авторефераты диссертаций БЕСПЛАТНАЯ  БИБЛИОТЕКА

АВТОРЕФЕРАТЫ КАНДИДАТСКИХ, ДОКТОРСКИХ ДИССЕРТАЦИЙ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ

Многофакторное моделирование автотранспортных потоков на основе клеточных автоматов

На правах рукописи

Долгушин Дмитрий Юрьевич Многофакторное моделирование автотранспортных потоков на основе клеточных автоматов 05.13.18 – Математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Омск – 2011

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования “Сибирская государственная автомобильно-дорожная академия (СибАДИ)”

Научный консультант: кандидат технических наук, доцент Мызникова Татьяна Александровна

Официальные оппоненты: доктор технических наук, профессор Шапцев Валерий Алексеевич кандидат технических наук, доцент Задорожный Владимир Николаевич

Ведущая организация: Государственное образовательное учре­ ждение высшего профессионального образования “Омский государственный университет им. Ф.М. Достоевского”

Защита состоится « 11 » марта 2011 г. в часов на заседа­ нии диссертационного совета Д 212.274.14 при Тюменском государственном университете по адресу: 625003, г. Тюмень, ул. Перекопская 15а, ауд. 410.

С диссертацией можно ознакомиться в библиотеке Тюменского государствен­ ного университета.

Автореферат разослан « 4 » февраля 2011 г.

Ученый секретарь диссертационного совета, Бутакова Н.Н.

Общая характеристика работы

Актуальность исследования. Исследование процессов и явлений ре­ ального мира с помощью их заменителей — моделей — позволяет без лишних затрат получать ответы на интересующие вопросы и потому всегда актуаль­ но. С развитием вычислительной техники возможности моделирования зна­ чительно расширились, предоставляя исследователю средства автоматизиро­ ванной обработки огромных массивов данных. Компьютерное моделирование стало неотъемлемой частью исследований в технических и естественнонауч­ ных областях, где нередко экспериментирование с реальным объектом может привести к негативным последствиям.

Не является исключением теория транспортных потоков, изучающая процесс движения потоков транспортных средств по магистралям и построе­ ние улично-дорожных сетей (далее УДС), обеспечивающих эффективное со­ общение с минимальным числом заторных ситуаций. Интенсивное развитие автомобильной промышленности и автомобилизация, наблюдаемые на протя­ жении последних десятилетий, обеспечили решение проблем транспортиров­ ки грузов и пассажиров. Однако положительная динамика роста автопарка с каждым годом ставит вопрос управления автотранспортными потоками всё более остро, особенно в условиях городов, поскольку их улично-дорожные сети, будучи спроектированными для более скромных потребностей, уже не способны удовлетворять спрос на передвижение.

Основными причинами, по которым движение по магистралям становит­ ся затруднённым, являются помехи, в роли которых выступают перекрёст­ ки и пешеходные переходы. Нередко причиной заторов становятся дорожно­ транспортные происшествия или ремонтные работы, частично или полностью блокирующие движение. Нужно упомянуть и характерное для России в целом невысокое качество УДС, которое часто влечёт за собой вынужденное сниже­ ние скорости передвижения. Таким образом, ввиду несоответствия пропуск­ ной способности дорог потребностям их пользователей образуются пробки, для преодоления которых часто необходимо ожидать в очереди длительное время.

В любом крупном городе сегодня наблюдается проблема загрязнения окружающей среды объектами техногенного происхождения, и основным ис­ точником загрязнения, по данным статистики, признаётся именно автотранс­ порт, на долю которого в общем объёме выбросов загрязняющих веществ при­ ходится в среднем 65%. В то же время наибольший объём выбросов имеет ме­ сто, когда автомобиль работает на холостом ходу или движется с небольшой скоростью, т. е. простаивает в пробках.

Одним из путей решения проблемы разгрузки УДС является организа­ ция координированного светофорного регулирования с адаптивными схема­ ми, способными к динамическому изменению в соответствии со сложившейся ситуацией. Такое регулирование может быть достигнуто на основе оператив­ ных данных о численности и структуре транспортного потока, для получе­ ния которых необходимо использовать специальные программно-технические средства. При этом отражение оперативной ситуации с помощью подобных систем в масштабе города сопряжено с необходимостью охвата устройства­ ми наблюдения всех перекрёстков и магистралей, что не всегда возможно и оправдано. Также нередко возникает потребность в определении оптимально­ го по времени маршрута передвижения при заданных условиях — плотности движения, светофорах и т. п., — например, для транспорта служб экстренно­ го реагирования. Эти задачи можно решить, воспользовавшись средствами моделирования.

