УДК 517.977.56, 519.876.5

адаптивное управление дорожным движением на базе системы микроскопического моделирования транспортных потоков

A. С. Голубков,

инженер, младший научный сотрудник

B. А. Царев,

канд. техн. наук, доцент Институт менеджмента и информационных технологий Череповецкий филиал Санкт-Петербургского государственного политехнического университета

Описаны состав и особенности функционирования современных автоматизированных систем управления дорожным движением. Предложен способ адаптивного управления дорожным движением на основе предсказания транспортных потоков и быстрых моделей оптимизации перекрестков. Представлены характеристики системы микроскопического моделирования транспортных потоков, применяемой в системе адаптивного управления дорожным движением.

Ключевые слова - адаптивное управление дорожным движением, оптимизация управления дорожным движением, моделирование транспортных потоков, микроскопическое моделирование.

Введение

В настоящее время во многих крупных городах весьма остро стоит проблема транспортных заторов. При этом исследования показывают, что потенциал существующих улично-дорожных сетей (УДС) используется далеко не полностью. Повышение пропускной способности УДС может быть достигнуто за счет внедрения автоматизированных систем управления дорожным движением (АСУДД). При внедрении АСУДД достигается улучшение следующих показателей : время в пути транспортных средств (ТС) снижается на 10-15 %; количество общих транспортных остановок сокращается на 20-40 %; расход топлива снижается на 5-15 %, количество вредных выбросов в атмосферу сокращается на 5-15 %; повышается безопасность дорожного движения.

Современные АСУДД

Основными компонентами современных АСУДД помимо светофоров и светофорных контроллеров являются:

1) детекторы транспорта (ДТ), обеспечивающие обнаружение ТС и подсчет их числа при движении по полосам;

2) одна или несколько ЭВМ для обработки данных с ДТ и расчета оптимальных управляющих сигналов;

3) совокупность программных средств, реализующих алгоритмы детектирования транспорта и оптимизации управления транспортными потоками;

4) средства информирования водителей ТС (различные информационные табло);

5) средства связи и телекоммуникации, используемые для объединения программно-аппаратных средств АСУДД в единую систему.

В современных АСУДД применяются различные типы детекторов транспорта: петлевые (индукционные); инфракрасные активные и пассивные; магнитные; акустические; радарные; видеодетекторы; комбинированные (в различных комбинациях ультразвуковые, радарные, инфракрасные и видеодетекторы). Все ДТ обладают различной эффективностью в различных условиях эксплуатации . Однако в связи с достигнутым высоким уровнем развития вычислительной и телевизионной техники во многих случаях наиболее предпочтительными являются видеодетекторы на основе технологий обработки и анализа изображений, а также комбинации видеодетекторов с детекторами других типов.

В существующих АСУДД тех или иных производителей используются в различных комбинациях три основных способа адаптивного управления транспортными потоками .

1. Метод управления с использованием библиотек, характеризуемый предварительным расчетом множества планов координации и переключением их на основании текущих усредненных показаний стратегических ДТ путем выбора из библиотеки соответствующего подходящего плана.

2. Метод актуального управления, характеризуемый предварительным расчетом планов координации светофоров, переключением их по календарному графику и реализацией изменений в этих планах в соответствии с транспортными запросами, фиксируемыми локальными детекторами на отдельных направлениях.

3. Метод адаптивного управления, характеризуемый постоянным пересчетом планов координации и календарных режимов на основании информации, получаемой с локальных и стратегических (путевых) детекторов в режиме реального времени.

Оптимизация управления транспортными потоками в современных АСУДД производится различными методами. В системе Balance (Германия) применяются генетические алгоритмы оптимизации. В системе Utopia (Нидерланды) производится расчет на основе ценовой функции, учитывающей время задержки, число остановок, специфические приоритетные требования, взаимное расположение перекрестков. В системе «Спектр» (Санкт-Петербург, Россия) ис-

пользуются следующие алгоритмы: поиск разрывов потока транспорта; расчет по формуле Вебстера; переключение программ по интенсивностям. В АСУДД производства ОАО «Электромеханика» (Пенза, Россия) используется следующее алгоритмическое обеспечение: алгоритм поиска разрыва потоков транспорта; поиск разрыва с сохранением общей длительности цикла координации; алгоритм переключения заранее рассчитанных режимов по контрольным точкам интенсивности движения транспорта; алгоритм динамического перерасчета параметров цикла на основе формулы Вебстера. В АСУДД «Агат» (Минск, Белоруссия) используются следующие эвристические алгоритмы управления: выбор плана координации по карте времени; выбор фазы, режима по плану координации; выбор плана координации по параметрам движения в характерных точках и др.

Адаптивное управление транспортными потоками на основе моделей оптимизации перекрестков

Разрабатываемая система управления дорожным движением (рисунок) состоит из одного центрального пункта и множества локальных пун-

■ Схема системы адаптивного управления дорожным движением

ктов управления, число которых соответствует числу управляемых перекрестков в системе. Все локальные пункты имеют соединение по каналам связи с центральным пунктом управления.

