Использование имитационного моделирования в компьютеризированной системе управления транспортными потоками в условиях большого города

Аннотация

Андриевская А.В., Светличная В.А., Андриевская Н.К. – Использование имитационного моделирования в компьютеризированной системе управления транспортными потоками в условиях большого города В статье рассмотрены вопросы использования имитационного моделирования при регулировании транспортных потоков в крупных городах и динамически изменяющихся условиях. Приведены способы определения рациональных параметров работы светофора и регулирования скорости движения. Ключевые слова: транспортный поток, интенсивность, скорость, светофор, зеленая волна, имитационное моделирование.

Общая постановка проблемы

Современное состояние автомобильных перевозок характеризуется все возрастающими объемами, увеличением скоростей и интенсивности движения. Связанный с этим рост числа дорожно-транспортных происшествий предъявляет новые, все более высокие требования к техническому совершенству автомобильных дорог, их инженерному оборудованию и состоянию, транспортно-эксплуатационным характеристикам и организации движения в процессе эксплуатации.

Одну из основных ролей в решении этих задач играет создание компьютеризированных систем. Разработка таких систем остается актуальной на протяжении многих последних лет. С одной стороны, это объясняется резким увеличением интенсивности движения автомобилей, а с другой стороны все возрастающими техническими возможностями средств регистрации, слежения и управления движением транспорта и, особенно, возрастающими возможностями компьютерных технологий.

К настоящему времени разработан целый ряд автоматизированных систем мониторинга и управления транспортными потоками, использующих различные математические методы и принципы, и по совокупности решающих те или иные задачи. К ним можно отнести такие системы как ИТС (интеллектуальная транспортная система), АСУДД (автоматизированная система управления дорожным движением), АРДАМ (автоматизированное регулирование движения на автомобильных магистралях) [1]. После проведения анализа возможностей существующих подсистем можно сказать, что они не позволяют в полной мере улучшить динамику движения транспортных потоков.

Проведенный анализ схемы управления дорожным движением позволил определить существующие способы управления трафиком. Анализ же технических средств мониторинга и регулирования транспортными потоками, позволил выделить основные параметры, которые можно получить о движении транспортных средств. Следовательно, во время каких-либо критических ситуациях изменяя эти параметры можно добиться оптимизации дорожного движения на определенном участке дороги.

Основную задачу автоматизированной системы управления транспортными потоками можно сформулировать следующим образом: при изменяющихся характеристиках транспортного потока с учетом аварийных ситуаций, образования пробок, состояния метеорологических условий в каждый момент времени обеспечивать требуемые показатели функционирования дорожного движения, к которым следует отнести скорость, пропускную способность и безопасность движения. Результатами решения задачи должны быть измененные длительности сигналов светофоров (длина цикла, длительность зеленного и красного света) и рекомендуемая скорость движения на заданном участке. [2]

Решение задачи

Для поиска эффективных стратегий управления транспортными потоками в большом городе и организации дорожного движения необходимо учитывать широкий спектр характеристик транспортного потока, закономерности влияния внешних и внутренних факторов на динамические характеристики транспортного потока [3, 4].

В крупных городах, страдающих от пробок, светофорные объекты подключают к единой системе регулирования движения. На определенных участках задается длительность сигналов светофора таким образом, чтобы обеспечить зеленую волну. Зеленая волна – методика обеспечения безостановочного движения транспорта за счёт согласованного включения зелёного света светофора на перекрёстках.

С целью достижения эффективного управления транспортными потоками предлагается создание зеленых волн на магистралях, изменяемых во времени, путем имитационного моделирования поведения транспортных потоков, реализация которого требует создания адекватной модели транспортного потока с учетом сложности конфигурации транспортных развязок, внешних воздействий, и случайных факторов, влияющих на всю структуру взаимодействия движущихся потоков.

Поводом для начала работы системы служит выход некоторых параметров транспортных потоков за определенные пределы. Возникает вопрос, какие из параметров, с помощью которых описан перекресток, являются более весомыми и определяют неприятности, связанные с длинной очереди из машин, которая образуется возле светофора. Очевидно, что вторым параметром, от которого зависит длина очереди является интенсивность и он будет определяющим фактором моделирования.

Для разработки модели были проанализированы разные виды перекрестков и выделены их параметры:

• длительность красного сигнала светофора;
• длительность зеленого сигнала светофора;
• интенсивность транспортного потока;
• длина очереди на перекрестке.

В зависимости от интенсивности транспортного потока и длительности красного и зеленого сигналов светофора будет различной длина очереди на перекрестке. Таким образом, искомую функцию можно выразить следующим образом:

Алгоритм, моделирующий работу регулируемого перекрестка приведен на рис.1 и функционирует следующим образом. Длина цикла длительности светофора варьируется в пределах 50 – 120 секунд: (50<=Tc<=120) . Длительности зеленого и красного сигналов варьируются c шагом в 5 секунд. Дороги могут быть с однополосным движением и многополосным, и общая интенсивность разделится на фактическое количество полос на дороге.

Случайный поток автомобилей на ограниченном промежутке времени был принят стационарным и интенсивность его моделировалась с помощью экспоненциального закона. Далее рассматривались ситуация включенного зеленого сигнала светофора и проверка наличия или отсутствия очереди перед светофором. Если очередь пустая и горит зеленый светофор, то автомобиль проезжает перекресток. Время проезда моделировалось как случайная величина с нормальным законом распределения. Если есть очередь и горит зеленый светофор, то автомобиль становиться в очередь. С головы очереди автомобили последовательно покидают перекресток и очередь уменьшается. Если горит красный сигнал светофора, то автомобиль становится в очередь и ожидает начало движения автомобилей после включения зеленого сигнала светофора. Каждый раз производится подсчет автомобилей в очереди, не успевших проехать на зеленый сигнал светофора.