Эффективным и информативным способом моделирования движения со­ вокупности транспортных средств по магистрали являются клеточные авто­ маты [1]. На основе подхода микромоделирования разработан ряд моделей [2], позволяющих отслеживать динамику как отдельно взятого автомобиля, так и потока в целом, и получать исходные данные для оценки времени передви­ жения, времени ожидания в пробке и средней скорости.

Целью диссертационной работы является разработка модели авто­ транспортного потока, принимающей во внимание его структуру, состояние дорожного покрытия и скоростные ограничения, способной выступать в ро­ ли источника данных о ситуации на дороге как в режиме реального времени, так и в перспективе.



Для достижения поставленной цели необходимо выполнить следующие задачи:

1. Исследовать существующие подходы к моделированию автотранспорт­ ных потоков.

2. Разработать модель дорожного движения, учитывающую структуру потока автотранспорта, скоростные ограничения, а также влияние со­ стояния дорожного покрытия на передвижение транспортных средств.

3. Разработать программный инструментарий для моделирования пото­ ков автомашин.

4. Провести натурное обследование структуры и интенсивности авто­ транспортных потоков. Провести калибровку модели.

5. Осуществить проверку адекватности модели на основе данных опыт­ ных наблюдений.

6. Провести серию численных экспериментов с целью исследования про­ блемных участков УДС г. Омска и оценки объёмов выбросов загряз­ няющих веществ.

Методы исследования. При решении поставленных задач использова­ лись методы математического и компьютерного моделирования, теории ал­ горитмов и языков программирования, вычислительного эксперимента, мате­ матической статистики, наблюдения и измерения.

Научная новизна работы заключается в обобщении опыта, накоплен­ ного в моделировании дорожного движения с использованием клеточных ав­ томатов, и его применении к разработке многофакторной модели. Нововве­ дением предлагаемой в работе модели, основанной на стохастическом транс­ портном клеточном автомате, является учёт влияния состояния дорожного полотна на скорость передвижения транспортных средств, а также принятие во внимание локальных скоростных ограничений, устанавливаемых знаками дорожного движения. Набор правил модели включает вновь введённое пра­ вило “превышения скорости”, позволяющее более адекватно отражать ско­ рость движения потока машин. Кроме того, разработанная модель позволя­ ет представлять разнородный транспортный поток, образованный автомоби­ лями различных типов (легковыми, грузовыми, автобусами) и обладает пе­ ременной разрешающей способностью, делающей возможным варьирование длины ячеек автомата.

Практическая значимость состоит в применении разработанной мо­ дели к прогнозированию дорожной ситуации;

оценке задержек на участках УДС при заданных условиях;

оценке возможности и целесообразности внесе­ ния изменений в структуру УДС;

оценке влияния автотранспорта на экологи­ ческую ситуацию в пределах магистрали;

разработке программной реализа­ ции модели. Результаты работы внедрены в учебный процесс ГОУ СибАДИ.

На защиту выносятся следующие основные результаты и поло­ жения:

1. Имитационная модель движения разнородных автотранспортных по­ токов, основанная на стохастическом многополосном транспортном клеточном автомате и обладающая возможностью учёта влияния со­ стояния дорожного покрытия и скоростных ограничений на движение машин.

2. Модель УДС на базе имитационной модели дорожного движения, включающая регулируемые и нерегулируемые перекрёстки и пеше­ ходные переходы и позволяющая представлять движение потоков ав­ томашин по сети дорог.

3. Универсальный программный инструментарий для проведения вы­ числительных экспериментов, предоставляющий набор классов для решения широкого круга задач по моделированию движения авто­ транспортных потоков.

Основные результаты работы были представлены на 62 научно-тех­ нической конференции СибАДИ (г. Омск, 2008);

межвузовской научно-прак­ тической конференции “Информационные технологии и автоматизация управ­ ления” (ОмГТУ, г. Омск, 2009);

Всероссийской научно-практической конфе­ ренции “Инновации и современные технологии: опыт, стратегии, проблемы” (издательский дом “Статус”, г. Омск, 2009);





Международной научно-техни­ ческой конференции “Информационно-вычислительные технологии и их при­ ложения” (г. Пенза, 2009);

Всероссийской научно-практической конференции “Технологическое развитие современных социально-экономических систем: тен­ денции, проблемы и перспективы” (г. Волгоград, 2010);

Международной на­ учно-практической конференции “Применение компьютерных и информаци­ онных наук в исследованиях природы” университета штата Нью-Йорк (Фре­ дония, Нью-Йорк, 2010);

64 научно-технической конференции СибАДИ в рам­ ках Юбилейного Международного конгресса “Креативные подходы в образо­ вательной, научной и производственной деятельности”, посвящённого 80-летию академии (г. Омск, 2010).

