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
Введение
Понятие адаптивного управления дорожным движением в узле транспортной сети
Сравнение временно-зависимой и транспортно-зависимой стратегии управления дорожным движением
Постановка и анализ моделирования
Разработка базы нечетких правил, определения параметров управления движение транспортных потоков в узле транспортной сети
1 Построение функции принадлежности
2 Построение правил соответствия конкретному классу параметра управления
3 База нечетких правил
Заключение
Список литературы
Введение
Изменившиеся условия мобильности, характеризующиеся увеличением в течение последних лет количества автомобилей, привели к повышению нагрузки на транспортную инфраструктуру и окружающую среду. Растущую потребность в улучшении условий передвижения нельзя полностью удовлетворить (ни внутри населенных пунктов, ни за их пределами) только лишь созданием новых путей транспортного сообщения или проведением иных строительных мероприятий. Для выхода из сложившейся ситуации необходимо внедрение целого комплекса мер по организации и управлению дорожным движением. Адаптивные системы управления дорожным движением (АСУД) представляют новый подход к организации управления дорожным движением и совместно с управляемыми ими высокопроизводительными транспортными компьютерами реализуют соответствующие технологии управления.
Постоянное увеличение количества транспортных средств в условиях недостаточной пропускной способности дорог ведёт к затруднениям движения транспортных потоков. Интеллектуальные транспортные системы (ИТС) позволяют минимизировать образование заторных ситуаций и увеличивать пропускную способность транспортной сети. Наработки в области ИТС примеряются для организации дорожного движения населённых пунктов и магистралей. Оптимизация управления дорожным движением достигается за счет взаимодействия управляющих, классифицирующих, прогнозирующих, экспертных, принимающих решения или поддерживающих эти процессы подсистем ИТС. В связи с этим стоит задача поиска методов обработки информации о нештатных ситуациях на улично-дорожной сети (УДС).
В данной работе будут рассмотрены следующие
вопросы: понятие адаптивного управления дорожным движением в узле транспортной
сети, на сети, а так же сравнение временно-зависимой и транспортно-зависимой
стратегии управления дорожным движением.
1. Понятие адаптивного управления дорожным
движением в узле транспортной сети
Возможности улучшения условий движения транспорта за счет оптимальной организации движения во многом недооценены, и развитие транспортной инфраструктуры понимается в основном как мероприятия, связанные со строительством новых дорог и магистралей, реконструкцией существующих путепроводов и развязок. Вместе с тем значительно улучшить транспортную ситуацию позволяет внедрение современных инновационных технологий, получивших название «Интеллектуальные Транспортные Системы» (ИТС). Внедрение ИТС-технологий в России позволяет лучше управлять транспортными потоками, повысить уровень пропускной способности улично-дорожной сети и снизить загрузку отдельных ее элементов.
Рост автомобильного парка и объема перевозок ведет к увеличению интенсивности движения, что в условиях городов с исторически сложившейся застройкой приводит к возникновению транспортной проблемы. Особенно остро она проявляется в узловых пунктах улично-дорожной сети. Здесь увеличиваются транспортные задержки, образуются очереди и заторы, что вызывает снижение скорости сообщения, неоправданный перерасход топлива и повышенное изнашивание узлов и агрегатов транспортных средств. Изменившиеся условия мобильности, характеризующиеся увеличением в течение последних лет количества автомобилей, привели к повышению нагрузки на транспортную инфраструктуру и окружающую среду. Растущую потребность в улучшении условий передвижения нельзя полностью удовлетворить (ни внутри населенных пунктов, ни за их пределами) только лишь созданием новых путей транспортного сообщения или проведением иных строительных мероприятий. Для выхода из сложившейся ситуации необходимо внедрение целого комплекса мер по организации и управлению дорожным движением.
