WWW.DISUS.RU

БЕСПЛАТНАЯ НАУЧНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

 

Оптимизация процессов получения информации и управления движением транспортных потоков высокой интенсивности

На правах рукописи

Медовщиков Максим Игоревич

ОПТИМИЗАЦИЯ ПРОЦЕССОВ ПОЛУЧЕНИЯ ИНФОРМАЦИИ И УПРАВЛЕНИЯ ДВИЖЕНИЕМ ТРАНСПОРТНЫХ ПОТОКОВ ВЫСОКОЙ ИНТЕНСИВНОСТИ

Специальность: 05.13.06 – Автоматизация и управление технологическими процессами и производствами (промышленность)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата технических наук

Краснодар – 2013

Работа выполнена в ФГБОУ ВПО
«Кубанский государственный технологический университет»

Научный руководитель: кандидат технических наук, доцент
Посмитный Евгений Владимирович
Официальные оппоненты: доктор технических наук, профессор Атрощенко Валерий Александрович Декан факультета компьютерных технологий и автоматизированных систем, заведующий кафедрой информатики и вычислительной техники ФГБОУ ВПО «Кубанский государственный технологический университет» кандидат технических наук Марков Юрий Фёдорович Заместитель директора по научной работе Кубанского филиала Государственного научного учреждения Всероссийского научно-исследовательского института зерна и продуктов его переработки Российской академии сельскохозяйственных наук
Ведущая организация: ФГБОУ ВПО «Кубанский государственный университет»

Защита диссертации состоится « 18 » декабря 2013 г. в 1400 часов на заседании диссертационного совета Д 212.100.04 в ФГБОУ ВПО «Кубанский государственный технологический университет» по адресу: 350072, г. Краснодар, ул. Московская 2, корпус «Г», ауд. Г-248.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Кубанский государственный технологический университет».

Автореферат разослан « 14 » ноября 2013 г.

Ученый секретарь

диссертационного совета Д 212.100.04,

канд. тех. наук, доцент А.В. Власенко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Проблема эффективности управления транспортными потоками известна с первой половины XX века. Увеличение интенсивности нерегулируемых транспортных потоков приводит к увеличению вероятности дорожно-транспортных происшествий. При этом, с другой стороны, недостаточно эффективное управление транспортными потоками приводит к снижению пропускной способности транспортной сети, появлению и росту транспортных заторов.

Сеть транспортных потоков в условиях заторов является слабо устойчивой: появление затора в одном конце города может привести к заторам в другом конце города. Поэтому современной эффективной системе управления необходима своевременная точная информация о транспортных потоках. К примеру, широко распространённой в мире системе SCOOT требуется по одному детектору транспорта на приходящую к перекрёстку полосу, а американской системе OPAC ещё дополнительно по одному детектору на каждую исходящую полосу[1]. Таким образом, эффективность управления зависит также и от количества детекторов транспорта и эффективности их работы. Поэтому в контексте проблемы эффективного управления актуальным является также решение задач оптимизации процессов получения информации о состоянии транспортных потоков.

Степень разработанности темы. В ходе исследования подходов к решению данной проблемы было разработано множество различных теорий, методов и принципов. Среди которых основными являются: работы Пигу, Найта и Вардропа о принципах распределения транспортных потоков (ТП); макромодель динамики ТП на основе уравнения гидродинамики (LWR-модель), а также фундаментальная диаграмма зависимости интенсивности и плотности ТП, разработанные Лайтхиллом, Уиземом и Ричардсом; принципы распределения светофорных фаз в работах Вебстера; метод зелёной волны и соответствующий программный инструмент TRANSYT научного центра TRL (UK); микромодели динамики ТП, разработанные Ньюэлом, Газисом, Трайбером и т.д.; модели динамики ТП на клеточных автоматах фон Неймана, созданные Рикетом, Нагелем и Шрекенбергом; метод адаптивного управления SCOOT, представленный Робертсоном, TRL (UK); теория трёх фаз ТП Кернера; также мезо-модели, включая вероятностные стохастические модели, использующие теорию массового обслуживания, исследованные в работах Хейта, Иносэ, Дрю, Реньи, Бланка, Хайдемана и др. При этом в России в данной области проводили исследования такие учёные и специалисты как Ю.А. Кременец, В.Т. Капитанов, А.В. Гасников, В.И. Швецов, А.А. Замятин, В.А. Малышев, Е.М. Васильева, В.Н. Лившиц, А.П. Буслаев, В.В. Петров, В.М. Кисляков, Н.В. Правдин, И.Н. Пугачёв, В.В. Семёнов, В.В. Сильянов, Е.Б. Хилажев и др.

В настоящее время проблема эффективного управления транспортными потоками высокой интенсивности ставит новые задачи. Исследуются новые подходы к оптимизации процесса регулирования с целью повышения эффективности адаптивного управления в условиях высокого уровня заторов, включая применение эволюционных алгоритмов[2],[3] в связке с пакетами моделирования, а также использование современных оптимизационных моделей[4].