Центральный пункт управления выполняет функции сбора и обработки информации об интенсивностях движения транспортных средств в УДС. Обработка информации представляет собой предсказание величин транспортных потоков на основе следующих данных:

Текущих интенсивностей транспортных потоков;

Скоростей движения ТС;

Расстояний между смежными управляемыми перекрестками в системе;

Предсказания маршрутов движения ТС на основе статистики для текущего дня недели и времени суток;

Текущих длин фаз светофорных объектов на перекрестках УДС.

Локальные пункты в системе выполняют непосредственно оптимизацию управления транспортными потоками на соответствующих перекрестках. В состав каждого локального пункта управления входят:

Детекторы транспорта;

ЭВМ, выполняющая предобработку данных с ДТ, если это необходимо, и оптимизацию управления транспортными потоками;

Контроллер светофоров, допускающий внешнее задание длин фаз светофорного объекта;

Светофоры.

В качестве ДТ предлагается использовать видеодетекторы. В этом случае сигнал с видеокамер поступает в ЭВМ локального пункта управления, где программный модуль предобработки выполняет анализ видеоизображений и оценку интенсивностей транспортных потоков на всех контролируемых полосах. Далее интенсивности транспортных потоков передаются в центральный пункт управления.

Оптимизация управления транспортными потоками производится следующим образом. В ЭВМ имеется точная программная микроскопическая модель перекрестка. При расчете оптимальных длин фаз для следующего фазового цикла управления светофорным объектом (длительность фазового цикла составляет, как правило, 2-5 мин) выполняются следующие действия.

В модели задаются входные интенсивности транспортных потоков на следующие 5 мин (прогноз интенсивностей от центрального пункта управления) с точностью до отдельного ТС.

Модуль оптимизации запускает прогоны модели перекрестка длительностью 5 мин модельного времени, для каждого прогона задает новые длины фаз модельного светофорного объекта

и рассчитывает по результатам каждого прогона значение целевой функции.

В результате цикла оптимизации, состоящего из нескольких прогонов модели, модуль оптимизации находит оптимальные длины фаз модельного светофорного объекта, соответствующие экстремуму целевой функции поиска.

Длины фаз светофорного объекта представляют собой вектор параметров оптимизации j = (фр ф2, ф3, ф4) (на крестообразном перекрестке обычно задается не более четырех фаз). В качестве целевой функции F(j) может служить среднее время ожидания проезда перекрестка ТС. Критерием оптимизации в этом случае будет минимум среднего времени ожидания проезда

min .Р(ф) = F(^*),

где Ф - допустимое множество значений координат вектора длин фаз; j* - вектор оптимальных значений длин фаз. Допустимое множество значений координат вектора длин фаз имеет следующий вид:

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

где Т. и - соответственно минимальное

и максимальное значения длины фазы.

Расчет производных целевой функции на модели является невозможным, поэтому в качестве методов оптимизации могут быть использованы только прямые методы. Предложено применение поочередного циклического варьирования длин фаз светофорного объекта от прогона к прогону с постоянным шагом по длине фазы. Длина шага варьирования длин фаз может быть задана равной 2-3 с.

Необходимым условием возможности реализации описанной системы адаптивного управления дорожным движением является наличие системы микроскопического моделирования транспортных потоков, скорость работы которой была бы достаточной для выполнения оптимизации длин фаз светофорного объекта за время одного фазового цикла.

Система микроскопического моделирования транспортных потоков

Авторами статьи разработана система микроскопического моделирования транспортных потоков в УДС, которая может быть использована для оптимизации управления транспортными потоками в составе системы адаптивного управления дорожным движением. Главной особенностью системы моделирования является применение дискретно-событийного подхода в моделиро-

вании , благодаря чему система имеет высокое быстродействие.

Быстродействие системы оценено в серии экспериментов с моделями отдельных типовых перекрестков. Эксперименты выполнены на компьютере с процессором Intel Core 2 Quad Q6600 с частотой каждого ядра 2,4 ГГц (реально в экспериментах использовалось только одно ядро, так как моделирование выполняется в один программный поток). В результате моделирование транспортных потоков через единичный перекресток в течение 45 сут (3 888 000 с) заняло 2864 с процессорного времени. Таким образом, превышение скорости моделирования над скоростью течения реального времени составило 3 888 000/2864 « » 1358 раз, т. е. за время реального фазового цикла на перекрестке модуль оптимизации способен выполнить более 1300 прогонов оптимизационного эксперимента.

Особенностью дискретно-событийного подхода в моделировании является независимость результатов моделирования от скорости выполнения модели, т. е. даже в режиме полной загрузки процессора моделирование покажет совершенно идентичные результаты результатам выполнения, например, в режиме реального времени.

Напротив, в системно-динамическом подходе при ускорении моделирования посредством увеличения шага дискретизации по времени точность моделирования падает. Системно-динамический подход реализует подавляющее большинство современных систем микроскопического моделирования транспортных потоков: Aimsun (Испания) , Paramics Modeler (Шотландия) , DRACULA (Великобритания) , TransModeler (США) , VISSIM (Германия) . Во всех перечисленных системах моделирования используется шаг дискретизации по времени 0,1-1,0 с.

