Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Введение

Рост количество автомобилей, и как следствие увеличение их числа на дорогах крупных городов становиться все более и более важной проблемой на сегодняшний день. Большое скопление центров притяжения людских масс в центре большинства мегаполисов ведет к усложнению управления УДС и удорожанию ее содержания. Многие города мира не справляются с ежедневными транспортными вызовами и стоят в многокилометровых пробках день ото дня.

При этом, потребность населения в транспортном обеспечении продолжает расти. Следовательно, без должных мер ситуация движется к тупиковому финалу. УДС спроектированные под меньшую нагрузку не справляются и требуют модернизации и оптимизации. На сегодняшний день городу требуются не только хорошие, грамотно смоделированные, а затем построенные дороги, но и их качественное управление. Так же во многом, прежние способы управления дорожным движением устаревают, и не успевают за растущим городом, а разнонаправленность потоков требует динамического управления и интеграции инновационных систем для улучшения транспортной обстановки, и в частности в Москве. Вся система строительства УДС и ее управления нуждается в изменении посредствам новых технологий, в том числе и математического моделирования, позволяющего прогнозировать поведения УДС, вносить корректировки в ее конфигурацию и многое другое. Именно поэтому резко возрастает потребность в альтернативных, а также - в любых дополнительных источниках информации о состоянии дорожного движения. Уже сейчас внедряются новейшие комплексы и системы по сбору и обработке данных.

В первой главе приводится краткий анализ сложившейся транспортной ситуации в городе Москве, анализ получения и использования метрических данных автомобилей при помощи сервиса «Яндекс.Пробки», произведен анализ полезности таких данных и возможности их использования. В конце главы приведены теоретические сведения о дорогах, их классификации, а так же о том, что такое транспортные потоки и их основные характеристики, а так же произведена постановка задачи

Во второй главе произведен выбор «подопытного» участка УДС, рассмотрены его основные проблемы при помощи тепловой карты «Яндекс.Пробки», а так же исходя из постановки задачи, предложены меры по улучшению транспортной обстановки на данном участке УДС.

В третьей главе изложено подробное обоснование предлагаемых изменений при помощи компьютерного моделирования и сравнения двух моделей УДС, и их параметров. Создана компьютерная модель на основе реально выбранного участка, проанализированы проблемы и данные, после чего создана компьютерная модель с внесенными изменениями, предложенными во второй главе. Проведен сравнительный анализ данных двух моделей, позволяющий сделать вывод о том что внесенные изменения приведут к улучшению движения на данном участке.

Объектом исследования являются транспортные потоки на улично-дорожной сети городов.

Предметом исследования является возможность использования компьютерного моделирования для решения реальных практических задач.

Научная гипотеза состоит в предположении о возможности применения реальных данных в компьютерной модели, с дальнейшей ее (модели) модернизацией, и получения результатов улучшения, с высокой вероятностью являющихся достоверными и применимыми на практике

Целью исследования является рассмотрение одной из проблемных радикальных магистралей Москвы, создание ее компьютерной модели, сравнение поведения модели с картиной на практике, внесение улучшений и изменений в структуру УДС и дальнейшее моделирование измененной УДС, с целью подтверждения улучшения обстановки на данном участке.

Достоверность результатов проведенных в работе исследований обеспечивается экспериментальным подтверждением основной гипотезы, согласованностью результатов теоретических исследований, получаемых на основании анализа разработанных математических моделей для расчета основных параметров УДС, с результатами проведенных исследований.

1 Анализ текущего положения и постановка задачи

1.1 Обоснование актуальности проблемы

Ни для кого не секрет, что многие крупные мегаполисы мира испытывают огромные проблемы в транспортной сфере. Транспорт в мегаполисе играет огромную связующую роль, именно поэтому транспортная система мегаполиса должна быть сбалансированной, легко управляемой и быстро реагирующей на все изменения в трафике движения в городской черте. Фактически, мегаполис это городская агломерация с огромной концентрацией машин и людей, в которой автомобильный транспорт (личный и общественный) играет огромную роль, как и в перемещении самого населения, так и в общей логистике. Именно поэтому грамотное управление транспортной системой мегаполиса играет огромную роль в его деятельности.

С каждым днем растет потребность населения в транспортном обеспечении, как при помощи общественного транспорта, так и личных автомобилей. Логично предположить, что с увеличением количества транспорта в мегаполисе, должно пропорционально расти количество дорог, развязок и паркингов, однако развитие улично-дорожной транспортной сети (УДС) не успевает за темпами автомобилизации.

Напомним, что по данным статистики количество автомобилей на душу населения неуклонно растет (Рисунок 1.1).

автомобильный транспортный поток компьютерный

Рисунок 1.1 Количество автомобилей на 1000 человек в Москве

При этом УДС Москвы не готова к таким темпам роста автомобилизации в городе. Помимо личного транспорта в городе, должна быть решена проблема общественного транспорта и пассажироперевозок в Москве. По данным государственной транспортной программы всего 26% пассажиропотока приходиться личный транспорт и 74% на транспорт общественный. При этом, общий годовой объём перевозок в 2011 г. cоставил 7.35 млрд. пассажиров, и по прогнозам будет расти, и в 2016 году составит до 9.8 млрд. пассажиров в год. При этом планируется, что всего 20% от этого числа пассажиров будут использовать личный транспорт. При этом суммарно на личный и надземный общественный транспорт приходиться более половины пассажироперевозок в Москве. Это означает, что решение проблем автомобильного транспорта в мегаполисе играет большую роль для его нормального функционирования и комфортного проживания его жителей. Эти данные означают что без принятия адекватных мер к улучшению транспортной обстановки в Москве наш ждет транспортный коллапс, который итак медленно назревает в Москве последние годы.

Так же стоить заметить, что помимо проблем связанных с внутригородским перемещением пассажиров, четко видна проблема транспортных потоков маятниковой трудовой миграции, и потока автотранспорта (в основном грузового) идущего сквозь город. И если проблема транзитного грузового транспорта частично решается, путем запрета на въезд и перемещение в дневное время в городской черте грузовиков грузоподъёмностью свыше 12 тонн, то проблема перемещения пассажиров из области в городскую черту гораздо более глубока и тяжела в своем решении.

Этому способствуют несколько факторов, прежде всего расположение центров притяжения людских масс в городской черте. В частности расположение огромного числа рабочих мест и офисов большого числа компаний, расположение большого числа объектов инфраструктуры, культуры и обслуживания (в частности торговых центров, однако тенденция к их строительству в городской черте неуклонно снижается в пользу их расположения за МКАДом). Все это приводит к тому, что огромные людские потоки ежедневно в утренний час пик перемещаются из области в городскую черту и в вечернее время назад, в область. Особенно остро эта проблема стоит в будние дни, когда огромное число людей в утренний час пик спешат на работу, а в вечерний домой. Все это приводит к колоссальной нагрузке для вылетных магистралей, используемых в эти часы огромным числом пассажиров, перемещающихся как общественным транспортом, так и личным. Кроме того, в летний период к ним добавляются дачники, каждые выходные создающие огромные заторы на магистралях в область, а по прошествии выходных из нее.

Все эти проблемы требуют незамедлительного решения, путем строительства новых дорог и развязок, переноса центров притяжения людских масс и оптимизации управления уже существующей структурой УДС. Все эти решения попросту не возможны без тщательного планирования и моделирования. Так как при помощи прикладных программ и средств моделирования мы можем увидеть, какого эффекта мы сможем добиться, приводя в жизнь те или иные решения, и выбирать наиболее подходящие исходя из их стоимостной оценки и положительного эффекта влияния на УДС.

1.2 Анализ текущей транспортной обстановки в Москве при помощи веб-сервиса Яндекс Пробки

Рассматривая более подробно проблемы, изложенные выше, мы должны обратиться к существующим телеметрическим системам сбора информации о транспортной обстановке в Москве, которая могла бы наглядно показать проблемные зоны нашего мегаполиса. Одной из наиболее продвинутых и полезных систем в этой области, зарекомендовавшей себя своей эффективностью является веб-сервис «Яндекс Пробки», доказавший свою эффективность и информативность.

Анализируя данные предоставляемые сервисом в открытом доступе, мы можем провести анализ данных и предоставить фактическое обоснование проблем изложенных выше. Таким образом, мы можем наглядно увидеть зоны с напряженной транспортной обстановкой, наглядно рассмотреть тенденции к образованию заторов и предложить решение проблемы путем выбора наиболее оптимальной математической модели для решения задачи моделирования конкретной проблемной области, с дальнейшим получением результатов на основании которых возможно сделать выводы о возможности улучшения транспортной обстановки в данном конкретном случае. Таким образом, мы можем совместить теоретическую модель и реальную проблему, предоставив ее решение.

1.2.1 Краткая справка о веб-сервисе «Яндекс пробки»

Яндекс пробки - веб-сервис, занимающийся сбором и обработкой информации о транспортной ситуации в Москве и других городах России и мира. Анализируя полученную информацию, сервис предоставляет информацию о транспортной обстановке (а для крупных городов еще и выставляет «балл» загруженности транспортной сети), позволяя автомобилистам правильно составить маршрут поездки и оценить предполагаемое время в пути. Так же сервис предоставляет краткосрочный прогноз о предполагаемой транспортной обстановке в конкретное время, в конкретный день недели. Таким образом, сервис частично участвует в оптимизации ТП, позволяя водителям выбирать маршруты объезда не охваченные затором.

1.2.2 Источники данных

Для наглядности представим, что мы с вами -- ДТП на Страстном бульваре перед Петровкой (небольшое и без жертв). Своим появлением мы перегородили, допустим, два ряда из существующих трех. Автомобилисты, которые двигались по нашим рядам, вынуждены объезжать нас, а водители, перемещавшиеся по третьему ряду, -- пропускать объезжающих. Некоторые из этих автомобилистов -- пользователи приложений Яндекс.Карты и Яндекс.Навигатор, и их мобильные устройства передают Яндекс.Пробкам данные о движении автомобиля. По мере приближения машин пользователей к нашему ДТП их скорость будет уменьшаться, и устройства начнут «сообщать» сервису о заторе.

Чтобы участвовать в сборе данных, автомобилисту необходим навигатор и мобильное приложение «Яндекс.Пробки». Например, если на дороге произойдет ДТП то какой-нибудь сознательный водитель, увидев наше ДТП, может предупредить о нём других автолюбителей, поставив соответствующую точку в мобильных Яндекс.Картах.

