Trafik kontrolü. Modern trafik kontrol merkezleri

Trafik hizmetleri düzeyinde, trafik yönetimi, mevcut karayolu ağında güvenliği ve yeterli ulaşım ve yaya akışı hızını sağlayan bir dizi mühendislik ve organizasyonel önlemdir. Bu tür faaliyetler, kural olarak daha spesifik sorunları çözen trafik kontrolünü içerir. Genel olarak yönetim, belirli bir nesnenin işleyişini iyileştirmek amacıyla onu etkilemek anlamına gelir. Karayolu trafiğiyle ilgili olarak kontrolün amacı ulaşım ve yaya akışlarıdır. Belirli bir yönetim türü düzenlemedir, yani. Hareket parametrelerinin belirlenen sınırlar içinde tutulması.

Düzenlemenin, trafiğin hem kontrolü hem de organizasyonunun yalnızca özel bir durumu olduğu ve teknik araçların kullanılmasının amacının, planını uygulamak olduğu dikkate alındığında, "trafiği organize etmenin teknik araçları" veya "trafik kontrolünün teknik araçları" terimi kullanılır. Kabul edilen düzenleyici belgelere karşılık gelen kullanılır ( GOST 23457-86).

Aynı zamanda yerleşik gelenek nedeniyle “düzenleme” tabiri de yaygınlaşmıştır. Örneğin, Yol Kurallarında (SDA), trafik ışıklarıyla donatılmış kavşaklar ve yaya geçitleri, trafik ışıklarının bulunmadığı düzenlenmemiş olanların aksine, düzenlenmiş olarak adlandırılmaktadır. Ayrıca "kontrol döngüsü", "düzenlenmiş yön" vb. terimler de vardır. Özel literatürde, trafik ışığıyla donatılmış bir kavşağa genellikle "trafik ışığı nesnesi" adı verilir.

Kontrolün özü, sürücüleri ve yayaları zorlamak, hız ve güvenliği sağlamak amacıyla onlara belirli eylemleri yasaklamak veya tavsiye etmektir. İlgili gerekliliklerin trafik kurallarına dahil edilmesinin yanı sıra, trafik polisi müfettişlerinin ve uygun yetkiye sahip diğer kişilerin bir dizi teknik araç ve idari eylemi kullanılarak gerçekleştirilir.

Kontrol nesnesi, bir dizi teknik araç ve hareket kontrolünün teknolojik sürecine dahil olan kişilerden oluşan ekipler,

bir kontrol döngüsü oluşturun (Şekil 1). Kontrol döngüsündeki bazı işlevler çoğunlukla otomatik ekipmanlar tarafından gerçekleştirildiğinden, “otomatik kontrol” veya “kontrol sistemleri” terimleri gelişmiştir. Kontrol nesnesi.

Şekil 1. Kontrol döngüsünün blok diyagramı.

Otomatik kontrol önceden belirlenmiş bir programa göre insan katılımı olmadan gerçekleştirilir, otomatik kontrol bir insan operatörün katılımıyla gerçekleştirilir. Gerekli bilgileri toplamak ve en uygun çözümü bulmak için bir dizi teknik araç kullanan operatör, otomatik cihazların çalışma programını ayarlayabilir. Hem birinci hem de ikinci durumda kontrol sürecinde bilgisayarlar kullanılabilir. Ve son olarak, taşıma durumunu görsel olarak değerlendiren operatörün mevcut deneyim ve sezgiye dayalı bir kontrol eylemi uyguladığı manuel kontrol vardır. Otomatik kontrol döngüsü kapalı veya açık olabilir.

Kapalı bir döngüde, araçlar ve kontrol nesnesi (trafik akışı) arasında geri bildirim vardır. Özel bilgi toplama cihazları - taşıma dedektörleri tarafından otomatik olarak gerçekleştirilebilir. Bilgiler otomasyon cihazlarına girilir ve işlenmesinin sonuçlarına göre bu cihazlar, komut üzerine anlamını değiştirebilen trafik ışıklarının veya yol işaretlerinin (kontrollü işaretler) çalışma modunu belirler. Bu sürece esnek veya uyarlanabilir yönetim denir.

Döngü açıkken, geri bildirim olmadığında, trafik ışıklarını kontrol eden cihazlar - yol kontrolörleri (DC'ler), önceden belirlenmiş bir programa göre sinyalleri değiştirir. Bu durumda sıkı yazılım kontrolü gerçekleştirilir.

Şekil 1'de, otomatik kontrol döngüsünü kapatan geri besleme devresi, bu bağlantının var olup olmadığı dikkate alınarak kesikli çizgi ile gösterilmiştir. Manuel kontrol sırasında geri bildirim her zaman mevcuttur (operatörün sürüş koşullarına ilişkin görsel değerlendirmesi nedeniyle), bu nedenle Şekil 1'deki devresi düz bir çizgi olarak gösterilmiştir.

Merkezileşme derecesine göre iki tür yönetim düşünülebilir: yerel ve sistemik. Her iki tür de yukarıda açıklanan yöntemler kullanılarak uygulanır.

Lokal kontrol ile sinyal değişimi doğrudan kavşakta bulunan bir kontrolör tarafından sağlanır. Sistem tabanlı bir sistemde, kavşak kontrolörleri, kural olarak, kontrol noktasından (CP) özel iletişim kanalları aracılığıyla gelen komutların tercümanlarının işlevlerini yerine getirir. Kontrolörlerin UE ile bağlantıları geçici olarak kesildiğinde yerel kontrol de sağlayabilirler. Kontrol noktası dışında bulunan ekipmanlara çevresel (trafik ışıkları, kontrolörler, araç dedektörleri) denirken, kontrol noktasında bulunan ekipmanlara merkezi (bilgisayar ekipmanları, sevk kontrol, telemekanik cihazlar vb.) adı verilir.

Uygulamada “yerel denetleyiciler” ve “sistem denetleyicileri” terimleri kullanılmaktadır. İlkinin UE ile bağlantısı yoktur ve bağımsız çalışır, ikincisi ise böyle bir bağlantıya sahiptir ve yerel ve sistem kontrolünü uygulayabilir.

Yerel manuel kontrol ile operatör doğrudan kavşakta olup araçların ve yayaların hareketlerini gözlemler. Sistem 1'de kontrol merkezinde bulunur, yani. Kontrol nesnesinden uzakta olmak ve ona trafik koşulları hakkında bilgi sağlamak için iletişim araçları ve bilgilerin görüntülenmesi için özel araçlar kullanılabilir. İkincisi, şehrin veya bölgelerin parlak haritaları - anımsatıcı diyagramlar, grafik ve alfanümerik bilgilerin bir bilgisayar kullanılarak bir katot ışın tüpüne çıkışı için cihazlar - kontrollü alanın doğrudan gözlemlenmesine izin veren ekranlar ve televizyon sistemleri şeklinde yapılır.

Yerel kontrol çoğunlukla, kontrol veya akış açısından komşu kavşaklarla hiçbir bağlantısı olmayan ayrı veya dedikleri gibi izole bir kavşakta kullanılır. Böyle bir kavşakta trafik ışıklarının değişimi, komşu kavşaklardaki trafik koşullarına bakılmaksızın bireysel bir programa göre sağlanır ve araçların bu kavşağa gelişi rastgele olur.

Belirli bir alandaki araçların hareket süresini azaltmak amacıyla gerçekleştirilen bir grup kavşakta koordineli sinyal değişiminin organizasyonuna koordineli kontrol (“yeşil dalga” (GW) prensibine göre kontrol) denir. Bu durumda genellikle sistem kontrolü kullanılır.

Herhangi bir otomatik kontrol cihazı, bilgilerin işlenmesi ve gerekli kontrol eyleminin oluşturulması süreçlerinin bir açıklaması olan belirli bir algoritmaya uygun olarak çalışır. Karayolu trafiği ile ilgili olarak trafik parametrelerine ilişkin bilgiler işlenir ve trafik akışını etkileyen trafik ışıklarının kontrolünün niteliği belirlenir. Kontrol algoritması, trafik ışığı sinyallerini önceden belirlenmiş bir programa göre değiştiren kontrolörler tarafından teknik olarak uygulanır. Bilgisayar kullanan otomatik kontrol sistemlerinde, kontrol problemlerini çözmeye yönelik algoritma, çalışması için bir dizi program biçiminde de uygulanır.

İyi çalışmanızı bilgi tabanına göndermek basittir. Aşağıdaki formu kullanın

Bilgi tabanını çalışmalarında ve çalışmalarında kullanan öğrenciler, lisansüstü öğrenciler, genç bilim insanları size çok minnettar olacaklardır.

Yayınlanan http://www.allbest.ru/

giriiş

Araba sayısındaki artış ve buna bağlı olarak büyük şehirlerin yollarındaki sayılarının artması, günümüzde giderek daha önemli bir sorun haline geliyor. Çoğu megakentin merkezindeki insan kitlelerine yönelik çekim merkezlerinin büyük bir yoğunlaşması, karayolu ağının yönetilmesinin karmaşıklaşmasına ve bakım maliyetinin artmasına yol açmaktadır. Dünyanın birçok şehri günlük ulaşım zorluklarıyla baş edemiyor ve her gün kilometrelerce trafik sıkışıklığıyla karşı karşıya kalıyor.

Aynı zamanda nüfusun ulaşım ihtiyacı da artmaya devam ediyor. Dolayısıyla gerekli önlemler alınmadığı takdirde durum çıkmaza doğru gidiyor. Daha hafif bir yük için tasarlanan UDS bununla başa çıkamaz ve modernizasyon ve optimizasyon gerektirir. Bugün şehrin sadece iyi, iyi tasarlanmış ve inşa edilmiş yollara değil, aynı zamanda kalite yönetimine de ihtiyacı var. Ayrıca, birçok yönden, önceki trafik yönetimi yöntemleri geçerliliğini yitiriyor ve büyüyen şehre ayak uyduramıyor; çok yönlü akışlar, özellikle Moskova'da ulaşım durumunu iyileştirmek için dinamik yönetim ve yenilikçi sistemlerin entegrasyonunu gerektiriyor. Karayolu ağlarının inşası ve yönetimine ilişkin tüm sistemin, yol ağlarının davranışını tahmin etmeyi, konfigürasyonunda ayarlamalar yapmayı ve çok daha fazlasını mümkün kılan matematiksel modelleme de dahil olmak üzere yeni teknolojiler aracılığıyla değiştirilmesi gerekiyor. Bu nedenle alternatiflere ve trafiğin durumuna ilişkin ek bilgi kaynaklarına olan ihtiyaç hızla artıyor. Verilerin toplanması ve işlenmesine yönelik en yeni kompleksler ve sistemler halihazırda uygulanmaktadır.

İlk bölümde, Moskova kentindeki mevcut ulaşım durumunun kısa bir analizi, Yandex.Traffic hizmeti kullanılarak araç metrik verilerinin alınması ve kullanılmasının bir analizi ve bu tür verilerin yararlılığı ve bunların olasılığına ilişkin bir analiz sunulmaktadır. kullanmak. Bölümün sonunda yolların sınıflandırılması, trafik akışlarının ne olduğu, temel özellikleri ve problemin formülasyonu hakkında teorik bilgiler verilmektedir.

İkinci bölümde, karayolu ağının “deneysel” bir bölümü seçilmiş, ana sorunları Yandex.Trafik ısı haritası kullanılarak değerlendirilmiş ve ayrıca sorunun formülasyonuna dayanarak, bölgedeki ulaşım durumunu iyileştirmek için önlemler önerilmiştir. yol ağının bu bölümü.

Üçüncü bölüm, bilgisayar modellemesi ve iki UDS modelinin ve bunların parametrelerinin karşılaştırılması kullanılarak önerilen değişikliklerin ayrıntılı bir gerekçesini sunmaktadır. Seçilen saha esas alınarak bir bilgisayar modeli oluşturulmuş, problemler ve veriler analiz edilmiş, ardından ikinci bölümde önerilen değişikliklerle bir bilgisayar modeli oluşturulmuştur. İki modelden elde edilen verilerin karşılaştırmalı bir analizi gerçekleştirildi ve bu, yapılan değişikliklerin bu alandaki trafikte iyileşmeye yol açacağı sonucuna varmamızı sağladı.

Çalışmanın amacı şehir içi yol ağındaki trafik akışlarıdır.

Çalışmanın konusu, gerçek pratik problemleri çözmek için bilgisayar modellemeyi kullanma olasılığıdır.

Bilimsel bir hipotez, gerçek verilerin bir bilgisayar modelinde daha ileri (model) modernizasyonuyla birlikte kullanılma ve pratikte güvenilir ve uygulanabilir olma olasılığı yüksek olan iyileştirme sonuçları elde etme olasılığının varsayımından oluşur.

Çalışmanın amacı, Moskova'nın sorunlu radikal otoyollarından birini ele almak, bunun bir bilgisayar modelini oluşturmak, modelin davranışını uygulamadaki resimle karşılaştırmak, karayolu ağının yapısında iyileştirmeler ve değişiklikler yapmak ve daha ileri bir model oluşturmaktır. Bu alandaki durumun iyileştiğini doğrulamak amacıyla değiştirilmiş yol ağı.

Çalışmada yürütülen araştırma sonuçlarının güvenilirliği, ana hipotezin deneysel olarak doğrulanması, ana parametrelerin hesaplanması için geliştirilen matematiksel modellerin analizine dayanarak elde edilen teorik araştırma sonuçlarının tutarlılığı ile sağlanır. UDS, araştırmanın sonuçlarıyla birlikte.

1 Mevcut durumun analizi ve sorun bildirimi

1.1 Sorunun alaka düzeyinin gerekçesi

Dünya çapında pek çok büyük şehrin ulaşım sektöründe büyük sorunlar yaşadığı bir sır değil. Bir metropolde ulaşım çok büyük bir bağlayıcı rol oynar; bu nedenle bir metropolün ulaşım sisteminin dengeli olması, kolay yönetilebilir olması ve şehir içindeki trafikteki tüm değişikliklere hızlı bir şekilde yanıt vermesi gerekir. Aslında bir metropol, hem nüfusun hareketinde hem de genel lojistikte karayolu taşımacılığının (kişisel ve kamusal) büyük bir rol oynadığı, çok sayıda araba ve insanın bulunduğu kentsel bir yığılmadır. Bu nedenle bir metropolün ulaşım sisteminin yetkin yönetimi, faaliyetlerinde büyük rol oynamaktadır.