В системно-динамической дорожно-транспортной модели шаг моделирования по времени, равный 1 с, вполне способен лишить модель адекватности. Так, ТС на скорости 60 км/ч за 1 с преодолевает более 16 м пути, т. е. на типовых скоростях движения модельное ТС позиционируется лишь с точностью порядка 10 м.

В предложенной дискретно-событийной модели точность позиционирования модельных объектов остается постоянной практически при любой скорости и зависит от разрядности использу-

1. Бродский Г. С., Айвазов А. Р. Автоматизированное управление дорожным движением в городской среде // Мир дорог. 2007. № 26. С. 2-3.

емых переменных и типа выполняемых над ними арифметических операций. При использовании чисел с плавающей запятой двойной точности (64 бита, 15 значащих десятичных цифр мантиссы) точность позиционирования модельных ТС в дискретно-событийной модели в любой момент времени составит не более 1 см.

Заключение

Предложенная система адаптивного управления дорожным движением способна продемонстрировать высокую эффективность благодаря исчерпывающей оптимизации каждого отдельного перекрестка и учету транспортных потоков между соседними перекрестками с точностью до отдельных ТС. При наличии в УДС по какому-либо направлению транспортного потока высокой плотности происходит автоматическая подстройка управления на всех смежных перекрестках с организацией на данном направлении зеленой волны. При этом оптимизации подвергаются и все прочие направления с транспортными потоками меньшей плотности.

Оптимизация управления каждым отдельным перекрестком в реальном времени является возможной благодаря использованию системы микроскопического дискретно-событийного моделирования транспортных потоков в УДС, разработанной авторами статьи. Данная система моделирования вследствие применения дискретнособытийного подхода обладает высокой производительностью и точностью. В ближайшее время на сайте разработчиков будет доступна ознакомительная версия системы моделирования.

Качество оптимизации управления транспортными потоками в высокой степени зависит от точности предсказания плотности потоков транспорта. При этом точность предсказания тем выше, чем меньше временной интервал предсказания. При использовании на локальных перекрестках аппаратного обеспечения достаточной производительности пересчет оптимальных длин фаз цикла регулирования светофорного объекта может производиться с началом каждой следующей фазы. В этом случае реально используемый временной интервал предсказания сократится до длительности одной фазы, т. е. до 15-100 с, в результате чего повысится эффективность оптимизации.

2. Бродский Г. С., Рыкунов В. В. Поехали! АСУДД - мировой опыт и экономический смысл // Мир дорог. 2008. № 32. С.36-39.

3. ГНПО АГАТ. http://www.agat.by (дата обращения:

4. Crowdhury M. A., Sadek A. Fundamentals of Intelligent Transportation System planning. - Boston - London: Artech House, 2005. - 190 p.

5. Кременец Ю. А., Печерский М. П., Афанасьев М. Б. Технические средства организации дорожного движения. - М.: Академкнига, 2005. - 279 с.

6. GEVAS software: Traffic Control. http://www.gevas.eu/index.php?id=149&L=1 (дата обращения: 16.06.2010).

7. UTOPIA - Peek Traffic. http://www.peektraffic.nl/ page/484 (дата обращения: 16.06.2010).

8. ЗАО «РИПАС»: Разработка и производство автоматизированных систем. http://www.ripas.ru (дата обращения: 16.06.2010).

9. АСУДД - ОАО «Электромеханика». http://www. elmeh.ru/catalog/3/asud (дата обращения:

10. Карпов Ю. Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5. - СПб.: БХВ-Петербург, 2006. - 400 с.

11. Советов Б. Я., Яковлев С. А. Моделирование систем. - М.: Высш. шк., 2001. - 343 с.

12. Nagel K. High-speed microsimulations of traffic flow. Thesis: University Cologne, 1995. - 202 p.

13. Aimsun. The integrated transport modeling software. http://www.aimsun.com (дата обращения:

14. Quadstone Paramics. Traffic Simulation Solutions. http://www.paramics-online.com (дата обращения:

15. SATURN Software Web Site. https://saturnsoftware. co.uk (дата обращения: 20.05.2010).

16. TransModeler Traffic Simulation Software. http:// www.caliper.com/transmodeler/ (дата обращения:

17. PTV Vision - транспортное планирование. http:// www.ptv-vision.ru (дата обращения: 20.05.2010).

18. Компания «Малленом». http://www.mallenom.ru (дата обращения: 20.05.2010).

Каждому из Вас необходимо зарегистрироваться на сайте РУНЭБ (http://www.elibrary.ru) с тем, чтобы Вам присвоили индивидуальный цифровой код (при регистрации код присваивается автоматически), что обязательно для создания корректной базы данных РУНЭБ, объективно отражающей информацию о Вашей научной активности, а также для подсчета Вашего индекса цитирования (РИНЦ).

Современная автоматизированная система управления дорожным движением включает в себя комбинацию различных технических средств и программных методов, главной целью которых является обеспечение безопасного движения транспортных средств и пешеходов (участников дорожного движения). Комплексный профессиональный подход к организации дорожного трафика позволяет сократить количество ДТП, предотвратить заторы, что приводит к существенному улучшению экологической ситуации в больших городах. Тщательно разработанная система АСУДД, которая соответствует всем нормативам в сочетании с грамотно составленным проектом организации дорожного движения - залог безопасности на автомобильных дорогах с оживленным транспортным потоком.