Публикации. Материалы диссертации опубликованы в 8 печатных ра­ ботах, из них 1 статья в рецензируемом журнале [3], 7 статей в сборниках трудов конференций [1, 2, 4–7] и тезисах докладов [8];

1 работа опубликована в электронном издании [9].

Личный вклад автора состоит в разработке модели дорожного движе­ ния на основе стохастического транспортного клеточного автомата с допол­ ненным набором правил для учёта состояния дорожного полотна и локаль­ ных скоростных ограничений;

в разработке программной реализации модели.

Структура и объём диссертации. Работа состоит из введения, трёх глав, заключения и списка литературы, изложенных на 133 страницах маши­ нописного текста, содержащих 31 рисунок и 23 таблицы. Список приложений включает 12 наименований и изложен на 81 странице.

Содержание работы Во введении обоснована актуальность диссертационной работы, сфор­ мулирована цель и аргументирована научная новизна исследований, показана практическая значимость полученных результатов, представлены выносимые на защиту научные положения.

В первой главе рассмотрены подходы к проблеме моделирования авто­ транспортных потоков, ставшей актуальной с середины XX века и нашедшей своё отражение в работах Б. Гриншилдса, М. Лайтхилла и Дж. Уизема. Ис­ следования в этом направлении продолжены И. Пригожиным, Р. Германом, Д. Газисом. В настоящее время проблемой активно занимаются К. Даганзо, Б.С. Кернер, М. Шрекенберг, К. Нагель, Д. Хелбинг.

Созданные модели исторически разделились на три группы: макро–, мезо– и микромодели, различающиеся степенью детализации моделируемо­ го объекта. Макромодели, строящиеся преимущественно на основе аналогии с динамикой частиц в жидкой или газообразной средах, базируются на ис­ ходных допущениях о равновесном состоянии потока и взаимно однозначной зависимости скорости и плотности потока. Однако эти допущения не все­ гда находят опытное подтверждение. Мезомодели учитывают особенности поведения водителей, при этом рассматривают автотранспортный поток, не прибегая к моделированию отдельно взятых машин. В микромоделях авто­ транспортный поток складывается из взаимодействия множества отдельных машин и позволяет проследить динамику как потока автомобилей в целом, так и каждого автомобиля.

Применение клеточных автоматов в моделировании дорожного движе­ ния является молодым и перспективным направлением, характеризуемым высокой вычислительной скоростью и эффективностью. Этот подход может быть классифицирован как имитационный и позволяет представлять дина­ мику системы во времени. Кроме того, разделение машин по типам в этом случае является простой задачей, что отличает его от аналитических моде­ лей.

Во второй главе приведено формальное описание разработанной моде­ ли дорожного движения на основе стохастического транспортного клеточного автомата, учитывающей состояние дорожного полотна и локальные скорост­ ные ограничения.

Автомат представлен массивом ячеек длины и ширины (число по­ лос) (рисунок 1). Длина ячейки характеризует разрешающую способность автомата и принимается равной 5,5 м (значение ширины ячейки не оказывает влияния на обновление автомата и потому опущено). Т. к. время в модели дис­ кретно и один шаг обновления соответствует 1 сек, возможно моделирование движения машин со скоростью 20, 40, 60 км/ч и т. д. На массиве в произволь­ ном порядке располагаются транспортные средства, || =, N.

Позиция -го автомобиля определяется переменными (ячейка) и (поло­ са). Каждая машина принадлежит к определённому типу (легковой, грузо­ вой, автобус): N. Число ячеек, необходимое для представления автомоби­ ля, различается в зависимости от его типа. Максимальная скорость автомо­ биля также зависит от значения. Текущий момент времени (итерация) обозначается переменной.

Каждая ячейка массива представляет сегмент дорожного полотна и об­ ладает эксплуатационным состоянием, которое обозначается с помощью па­ раметра (, ) N. Его значение варьируется от 0 до 3: 0 — движение невозможно;

1 — площадь повреждений превышает 2,5 м2 на 1000 м2 ;

2 — площадь повреждений не выше 2,5 м2 на 1000 м2 ;

3 — выбоины и прочие дефекты на дороге отсутствуют (нормы согласно ГОСТ 50597-93). Каждому значению соответствует рекомендованная скорость движения.

Любая магистраль имеет максимальную разрешённую скорость движе­ ния, которая в модели представлена параметром. На некоторых участ­ Рис. 1. Многополосный транспортный клеточный автомат 3x ках дороги разрешённая скорость может быть снижена соответствующими знаками дорожного движения — для их обозначения служат локальные огра­ ничения скорости (, ) N, (, ).