Nüfusun hem toplu taşıma hem de kişisel araçlarla ulaşım ihtiyacı her geçen gün artıyor. Bir metropolde ulaşım sayısının artmasıyla birlikte yol, kavşak ve otopark sayısının da orantılı olarak artması gerektiğini varsaymak mantıklıdır, ancak karayolu ulaşım ağının (RTN) gelişimi bu hıza ayak uyduramamaktadır. motorizasyon.

İstatistiklere göre kişi başına düşen otomobil sayısının giderek arttığını hatırlayalım (Şekil 1.1).

otomotiv trafik akış bilgisayarı

Şekil 1.1 Moskova'da 1000 kişiye düşen araba sayısı

Aynı zamanda, Moskova Şehir Yol Hizmeti şehirdeki motorlu araç kullanımında bu kadar hızlı bir artışa hazır değil. Şehirde kişisel ulaşımın yanı sıra, Moskova'da toplu taşıma ve yolcu taşımacılığı sorununun da çözülmesi gerekiyor. Devlet ulaşım programına göre yolcu trafiğinin yalnızca %26'sı kişisel ulaşımdan, %74'ü ise toplu taşımadan geliyor. Aynı zamanda 2011 yılında yıllık toplam trafik hacmi 7,35 milyar yolcu olarak gerçekleşti ve tahminlere göre artarak 2016 yılında yılda 9,8 milyar yolcuya ulaşacak. Bu yolcu sayısının sadece %20'sinin kişisel ulaşımı kullanması planlanıyor. Aynı zamanda, toplamda kişisel ve yer üstü toplu taşıma, Moskova'daki yolcu trafiğinin yarısından fazlasını oluşturuyor. Bu, bir metropolde karayolu ulaşımı sorunlarının çözülmesinin, metropolün normal işleyişinde ve sakinlerinin rahat yaşamasında büyük rol oynadığı anlamına gelir. Bu veriler, Moskova'daki ulaşım durumunu iyileştirmek için yeterli önlemler alınmadığı takdirde, son yıllarda Moskova'da yavaş yavaş gelişen bir ulaşım çöküşüyle ​​karşı karşıya kalacağımız anlamına geliyor.

Yolcuların şehir içi hareketiyle ilgili sorunların yanı sıra, sarkaçlı emek göçünün ulaşım akışları ve şehirden geçen araç akışı (çoğunlukla yük) sorununun da açıkça görülebildiğini belirtmekte fayda var. Ve gündüz 12 tonun üzerinde taşıma kapasitesine sahip tırların şehre girişi ve hareketi yasaklanarak transit yük taşımacılığı sorunu kısmen çözülürse, o zaman bölgeden şehre yolcu taşınması sorunu çok daha derin ve daha büyük olur. çözülmesi daha zordur.

Bu, başta insan kitlelerinin çekim merkezlerinin şehir sınırları içindeki konumu olmak üzere çeşitli faktörlerle kolaylaştırılmaktadır. Özellikle çok sayıda şirketin çok sayıda işyeri ve ofisinin konumu, çok sayıda altyapı, kültür ve hizmet tesisinin konumu (özellikle alışveriş merkezleri, ancak bunların şehir sınırları içinde inşa edilmesine yönelik eğilim) Moskova Çevre Yolu dışındaki konumları lehine istikrarlı bir şekilde düşüş göstermektedir). Bütün bunlar, her gün sabah trafiğin yoğun olduğu saatlerde bölgeden şehir sınırlarına büyük miktarda insan akışının gerçekleşmesine ve akşam saatlerinde bölgeye geri dönmesine yol açmaktadır. Bu sorun, özellikle çok sayıda insanın sabah yoğun saatlerde işe, akşam yoğun saatlerde ise eve koştuğu hafta içi günlerde daha da ciddileşiyor. Bütün bunlar, bu saatlerde hem toplu hem de kişisel ulaşımla seyahat eden çok sayıda yolcunun kullandığı gidiş rotalarında muazzam bir yüke yol açıyor. Buna ek olarak, yaz aylarında her hafta sonu otoyollarda büyük trafik sıkışıklığı yaratan ve hafta sonundan sonra bölgeyi terk eden yaz sakinleri de onlara katılıyor.

Tüm bu sorunlara, yeni yolların ve kavşakların inşası, insan kitleleri için çekim merkezlerinin aktarılması ve mevcut yol ağı yapısının yönetiminin optimizasyonu yoluyla acil bir çözüm gerektirmektedir. Bu kararların tümü dikkatli planlama ve modelleme olmadan mümkün değildir. Çünkü uygulama programları ve modelleme araçları yardımıyla belirli çözümleri uygulayarak nasıl bir etki elde edebileceğimizi görebilir, maliyet değerlendirmesine ve trafik akışına olumlu etkisine göre en uygun olanı seçebiliriz.

1.2 Moskova'daki mevcut ulaşım durumunun Yandex Trafik Sıkışıklığı web hizmetini kullanarak analizi

Yukarıda özetlenen sorunları daha ayrıntılı olarak ele aldığımızda, Moskova'daki ulaşım durumu hakkında bilgi toplamak için metropolümüzün sorunlu alanlarını açıkça gösterebilecek mevcut telemetrik sistemlere yönelmeliyiz. Bu alanda etkinliğini kanıtlamış en gelişmiş ve kullanışlı sistemlerden biri, etkinliğini ve bilgi içeriğini kanıtlamış olan Yandex Trafik Sıkışıklıkları web hizmetidir.

Kamuya açık alanda hizmet tarafından sağlanan verileri analiz ederek, veri analizi yapabilir ve yukarıda özetlenen sorunlara gerçekçi gerekçeler sunabiliriz. Böylece, gergin ulaşım durumu olan alanları net bir şekilde görebiliyor, tıkanıklık oluşumundaki eğilimleri görsel olarak inceleyebiliyor ve belirli bir problem alanını modelleme problemini çözmek için en uygun matematiksel modeli seçerek soruna çözüm önerebiliyor ve daha ileri sonuçlar elde edebiliyoruz. Buna dayanarak, bu özel durumda ulaşım durumunun iyileştirilmesi olasılığı hakkında sonuçlar çıkarmak mümkündür. Bu sayede teorik model ile gerçek problemi birleştirerek çözüm sunabiliriz.

1.2.1 Yandex Trafik Sıkışıklıkları web hizmeti hakkında kısa bilgi

Yandex trafik sıkışıklığı, Moskova'daki ve Rusya ve dünyadaki diğer şehirlerdeki ulaşım durumu hakkında bilgi toplayan ve işleyen bir web hizmetidir. Alınan bilgileri analiz eden hizmet, ulaşım durumu hakkında bilgi sağlıyor (ve büyük şehirler için aynı zamanda ulaşım ağının sıkışıklığı için bir "puan" da sağlıyor), sürücülerin yolculuk rotalarını doğru bir şekilde planlamalarına ve beklenen seyahat süresini tahmin etmelerine olanak tanıyor. Hizmet ayrıca haftanın belirli bir gününde, belirli bir zamanda beklenen trafik durumuna ilişkin kısa vadeli bir tahmin de sağlar. Bu nedenle hizmet, TP optimizasyonuna kısmen dahil oluyor ve sürücülerin trafik sıkışıklığı kapsamına girmeyen dolambaçlı rotaları seçmesine olanak tanıyor.

1.2.2 Veri kaynakları

Açıklık getirmek gerekirse, Strastnoy Bulvarı'nda Petrovka'nın önünde (küçük ve kayıpsız) bir kaza geçirdiğimizi hayal edelim. Görünümümüzle, örneğin mevcut üç satırdan ikisini engelledik. Bizim sıralarımızda hareket eden sürücüler etrafımızdan dolaşmak zorunda kalıyor, üçüncü sırada ilerleyen sürücüler ise etrafımızdan geçenlerin geçmesine izin vermek zorunda kalıyor. Bu sürücülerden bazıları Yandex.Haritalar ve Yandex.Navigator uygulamalarının kullanıcısıdır ve mobil cihazları, aracın hareketine ilişkin verileri Yandex.Traffic'e aktarmaktadır. Kullanıcıların arabaları kazamıza yaklaştıkça hızları düşecek ve cihazlar trafik sıkışıklığı konusunda servisi “bilgilendirmeye” başlayacak.

Veri toplamaya katılmak için sürücünün bir navigatöre ve Yandex.Traffic mobil uygulamasına ihtiyacı vardır. Örneğin, yolda bir kaza meydana gelirse, kazamızı gören bazı vicdanlı sürücü, mobil Yandex.Haritalar'a uygun noktayı yerleştirerek diğer sürücüleri bu konuda uyarabilir.

1.2.3 Parça işleme teknolojisi

GPS alıcıları koordinatları belirlerken hatalara izin verir, bu da parkur oluşturmayı zorlaştırır. Hata, arabayı herhangi bir yönde, örneğin kaldırıma veya yakındaki bir binanın çatısına birkaç metre "kaydırabilir". Kullanıcılardan alınan koordinatlar, tüm binaların, parkların, yol işaretli sokakların ve diğer şehir nesnelerinin çok doğru bir şekilde görüntülendiği şehrin elektronik bir haritasına çıkıyor. Bu detay sayesinde program arabanın gerçekte nasıl hareket ettiğini anlıyor. Örneğin, bir yerde araba karşı şeride giremedi ya da köşeyi "kesmeden" yol işaretlerine göre dönüş yapıldı. (Şekil 1.2)

Şekil 1.2 Parça işleme teknolojisi

Sonuç olarak, hizmetin ne kadar çok kullanıcısı varsa, trafik durumuyla ilgili bilgiler de o kadar doğru olur.

Doğrulanan yolları birleştirdikten sonra algoritma bunları analiz eder ve ilgili yol bölümlerine "yeşil", "sarı" ve "kırmızı" derecelendirmeleri atar.

1.2.4 Veri birleştirme

Daha sonra toplama, yani bilgilerin birleştirilmesi süreci gelir. Toplayıcı program her iki dakikada bir, mobil Yandex.Haritalar kullanıcılarından alınan bilgileri bir mozaik gibi tek bir şemada toplar. Bu şema, hem mobil uygulamada hem de web hizmetinde Yandex.Haritalar'ın “Trafik” katmanında (Şekil 1.3) çizilmiştir.

Şekil 1.3 Yandex.Haritalar'da trafik sıkışıklığını görüntüleme

1.2.5 Puan ölçeği

Moskova, St. Petersburg ve diğer büyük şehirlerde Yandex.Trafik hizmeti durumu 10 puanlık bir ölçekte değerlendirir (0 puan, serbest trafik ve 10 puan, şehrin "durduğu" anlamına gelir). Bu tahmin sayesinde sürücüler trafik sıkışıklığında yaklaşık olarak ne kadar zaman kaybedeceklerini hızlı bir şekilde anlayabiliyor. Örneğin Kiev'de ortalama puan yedi ise yolculuk, serbest trafiğe göre yaklaşık iki kat daha uzun sürecektir.

Puan skalası her şehir için farklı şekilde kuruluyor: Moskova'da küçük bir sorun olan şey, başka bir şehirde ciddi bir trafik sıkışıklığıdır. Örneğin, St. Petersburg'da altı puan alan bir sürücü, Moskova'daki beş puanla yaklaşık olarak aynı süreyi kaybedecek. Puanlar aşağıdaki şekilde hesaplanır. Ana otoyollar ve caddeler de dahil olmak üzere her şehrin sokaklarındaki güzergahlar önceden tasarlanmıştır. Her rota için, kuralları ihlal etmeden serbest bir yolda sürülebileceği bir referans süresi vardır. Toplayıcı program, şehrin genel iş yükünü değerlendirdikten sonra gerçek zamanın referans zamandan ne kadar farklı olduğunu hesaplar. Tüm güzergahlardaki farka göre puan yükü hesaplanır. (Şekil 1.4)

Şekil 1.4 Yandex.Trafik portalının çalışmasının genelleştirilmiş diyagramı

1.3 Karayolu ağındaki sorunlu alanları bulmak için YandexTraffic web hizmeti kullanılarak elde edilen bilgilerin kullanılması

Alınan bilgileri özetleyerek, hizmetin Moskova ve diğer bölgelerdeki ulaşım durumu hakkında, özellikle sorunlu bölgeleri belirlemek için bilimsel amaçlarla kullanılabilecek çok yararlı bilgiler (hem çevrimiçi hem de tahmin modunda) sağladığı sonucuna varabiliriz. , caddeler ve otoyollar, tıkanıklık tahmini. Böylece, hem bir bütün olarak karayolu ağının tamamında hem de ayrı ayrı bölümlerindeki temel sorunları tespit edebiliyoruz ve bu web hizmetini kullanarak elde edilen bilgileri analiz ederek karayolu ağında belirli ulaşım sorunlarının varlığını kanıtlayabiliyoruz. Birincil analitik verilerine dayanarak karayolu ağındaki zorlukların ana resmini oluşturabiliriz. Daha sonra, modelleme araçlarını ve belirli verileri kullanarak, belirli bir sorunun varlığını onaylayın veya çürütün ve ardından, üzerinde yapılan değişikliklerle karayolu trafik sisteminin matematiksel bir modelini oluşturmaya çalışın (trafik ışığı aşamalarını değiştirin, trafikte yeni bir kavşak modelleyin). sorunlu alan vb.) ve belirli bir alandaki durumu iyileştiren seçenek(ler) önerin. Daha sonra verimlilik ve maliyet değerlendirmesi açısından en uygun çözümü seçin.

1.4 Yandex.Traffic web hizmetini kullanarak sorunların aranması ve sınıflandırılması

Bu web hizmeti, Moskova'da trafik yönetimini (bundan sonra trafik kontrolü olarak anılacaktır) iyileştirme yöntemlerinden biri olarak düşünülebilir. Portaldan aldığımız bilgilere dayanarak, Moskova karayolu trafik sistemindeki sorunlu alanları değerlendirmeye çalışacağız ve karayolu trafik sistemini iyileştirmenin yanı sıra trafik sıkışıklığı eğilimlerini belirlemek için sistematik çözümler önermeye çalışacağız.

Portal verilerini dikkate alarak, Moskova'daki trafik sıkışıklığındaki değişikliklerin günlük analizini yapmalı ve en sorunlu alanları belirlemeliyiz. Bu amaçlar için en uygun olanı, karayolu ağındaki yükün maksimum olduğu yoğun saatlerdir.

Şekil 1.5 Moskova'nın ana radyal otoyollarının hafta içi saatlere göre ortalama tıkanıklığı

Karayolu ağının sıkışıklığı ve işe gidip gelme sorununun varlığı hakkındaki hipotezi doğrulamak için verileri genel bir gen olarak analiz edeceğiz. Moskova planı, bir trafik sıkışıklığı katmanının yanı sıra bireysel sorunlu alanları da uyguluyor ve hareketlerinin dinamiklerini göz önünde bulunduruyor.