Адаптивные системы управления дорожным движением (АСУД) представляют новый подход к организации управления дорожным движением и совместно с управляемыми ими высокопроизводительными транспортными компьютерами реализуют соответствующие технологии управления. В настоящее время в мировой практике в составе АСУД наиболее распространены следующие технологии управления транспортными потоками:
Технология управления по фиксированным планам (координированное управление);
Технология сетевого адаптивного управления;
Технология ситуационного управления.
САУДД-это система управления дорожным движением с центрально-распределенным интеллектом, состоящая из:
центрального пункта управления (ЦПУ);
точек адаптивного управления дорожным движением, оборудованных интеллектуальными контроллерами и детекторами транспорта, обеспечивающих:
локальное адаптивное управление наиболее сложными и важными пересечениями и участками УДС;
информационное взаимодействие с ЦПУ;
системных детекторов, сообщающих в ЦПУ сведения о транспортных потоках;
системных контроллеров, управляемых из ЦПУ постоянно или периодически.
Организация дорожного движения на уровне служб дорожного движения представляет комплекс инженерных и организационных мероприятии на существующей улично-дорожной сети, обеспечивающих безопасность и достаточную скорость транспортных и пешеходных потоков. К числу таких мероприятий относится управление дорожным движением, которое, являясь составной частью организации движения, как правило, решает более узкие задачи. В общем случае под управлением понимается воздействие на тот или иной объект с целью улучшения его функционирования. Применительно к дорожному движению объектом управления являются транспортные и пешеходные потоки.
Сущность управления движением заключается в том,
чтобы обязывать водителей и пешеходов, запрещать или рекомендовать им те или
иные действия в интересах обеспечения скорости и безопасности. Оно
осуществляется путем включения соответствующих требований в Правила дорожного
движения, а также применением комплекса технических средств и распорядительными
действиями инспекторов дорожно-патрульной службы и других лиц, имеющих
соответствующие полномочия.
2. Сравнение временно-зависимой и
транспортно-зависимой стратегии управления дорожным движением
Современное состояние управления транспортными потоками в большинстве городов можно вообще характеризовать так, что устройства управления (узлы) управляются по фиксированному графику или по состоянию транспортного потока. Существенная разница заключается в том, что для управления по графику времени не нужны детекторы и система неспособна реагировать на какие-либо изменения транспортного потока. В случае транспортно-зависимого управления пере стоп-линиями имеются детекторы, которые фиксируют моментальное присутствие транспортных средств, и устройство управления, таким образом, реагирует на мгновенные условия в узле, увеличением длительности зеленого сигнала. Следовательно, речь идет об управлении в секундной сетке времени.
Временно-зависимое (автономное) управление - транспортные состояния определяются на основании статистического анализа исторических значений характеристик движения транспортных потоков (интенсивность движения) и на их основании определяются выходные значения процесса регулирования.
Транспортно-зависимое (режим текущего времени - онлайн) управление, в англосаксонской литературе, называемое также Traffic Responsive, заключается в том, что вмешательство системы управления рассчитывается по мгновенной транспортной ситуации. Методы режима онлайн обеспечивают работу в реальном времени и на основании переменных входных данных о движении транспортных потоков каждую секунду изменяют и оптимизируют параметры управления, т.е. продолжительность зеленого сигнала в соответствующем направлении. Устройства управления в данном режиме работают независимо или, в крайнем случае, расположены в линии и линейно координированы.