1.2.3 Технология обработки треков

GPS-приемники допускают погрешности при определении координат, что затрудняет построение трека. Погрешность может «сместить» автомобиль на несколько метров в любую сторону, например, на тротуар или крышу рядом стоящего здания. Координаты, поступающие от пользователей, попадают на электронную схему города, на которой очень точно отображены все здания, парки, улицы с дорожной разметкой и прочие городские объекты. Благодаря этой детализации программа понимает, как на самом деле двигался автомобиль. Например, в том или ином месте машина не могла выехать на встречную полосу или поворот был совершен по дорожной разметке, не «срезая» угол. (Рисунок 1.2)

Рисунок 1.2 Технология обработки треков

Следовательно, чем больше пользователей у сервиса, тем точнее информация о дорожной ситуации.

После объединения проверенных треков алгоритм анализирует их и выставляет «зеленые», «желтые» и «красные» оценки соответствующим участкам дорог.

1.2.4 Объединение данных

Далее происходит агрегация -- процесс объединения информации. Каждые две минуты программа-агрегатор собирает, как мозаику, информацию, полученную от пользователей мобильных Яндекс.Карт в одну схему. Эта схема отрисовывается на слое «Пробки» (Рисунок 1.3) Яндекс.Карт -- и в мобильном приложении, и на веб-сервисе.

Рисунок 1.3 Отображение пробок в Яндекс.Картах

1.2.5 Шкала баллов

В Москве, Санкт-Петербурге и других крупных городах сервис Яндекс.Пробки оценивает ситуацию по 10-балльной шкале (где 0 баллов -- свободное движение, а 10 баллов -- город «стоит»). С помощью этой оценки водители могут быстро понять, сколько примерно времени они потеряют в пробках. Например, если средний балл по Киеву равен семи, то дорога займет приблизительно в два раза больше времени, чем при свободном движении.

Шкала баллов настроена по-разному для каждого из городов: то, что в Москве -- небольшое затруднение, в другом городе -- уже серьезная пробка. Например, в Санкт-Петербурге при шести баллах водитель потеряет примерно столько же времени, сколько в Москве уже при пяти. Баллы рассчитываются следующим образом. По улицам каждого города заранее составлены маршруты, включающие в себя основные шоссе и проспекты. Для каждого маршрута есть эталонное время, за которое его можно проехать по свободной дороге, не нарушая правил. После оценки общей загруженности города программа-агрегатор рассчитывает, на сколько отличается реальное время от эталонного. На основе разницы по всем маршрутам и вычисляется загруженность в баллах. (Рисунок 1.4)

Рисунок 1.4 Обобщенная схема работы портала Яндекс.Пробки

1.3 Использование информации полученной при помощи веб-сервиса ЯндексПробки для нахождения проблемных зон в УДС

Обобщая полученную информацию, мы можем прийти к выводу о том, что сервис предоставляет весьма полезную информацию (как режиме онлайн, так и в режиме прогноза) о транспортной обстановке в Москве и других регионах, которую можно использовать в научных целях, в частности для идентификации проблемных зон, улиц и магистралей, прогнозировании заторов. Таким образом, мы можем выявить первичные проблемы как во всей УДС в целом, так и на отдельных ее участках, обосновать существование тех или иных транспортных проблем в УДС путем анализа информации полученной при помощи данного веб-сервиса. Исходя из данных первичной аналитики, мы можем построить первичную картину затруднений на УДС. Затем, используя уже средства моделирования и конкретные данные подтвердить или опровергнуть наличие той или иной проблемы, а затем попытаться построить математическую модель УДС с внесенными в нее изменениями (изменить фазы светофора, смоделировать новую развязку на проблемном участке и т.д.) и предложить вариант(ы) улучшения обстановке на заданном участке. После чего выбрать наиболее подходящее с точки зрения соотношения эффективности и стоимостной оценки решение.

1.4 Поиск и классификация проблем при помощи веб-сервиса Яндекс.Пробки

Данный веб-сервис можно рассматривать как один из методов улучшения управления дорожным движением (далее УДД) в Москве. На основе информации портала мы постараемся оценить проблемные зоны в УДС Москвы и предложить системные решения по улучшению УДД, а так же выявить тенденции к образованию заторов.

Рассматривая данные портала, мы должны провести суточную аналитику изменения загруженности дорог в Москве и выявить наиболее проблемные зоны. Наиболее подходящим для этих целей являются часы пик, когда нагрузка на УДС максимальна.

Рисунок 1.5 Средняя загруженность основных радиальных магистралей Москвы по часам в рабочие дни

Для подтверждения гипотезы о перегруженности УДС и наличия проблемы трудовой маятниковой миграции мы проведем анализ данных, как общего ген. плана Москвы с нанесенным «слоем» пробок, так и отдельных проблемных участков и рассмотрим динамику их движения.

Подавляющие большинство рабoчих мест в Москве начинает трудовую деятельность в 8-00 - 10-00 по Московскому времени, в соответствии с трудовым кодексом продолжительность рабочего дня при пятидневной рабочей неделе (самый распространенный вариант) составляет 8 часов, таким образом, мы можем предположить, что основная нагрузка на УДС, в соответствии с гипотезой о маятниковой трудовой миграции (МТМ) должны приходиться на отрезки времени, в утренние часы: с 6-00 (область - МКАД) и до 10-00 (ближе к основным местам сосредоточения рабочих мест в Москве) и с 16-00 - 18-00 (центр) до 20-00 (радиальные магистрали на вылет) в вечерние.

Рисунок 1.6 В 6-00 затруднений на УДС не наблюдается

Рисунок 1.7 Наличие затруднений при подъезде к Москве

Исходя из аналитики, в 7-00 мы имеем затруднения на подъезде к городу на основных радикальных магистралях в центр.

Рисунок 1.8 Затруднения на юге Москвы

Рисунок 1.9 Затруднения на юго-западе

Похожая картина наблюдается на абсолютно всех без исключения радиальных магистралях столицы. Максимальный балл в утренние часы был достигнут в 9:56 по московскому времени, заторы к этому времени сместили из окраин города к его центру.

Рисунок 1.10 9-00 - 9-56 утренний пик нагрузки на УДС

Рисунок 1.11 ТТК в 16-00

Улучшение транспортной обстановки в целом наблюдалось до 15-40 по МСК., обстановка « в центр» ухудшений не имела до конца дня. Общая обстановка имела тенденции к началу ухудшений с 16-00, улучшение же обстановки начались примерно с 20-00 по МСК. (Приложение А). В выходные дни проблемы на УДС практически не наблюдаются, а по градации портала Яндекс.Пробки «балл» не превысил «3» за все время суточного наблюдения. Таким образом, мы с уверенностью можем констатировать перегруженность города вследствие сосредоточения центров притяжения людских масс (рабочих мест) в его центре, и значительно лучшую картину в выходные дни, когда проблема МТМ отсутствует.

Делая промежуточные выводы, мы можем с уверенностью сказать, что основным направлением работы должно стать сокращение числа центров притяжения людских масс в центре города и ограничение проезда в данную зону, а так же увеличение пропускной способности основных радиальных магистралей. Уже сейчас правительством Москвы делаются шаги в этом направлении, путем введения платной парковки в центре Москвы и введения пропускной системы въезда в центр города транспортных средств (далее ТС) общей массой свыше 3.5 тонн.

Рисунок 1.12 Зона платной парковки в Москве

Анализируя полученные мы можем сделать вывод о том, что дорожные затруднения имеют однонаправленный формат в будни дни и одинаковую динамику начала и конца (в утренние часы с области, постепенно смещаясь в центр города, и наоборот в вечерние - из центра по направлению в область.

Таким образом, рассматривая данную тенденцию, мы можем сделать вывод о том, что введение динамического управления УДС жизненно необходимо, поскольку загруженность дорог имеет однонаправленный характер. При помощи интеллектуальных систем мы можем менять пропускную способность дороги в том или ином направлении (например, с помощью полосы реверсивного движения «включая» её в сторону, имеющую недостаточную пропускную способность), изменять и подстраивать фазы светофоров для достижения максимальной пропускной способности на участках с затруднениями. Такие системы и способы получают все большее распространение (например, реверсивная полоса на Волгоградском проспекте). Вместе с тем, «слепо» увеличивать пропускную способность проблемных участком нельзя, поскольку мы можем просто отодвинуть затор до первого места с недостаточной пропускной способностью. То есть, решение транспортных проблем должно нести комплексный характер, а моделирование проблемных участков не должно происходить в отрыве от всей системы УДС и проводиться комплексно. Таким образом, одной из целей нашей работы должно стать моделирование и оптимизация одной из проблемных радиальных магистралей Москвы.

1.5 Теоретические сведения

1.5.1 Классификация дорог в России

Постановлением Правительства Российской Федерации от 28 сентября 2009 года N 767 утверждены Правила классификации автомобильных дорог в Российской Федерации и их отнесения к категориям автомобильных дорог.

Автомобильные дороги по условиям движения и доступа к ним разделяются на следующие классы:

· автомагистраль;

· скоростная автомобильная дорога;

· обычная автомобильная дорога (не скоростная автомобильная дорога).

1.5.2 Автомобильные дороги в зависимости от расчетной интенсивности движения

Согласно СНиП 2.05.02 - 85 по состоянию на 1 июля 2013 года подразделяются на следующие категории (таблица 2):

Таблица 2

	Расчетная интенсивность движения, приведенных ед./сут.
IА (автомагистраль)
IБ (скоростная дорога)
Обычные дороги (нескоростные дороги)
		Св. 2000 до 6000
		Св. 200 до 2000

1.5.3 Основные параметры ТП и их взаимосвязь

Транспортный поток (ТП) - это совокупность транспортных средств, одновременно участвующих в движении на определённом участке улично-дорожной сети

Основными параметрами транспортного потока являются:

скорость потока?, интенсивность потока л, плотность потока с.

Скорость? транспортного потока (ТП) принято измерять в км/ч или м/с. Наиболее часто применяют единицу измерения км/ч. Скорость потока измеряют в двух направлениях, а на многополосной дороге скорость измеряют в каждой полосе. Для измерения скорости потока на дороге проводят сечения. Сечение дороги представляет собой линию, перпендикулярную оси дороги, проходящую через все ее ширину. Скорость ТП измеряют на участке или в сечении.

Участок представляет собой отрезок дороги, заключенный между двумя сечениями. Расстояние L, м между сечениями выбирают таким образом, чтобы обеспечить приемлемую точность измерения скорости. Замеряют время t, с прохождения автомобилем участка - временной интервал. Измерения проводят для заданного числа n автомобилей и вычисляют средний временной интервал?:

Вычисляют среднюю скорость на участке:

V = L / ?.

То есть, скорость транспортного потока является средней скоростью движущихся в нем автомобилей. Для измерения скорости ТП в сечении используют дистанционные измерители скорости (радар, лампа - фара) или специальные детекторы скорости. Замеряют скорости V для n автомобилей и вычисляют среднюю скорость на участке:

Используют следующие термины:

Средняя временная скорость V - средняя скорость движения автомобилей в сечении.