Moskova'daki işçilerin büyük çoğunluğu Moskova saatiyle 8-00 - 10-00'de çalışmaya başlıyor, iş kanununa göre beş günlük bir çalışma haftası için çalışma günü (en yaygın seçenek) 8 saattir, bu nedenle şunları yapabiliriz: Sarkaç emek göçü (MLM) hipotezine uygun olarak karayolu ağındaki ana yükün sabah saatlerinde zaman dilimlerine düşmesi gerektiğini varsayalım: 6-00'den (bölge - MKAD) ve 10-00'e kadar ( Moskova'daki işlerin yoğunlaştığı ana yerlere daha yakın ) ve akşam 16-00 - 18-00 (merkez) ile 20-00 (kalkış için radyal rotalar) arası.

Şekil 1.6 Saat 6-00'da karayolu trafik sisteminde herhangi bir zorluk yok

Şekil 1.7 Moskova'ya yaklaşırken karşılaşılan zorluklar

Analitiklere göre saat 7.00'de şehre ana caddelerden merkeze yaklaşmakta zorluk çekiyoruz.

Şekil 1.8 Moskova'nın güneyindeki zorluklar

Şekil 1.9 Güneybatıdaki zorluklar

Benzer bir tablo, başkentin kesinlikle tüm radyal otoyollarında istisnasız görülüyor. Sabah saatlerinde maksimum seviyeye Moskova saatiyle 9.56'da ulaşıldı; bu saatte trafik sıkışıklığı şehrin dış mahallelerinden merkezine doğru kaymıştı.

Şekil 1.10 9-00 - 9-56 Karayolu ağındaki sabah pik yükü

Şekil 1.11 16-00'da TTR

Moskova saatine göre 15-40'a kadar genel olarak ulaşım durumunda bir iyileşme gözlendi, "merkezdeki" durum gün sonuna kadar bozulmadı. Genel durum 16-00'den itibaren kötüleşme eğilimindeyken, Moskova saatiyle 20-00 civarında durum iyileşmeye başladı. (Ek A). Hafta sonları karayolu trafik sisteminde neredeyse hiç sorun yaşanmıyor ve Yandex.Trafik portalının derecelendirmesine göre günlük gözlem süresinin tamamı boyunca “puan” “3”ü geçmedi. Böylece, insan kitlelerinin çekim merkezlerinin (işlerin) merkezinde yoğunlaşması nedeniyle şehrin tıkandığını ve MTM sorununun olmadığı hafta sonlarında çok daha iyi bir tablo ortaya çıktığını rahatlıkla söyleyebiliriz.

Ara sonuçlar çıkararak, ana çalışma yönünün şehir merkezinde insan kitlelerinin çekim merkezlerinin sayısının azaltılması ve bu alana seyahatin sınırlandırılmasının yanı sıra ana radyal otoyolların kapasitesinin artırılması olması gerektiğini güvenle söyleyebiliriz. Zaten Moskova hükümeti, Moskova'nın merkezine ücretli otopark getirerek ve toplam ağırlığı 3,5 tonun üzerinde olan araçlar için (bundan sonra araç olarak anılacaktır) şehir merkezine girmek için bir geçiş sistemi getirerek bu yönde adımlar atıyor. .

Şekil 1.12 Moskova'daki ücretli park alanı

Bulgulara bakıldığında trafik sıkıntısının hafta içi tek yönlü bir formatta olduğu, başlangıç ​​ve bitiş dinamiklerinin (sabah bölgeden yavaş yavaş şehir merkezine doğru, akşam ise tam tersi - merkezden şehir merkezine doğru) olduğu sonucuna varabiliriz. bölge.

Dolayısıyla, bu eğilimi göz önünde bulundurarak, yol tıkanıklığı tek yönlü olduğundan dinamik trafik kontrolünün getirilmesinin hayati önem taşıdığı sonucuna varabiliriz. Akıllı sistemler kullanarak yolun kapasitesini bir yönde değiştirebiliriz (örneğin, ters çevrilebilir bir şeridi kullanarak yetersiz kapasiteye sahip olan yönde "açarak"), maksimum hıza ulaşmak için trafik ışıklarının aşamalarını değiştirebilir ve ayarlayabiliriz. Zorlukların olduğu alanlarda kapasite. Bu tür sistemler ve yöntemler giderek yaygınlaşmaktadır (örneğin, Volgogradsky Prospekt'teki ters çevrilebilir şerit). Aynı zamanda sorunlu alanların kapasitesini "körü körüne" artırmak da imkansızdır çünkü yetersiz kapasiteyle tıkanıklığı ilk sıraya itebiliriz. Yani ulaşım sorunlarının çözümü kapsamlı olmalı, sorunlu alanların modellenmesi tüm karayolu trafik sisteminden izole edilmemeli ve kapsamlı bir şekilde yürütülmelidir. Dolayısıyla çalışmamızın hedeflerinden biri Moskova'nın sorunlu radyal otoyollarından birinin modellenmesi ve optimizasyonu olmalıdır.

1.5 Teorik bilgiler

1.5.1 Rusya'daki yolların sınıflandırılması

Rusya Federasyonu Hükümeti'nin 28 Eylül 2009 N 767 sayılı Kararı, Rusya Federasyonu'ndaki otoyolların sınıflandırılmasına ve bunların otoyol kategorilerine göre sınıflandırılmasına ilişkin Kuralları onayladı.

Trafik koşullarına ve bunlara erişime bağlı olarak otoyollar aşağıdaki sınıflara ayrılır:

· otoyol;

· Otoban;

· normal yol (otoyol değil).

1.5.2 Tahmini trafik yoğunluğuna bağlı olarak karayolları

SNiP 2.05.02 - 85'e göre 1 Temmuz 2013 itibarıyla aşağıdaki kategorilere ayrılmıştır (Tablo 2):

Masa 2

	Birim/gün olarak verilen tahmini trafik yoğunluğu.
IA (otoyol)
IB (otoyol)
Sıradan yollar (ekspres olmayan yollar)
		St.2000 ila 6000
		St.200 ila 2000

1.5.3 TP'nin ana parametreleri ve ilişkileri

Trafik akışı (TP), karayolu ağının belirli bir bölümünde aynı anda trafiğe katılan bir dizi araçtır

Trafik akışının ana parametreleri şunlardır:

akış hızı?, akış yoğunluğu l, akış yoğunluğu c.

Hız? Taşıma akışı (TP) genellikle km/saat veya m/s cinsinden ölçülür. En yaygın kullanılan ölçü birimi km/saattir. Akış hızı iki yönde ölçülür ve çok şeritli bir yolda hız her şeritte ölçülür. Yoldaki akış hızını ölçmek için kesitler alınır. Yol bölümü, yolun tüm genişliğinden geçen, yolun eksenine dik bir çizgidir. TP'nin hızı bir bölüm veya bölümde ölçülür.

Bir bölüm, iki bölüm arasında kalan bir yol bölümüdür. Bölümler arasındaki L, m mesafesi, kabul edilebilir hız ölçüm doğruluğunu sağlayacak şekilde seçilir. T süresi, arabanın bölümü geçtiği andan itibaren ölçülür - zaman aralığı. Belirli sayıda n araba için ölçümler yapılır ve ortalama zaman aralığı hesaplanır?:

Bölümdeki ortalama hızı hesaplayın:

V = L/?.

Yani bir trafik akışının hızı, içinde hareket eden arabaların ortalama hızıdır. Bir TP'nin kesitteki hızını ölçmek için uzaktan hız ölçerler (radar, lamba - far) veya özel hız dedektörleri kullanılır. Hızlar V, n araba için ölçülür ve kesitteki ortalama hız hesaplanır:

Aşağıdaki terimler kullanılmaktadır:

Ortalama geçici hız V - bölümdeki araçların ortalama hızı.

Ortalama uzaysal hız? - yolun önemli bir bölümünde seyahat eden araçların ortalama hızı. Günün belirli bir saatinde sitedeki ortalama trafik akış hızını karakterize eder.

Seyahat süresi, bir arabanın birim yol uzunluğunu kat etmesi için gereken süredir.

Toplam kilometre, belirli bir zaman aralığı için bir yol bölümündeki tüm araç yollarının toplamıdır.

Hareket hızı ayrıca şu şekilde de ayrılabilir:

Anlık Va - yolun bireysel tipik bölümlerine (noktalarına) kaydedilen hız.

Maksimum Vm - bir aracın geliştirebileceği en yüksek anlık hız.

Trafik yoğunluğu l, birim zamanda yol bölümünden geçen araba sayısına eşittir. Yüksek trafik yoğunluklarında daha kısa zaman aralıkları kullanılır.

Trafik yoğunluğu, belirli bir T süresi içinde bir yol bölümünden geçen araba sayısı n sayılarak ölçülür ve ardından l = n/T oranı hesaplanır.

Ek olarak aşağıdaki terimler kullanılmaktadır:

Trafik hacmi, belirli bir zaman biriminde bir yol kesiminden geçen araç sayısıdır. Hacim araba sayısıyla ölçülür.

Saatlik trafik hacmi, bir yol kesiminden bir saat içinde geçen araç sayısıdır.

Trafik akışının yoğunluğu, belirli bir uzunluktaki yolun bir bölümünde bulunan araba sayısına eşittir. Genellikle 1 km'lik bölümler kullanılmakta, kilometre başına düşen araç yoğunluğu elde edilmekte, bazen daha kısa bölümler kullanılmaktadır. Yoğunluk genellikle trafik akışının hızı ve yoğunluğundan hesaplanır. Ancak yoğunluk, hava fotoğrafları, kuleler veya yüksek binalar kullanılarak deneysel olarak ölçülebilir. Trafik akışının yoğunluğunu karakterize eden ek parametreler kullanılır.

Uzaysal aralık veya kısa aralık lп, m - birbirini takip eden iki arabanın ön tamponları arasındaki mesafe.

Ortalama uzaysal aralık lп.ср - sitedeki lп aralıklarının ortalama değeri. lп.ср aralığı araba başına metre cinsinden ölçülür.

Akış yoğunluğu c, araba/km bilindiğinde, l p.sr, m uzaysal aralığının hesaplanması kolaydır:

1.5.4 Trafik akış parametreleri arasındaki ilişki

Trafiğin hızı, yoğunluğu ve yoğunluğu arasındaki ilişkiye trafik akışının temel denklemi denir:

Vs

Ana denklem, trafik akış parametrelerinin ortalama değerleri olan üç bağımsız değişkeni ilişkilendirir. Ancak gerçek yol koşullarında değişkenler birbiriyle ilişkilidir. Trafik akış hızı arttıkça trafik yoğunluğu önce artmakta, maksimuma ulaşmakta, sonra azalmaktadır (Şekil 1.13). Azalmanın nedeni, arabalar arasındaki lп aralıklarının artması ve trafik akışı yoğunluğunun azalmasıdır. Yüksek hızlarda arabalar hızla bölümlerden geçer ancak birbirlerinden uzakta bulunurlar. Trafik kontrolünün amacı hıza değil, maksimum akış yoğunluğuna ulaşmaktır.

Şekil 1.13 TP yoğunluğu, hızı ve yoğunluğu arasındaki ilişki: a) TP yoğunluğunun hıza bağımlılığı; b) TP yoğunluğunun hıza bağımlılığı

1.6 Taşıma modelleme yöntemleri ve modelleri

Ulaşım ağlarını analiz etmek için kullanılan matematiksel modeller, modellerin işlevsel rolüne, yani kullanıldıkları görevlere göre sınıflandırılabilir. Modeller arasında geleneksel olarak 3 sınıf ayırt edilebilir:

· Tahmin modelleri

· Simülasyon modelleri

· Optimizasyon modelleri

Yol ağının geometrisi ve özellikleri ile şehirdeki akış oluşturan nesnelerin konumu bilindiğinde ve bu ağdaki trafik akışlarının ne olacağının belirlenmesi gerektiğinde tahmine dayalı modeller kullanılmaktadır. Ayrıntılı olarak trafik yükü tahmini, bölgeler arası hareketlerin hacmi, akış yoğunluğu, yolcu akışlarının dağılımı vb. gibi ortalama trafik göstergelerinin hesaplanmasını içerir. Bu tür modelleri kullanarak ulaşım ağındaki değişikliklerin sonuçlarını tahmin etmek mümkündür.

Tahmine dayalı modellerden farklı olarak simülasyon modelleme, sürecin zaman içindeki gelişimi de dahil olmak üzere hareketin tüm ayrıntılarını modelleme görevine sahiptir.

Tahmine dayalı modelleme araçların ağda “ne kadar ve nerede” hareket edeceği sorularına yanıt verirse, simülasyon modelleri ise “ne kadar ve nerede” biliniyorsa hareketin ne kadar detaylı gerçekleşeceği sorusuna yanıt verirse bu fark çok basit bir şekilde formüle edilebilir. Dolayısıyla taşıma modellemesinin bu iki yönü tamamlayıcıdır. Yukarıdakilerden, simülasyon modelleri sınıfının, hedeflerine ve gerçekleştirilen görevlere göre, trafik akış dinamiği modelleri olarak bilinen geniş bir model yelpazesini içerdiği anlaşılmaktadır.

Dinamik modeller, hareketin ayrıntılı bir açıklaması ile karakterize edilir.Bu tür modellerin pratik uygulama alanı, trafik organizasyonunun iyileştirilmesi, trafik ışığı aşamalarının optimize edilmesi vb.

Akış tahmin modelleri ve simülasyon modellerinin temel amacı, trafik akışlarının davranışını gerçek hayata yakın bir şekilde yeniden üretmektir. Ayrıca ulaşım ağlarının işleyişini optimize etmek için tasarlanmış çok sayıda model bulunmaktadır. Bu model sınıfında, yolcu taşıma rotalarının optimize edilmesi, ulaşım ağının optimal konfigürasyonunun geliştirilmesi vb. sorunlar çözülmektedir.

1.6.1 Dinamik trafik akışı modelleri

Trafik akışlarının çoğu dinamik modeli 3 sınıfa ayrılabilir:

· Makroskobik (hidrodinamik modeller)

Kinetik (gaz dinamiği modelleri)

Mikroskobik modeller

Makroskopik modeller, arabaların hareketini ortalama terimlerle (yoğunluk, ortalama hız vb.) açıklayan modellerdir. Bu tür taşıma modellerinde akış, bir akışkanın hareketine benzer, bu nedenle bu tür modellere hidrodinamik denir.