Управление осуществляется на локальном уровне. Если используется центр управления, то потом часто осуществляется мониторинг состояния устройств управления или мониторинг состояния транспортных потоков. Управление светофорами в реальном времени является достаточно известным и стандартно используется под наименованием транспортно-зависимое управление или динамическое управление. Его принцип заключается в том, что транспортный узел оснащен обычно двумя видами датчиков: датчиками интервалов и вызова, которыми являются в большинстве случаев индуктивные петли. Транспортное устройство управления управляет по программе, которая непрерывно тестирует состояние транспортного потока над отдельными датчиками и на основании заранее заданных алгоритмов увеличивает длительность сигналов, модифицирует последовательность фаз или вкладывает фазу по вызову. Данные изменения обычно осуществляются в рамках заранее определенного времени цикла и заранее определенных максимальных значений длительности зеленых сигналов. Датчик интервалов, расположенный приблизительно на 30-50 м перед стоп-линией, получил свое название в результате того, что он непрерывно измеряет интервалы времени между транспортными средствами и если они меньше данного значения (обычно 3-5 секунд), то он увеличивает продолжительность зеленых сигналов вплоть до заранее заданного максимума. Такой способ измерения называется «Управление измерением интервала времени». Вторая возможность заключается в том, что отдельные узлы соединены с центром управления движением транспортных потоков, который на уровне района координирует и управляет работой узлов. Для управления областью используются следующие режимы:
Временно-зависимое (автономное) управление - информация о характеристиках состояния транспортных потоков в районе получают путем статистического анализа, данные о характеристиках движения транспортных потоков (интенсивности и состава движение) за прошлые годы, измеренных в главных точках транспортной сети, и на их основании определяется режим работы транспортных устройств управления. Затем они вводятся в устройства управления в зависимости от времени суток или дня года. При расчетах оптимизируется длительность зеленых сигналов, продолжительность цикла и временной сдвиг. В качестве примера метода, основанного на автономном режиме, можно привести метод TRANSYT, когда фиктивные транспортные средства «выпускаются» в соответствии с заранее заданными правилами в область, и через данную область проходят на основании и в соответствии с моделью движения транспортного потока. На их движение оказывает влияние изменение управляемых параметров узла. С помощью числовых математических методов для разных параметров, как например, длительность цикла, длительность зеленых сигналов и временной сдвиг, находится минимум определенной целевой функции (оптимизация параметров).
Транспортно-зависимое (режим онлайн) управление характеризуется тем, что для различных состояний транспортных потоков на сети заранее рассчитываются системы сигнальных планов, которые хранятся в устройствах управления или в центре управления движением транспортных потоков. Для расчета максимальных значений длительности зеленого сигнала, длительности цикла и временного сдвига, как правило, используется метод TRANSYT. Одновременно в области выбраны стратегические датчики и составлены логические уравнения, описывающие разные комбинации состояний всех или выбранных датчиков. В зависимости от мгновенной транспортной ситуации посредством соответствующего уравнения выбирается программа, которая лучше всех соответствует данной ситуации. Примером может служить описание состояния транспортного потока по стратегическим датчикам SDV1 и SDV5, которое означает: если в точке SDV1 существует степень 2 и одновременно в точке SDV5 - степень 4, то следует выбрать сигнальную программы номер 6.=2 &SDV5=4 THENSP6
Если в сети не классифицируется состояние транспортного потока, то для описания используется только один параметр, которым является интенсивность движения. Транспортно-зависимое управление используется в реальной шкале времени и каждую секунду принимает сигналы выбранных датчиков. Однако переключение сигнальных программ осуществляется с определенным гистерезисом для обеспечения стабильности в транспортной сети. На практике это означает изменение программы устройства управления в сетке нескольких десятков минут.
Оптимизация в автономном режиме дает возможность рассчитать основные регулируемые величины: длительность цикла, последовательность фаз, временной сдвиг и длительность зеленых сигналов для базы исторических данных (данных прошлых лет). Эти данные получаются путем длительного измерения с помощью транспортных детекторов. На основании длительно записываемых данных обычно разрабатывается статистическая модель, которая для интенсивности движения обычно дает возможность определить типичные рабочие дни и особенно субботу и воскресенье, в результате чего сильно ограничиваются изменения переменных. Существенной чертой является, то, что речь идет о макроскопическом управлении в автономном режиме, основанном на детерминистическом моделировании потоков и алгоритмах оптимизации, когда рассчитываются системы сигнальных планов по пространственно-временному вектору данных об интенсивности за предыдущие годы. Модели оптимизации использованы для расчетов в автономном режиме сигнальных временных планов транспортных устройств управления в транспортной сети или линии.