Средняя пространственная скорость? - средняя скорость проезда автомобилями значительного участка дороги. Она характеризует среднюю скорость транспортного потока на участке в некоторое время суток.

Время поездки - время, требуемое автомобилю на прохождение единицы длины дороги.

Суммарный пробег - сумма всех путей автомобилей на участке дороги за заданный интервал времени.

Так же скорость движения можно подразделить на:

Мгновенную Va - скорость, фиксируемая в отдельных типичных сечениях (точках) дороги.

Максимальную Vм - наибольшая мгновенная скорость движения, которую может развить транспортное средство.

Интенсивность движения л, равна числу автомобилей, проходящих сечение дороги за единицу времени. При высоких интенсивностях движения использует более короткие интервалы времени.

Интенсивность движения измеряется путем подсчета числа n автомобилей, проходящих через сечение дороги за заданную единицу времени T, после чего вычисляют частное л = n/T.

Дополнительно используют следующие термины:

Объем движения - число автомобилей, пересекших сечение дороги в заданную единицу времени. Объем измеряется числом автомобилей.

Часовой объем движения - число автомобилей, прошедших через сечение дороги в течение часа.

Плотность с транспортного потока равна числу автомобилей, расположенных на участке дороги заданной длины. Обычно используются участки размером 1 км, получают плотность автомобилей на километр, иногда используют более короткие участки. Плотность обычно рассчитывают по скорости и интенсивности движения транспортного потока. Однако плотность можно измерить экспериментально, используя аэрофотосъемку, башни или высокие здания. Используют дополнительные параметры, характеризующие плотность транспортного потока.

Пространственный интервал или кратко интервал lп, м - расстояние между передними бамперами двух, следующих друг за другом, автомобилей.

Средний пространственный интервал lп.ср - среднее значение интервалов lп на участке. Интервал lп.ср измеряют в метрах на один автомобиль.

Пространственный интервал l п.ср, м легко рассчитать, зная плотность с, авт./км потока:

1.5.4 Взаимосвязь между параметрами транспортного потока

Соотношение между скоростью, интенсивностью и плотностью потока называется основным уравнением транспортного потока:

V ?с

Основное уравнение связывает между собой три независимые переменные, являющиеся средними значениями параметров транспортного потока. Однако в реальных дорожных условиях переменные связаны между собой. При увеличении скорости транспортного потока интенсивность движения сначала возрастает, достигает максимума, а затем снижается (Рисунок 1.13). Снижение обусловлено увеличением интервалов lп между автомобилями и снижением плотности транспортного потока. При большой скорости автомобили быстро проходят участки, но расположены далеко друг от друга. Целью же управления движением является достижение максимальной интенсивности потока, а не скорости.

Рисунок 1.13 Взаимосвязь между интенсивностью, скоростью и плотностью ТП: а) зависимость интенсивности ТП от скорости; б) зависимость плотности ТП от скорости

1.6 Методы и модели транспортного моделирования

Математические модели, используемые для анализа транспортных сетей можно классифицировать, основываясь на функциональной роли моделей, то есть на тех задачах, в решении которых они применяются. Условно среди моделей можно выделить 3 класса:

· Прогнозные модели

· Имитационные модели

· Оптимизационные модели

Прогнозные модели используются тогда, когда известна геометрия и характеристики УДС и размещение потокообразующих объектов в городе, и требуется определить, какими будут транспортные потоки в этой сети. Детально, прогноз загрузки УДС включает в себя расчет средних показателей движения, таких как объемы межрайонных перемещений, интенсивность потока, распределение пассажиропотоков и т.д. При помощи таких моделей можно прогнозировать последствия изменений в транспортной сети.

В отличие от прогнозных моделей, имитационное моделирование имеет задачу смоделировать все детали движения, включая развитие процесса во времени.

Это отличие можно сформулировать очень просто, если прогнозное моделирование отвечает на вопросы «сколько и куда» будут перемещаться ТС в сети, а имитационные модели отвечают на вопрос о том, как детально будет происходить движение, если известно «сколько и куда». Таким образом, эти два направления транспортного моделирования являются взаимодополняющими. Из выше сказанного следует, что к классу имитационных моделей по их целям и выполняемым задачам можно отнести широкий спектр моделей, известных под названием модели динамики транспортного потока.

Для динамических моделей характерна детализация описания движения Область практического применения таких моделей - улучшение организации движения, оптимизация светофорных фаз и т.д.

Модели прогноза потоков и имитационные модели ставят основной целью приближенное к реальному воспроизведение поведения транспортных потоков. Так же существует большое количество моделей предназначенных для оптимизации функционирования транспортных сетей. В этом классе моделей решаются задачи оптимизации маршрутов пассажирских перевозок, выработки оптимальной конфигурации транспортной сети и т.д.

1.6.1 Динамические модели транспортного потока

Большинство динамических моделей транспортных потоков условно можно разделить на 3 класса:

· Макроскопические (гидродинамические модели)

· Кинетические (газодинамические модели)

· Микроскопические модели

Макроскопическими моделями называют модели описывающие движение автомобилей в усредненных терминах (плотность, средняя скорость и другие). В таких моделях транспортных поток подобен движению жидкости, поэтому такие модели называют гидродинамическими.

Микроскопическими моделями являются те модели, в которых явно моделируется движение каждого автомобиля.

Промежуточное место занимает кинетический подход, при котором транспортный поток описывается как плотность распределения автомобилей в фазовом пространстве. Особое место в классе микромоделей занимают модели типа клеточных автоматов, благодаря тому, что в данных моделях принято сильно упрощенное дискретное во времени и пространстве описание движение автомобилей, из-за этого достигается высокая вычислительная эффективность данных моделей.

1.6.2 Макроскопические модели

Первая из моделей основанная на гидродинамической аналогии.

Основным уравнением данной модели является уравнение непрерывности, выражающее «закон сохранения количества автомобилей» на дороге:

Формула 1

Где - плотность, V(x,t) - средняя скорость автомобилей в точке дороги с координатой x в момент времени t.

Предполагается, что средняя скорость является детерминированной (убывающей) функцией плотности:

Поставляя в (1) получаем следующее уравнение:

Формула 2

Это уравнение описывает распространение нелинейных кинематических волн со скоростью переноса

В реальности плотность автомобилей, как правило, не меняется скачками, а является непрерывной функцией координат и времени. Для устранения скачков в уравнение (2) был добавлен член второго порядка, описывающий диффузию плотности, который приводит к сглаживанию профиля волны:

Формула 3

Однако использование данной модели не адекватно реальности при описании неравновесных ситуаций, возникающих вблизи неоднородностей дороги (съезды и выезды, сужения), а также в условиях так называемого «stop-and-go» движения.

Для описания неравновесных ситуаций вместо детерминированного соотношения (3) было предложено использовать дифференциальное уравнение для моделирования динамики средней скорости.

Недостатком модели Пейна является устойчивость к малым возмущениям при всех значениях плотности.

Тогда уравнение скорости при такой замене приобретает вид:

Для предотвращения разрывов в правую часть добавляется диффузионный член, аналог вязкости в уравнениях гидродинамики

Неустойчивость стационарного однородного решения при значениях плотности, превышающих критическое, позволяет эффективно моделировать возникновение фантомных заторов - режимов stop-and-go в однородном потоке, возникающих в результате малых возмущений.

Описанные выше макроскопические модели сформулированы в основном на основе аналогий с уравнениями классической гидродинамики. Существует еще способ вывода макроскопических моделей из описания процесса взаимодействия автомобилей на микроуровне с использованием кинетического уравнения.

1.6.3 Кинетические модели

В отличие от гидродинамических моделей, сформулированных в терминах плотности и средней скорости потока, кинетические модели основаны на описании динамики фазовой плотности потока . Зная эволюцию во времени фазовой плотности, можно рассчитать также и макроскопические характеристики потока - плотность, среднюю скорость, вариацию скоростей и другие характеристики, которые определяются моментами фазовой плотности по скоростям различного порядка.

Обозначим фазовую плотность как f (x, v, t). Обычная (гидродинамическая) плотность с(x, t), средняя скорость V (x, t) и вариация скоростей И(x, t) связаны с моментами фазовой плотности соотношениями:

1) Дифференциальное уравнение, описывающее изменение фазовой плотности со временем, называется кинетическим уравнением. Впервые кинетическое уравнение для транспортного потока было сформулировано Пригожиным и соавторами в 1961 г. в следующем виде:

Формула 4

Данное уравнение является уравнением непрерывности, выражающим закон сохранения автомобилей, но теперь уже в фазовом пространстве.

Согласно Пригожину под взаимодействием двух автомобилей на дороге понимается событие, при котором более быстрый автомобиль догоняет более медленный движущийся впереди автомобиль. Вводятся следующие упрощающие предположения:

· возможность для обгона находится с некоторой вероятностью p, в результате обгона скорость обгоняющего автомобиля не меняется;

· скорость впереди идущего автомобиля в результате взаимодействия в любом случае не меняется;

· взаимодействие происходит в точке (размерами автомобилей и расстоянием между ними можно пренебречь);

· изменение скорости в результате взаимодействия происходит мгновенно;

· Рассматриваются только парные взаимодействия, одновременные взаимодействия трех и более автомобилей исключаются.

1.7 Постановка задачи

В ходе текущего исследования в качестве основной информации мы используем статические данные о заторах с помощью сервиса «Яндекс.Пробки». Анализируя полученную информацию, мы приходим к выводу о том, что УДС города Москвы не справляется с транспортным трафиком. Затруднения, выявляемые на стадии анализа полученных данных, позволяют, сделают вывод о том, что большинство затруднений на УДС имеют место быть исключительно в будни дни, и напрямую связаны с феноменом «МТМ» (маятниковой трудовой миграции), поскольку в ходе анализа затруднений в выходные и праздничные дни выявлено не было. Затруднения же в будни дни несут вид лавины, растекающейся из окраин города к его центру, и наличие обратного эффекта во второй половине дня, когда «лавина» идет от центра в область. В утренние часы затруднения начинают наблюдаться на окраинах Москвы, постепенно растекаясь в город. Так же стоит заметить, что «развязка» радиальных магистралей не приведет к желаемому эффекту, поскольку, как видно из анализа, «вход» в город сдерживает заторы на определенном временном интервале, благодаря чему центральная часть города еще какое-то время едет в оптимальном режиме. Затем, при наличии все тех же затруднений, заторы образуются в зоне «МКАД-ТТК», при этом заторы на входах продолжают увеличиваться. Такая тенденция имеет место быть все утреннее время. В тоже время противоположное направление движения полностью свободно. Из этого следует вывод о том, что система управления светофорным хозяйством и направлением движения должна быть динамической, изменяя свои параметры под текущую ситуацию на дороге.