Mikroskobik modeller, her bir aracın hareketinin açıkça modellendiği modellerdir.

Bir ara yer, trafik akışının faz uzayındaki arabaların dağılım yoğunluğu olarak tanımlandığı kinetik yaklaşım tarafından işgal edilir. Mikromodeller sınıfında özel bir yer, hücresel otomata gibi modeller tarafından işgal edilmektedir; bu modellerin, arabaların zaman ve uzaydaki hareketinin son derece basitleştirilmiş ayrık bir tanımını benimsemesi nedeniyle bu modellerin yüksek hesaplama verimliliği vardır. elde edilir.

1.6.2 Makroskopik modeller

Modellerden ilki hidrodinamik analojiye dayanmaktadır.

Bu modelin ana denklemi yoldaki “araba sayısının korunumu yasasını” ifade eden süreklilik denklemidir:

Formül 1

Yoğunluk nerede, V(x,t) yol üzerinde x koordinatına sahip bir noktada t anında arabaların ortalama hızıdır.

Ortalama hızın yoğunluğun deterministik (azalan) bir fonksiyonu olduğu varsayılır:

(1)’i yerine koyarak aşağıdaki denklemi elde ederiz:

Formül 2

Bu denklem doğrusal olmayan kinematik dalgaların aktarım hızıyla yayılmasını açıklar.

Gerçekte, arabaların yoğunluğu kural olarak aniden değişmez, koordinatların ve zamanın sürekli bir fonksiyonudur. Sıçramaları ortadan kaldırmak için denklem (2)'ye yoğunluk difüzyonunu tanımlayan ikinci dereceden bir terim eklendi, bu da dalga profilinin yumuşatılmasına yol açtı:

Formül 3

Ancak bu modelin kullanımı yol homojensizliklerinin yakınında (rampalarda ve rampalarda daralmalar) ve ayrıca "dur-kalk" trafik koşulları altında ortaya çıkan dengesizlik durumlarını tanımlarken gerçeklik için yeterli değildir.

Dengesizlik durumlarını tanımlamak için deterministik ilişki (3) yerine ortalama hızın dinamiklerini modellemek için bir diferansiyel denklem kullanılması önerildi.

Payne modelinin dezavantajı tüm yoğunluk değerlerinde küçük bozulmalara karşı kararlı olmasıdır.

Daha sonra bu değiştirmeyle hız denklemi şu şekli alır:

Süreksizlikleri önlemek için, hidrodinamik denklemlerdeki viskozitenin bir benzeri olan sağ tarafa bir difüzyon terimi eklenir.

Kritik değeri aşan yoğunluk değerlerinde sabit bir homojen çözümün kararsızlığı, küçük rahatsızlıkların bir sonucu olarak ortaya çıkan homojen bir akışta hayalet tıkanıklık - dur-kalk modlarının oluşumunu etkili bir şekilde simüle etmeyi mümkün kılar.

Yukarıda açıklanan makroskopik modeller esas olarak klasik hidrodinamik denklemleriyle yapılan analojilere dayanarak formüle edilmiştir. Ayrıca, kinetik bir denklem kullanarak arabalar arasındaki etkileşim sürecinin mikro düzeyde tanımlanmasından makroskobik modeller türetmenin bir yolu da vardır.

1.6.3 Kinetik modeller

Yoğunluk ve ortalama akış hızı açısından formüle edilen hidrodinamik modellerden farklı olarak kinetik modeller, faz akış yoğunluğunun dinamiğinin tanımına dayanmaktadır. Faz yoğunluğunun zaman gelişimini bilerek, akış yoğunluğunun makroskobik özelliklerini, ortalama hızı, hız değişimini ve çeşitli derecelerdeki hızlarda faz yoğunluğu anları tarafından belirlenen diğer özellikleri hesaplamak da mümkündür.

Faz yoğunluğunu f(x, v, t) olarak gösterelim. Olağan (hidrodinamik) yoğunluk с(x, t), ortalama hız V(x, t) ve hız değişimi И(x, t), aşağıdaki ilişkilerle faz yoğunluğunun momentleriyle ilişkilidir:

1) Faz yoğunluğunun zamanla değişimini tanımlayan diferansiyel denkleme kinetik denklem denir. Trafik akışının kinetik denklemi ilk olarak Prigogine ve ortak yazarlar tarafından 1961'de aşağıdaki biçimde formüle edildi:

Formül 4

Bu denklem, arabaların korunumu yasasını ifade eden bir süreklilik denklemidir, ancak artık faz uzayındadır.

Prigogine'e göre yolda iki arabanın etkileşimi, daha hızlı bir arabanın öndeki daha yavaş bir arabayı geçmesi olayını ifade ediyor. Aşağıdaki basitleştirici varsayımlar sunulmuştur:

· belirli bir p olasılığı ile sollama fırsatı bulunur; sollama sonucunda sollayan arabanın hızı değişmez;

· Öndeki arabanın hızı hiçbir durumda etkileşim sonucu değişmez;

· etkileşim bir noktada meydana gelir (arabaların boyutu ve aralarındaki mesafe ihmal edilebilir);

· Etkileşim sonucunda hızdaki değişim anında meydana gelir;

· Yalnızca ikili etkileşimler dikkate alınır; üç veya daha fazla aracın eşzamanlı etkileşimleri hariçtir.

1.7 Sorunun açıklaması

Mevcut çalışmada Yandex.Traffic hizmetini kullanarak trafik sıkışıklığına ilişkin statik verileri temel bilgi olarak kullanıyoruz. Alınan bilgileri analiz ederek Moskova şehir içi trafik sisteminin ulaşım trafiğiyle baş edemeyeceği sonucuna varıyoruz. Elde edilen verilerin analizi aşamasında tespit edilen zorluklar, karayolu ulaşım sistemindeki zorlukların çoğunun yalnızca hafta içi günlerde gerçekleştiği ve "MTM" (işe gidip gelme) olgusuyla doğrudan ilişkili olduğu sonucuna varmamızı sağlıyor. hafta sonları ve tatil günlerinde yaşanan zorlukların analizi tespit edilmedi. Hafta içi yaşanan zorluklar arasında, kentin dış mahallelerinden merkeze doğru yayılan bir çığın görülmesi ve öğleden sonra “çığ”ın merkezden bölgeye doğru gittiği sırada tam tersi etkinin görülmesi yer alıyor. Sabah saatlerinde Moskova'nın eteklerinde zorluklar görülmeye başlıyor ve yavaş yavaş şehre yayılıyor. Radyal otoyolların “ayrılmasının” istenen etkiye yol açmayacağını da belirtmekte fayda var, çünkü analizden de görülebileceği gibi şehre “giriş” belirli bir zaman aralığında sıkışıklığı engelliyor, bu nedenle şehrin orta kısmı bir süre en uygun modda seyahat eder. Daha sonra aynı zorluklarla MKAD-TTK alanında yoğunluk oluşurken, girişlerdeki yoğunluk da artmaya devam ediyor. Bu eğilim sabah boyunca ortaya çıkar. Aynı zamanda ters yöndeki hareket de tamamen serbesttir. Bundan, trafik ışıkları ve trafik yönü kontrol sisteminin dinamik olması ve parametrelerini yoldaki mevcut duruma uyacak şekilde değiştirmesi gerektiği sonucu çıkmaktadır.

Karayolu kaynaklarının rasyonel kullanımı ve bu tür fırsatların (trafik ışığı aşamalarının değiştirilmesi, şeritlerin ters çevrilmesi vb.) uygulanmasıyla ilgili soru ortaya çıkıyor.

Aynı zamanda kendimizi bununla sınırlamak da imkansız çünkü bu “küresel trafik sıkışıklığının” bitiş noktası yok. Bu eylemler, özellikle Moskova bölgesi sakinleri için yalnızca Moskova'ya ve merkeze giriş kısıtlamalarıyla birlikte uygulanmalıdır. Aslında, analize dayanarak tüm sorunlar MTM akışlarına indirgendiğinden, kişisel ulaşımdan toplu taşımaya yetkin bir şekilde yeniden dağıtılmalı ve daha çekici hale getirilmelidir. Bu tür önlemler halihazırda Moskova'nın merkezinde (ücretli otopark vb.) uygulamaya konmaktadır. Bu, trafiğin yoğun olduğu saatlerde şehir içi yollardaki sıkışıklığı azaltacaktır. Dolayısıyla tüm teorik varsayımlarım “gelecek için rezerv” ile inşa edilmiş olup, sıkışıklığın sınırlı hale gelmesi (merkeze giden yolcu akışlarının azalması) ve yolcu akışının daha hareketli hale gelmesi (110 kişilik bir otobüs) koşuluyla inşa edilmiştir. yolcular 10-14 metrelik yol yüzeyini kaplarken, 80-90 birim kişisel ulaşımı kaplarlar ve aynı sayıda yolcu 400-450 metreyi kaplar). Giriş yapan kişi sayısının optimize edileceği (veya en azından ekonomik ve sosyal fırsatlara göre mümkün olduğunca azaltılacağı) bir durumda, yatırım yapmadan Moskova'daki trafik ağlarının yönetiminin nasıl iyileştirilebileceğine dair iki varsayım uygulayabileceğiz. büyük miktarlarda para ve bilgi işlem gücü, yani:

· Sorunlu alanları belirlemek için analitik ve modelleme verilerini kullanın

· Sorunlu bölgelerde karayolu trafiğini ve yönetimini iyileştirmenin yollarını geliştirmek

· Önerilen değişikliklerle birlikte matematiksel modellerin oluşturulması ve bunların verimlilik ve ekonomik fizibilite açısından ileri analizleri ve pratik kullanıma daha fazla giriş

Yukarıdakilere dayanarak, matematiksel modellerin yardımıyla karayolu ağındaki değişikliklere hızlı bir şekilde yanıt verebilir, davranışını tahmin edebilir ve yapısını bunlara göre ayarlayabiliriz.

Böylece radyal bir otoyolun neden anormal modda çalıştığını ve yol boyunca trafik sıkışıklığı ve sıkışıklığının nedenini anlayabiliriz.

Dolayısıyla probleme dayalı problem cümlesi şu şekildedir:

1. Radyal otoyollardan birinin yoğun saatler de dahil olmak üzere zorlukların varlığı açısından analizi.

2. Bu radyal otoyolun en büyük zorlukların olduğu yerde bir kısmının modelinin oluşturulması.

3. Gerçek veriler ve modelleme verileri kullanılarak UDS analitiğine dayalı bu modele yönelik iyileştirmelerin tanıtılması ve yapılan değişikliklerle model oluşturulması.

2 UDS'nin geliştirilmiş bir versiyonunun oluşturulması

Sorunun formülasyonuna ve Moskova'daki ulaşım zorluklarının analizine dayanarak, pratik bir model oluşturmak için, Andropov Bulvarı ile Kolomensky'nin kesiştiği bölümde radyal otoyollardan birinin (Kashirskoye Otoyolu) bir kolunun bir bölümünü seçtim. “Torgovy Tsentr” durağına ilerleyin. Seçimin nedeni birçok faktördür ve özellikle:

· Sıkışıklığın aynı yerlerde aynı eğilimle oluşma eğilimi

· “MTM” sorunlarının canlı resmi

· Çözülebilir noktaların mevcudiyeti ve belirli bir alanda trafik ışığı düzenlemesini simüle etme yeteneği.

Şekil 1.14 Seçilen alan

Seçilen alanın modellenebilecek karakteristik sorunları vardır:

· İki sorun noktasının varlığı ve bunların çapraz etkisi

· Durumu iyileştirmeyecek sorunlu noktaların varlığı (senkronizasyon kullanma imkanı).

· MTM sorununun etkisinin net bir resmi.

Şekil 1.15 11-00 merkeze yönelik problemler

Şekil 1.16 Merkezden gelen sorunlar. 18-00

Dolayısıyla bu alanda aşağıdaki sorun noktalarına sahibiz:

· Nagatinskaya taşkın yatağında trafik ışıklarıyla donatılmış iki yaya geçidi

· Andropov Caddesi ile Nagatinskaya Caddesi'nin kesiştiği noktada trafik ışığı

Nagatinsky metro köprüsü

2. UDS'nin geliştirilmiş bir versiyonunun oluşturulması

2.1 Site analitiği

Andropov Bulvarı'ndaki trafik sıkışıklığının uzunluğu 2 yönün her birinde 4-4,5 km'dir (sabahları merkeze - Kashirskoye Otoyolu'ndan Nagatinskaya taşkın yatağındaki ikinci yaya geçidine, akşamları bölgeye - Novoostapovskaya caddesinden - Nagatinskaya Caddesi). İkinci gösterge, trafiğin yoğun saatlerde hızı 7-10 km/saat'i geçmiyor: Yoğun saatlerde 4,5 km'lik bölümü kat etmek yaklaşık 30 dakika sürüyor. Süreye gelince, Andropov Bulvarı üzerindeki merkeze giden trafik sıkışıklığı sabah 7'de başlayıp 13-14 saate kadar sürüyor, bölgeye giden trafik sıkışıklığı ise genellikle 15'ten başlayıp 21-22 saate kadar sürüyor. Yani Andropov'daki "yoğun saatlerin" süresi 2 yönün her birinde 6-7 saattir - trafik sıkışıklığına alışkın olan Moskova için bile engelleyici bir seviye.

2.2 Andropov Bulvarı'nda trafik sıkışıklığının oluşmasının iki ana nedeni

Birinci neden: Cadde aşırı "trafik" trafiğiyle aşırı yüklenmiştir. Nakhimovsky Prospekt metro istasyonundan Pechatniki'nin yerleşim bölgesinin merkezine kadar düz hat 7,5 kilometredir. Yollarda ise 16 ila 18 kilometre arasında 3 güzergah var. Üstelik üç rotadan ikisi Andropov Bulvarı'ndan geçiyor.

Şekil 2.1

Tüm bu sorunlar, Nagatinsky ve Brateevsky köprüleri arasında düz bir çizgide 7 km, Moskova Nehri boyunca ise 14 km olmasından kaynaklanmaktadır. Bu boşlukta başka köprü veya tünel yok.

İkinci neden: Caddenin kapasitesinin düşük olması. Öncelikle trafik, birkaç yıl önce oluşturulan özel bir şeritle yavaşlatılıyor, ardından her iki yönde de trafik için yalnızca 2 şerit kalıyor. Üç trafik ışığı (Nagatinskaya Caddesi'nin önündeki ulaşım ve Nagatinskaya taşkın yatağındaki iki yaya ışığı) da sıkışıklığa büyük ölçüde katkıda bulunuyor.