Если разобраться в системе АСУДД глубже, то это искусственный интеллект, заточенный под управление транспортом учитывая различные факторы, определенного объекта и участка улично-дорожной сети. Система АСУДД является частью интеллектуальной транспортной системы (ИТС). Система АСУДД адаптируется под интенсивность движения транспорта, выполняет анализ и оценку ситуации после чего принимает меры по разгрузке проблемных узлов улично-дорожной сети.

Системой АСУДД происходит перераспределение транспортных потоков средствами периферийного оборудования, такими как табло отображения информации - ТОИ (информационные динамические табло), управляемые дорожные знаки (УДЗ).

Средствами управляемых дорожных знаков (УДЗ) система АСУДД перенаправляет транспортные потоки на съезды и транспортные узлы меньшей загруженности или уменьшает скорость движения потока для предотвращения затора на съезде. При дорожно-транспортном происшествии система АСУДД может запретить проезд на данный участок, тем самым предупреждая образование глухой пробки в которой пришлось бы находиться участникам дорожного движения до момента ликвидации последствий ДТП.

Табло отображения информации служит для информирования водителей транспортных средств о возможных пробках и заторах на определенных участках УДС. Учитываю информацию полученную с информационного табло, водитель выбирает пути объезда проблемного участка улично -дорожной сети (УДС).

Сбор информации для анализа дорожной ситуации происходит так же средствами периферийного оборудования, такими как детекторы транспорта и камеры наблюдения.

Система автоматизированного управления движением может включать в себя так же и светофорные объекты , как на перекрестках, примыканиях так и светофоры реверсивного исполнения. Взаимодействие всего перечисленного оборудования и системы аналитики и управления движением и есть система автоматизированного управления дорожным движением (АСУДД). Такие системы могут применяться как глобально (управление всем городом) так и локально (управление определенным транспортным узлом или участком УДС). В систему управления могут включаться метеостанции для оценки погодных условий и для предупреждения водителей о боковых ветрах, гололёде, снегопаде и прочих стихиях.

Очень часто реализация системы АСУДД не обходится без проектирования опорных конструкций под оборудование АСУДД (информационные табло, управляемые дорожные знаки), как правило это опорные металлоконструкции П-образного, Ш-образного и Г-образного исполнения.

Невозможна работа системы АСУДД без создания линии связи для взаимодействия периферийного оборудования и без создания кабельных линий для питания оборудования.

Так же при разработке систем АСУДД часто применяется транспортное моделирование , что позволяет проверить наглядно целесообразность установки системы еще на периоде зарождения, средствами компьютерных технологий.

Различные типы систем АСУДД применяются по всей России как в городской среде, так и на загородных - Федеральных трассах и на крупных промышленных территориях.

Необходимость создание системы АСУДД

В условиях современного быстрорастущего трафика автотранспорта, применение и создание системы АСУДД необходимо везде, где присутствуют транспортные потоки. Это необходимо как для регулирования транспортных потоков так и для сбора аналитических и статистических данных для создания в перспективе новых путей объезда проблемных участков (создание дорожно-транспортной инфраструктуры) - создание новых дорог и съездов , что позволяет предупредить образование заторов при постоянном росте количества автотранспорта.

Предоставляем следующие услуги по проектированию и строительству:

  • Новые автоматизированные системы управления дорожным движением (АСУДД);
  • Модернизация и реконструкция существующих систем АСУДД;
  • Временные системы АСУДД;
  • Системы АСУДД на промышленных территориях;
  • Автономные системы АСУДД;
  • Интеграция системы АСУДД в интеллектуальную транспортную систему (ИТС);
  • Строительство систем АСУДД любого типа и сложности.

Каждая автоматизированная система управления дорожным движением, спроектированная и реализованная нашими специалистами, являет собой уникальный объект, для воплощения в жизнь которого необходимо проведение предельно точных расчетов, анализа транспортной ситуации и поиска наиболее удачных технических решений. Какие цели достигаются во время активного внедрения подобной системы?

  • сводится к минимуму время задержки автомобильного транспорта на перекрестках, уменьшается количество вынужденных остановок в заторах, а также сокращаются затраты горючего;
  • увеличиваются средняя скорость дорожного потока и пропускная способность городской транспортной сети;
  • обеспечивается безопасность для всех участников дорожного движения.

Монтаж АСУДД - это современный метод борьбы с заторами, дорожно-транспортными происшествиями и прочими отрицательными последствиями роста количества машин на дорогах мегаполисов. Опыт и практические навыки специалистов компании PRIMECAD позволяют спроектировать и провести установку системы любого уровня сложности, а также осуществить ее обслуживание или модернизацию в полном соответствии с требованиями заказчика.

Преимущества наших АСУДД

  • Адаптивность к дорожной ситуации. Благодаря высокому уровню автоматизации, АСУДД способна подстраиваться под конкретную городскую обстановку - регулировать время работы светофоров, определять оптимальные направления движения и т.п.
  • Возможность оперативной модернизации. Система характеризуется достаточной гибкостью, что позволяет изменять набор ее компонентов в соответствии с текущими требованиями.
  • Соответствие современным требованиям безопасности. Оборудование контролируется дистанционно посредством высокопроизводительных программных комплексов, исключающих влияние человеческого фактора.