Встает вопрос о рациональном использовании дорожного ресурса и реализации таких возможностей (изменение светофорных фаз, реверсивные полосы и др.).

При этом этим невозможно ограничиться, поскольку данный «глобальный затор» не имеет конечной точки. Данные действия должны быть притворены в жизнь только вкупе с ограничением въезда в Москву и центр, в частности для жителей Подмосковья. Поскольку, фактически исходя из анализа, все проблемы сводятся в МТМ потокам, они должны быть грамотно перераспределены с личного транспорта на транспорт общественный, делая его более привлекательным. Такие меры уже вводятся в центре Москвы (платная парковка и т.д.). Это позволит разгрузить дороги города в часы пик. Таким образом, все мои теоретические предположения строятся с «заделом на будущее», и тем условием, что затор станет конечным (уменьшиться количество пассажиропотоков в центр), пассажиропоток станет более мобильным (один автобус с 110 пассажирами занимает 10-14метров дорожного полотна, против 80-90 единиц личного транспорта, с аналогичным количеством пассажиров занимающих 400-450 метров). В ситуации, когда количество въезжающих будет оптимизировано (или хотя бы уменьшено максимально исходя из экономических и социальных возможностей) мы сможем применить два предположения о том, как улучшить управлением УДС в Москве без вложения больших средств и вычислительных мощностей, а именно:

· Использовать аналитические и модельные данные для выявления проблемных зон

· Разработка способов улучшения УДС и ее управления в проблемных зонах

· Создание математических моделей с предложенными изменениями и их дальнейших анализ на предмет эффективности и экономической целесообразности, с дальнейшим введением в практическое использование

Исходя из вышесказанного, при помощи математических моделей мы можем оперативно реагировать на изменения в УДС, прогнозировать ее поведение и подстраивать ее структуру под них.

Таким образом, на радиальной магистрали, мы сможем понять причину того, почему она работает в ненормальном режиме и имеет на своей протяженности пробки и заторы.

Таким образом, постановка задачи исходя из проблемы состоит из:

1. Анализа одной из радиальных магистралей на предмет наличия затруднений, в том числе и часы пик.

2. Создание модели части данной радиальной магистрали в месте наибольших затруднений.

3. Введение в данную модель улучшений на основе аналитики УДС при помощи реальных данных и данных моделирования, и создание модели с внесенными изменениями.

2 Создание улучшенного варианта УДС

Исходя из постановки задачи и анализа транспортных затруднений в Москве, для создания практической модели я выбрал участок ответвления одной из радиальных магистралей (Каширского Шоссе), на участке от пересечения Проспекта Андропова и Коломенского проезда до остановки «Торговый центр». Причиной выбора является множество факторов и в частности:

· Тенденция к образованию заторов в одних и тех же местах с одинаковой тенденцией

· Яркая картина «МТМ» проблем

· Наличие разрешимых точек и возможности моделирования светофорного регулирования на данном участке.

Рисунок 1.14 Выбранный участок

Выбранный участок имеет характерные проблемы, поддающиеся моделированию, а именно:

· Наличие двух проблемных точек и их перекрестного влияния

· Наличие проблемных точек, при изменении которых ситуация не улучшится (возможность применения синхронизации).

· Четкая картина влияния проблемы МТМ.

Рисунок 1.15 11-00 проблемы в центр

Рисунок 1.16 Проблемы из центра. 18-00

Таким образом, на данном участке мы имеем следующие проблемные точки:

· Два пешеходных перехода оборудованных светофорной сигнализацией в нагатинской пойме

· Светофор на пересечении проспекта Андропова и улицы Нагатинская

· Нагатинский метромост

2. Создание улучшенного варианта УДС

2.1 Аналитика участка

Длина заторов на проспекте Андропова - 4-4,5 км в каждом из 2-х направлений (утром в центр - от Каширского шоссе до второго пешеходного перехода в Нагатинской пойме, вечером в область - от Новоостаповской улицы до Нагатинской улицы). Второй показатель, скорость движения в часы пик, здесь не превышает 7-10 км/ч: на проезд участка 4,5 км в часы пик надо около 30 минут. Что касается длительности, пробки в центр на проспекте Андропова начинаются в 7 утра и длятся до 13-14 часов, а пробки в область обычно начинаются в 15 и длятся до 21-22 часов. То есть длительность каждого из «часов пик» на Андропова составляет 6-7 часов в каждом из 2-х направлений - запредельный уровень даже для привычной к пробкам Москвы.

2.2 Две основные причины образования пробок на проспекте Андропова

Причина первая: проспект перегружен лишним «перепробеговым» трафиком. От метро «Нахимовский проспект» до центра жилой части Печатников по прямой 7,5 километров. А по дорогам 3 маршрута от 16 до 18 километров. Причем два из трех маршрутов проходят через проспект Андропова.

Рисунок 2.1

Все эти проблемы вызваны тем, что между Нагатинским и Братеевским мостами по прямой 7 км, а по Москве-реке - 14 км. Никаких других мостов и тоннелей в этом промежутке просто нет.

Причина вторая: малая пропускная способность самого проспекта. Прежде всего, движение замедляет выделенная полоса, созданная несколько лет назад, после чего для движения в каждом направлении осталось лишь по 2 полосы. Очень способствуют заторам и 3 светофора (транспортный перед Нагатинской улицей и два пешеходных в Нагатинской пойме).

2.3 Стратегические решения по проспекту Андропова

Чтобы решить проблему перепробегов, надо построить 2-3 новые связки между Нагатинским и Братеевским мостами. Эти транспортные связи устранят перепробеги и позволят управлять трафиком, стимулируя не поток «центр - периферия», а поток «периферия - периферия».

Проблема в том, что строить такие объекты очень долго и дорого. И обойдется каждый из них в миллиарды рублей. Таким образом, если мы хотим что-то улучшить здесь не через 5 лет, а уже через год-два, единственный способ - работать с пропускной способностью проспекта Андропова. В отличие от строительства новых мостов и тоннелей, это в разы быстрее (0,5-2 года) и на 2 порядка дешевле (50-100 миллионов рублей). Потому что увеличить пропускную способность проспекта можно недорогими локальными "тактическими" мероприятиями в самых проблемных местах. Это позволит обеспечить существующий спрос, улучшить все показатели движения: снизить длину пробок, сократить длительность часов пик, повысить скорость.

2.4 Тактические меры на проспекте Андропова: 4 группы

2.4.1 Этап 1. Светофорное регулирование

На проблемном участке 3 светофора: два пешеходных в Нагатинской пойме и один транспортный на перекрестке Андропова с ул. Новинки и Нагатинской.

Два пешеходных светофора в Нагатинской пойме уже работают в максимально «протянутом» режиме (150 секунд транспорту, 25 пешеходам). Дополнительное удлинение цикла едва ли будет эффективно для транспорта, но увеличит и без того немалое ожидание пешеходами. Единственное, что можно и нужно сделать светофорным регулированием - синхронизировать оба пешеходных светофора, чтобы транспорт тратил меньше времени на разгон-торможение. Это окажет небольшой эффект в сторону центра в утренний час пик. На трафик в обе стороны в остальное время и в сторону области вечером пешеходные светофоры не оказывает большого влияния. А вот со светофором на перекрестке Андропова с ул. Новинки и Нагатинской ситуация интереснее. Он явно держит поток в сторону области в вечерние часы пик. Дальше транспорт разъезжается по массе альтернативных улиц (Нагатинской набережной, улице Новинки, Нагатинской улице, Коломенскому проезду, Каширскому шоссе и Пролетарскому проспекту).

Рассмотрим текущий режим работы светофора и подумаем, что можно сделать.

Рисунок 2.2 Светофорные фазы

Рисунок 2.3 Текущий временной режим работы светофора

Во-первых, уж очень короткий цикл для перекрестка с магистральной улицей - всего 110-120 секунд. На большинстве магистралей время цикла в часы пик 140-180 секунд, на Ленинском и вовсе за 200.

Во-вторых, режим работы светофора от времени суток меняется крайне несущественно. Между тем, вечерний поток принципиально отличается от утреннего: прямоходный поток по Андропова из области гораздо меньше, а левоповоротный поток с Андропова из центра гораздо больше (народ возвращается домой в Нагатинский затон).

В-третьих, зачем-то сокращено время прямоходной фазы днем. Какой в этом смысл, если прямоходный поток по Новинки и Нагатинской и в часы пик не испытывает серьезных проблем, а уж днем и подавно?

Решение напрашивается само собой: дневной режим приравнять к утреннему, а в вечерний - немного «протянуть» фазу 3 (Андропова в обе стороны), и сильно протянуть «веерную» фазу 4 (Андропова из центра прямо, направо и налево). Это позволит эффективно освобождать и прямой ход Андропова, и «карман» для ожидающих поворота.

Рисунок 2.4 Предлагаемый повременный режим работы светофора

Что до утреннего часа пик, «протягивать» Андропова на этом перекрестке утром в центр сейчас бессмысленно. Поток не использует всю длину «зеленой фазы», поскольку не может быстро проехать перекресток из-за пробки перед сужением на мосту из 4-х полос в 2.

2.4.2 Переразметка

С разметкой на Андропова две проблемы:

- выделенная полоса на 3-х полосных участках проспекта Андропова

- неправильная разметка на перекрестке с Нагатинской улицей и улицей Новинки

Ни для кого не секрет, что выделенная полоса резко уменьшила пропускную способность проспекта Андропова. Это касается движения и в центр, и в область. Причем пассажиропоток по выделенной полосе минимален и не превышает нескольких сот человек даже в часы пик. Это неудивительно: выделенная полоса идет вдоль «зеленой» ветки метро, а точек притяжения на удалении от метро вдоль самого проспекта почти нет. Провозная же способность каждой из полос общего пользования около 1200 человек в час. Это значит, что выделенная полоса, вопреки своей задаче, не повысила, а снизила провозную способность проспекта Андропова.

Добавлю: пассажиропоток наземного транспорта на проспекте Андропова имеет шансы снижаться и дальше. Ведь уже в 2014 году в Нагатинской пойме планируют открыть станцию метро «Технопарк». Это позволит большей части посетителей ТЦ «Мегаполис» и работающим в Технопарке пользоваться метро без пересадки на наземный транспорт.

Казалось бы, отменить всю выделенку на Андропова, и дело с концом. Но анализ и многолетние наблюдения показали: выделенная полоса на проспекте Андропова мешает не везде, а только на тех участках, где в одну сторону 3 полосы (2+А) и где это создает «бутылочное горлышко». Там же, где 4 полосы в одну сторону (3+А), выделенная полоса не мешает, а даже позволяет повысить равномерность транспортных потоков и выполняет функцию полосы для правого поворота, разгона-торможения.