2.3 Andropov Bulvarı'na ilişkin stratejik kararlar

Aşım sorununu çözmek için Nagatinsky ve Brateevsky köprüleri arasında 2-3 yeni bağlantı inşa etmek gerekiyor. Bu ulaşım bağlantıları, aşırılıkları ortadan kaldıracak ve trafiğin yönetilmesine olanak tanıyacak, "merkez-çevre" akışını değil, "çevre-çevre" akışını teşvik edecek.

Sorun, bu tür tesislerin inşasının çok zaman alıcı ve pahalı olmasıdır. Ve her biri milyarlarca rubleye mal olacak. Dolayısıyla burada bir şeyi 5 yılda değil, 1-2 yılda geliştirmek istiyorsak tek yol Andropov Bulvarı'nın kapasitesiyle çalışmaktır. Yeni köprü ve tünellerin inşasından farklı olarak, bu çok daha hızlıdır (0,5-2 yıl) ve 2 kat daha ucuzdur (50-100 milyon ruble). Çünkü en sorunlu bölgelerde ucuz yerel “taktik” önlemlerle caddenin kapasitesi arttırılabilir. Bu, mevcut talebi güvence altına alacak, tüm trafik göstergelerini iyileştirecektir: trafik sıkışıklığının süresini kısaltacak, yoğun saatlerin süresini kısaltacak, hızı artıracaktır.

2.4 Andropov Bulvarı'ndaki taktik önlemler: 4 grup

2.4.1 1. Aşama. Trafik ışığı düzenlemesi

Sorunlu bölgede 3 trafik ışığı var: Nagatinskaya taşkın yatağında iki yaya ışığı ve Andropov ile caddenin kesiştiği noktada bir ulaşım ışığı. Yeni eşyalar ve Nagatinskaya.

Nagatinskaya taşkın yatağındaki iki yaya trafik ışığı halihazırda maksimum "genişletilmiş" modda çalışıyor (ulaşım için 150 saniye, yayalar için 25). Döngünün daha da uzatılmasının ulaşım açısından etkili olması muhtemel değildir, ancak yayalar için zaten kayda değer olan bekleme süresini artıracaktır. Trafik ışığı düzenlemesi ile yapılabilecek ve yapılması gereken tek şey, her iki yaya trafik ışığını senkronize ederek araçların hızlanma ve frenlemede daha az zaman harcamasını sağlamaktır. Bunun sabah trafiğinin yoğun olduğu saatlerde merkeze doğru hafif bir etkisi olacak. Yaya trafik ışıkları diğer zamanlarda her iki yönde ve akşam saatlerinde bölgeye doğru trafiğe çok fazla etki etmemektedir. Ancak Andropov ve st.'nin kesiştiği noktada trafik ışığı var. Yeni eşyalar ve Nagatinskaya'nın durumu ise daha ilginç. Akşam trafiğinin yoğun olduğu saatlerde bölgeye doğru akışı net bir şekilde koruyor. Daha sonra ulaşım bir dizi alternatif caddeden (Nagatinskaya Dolgu, Novinki Caddesi, Nagatinskaya Caddesi, Kolomensky Proezd, Kashirskoye Shosse ve Proletarsky Prospekt) geçer.

Trafik ışıklarının mevcut çalışma moduna bakalım ve neler yapılabileceğini düşünelim.

Şekil 2.2 Trafik ışığının aşamaları

Şekil 2.3 Trafik ışığının mevcut geçici çalışma modu

İlk olarak, ana caddeyle kesişme döngüsü çok kısadır - yalnızca 110-120 saniye. Çoğu otoyolda yoğun saatlerde çevrim süresi 140-180 saniyedir, hatta Leninsky'de 200 saniyedir.

İkincisi, trafik ışıklarının çalışma modu günün saatine bağlı olarak son derece önemsiz bir şekilde değişir. Bu arada, akşam akışı temelde sabah akışından farklıdır: Andropov boyunca bölgeden ileri akış çok daha küçüktür ve Andropov'dan merkezden sola dönüş akışı çok daha fazladır (insanlar Nagatinsky durgun sularına evlerine dönerler).

Üçüncüsü, bazı nedenlerden dolayı gün içindeki ileri aşamanın süresi kısaltıldı. Novinki ve Nagatinskaya boyunca ileri akış, yoğun saatlerde ve hatta gün içinde bile ciddi sorunlar yaşamıyorsa bunun ne anlamı var?

Çözüm kendini gösteriyor: gündüz rejimini sabah rejimine eşitleyin ve akşam - aşama 3'ü hafifçe "uzatın" (her iki yönde Andropov) ve "yelpaze" aşama 4'ü (Andropov merkezden düz, sağ ve sağdan) güçlü bir şekilde uzatın. sol). Bu, hem Andropov'un doğrudan hareketini hem de dönmeyi bekleyenler için "cebi" etkili bir şekilde serbest bırakacaktır.

Şekil 2.4 Önerilen zamana dayalı trafik ışığı çalışması

Sabah trafiğinin yoğun olduğu saatlere gelince, sabah bu kavşakta Andropov'u merkeze “çekmek” artık anlamsız. Köprüde 4 şeritten 2 şeride daralmadan önce trafik sıkışıklığı nedeniyle kavşağı hızlı bir şekilde geçemediği için akış “yeşil faz”ın tüm uzunluğunu kullanmıyor.

2.4.2 Yeniden bölümleme

Andropov'u işaretlemenin iki sorunu var:

- Andropov Bulvarı'nın 3 şeritli bölümlerinde özel şerit

- Nagatinskaya Caddesi ve Novinki Caddesi ile kesişme noktasında yanlış işaretler

Özel şeridin Andropov Bulvarı'nın kapasitesini keskin bir şekilde azalttığı bir sır değil. Bu hem merkeze hem de bölgeye yönelik hareket için geçerlidir. Üstelik, özel şerit boyunca yolcu trafiği minimum düzeydedir ve yoğun saatlerde bile birkaç yüz kişiyi geçmez. Bu şaşırtıcı değil: Özel şerit “yeşil” metro hattı boyunca uzanıyor ve cadde boyunca metrodan uzakta neredeyse hiçbir çekim noktası yok. Halka açık şeritlerin her birinin taşıma kapasitesi saatte yaklaşık 1.200 kişidir. Bu, tahsis edilen şeridin amacının aksine Andropov Bulvarı'nın taşıma kapasitesini artırmadığı, aksine azalttığı anlamına geliyor.

Eklememe izin verin: Andropov Bulvarı'ndaki kara taşımacılığının yolcu akışının daha da düşme şansı var. Sonuçta, 2014 yılında Nagatinskaya taşkın yatağında Teknopark metro istasyonunu açmayı planlıyorlar. Bu sayede Megapolis alışveriş merkezine gelen ziyaretçilerin ve Teknopark'ta çalışanların büyük bir kısmı kara ulaşımına geçmeden metroyu kullanabilecek.

Görünüşe göre Andropov'a yapılan tahsisin tamamı iptal edilecek ve bu da her şeyin sonu olacak. Ancak analizler ve uzun vadeli gözlemler şunu gösterdi: Andropov Bulvarı'ndaki özel şerit her yere müdahale etmiyor, yalnızca tek yönde (2+A) 3 şeridin olduğu ve bunun bir "darboğaz" oluşturduğu alanlara müdahale ediyor. Tek yönde 4 şeridin olduğu durumlarda (3+A), özel bir şerit müdahale etmez, hatta trafik akışlarında daha fazla tekdüzelik sağlar ve sağa dönüşler, hızlanma ve frenleme için şerit görevi görür.

Bu nedenle öncelikli olarak en büyük sorun yarattığı dar alanlarda özel şeridin kaldırılmasını öneriyorum:

· Saikinsky üst geçidi ve Nagatinsky köprüsü üzerindeki bölgeye, Saikin caddesine doğru

· Nagatinsky Köprüsü girişinden Saikinsky üst geçidine kadar tüm bölüm boyunca merkeze doğru.

Şekil 2.5 Şerit silme işleminin gerekli olduğu yerler

Şekil 2.6 Andropov Bulvarı'nın Yeniden İşaretlenmesi

Ayrıca Nagatinskaya Caddesi'nden Kolomensky Proezd'e kadar olan bölümde bölgeye tahsis edilen şeridin de iptal edilmesi gerekecek: Bölgeye doğru artan akış mevcut 2 şeride sığamayacak. Bu arada, buradaki özel şeride girişe hâlâ izin veriliyor, ancak yalnızca park etmek için.

Tahsis edilmiş şeride ek olarak, Nagatinskaya Caddesi ve Novinki Caddesi ile kesişme noktasında Andropov Caddesi'nin yetersiz işaretlenmesi de sorunlara neden oluyor.

Öncelikle şeritlerin genişliği geniş, sayıları ise yetersiz. Yolun bu kadar geniş olması nedeniyle her iki tarafa da şerit eklemek kolaydır.

İkinci olarak, işaretler, kavşağın genişlemesine rağmen, bazı nedenlerden dolayı tüm trafiği sola dönüş şeritlerine yönlendiriyor; düz gidenlerin buradan sağa doğru "itmek zorunda kalması".

Bununla birlikte, tasarımcıların beceriksizliği mazur görülebilir: Kavşak karmaşıktır, yolun genişliği "yürümektedir". Bu kavşak için bu çözüm de hemen ortaya çıkmadı. Kavşak alanındaki sıra sayısını artırmanıza ve düz gidenleri kendi şeritlerinde bırakarak düz çizgiyi biraz sağa doğru "sürmenize" olanak tanır. Bunun sonucunda şerit değiştirme sayısı azalacak ve her iki yönde de kavşağı geçme hızı artacaktır.

Şekil 2.7 Andropova - Nagatinskaya - Novinki kavşağında önerilen trafik yönetim planı

Şekil 2.8 Kavşakta önerilen trafik düzeni

Yerel genişletmeler

Bir sonraki aşamada, Nagatinsky metro köprüsünden Trofimova Caddesi çıkışına kadar olan bölümde merkeze doğru şu anda en gerekli genişletmenin yapılması öneriliyor. Bu, 3 şeridin özel ulaşıma döndürülmesini ve 4. şeridin toplu taşımaya verilmesini mümkün kılacaktır; bu, bu bölümde bölgeye yapılanın aynısıdır.

Şekil 2.9 Yerel genişletmeler

2.4.3 Nagatinskaya taşkın yatağında 2 adet sokak dışı geçiş inşaatı

Nagatinsky metro köprüsü yakınındaki South River İstasyonu durağı bölgesinde üst geçit inşaatına yakın zamanda başlandı. Yapımının ardından yaya trafik ışığı sökülecek.

Şekil 2.10 Üst geçidin inşaat planı

Bu harika bir haber olabilir ama sevinilecek bir şey yok: 450 metre kuzeyde Megapolis alışveriş merkezinin karşısında bir geçiş daha var. Her iki yaya trafik ışığının da kaldırılmasıyla 2 geçidin eşzamanlı inşası, merkeze yön konusunda mükemmel bir etki sağlayacaktır: öndeki hızlanma ve frenlemenin kaldırılması nedeniyle aynı genişlikte geçiş %30-35 artacaktır. trafik ışıkları. Ama Megapolis alışveriş merkezinin karşısına cadde dışı geçit yapmayacaklar, bu da ikinci trafik ışığını kaldırmanın bir yolu olmadığı anlamına geliyor. Ve bir üst geçidin etkisi önemsiz olacaktır - iki trafik ışığının basit senkronizasyonundan daha fazla değil. Çünkü her iki durumda da hızlanma ve yavaşlama korunur.

3 Önerilen çözümlerin gerekçesi

Analitiklere dayanarak, belirli bir karayolu ağı bölgesindeki sorunlu noktaları hesaplıyoruz ve gerçekten olası çözümlere dayanarak bunları uyguluyoruz. Program, manuel olarak hantal hesaplamalar yapmamıza izin vermediğinden, onu UDS'deki belirli sorunlu alanların optimal parametrelerini belirlemek ve bunları optimize ettikten sonra, önerilen yöntemin olup olmadığı sorusuna cevap verebilecek bilgisayar modelleme sonucunu elde etmek için kullanabiliriz. değişiklikler verimi artıracaktır. Böylece bilgisayar modellemeyi kullanarak analitiklere dayalı olarak önerilen değişikliklerin gerçek duruma uyup uymadığını ve değişikliklerin beklenen etkiye sahip olup olmayacağını kontrol edebiliriz.

3.1 Bilgisayar simülasyonunun kullanımı

Bilgisayar simülasyonunu kullanarak karayolu ağında meydana gelen süreçleri yüksek olasılıkla tahmin edebiliyoruz. Bu sayede modellerin karşılaştırmalı analizini yapabiliyoruz. UDS'nin mevcut yapısını özellikleriyle modelleyin, modernize edip iyileştirin, üzerinde yapılan düzenlemelerle UDS'yi temel alan yeni bir model oluşturun. Elde edilen verileri kullanarak, bilgisayar modelleme aşamasında trafik akış sisteminde belirli değişiklikler yapmanın mantıklı olup olmadığı sorusunun cevabını alabilir, ayrıca sorunlu alanları belirlemek için modellemeyi kullanabiliriz.

