Методы и алгоритмы решения задачи пространственно- временного распределения параметров транспортных потоков на дорожной сети аспирант Данилкин В.А. науч. рук. д.т.н., профессор Жуков И.Ю.

Текущая транспортная ситуация Москва и Московская область 2

Парадокс Браеса 4000 автомобилей едут из А в В Водители независимо принимают решение о выборе маршрута (2-ой принцип Вардропа) До «улучшения»: 2000 авт. по А-1-В, 2000 авт. по А-2-В => время на поездку = 65 мин. После «улучшения»: 4000 авт. по А-1-2-В => время на поезду 4000/ /100 = 85 мин. 3

Цель исследования – мониторинг транспортных потоков Получение условий и режимов движения транспортных потоков на дорожной сети для определения временных издержек её пользователей 4

Существующие подходы к мониторингу транспортных потоков Сервисы, основанные на машинном обучении – Яндекс.Пробки, Google пробки Математическое моделирование транспортных потоков 5

Яндекс.Пробки Отсутствие системы организации движения Зависимость от количества получаемых данных Текущая информация имеет задержку в 15 мин 6

Математические модели транспортных потоков ВремяПространство НепрерывноеДискретноеN/A ДинамикаНепрерывное Микромодели Макромодели Не существуют на данный момент N/A ДискретноеНе существуют на данный момент Клеточные автоматы N/A СтатикаN/A Статическое равновесное распределение 7

Детекторы транспорта 8

Существующие программные средства мониторинга транспортных потоков SUMO, Cube, PTV VISUM Основная задача – равновесное распределение транспортных потоков на дорожной сети Учет системы организации дорожного движения (статический) Статическая модель транспортных потоков (отсутствие понятия очереди) Использование калибруемых BPR-функций для расчета времени проезда участка дорожной сети 9

BPR-функции и фундаментальная диаграмма транспортного потока BPR-функция Фундаментальная диаграмма 10

Динамические модели транспортного потока Необходима информация о пространственном распределение автомобилей Существуют функции, описывающие поведение транспортного потока на непрямолинейных участках МикроДаДа, в неявном виде МакроНетЧастично 11

Постановка задачи Декомпозиция дорожной сети на уникальные элементы (неоднородности), при прохождении которых транспортные потоки меняют свое поведение (изменяются параметры) Построение моделей элементов, описывающих пространственное распределение параметров транспортных потоков с минимальным числом калибруемых переменных Разработка алгоритмы каскадного влияния фронтов транспортных потоков Разработка специального программного обеспечения 12

Элементы дорожной сети -> математические модели 1.Ж/Д переезд (регулируемый и нерегулируемый) 2.Искусственная неровность 3.Светофор 4.Трамвайная остановка 5.Нерегулируемый пешеходный переход 6.Сужение 7.Расширение 8.Остановка НГПТ (с карманом и без него) 9.Съезд 10.Выезд 11.Нерегулируемый перекресток 1.Светофор 2.Сужение 3.Съезд 4.Выезд 5.Ограничение скорости 13

Методика обработки данных Рассматриваются данные с детекторов транспорта за несколько месяцев измерений на разных расстояниях от неоднородности Выделяются свободное и перегруженное состояние транспортного потока авторским методом Подбираются «наилучшие» линейные аппроксимирующие функции с помощью методов регрессионного анализа 14

Модель светофора 15

Модель ограничения скорости 16

Модель съезда 17

Каскадное влияние фронтов транспортных потоков 18

Текущие исследования Сужение Выезд 19

Результаты ВремяПространство НепрерывноеДискретноеN/A ДинамикаНепрерывное Микромодели Макромодели Не существуют на данный момент N/A ДискретноеРазрабатываемая модель Клеточные автоматы N/A СтатикаN/A Статическое равновесное распределение 20