Обновление конфигурации автомата проводится последовательно, в два этапа: сначала определяется необходимость и возможность смены полосы для всех автомобилей. Затем на каждой полосе проводится независимое обновле­ ние в соответствии с правилами для однополосной модели, при этом исполь­ зуется конфигурация, полученная на первом этапе. Оба набора правил моди­ фицированы и дополнены в соответствии с задачей учёта состояния дороги и ограничений скорости.

Необходимость смены полосы на левую ( ) или правую ( ) воз­ никает в следующих случаях:

1. Если впереди на более низкой скорости движется автомобиль:

if ( 1) ( 1) and ( 1) +1 ( 1) (1) then 1 = T, 1 = T.

Переменные с различными индексами характеризуют взаимные рас­ стояния между машинами и отмечены на рисунке 1. Выражения и 1 в скобках определяют значение соответствующих переменных на текущей и предыдущей итерациях.

2. Если значение функции оценки состояния дорожного покрытия для соседней полосы на расстоянии больше, чем для текущей:

if ( ( 1) 1, ( 1), ) ( ( 1), ( 1), ) (2) then 2 = T.

if ( ( 1) + 1, ( 1), ) ( ( 1), ( 1), ) (3) then 2 = T.

Функция оперирует тремя аргументами — полосой движения, те­ кущей ячейкой и дистанцией контроля состояния дороги N (значение принимается равным 30 м, или 5 ячейкам). Фактически, значение функции есть результат суммирования индексов состояния ячеек, причём если среди значений присутствует нуль, значение функции также обращается в нуль.

3. Смена полосы необходима при выполнении условий:

if (( 1 and 2) or (4) or ( 1 and ( ( 1) 1, ( 1), ) 0)) then = T.

if (( 1 and 2) or or ( 1 and not (5) and ( ( 1) + 1, ( 1), ) 0)) then = T.

Смена полосы на левую () или правую () возможна при выпол­ нении следующих условий:

1. На соседней полосе впереди на расстоянии, большем, нет других машин:

if ( 1) ( 1) then 1 = T. (6) Приоритет отдаётся левосторонним перестроениям, поскольку прави­ лами дорожного движения обгон справа запрещён. Если машина впе­ реди имеет нулевую скорость, объезд справа разрешается:

if ( 1) ( 1) and +1 ( 1) = (7) then 1 = T.

2. На соседней полосе позади на расстоянии + 1 отсутствует дру­ гая машина, которой текущий автомобиль может помешать при пе­ рестроении. Единица прибавляется для исключения столкновений в результате применения правила “превышения скорости”, определение которого приведено далее.

if ( 1) + 1 then 2 = T. (8) if ( 1) + 1 then 2 = T. (9) 3. На соседней полосе впереди на расстоянии индекс состояния дороги отличен от нуля:

if ( ( 1) 1, ( 1), ) (10) then 3 = T.

if ( ( 1) + 1, ( 1), ) (11) then 3 = T.

4. Смена полосы на левую () или правую () возможна при выполнении условий:

if 1 and 2 and 3 and ( 1) 1 (12) then = T.

if 1 and 2 and 3 and ( 1) + (13) then = T.

При выполнении перечисленных условий с вероятностью по чётным итерациям происходит перестроение влево, по нечётным — вправо ( и — высказывания для индикации стремления водителя к движению по крайней левой или правой полосе). Со введением вероятности (() — слу­ чайная величина, распределённая равномерно) устраняется “пинг-понг эф­ фект”;

разделение направлений смены полосы по значению итерации исклю­ чает “конфликты распределения”.

1. Перестроение влево:

if ( and ) and (() or ) and ( mod 2 = 0) (14) then () = ( 1) 1, где функция mod возвращает остаток от деления своих аргументов.

2. Перестроение вправо:

if not and ( and ) and (() or ) and ( mod 2 0) (15) then () = ( 1) + 1.

Передвижение машин по сетке автомата производится по классическим правилам однополосной модели, дополненным возможностью учёта локаль­ ных скоростных ограничений и рекомендованных скоростей для участков с заданными индексами состояния дороги. Для более адекватного отражения динамики автотранспортного потока модель включает правила медленного старта и пространственного упреждения. Набор правил определяется следу­ ющим образом:

1. Ускорение — в дополнение к правилу классической модели, новая ско­ рость определяется локальным ограничением, рекомендованной для участка дороги с заданным индексом состояния скоростью и, наконец, максимальной скоростью, развиваемой машиной данного типа. Кроме того, с вероятностью в пределах дистанции срабатывает правило медленного старта (16). Новая скорость выби­ рается по формуле (17).

if () and ( 1) = 0 and ( 1) (16) then () = 0.