Benzer belgeler

Karayollarının ana kategorilerinin özellikleri. Yol kapasitesi ve trafik yük faktörünün belirlenmesi. Trafik akışının ortalama hızının hesaplanması. Kaza oranları yöntemini kullanarak yoldaki tehlikeli yerlerin belirlenmesi.

kurs çalışması, eklendi 01/15/2012


Mevcut kontrol modelini ayarlama ve yeni kontrol eylemleri sunma ve ek trafik yönetimi teknik araçları kurma ihtiyacının belirlenmesi. Optimum trafik kontrol modelinin geliştirilmesi.

tez, 16.05.2013 eklendi


Matematiksel modelleme kullanarak ulaşım sistemlerinin analizi. Karayolu trafik akışlarının yerel özellikleri. Daralan bir yol ağının yakınındaki trafik akışının modellenmesi. Bir darboğaza yaklaşırken stokastik karıştırma.

pratik çalışma, eklendi 12/08/2012


Trafik kontrol yöntemlerinin sınıflandırılması. Barnaul'da otomatik trafik kontrol sistemi "Yeşil Dalga". Yapım ilkeleri, yapısı, karşılaştırmalı özellikleri. St. Petersburg'daki çevre yolu.

test, eklendi: 02/06/2015


Tasarım hızının güvenliğinin, yol güvenliğinin, yoldaki trafik yükünün seviyesinin, yol yüzeyinin düzgünlüğünün değerlendirilmesi. Esnek yol kaplamasının gerçek elastisite modülünün belirlenmesi. Yolların ve yol yapılarının bakımının özü.

kurs çalışması, eklendi 12/08/2008


Yenilikçi bir ulaştırma altyapısı geliştirme modeline geçiş. Hükümetin 2030'a kadar ulaştırma stratejisinin ana noktaları. Taşıma sorununa en uygun çözümün analizi ve araştırılması. Rusya ekonomisinde ulaştırma sektörünün büyümesi.

makale, 18.08.2017 eklendi


Ulaştırma sektörünün özellikleri. Taşımacılık lojistiğinin özü ve amaçları. OJSC "NefAZ" da ulaşım tesislerinin organizasyonu. İşletmenin ulaştırma sektörünün faaliyetlerini planlamak. Kuruluşun faaliyetlerinin etkinliğinin analizi ve değerlendirilmesi.

kurs çalışması, eklendi 01/14/2011


Trafik yoğunluğunun belirlenmesi - bir yol nesnesinin kontrol bölümünü birim zaman başına (saat, gün) her yöne geçen araç sayısı. Trafik yoğunluğunun analizi, dağılımı ve yük faktörü.

laboratuvar çalışması, eklendi 02/18/2010


Uyarlanabilir bir trafik kontrol sisteminin çalışması sırasında kentsel yolcu taşımacılığı trafiğinin organizasyonu. Zamana bağlı ve ulaşıma bağlı stratejilerin karşılaştırılması. Bulanık kuralların bir tabanının geliştirilmesi. Üyelik fonksiyonunun oluşturulması.

kurs çalışması, eklendi 09/19/2014


Ulaştırma pazarını organize etmeyi amaçlayan faaliyetlerin analizi. Tüm bölgelerde gerekli düzeyde ulaştırma hizmetlerinin sağlanmasını amaçlayan karmaşık bir dizi önlem olarak ulaştırma faaliyetlerinin devlet düzenlemesi.

Genel olarak yönetim, belirli bir nesnenin işleyişini iyileştirmek amacıyla onu etkilemek anlamına gelir. Karayolu trafiğinde kontrolün amacı ulaşım ve yaya akışlarıdır. Araç sürücüleri ve yayaların kendi istekleri olduğu ve sürüş sırasında kişisel hedeflerini gerçekleştirdikleri için karayolu trafiği belirli bir kontrol nesnesidir. Dolayısıyla karayolu trafiği, bir yönetim nesnesi olarak özgüllüğünü belirleyen teknososyal bir sistemdir.

Kontrolün özü, sürücüleri ve yayaları zorlamak, hız ve güvenliği sağlamak amacıyla onlara belirli eylemleri yasaklamak veya tavsiye etmektir. Trafik Kurallarının ilgili gerekliliklerinin yanı sıra trafik polisi müfettişlerinin ve uygun yetkiye sahip diğer kişilerin bir dizi teknik araç ve idari eylemi kullanılarak gerçekleştirilir.

Trafik hizmetleri düzeyinde, trafik yönetimi, mevcut karayolu ağında güvenliği ve yeterli ulaşım ve yaya akışı hızını sağlayan bir dizi mühendislik ve organizasyonel önlemdir. Bu tür önlemler arasında, kural olarak daha spesifik sorunları çözen trafik kontrolü de yer alıyor. Ayrı bir kontrol türü düzenlemedir, yani hareket parametrelerinin belirlenen sınırlar içinde tutulmasıdır.

Otomatik, otomatik ve manuel trafik kontrol sistemleri bulunmaktadır. Otomatik kontrol önceden belirlenmiş bir programa göre insan katılımı olmadan gerçekleştirilir, otomatik kontrol bir insan operatörün katılımıyla gerçekleştirilir. Gerekli bilgileri toplamak ve en uygun çözümü bulmak için bir dizi teknik araç kullanan operatör, otomatik ekipmanın çalışma programını ayarlayabilir. Hem birinci hem de ikinci durumda kontrol sürecinde bilgisayarlar kullanılabilir. Otomatik kontrol döngüsü kapalı veya açık olabilir. Ve son olarak, operatörün trafik durumunu görsel olarak değerlendirerek mevcut deneyim ve sezgilerine dayanarak trafik akışını etkilediği manuel kontrol vardır.

Kapalı bir döngüde, araçlar ve kontrol nesnesi (trafik akışı) arasında geri bildirim vardır. Özel bilgi toplama ekipmanları - araç dedektörleri ile otomatik geri bildirim sağlanabilmektedir. Bilgiler otomasyon ekipmanına girilir ve işlenmesinin sonuçlarına göre bu cihazlar, komut üzerine anlamını değiştirebilecek trafik ışıklarının veya yol işaretlerinin (kontrollü işaretler) çalışma modunu belirler. Bu sürece esnek veya uyarlanabilir yönetim denir.

Döngü açıkken, geri bildirim olmadığında, trafik ışıklarını kontrol eden yol kontrolörleri (DC'ler), önceden belirlenmiş bir programa göre sinyalleri değiştirir. Bu durumda sürekli program kontrolü gerçekleştirilir.

Manuel kontrolde, operatörün sürüş koşullarına ilişkin görsel değerlendirmesine bağlı olarak geri bildirim her zaman mevcuttur.

Merkezileşme derecesine göre iki tür yönetim düşünülebilir: Yerel ve sistemik. Her iki tür de yukarıdaki yöntemler kullanılarak uygulanır. Lokal kontrol ile sinyal değişimi doğrudan kavşakta bulunan bir kontrolör tarafından sağlanır. Sistem tabanlı bir sistemde, kavşak kontrolörleri, kural olarak, bir kontrol noktasından (CP) özel iletişim kanalları aracılığıyla gelen komutların tercümanlarının işlevlerini yerine getirir. Kontrolörlerin kontrol panelinden geçici olarak bağlantısı kesildiğinde lokal kontrol sağlayabilirler.

Uygulamada “yerel denetleyiciler” ve “sistem denetleyicileri” terimleri kullanılmaktadır. Birincisinin kontrol paneli ile bağlantısı yoktur ve bağımsız çalışır, ikincisi ise böyle bir bağlantıya sahiptir ve yerel ve sistem kontrolünü uygulayabilir.

Kontrol merkezi dışında bulunan ekipmanlara periferik (trafik ışıkları, kontrolörler, araç dedektörleri), kontrol merkezinde bulunan ekipmanlara ise merkezi (bilgisayar ekipmanları, kontrol sistemleri, telemekanik ekipmanlar vb.) adı verildi.

Sistem kontrolü ile sistem operatörü kontrol merkezinde yani kontrol nesnesinden uzakta bulunur ve ona trafik koşulları hakkında bilgi sağlamak için iletişim araçları ve özel bilgi görüntüleme araçları kullanılabilir (Şekil 8.1).

Şekil 8.1 - Kontrol noktasının genel görünümü

İkincisi, kontrollü alanın doğrudan gözlemlenmesine olanak tanıyan, ekranlarda ve televizyon sistemlerinde bir bilgisayar kullanarak grafik ve alfanümerik bilgilerin görsel olarak görüntülenmesi için donanıma sahip olan şehir veya alanların parlak haritaları - anımsatıcı diyagramlar şeklinde yapılır.

Yerel kontrol çoğunlukla, kontrol veya akış için komşu kavşaklarla hiçbir bağlantısı olmayan ayrı veya dedikleri gibi izole bir kavşakta kullanılır. Böyle bir kavşakta trafik ışığı sinyallerindeki değişiklikler, komşu kavşaklardaki trafik koşullarına bakılmaksızın bireysel bir programa göre sağlanır ve araçların bu kavşağa gelişi rastgele olur.

Araçların belirli bir alanda hareket etme süresini azaltmak için gerçekleştirilen bir grup kavşaktaki sinyallerdeki koordineli değişikliklerin organizasyonuna koordineli kontrol ("yeşil dalga" prensibine göre kontrol) denir. Bu durumda kural olarak sistem koordineli kontrol kullanılır.

Trafik sıkışıklığı gibi kentsel sorunlar, muhafazakar bir şekilde, yani yol kapasitesini fiziksel olarak artırarak veya "makul" bir şekilde (İngilizce smart'tan) çözülebilir. Bu durumda, tüm ulaşım ve insanlar bir ekosistem içinde birleşir ve trafik akışlarının nasıl dağıtılacağına şehrin kendisi "karar verir". Böyle bir ekosisteme ilişkin vizyonumuz hakkında söylenmiş“Açık İnovasyon” forumlarından birinde. Ve bu yazıda akıllı trafik yönetim sistemlerinin tam olarak nasıl çalıştığını ve bunların hepimiz için neden bu kadar önemli olduğunu tartışacağız.

Şehirlerin neden “akıllı” bir ulaşım sistemine ihtiyacı var?

Dünya Sağlık Örgütü'ne göre dünya nüfusunun yüzde 50'den fazlası şehirlerde yaşıyor. Mega şehirler çoğunlukla ulaşım sorunları yaşıyor. Trafik sıkışıklıkları bunların en belirgin ve yaygın tezahürüdür. Yerel ekonomileri ve tüm yol kullanıcılarının yaşam kalitesini olumsuz etkiliyorlar ve bu nedenle elbette ortadan kaldırılmaları gerekiyor.

Örnek olarak trafik sıkışıklığının tipik bir nedeni olan onarım işini ele alırsak, Tutucu yaklaşımÇözümü trafiği en yakın paralel yollara yönlendirmek olacaktır. Sonuç olarak, büyük olasılıkla ana otoyolu takip ederek aşırı yüklenecekler ve yoğun saatlerde onarım altındaki alanın yakınında tek bir boş şerit kalmayacak.

Elbette yetkililer hangi yolların daha hızlı tıkanacağına dair bir tahmin yapmaya çalışacak. Bunu yapmak için kavşaklardaki trafik ışıklarının varlığını, ortalama trafik sıkışıklığını ve diğer statik faktörleri dikkate alacaklar. Ancak 8 noktalık bir trafik sıkışıklığının şehir merkezini felç ettiği şu anda, durumu "manuel olarak kontrol etmekten" başka bir şey yapmanın, örneğin trafik ışıklarını kapatıp acilen yenileriyle değiştirmenin mümkün olması pek mümkün görünmüyor. bir trafik kontrolörü.

Aynı arsanın gelişimi için başka bir senaryo daha var. "Akıllı" bir şehirde veriler yalnızca geleneksel kaynaklardan değil, aynı zamanda hem araçların içine yerleştirilmiş hem de altyapı unsurları olarak sensörlerden ve cihazlardan da gelir. Araç konum bilgisi, trafiğin gerçek zamanlı olarak yeniden dağıtılmasına olanak tanır ve akıllı trafik ışıkları ve park etme gibi ek sistemler, verimli trafik yönetimine olanak tanır.

Makul yaklaşım birçok şehrin tercihi haline gelmiş ve etkinliğini kanıtlamıştır. Almanya'nın Darmstadt şehrinde sensörler yaya güvenliğinin ve trafik sıkışıklığının sağlanmasına yardımcı oluyor. Yolu geçmek üzere olan büyük insan gruplarını algılıyorlar ve trafik ışığının aşamalarını onlara uyum sağlayacak şekilde uyarlıyorlar. Ayrıca, yakınlarda bir araba akışı olup olmadığını belirliyorlar ve yalnızca arabalar hareket etmeyi bitirdiğinde ışıkları açmak için "emri veriyorlar".

Danimarka'nın Aarhus kentindeki trafik dağıtım sistemi, yalnızca trafik sıkışıklığını azaltmakla kalmayıp, aynı zamanda genel yakıt tüketimini de azaltmayı mümkün kıldı. Londra'nın akıllı sistemi, belirli yol bölümleri tıkandığında sürücüleri bilgilendiriyor. Akıllı trafik yönetimi, Singapur'un dünyadaki en az sıkışık büyük şehirlerden biri olmasına yardımcı oldu.

“Akıllı” bir trafik kontrol sistemi nelerden oluşur?

Akıllı şehrin en önemli aracı veridir. Dolayısıyla sistemin kalbi, gerçek zamanlı olarak gelen tüm bilgi akışlarını entegre eden, bunları yorumlayan ve trafik kontrolü konusunda bağımsız karar veren (veya sorumlu kişinin böyle bir karar vermesine yardımcı olan) bir platformdur. Kural olarak platformun etrafında bir trafik kontrol komuta merkezi oluşturulur.

Fotoğraf: Highways England /

Coğrafi bilgi sistemi (GIS), verileri bir yol haritasındaki belirli noktalara bağlama yeteneği sağlar. Doğrudan hareket kontrolü için ayrı alt sistemler kullanılır. Sayıları, karmaşıklıkları ve birbirleriyle etkileşim düzeyleri, verilen görevlere bağlı olarak farklı modellerde farklılık gösterebilir.

Örneğin, Çin Langfang'ında şu alt sistemler çalışır: trafik ışığı düzenlemesi, trafik bilgilerinin toplanması, gözetleme ve uyarı, servis araçlarının ve diğer bileşenlerin coğrafi konumlanması. Romanya Timisoara'da, daha önce açıklanan unsurlara ek olarak, toplu taşımaya öncelik verilmesi ve araç plakalarının tanınmasına yönelik alt sistemler uygulamaya konmuştur.

Trafik akışlarının "akıllı" dağıtım sistemi çeşitli unsurlar nedeniyle karmaşık hale gelebilir, ancak içindeki en önemli şey, tüm alt sistemleri gelen verilere göre yöneten platform olmaya devam ediyor. Bu açıdan bakıldığında arabalar her türlü “akıllı” şehir modelinin önemli bir bileşenidir. Yalnızca bilgi alıp (WayRay Navion gibi cihazları kullanarak) belirli bir trafik durumuna uyum sağlamakla kalmazlar, aynı zamanda yol sıkışıklığı hakkında anlamlı bilgi sağlayıcı olarak da hareket ederler.

“Akıllı” bir şehrin en önemli alt sistemlerinin yapısına daha yakından bakmayı öneriyoruz.

Akıllı izleme ve yanıt sistemi

İzleme komuta merkezinin temelidir. Olayların zamanında tespiti ve bunlara müdahale edilmesi yol güvenliğini garanti eder ve trafik sıkışıklığını azaltır. Kullanıcı çoğunlukla izleme sonuçlarını, trafik yükünü gerçek zamanlı olarak gösteren renk şemasına sahip bir harita üzerinde görür.

Veri kaynakları, arabalar kapsama alanında hareket ettikçe yollardaki durumu otomatik olarak analiz eden kameraların yanı sıra piezoelektrik sensörlerden oluşuyor. Akıllı şehir ekosistemindeki bir diğer izleme yöntemi ise örneğin Bluetooth cihazlardan gelen kablosuz sinyale dayalı akış takibidir.