Объектом диссертационной работы является распределённая система транспортных потоков. Предметом исследования является процесс получения параметров и управления движением транспортных потоков.

Цель и задачи исследования. Целью диссертационной работы является повышение эффективности процессов получения информации и управления движением транспортных потоков высокой интенсивности.

Для достижения указанной цели поставлены следующие задачи:

– анализ существующих подходов к управлению транспортными потоками, к моделированию транспортных потоков, а также подходов к получению информации о транспортных потоках;

– разработка методики оптимизации количества детекторов транспорта, используемых при управлении транспортными потоками;

– разработка методик определения параметров транспортных потоков по акустическому излучению, включая методику определения скорости потока с использованием функций оценки времени задержки профиля акустического сигнала, и методику определения интенсивности потока с использованием аппарата исчисления конечных разностей;

– разработка методики оптимизации вычислительной сложности поиска времени задержки профиля акустического сигнала;

– разработка методики оптимизации параметров светофорных объектов с применением генетических алгоритмов в режиме реального времени и расщеплением модели транспортной сети на сегменты;

– реализация разработанных методик, а также исследование эффективности их внедрения.

Методы исследования. В диссертационной работе использованы следующие теоретические методы: методы теории управления, цифровой обработки сигналов, теории вычислительной сложности, теории акустики, теории акустической локации, методы аппарата исчисления конечных разностей, методы определения времени рассогласования сигналов, параметрические и структурные методы идентификации, а также метод оптимизации с использованием генетических алгоритмов. В дополнение к приведённым методам использованы: методы имитационного моделирования и физический эксперимент.

Научная новизна. Получены следующие новые научные результаты:

1. Разработана методика оптимизации количества детекторов транспорта в зависимости от требуемой точности определения состояния транспортной сети по суммарным значениям параметров транспортных потоков. В отличие от существующих подходов, основанных на эмпирических рекомендациях, а также на специализации под конкретную систему управления, разработанная методика позволяет идентифицировать состояние транспортной сети с заданной точностью при различных принципах управления, применённых в АСУ дорожного движения.

2. Разработан способ определения скорости транспортных средств с использованием функций оценки времени задержки профиля акустического сигнала. В отличие от других способов, таких как способ с использованием эффекта Доплера, или способ с использованием акустических сигнатур, новый способ позволяет определить параметры транспортного потока при меньших вычислительных и временных затратах, позволяет избежать дополнительных преобразований сигнала, таких как преобразование Фурье и выделение частотного спектра сигнала.

3. Разработана методика оптимизации вычислительной сложности поиска времени задержки профиля акустического сигнала. Методика позволяет повысить эффективность систем получения параметров транспортного потока по акустическому излучению с использованием функций оценки времени задержки профиля акустического сигнала путём снижения требований к производительности вычислительных устройств компонентов систем.

4. Разработан способ определения интенсивности транспортного потока по акустическому излучению на основе аппарата исчисления конечных разностей. В отличие от других способов, таких как способ оценки пространственного распределения мощности акустического излучения, или способ порогового определения наличия транспортных средств, новый способ позволяет определить интенсивность транспортного потока при меньших вычислительных и временных затратах, и в то же время является более точным по сравнению с пороговым методом, не требуя адаптивной поправки пороговых значений.

5. Применён генетический алгоритм в процессе оптимизации параметров светофорных объектов в реальном времени с расщеплением модели сети на сегменты. При этом для вычисления функции приспособленности производится моделирование динамики транспортных потоков в пакете моделирования SUMO. По сравнению с применением генетических алгоритмов, использующих пакет SUMO без сегментирования, новый подход позволяет ускорить моделирование и производить параллельные вычисления в реальном времени без необходимости интенсивного обмена информацией между вычислительными устройствами.

Практическая ценность работы. Разработанные методики и реализованные с их применением устройства предназначены для функционирования в составе автоматизированной системы управления дорожным движением (АСУДД). При этом методика оптимизации количества детекторов позволяет увеличить эффективность эксплуатации и расширения АСУДД, пассивный акустический детектор позволяет уменьшить затраты на процессы получения информации о транспортных потоках, а реализованный модуль адаптивного управления позволяет повысить эффективность управления АСУДД.

Реализация результатов работы. Методика определения параметров транспортного потока по оценке времени задержки акустического сигнала, имитационная модель детектора, а также способ оптимизации вычисления скорости по акустическому сигналу реализованы и внедрены в отделах ООО НПК «ЗИП-Магнитоника».

Апробация работы.

Результаты диссертационной работы публиковались, докладывались и обсуждались на следующих конференциях: VII Всероссийская научно-практическая конференция студентов, аспирантов и молодых ученых «Молодежь и современные информационные технологии» (г. Томск, 2009 год); I Межвузовская научно-практическая конференция «Автоматизированные информационные и электроэнергетические системы» (г. Краснодар, 2010 год); VIII Всероссийская научно-практическая конференция студентов, аспирантов и молодых учёных «Технологии Microsoft в теории и практике программирования» (г. Томск, 2011 год); II Международная научно-практическая конференция, посвященная 51-й годовщине полета Ю.А. Гагарина в космос (г. Краснодар, 2012 год); II Межвузовская научно-практическая конференция «Автоматизированные информационные и электроэнергетические системы» (г. Краснодар, 2012 год).