() = min( (), ( 1) + 1,,...

(17)... ( (), ( 1)), (( (), ( 1))), ( )).

2. Торможение — с вероятностью и в пределах дистанции сраба­ тывает правило пространственного упреждения (18). Если скорость () больше дистанции до впереди идущей машины, новое значение принимается равным этой дистанции (19).

() = 0.

if () and ( 1) 0 and +1 ( 1) and ( 1) (18) and (+1 ( 1) = 1 or +1 ( 1) ( 1)) then () = +1 ( 1), () = 1.

if () ( 1) then () = ( 1), () = 1. (19) В выражении (18) параметр характеризует состояние стоп-сигна­ лов машины и может принимать одно из двух значений — 1 (сигнал включен) и 0 (выключен).

3. Случайное возмущение — вносит элемент стохастичности в поведение водителей, с вероятностью уменьшая скорость движения на едини­ цу. Если ( 1)=1, замедление происходит только при = T:

if () and ( ( 1) 1 or ) (20) then () = max( () 1, 0).

Как видно из выражения (20), если имеет истинное значение, исчезают случайные остановки при движении с минимальной скоро­ стью, что согласуется с рациональным поведением.

4. “Превышение скорости” — с вероятностью водитель, двигающийся со скоростью, превышает это значение на единицу:

if () and ( 1) = ( (), ( 1)) and ( 1) + 1 ( 1) and ( 1) + 1 ( ) (21) then () = ( 1) + 1.

5. Движение — перемещение машины в соответствии со вновь вычислен­ ной скоростью:

() = ( 1) + (). (22) На рисунке 2 приведена пространственно-временная диаграмма фрагмен­ та автомата длиной 400 ячеек в течение 150 итераций ( = 0, 40%), показыва­ ющая траектории движения машин в модели. Один из автомобилей в целях наглядности выделен чёрным цветом.

Рис. 2. Пространственно-временная диаграмма автомата Представленная модель имитирует движение машин по линейному участ­ ку дороги, не связанному с другими магистралями. Для моделирования до­ рожного движения по сети дорог разработана модель УДС [7]. Дороги в ней связываются с помощью регулируемых и нерегулируемых перекрёстков, а также узлов, позволяющих представлять нелинейные участки дороги (пово­ роты и т. п.).

В качестве основы модели пересечения магистралей применяется Т-образ­ ный перекрёсток — с каждой из четырёх “сторон” к нему может примыкать до двух дорог (для каждого направления). Контроль потока транспорта на регулируемых перекрёстках осуществляется с помощью светофоров. На нере­ гулируемых перекрёстках, или пересечениях с вышедшими из строя светофо­ рами, регулирование осуществляется на основе приоритетов первоочередного движения.

Узлы предназначены для связи дорог одного направления (например, и ) воедино и осуществляют передачу автомобилей с одной дороги на другую. При этом производится проверка наличия достаточного числа сво­ бодных ячеек на дороге для размещения автомобиля. Если на ней имеется () = ( (1)+ ()+1) ( — количество “неиспользованных” ячеек на дороге ;

— длина дороги ) свободных ячеек, координата автомобиля на дороге становится () = ()1 (рисунок 3а). Полоса движения остаётся неизменной. Если свободных ячеек меньше () (рисунок 3б ), машина распо­ лагается в последней свободной ячейке [0, () 1]. Скорость машины изменяется: () = + ( 1). Если все () ячеек дороги заняты (рисунок 3в), автомобиль помещается в последнюю свободную ячейку до­ роги и остаётся там до тех пор, пока не появится возможность продолжить движение. Скорость машины при этом также уменьшается: () = ().

Рис. 3. Схема соединения дорог с помощью узлов Регулирование потоков автотранспорта на пересечениях одного уровня осуществляется с помощью автомобильных светофоров. В модели сигналы светофора меняются в следующем порядке (начиная с разрешающего сигна­ ла): зелёный () мигающий зелёный () жёлтый ( ) красный () красный и жёлтый ( ) зелёный. Кроме того, светофор может быть неисправен, о чём сигнализируется с помощью мигающего жёлтого ( ).

Каждое состояние светофора продолжается в течение заданного промежут­ ка времени,, и т. д. Набор правил передвижения модели (16–22) дополняется правилами реагирования на сигналы светофора (переменная показывает расстояние до ближайшего светофора):

1. Текущий сигнал — мигающий зелёный или жёлтый:

if ( = or = ) and ( 1) and ( 1) ( (), ()) and ( 1) ( (), ()) (23) and ( (), ()) then () = ( 1) + 1.

if ( = or = ) and ( 1) and ( 1) + 1 (24) then () = 1, () = 1.

if ( = or = ) and ( 1) and ( 1) = 1 and = 0 (25) then () = 0, () = 1.

