Оптимизация процессов получения информации и управления движением транспортных потоков высокой интенсивности

• Автор: Медовщиков, Максим Игоревич
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Краснодар
• Количество страниц: 306 с. : ил.

Содержание
Введение
Глава 1. Анализ методов получения параметров и управления транспортными потоками
1.1 Анализ существующих методов получения информации о транспортных потоках
1.2 Анализ существующих методов управления транспортными потоками
1.3 Постановка задачи
1.4 Заключение по главе
Глава 2. Оптимизация процессов получения информации о транспортных потоках (ТП)
2.1 Оптимизация количества детекторов транспорта
2.2 Методика определения скорости транспортных средств по акустическому излучению
2.3 Методика определения интенсивности транспортного потока по
акустическому излучению
2.4 Заключение по главе
Глава 3. Оптимизация процессов управления транспортными потоками
3.1 Объект управления и структура адаптивной АСУДД
3.2 Подход к расчёту динамики транспортных потоков при адаптивном
управлении
3.3 Оптимизация параметров светофорных объектов с применением генетических алгоритмов
3.4 Сегментирование транспортной сети и объединение сегментов
3.5 Заключение по главе
Глава 4. Реализация и оценка эффективности внедрения исследованных методов
4.1 Реализация пассивного акустического детектора транспорта

4.2 Применение метода оптимизации количества детекторов транспорта к сегменту транспортной сети г. Краснодара
4.3 Реализация модуля централизованного адаптивного управления транспортными потоками на базе АСУДД «СПЕКТР» на примере группы сегментов г. Краснодара
4.4 Оценка эффективности применения реализованных модулей АСУДД
4.5 Заключение по главе
Заключение
Список сокращений и условных обозначений
Список литературы
Приложение 1. Дополнительные сведения о существующих АСУДД и структуре
объекта управления
Приложение 2. Описание существующих методов определения параметров
транспортного потока по акустическому излучению
Приложение 3. Блок-схемы алгоритмов, применённых в разработанных методиках

Приложение 4. Справочная информация по детекторам транспорта
Приложение 5. Информация о разработанных имитационных моделях
Приложение 6. Дополнительные сведения о результатах исследования
разработанных методик
Приложение 7. Структура адаптивной АСУ дорожного движения
Приложение 8. Формирование модели транспортной сети г. Краснодара
Приложение 9. Дополнительные сведения о реализованных устройствах и
модулях
Приложение 10. Свидетельства о регистрации ПО и акты о внедрении результатов

Введение
Актуальность исследования.
Задачи, решаемые в диссертационной работе, относятся к проблеме эффективного управления транспортными потоками высокой интенсивности, включая проблему актуальности и достоверности информации о состоянии транспортных потоков. Проблема эффективности управления транспортными потоками известна с середины XX века. В результате автомобилизации и роста численности населения в городе возрастают объёмы транспортных потоков, загружая транспортную инфраструктуру города. С одной стороны общий рост интенсивности нерегулируемых потоков приводит к увеличению вероятности дорожно-транспортных происшествий, с другой стороны недостаточная эффективность регулирования потоков приводит к снижению пропускной способности транспортной сети и увеличению транспортных заторов.
Пигу, Найтом и Вардропом в результате формирования базовых принципов распределения транспортных потоков было доказано [175], что самоорганизующиеся транспортные потоки достигают состояния баланса, в котором путь каждого транспортного средства является оптимальным, но при этом общие показатели эффективности движения (время ожидания в пути, количество остановок, средняя скорость, суммарная интенсивность) оптимальными не являются. Поэтому эффективное управление транспортными потоками способно повысить не только безопасность, но и качество движения.
В ходе исследования путей решения данной проблемы было разработано множество различных методов, включая создание макромодели динамики потоков на основе уравнений гидродинамики и фундаментальной диаграммы интенсивности потока (ЬУЯ-модель, названная в честь основателей: Лайтхилла, Уизе-ма и Ричардса) [127, 179], развитие макромоделей и вида фундаментальной диаграммы в работах Кернера [120], а также создание микромоделей Ньюэла, Газиса, Трайбера [168], включая модель на основе клеточных автоматов Рикета, Нагеля и

служивания. Последний вид моделей является наиболее перспективным для адаптивного управления, учитывая выигрыш в скорости оптимизации при относительном сохранении точности моделирования.
Отдельно применяется класс статистических прогнозирующих моделей. Помимо основного назначения (прогнозирование отдалённой перспективы распределения нагрузки транспортной сети на 5-10 лет) такие модели могут использоваться для определения начальных условий при автоматическом адаптивном регулировании транспортных потоков.
Оптимизация процесса получения параметров транспортных потоков заключается не только в использовании беспроводных технологий, как более экономных, но и в выборе эффективных типов детекторов транспорта. Помимо видеорегистрации, наиболее эффективно применимой для крупных перекрёстков и магистральных участков дорожной сети, необходим выбор эффективной технологии для получения информации об участках дорожной сети местного значения. Для решении этой задачи перспективными являются акустические методы определения параметров транспортных потоков. Возможность построения устройства с низкими требованиями к компонентной базе, а также к вычислительной производительности, при этом имеющее более широкую зону детекции по сравнению с альтернативными устройствами, такими как инфракрасный детектора, позволяет создать эффективную альтернативу существующим транспортным детекторам на дорожных участках местного значения.
На основе проведённого анализа была поставлена задача оптимизации указанных показателей эффективности работы АСУДД путём применения принципов адаптивного управления, с применением генетических алгоритмов, расщепления структуры дорожной сети на сегменты и моделированием динамики транспортных потоков в пакете моделирования SUMO.