Городские проблемы, такие как пробки, могут решаться консервативным способом, то есть физическим увеличением пропускной способности дорог, или же «разумным» (от анг. smart). В таком случае весь транспорт и люди объединяются в экосистему, и сам город «принимает решение», как распределять транспортные потоки. О нашем видении подобной экосистемы мы рассказывали на одном из форумов «Открытые инновации». А в этой статье обсудим, как именно работают «умные» системы управления трафиком и почему они так важны для всех нас.

Зачем городам «умная» транспортная система

По данным ВОЗ, более 50 процентов населения мира проживает в городах. Мегаполисы в большинстве своем страдают от транспортных проблем. Дорожные пробки - их самое явное и часто встречающееся проявление. Они негативно влияют на локальные экономики и качество жизни всех участников дорожного движения, поэтому, безусловно, требуют устранения.

Если в качестве примера рассмотреть типичную причину образования пробок - ремонтные работы - консервативный подход к ее решению будет заключаться в перенаправлении движения на ближайшие параллельные дороги. В результате, вероятнее всего, они будут перегружаться вслед за основной магистралью, и вблизи ремонтируемого участка в час-пик не останется ни одной свободной полосы движения.

Разумеется, власти постараются выстроить прогноз, на каких дорогах быстрее возникнет затор. Для этого они будут учитывать наличие светофоров на перекрестках, среднюю загруженность дорог и другие статичные факторы. Однако в тот момент, когда 8-балльная пробка парализует центр города, уже вряд ли получится что-то предпринять, кроме «ручного управления» ситуацией, например, с помощью отключения светофоров и срочной замены их служащим-регулировщиком.

Есть и другой сценарий развития того же сюжета. В «разумном» городе данные поступают не только из традиционных источников, но и от датчиков и устройств как установленных внутри самих автомобилей, так и выступающих элементами инфраструктуры. Сведения о местоположении транспортных средств позволяют перераспределять дорожное движение в реальном времени, а дополнительные системы, такие как «умные» светофоры и парковки, обеспечивают эффективное управление трафиком.

Разумный подход стал выбором для целого ряда городов и доказал свою эффективность. В немецком Дармштадте датчики помогают обеспечивать безопасность пешеходов и отсутствие пробок на дорогах. Они обнаруживают большие группы людей, собирающихся перейти дорогу, и адаптируют под них смену фаз светофора. К тому же они определяют, нет ли поблизости потока автомобилей, и «дают команду» переключить свет, только когда машины закончат движение.

А система распределения транспортного потока в датском городе Орхус позволила не только сократить пробки на дорогах, но и снизить общий расход топлива. Интеллектуальная система Лондона уведомляет водителей о перегруженности отдельных дорожных участков. «Умная» система управления трафиком помогла Сингапуру стать одним из наименее «загруженных» крупных городов мира.

Из чего состоит «умная» система управления движением

Ключевой инструмент «разумного» города - это данные. Поэтому сердцем системы является платформа, которая объединяет все потоки информации, поступающие в реальном времени, интерпретирует их и принимает самостоятельное решение об управлении движением (или помогает принять такое решение ответственному лицу). Как правило, вокруг платформы формируется командный центр управления движением.


Фото Highways England /

Географическая информационная система (ГИС) открывает возможность для связи данных с конкретными точками на дорожной карте. Для непосредственного управления движением служат отдельные подсистемы. Их количество, сложность и уровни взаимодействия друг с другом могут отличаться в различных моделях в зависимости от поставленных задач.

Например, в китайском Ланфане действуют следующие подсистемы: светофорное регулирование, сбор информации о движении, наблюдение и оповещение, геолокационное позиционирование служебных автомобилей и другие составляющие. В румынской Тимишоаре, кроме уже описанных элементов, реализованы подсистемы приоритизации общественного транспорта и распознавания номерных знаков.

Систему «умного» распределения транспортных потоков можно усложнять различными элементами, но главной в ней остается платформа, которая управляет всеми подсистемами на основе поступающих данных. С этой точки зрения важной составляющей любой модели «разумного» города являются автомобили. Они не только способны принимать информацию (с помощью таких устройств, как, например, WayRay Navion) и адаптироваться под конкретную дорожную ситуацию, но и сами выступают поставщиками значимых сведений о загруженности дорог.

Предлагаем подробнее рассмотреть устройство важнейших подсистем «разумного» города.

Интеллектуальная система мониторинга и реагирования

Мониторинг - это основа работы командного центра. Своевременное выявление инцидентов и реагирование на них гарантирует безопасность на дорогах и снижение пробок. Пользователь чаще всего видит результаты мониторинга на карте с цветовой схемой, отображающей загруженность потока в реальном времени.

Источниками данных выступают камеры, которые автоматически анализируют ситуацию на дорогах по мере движения автомобилей в зоне их действия, а также пьезоэлектрические датчики. Еще один способ мониторинга в экосистеме «умного» города - трекинг потока на основе беспроводного сигнала, например, от Bluetooth-устройств.