Поэтому в первоочередном порядке я предлагаю отменить выделенную полосу на узких участках, где она создает наибольшие проблемы:

· в сторону области на Сайкинском путепроводе и Нагатинском мосту, улице Сайкина

· в сторону центра на всем участке от въезда на Нагатинский мост до Сайкинского путепровода включительно.

Рисунок 2.5 Места, где требуется отмена выделенной полосы

Рисунок 2.6 Переразметка проспекта Андропова

Еще потребуется отменить выделенную полосу в сторону области на участке от Нагатинской улицы до Коломенского проезда: увеличившийся поток в сторону области не сможет вместиться в существующие 2 полосы. Кстати, въезд на выделенную полосу в этом месте разрешен и сейчас, но только для парковки.

Помимо выделенной полосы, проблемы создает бездарная разметка проспекта Андропова в зоне перекрестка с Нагатинской улицей и улицей Новинки.

Во-первых, ширина полос большая, а их количество - недостаточное. При такой ширине проезжей части с каждой стороны легко добавить по полосе.

Во-вторых, разметка, несмотря на уширение створа перекрёстка, зачем-то уводит весь трафик в левоповоротные ряды, откуда едущим прямо приходится «продираться» правее.

Впрочем, неумелость проектировщиков извинительна: узел сложный, ширина проезжей части «гуляет». Это решение для этого перекрестка тоже появилось не сразу. Оно позволяет число рядов в зоне перекрестков увеличить, а едущих прямо - оставить в своих полосах, «уводя» прямой ход немного правее. Как результат, количество перестроений снизится, скорость проезда перекрестка повысится в обоих направлениях.

Рисунок 2.7 Предлагаемая схема организации движения на перекрестке Андропова - Нагатинская - Новинки

Рисунок 2.8 Предлагаемая схема движения на перекрестке

Локальные уширения

Следующим этапом предлагается выполнить самое нужное сейчас уширение в сторону центра на участке от Нагатинского метромоста до съезда на улицу Трофимова. Это позволило бы вернуть личному транспорту 3 полосы, отдав 4-ю транспорту общественному - точно так же, как сделано в сторону области на этом участке.

Рисунок 2.9 Локальные уширения

2.4.3 Строительство 2-х внеуличных переходов в Нагатинской пойме

Недавно начато строительство надземного перехода в районе остановки ОТ «Южный речной вокзал» у самого Нагатинского метромоста. После его строительства пешеходный светофор демонтируют.

Рисунок 2.10 План строительства надземного перехода

Это могло бы стать прекрасной новостью, но радоваться нечему: в 450 метрах севернее есть еще один переход напротив ТЦ «Мегаполис». Одновременное строительство 2-х переходов со снятием обоих пешеходных светофоров дало бы отличный эффект для направления в центр: пропускная способность при той же ширине выросла бы на 30-35% за счет отмены разгона-торможения перед светофорами. Но напротив ТЦ «Мегаполис» внеуличный переход строить не собираются, а значит, второй светофор никак не снять. А эффект от одного надземного перехода будет незначительным - не больше, чем от простой синхронизации двух светофоров. Потому что в обоих случаях разгон-торможение сохраняется.

3 Обоснование предложенных решений

На основе аналитики мы вычисляем проблемные точки в той или зоне УДС и, отталкиваясь от фактически возможных решений, применяем их. Поскольку программа позволяет нам не делать громоздких вычислений вручную, мы можем с ее помощь определить оптимальные параметры тех или иных проблемных мест в УДС, и после их оптимизации получить результат компьютерного моделирования, которое может ответить на вопрос, улучшат ли пропускную способность предлагаемые изменения. Таким образом, применяя компьютерное моделирование, мы можем проверить, соответствуют ли предлагаемые изменения на основе аналитики реальной ситуации, и окажут ли изменения ожидаемый эффект.

3.1 Использование компьютерной симуляции

Используя компьютерную симуляцию, мы можем с большой долей вероятности спрогнозировать происходящие процессы на УДС. Таким образом, мы можем провести сравнительный анализ моделей. Смоделировать текущую структуру УДС с ее особенностями, модернизировать и улучшить ее и создать новую модель, в основу которой ляжет УДС с внесенными в нее корректировками. Используя полученные данные, мы на стадии компьютерного моделирования можем получить ответ, имеет ли смысл вносить те или иные изменения в УДС, а так же использовать моделирование для выявления проблемных зон.

Подобные документы

Характеристика основных категорий автомобильных дорог. Определение пропускной способности дороги и коэффициента загрузки движением. Расчет средней скорости движения транспортного потока. Выявление опасных мест дороги методом коэффициентов аварийности.

курсовая работа , добавлен 15.01.2012


Определение необходимости корректировки существующей модели управления и внедрения новых управляющих воздействий и установки дополнительных технических средств организации дорожного движения. Разработка оптимальной модели управления дорожным движением.

дипломная работа , добавлен 16.05.2013


Анализ транспортных систем с помощью математического моделирования. Локальные характеристики автотранспортных потоков. Моделирование транспортного потока в окрестности сужения улично-дорожной сети. Стохастическое перемешивание при подходе к узкому месту.

практическая работа , добавлен 08.12.2012


Классификация методов управления дорожным движением. Автоматизированная система управления дорожным движением "Зеленая волна" в г. Барнауле. Принципы ее построения, структура, сравнительная характеристика. Кольцевая автодорога в г. Санкт-Петербурге.

контрольная работа , добавлен 06.02.2015


Оценка обеспеченности расчетной скорости, безопасности дороги, уровня загрузки дороги движением, ровности покрытия дорог. Определение фактического модуля упругости нежёсткой дорожной одежды. Сущность содержания автомобильных дорог и дорожных сооружений.

курсовая работа , добавлен 08.12.2008


Переход к инновационной модели развития транспортной инфраструктуры. Основные пункты транспортной стратегии Правительства до 2030 года. Анализ и поиск наиболее оптимального решения транспортной проблемы. Рост транспортного сектора в российской экономике.

статья , добавлен 18.08.2017


Особенности транспортной отрасли. Сущность и задачи транспортной логистики. Организация транспортного хозяйства на ОАО "НефАЗ". Планирование деятельности транспортного хозяйства предприятия. Анализ и оценка эффективности деятельности данной организации.

курсовая работа , добавлен 14.01.2011


Определение интенсивности движения - количества транспортных средств, прошедших контрольное сечение дорожного объекта во всех направлениях за единицу времени (час, сутки). Анализ плотности транспортного потока, его распределения и коэффициента загрузки.

лабораторная работа , добавлен 18.02.2010


Организация движения городского пассажирского транспорта при работе адаптивной системы управления дорожным движением. Сравнение временно-зависимой и транспортно-зависимой стратегии. Разработка базы нечетких правил. Построение функции принадлежности.

курсовая работа , добавлен 19.09.2014


Анализ мероприятий, направленных на организацию транспортного рынка. Государственное регулирование транспортной деятельности как сложный комплекс мероприятий, направленный на обеспечение необходимого уровня транспортного обслуживания во всех регионах.

Городские проблемы, такие как пробки, могут решаться консервативным способом, то есть физическим увеличением пропускной способности дорог, или же «разумным» (от анг. smart). В таком случае весь транспорт и люди объединяются в экосистему, и сам город «принимает решение», как распределять транспортные потоки. О нашем видении подобной экосистемы мы рассказывали на одном из форумов «Открытые инновации». А в этой статье обсудим, как именно работают «умные» системы управления трафиком и почему они так важны для всех нас.

Зачем городам «умная» транспортная система

По данным ВОЗ, более 50 процентов населения мира проживает в городах. Мегаполисы в большинстве своем страдают от транспортных проблем. Дорожные пробки - их самое явное и часто встречающееся проявление. Они негативно влияют на локальные экономики и качество жизни всех участников дорожного движения, поэтому, безусловно, требуют устранения.

Если в качестве примера рассмотреть типичную причину образования пробок - ремонтные работы - консервативный подход к ее решению будет заключаться в перенаправлении движения на ближайшие параллельные дороги. В результате, вероятнее всего, они будут перегружаться вслед за основной магистралью, и вблизи ремонтируемого участка в час-пик не останется ни одной свободной полосы движения.

Разумеется, власти постараются выстроить прогноз, на каких дорогах быстрее возникнет затор. Для этого они будут учитывать наличие светофоров на перекрестках, среднюю загруженность дорог и другие статичные факторы. Однако в тот момент, когда 8-балльная пробка парализует центр города, уже вряд ли получится что-то предпринять, кроме «ручного управления» ситуацией, например, с помощью отключения светофоров и срочной замены их служащим-регулировщиком.

Есть и другой сценарий развития того же сюжета. В «разумном» городе данные поступают не только из традиционных источников, но и от датчиков и устройств как установленных внутри самих автомобилей, так и выступающих элементами инфраструктуры. Сведения о местоположении транспортных средств позволяют перераспределять дорожное движение в реальном времени, а дополнительные системы, такие как «умные» светофоры и парковки, обеспечивают эффективное управление трафиком.

Разумный подход стал выбором для целого ряда городов и доказал свою эффективность. В немецком Дармштадте датчики помогают обеспечивать безопасность пешеходов и отсутствие пробок на дорогах. Они обнаруживают большие группы людей, собирающихся перейти дорогу, и адаптируют под них смену фаз светофора. К тому же они определяют, нет ли поблизости потока автомобилей, и «дают команду» переключить свет, только когда машины закончат движение.

А система распределения транспортного потока в датском городе Орхус позволила не только сократить пробки на дорогах, но и снизить общий расход топлива. Интеллектуальная система Лондона уведомляет водителей о перегруженности отдельных дорожных участков. «Умная» система управления трафиком помогла Сингапуру стать одним из наименее «загруженных» крупных городов мира.

Из чего состоит «умная» система управления движением

Ключевой инструмент «разумного» города - это данные. Поэтому сердцем системы является платформа, которая объединяет все потоки информации, поступающие в реальном времени, интерпретирует их и принимает самостоятельное решение об управлении движением (или помогает принять такое решение ответственному лицу). Как правило, вокруг платформы формируется командный центр управления движением.

Фото Highways England /

Географическая информационная система (ГИС) открывает возможность для связи данных с конкретными точками на дорожной карте. Для непосредственного управления движением служат отдельные подсистемы. Их количество, сложность и уровни взаимодействия друг с другом могут отличаться в различных моделях в зависимости от поставленных задач.

Например, в китайском Ланфане действуют следующие подсистемы: светофорное регулирование, сбор информации о движении, наблюдение и оповещение, геолокационное позиционирование служебных автомобилей и другие составляющие. В румынской Тимишоаре, кроме уже описанных элементов, реализованы подсистемы приоритизации общественного транспорта и распознавания номерных знаков.