Публикация результатов работы. По теме диссертации опубликовано 16 научных трудов, включая 3 статьи в журналах, рекомендованных ВАК России для опубликования научных результатов диссертации, 9 публикаций статей, докладов и тезисов, а также 4 свидетельства регистрации ПО для ЭВМ

Основные положения, выносимые на защиту:

1. Методика оптимизации количества детекторов транспорта в зависимости от требуемой точности определения состояния транспортной сети по суммарным значениям параметров транспортных потоков.

2. Способ определения скорости транспортных средств методом оценки времени задержки акустического профиля.

3. Методика оптимизации вычислительной сложности поиска времени задержки акустического профиля.

4. Способ определения интенсивности транспортного потока на основе аппарата исчисления конечных разностей.

5. Методика оптимизации параметров светофорных объектов в реальном времени с применением генетических алгоритмов, пакета моделирования SUMO и сегментированием транспортной сети.

Структура и объем диссертации. Диссертационная работа состоит из введения, 4 глав, заключения, списка использованной литературы и 10 приложений. Объём работы составляет 158 страниц основного текста, включая 21 рисунок, 16 таблиц и библиографию из 183 наименований, из которых работы автора составляют 16 наименований.

КРАТКОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении обоснована актуальность темы диссертации, научная новизна и практическая значимость, сформулированы цель и задачи работы.

В первой главе проведён анализ существующих подходов к получению информации о транспортных потоках (ТП), моделированию динамики ТП и методов управления ТП. При классификации средств получения информации о ТП выделены детекторы транспорта, а также системы, использующие технологии навигации и беспроводной связи. Навигационные системы предоставляют в основном информацию о скорости транспортных средств, чего недостаточно для применения моделей динамики ТП, опирающихся также на интенсивность потоков. Среди детекторов транспорта выделены видеодетекторы для снятия информации с магистральных участков и акустические детекторы для местных участков (местные городские дороги). Акустические детекторы выбраны ввиду широких зон детекции при сохранении низкой себестоимости производства. Среди методов управления транспортными потоками рассмотрены классические методы календарных программ координированного управления (ПКУ), методы локального адаптивного управления перекрёстками, методы автоматического выбора ПКУ по показаниям детекторов, методы централизованного и децентрализованного адаптивного управления с подстройкой параметров светофорных объектов (СО), а также методы структурного адаптивного управления с изменением структуры фаз СО. Среди моделей динамики ТП выделены классические (LWR и её модификации) и современные (Кернера, Кленова) макромодели, непрерывные и дискретные микромодели, мезо-модели (использующие теорию вероятностей, теорию массового обслуживания), а также методы статистического прогнозирования ТП. На основе проведённого анализа произведена постановка задач диссертационной работы.

Во второй главе исследована методика оптимизации количества детекторов транспорта, используемых для идентификации состояния транспортной сети; а также исследованы методики определения параметров транспортного потока по акустическому излучению, включая определение скорости и интенсивности ТП; проведена оптимизация вычислительной сложности методов.

Методика оптимизации количества детекторов транспорта заключается в сравнении показателей суммарных значений параметров транспортных потоков, получаемых при идентификации состояния транспортной сети с ограниченным и максимальным количеством используемых детекторов транспорта.

Постановка задачи оптимизации имеет следующий вид:

; ; ;

;

где: Eq – заданный уровень относительной погрешности идентификации; – сумма значений показаний интенсивности () и скорости () детекторов транспорта (ДТ) в результате идентификации, проведённой при d% ДТ от максимального (предельного) количества ДТ.

Блок-схема алгоритма оптимизации кол-ва ДТ приведена на рисунке 1.

 Блок-схема алгоритма оптимизации количества детекторов-14
Рисунок 1 – Блок-схема алгоритма оптимизации количества детекторов транспорта

На рисунке 1 приведены следующие обозначения: Mis – матрица параметров перекрёстков транспортной сети (цикл, смещение, длительности фаз светофорного объекта и т.п.); Mtf – матрица параметров участков транспортных потоков (ТП) транспортной сети (длина участка, ср. скорость, интенсивность, плотность); Ro, R(d) – множество маршрутов движения ТП; T – время моделирования; M – результат моделирования (суммы значений показаний ).

Способ определения скорости транспортных средств методом оценки времени задержки профиля акустического сигнала заключается в определении временной задержки акустического сигнала, полученного в акустических приёмниках (АП), расположенных вдоль движения транспортных средств. Профилем акустического сигнала называются сглаженные огибающие кривые максимумов акустических сигналов, получаемых посредством АП. Схема расположения АП вдоль движения транспортных средств приведена на рисунке 2.