В таком случае процесс управления выбирает в зависимости от времени самый выгодный из множества заранее подготовленных сигнальных планов. Такой способ называется временно-зависимым управлением.
Преимущества временно-зависимого управления:
возможность простого контроля;
простота модификации сигнальных программ;
относительно низкие расходы на оборудование и установку.
Недостатки временно-зависимого управления:
нельзя повысить эффективность использования времени сигналов (разрешение движения для отдельных направлений);
нельзя покрыть пики интенсивности (необходим определенный резерв интенсивности);
нельзя вступать в процесс управления со стороны отдельных транспортных средств или пешеходов;
нельзя устранить возникшие транспортные заторы.
3. Постановка и анализ моделирования
Задача моделирования стратегий управления дорожным движением в узле транспортной сети, как и на сети состоит в разработке классического модуля нечеткого управления. Его составляющие:
Блок фуззификации: система управления с нечеткой логикой оперирует нечеткими множествами, поэтому конкретное значение входного сигнала модуля нечеткого управления подлежит операции фуззификации, в результате которой ему будет сопоставлено нечеткое множество.
База правил представляет собой множество нечетких правил определения нечеткого множества, которому принадлежат выходной сигнал системы.
Блок выработки решения: непосредственное определение множества принадлежности выходного сигнала при конкретно заданных множествах входных сигналов.
Блок дефуззификации представляет процедуру отображения нечеткого множества, получаемого на выходе блока выработки решения в конкретное значение, представляет собой управление воздействия.
Для построения стратегий управления предлагают
использовать программный комплекс «TRANSYT», основанный на оценке поведения
транспортного потока с помощью моделирования дорожного движения и позволяющего
выбирать оптимальные параметры режима работы светофорной сигнализации. По
результатам моделирования дорожного движения в программе для различных
комбинаций интенсивности движения определенно оптимальное время горения
зеленного сигнала светофора.
4. Разработка базы нечетких правил определения
параметров управления движением транспортных потоков в узле транспортной сети
Построение базы нечетких правил определения оптимального времени горения зеленого сигнала светофора на перекрестке, характеризуемом максимальными интенсивностями движения на пересекающихся дорогах. Необходимые данные были получены при помощи транспортного детектора.
Базу правил классификации стратегий управления создаем для системы с двумя входами и одним выходом:
1. Необходимы данные в виде множества . Далее находим области определения элементов множества , которые разбиваем на областей (отрезков), причем значение N подбираем индивидуально, а отрезки могут иметь одинаковую или различную длину. Отдельные области можно обозначить следующим образом: …, S,,…,.
Строим функции принадлежности определенному классу элементов заданного множества обучающих данных. Предлагаем использовать функции треугольной формы по принципу: вершина графика расположена в центре области разбиения, ветви графика лежат в центрах соседних областей. Степень принадлежности данных определенным классом будет выражаться значение функций принадлежности .
Затем для каждой пары определяем правило соответствия
классу стратегии управления. Окончательное для каждой пары обучения данных
можно записать 1 правило, то есть
Поскольку в наличии имеется большое количество пар существует высокая вероятность того, что некоторые из правил окажутся противоречивыми. Это относится к правилам с одной и той же посылкой (условием), но с разными средствами (выводами).
Одним из методов решения этой проблемы заключается в приписывании каждому правилу так называемые степени истинности с последующим выбором противоречащих друг другу правил того, у кого эта степень окажется наибольшей. После чего база правил заполняется качественной информацией.
Например, согласно выше описанным
правилам степени истинности имеют вид
4. Для определения количественных значений
параметра оптимизации стратегии управлении необходимо выполнить операцию
дефуззификации. Для расчета выходного значения управления воздействия можно и
рекомендуется воспользоваться способом дефуззификации по методу центра тяжести.