Систему «умного» распределения транспортных потоков можно усложнять различными элементами, но главной в ней остается платформа, которая управляет всеми подсистемами на основе поступающих данных. С этой точки зрения важной составляющей любой модели «разумного» города являются автомобили. Они не только способны принимать информацию (с помощью таких устройств, как, например, WayRay Navion) и адаптироваться под конкретную дорожную ситуацию, но и сами выступают поставщиками значимых сведений о загруженности дорог.

Предлагаем подробнее рассмотреть устройство важнейших подсистем «разумного» города.

Интеллектуальная система мониторинга и реагирования

Мониторинг - это основа работы командного центра. Своевременное выявление инцидентов и реагирование на них гарантирует безопасность на дорогах и снижение пробок. Пользователь чаще всего видит результаты мониторинга на карте с цветовой схемой, отображающей загруженность потока в реальном времени.

Источниками данных выступают камеры, которые автоматически анализируют ситуацию на дорогах по мере движения автомобилей в зоне их действия, а также пьезоэлектрические датчики. Еще один способ мониторинга в экосистеме «умного» города - трекинг потока на основе беспроводного сигнала, например, от Bluetooth-устройств.

«Умные» светофоры

Принцип работы этой подсистемы прост: так называемые «адаптивные» светофоры используют средства для измерения объема трафика, которые сигнализируют о необходимости смены фаз. При затрудненном транспортном потоке зеленая фаза светофора для автомобилей активна дольше, чем обычно. Во время пиковых периодов светофоры на перекрестках синхронизируют свои фазы так, чтобы обеспечить «зеленые коридоры» для транспорта.

В «разумном» городе система усложняется за счет комплекса датчиков, которые передают алгоритмам данные для анализа. В Тайлере, штат Техас, такое решение в составе интегрированной системы управления трафиком от Siemens уменьшило задержки движения на 22%. Время в пути по одной из главных магистралей города Бельвю, штат Вашингтон, сократилось на 36% в течение часа-пик с момента установки адаптивных светофоров.

Так функционирует эта подсистема в своем базовом воплощении: инфракрасные датчики, установленные в одном из элементов дорожной инфраструктуры, например, в световых опорах, обнаруживают возникновение или отсутствие автомобильного потока. Эти данные служат входящим сигналом для системы, которая генерирует выходные сигналы для красной, зеленой и желтой фаз и контролирует длительность цикла, учитывая количество транспортных средств на каждой дороге.

Та же информация в качестве выходного сигнала может передаваться участнику дорожного движения. Адаптивные светофоры способны работать и в аварийном режиме, когда средства видеофиксации распознают движущееся транспортное средство как машину скорой помощи или полицейский автомобиль с включенными сигнальными маячками. В таком случае для автомобилей, которые пересекают маршрут следования служебной машины, сигналы светофора сменятся на красные.

Источниками входящих данных для системы могут служить также камеры, распознающие объем трафика. В комплексной модели «разумного» города информация от камер о ситуации на дороге передается одновременно в программную среду для алгоритмической обработки и в систему управления, где она визуализируется и выводится на экраны в командном центре.

Существуют и вариации «умных» светофоров. Например, технологии искусственного интеллекта улучшают координацию дорожных сигналов в единой экосистеме. В этом случае цикл также запускают датчики и камеры. Алгоритмы ИИ используют полученные данные для создания тайминга циклов, эффективного прохождения потока по траектории и сообщают информацию следующим светофорам. Впрочем, такая система остается децентрализованной, и каждый светофор «принимает свои собственные решения» по длительности фаз.

Исследователи Наньянского технологического университета в этом году представили алгоритм распределения трафика, основанный на машинном обучении. Маршрутизация в данном случае имеет несколько нюансов : учитывается текущая нагрузка на транспортную систему и прогнозируемая неизвестная величина, отвечающая за дополнительную нагрузку, которая может попасть в сеть в любой момент времени. Далее алгоритм отвечает за разгрузку сети на каждом узле или, иначе говоря, перекрестке. Такая система в сочетании со светофорами с искусственным интеллектом может стать решением для распространенных городских проблем.

«Умные» светофоры играют важную роль для водителей не только благодаря очевидному эффекту - снижению числа пробок, - но и из-за обратной связи, поступающей на пользовательские устройства, такие, как WayRay Navion. Например, водители в Токио получают сигналы от инфракрасных датчиков прямо на навигаторы, которые выстраивают на основе этого оптимальный маршрут.

«Умные» парковки

Отсутствие парковочных мест или их неэффективное использование - не просто бытовая проблема, но вызов для городской инфраструктуры и еще одна причина загруженности дорог. Согласно Navigant Research, число «умных» парковочных мест в мире, как ожидается, достигнет 1,1 млн к 2026 году. От обычных парковок их отличают автоматизированные системы поиска свободных мест и информирования пользователей.

В качестве одного из решений проблемы команда Университета Райса разработала модель, в которой для поиска свободных мест используется камера, делающая ежеминутные фотографии. После чего проводится их анализ с помощью алгоритма обнаружения объектов. Однако в рамках экосистемы «разумного» города это решение не является оптимальным.

«Умная» система парковки должна не только знать статус каждого места («занято/свободно»), но и уметь направлять пользователя к нему. Деваврат Кулкарни (Devavrat Kulkarni), старший бизнес-аналитик в IT-компании Maven Systems, предлагает использовать для этого сеть датчиков.

Информация, полученная от них, может быть обработана алгоритмом и представлена конечному пользователю через приложение или другой пользовательский интерфейс. В момент парковки приложение сохраняет информацию о местоположении транспортного средства, что упрощает поиск автомобиля в дальнейшем. Это решение можно назвать локальным, подходящим, например, для отдельных торговых центров.

Действительно масштабные проекты в этой области реализуются прямо сейчас в некоторых городах США. Инициатива по развертыванию единой сети «умных» парковок LA Express Park проводится в Лос-Анджелесе. Стартап StreetLine, отвечающий за воплощение идеи в жизнь, использует методы машинного обучения для объединения нескольких источников данных - сенсоров и камер наблюдения - в единый канал передачи сведений о занятости парковочных мест.

Эти данные рассматриваются в контексте парковочной системы в масштабах всего города и поступают к ответственным лицам. StreetLine предоставляет SDK, систему автоматического распознавания номерных знаков и API для работы со всеми источниками данных, связанных с парковкой.

Интеллектуальные парковочные системы могут быть полезны и для управления плотностью движения. В основе такого решения заранее заложен инструмент регулирования трафика - изменение тарифных ставок в платных зонах парковки. Это позволяет распределять загруженность парковочных мест в определенные дни, тем самым снижая пробки на дорогах.

Для конечных пользователей данные о свободных местах и более дешевых тарифах помогают планировать поездку и в целом качественно повышают водительский опыт - с помощью носимых или встроенных в автомобиль устройств пользователь получает практические указания по поиску парковочного места в реальном времени.

Будущее управления движением

Три основных элемента, рассмотренных нами, - это уже готовая экосистема, способная значительно облегчить ситуацию на дорогах современного города. Однако инфраструктура будущего создается в первую очередь для транспорта будущего. Автоматизированные системы мониторинга, паркинга и управления облегчают переход к использованию беспилотных автомобилей.

Однако и здесь не все так однозначно: инфраструктура, которая используется в «разумных» городах сейчас, беспилотникам может быть просто не нужна. Например, если сегодня в смене фаз светофора еще есть смысл, то, по версии исследователей Массачусетского технологического института, беспилотным автомобилям привычные нам сигналы не потребуются вовсе - скорость транспортных средств и остановка на перекрестках будет автоматически осуществляться с помощью сенсоров.

Вероятно, даже самые развитые системы управления трафиком переживут глобальную модернизацию после того, как беспилотники вытеснят с дорог традиционные автомобили, и мы увидим новый мир без светофоров, дорожных камер и «лежачих полицейских». Однако пока полный переход на беспилотные авто маловероятен. А вот рост числа «разумных» городов - это вполне реальная перспектива.

С пи с ок с о к р а щ е н и й и о б о з н а ч е н и й , в с т р еч а ю щ и х с я в т е к с т е

А Р М – автоматизированное рабочее место;

АС С У Д – агрегатная система средств управления дорожным движением;

АС У Д – автоматизированная система управления дорожным движением;

АС У Д - С – АСУД на базе ПЭВМ;

В П У – выносной пульт управления;

Г О Р О Д, Г О Р О Д - М , Г О Р О Д - М 1 – названия автоматизированных систем управления дорожным движением с применением ЭВМ;

ДК – дорожный контроллер;

Д ПО У – дисплейный пульт оперативного управления;

ДП – диспетчерский пункт;

Д Т П – дорожно-транспортное происшествие;

Д Т С – дорожно-транспортная сеть;

ДТ – детектор транспорта;

ДУ – диспетчерское управление;

И П – инженерный пульт; И Р – индуктивная рамка; И Ц – имитатор центра;

КДА – контрольно-диагностическая аппаратура;

К Р Ц – контроллер районного центра; К Т С – комплекс технических средств; КУ – координированное управление; М н С х – мнемосхема;

П К – программа координации;

П КУ – пульт контроля и управления;

ПЭ В М – персональная электронно-вычислительная машина;

Р У – ручное управление;

С М Э П – специализированное монтажно-эксплуатационное подразделение;

С О – светофорный объект;

ТВ П – табло вызова пешеходное;

Т Е – транспортная единица (автомобиль);

Т И – телеизмерение;

Т КП – табло коллективного пользования;

Т П – транспортный поток;

Т С – телесигнализация;

ТС КУ – телемеханическая система координированного управления;

Т У – телеуправление;

У В К – управляющий вычислительный комплекс;

У ДС – улично-дорожная сеть;

УЗ Н – управляемый дорожный знак;

У НИ Т П – устройство накопления информации по транспортным потокам;

У П – управляющий пункт;

У С К – указатель рекомендуемой скорости движения;

Ц У П – центральный управляющий пункт.

1. Основы управления дорожным движением

1.1. Транспортный поток как объект управления

Объектом управления АСУД является транспортный поток, описываемый совокупностью признаков, характеризующих процесс движения: интенсивностью, скоростью, составом потока, интервалами в потоке и некоторыми другими показателями.

Транспортному потоку присущи вполне определённые свойства, которые должны быть учтены при выборе управления в системе. Поэтому рассмотрим некоторые наиболее важные особенности транспортного потока.

1 . 1 . 1. С в ой ст в а т ра нс пор тн о г о по т о к а

Во-первых, натурные обследования движения транспортных средств в городах показывают, что характеристики транспортных потоков испытывают в течение суток значительные изменения, возникающие из-за неравномерности поступления автомобилей в транспортную сеть. В этом заключается динамический характер поведения объекта управления.