На рисунке 2 приведены следующие обозначения: ТС – транспортное средство;
АПi – i-й акустический приёмник; L – расстояние между АП, м; v – скорость ТС, м/с; S(ti) – позиция ТС в момент ti пересечения
i-го АП, м.
Рисунок 2 – Схема расположения акустических приёмников вдоль движения ТС

Для нахождения времени проезда между АП производится поиск экстремума функции оценки временной задержки акус. сигнала. По полученному , зная L расстояние между АП, возможно вычислить скорость ТС:

; ; ,

где: d – дискретный временной интервал задержки сигнала;

f – частота дискретизации сигнала, Гц.

В качестве функции оценки временной задержки сигнала может быть использована взаимнокорреляционная функция, либо функции невязки различной степени. Для исследования свойств описанного способа были разработаны имитационные модели акустических свойств транспортного потока, а также акустического детектора, использующего описанный способ (на имитационные модели получены свидетельства гос. регистрации ПО для ЭВМ). Также было разработано устройство синхронизированной фиксации (записи) стереоакустического сигнала с целью снятия акустического излучения реальных транспортных потоков с различными параметрам (по сред. скорости и интенсивности).

В результате имитационных и физических экспериментов установлены следующие оптимальные характеристики рассмотренного способа: частота дискретизации 8 кГц; разрядность АЦП 4 бита; сглаживание скользящим средним с длиной окна усреднения в 0,5 сек; расстояние между акустическими приёмниками (АП) 1 м; конструкция АП с суперкардиоидной диаграммой направленности; длина буфера акустических данных для соответствующая 3 сек. В качестве оптимальной является квадратичная функция невязки:

,

где: – i-й элемент массива данных профиля акустического сигнала j-го АП; m – длина буфера акустических данных.

Методика оптимизации вычислительной сложности поиска времени задержки профиля акустического сигнала заключается в применении рекуррентной формы расчёта функции оценки временной задержки сигнала. Рекуррентная форма квадратичной функции невязки имеет следующий вид:

,

где: is – дискретный момент времени получения элемента акустических данных; io – индекс наиболее старых данных в массиве (данных подлежащих удалению); in – индекс последних добавленных в массив данных (наиболее новых); – множество ожидаемых значений времени задержки сигнала; .

При этом оценка вычислительной сложности получает следующий вид:

, где: t – оценка количества операций; O – функция вычислительной сложности; c – количество операций процессора на один рекуррентный расчёт; dk – объём множества ожидаемых значений времени задержки сигнала.

Так как nd значительно меньше nA длины буфера акустических данных, то рассмотренный метод позволяет снизить рост вычислительной сложности с линейного от до линейного только от dk.

Способ определения интенсивности транспортного потока по акустическому излучению на основе аппарата исчисления конечных разностей заключается в определении наличия движущегося транспортного средства (ТС) в зоне детекции по последовательности изменения знаков конечных разностей (КР) 1-го и 2-го порядка от профиля акустического сигнала, получаемого посредством акустических приёмников (АП). На рисунке 3 изображена блок-схема алгоритма детекции движущегося ТС, где приведены следующие обозначения: «Детекция ТС» – подпрограмма определения ТС по каждому акустическому каналу n (с соответствующего АП); «NextS» – функция получения следующего события S; S MS = < d, d, d2, d2 >; d – событие смены знака КР 1-го по-рядка; d2 – событие смены знака КР 2-го порядка; – смена знака с отрицательного на положительный; – смена знака с положительного на отрицательный; BE(n,i) – массив событий, где i – индекс события, n – номер акустического канала (АК); Ab(n), Ae(n) – дискретные моменты времени вхождения ТС в зону детекции и её покидания для соответствующего АК; Ab, Ae – величины запаздывания сигналов вхождения в зону и покидания зоны детекции между АК; min, max – нижнее и верхнее ограничения времени запаздывания сигналов.

 Блок-схема алгоритма детекции транспортного средства (ТС) В-50

Рисунок 3 – Блок-схема алгоритма детекции транспортного средства (ТС)

В третьей главе исследована методика поиска оптимальных параметров светофорных объектов в реальном времени с применением генетических алгоритмов, расчётом показателей эффективности управления посредством пакета моделирования SUMO и расщеплением транспортной сети на сегменты.

Объектом управления АСУДД является транспортная сеть, формализованная в виде ориентированного графа, вершинами которого являются перекрёстки, а ориентированными рёбрами – дорожные участки между перекрёстками. Состояния перекрёстков (включая параметры светофорных объектов) и дорожных участков (включая параметры транспортных потоков на них) описываются матрицами перекрёстков (Mis) и транспортных потоков (Mtf) (см. рисунок 4).