"Akıllı" trafik ışıkları

Bu alt sistemin çalışma prensibi basittir: "uyarlanabilir" trafik ışıkları, trafik hacmini ölçmek için bir faz değişikliği ihtiyacını işaret eden araçları kullanır. Trafik akışının zor olduğu durumlarda, otomobiller için trafik ışıklarının yeşil fazı normalden daha uzun süre aktif kalıyor. Yoğun dönemlerde kavşaklardaki trafik ışıkları, trafiğe “yeşil şeritler” sağlamak için fazlarını senkronize eder.

"Akıllı" bir şehirde, verileri analiz için algoritmalara ileten karmaşık sensörler nedeniyle sistem daha karmaşık hale gelir. Siemens'in entegre trafik yönetim sisteminin bir parçası olan bu çözüm, Teksas Tyler'da trafik gecikmelerini %22 oranında azalttı. Washington'un ana caddelerinden biri olan Bellevue'deki seyahat süreleri, uyarlanabilir trafik ışıklarının yerleştirilmesinden bu yana trafiğin yoğun olduğu saatlerde %36 oranında azaldı.

Bu alt sistem temel düzenlemesinde şu şekilde çalışır: Karayolu altyapısının unsurlarından birine, örneğin ışık direklerine monte edilen kızılötesi sensörler, trafik akışının varlığını veya yokluğunu tespit eder. Bu veriler, kırmızı, yeşil ve sarı fazlar için çıkış sinyalleri üreten ve her yoldaki araç sayısına göre çevrim süresini kontrol eden sisteme bir giriş sinyali görevi görüyor.

Aynı bilgi yol kullanıcısına çıkış sinyali olarak iletilebilir. Uyarlanabilir trafik ışıkları, video kayıt ekipmanının hareket eden bir aracı ambulans veya uyarı ışıkları açık bir polis arabası olarak algıladığı acil durum modunda da çalışabilir. Bu durumda resmi aracın güzergahından geçen araçlar için trafik ışıkları kırmızıya dönecek.

Trafik hacmini tespit eden kameralar aynı zamanda sistem için giriş verisi kaynağı olarak da görev yapabilir. Kapsamlı bir “akıllı” şehir modelinde, kameralardan yoldaki durumla ilgili bilgiler algoritmik işleme için bir yazılım ortamına ve bir kontrol sistemine eş zamanlı olarak iletilir ve burada görselleştirilir ve komuta merkezindeki ekranlarda görüntülenir.

Ayrıca “akıllı” trafik ışıklarının çeşitleri de vardır. Örneğin yapay zeka teknolojileri, tek bir ekosistemdeki trafik sinyallerinin koordinasyonunu geliştiriyor. Bu durumda döngü sensörler ve kameralar tarafından da tetiklenir. Yapay zeka algoritmaları, alınan verileri döngü zamanlamaları oluşturmak, trafiği yörünge boyunca verimli bir şekilde hareket ettirmek ve bilgileri bir sonraki trafik ışıklarına bildirmek için kullanır. Ancak böyle bir sistem merkezi olmayan bir sistem olarak kalıyor ve her trafik ışığı, etapların süresine ilişkin "kendi kararlarını veriyor".

Nanyang Teknoloji Üniversitesi'ndeki araştırmacılar bu yıl makine öğrenimine dayalı bir trafik dağıtım algoritmasını tanıttı. Bu durumda yönlendirmenin birkaç nüansı vardır: taşıma sistemindeki mevcut yük ve herhangi bir zamanda ağa girebilecek ek yükten sorumlu olan tahmin edilen bilinmeyen değer dikkate alınır. Daha sonra algoritma, her düğümdeki veya başka bir deyişle kesişmedeki ağın rahatlatılmasından sorumludur. Yapay zeka destekli trafik ışıklarıyla birleştirilen böyle bir sistem, yaygın kentsel sorunlara çözüm olabilir.

Akıllı trafik ışıkları, yalnızca trafik sıkışıklığını azaltma etkisi nedeniyle değil, aynı zamanda WayRay Navion gibi kullanıcı cihazlarının aldığı geri bildirimler nedeniyle de sürücüler için önemli bir rol oynuyor. Örneğin, Tokyo'daki sürücüler kızılötesi sensörlerden gelen sinyalleri doğrudan navigasyon cihazlarına alıyor ve bu sinyaller buna göre en uygun rotayı oluşturuyor.

Akıllı park etme

Park yerlerinin olmaması veya bunların verimsiz kullanımı sadece gündelik bir sorun değil, aynı zamanda kentsel altyapı için bir zorluk ve trafik sıkışıklığının başka bir nedenidir. Navigant Research'e göre dünya çapındaki akıllı park yeri sayısının 2026 yılına kadar 1,1 milyona ulaşması bekleniyor. Boş yer arama ve kullanıcıları bilgilendirme amaçlı otomatik sistemler ile sıradan otoparklardan ayrılmaktadırlar.

Rice Üniversitesi ekibi, soruna bir çözüm olarak, boş koltukları bulmak için dakika dakika fotoğraf çeken bir kamera kullanan bir model geliştirdi. Daha sonra bir nesne algılama algoritması kullanılarak analiz edilirler. Ancak akıllı şehir ekosistemi içerisinde bu çözüm optimal değildir.

“Akıllı” bir otopark sistemi yalnızca her park yerinin durumunu (“dolu/boş”) bilmemeli, aynı zamanda kullanıcıyı oraya yönlendirebilmelidir. BT şirketi Maven Systems'in kıdemli iş analisti Devavrat Kulkarni, bunun için bir sensör ağı kullanılmasını öneriyor.

Bunlardan elde edilen bilgiler bir algoritma tarafından işlenerek bir uygulama veya başka bir kullanıcı arayüzü aracılığıyla son kullanıcıya sunulabilir. Uygulama, park etme anında aracın konumu hakkındaki bilgileri kaydederek gelecekte aracı bulmayı kolaylaştırıyor. Bu çözüm, örneğin bireysel alışveriş merkezleri için uygun, yerel olarak adlandırılabilir.

Bu alanda gerçekten büyük ölçekli projeler şu anda ABD'nin bazı şehirlerinde hayata geçiriliyor. LA Express Park'ın birleşik bir "akıllı" otopark ağı kurma girişimi Los Angeles'ta yürütülüyor. Fikri hayata geçirmekten sorumlu olan StreetLine girişimi, park yerlerinin doluluğu hakkında bilgi iletmek amacıyla birden fazla veri kaynağını (sensörler ve güvenlik kameraları) tek bir kanalda birleştirmek için makine öğrenimi yöntemlerini kullanıyor.

Bu veriler şehir genelindeki otopark sistemi kapsamında değerlendirilerek karar vericilere sunulmaktadır. StreetLine, park etmeyle ilgili tüm veri kaynaklarıyla çalışmak için bir SDK, otomatik plaka tanıma sistemi ve API sağlar.

Akıllı park sistemleri trafik yoğunluğunu yönetmek için de faydalı olabilir. Bu karar, önceden bir trafik düzenleme aracı olan ücretli park alanlarındaki tarife oranlarının değiştirilmesine dayanmaktadır. Bu, park yerlerindeki sıkışıklığın belirli günlere dağıtılmasını mümkün kılarak trafik sıkışıklığının azalmasını sağlar.

Son kullanıcılar için, mevcut alanlar ve daha ucuz fiyatlara ilişkin veriler, yolculukların planlanmasına yardımcı oluyor ve genel sürüş deneyimini geliştiriyor; giyilebilir veya araç içi cihazlar aracılığıyla kullanıcı, gerçek zamanlı olarak park yeri bulma konusunda pratik rehberlik alıyor.

Hareket kontrolünün geleceği

Göz önünde bulundurduğumuz üç ana unsur, modern bir şehrin yollarındaki durumu önemli ölçüde kolaylaştırabilecek hazır bir ekosistemdir. Ancak geleceğin altyapısı öncelikle geleceğin ulaşımına yönelik oluşturuluyor. Otomatik izleme, park etme ve kontrol sistemleri, sürücüsüz araç kullanımına geçişi kolaylaştırıyor.

Ancak burada her şey o kadar basit değil: Artık "akıllı" şehirlerde kullanılan altyapıya drone'lar ihtiyaç duymayabilir. Örneğin, bugün hala trafik ışıklarının aşamalarını değiştirmenin bir anlamı varsa, o zaman Massachusetts Teknoloji Enstitüsü'ndeki araştırmacılara göre insansız araçların alıştığımız sinyallere - araçların hızına ve durma noktasına - hiç ihtiyacı olmayacak. Kavşaklar sensörler kullanılarak otomatik olarak gerçekleştirilecek.

Drone'ların geleneksel arabaları yollardan çekmesi ve trafik ışıklarının, trafik kameralarının ve hız tümseklerinin olmadığı yeni bir dünya görmemizin ardından, en gelişmiş trafik yönetim sistemlerinin bile küresel bir modernizasyona uğraması muhtemeldir. Ancak sürücüsüz otomobillere tam bir geçiş hâlâ mümkün görünmüyor. Ancak “akıllı” şehirlerin sayısındaki artış oldukça gerçekçi bir ihtimal.

UDC 517.977.56, 519.876.5

Trafik akışlarına yönelik mikroskobik modelleme sistemine dayalı uyarlanabilir trafik kontrolü

A. S. Golubkov,

mühendis, genç araştırmacı

V. A. Tsarev,

Doktora teknoloji. Bilimler, Doçentlik Enstitüsü Yönetim ve Bilgi Teknolojileri St. Petersburg Devlet Politeknik Üniversitesi Cherepovets Şubesi

Modern otomatikleştirilmiş trafik kontrol sistemlerinin bileşimi ve işleyiş özellikleri açıklanmaktadır. Trafik akışı tahminine ve hızlı kavşak optimizasyon modellerine dayalı uyarlanabilir trafik kontrolü için bir yöntem önerilmiştir. Uyarlanabilir bir trafik kontrol sisteminde kullanılan mikroskobik trafik akışı modelleme sisteminin özellikleri sunulmaktadır.

Anahtar Kelimeler - uyarlanabilir trafik kontrolü, trafik kontrolü optimizasyonu, trafik akışı modelleme, mikroskobik modelleme.

giriiş

Şu anda birçok büyük şehirde trafik sıkışıklığı sorunu çok ciddi. Aynı zamanda çalışmalar, mevcut karayolu ağlarının (RSN'ler) potansiyelinin tam anlamıyla kullanılmaktan uzak olduğunu göstermektedir. Karayolu ağlarının kapasitesinin artırılması, otomatik trafik kontrol sistemlerinin (ATCS) uygulamaya konulmasıyla sağlanabilir. Otomatik trafik kontrol sistemlerinin uygulanmasıyla aşağıdaki göstergeler iyileştirilmiştir: araç seyahat süresi %10-15 oranında azalır; genel ulaşım duraklarının sayısı %20-40 oranında azalır; yakıt tüketimi %5-15 oranında azalır, atmosfere verilen zararlı emisyon miktarı %5-15 oranında azalır; yol güvenliği artırıldı.

Modern otomatik trafik kontrol sistemleri

Modern otomatik trafik kontrol sistemlerinin, trafik ışıkları ve trafik ışığı kontrolörlerine ek olarak ana bileşenleri şunlardır:

1) şerit boyunca sürerken araçların tespit edilmesini ve sayılarının sayılmasını sağlayan araç dedektörleri (TD);

2) DT'den gelen verileri işlemek ve optimum kontrol sinyallerini hesaplamak için bir veya daha fazla bilgisayar;

3) ulaşımı tespit etmek ve trafik akışı yönetimini optimize etmek için algoritmalar uygulayan bir dizi yazılım aracı;

4) araç sürücülerini bilgilendirme araçları (çeşitli bilgi panoları);

5) otomatik trafik kontrol sisteminin yazılım ve donanımını tek bir sistemde birleştirmek için kullanılan iletişim ve telekomünikasyon araçları.

Modern otomatikleştirilmiş trafik kontrol sistemleri çeşitli türde taşıma dedektörlerini kullanır: döngü (endüksiyon); kızılötesi aktif ve pasif; manyetik; akustik; radar; video dedektörleri; kombine (çeşitli kombinasyonlarda ultrasonik, radar, kızılötesi ve video dedektörleri). Tüm dizel motorlar farklı çalışma koşullarında farklı verimlere sahiptir. Bununla birlikte, bilgisayar ve televizyon teknolojisinin elde edilen yüksek düzeydeki gelişimi nedeniyle, birçok durumda en çok tercih edilenler, görüntü işleme ve analiz teknolojilerine dayalı video dedektörlerinin yanı sıra video dedektörlerinin diğer türdeki dedektörlerle kombinasyonlarıdır.

Çeşitli üreticilerin mevcut otomatik trafik kontrol sistemlerinde, çeşitli kombinasyonlarda uyarlanabilir trafik akışı kontrolünün üç ana yöntemi kullanılmaktadır.

1. Çoklu koordinasyon planlarının ön hesaplaması ve bunların kütüphaneden uygun uygun plan seçilerek stratejik DT'lerin mevcut ortalama okumalarına göre değiştirilmesi ile karakterize edilen, kütüphaneleri kullanan bir kontrol yöntemi.

2. Trafik ışığı koordinasyon planlarının ön hesaplaması, takvim planına göre değiştirilmesi ve yerel dedektörler tarafından bireysel yönlerde kaydedilen ulaşım taleplerine uygun olarak bu planlarda değişikliklerin uygulanması ile karakterize edilen fiili kontrol yöntemi.

3. Yerel ve stratejik (yol) dedektörlerden gerçek zamanlı olarak alınan bilgilere dayanarak koordinasyon planlarının ve takvim modlarının sürekli yeniden hesaplanmasıyla karakterize edilen uyarlanabilir kontrol yöntemi.