2. Текущий сигнал — красный:

if = and ( 1) and 0 and () (26) then () = 1.

if = and ( 1) and = 0 and () (27) then () = 0, () = 1.

3. Если светофор неисправен ( = ), или сигнал зелёный ( = ), машина продолжает движение с прежней скоростью:

if = or = then () = (). (28) Нередко на дорогах города встречаются нерегулируемые пересечения с пешеходными переходами. При этом часто такие пересечения имеют место на магистралях с высокой интенсивностью движения, снижая их пропуск­ ную способность. Моделирование таких случаев осуществляется с помощью соответствующей модели перехода, работа которого определяется вероятно­ стью появления пешеходов и временем, необходимым для перехода. В случае появления пешехода участок блокируется в течение периода, ими­ тируя ожидание водителей перехода дорожки пешеходами.

Для проведения численных экспериментов была разработана программ­ ная реализация модели на языке C#. Выбор обусловлен поддержкой объ­ ектно-ориентированного подхода, кроссплатформенностью, а также бльшим о быстродействием при обработке массивов, чем в альтернативных языках (Java, Visual Basic.NET). Благодаря объектно-ориентированному подходу основные сущности модели (автомобиль, дорожный сегмент, светофор и т. д.) представ­ лены в виде набора атрибутов и методов, удобном для манипуляций. Соб­ ственно автомат реализован в виде массива массивов (англ. array of arrays), обработка которого производится быстрее по сравнению с его многомерным аналогом. На рисунке 4 показан пример визуализации модели УДС участка города площадью 25 км2 и протяжённостью 37 км.

Третья глава посвящена анализу адекватности разработанной модели с использованием опытных данных и применению её к некоторым практиче­ ским задачам.

В целях сбора опытных сведений проведено натурное обследование струк­ туры и динамики автотранспортных потоков на нескольких участках УДС г. Омска с использованием видеокамеры и последующей камеральной обра­ боткой материала. Для определения соответствия динамики движения от­ дельной машины в модели реальным данным проведён ряд заездов по специ­ ально разработанному маршруту протяжённостью 14,8 км и включающему регулируемые перекрёстки, участки с повреждённым покрытием, нерегули­ руемые пешеходные переходы и трамвайные переезды, а также участки со Рис. 4. Пример визуализации модели участка УДС г. Омска скоростными ограничениями. Отснято 27 часов записи движения потока ма­ шин и 6 часов движения на автомобиле по маршруту.

Видеоданные проанализированы для получения сведений о структуре ав­ тотранспортного потока, средней скорости движения, а также для калибров­ ки модели. Скорость машин измерялась с помощью разработанного метода анализа видеоматериала, заключающегося в выборе области, ограниченной сечениями А и Б, определения расстояния между ними и замере времени её преодоления автомобилем. Контрольные замеры, проведённые по видеозапи­ си движения автомобиля с заданной скоростью, подтверждают соответствие результатов применения метода опытным данным.

Калибровка ряда параметров модели проводилась на основе полученного видеоматериала. Установлено, что вероятность случайной (не обусловленной необходимостью обгона или объезда препятствия) смены полосы составля­ ет 5%;

дистанция, которую выдерживают 50–70% водителей перед началом движения в режиме старт-стоп, составляет приблизительно 5 м. На основе замера скорости распространения ударных волн в заторе (11,52 км/ч) бы­ ло выбрано значение вероятности медленного старта = 0, 68;

дистанция медленного старта составила 1 ячейку. Значения остальных параметров:

вероятность случайного замедления = 0, 20;

вероятность срабатывания пра­ вила пространственного упреждения = 0, 80;

вероятность превышения скорости = 0, 70;

дистанция пространственного упреждения = 5.

Для проверки соответствия средней скорости потока машин в модели и опыте проведена серия численных экспериментов, заключавшихся в моде­ лировании движения машин при заданной плотности и структуре потока.

Результаты показывают расхождение значения средней скорости с опытом, в среднем, не более чем ±7 км/ч.

Для проверки адекватности отображения динамики отдельно взятого транспортного средства построена модель участка УДС г. Омска, дублирую­ щая размещение нерегулируемых пешеходных переходов, знаков дорожного движения, участков с повреждённым дорожным полотном. С помощью серии численных экспериментов получены данные о средней скорости движения ма­ шины, времени простоя в заторах, общем времени прохождения маршрута.