Во-вторых, ежедневное периодическое измерение одних и тех же параметров потока в фиксированные интервалы времени суток показывает статистический характер процесса движения транспортных средств. Вероятностное поведение объекта управления обусловлено тем, что транспортный поток формируется из индивидуальных участников движения, использующих различные типы транспортных средств и имеющих различные цели поездки (во времени и пространстве).

В-третьих, эти статистические закономерности движения носят устойчивый характер из-за наличия детерминированных тенденций в движении транспортных средств. Действительно, подавляющее большинство поездок носит периодический характер и часто

осуществляется по постоянным маршрутам (деловые поездки, работа общественного маршрутизированного транспорта, грузовые перевозки). Коллективное поведение потока, являющееся результатом взаимодействия участников с различными целями и различными психофизиологическими характеристиками, подчиняется закону больших чисел и делает стабильными вероятностные характеристики движения транспортных средств. Именно отсутствие хаоса в транспортной сети делает возможным функционирование АСУД, которая, в свою очередь, способствует ещё большей стабилизации процессов движения.

В-четвёртых, важнейшим свойством транспортных потоков, во многом определяющим принципы управления, является их инерционность. Под инерционностью понимается свойство объекта управления непрерывно

переходить из состояния в состояние во времени и пространстве. Действительно, параметры движения транспортных единиц, измерённые в некоторый момент времени, не могут существенно измениться за малый промежуток времени из-за того, что каждая единица имеет конечную, вполне определённую скорость и может быть обнаружена в этом промежутке в пределах ограниченного участка транспортной сети. Это свойство проявляется, прежде всего, в том, что средние параметры потоков (интенсивность, скорость, плотность, интервалы) изменяются во времени и пространстве непрерывно. Наличие «пачек» в потоках также является результатом малой изменчивости структуры потока при его прохождении смежных перекрёстков, т.е. следствием инерционности в изменении интервалов между последовательными автомобилями. Инерционность объекта управления говорит о возможностях прогнозирования изменений его характеристик в небольших интервалах.

В-пятых, все перечисленные свойства проявляются как результат взаимозависимого движения транспортных средств. Эта взаимозависимость выражается главным образом в том, что подчас малые изменения условий движения на отдельных магистралях и перекрёстках (сужение проезжей части, изменение погодных условий, нарушение режима светофорной сигнализации) приводят к резкому изменению характера движения не только на данном участке, но и на отдалённых магистралях и перекрёстках города. Особенно сильно связность регулируемых транспортных узлов сказывается в режимах насыщения сети, когда транспортный затор, возникший на отдельном перекрёстке, распространяется на значительный участок сети. Связность в сети носит сложный, подчас непредсказуемый характер. Чем сильнее свойство связности, тем большие участки сети необходимо рассматривать, решая задачу управления, и тем сложнее эта задача, поскольку под объектом управления приходится понимать не отдельные перекрёстки, а все связанные между собой транспортные узлы.

Фактор взаимозависимости проявляется также и в условиях стеснённого движения транспортных средств по перегонам и через перекрёстки сети. Для того чтобы обеспечить безопасное и быстрое движение автомобилей в транспортном потоке, водители вынуждены совершать различные манёвры, обусловленные реальной дорожной ситуацией. В результате этого закономерности движения отдельных транспортных средств можно рассматривать как следствие суммарных взаимодействий в потоке. Характеристики результирующего взаимодействия являются теми исходными для системы параметрами, по которым решается вопрос о назначении того или иного управления

движением.

1 . 1 . 2. С о ст оя ни я т ра нс пор тн о г о по т о к а

Остановимся несколько подробнее на типичных случаях дорожного движения. Экспериментальные и теоретические исследования дают основания выделить три качественно различных состояния, которые мы условимся называть с в о б о д н ы м , г р у ппо вы м и вы ну ж д ен н ы м .

При малой интенсивности потока, когда пропускная способность дороги не является фактором, ограничивающим беспрепятственное движение, скорость движения транспортных средств близка к скорости свободного движения. Взаимодействие между транспортными единицами в режиме свободного движения настолько мало, что им можно пренебречь. Состояние свободного транспортного потока характеризуется не только независимым движением отдельных транспортных единиц, но и тем, какие интервалы между единицами в потоке складываются при этом. Многочисленные экспериментальные работы, а также предельные теоремы

массового обслуживания говорят о том, что распределение интервалов в свободном потоке близко к экспоненциальному и, следовательно, число прибытий транспортных единиц потока в некотором интервале во времени или пространстве описывается законом Пуассона . Свободное состояние потока наблюдается в реальной транспортной сети на перегонах с редким движением в сечениях, удалённых более чем на 800 м от питающих перекрёстков.

Иная картина возникает, если рассматривать групповой режим движения. Групповое движение транспортных средств складывается при несколько больших интенсивностях движения, когда пропускная способность дороги и перекрёстка уже оказывает существенное влияние на условия движения. Для того чтобы сохранить скорость, водители быстроходных автомобилей вынуждены совершать обгоны, перестроения

и другие манёвры. В режиме свободного движения обгоны в потоке осуществляются практически без взаимодействия между транспортными единицами. Групповое движение характеризуется максимальным взаимодействием единиц при движении, максимальной интенсивностью вынужденных манёвров. В результате этого весь транспортный поток разделяется на совокупность очередей, имеющих скорость тихоходных головных автомобилей. Скорости быстроходных транспортных единиц при этом падают. Теперь уже движение транспортных средств не может быть описано законом Пуассона, поскольку расстояния между последовательными автомобилями в очередях близки к расстояниям безопасности, т.е. не подчиняются экспоненциальному распределению. Характерным примером группового потока является движение транспортных средств, наблюдаемое в сечении перегона, расположенного в 20 – 30 м за питающим его перекрёстком. Пачки в потоке, возникающие

после прохождения транспортных единиц через перекрёсток, по мере движения по перегону «разваливаются» сравнительно медленно, и поток в рассматриваемом сечении имеет ещё ярко выраженную групповую форму.

Когда интенсивность движения увеличивается и достигает пропускной способности дороги, условия обгонов быстроходными автомобилями тихоходных затрудняются, очереди, образованные при групповом режиме движения, удлиняются и практически сливаются в единую очередь. При этом скорости транспортных средств в потоке выравниваются и оказываются близкими к скоростям самых тихоходных автомобилей, интервалы между транспортными единицами в потоке становятся близки к детерминированным, равным расстояниям безопасного движения. Этот режим движения будем называть вынужденным.

Ещё одной особенностью объекта управления является наличие в нём тенденции развития. Количественные изменения объекта управления

связаны с естественным ростом автомобилизации, сооружением новых регулируемых перекрёстков, строительством развязок в разных уровнях, улучшением динамических характеристик транспортных средств, с пересмотром организации движения в регулируемом районе (введение и отмена поворотных движений, введение улиц с односторонним движением, запрещение проезда по некоторым улицам грузовому транспорту, запрещение и разрешение стоянок и др.). Эти количественные изменения приводят, как правило, к изменению структуры потоков, степени связанности отдельных перекрёстков сети, масштабов регулируемой сети, что может потребовать качественной перенастройки управляющего органа и привести к пересмотру вида алгоритмов управления для того или иного перекрёстка. Таким образом, система управления движением обязательно должна быть «гибкой» по отношению к объекту управления.

1 . 1 . 3. Р а с пр е д е л ен ие в р е м енн ы х и нте р в а л ов

Большинство исследователей , рассматривая транспортный поток на отрезке магистрали значительной длины, пользуются для описания временных интервалов составными распределениями вида

F (d t ) =

A L - b 1 S +

B L - b 2 S

+ C L - b 3 S

г д е к а ж д ое из т р ё х с л агаем ых опи с ы в ае т опр е д е л ё нную ч ас т ь п о т о к а:

ü A L - b 1 S

ü B L - b 2 S

– свободно движущаяся;

– ч ас т и ч но с в я з а нн а я;

ü C L - b 3 S – связанная часть ТП.

Каждый из трёх коэффициентов А , В , С означает долю интенсивности движения, находящуюся в одном из трёх состояний, поэтому их сумма

Распределение (1.1) достаточно хорошо описывает ТП на магистралях непрерывного движения. Рассматривая задачу описания ТП на городских

улицах, оснащённых светофорами, более целесообразно анализировать

распределение временных интервалов внутри пачек автомобилей по мере удаления регулируемого перекрёстка. Такой подход тесно связан с решением вопроса о постепенном распаде пачек, а следовательно, возможности организации координированного управления движением транспорта.

Эксперименты, поставленные некоторыми исследователями , показывают, что более подходящим для описания временных интервалов внутри пачек является нормированное распределение Эрланга.

F (d t ) =

l (K + 1)

k

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

C ма т ема т и ч ес к им ожи д а ни е м:

С дисперсией:

M k

D k =

1 . (1 . 3)

1 . (1 . 4)

l 2 (K + 1)

В пользу данного распределения говорит тот факт, что, задаваясь различными K , можно получить любую степень последствия, следовательно, отразить степень связанности потока внутри пачки. Эффект распадения пачек обуславливает зависимость средней интенсивности движения внутри пачек l и порядка распределения K от расстояния пачки до выходного перекрёстка. Экспериментальные исследования показали, что уменьшение l и K по мере удаления пачки от перегона хорошо аппроксимируется экспоненциальной зависимостью

- H L

l n (L n ) = l + ( l н ас

L c ) L 1

n . (1.5)

K = [

K c + (K

на с

- K c

) L - H 2 L n

где l – средняя интенсивность движения по всему потоку;

l н а с –

интенсивность внутри пачки при выходе её с перекрёстка;

L n – р асс т о я н и е

пачки от перекрёстка;

K н а с – ма к с и ма л ь ный пор я д ок р ас п р е д е л е ния

Э рл а н г а д ля п а чк и, т о л ь к о чт о в ы ше д ше й с п е р е к р ёс тк а; K c

– порядок

р ас пр е д е л е ния Э рл а н г а по по т о к у п о с л е о к он ч а т е л ь но г о р ас пр е д е л е ния и

слияния пачек;

H 1 , H 2 – к о э фф ици е н т ы р ас п а д е ния п а ч е к д ля

l n (l n )

и K ;

в квадратных скобках – целая часть выражения.

Эксперименты показывают, что для пачки, только что вышедшей с перекрёстка, величина K =9.

Практические исследования с использованием АСУД в городах: Харькове, Минске, Красноярске, Нижнем Новгороде и др., проведённые в

80 – 90 гг., позволили получить представительные статистические данные о транспортном потоке .

Анализ распределения интервалов при различных интенсивностях, а также минимально допустимые интервалы между автомобилями указывают на существование трёх групп автомобилей в транспортном потоке:

üавтомобили, движущиеся свободно, не оказывающие влияния друг на друга при интервалах более 8 с;

üчастично связанные автомобили, движущиеся с интервалом 1,5 –

8,0 с; распределение интервалов таково, что водители отдельных автомобилей имеют возможность маневрировать внутри потока;

üсвязанная часть потока; в этом случае в течение всего времени

наблюдаются только малые интервалы порядка 1,0 – 1,3 с.