«Умные» светофоры

Принцип работы этой подсистемы прост: так называемые «адаптивные» светофоры используют средства для измерения объема трафика, которые сигнализируют о необходимости смены фаз. При затрудненном транспортном потоке зеленая фаза светофора для автомобилей активна дольше, чем обычно. Во время пиковых периодов светофоры на перекрестках синхронизируют свои фазы так, чтобы обеспечить «зеленые коридоры» для транспорта.

В «разумном» городе система усложняется за счет комплекса датчиков, которые передают алгоритмам данные для анализа. В Тайлере, штат Техас, такое решение в составе интегрированной системы управления трафиком от Siemens уменьшило задержки движения на 22%. Время в пути по одной из главных магистралей города Бельвю, штат Вашингтон, сократилось на 36% в течение часа-пик с момента установки адаптивных светофоров.

Так функционирует эта подсистема в своем базовом воплощении: инфракрасные датчики, установленные в одном из элементов дорожной инфраструктуры, например, в световых опорах, обнаруживают возникновение или отсутствие автомобильного потока. Эти данные служат входящим сигналом для системы, которая генерирует выходные сигналы для красной, зеленой и желтой фаз и контролирует длительность цикла, учитывая количество транспортных средств на каждой дороге.

Та же информация в качестве выходного сигнала может передаваться участнику дорожного движения. Адаптивные светофоры способны работать и в аварийном режиме, когда средства видеофиксации распознают движущееся транспортное средство как машину скорой помощи или полицейский автомобиль с включенными сигнальными маячками. В таком случае для автомобилей, которые пересекают маршрут следования служебной машины, сигналы светофора сменятся на красные.

Источниками входящих данных для системы могут служить также камеры, распознающие объем трафика. В комплексной модели «разумного» города информация от камер о ситуации на дороге передается одновременно в программную среду для алгоритмической обработки и в систему управления, где она визуализируется и выводится на экраны в командном центре.

Существуют и вариации «умных» светофоров. Например, технологии искусственного интеллекта улучшают координацию дорожных сигналов в единой экосистеме. В этом случае цикл также запускают датчики и камеры. Алгоритмы ИИ используют полученные данные для создания тайминга циклов, эффективного прохождения потока по траектории и сообщают информацию следующим светофорам. Впрочем, такая система остается децентрализованной, и каждый светофор «принимает свои собственные решения» по длительности фаз.

Исследователи Наньянского технологического университета в этом году представили алгоритм распределения трафика, основанный на машинном обучении. Маршрутизация в данном случае имеет несколько нюансов : учитывается текущая нагрузка на транспортную систему и прогнозируемая неизвестная величина, отвечающая за дополнительную нагрузку, которая может попасть в сеть в любой момент времени. Далее алгоритм отвечает за разгрузку сети на каждом узле или, иначе говоря, перекрестке. Такая система в сочетании со светофорами с искусственным интеллектом может стать решением для распространенных городских проблем.

«Умные» светофоры играют важную роль для водителей не только благодаря очевидному эффекту - снижению числа пробок, - но и из-за обратной связи, поступающей на пользовательские устройства, такие, как WayRay Navion. Например, водители в Токио получают сигналы от инфракрасных датчиков прямо на навигаторы, которые выстраивают на основе этого оптимальный маршрут.

«Умные» парковки

Отсутствие парковочных мест или их неэффективное использование - не просто бытовая проблема, но вызов для городской инфраструктуры и еще одна причина загруженности дорог. Согласно Navigant Research, число «умных» парковочных мест в мире, как ожидается, достигнет 1,1 млн к 2026 году. От обычных парковок их отличают автоматизированные системы поиска свободных мест и информирования пользователей.

В качестве одного из решений проблемы команда Университета Райса разработала модель, в которой для поиска свободных мест используется камера, делающая ежеминутные фотографии. После чего проводится их анализ с помощью алгоритма обнаружения объектов. Однако в рамках экосистемы «разумного» города это решение не является оптимальным.

«Умная» система парковки должна не только знать статус каждого места («занято/свободно»), но и уметь направлять пользователя к нему. Деваврат Кулкарни (Devavrat Kulkarni), старший бизнес-аналитик в IT-компании Maven Systems, предлагает использовать для этого сеть датчиков.

Информация, полученная от них, может быть обработана алгоритмом и представлена конечному пользователю через приложение или другой пользовательский интерфейс. В момент парковки приложение сохраняет информацию о местоположении транспортного средства, что упрощает поиск автомобиля в дальнейшем. Это решение можно назвать локальным, подходящим, например, для отдельных торговых центров.

Действительно масштабные проекты в этой области реализуются прямо сейчас в некоторых городах США. Инициатива по развертыванию единой сети «умных» парковок LA Express Park проводится в Лос-Анджелесе. Стартап StreetLine, отвечающий за воплощение идеи в жизнь, использует методы машинного обучения для объединения нескольких источников данных - сенсоров и камер наблюдения - в единый канал передачи сведений о занятости парковочных мест.