На основе непараметрического статистического критерия показано соответ­ ствие результатов моделирования опытным данным.

С применением модели исследованы проблемные участки УДС: маги­ страли с высокой интенсивностью движения (более 800 авт/ч), имеющие пе­ ресечения с трамвайными путями и пешеходными переходами. Целью этих экспериментов было определение целесообразности устранения помех движе­ нию для повышения пропускной способности.

В первом случае имелась четырёхполосная (в одном направлении) до­ рога (ул. Масленникова), пересекающаяся с трамвайным переездом. Данные контрольных заездов и видеоматериала с соответствующего перекрёстка по­ казывают, что при преодолении переезда водители снижают скорость движе­ ния до 20–30 км/ч, что вызвано выбоинами, образующимися на асфальтовом покрытии переезда при вибрации головки рельса. Данные моделирования исходной ситуации и случая замены покрытия альтернативным резинокор­ довым, позволяющим двигаться без снижения скорости, свидетельствуют о приросте пропускной способности участка дороги на 650 авт/ч (при текущем показателе в 4319 авт/ч), что составляет 15% и говорит о целесообразности замены. На рисунке 5 показана зависимость пропускной способности дороги для исходного и альтернативного покрытий, полученная с помощью числен­ ного эксперимента.

Нерегулируемые пешеходные переходы, расположенные на оживлённых магистралях, также являются существенной помехой движению. Так, напри­ мер, в г. Омске по ул. Маркса такой переход расположен недалеко от оста­ новки общественного транспорта и является востребованным. При появлении пешеходов движение на трёхполосной (в одном направлении) дороге останав­ ливается на 15–25 секунд, в течение которых успевают образоваться заторы.

Альтернативой нерегулируемому переходу может служить светофорный объ­ ект, обеспечивающий достаточное время для преодоления дороги пешехода­ ми, а также не являющийся существенной помехой для автотранспорта. Для обеих ситуаций были проведены численные эксперименты (при = 0, 10), по­ казывающие, что внедрение регулируемого перехода позволяет повысить про­ пускную способность в часы наибольшей интенсивности движения более чем в два раза (с 1927 авт/ч до 4072 авт/ч) (рисунок 6). Кроме того, на 12 км/ч возрастает средняя скорость движения (которая в случае нерегулируемого перехода составляет 10 км/ч), что в совокупности определяет необходимость внесения изменений на этом участке.

Асфальтовое покрытие Альтернативное покрытие, авт/ч 0 20 40 60 80 100 120 140 160, авт/км Рис. 5. Диаграмма зависимости пропускной способности от плотности движения для трам­ вайного переезда с асфальтовым и альтернативным покрытиями Нерегулируемый переход Регулируемый переход, авт/ч 0 20 40 60 80 100 120 140 160, авт/км Рис. 6. Диаграмма зависимости пропускной способности от плотности движения для участ­ ка дороги с нерегулируемым и регулируемым переходами Благодаря возможности разделения автомобилей по типам с помощью методики, разработанной Государственным комитетом Российской Федера­ ции по охране окружающей среды (от 1999 г.), проведена оценка суточных выбросов загрязняющих веществ (далее ЗВ). Имеющиеся данные об интенсив­ ности и структуре потока машин на ул. Конева были использованы для гене­ рации аналогичного потока автомобилей в модели. Численный эксперимент проводился в течение 86 400 итераций (что соответствует 24 часам реального времени), при этом каждый час модельного времени интенсивность и струк­ тура движения на дороге менялись в соответствии с опытными данными.

Как показывают результаты моделирования, итогом движения 14 328 легко­ вых автомобилей, 1 271 грузового автомобиля и 378 автобусов в пределах 800-мерового участка магистрали является выброс приблизительно 100 кг ЗВ, в том числе 81 кг оксида углерода, 8 кг оксида азота, 10 кг соединений углеводорода (рисунок 7) и 500 г других веществ (сажи, оксида серы, фор­ мальдегида, свинца и бенз(а)пирена).

CO NO CH, г/ч 0 4 8 12 16 20 Время, ч Рис. 7. Диаграмма выбросов загрязняющих веществ в течение суток В заключении подведены итоги по основным результатам работы:

1. Исследование существующих подходов к моделированию автотранс­ портных потоков показало, что предъявляемые аналитическими мо­ делями требования к условиям проведения экспериментов (равнове­ сие потока и взаимно однозначная зависимость скорости и плотности) делают область их применения ограниченной. В то же время альтер­ нативный имитационный подход на основе клеточных автоматов поз­ воляет получать аналогичные результаты при отсутствии названных ограничений.