На практике автомобили, двигающиеся свободно, наблюдаются при интенсивности до 300 автомобилей в час на полосу. Частично связанные автомобили наблюдаются при интенсивности порядка 300 – 600 автомобилей в час на полосу. Связанный поток наблюдается при интенсивности более 600 автомобилей в час на полосу.

Одной из важных задач транспортной системы является обеспечение максимальной эффективности управления транспортно-дорожным комплексом. Для этого необходимо использовать современные решения, к которым относятся и средства отображения информации. В статье приведено описание нескольких проектов, где для демонстрации сведений о дорожном движении были применены устройства от компании Mitsubishi Electric.

Срок полезной эксплуатации центра управления дорожным движением в среднем составляет не менее 10 лет. Очевидно, за это время разработчики ITS неизбежно столкнутся с проблемой модернизации компонентов, выработавших свой ресурс. А ведь существующую инфраструктуру не так легко перестроить. Создание универсальных устройств - это ключевой подход, который позволяет приспособиться к изменяющимся правилам игры и развитию технологий.

Каким образом можно реализовать принцип универсальности в системах отображения информации, используемых в центрах управления? Одним из решений этой задачи является модульный подход к оборудованию: дисплей рассматривается не как единое целое, а как подсистема, состоящая из взаимозаменяемых компонентов.

В настоящее время в большинстве современных центров управления используются DLP-кубы обратной проекции, которые построены на основе технологии DMD (разработана компанией Texas Instruments).

Следуя принципу универсальности, компания Mitsubishi создала модельный ряд дисплеев и сопутствующего оборудования, в котором используются новейшие технологии, основанные на общей архитектуре и одинаковом наборе компонентов. В частности, системы 70-й и 120-й серий состоят из DLP-кубов и ЖК-дисплеев с тонкой лицевой панелью различных размеров и конфигурации. Как и в случае с определением конфигурации персонального компьютера, пользователь при заказе оборудования может указать компоненты, из которых должна состоять система, - с возможностью ее модернизации по мере изменения потребностей. В качестве примера можно привести проекционный блок. Два года назад Mitsubishi Electric запустила новую линейку DLP-проекторов, которые дают возможность заменить находящиеся в эксплуатации видеостены с ртутными лампами на новейшие светодиодные системы повышенной яркости. Данная технология позволяет улучшить качество изображения, существенно продлить срок службы действующих систем и минимизировать затраты на техническое обслуживание.

Срок службы ртутных ламп составляет в среднем 6000 часов, т. е. менее одного года работы в круглосуточном режиме. При средней стоимости лампы в €1000 это влечет за собой значительные эксплуатационные расходы. Напротив, ожидаемый срок службы светодиодных кубов модели 50PE78 производства Mitsubishi Electric составляет 100 000 часов, т. е. более 10 лет непрерывной работы в круглосуточном режиме. Применение светодиодных кубов в сочетании с малошумными вентиляторами воздушного охлаждения, также рассчитанными на 100 000 часов работы, практически устраняет необходимость текущего техобслуживания дисплея в течение большей части эксплуатационного срока. Кроме того, DLP-кубы со светодиодной подсветкой обладают более широкой цветовой гаммой и сохраняют постоянную цветовую температуру на протяжении всего срока службы. Это, в свою очередь, означает улучшение цветопередачи и повышенную стабильность.

Реализованный в Италии проект дает хороший пример того, как инженеры используют универсальные компоненты системы отображения информации, чтобы обойти инфраструктурные ограничения.

Компания Autostrada del Brennero является оператором автомагистрали A22, проходящей от г. Модена до перевала Бреннер (на границе Италии и Австрии). Посчитав действующую аналоговую систему отображения информации в центре управления устаревшей и слишком дорогой в обслуживании, компания решила ее модернизировать с использованием новейших цифровых технологий. Существовавшая на тот момент система контроля с 200 аналоговыми камерами и предназначенная для управления ею программная платформа были вполне работоспособны. Кроме того, компания стремилась избежать дополнительных расходов и отрыва операторов от работы с целью их переподготовки. 3P Technologies, компания по комплексированию технических и программных средств, разработала решение, соединившее в себе новейшие технологии отображения с имеющимися системой контроля и программной платформой.

Пункт управления автомагистрали A22 (рис. 1) находится в самом центре сложной и высокотехнологичной системы управления дорожным движением, включающей в себя около 200 камер видеонаблюдения, мониторов и точек экстренной связи, связанных волоконно-оптическим кабелем, радиоканалами, а также линиями проводной связи. Управление системой осуществляется с помощью специально разработанной программной платформы, которая в случае аварии позволяет операторам контролировать входные данные или любую информацию, загружаемую с камер. Также в систему встроена инновационная функция автоматической фиксации событий дорожного движения (AID), которая дает возможность анализировать поступающие с камер и датчиков данные и в автоматическом режиме реагировать на нештатные ситуации. Помимо подачи звукового сигнала, система осуществляет запись происшествия и регистрирует события, случившиеся незадолго до него. Это позволяет операторам восстановить произошедший инцидент в динамике.

Рис. 1. Диспетчерский пункт управления автомагистралью А22

При разработке проекта модернизации основная проблема заключалась в дисплее, используемом для контроля системы. Состоящий из аналоговых ЖК-экранов дисплей был не в состоянии обрабатывать информацию требуемого типа и объема, а также был дорог в эксплуатации. Действующая система была заменена видеостеной из светодиодных кубов Mitsubishi Electric 70-й серии, что позволило повысить качество и эффективность управления, а также снизить расходы на техническое обслуживание.

Используемый для управления дисплеями процессор X-Omnium компании Bilfinger-Mauell обеспечил универсальность в отношении способов и места отображения контента. Если раньше операторы были ограничены в плане выбора размеров отображения, то теперь они могут организовать вывод контента в виде окон в любом месте экрана. При этом контроллер с сенсорным экраном Crestron позволяет операторам вызывать готовые сценарии с помощью простого сенсорного интерфейса, разработанного компанией 3P Technologies.

Пять декодеров Bilfinger-Mauell предоставляют интерфейс для существующей системы аналоговых видеокамер, что дает операторам возможность использовать привычные элементы управления приводом наклона/поворота и масштабирования. Важно отметить, что контроллер X-Omnium позволяет управлять самим дисплеем с помощью имеющегося пакета программ контроля дорожного движения.

Еще один пример проекта - центр мониторинга дорожного движения «Сенатра» (рис. 2), расположенный в Андорре, в районе восточных Пиренеев на границе с Испанией и Францией.

Рис. 2. Центр мониторинга дорожного движения «Сенатра»

Княжество Андорра - одно из самых популярных зимних туристических мест в Европе благодаря многочисленным горнолыжным склонам. Высокий транспортный поток (до 27 000 машин в день) и необходимость особой бдительности, обусловленной зимними условиями, сделали дисплейную систему центра и 60 сетевых видеокамер жизненно важным условием надежного контроля за безопасностью на 100 км основной дороги и 150 км второстепенных дорог, находящихся под юрисдикцией этого центра. Для этого также были использованы DLP-кубы от Mitsubishi Electric.

Обратимся к другому проекту. В 2015 г. Highways England расширила возможности Восточного регионального центра управления, расположенного в Южном Миммсе. Среди семи региональных центров компании восточный является одним из самых крупных. Он отвечает за управление движением на дорогах, относящихся к числу самых оживленных в Европе, включая южный участок трассы М25 и ряд участков трасс M40, M1 и M4.

Центральное место в диспетчерском зале (рис. 3), вмещающем 20 оборудованных рабочих мест операторов, занимает большая видеостена. На ней операторы могут видеть изображение с любой из 870 камер наблюдения за дорожной сетью, а также просматривать видео и потоки данных, получаемые от других дорожных агентств, и принимать трансляции непосредственно из эфира временно установленных камер.

Рис. 3. Диспетчерский зал Восточного регионального центра управления движением

Восточный региональный центр управления работает в режиме 24/7. В рамках расширения центра было принято решение о модернизации видеостены, и для реализации проекта была выбрана фирма Electrosonic. Основной целью проекта, наряду с установкой более высокопроизводительного дисплея, было внедрение новейших технологий с целью существенного снижения расходов на эксплуатацию видеостены.

Реализованная система построена на основе DLP-видеокубов Mitsubishi Electric модели VS-67PE78 с диагональю 67″ в конфигурации 8×3. Она позволяет повысить разрешение главной видеостены с XGA до SXGA+, улучшить яркость и значительно увеличить срок службы - до 100 000 часов для светодиодных источников света и остальных компонентов.

Описанные проекты показывают, что любой проектирующий систему инженер должен ставить во главу угла принцип универсальности - особенно с учетом грядущей революции межмашинного взаимодействия.

Управление дорожным движением комплекс мероприятий, направленных на формирование оптимальных режимов дорожного движения.

Строительный словарь .

Смотреть что такое "Управление дорожным движением" в других словарях:

центр управления дорожным движением - Оперативный центр, обеспечивающий единое управление Олимпийскими транспортными потоками и координацию работы ФНД «Транспорт», местных транспортных служб и правоохранительных органов. [Департамент лингвистических услуг Оргкомитета… … Справочник технического переводчика

Англ. Royal Bhutan Police Зона охвата … Википедия

ЦУДД - центр управления дорожным движением ЦУДД центральное управление дорожным движением Источник: http://www.logistic.ru/news/2008/4/4/17/108201.html …

Рабочий стол QNX 6 (Neutrino) по … Википедия

- (ДААТ) (до 2003 года Донецкий автомобильный колледж) частное высшее учебное заведение. Осуществляет обучение по следующим направлениям и специальностям: Направление «Автомобильный транспорт». Квалификация инженер механик.… … Википедия

У этого термина существуют и другие значения, см. Сидней (значения). Город Сидней Sydney … Википедия

Донецкая академия автомобильного транспорта (ДААТ) (до 2003 года Донецкий автомобильный колледж) частное высшее учебное заведение. Производит обучение по следующим направлениям и специальностям: Направление «Автомобильный транспорт».… … Википедия

- (произносится джи ди эф, рус. букв. Файлы географических данных) или GDF формат обмена географическими данными. В отличие от общих форматов ГИС, GDF предоставляет детальные правила для записи данных и их представления, а также исчерпывающий… … Википедия

Австралия - (Australia) История Австралии, государственная символика Австралии, культура Австралии Исполнительная и законодательная власть Австралии, климат Австралии, природные ресурсы и живая природа Австралии, крупнейшие экономические центры Австралии… … Энциклопедия инвестора

УДД - управление дорожным движением транспорт … Словарь сокращений и аббревиатур