Таким образом, с помощью данного алгоритма можно определить количество автомобилей, которые не успевают проехать на зеленый сигнал светофора, рассмотрев различные варианты длительности красного и зеленого света светофора, при различных интенсивностях движения.

Например, при интенсивности 900 автомобилей в час и значению длительности цикла светофора в 50 секунд, очередь, которая не успевает проехать на зеленый сигнал, достигает критически допустимого количества автомобилей (20 штук), когда красному сигналу светофора присвоено значение длительности 30 секунд.

Дальнейшие исследования и усовершенствования управления движением следует вести в направлении увеличения объема собираемой и анализируемой информации о транспортной ситуации, а также развития системы от уровня прямолинейной магистрали до уровня дорожных сетей.

Выбор режима движения транспортного средства происходит в зависимости от местонахождения транспортных единиц в текущий момент (сегмент, перекресток, граница моделируемого района).

Рассмотрим реальную улицу с перекрестками и проанализируем параметры, с помощью которых можно охарактеризовать каждый участок улично-дорожной сети.

Руководствуясь принципами декомпозиции, можно будет построить унифицированную модель предметной области и наполнить ее классами объектов, реализующих основные понятия этой предметной области.

Главными объектами предметной области модели будут:

• Технические средства: Светофор, Дорожный знак, Разметка;
• Транспортный поток;
• Улично-дорожная сеть с классами: Участок, Улица, Перекресток;
• классы-обработчики (модули управления).

Каждый из этих объектов обладает своими специфичными свойствами. Например, объект Улица можно охарактеризовать такими свойствами: название улицы, длина улицы, количество перекрестков, расстояние между перекрестками.

Перекресток имеет следующие параметры: количество направлений движения, количество полос движения, количество светофоров, длина очереди.

Параметрами светофора будут: длительность цикла светофора, длительность зеленого сигнала светофора, длительность красного сигнала светофора.

Свойства транспортного потока: интенсивность транспортного потока, скорость движения транспортного потока.

Для взаимосвязи данных объектов предметной области и реализации основных управляющих алгоритмов требуется определить классы-обработчики, как показано в реализации объектных моделей компьютерных систем [5-7].

Главная улица должна обладать свойством «зеленая волна». Благодаря этому, транспортный поток будет с заданной средней скоростью преодолевать перекрестки. Поток будет попадать на зеленый сигнал светофора и не создавать огромную очередь на перекрестке. Возникает необходимость для создания еще одного класса обработчика объектов. Данный обработчик должен содержать алгоритм реализации зеленой волны для главной дороги. Выходными параметрами должны быть длительности сигналов светофоров и средняя скорость движения автомобилей. Обработчик должен использовать свойства объектов Улица, Перекресток и Транспортный поток.

Реализуя «зеленую волну» на главной дороге, а также имея возможность имитационного моделирования движения транспортных потоков во всех направлениях на перекрестках, требуется решить проблему уменьшения очереди на перекрестке во время появления непредвиденных ситуаций.

Алгоритм решения этой задачи должен включать в себя имитационное моделирование движения транспортных потоков на каждом объекте Перекресток таким образом, чтобы, изменяя длительность сигнала светофора на проблемном участке, автоматически производился пересчет зеленой волны, а также сохранялись приемлемые значения в каждом направлении всех перекрестков. В итоге становится возможным выделить еще один класс обработчик в объектно-ориентированной модели, который будет включать в себя реализацию данного алгоритма.

Выводы и направления дальнейших исследований

В результате проведенных исследований была разработана имитационная модель, формализующая функционирование перекрестков и позволяющая оценивать параметры их работы в различных условиях при изменении внешних факторов. Приведены результаты работы модели в условиях реально существующей улицы с несколькими перекрестками.

Дальнейшие исследования следует вести в направлении использования технологии ООП и в полной мере решения задачи разработки объектно-ориентированную модели компьютеризированной системы управления транспортными потоками в условиях большого города.

Список использованной литературы

1. Интеллектуальные транспортные системы – проблемы на пути внедрения в России/ Интернет-ресурс. – Режим доступа: [Ссылка]
2. Барышев В.В., Светличная В.А. Функциональная структура компьютеризированной системы управления транспортными потоками в условиях большого города // Информационные управляющие системы и компьютерный мониторинг. – Донецк: ДонНТУ, 2014. – С. 33-383.
3. Руководство по оценке пропускной способности автомобильных дорог. – М.: Транспорт, 1982 г. – 95 с.
4. Левашев А.Г., Михайлов А.Ю., Головных И.М. Проектирование регулируемых пересечений: Учеб. пособие. – Иркутск: Изд-во ИрГТУ, 2007 г. – 208 с.
5. Дорош А.И., Светличная В.А., Андриевская Н.К. Функциональная структура подсистемы поддержки принятия решения для задач финансовой реструктуризации предприятия. Информатика и компьютерные технологи: в 2-х томах / А.И. Дорош, В.А. Светличная, Н.К. Андриевская // Сборник трудов VIII международной научно-технической конференции студентов, аспирантов и молодых ученых -18-19 сентября 2012 г., Донецк, ДонНТУ. – 2012.
6. Землянская С.Ю., Сложеницын А.В., Андриевская Н.К. Структура модели для прогнозирования поведения групп лиц. ИНФОРМАТИКА И КИБЕРНЕТИКА. – Д.: ДонНТУ, – 2016. – № 4(6).
7. Светличная В.А., Андриевская Н.К., Чаленко К.Ю. Разработка функциональной структуры логистической системы формирования заказов для интернета-магазина. ИНФОРМАТИКА И КИБЕРНЕТИКА. – Д.: ДонНТУ, – 2017. – № 3(9). – 111-118 c.