 На рис. 4 приведены след. обозначения: Mis – матрица параметров (МП)-51 На рис. 4 приведены след. обозначения: Mis – матрица параметров (МП) перекрёстков; Msotf – МП средств организации дорожного движения (ОДД) транспортных потоков (ТП); Msois – МП средств ОДД для перекрёстков; Mdt – МП детекторов транспорта; Mwftf, Mwfis – МП погодных факторов для ТП и перекрёстков; Mbn – МП узких мест на дорожных участках.
Рисунок 4 – Объект управления

Задача оптимизации параметров светофорных объектов (СО) заключается

в максимизации критерия, учитывающего основные показатели эффективности

управления транспортными потоками:

;

;

; ; ;

;;;;

; ; ; ;

где: – весовые коэффициенты важности показателей; – средняя скорость проезда в транспортной сети, км/ч;  – средний процент времени ожидания транспортных средств на участках сети по отношению ко времени проезда;  – удельное количество остановок транспортных средств в сети на перекрёсток;  – суммарная интенсивность прибытия транспортных средств в транспортную сеть, авт/ч;  – суммарная интенсивность покидания транспортных средств транспортной сети, авт/ч; – вложенный критерий оптимизации по выделенному маршруту (параметры аналогичны основному критерию, но только в рамках выделенного маршрута); – все значения параметров матрицы перекрёстков относятся к множеству натуральных чисел; – длительность k-й фазы l-го СО перекрёстка, сек; – длительность цикла СО перекрёстка, сек; – смещение цикла, сек.

Определение показателей производится путём моделирования динамики транспортных потоков при заданной структуре и идентифицированном по детекторам транспорта состоянии транспортной сети. В качестве пакета моделирования выбран пакет SUMO[5] ввиду открытого исходного кода (GNU GPL), применения современных микромоделей (выбрана модель Краусса как одна из наиболее точных[6],[7] ), развитых возможностей по формированию структуры транспортной сети.

Для решения поставленной задачи применены интеллектуальные поисковые методы, в частности генетические алгоритмы (ГА), так как для расчёта значения рассмотренного критерия необходимо производить имитационное моделирование. Была произведена оптимизация параметров ГА для сегмента транспортной сети, охватывающего площадь 1км2. В результате были определены оптимальные значения параметров ГА: битов на параметр СО – 10, размер популяции – 15, количество поколений – 74, вероятность мутации – 0,02, доля скрещивания в популяции – 0,75; метод скрещивания – случайная выборка битов; метод селекции – турнирный.

Блок-схема алгоритма оптимизации с сегментированием приведена на
рисунке 5.

 Блок-схема алгоритма оптимизации параметров СО с сегментированием-84

Рисунок 5 – Блок-схема алгоритма оптимизации параметров СО с сегментированием

В четвёртой главе приведены сведения о результатах реализации устройств и программных модулей, применяющих описанные методики, а также сведения об оценке эффективности внедрения реализованных устройств и модулей. Функциональная схема реализованного пассивного акустического детектора транспорта (ПАДТ) приведена на рисунке 6. На рисунке 7 приведены внешний вид устройства и пример его применения на практике.

 функциональная схема ПАДТ Внешний вид-85

Рисунок 6 – функциональная схема ПАДТ

Рисунок 7 – Внешний вид реализованного ПАДТ и пример его применения

В отличие от существующего аналога[8] реализованный ПАДТ специализирован на местных городских участках дорог (не магистральных) с количеством полос движения до 4-х. Реализованный ПАДТ имеет меньшие требования к конструктивному исполнению (не требуется применения микрофонной решётки) и вычислительной мощности (не требуется применение методов анализа спектра акустического сигнала), что удешевляет его себестоимость.

Для применения методов оптимизации количества детекторов транспорта, а также для модуля адаптивного управления была сформирована модель транспортной сети г. Краснодара в пакете SUMO на основе OpenStreetMap[9] (см. рисунке 8).

Рисунок 8 – Внешний вид модели транспортной сети г. Краснодара

Методика оптимизации количества ДТ была применена на примере сегмента, содержащего перекрёсток улиц Красная, Гаврилова и Дзержинского. В данном сегменте при пределе отн. погрешности, равном 10 %, достаточно использования 15 ДТ (2,5 % от максимального кол-ва, равного 595), см. рис. 9.

 Зависимость CEq отколичества ДТ, % Динамика-90 Рисунок 9 – Зависимость CEq от
количества ДТ, %
 Динамика оптимизации параметров СО в одном сегменте Для-91 Рисунок 10 – Динамика оптимизации параметров СО в одном сегменте

Для оптимизации параметров светофорных объектов (СО) был реализован программный модуль адаптивного управления (МАУ), производящий оптимизацию с использованием пакета SUMO. Динамика оптимизации параметров СО с использованием МАУ показана на рис. 10. Внешний вид программного модуля показан на рис. 11. Для оптимизации была выбрана группа сегментов транспортной сети г. Краснодара, включая рассмотренный сегмент (Красная, Гаврилова) и сегменты, его окружающие. Динамика оптимизации параметров СО сегментов на первой итерации (в соотв. с алгоритмом на рис. 5) и после объединённого моделирования на второй итерации приведена на рис. 12.