Modern otomatikleştirilmiş trafik kontrol sistemlerinde trafik akış yönetiminin optimizasyonu çeşitli yöntemler kullanılarak gerçekleştirilir. Denge sistemi (Almanya) genetik optimizasyon algoritmalarını kullanır. Utopia sistemi (Hollanda) gecikme süresini, durak sayısını, özel öncelik gerekliliklerini ve kavşakların göreceli konumunu hesaba katan bir fiyat fonksiyonuna dayalı olarak hesaplama yapar. “Spectrum” sistemi (St. Petersburg, Rusya) şunları kullanır:

Aşağıdaki algoritmalar kullanılır: trafik akışındaki kesintileri arayın; Webster formülünü kullanarak hesaplama; Yoğunluğa göre programların değiştirilmesi. Elektromekhanika OJSC (Penza, Rusya) tarafından üretilen otomatik trafik kontrol sistemi aşağıdaki algoritmik desteği kullanır: trafik akışlarında bir kesinti aramak için bir algoritma; koordinasyon döngüsünün toplam süresini korurken bir boşluk aramak; trafik yoğunluğu kontrol noktalarına göre önceden hesaplanmış modları değiştirmek için algoritma; Webster formülüne dayalı döngü parametrelerinin dinamik olarak yeniden hesaplanması için algoritma. Agat otomatik trafik kontrol sistemi (Minsk, Beyaz Rusya) aşağıdaki buluşsal kontrol algoritmalarını kullanır: zaman haritasına dayalı bir koordinasyon planının seçilmesi; koordinasyon planına göre faz, mod seçimi; karakteristik noktalardaki vb. hareket parametrelerine dayalı bir koordinasyon planının seçilmesi.

Kavşak optimizasyon modellerine dayalı uyarlanabilir trafik akışı yönetimi

Geliştirilmekte olan trafik kontrol sistemi (şekil) bir merkezi nokta ve birçok yerel noktadan oluşmaktadır.

■ Uyarlanabilir trafik kontrol sisteminin şeması

sayısı sistemdeki kontrollü kavşak sayısına karşılık gelen kontrol üniteleri. Tüm yerel noktalar iletişim kanalları aracılığıyla merkezi kontrol noktasına bağlanır.

Merkezi kontrol merkezi, karayolu ağındaki araçların trafik yoğunluğuna ilişkin bilgilerin toplanması ve işlenmesi işlevlerini yerine getirir. Bilgi işleme, aşağıdaki verilere dayanarak trafik akış değerlerinin tahmin edilmesidir:

Mevcut trafik akış yoğunlukları;

Araç hızları;

Sistemdeki bitişik kontrollü kavşaklar arasındaki mesafeler;

Haftanın mevcut gününe ve günün saatine ilişkin istatistiklere dayalı olarak araç rotalarının tahmini;

Karayolu trafik kavşaklarındaki trafik ışığı nesnelerinin mevcut faz uzunlukları.

Sistemdeki yerel noktalar, ilgili kavşaklarda trafik akışı yönetimini doğrudan optimize eder. Her yerel kontrol noktası şunları içerir:

Araç dedektörleri;

Gerekirse trafik sinyallerinden gelen verilerin ön işlenmesini ve trafik akışı yönetiminin optimizasyonunu gerçekleştiren bir bilgisayar;

Bir trafik ışığı nesnesinin faz uzunluklarının harici olarak ayarlanmasına olanak tanıyan bir trafik ışığı kontrolörü;

Trafik ışıkları.

DT olarak video dedektörlerinin kullanılması önerilmektedir. Bu durumda, video kameralardan gelen sinyal, ön işleme yazılım modülünün video görüntülerini analiz ettiği ve tüm kontrollü şeritlerdeki trafik akış yoğunluğunu değerlendirdiği yerel kontrol noktasının bilgisayarına girer. Daha sonra trafik akışlarının yoğunluğu merkezi kontrol noktasına iletilir.

Trafik akış yönetiminin optimizasyonu aşağıdaki şekilde gerçekleştirilir. Bilgisayar, kesişimin doğru bir yazılım mikroskobik modeline sahiptir. Bir trafik ışığı nesnesini kontrol etmenin bir sonraki aşama döngüsü için optimum aşama uzunluklarını hesaplarken (faz döngüsünün süresi kural olarak 2-5 dakikadır), aşağıdaki eylemler gerçekleştirilir.

Model, sonraki 5 dakika boyunca trafik akışlarının girdi yoğunluklarını (merkezi kontrol noktasından gelen yoğunluk tahmini) tek bir araca kadar doğrulukla belirler.

Optimizasyon modülü, 5 dakikalık model süresi boyunca kavşak modelinin çalıştırmalarını başlatır; her çalıştırma için, model trafik ışığı nesnesinin yeni faz uzunluklarını ayarlar.

ve her çalışmanın sonuçlarına göre amaç fonksiyonunun değerini hesaplar.

Modelin birkaç kez çalıştırılmasından oluşan optimizasyon döngüsünün bir sonucu olarak optimizasyon modülü, hedef arama fonksiyonunun uç noktasına karşılık gelen model trafik ışığı nesnesinin optimum faz uzunluklarını bulur.

Bir trafik ışığı nesnesinin faz uzunlukları j = (fr f2, f3, f4) optimizasyon parametrelerinin bir vektörüdür (çapraz şekilli bir kavşakta genellikle dörtten fazla faz belirtilmez). Bir taşıtın bir kavşaktan geçmesi için geçen ortalama bekleme süresi, F(j) amaç fonksiyonu olarak hizmet edebilir. Bu durumda optimizasyon kriteri seyahat için minimum ortalama bekleme süresi olacaktır.

min .Р(ф) = F(^*),

burada Ф, faz uzunluğu vektörü koordinat değerlerinin izin verilen kümesidir; j* - faz uzunluklarının optimal değerlerinin vektörü. İzin verilen faz uzunluğu vektörü koordinat değerleri kümesi aşağıdaki forma sahiptir:

Ф = (ф|Tmin< Фi < Tmax.i = 1.-. 4} С r4.

burada T. ve - sırasıyla minimum

ve faz uzunluğunun maksimum değeri.

Model üzerinde amaç fonksiyonunun türevlerinin hesaplanması mümkün değildir, bu nedenle optimizasyon yöntemi olarak yalnızca doğrudan yöntemler kullanılabilir. Bir trafik ışığı nesnesinin faz uzunluklarının, faz uzunluğu boyunca sabit bir adımla bir noktadan diğerine alternatif döngüsel değişiminin kullanılması önerilmektedir. Değişen faz uzunlukları için adım uzunluğu 2-3 s'ye ayarlanabilir.

Açıklanan uyarlanabilir trafik kontrol sisteminin uygulanması olasılığı için gerekli bir koşul, bir faz döngüsü sırasında bir trafik ışığı nesnesinin faz uzunluklarını optimize etmek için çalışma hızının yeterli olacağı mikroskobik bir trafik akış modelleme sisteminin varlığıdır.

Trafik akışları için mikroskobik modelleme sistemi

Makalenin yazarları, uyarlanabilir trafik kontrol sisteminin bir parçası olarak trafik akışlarının yönetimini optimize etmek için kullanılabilecek, karayolu trafik sistemlerinde trafik akışlarının mikroskobik modellenmesi için bir sistem geliştirdiler. Modelleme sisteminin ana özelliği modellemede ayrık olay yaklaşımının kullanılmasıdır.

Bu sayede sistem yüksek performansa sahiptir.

Sistemin performansı, bireysel tipik kavşak modelleriyle yapılan bir dizi deneyle değerlendirildi. Deneyler, her çekirdeğin frekansı 2,4 GHz olan Intel Core 2 Quad Q6600 işlemcili bir bilgisayarda gerçekleştirildi (gerçekte, simülasyon tek bir program iş parçacığında gerçekleştirildiğinden deneylerde yalnızca bir çekirdek kullanıldı). Sonuç olarak, tek bir kavşaktan geçen trafik akışlarının 45 gün (3.888.000 sn) boyunca modellenmesi 2864 sn işlemci süresi gerektirmiştir. Böylece, simülasyon hızının gerçek zamanlı hıza göre fazlalığı 3.888.000/2864 " " 1358 kat olmuştur; yani kesişimdeki gerçek faz döngüsü sırasında optimizasyon modülü, optimizasyon deneyinin 1300'den fazla çalışmasını gerçekleştirme kapasitesine sahiptir.

Modellemeye yönelik ayrık olay yaklaşımının bir özelliği, modelleme sonuçlarının model yürütme hızından bağımsız olmasıdır; yani, tam işlemci yükü modunda bile modelleme, örneğin yürütme sonuçlarıyla tamamen aynı sonuçları gösterecektir. gerçek zamanlı.

Aksine sistem dinamiği yaklaşımında zaman örnekleme adımı arttırılarak simülasyon hızlandırıldığında simülasyonun doğruluğu azalmaktadır. Sistem dinamiği yaklaşımı, trafik akışlarının mikroskobik modellenmesine yönelik modern sistemlerin büyük çoğunluğunu uygulamaktadır: Aimsun (İspanya), Paramics Modeler (İskoçya), DRACULA (İngiltere), TransModeler (ABD), VISSIM (Almanya). Listelenen modelleme sistemlerinin tümü, 0,1-1,0 saniyelik bir zaman örnekleme adımı kullanır.

Sistem dinamikli bir karayolu ulaşım modelinde, 1 saniyelik bir modelleme zaman adımı, modeli yeterlilikten mahrum bırakabilecek kapasitededir. Böylece, 60 km/saat hızdaki bir araç 1 saniyede 16 m'den fazla yol kat eder, yani tipik hızlarda model araç yalnızca yaklaşık 10 m'lik bir doğrulukla konumlandırılır.

Önerilen ayrık olay modelinde, model nesnelerinin konumlandırma doğruluğu hemen hemen her hızda sabit kalır ve kullanılan bit derinliğine bağlıdır.

1. Brodsky G. S., Aivazov A. R. Kentsel ortamda otomatik trafik kontrolü // Road World. 2007. No. 26. S. 2-3.

değişkenler ve bunlar üzerinde gerçekleştirilen aritmetik işlemlerin türü. Çift duyarlıklı kayan nokta sayıları (64 bit, mantisin 15 anlamlı ondalık basamağı) kullanıldığında, ayrık olay modelindeki model araçların herhangi bir zamanda konumlandırma doğruluğu 1 cm'den fazla olmayacaktır.

Çözüm

Önerilen uyarlanabilir trafik kontrol sistemi, her bir kavşağın kapsamlı optimizasyonu ve bitişik kavşaklar arasındaki trafik akışlarının bireysel araçların doğruluğu ile hesaplanması nedeniyle yüksek verimlilik gösterebilmektedir. Karayolu ağında herhangi bir yönde yüksek yoğunlukta trafik akışı olması durumunda, tüm komşu kavşaklardaki kontrol, bu yönde yeşil dalga düzenleyecek şekilde otomatik olarak ayarlanıyor. Aynı zamanda trafik akışının daha düşük olduğu diğer tüm yönler de optimizasyona tabi tutulur.

Makalenin yazarları tarafından geliştirilen, karayolu ağlarındaki trafik akışlarının mikroskobik ayrık olay modelleme sisteminin kullanılması sayesinde, her bir kavşağın kontrolünü gerçek zamanlı olarak optimize etmek mümkündür. Ayrık olay yaklaşımının kullanılması nedeniyle bu modelleme sistemi yüksek performansa ve doğruluğa sahiptir. Yakın gelecekte modelleme sisteminin deneme sürümü geliştiricilerin web sitesinde mevcut olacak.

Trafik akışı yönetimi optimizasyonunun kalitesi büyük ölçüde trafik yoğunluğu tahmininin doğruluğuna bağlıdır. Bu durumda tahmin zaman aralığı ne kadar kısa olursa tahmin doğruluğu da o kadar yüksek olur. Yerel kavşaklarda yeterli performansa sahip donanım kullanıldığında, bir trafik ışığı nesnesinin kontrol döngüsünün optimal faz uzunluklarının yeniden hesaplanması, sonraki her fazın başlangıcında gerçekleştirilebilir. Bu durumda, gerçekte kullanılan tahmin zaman aralığı bir fazın süresine, yani 15-100 s'ye düşürülecek ve bunun sonucunda optimizasyon verimliliği artacaktır.

2. Brodsky G.S., Rykunov V.V. Hadi gidelim! Otomatik trafik kontrol sistemi - dünya deneyimi ve ekonomik anlamı // Yolların Dünyası. 2008. Sayı 32. S.36-39.

3. SNPO AGAT. http://www.agat.by (erişim tarihi:

4. Crowdhury M. A., Sadek A. Akıllı Ulaşım Sistemi planlamasının temelleri. - Boston - Londra: Artech House, 2005. - 190 s.

5. Kremenets Yu.A., Pechersky M.P., Afanasyev M.B. Karayolu trafiğini organize etmenin teknik araçları. - M .: Akademkniga, 2005. - 279 s.

6. GEVAS yazılımı: Trafik Kontrolü. http://www.gevas.eu/index.php?id=149&L=1 (erişim tarihi: 06/16/2010).

7. UTOPIA - Trafiğe Göz Atma. http://www.peektraffic.nl/ page/484 (erişim tarihi: 16/06/2010).

8. JSC "RIPAS": Otomatik sistemlerin geliştirilmesi ve üretimi. http://www.ripas.ru (erişim tarihi: 06/16/2010).

9. Otomatik trafik kontrol sistemi - JSC "Electromechanika". http://www. elmeh.ru/catalog/3/asud (erişim tarihi:

10. Karpov Yu.G. Sistemlerin simülasyon modellemesi. AnyLogic 5 ile modellemeye giriş. - St. Petersburg: BHV-Petersburg, 2006. - 400 s.

11. Sovetov B.Ya., Yakovlev S.A. Sistemlerin modellenmesi. - M.: Daha yüksek. okul, 2001. - 343 s.

12. Nagel K. Trafik akışının yüksek hızlı mikrosimülasyonları. Tez: Köln Üniversitesi, 1995. - 202 s.

13. Aimsun. Entegre ulaşım modelleme yazılımı. http://www.aimsun.com (erişildi:

14. Dört Taş Paramikleri. Trafik Simülasyon Çözümleri. http://www.paramics-online.com (erişim tarihi:

15. SATURN Yazılım Web Sitesi. https://saturnsoftware. co.uk (erişim tarihi: 20.05.2010).

16. TransModeler Trafik Simülasyon Yazılımı. http://www.caliper.com/transmodeler/ (erişim tarihi:

17. PTV Vizyonu - ulaşım planlaması. http://www.ptv-vision.ru (erişim tarihi: 20.05.2010).

18. Mullenom Şirketi. http://www.mallenom.ru (erişim tarihi: 20.05.2010).

Doğru bir RUNEB veritabanı oluşturmak için gerekli olan bireysel bir dijital kod atanması için (kayıt sırasında kod otomatik olarak atanır) her birinizin RUNEB web sitesine (http://www.elibrary.ru) kaydolmanız gerekir. Bu, bilimsel faaliyetiniz hakkındaki bilgileri objektif olarak yansıtır ve aynı zamanda alıntı indeksinizi (RSCI) hesaplar.