプレイ自体を制御できることに注意することが重要です。

プロジェクトのもう 1 つの例は、スペインとフランスの国境にある東ピレネー地域のアンドラにあるセナトラ交通監視センター (図 2) です。

米。 2.交通監視センター「セナトラ」

アンドラ公国は、数多くのスキー場があるため、ヨーロッパで最も人気のある冬の観光地の 1 つです。 交通量の多さ（1 日あたり最大 27,000 台の車両）と冬季の状況による極度の警戒の必要性により、センターのディスプレイ システムと 60 台のネットワーク カメラが 100 km の幹線道路と 150 km の補助道路の信頼性の高いセキュリティ監視に不可欠となっています。センターの管轄下にあります。 これには三菱電機のDLPキューブも使用されました。

別のプロジェクトに移りましょう。 2015 年、ハイウェイズ イングランドはサウス ミムズにあるイースト地域管制センターの能力を拡張しました。 同社の 7 つの地域センターの中で、東部のセンターは最大規模の 1 つです。 M25 の南部セクションや M40、M1、M4 の多くのセクションなど、ヨーロッパで最も交通量の多い道路の交通管理を担当しています。

制御室の中央の場所 (図 3) には、20 台の装備されたオペレーター ワークステーションが収容されており、大きなビデオ ウォールが占めています。 そこから、オペレーターは 870 台の道路ネットワーク カメラのいずれかを表示したり、他の道路局からのビデオやデータ ストリームを表示したり、一時的に設置されたカメラから直接ブロードキャストを受信したりできます。

米。 3. 東部管制センター管制室

東部地域コントロールセンターは年中無休で稼働しています。 センターの拡張の一環として、ビデオ ウォールを最新化することが決定され、プロジェクトの実装には Electrosonic が選ばれました。 このプロジェクトの主な目的は、より高性能のディスプレイの設置とともに、ビデオ ウォールの運用コストを大幅に削減するために最新のテクノロジーを導入することでした。

実装されたシステムは、8×3 構成で対角 67 インチの三菱電機 DLP ビデオ キューブ モデル VS-67PE78 に基づいています。 これにより、メイン ビデオ ウォールの解像度を XGA から SXGA+ に高め、輝度を向上させ、LED 光源やその他のコンポーネントの耐用年数を最大 100,000 時間まで大幅に延長することができます。

説明されているプロジェクトは、システムを設計するエンジニアは、特に来るべきマシンツーマシン通信の革命を考慮して、普遍性の原則を最前線に置く必要があることを示しています。

交通管理は、最適な交通モードの形成を目的とした一連の対策です。

建築辞典.

他の辞書で「トラフィック管理」が何であるかを確認してください。

交通管制センター- オリンピックの交通の流れを一元的に管理し、FND「交通機関」、地元の交通サービス、法執行機関の業務を調整するオペレーションセンター。 [組織委員会言語サービス部門…… 技術翻訳者向けハンドブック

英語 ブータン王立警察の報道 ... ウィキペディア

くどい- 交通管制センターTSUDD中央交通管制 出典：http://www.logistic.ru/news/2008/4/4/17/108201.html ...

QNX 6 デスクトップ (Neutrino) by ... ウィキペディア

- (DAAT) (2003 年まではドネツク自動車大学) 私立の高等教育機関。 以下の分野と専門分野のトレーニングを提供します: 方向「自動車輸送」。 機械技術者資格 ... ... Wikipedia

この用語には他の意味もあります。「シドニー (意味)」を参照してください。 シドニー市 シドニー ... ウィキペディア

ドネツク道路交通アカデミー (DAAT) (2003 年まで) は私立の高等教育機関です。 次の分野と専門分野のトレーニングを提供します: 方向「自動車輸送」. ... ... ウィキペディア

- (dji di ef、ロシア語で地理データ ファイルと発音) または GDF 地理データ交換形式。 一般的な GIS 形式とは異なり、GDF はデータの記録と表示に関する詳細なルールを提供するだけでなく、包括的なルールも提供します。

オーストラリア- (オーストラリア) オーストラリアの歴史、オーストラリアの国家的象徴、オーストラリアの文化、オーストラリア行政府と立法府、オーストラリアの気候、オーストラリアの天然資源と野生動物、オーストラリアの主要な経済中心地…… 投資家の百科事典

UDD- 交通管理輸送... 略語と略語の辞書