Исходный код модуля опубликован на международной площадке ПО с открытым исходным кодом sourceforge.org[10]. В дополнение к МАУ был разработан модуль интеграции с ПО центра АСУДД «Спектр»[11]. Интеграция обеспечивается путём конвертирования выходных файлов МАУ (формат XML) и файлов конфигурации дорожных контроллеров АСУДД «Спектр» (формат TXT).
Рисунок 11 – Внешний вид программного модуля
адаптивного управления («ITS-GenTL»)

Рисунок 12 – Динамика оптимизации параметров СО 4 сегментов на первой
итерации (слева) и на второй после объединённого моделирования (справа)

В приложениях приведены: дополнительная информация о существующих АСУДД (перечни с описанием); требования к АСУДД (ГОСТ, европейские директивы); подробное описание совокупности ТП как объекта управления; блок-схемы разработанных методик с описаниями; описание уровней плотности сети детекторов транспорта (ДТ); требования к различным ДТ по эксплуатационным и климатическим условиям; сведения о структуре и точности разработанных имитационных моделей (модель ПАДТ, модель акустических свойств ТП); дополнительные сведения о факторах, влияющих на точность разработанных методов определения параметров ТП по акустическому излучению; структурные схемы адаптивной АСУДД на центральном и локальном уровнях управления; дополнительные сведения о формировании модели транспортной сети г. Краснодара; доп. сведения о результатах экспериментов, произведённых с реализованным устройством ПАДТ и программными модулями.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИОННОЙ РАБОТЫ

Выводы и рекомендации приведены в заключении диссертационной работы. К основным выводам можно отнести следующие:

1. Применение разработанной методики оптимизации количества детекторов транспорта на примере сегмента транспортной сети г. Краснодара в районе пересечения улиц Гаврилова, Красной и Дзержинского показало, что в границах погрешности идентификации состояния транспортной сети в данном сегменте равной 10 % достаточно использования 2,5 % от максимально возможного количества детекторов, что составляет 15 из 595.

2. При исследовании разработанной методики определения скорости транспортных средств по акустическому излучению с использованием оценки времени задержки сигнала было определено, что для обеспечения точности определения скорости в пределах 10 % достаточно: частоты дискретизации, равной 8 кГц; разрядности АЦП, равной 4 бита; фильтрации методом скользящего среднего с длительностью 0,5 секунды; длины буфера анализируемых данных в пределах 4 секунд; объёма анализируемых данных в памяти контроллера, не превышающего 50 килобайт; что позволяет использовать для реализации пассивного акустического детектора контроллеры низкой ценовой категории (к примеру, STM32 на архитектуре ARM Cortex-M3).

3. Для оптимизации вычислительной сложности определения скорости транспортного средства по акустическому излучению был применён рекуррентный подход, позволяющий снизить порядок роста вычислительной сложности с линейного роста от объёма выборки анализируемых данных и объёма выборки возможных интервалов задержки сигналов до линейного роста только от объёма выборки возможных интервалов задержки сигналов. При этом объём выборки возможных интервалов задержки существенно меньше объёма выборки анализируемых данных. Таким образом, при объёме выборки анализируемых данных, равном 4 секунды и частоте дискретизации сигнала, равной 8 кГц, количество промежуточных операций вычисления результатов измерения сокращается приблизительно в 32000 раз по сравнению с прямым поиском.

4. Разработанная методика определения интенсивности транспортного потока с использованием аппарата исчисления конечных разностей позволяет определять момент пересечения транспортным средством зоны детекции без необходимости выбора порогов уровня сигнала. Различные транспортные средства имеют различный уровень акустического излучения. Так же, общий уровень акустического излучения повышается при увеличении плотности транспортного потока. Поэтому пороговые методы требуют адаптивной подстройки порога срабатывания, либо использования эффективной фильтрации, как например в случае применения микрофонной решётки. Принцип разработанной методики, основанный на аппарате исчисления конечных разностей, позволяет определять наличие транспортного средства без адаптивной подстройки порогового уровня и без необходимости использования микрофонной решётки.

5. Реализованный пассивный акустический детектор может применяться в условиях суммарной интенсивности на участке, не превышающей 500 авт/ч (например, на 2 полосной дороге при интенсивности 250 авт/ч на полосу) с погрешностью результатов измерения в пределах 10 %. При пределе погрешности 20 % детектор может применяться при суммарной интенсивности, не превышающей 900 авт/ч. При пределе погрешности 40 % детектор может применяться при суммарной интенсивности, равной 2000 авт/ч. Применение детектора в последнем случае оправдано только для грубых оценок в задачах определения существенного структурного перераспределения транспортных потоков.