Эти данные рассматриваются в контексте парковочной системы в масштабах всего города и поступают к ответственным лицам. StreetLine предоставляет SDK, систему автоматического распознавания номерных знаков и API для работы со всеми источниками данных, связанных с парковкой.

Интеллектуальные парковочные системы могут быть полезны и для управления плотностью движения. В основе такого решения заранее заложен инструмент регулирования трафика - изменение тарифных ставок в платных зонах парковки. Это позволяет распределять загруженность парковочных мест в определенные дни, тем самым снижая пробки на дорогах.

Для конечных пользователей данные о свободных местах и более дешевых тарифах помогают планировать поездку и в целом качественно повышают водительский опыт - с помощью носимых или встроенных в автомобиль устройств пользователь получает практические указания по поиску парковочного места в реальном времени.

Будущее управления движением

Три основных элемента, рассмотренных нами, - это уже готовая экосистема, способная значительно облегчить ситуацию на дорогах современного города. Однако инфраструктура будущего создается в первую очередь для транспорта будущего. Автоматизированные системы мониторинга, паркинга и управления облегчают переход к использованию беспилотных автомобилей.

Однако и здесь не все так однозначно: инфраструктура, которая используется в «разумных» городах сейчас, беспилотникам может быть просто не нужна. Например, если сегодня в смене фаз светофора еще есть смысл, то, по версии исследователей Массачусетского технологического института, беспилотным автомобилям привычные нам сигналы не потребуются вовсе - скорость транспортных средств и остановка на перекрестках будет автоматически осуществляться с помощью сенсоров.

Вероятно, даже самые развитые системы управления трафиком переживут глобальную модернизацию после того, как беспилотники вытеснят с дорог традиционные автомобили, и мы увидим новый мир без светофоров, дорожных камер и «лежачих полицейских». Однако пока полный переход на беспилотные авто маловероятен. А вот рост числа «разумных» городов - это вполне реальная перспектива.

Одной из важных задач транспортной системы является обеспечение максимальной эффективности управления транспортно-дорожным комплексом. Для этого необходимо использовать современные решения, к которым относятся и средства отображения информации. В статье приведено описание нескольких проектов, где для демонстрации сведений о дорожном движении были применены устройства от компании Mitsubishi Electric.

Срок полезной эксплуатации центра управления дорожным движением в среднем составляет не менее 10 лет. Очевидно, за это время разработчики ITS неизбежно столкнутся с проблемой модернизации компонентов, выработавших свой ресурс. А ведь существующую инфраструктуру не так легко перестроить. Создание универсальных устройств - это ключевой подход, который позволяет приспособиться к изменяющимся правилам игры и развитию технологий.

Каким образом можно реализовать принцип универсальности в системах отображения информации, используемых в центрах управления? Одним из решений этой задачи является модульный подход к оборудованию: дисплей рассматривается не как единое целое, а как подсистема, состоящая из взаимозаменяемых компонентов.

В настоящее время в большинстве современных центров управления используются DLP-кубы обратной проекции, которые построены на основе технологии DMD (разработана компанией Texas Instruments).

Следуя принципу универсальности, компания Mitsubishi создала модельный ряд дисплеев и сопутствующего оборудования, в котором используются новейшие технологии, основанные на общей архитектуре и одинаковом наборе компонентов. В частности, системы 70-й и 120-й серий состоят из DLP-кубов и ЖК-дисплеев с тонкой лицевой панелью различных размеров и конфигурации. Как и в случае с определением конфигурации персонального компьютера, пользователь при заказе оборудования может указать компоненты, из которых должна состоять система, - с возможностью ее модернизации по мере изменения потребностей. В качестве примера можно привести проекционный блок. Два года назад Mitsubishi Electric запустила новую линейку DLP-проекторов, которые дают возможность заменить находящиеся в эксплуатации видеостены с ртутными лампами на новейшие светодиодные системы повышенной яркости. Данная технология позволяет улучшить качество изображения, существенно продлить срок службы действующих систем и минимизировать затраты на техническое обслуживание.

Срок службы ртутных ламп составляет в среднем 6000 часов, т. е. менее одного года работы в круглосуточном режиме. При средней стоимости лампы в €1000 это влечет за собой значительные эксплуатационные расходы. Напротив, ожидаемый срок службы светодиодных кубов модели 50PE78 производства Mitsubishi Electric составляет 100 000 часов, т. е. более 10 лет непрерывной работы в круглосуточном режиме. Применение светодиодных кубов в сочетании с малошумными вентиляторами воздушного охлаждения, также рассчитанными на 100 000 часов работы, практически устраняет необходимость текущего техобслуживания дисплея в течение большей части эксплуатационного срока. Кроме того, DLP-кубы со светодиодной подсветкой обладают более широкой цветовой гаммой и сохраняют постоянную цветовую температуру на протяжении всего срока службы. Это, в свою очередь, означает улучшение цветопередачи и повышенную стабильность.

Реализованный в Италии проект дает хороший пример того, как инженеры используют универсальные компоненты системы отображения информации, чтобы обойти инфраструктурные ограничения.