1 Построение функции принадлежности
Для элементов множества обучающих систему данных
обозначим следующую область определения
Разбив Х 1 Х 2 и G на 2n+1
отрезков и строим функции принадлежности вида
Рисунок 4.1 Общий вид графика функций
принадлежности
Имеем в итоге:
Рисунок 4.2 Графики функций принадлежности
интенсивности х 1 к классам разбиения множества Х 1.
Определяем функции принадлежности µ(x 1) на отрезках разбиения области Х 1 методом отнесения µ(x 1) к определенному классу.
Таблица 4.1. Функции принадлежности µ(x 1)
на отрезках разбиения области Х 1 (n=4)
Отрезок
разбиения Обозначение Функция
принадлежности µ(х 1) , , , , , Рисунок 4.3 Графики функций принадлежности
интенсивности х 2 к классам разбиения множества Х 2 .
Определяем функции принадлежности µ(x 2)
на отрезках разбиения области Х 2 методом отнесения µ(x 2)
к определенному классу по рисунку 4.3. Таблица 4.2 Функции принадлежности µ(x 2)
на отрезках разбиения области Х 2 (n=5)
Отрезок
разбиения Обозначение , , , , , , , Рисунок 4.4 Графики функций принадлежности
интенсивности gк классам разбиения множества Q. Определяем функции принадлежности µ(g) на
отрезках разбиения области Gметодом отнесения µ(g) к определенному классу
Таблица 4.3 Функции принадлежности µ(g) на
отрезках разбиения области G(n=6)
Отрезок
разбиения Обозначение Функция
принадлежности µ(х 2) , ; ,; ,; ,; 2 Построение правил соответствия конкретному
классу параметра управления
Определяем правило соответствия классу стратегий
управления и приписываем каждому правилу степень истинности. Таблица 4.4 Значения функций
принадлежности данных определенным классам
(i)µ((i))(i)µ((i))g(i)µ(g (i)) Получаем таблицу с присвоенными степенями
истинности и степень истинности для каждой из пар x 1 , x 2 . транспорт управление дорожный
пассажирский Таблица 4.5 Нечеткие правила, сгенерированные по
обучающимся данным и степень истинности этих правил
3 База нечетких правил
Согласно определенным в таблице 4.7 правилам
составляем базу нечетких правил, определяющую оптимальное значение зеленого
сигнала светофора.
Таблица 4.6 База нечетких правил
Заключение
В данной работе были рассмотрены следующие
вопросы: понятие адаптивного управления дорожным движением в узле транспортной
сети, на сети, а так же сравнение временно-зависимой и транспортно-зависимой
стратегии управления дорожным движением. Основные концепции адаптивного управления,
реализуемые в различных странах и преимущества такие как: обеспечение высокую
работоспособность в условиях изменения свойств управляемого объекта, окружающей
среды и целей, за счет разработки новых алгоритмов функционирования. Организация движения городского пассажирского
общественного транспорта при работе адаптивной системы управления дорожным
движением, реализация данного условия происходит за счет установки радиометок
на транспортные средства и считывающих устройств на светофорные объекты.
Распознавание транспортного средства позволит «растягивать» время горения
зеленого сигнала и обеспечить беспрепятственный проезд общественного
транспорта. А так жеможно использовать принцип обмена данными непосредственно
между контроллерами соседних перекрестков. Данные детекторов, подключенные к
дорожному контроллеру, дополняются данными тех детекторов, которые установлены
на соседних перекрестках. Этот позволяет директивно задавать состояние
сигнальных групп, а также обеспечивает приоритет общественного транспорта Так как адаптивное управление очень затратно был
предложен альтернативный метод для определения оптимального времени горения
зеленого сигнала светофора на пересечение. А именно метод разработки
классического модуля нечеткого управления, исходными данными для которого
служили множества данных об интенсивности двух пересекающихся дорог. В данной
работе были рассмотрены первые три блока данного метода и были проведены
расчеты.