6. Разработанная методика оптимизации параметров светофорных объектов с применением генетических алгоритмов в режиме реального времени, сегментированием транспортной сети и использованием пакета моделирования SUMO позволяет производить одновременную оптимизацию всех параметров светофорных объектов. Применение данной методики на примере группы сегментов транспортной сети г. Краснодара показало улучшение показателей управления по сравнению с календарным координированным управлением, в частности: процент времени ожидания транспортного средства (ТС) в пути был уменьшен на 6,7 %; удельное количество остановок перед перекрёстком было уменьшено на 2,7; средняя скорость ТС была увеличена на 3,31 км/ч. При этом следует пояснить о том, что сравнение производилось на группе сегментов транспортной сети с движением высокой интенсивности (район площадью 4 км2 с центром на пересечении улиц Красной, Гаврилова, Дзержинского) в 18:00 (час пик) при нормальных погодных условиях. При этом по приоритетному маршруту, проложенному по улице Красная, изменение показателей было следующим: процент времени ожидания транспортного средства (ТС) в пути был уменьшен на 17,37 %; удельное количество остановок перед перекрёстком было уменьшено на 2,5; средняя скорость ТС была увеличена на 6,64 км/ч.

ОПУБЛИКОВАННЫЕ РАБОТЫ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Медовщиков, М.И. Методика адаптивного управления транспортными потоками высокой интенсивности в условиях города на основе мезо-модели динамики с применением генетических алгоритмов / Е.В. Посмитный, М.И. Медовщиков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2012. – №10(84). С. 953 – 963. – Режим доступа: http://ej.kubagro.ru/2012/10/pdf/75.pdf, 0,688 у.п.л., импакт-фактор РИНЦ=0,577.

2. Медовщиков, М.И. Методика определения интенсивности транспортного потока по акустическому излучению с использованием аппарата исчисления конечных разностей / Е.В. Посмитный, М.И. Медовщиков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2012. – №10(84). С. 964 – 974. – Режим доступа: http://ej.kubagro.ru/2012/10/pdf/76.pdf, 0,688 у.п.л., импакт-фактор РИНЦ=0,577.

3. Медовщиков, М.И. Методика обнаружения транспортного средства в чувствительной зоне пассивного акустического детектора транспортного потока / Е.В. Посмитный, М.И. Медовщиков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2011. – №09(73). С. 390 – 405. – Шифр Информрегистра: 0421100012\0363. – Режим доступа: http://ej.kubagro.ru/2011/09/pdf/37.pdf, 1 у.п.л., импакт-фактор РИНЦ=0,577.

4. Медовщиков, М.И. Программное обеспечение пассивного акустического измерителя скорости транспортного средства для микроконтроллеров архитектуры ARM. АкусТД ARM. [Текст] : Свидетельство о государственной регистрации программы для ЭВМ / М.И. Медовщиков, Е.В. Посмитный. — РОСПАТЕНТ. — №2012618986; заявл. 14.08.2012; опубл. 04.10.2012. — 63 с.

5. Медовщиков, М.И. Программный модуль расчёта скорости транспортного средства по акустическим данным с использованием функции невязки. АТДФН. [Текст] : Свидетельство о государственной регистрации программы для ЭВМ / М.И. Медовщиков, Е.В. Посмитный, Л.А. Посмитная, Д.А. Камсков. — РОСПАТЕНТ. — №2012618988; заявл. 14.08.2012; опубл. 04.10.2012. — 5 с.

6. Медовщиков, М.И. Имитационная модель стереоакустических данных транспортного потока. ИМСДТП. [Текст] : Свидетельство о государственной регистрации программы для ЭВМ / М.И. Медовщиков, Е.В. Посмитный, Л.А. Посмитная, К.П. Сабодашев. — РОСПАТЕНТ. — №2012618984; заявл. 14.08.2012; опубл. 04.10.2012.

7. Медовщиков, М.И. Модель блока измерения скорости для пассивного акустического детектора транспорта с использованием корреляционных подхо-дов. ПАТД – Модель. [Текст] : Свидетельство о государственной регистрации программы для ЭВМ / М.И. Медовщиков, Е.В. Посмитный, Л.А. Посмитная. — РОСПАТЕНТ. — №2012618987; заявл. 14.08.2012; опубл. 04.10.2012. — 22 с.

8. Медовщиков, М.И. К вопросу о сравнении методик определения скорости в пассивном акустическом детекторе транспорта [Текст] / М.И. Медовщиков, Е.В. Посмитный // Сборник научных статей II Международной научно-практической конференции, посвященной 51-й годовщине полета Ю.А. Гагарина в космос. — Краснодар: Филиал ВУНЦ ВВС «ВВА им. проф. Н.Е. Жуковского и Ю.А. Гагарина», — 2012. — С. 240–242.

9. Медовщиков, М.И. Обзор методов обнаружения двигающегося объекта по акустическим данным [Текст] / М.И. Медовщиков, Е.В. Посмитный // Сборник научных трудов факультета КТАС КубГТУ. — Краснодар: Издательский дом – ЮГ, — 2011. — Вып. 4. — С. 31–34.

10. Медовщиков, М.И. Оптимизация вычислительной сложности задачи определения скорости транспортного средства по стереоакустическим данным [Текст] / М.И. Медовщиков, Е.В. Посмитный // «Автоматизированные информационные и электроэнергетические системы», Материалы II Межвузовской научно-практической конференции (7-9 сентября 2012 года). — Краснодар: Издательский дом – ЮГ, — 2012. — С. 182–186.