Компания Autostrada del Brennero является оператором автомагистрали A22, проходящей от г. Модена до перевала Бреннер (на границе Италии и Австрии). Посчитав действующую аналоговую систему отображения информации в центре управления устаревшей и слишком дорогой в обслуживании, компания решила ее модернизировать с использованием новейших цифровых технологий. Существовавшая на тот момент система контроля с 200 аналоговыми камерами и предназначенная для управления ею программная платформа были вполне работоспособны. Кроме того, компания стремилась избежать дополнительных расходов и отрыва операторов от работы с целью их переподготовки. 3P Technologies, компания по комплексированию технических и программных средств, разработала решение, соединившее в себе новейшие технологии отображения с имеющимися системой контроля и программной платформой.

Пункт управления автомагистрали A22 (рис. 1) находится в самом центре сложной и высокотехнологичной системы управления дорожным движением, включающей в себя около 200 камер видеонаблюдения, мониторов и точек экстренной связи, связанных волоконно-оптическим кабелем, радиоканалами, а также линиями проводной связи. Управление системой осуществляется с помощью специально разработанной программной платформы, которая в случае аварии позволяет операторам контролировать входные данные или любую информацию, загружаемую с камер. Также в систему встроена инновационная функция автоматической фиксации событий дорожного движения (AID), которая дает возможность анализировать поступающие с камер и датчиков данные и в автоматическом режиме реагировать на нештатные ситуации. Помимо подачи звукового сигнала, система осуществляет запись происшествия и регистрирует события, случившиеся незадолго до него. Это позволяет операторам восстановить произошедший инцидент в динамике.

Рис. 1. Диспетчерский пункт управления автомагистралью А22

При разработке проекта модернизации основная проблема заключалась в дисплее, используемом для контроля системы. Состоящий из аналоговых ЖК-экранов дисплей был не в состоянии обрабатывать информацию требуемого типа и объема, а также был дорог в эксплуатации. Действующая система была заменена видеостеной из светодиодных кубов Mitsubishi Electric 70-й серии, что позволило повысить качество и эффективность управления, а также снизить расходы на техническое обслуживание.

Используемый для управления дисплеями процессор X-Omnium компании Bilfinger-Mauell обеспечил универсальность в отношении способов и места отображения контента. Если раньше операторы были ограничены в плане выбора размеров отображения, то теперь они могут организовать вывод контента в виде окон в любом месте экрана. При этом контроллер с сенсорным экраном Crestron позволяет операторам вызывать готовые сценарии с помощью простого сенсорного интерфейса, разработанного компанией 3P Technologies.

Пять декодеров Bilfinger-Mauell предоставляют интерфейс для существующей системы аналоговых видеокамер, что дает операторам возможность использовать привычные элементы управления приводом наклона/поворота и масштабирования. Важно отметить, что контроллер X-Omnium позволяет управлять самим дисплеем с помощью имеющегося пакета программ контроля дорожного движения.

Еще один пример проекта - центр мониторинга дорожного движения «Сенатра» (рис. 2), расположенный в Андорре, в районе восточных Пиренеев на границе с Испанией и Францией.

Рис. 2. Центр мониторинга дорожного движения «Сенатра»

Княжество Андорра - одно из самых популярных зимних туристических мест в Европе благодаря многочисленным горнолыжным склонам. Высокий транспортный поток (до 27 000 машин в день) и необходимость особой бдительности, обусловленной зимними условиями, сделали дисплейную систему центра и 60 сетевых видеокамер жизненно важным условием надежного контроля за безопасностью на 100 км основной дороги и 150 км второстепенных дорог, находящихся под юрисдикцией этого центра. Для этого также были использованы DLP-кубы от Mitsubishi Electric.

Обратимся к другому проекту. В 2015 г. Highways England расширила возможности Восточного регионального центра управления, расположенного в Южном Миммсе. Среди семи региональных центров компании восточный является одним из самых крупных. Он отвечает за управление движением на дорогах, относящихся к числу самых оживленных в Европе, включая южный участок трассы М25 и ряд участков трасс M40, M1 и M4.

Центральное место в диспетчерском зале (рис. 3), вмещающем 20 оборудованных рабочих мест операторов, занимает большая видеостена. На ней операторы могут видеть изображение с любой из 870 камер наблюдения за дорожной сетью, а также просматривать видео и потоки данных, получаемые от других дорожных агентств, и принимать трансляции непосредственно из эфира временно установленных камер.

Рис. 3. Диспетчерский зал Восточного регионального центра управления движением

Восточный региональный центр управления работает в режиме 24/7. В рамках расширения центра было принято решение о модернизации видеостены, и для реализации проекта была выбрана фирма Electrosonic. Основной целью проекта, наряду с установкой более высокопроизводительного дисплея, было внедрение новейших технологий с целью существенного снижения расходов на эксплуатацию видеостены.

Реализованная система построена на основе DLP-видеокубов Mitsubishi Electric модели VS-67PE78 с диагональю 67″ в конфигурации 8×3. Она позволяет повысить разрешение главной видеостены с XGA до SXGA+, улучшить яркость и значительно увеличить срок службы - до 100 000 часов для светодиодных источников света и остальных компонентов.

Описанные проекты показывают, что любой проектирующий систему инженер должен ставить во главу угла принцип универсальности - особенно с учетом грядущей революции межмашинного взаимодействия.