2. Разработана имитационная модель многополосного движения разно­ родных потоков автотранспорта, основанная на стохастическом транс­ портном клеточном автомате. Впервые в модель введены дополни­ тельные правила, позволяющие учитывать эксплуатационное состоя­ ние дороги и локальные скоростные ограничения, устанавливаемые знаками дорожного движения. На базе имитационной модели постро­ ена модель УДС, включающая узлы, регулируемые и нерегулируемые перекрёстки и пешеходные переходы.

3. Разработан программный инструментарий, представляющий собой биб­ лиотеку классов, предназначенную для решения широкого круга за­ дач. Библиотека использована при проведении численных экспери­ ментов.

4. Проведено обследование структуры и динамики автотранспортных потоков участков УДС г. Омска с высокой интенсивностью движения.

На основе полученных данных проведена калибровка модели.

5. Разработан метод оценки скорости транспортных средств на основе видеозаписи, результаты которого находятся в согласии с опытными данными.

6. Обоснована адекватность модели, при этом результаты проверки по­ казывают, что статистика движения как отдельно взятого транспорт­ ного средства, так и потока в целом, соответствует данным наблюде­ ний.

7. Благодаря возможности задания дорожных условий с помощью раз­ работанной модели проведена количественная оценка целесообразно­ сти реконструкции или модернизации некоторых участков УДС г. Ом­ ска.

8. С использованием модели проведена оценка суточных выбросов ЗВ на одном из участков УДС г. Омска. Полученные таким образом дан­ ные могут быть использованы для сопоставления с предельно допу­ стимыми концентрациями и принятия соответствующих мер по пре­ дупреждению негативных последствий движения автотранспорта или борьбы с ними.

Список публикаций 1. Долгушин Д. Ю., Мызникова Т. А. Многофакторная модель дорожного движения города на основе клеточных автоматов // Материалы 62 научно­ технической конференции СибАДИ / СибАДИ. Омск: 2008. С. 109–113.

2. Долгушин Д. Ю., Мызникова Т. А. Моделирование транспортных пото­ ков города на основе клеточных автоматов // Вестник СибАДИ: Научный рецензируемый журнал. 2008. № 2 (8). С. 18–23.

3. Долгушин Д. Ю., Мызникова Т. А. Имитационное моделирование дорож­ ного движения для оценки экологического влияния автотранспорта // Системы управления и информационные технологии. 2009. № 4.1 (38).

С. 139–142.

4. Долгушин Д. Ю. Имитационная модель многополосного дорожного дви­ жения // Сборник тезисов I Всероссийской научно-практической конфе­ ренции. Омск: ООО ИД “Статус”, 2009. — май. С. 52–55.

5. Долгушин Д. Ю., Мызникова Т. А. Применение модели дорожного дви­ жения для оценки экологической ситуации в городе // Информационно­ вычислительные технологии и их приложения: сборник статей XI Меж­ дународной научно-технической конференции / МНИЦ ПГСХА. Пенза:

2009. С. 91–94.

6. Мазур В. А., Долгушин Д. Ю. Структура программно-технического ком­ плекса автоматизированного управления автотранспортными потоками на основе имитационной модели городской дорожной сети // Материалы Все­ российской научно-практической конференции. Волгоград: ООО “Глобус”, 2010. С. 239–243.

7. Долгушин Д. Ю., Мызникова Т. А. Компьютерное моделирование дви­ жения городского автотранспорта // Материалы 64-й научно-технической конференции ГОУ “СибАДИ” в рамках Юбилейного Международного кон­ гресса “Креативные подходы в образовательной, научной и производствен­ ной деятельности”, посвящённого 80-летию академии / СибАДИ. Омск:

2010. Кн. 2. С. 68–72.

8. Долгушин Д. Ю., Мызникова Т. А. Модель многополосного дорожного дви­ жения на основе клеточных автоматов // Информационные технологии и автоматизация управления матер. межвуз. науч.-практ. конф. / Под ред.

В. Н. Задорожного;

ОмГТУ. Омск: Изд-во ОмГТУ, 2009. — 20–24 апреля.

С. 172–173.

9. Mazur V., Dolgushin D. Estimation of the ecological influence of the auto­ mobile transport in software-technical complex of the road traffic analysis // Applications of Computer and Information Sciences to Nature Research 2010 / Ed. by A. Ruslanov, K. Siddiqui, G. Singh, N. Nazarenko. Fredonia, New-York:

Association for Computing Machinery SIGAPP, 2010. — May. Pp. 83–85.



 

Похожие работы:





 
2013 www.netess.ru - «Бесплатная библиотека авторефератов кандидатских и докторских диссертаций»

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.