11. Медовщиков, М.И. Получение информации о транспортных средствах в интеллектуальных транспортных системах [Текст] / М.И. Медовщиков, Е.В. Посмитный, А.А. Данич // Сборник научных трудов факультета КТАС КубГТУ. — Краснодар: Издательский дом – ЮГ, — 2010. — Вып. 3. — С. 12–15.

12. Медовщиков, М.И. Применение звукового анализатора для измерения скорости автодорожного транспортного потока [Текст] / М.И. Медовщиков, Е.В. Посмитный, А.Н. Загребельный // Сборник научных трудов факультета КТАСиЗИ и ИСТЭК. — Краснодар: Издательство КубГТУ, — 2008. — Вып. 1. — С. 198.

13. Медовщиков, М.И. Разработка имитационной модели акустических свойств транспортного потока для исследования принципов определения скорости транспортных средств по звуку [Текст] / М.И. Медовщиков // «Технологии Microsoft в теории и практике прогаммирования», Сборник трудов VIII Всероссийской научно-практической конференции студентов, аспирантов и молодых учёных. — Томск: Изд-во ТПУ, — 2011. — С. 11–13.

14. Медовщиков, М.И. Разработка прототипа акустического датчика скорости автомобильного потока [Текст] / М.И. Медовщиков, Е.В. Посмитный, А.Н. Загребельный // «Автоматизированные информационные и электроэнергетические системы», Материалы I Межвузовской научно-практической конференции (15-17 сентября 2010 года). — Краснодар: Издательский дом – ЮГ, — 2010. — С. 162–165.

15. Медовщиков, М.И. Способ измерения скорости автодорожного транс-портного потока на основе анализа звуковой информации [Текст] / М.И. Медовщиков, Е.В. Посмитный, А.Н. Загребельный // Сборник трудов VII Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых «Молодежь и современные информационные технологии». — Томск: Изд-во СПБ Графикс, — 2009. — Т. 2. — С. 85–87.

16. Медовщиков М.И. Методика оптимизации количества детекторов транспорта в автоматизированных системах управления дорожным движением / Е.В. Посмитный, М.И. Медовщиков // Электронный журнал «Современная техника и технологии» [Электронный ресурс]. – Апрель, 2013. – Режим доступа: http://technology.snauka.ru/2013/04/1825.


[1] Gordon, R.L. Traffic control systems handbook [Text] / R.L. Gordon, W. Tighe // US Department of Transportation, Federal Highway Administration, Office of Operations; Siemens, ITS. — 2005. — 478 p.

[2] Prothmann, H. Organic Traffic Control [Text] : Dissertation : Date of examination 15.07.2011 / Prothmann Holger — Karlsruher Institut fr Technologie (KIT), 2011. — 279 p. — ISBN 978-3-86644-725-7.

[3] Park, B. Traffic signal optimization program for oversaturated conditions: Genetic algorithm approach [Text] / B. Park, C.J. Messer, T. Urbanik // Transportation Research Record: Journal of the Transportation Research Board. — 1999. — Vol. 1683. — P. 133–142.

[4] Osorio, C. An analytic finite capacity queueing network model capturing the propagation of congestion and blocking [Text] / C. Osorio, M. Bierlaire // European Journal of Operational Research. — 2009. — Vol. 196, № 3. — P. 996–1007.

[5] Behrisch, M. SUMO - Simulation of Urban MObility: An Overview [Text] / M. Behrisch, L. Bieker, J. Erdmann, D. Krajzewicz // SIMUL 2011, The Third International Conference on Advances in System Simulation. — Barcelona, Spain: 2011. — P. 63–68. — Mode of access: http://sumo.sourceforge.net/

[6] Cousins, W. Comparative study of traffic models: a concrete mass evacuation example [Text] / W. Cousins, S. Deutsch, P.A. Gremaud, A. Stroka, M.H. Tessler, J. Washington // Department of Mathematics, University of Virginia, Charlottesville, VA, USA — Vol. 22903. — 2009.

[7] Ranjitkar, P. Car-following models: an experiment based benchmarking [Text] / P. Ranjitkar, T. Nakatsuji, A. Kawamua // Journal of the Eastern Asia Society for Transportation Studies. — 2005. — Vol. 6. — P. 1582–1596.

[8] Acoustic sensor system for vehicle detection and multi-lane highway monitoring [Text] : patent 5798983: IPC U.S.>

[9] Research [Electronic resource] // OpenStreetMap Wiki. — URL: http://wiki.openstreetmap.org/wiki/Research

[10] Медовщиков, М.И. Модуль адаптивного управления с применением генетических алгоритмов ITS-GenTL [Электронный ресурс] // SourceForge. — [2013]. — URL: https://sourceforge.net/projects/itsgentl/

[11] Автоматизированная система управления дорожным движением «Спектр» [Электронный ресурс] // ЗАО «Рипас». — [2007]. — URL: http://ripas.ru/index.php/option/content/pcontent/1/task/view/id/96/Itemid/169



 




<
 
2013 www.disus.ru - «Бесплатная научная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.