Список литературы
1. П. Пржибыл, М. Свитек
"Телематика на транспорте", 2004 г; Коноплянко, В.И., Гуджоян
О.П., Зырянов В.В., Березин А.С. Безопасность движения. Кузин М.В. Имитационное
моделирование транспортных потоков при координированном режиме управления Омск
- 2011; В.Г. Кочерга, Е.Е. Шаталова
Технические средства современных автоматизированных систем управления дорожным
движением. Ростов-на-Дону 2011; Е.А. Петров статья
«Адаптивная система управления дорожным движением в составе городской ИТС»; Абрамова Л.С. Журнал
Вестник Харьковского национального автомобильно-дорожного университета.
;
;
;
;
;
;
;
;
;
;
;
; 
; 
;
;
;
;
; 
;
;
;
;
;
;
;
;
;
Классификация и назначение
Управление движением в условиях предельного насыщения дорог транспортными и пешеходными потоками требует все более совершенных методов регулирования движения. В последнее время все большую актуальность приобретает применение автоматизированных систем управления дорожным движением (АСУДД), представляющих собой комплекс технических средств, реализующий определенные технологические алгоритмы управления транспортными потоками.
Основная цель введения АСУДД заключается в снижении суммарных задержек транспортных средств на пересечениях в зоне действия этой системы - на перекрестке, в районе или городе. Общие требования к АСУДД определены ГОСТ 24.501 - 82 «Автоматизированные системы управления дорожным движением. Общие требования».
Классификация АСУДД с разделением по методам управления приведена на рис. 5.3.
Рис. 5.3. Классификация АСУДД
(автоматизированной системы управления дорожным движением)
Локальной является АСУДД, если для определения параметров регулирования на перекрестке используется только информация о транспортных потоках на подходах к этому перекрестку и в зоне перекрестка. С помощью локальных алгоритмов определяют цикл регулирования, последовательность фаз регулирования, их длительности или моменты переключения фаз, параметры промежуточных тактов.
Особенностью сетевых АСУДД является их использование для определения параметров регулирования информации о транспортной ситуации на нескольких перекрестках, обычно связанных в единую сеть, характеризующуюся значительной интенсивностью движения транспортных средств между соседними перекрестками и небольшими (до 600...700 м) расстояниями между ними.
Как правило, на сетевом уровне определяются циклы регулирования для группы перекрестков и временные сдвиги для отдельных светофорных объектов. Для определения этих параметров помимо данных, необходимых для локального управления, используется информация о топологии сети, взаимосвязях транспортных потоков на соседних стоп-линиях и (или) геометрических направлениях проезда через перекрестки, временах проезда между соседними стоп-линиями.
По временному критерию все алгоритмы светофорного регулирования подразделяют на алгоритмы, реализующие управление дорожным движением по прогнозу (программные, жесткие ), и алгоритмы, действующие в реальном времени (адаптивные ).
Управление по прогнозу не исключает достаточно частого (до 3 - 5 раз в суточном цикле) изменения параметров регулирования, однако эти параметры определяются не исходя из текущей транспортной ситуации, а ее прогнозированием, основанным на выполненных ранее наблюдениях.
Промежуточное положение между адаптивными и неадаптивными алгоритмами занимают алгоритмы, основанные на ситуационном управлении . Алгоритмы этой группы предполагают предварительный расчет параметров регулирования для различных классов транспортных ситуаций и создание библиотеки типовых режимов регулирования. Выбор конкретного режима из библиотеки производится в реальном времени на основании текущей информации о транспортной ситуации и отнесении ее к одному из классов транспортных ситуаций.
Таким образом, методы автоматизированного управления транспортными потоками в АСУДД можно отнести к одному из четырех классов, как это показано на рис. 5.4 (для каждого класса указаны наиболее распространенные алгоритмы управления).
В настоящее время в России наиболее распространенным является метод локального жесткого однопрограммного управления светофорной сигнализацией.
Данный метод основан на предварительном расчете длительности цикла регулирования и фаз регулирования.
Рис. 5.4. Методы автоматизированного управления
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.
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.