CC BY
142
isting system of protection against information leaks are not able to prevent the leakage of information in the case of transforming the transmitted information.
Ерыгин Александр Витальевич аспирант кафедры «Информационная безопасность» Сибирской государственной автомобильно-дорожной
академии. Основное направление научных исследований - информационная безопасность.
E-mail: EryginA V@omsk.it-sk.ru.
УДК 519.872.6
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ АВТОТРАНСПОРТНЫХ ПОТОКОВ ДЛЯ ОЦЕНКИ АЛЬТЕРНАТИВНЫХ СХЕМ ОРГАНИЗАЦИИ ДОРОЖНОГО ДВИЖЕНИЯ В ГОРОДСКИХ УСЛОВИЯХ*
Д.Ю. Долгушин, Т.А. Мызникова
Аннотация. В статье приведены результаты применения модели дорожного движения на основе стохастического многополосного транспортного клеточного автомата к оценке альтернативных схем организации дорожного движения для различных участков дорожной сети города.
Ключевые слова: Имитационное моделирование, клеточные автоматы, фундаментальная диаграмма, дорожное движение, улично-дорожная сеть.
Введение. В связи с интенсивным ростом численности автомобилей в крупных городах всё более острой становится проблема образования заторов, выдвигающая на первое место потребность в эффективном управлении автотранспортными потоками. Разгрузка уличнодорожных сетей (УДС) может проводиться различными способами: с помощью внедрения интеллектуальных систем управления транспортными потоками, организации координированного светофорного регулирования, строительства скоростных магистралей, а также на локальном уровне - путём внесения изменений в структуру участков УДС, обеспечивающих прирост их пропускной способности. При этом наиболее привлекательным с финансовой точки зрения является последний способ.
Ввиду того, что экспериментирование с реальным объектом может привести к негативным
последствиям, наиболее подходящим инструментом для оценки альтернативных схем организации дорожного движения (ОДД) является моделирование. Значительным потенциалом обладают модели на основе теории клеточных автоматов, являющиеся эффективным средством отображения динамики автотранспортных потоков.
В данной статье описаны результаты применения модели дорожного движения к оценке изменения пропускной способности участков УДС в результате их модификации.
Модель дорожного движения. Разработанная модель основана на стохастическом многополосном транспортном клеточном автомате [1] и включает правила “медленного старта” (англ. slow-to-start) и “пространственного упреждения” (англ. spatial anticipation).
* Работа выполнена в рамках реализации программы «Научные и научно-педагогические кадры инновационной России на 2009-2013 годы», контракт № П215 от 22.07.09г.
Автомат представляет собой массив ячеек длины N и ширины М, каждая ячейка которого может быть свободна или занята автомобилем. Кроме того, любая ячейка содержит индекс состояния дорожного покрытия, определяющий скорость движения по данному участку, а также значение локального ограничения скорости, устанавливаемого знаками дорожного движения. Один шаг работы модели включает два этапа:
1. Для каждой машины определяется необходимость и возможность смены полосы. Если манёвр необходим и возможен, производится перестроение автомобиля на выбранную полосу.
2. К полученной на первом этапе конфигурации для каждой полосы применяются правила перемещения.
Наборы правил обновления автомата модифицированы для обеспечения возможности учёта эксплуатационного состояния дорожного покрытия и локальных скоростных ограничений, а также включают вероятностное правило “превышения скорости”, что в совокупности отличает модель от существующих аналогов (за исчерпывающим обзором можно обратиться, например, к работе [2]).
Для получения представления о движении потоков машин по сети дорог применяется разработанная модель УДС [3], ключевым
Модель реализована на платформе C# .NET в виде библиотеки классов, отображающих основные сущности предметной области - дорога, дорожный сегмент, автомобиль, перекрёсток и т.д. С помощью данной программной реализации [4] проведены вычислительные эксперименты, описанные в следующей части статьи.
Оценка альтернативных схем организации движения. Зачастую причиной затруднённого движения на дорогах являются локальные факторы: аварийное состояние дорожного полотна, износ покрытия железнодорожных переездов, расположение нерегулируемого перехода на оживлённой магист-
элементом которой является узел, предназначенный для связки дорог воедино и передачи машин между ними. В набор элементов сети дорог также входят: светофор, перекрёсток (регулируемый и нерегулируемый), пешеходный переход.
Основным параметром модели служит длина ячейки, которая принимается равной 5,5 м (таким образом, максимальная плотность движения на одну полосу дороги длиной 1 км составит 182 авт/км), что позволяет моделировать движение машин с шагом изменения скорости 20 км/ч. Значения остальных параметров, определяющих поведение модели, приведены в таблице 1 и получены калибровкой с использованием опытных данных, собранных для участков УДС г. Омска с высокой интенсивностью движения для летнего времени года и хороших погодных условий. Адекватность модели проверена с позиции потока машин (сравнение по средней скорости) и отдельного транспортного средства (сравнение по средней скорости движения, средней скорости сообщения, задержкам). В первом случае расхождение средней скорости движения разнородного потока в опыте и модели не превышает 7 км/ч, во втором - соответствие подтверждается непараметрическим статистическим критерием Манна-Уитни-Вилкоксона для уровня значимости 0,05.
рали и т.п. Таким образом, улучшения дорожной обстановки можно добиться путём внесения изменений на локальном уровне - с помощью изменения расположения, состава и/или качества элементов ОДД. Далее приведены примеры применения разработанной модели к оценке альтернативных схем ОДД для нескольких участков УДС г. Омска. Сравнение схем основано на полученных с помощью вычислительных экспериментов данных
и построенных на их основе фунда-
1
ментальных диаграммах зависимости пропускной способности q от плотности движения к. Следует отметить, что приведённые диаграммы по оси абсцисс содержат значения
Таблица 1 - Базовые параметры модели
Параметр Пояснение Значение
Р Вероятность случайного замедления 0,20
Рс Вероятность случайной смены полосы 0,05
psts Вероятность срабатывания правила “медленного старта” 0,68
psa Вероятность срабатывания правила “пространственного упреждения” 0,80
Ps Вероятность срабатывания правила “превышения скорости” 0,70
dsts Дистанция “медленного старта” 1,00
dsa Дистанция “пространственного упреждения” 5,00
плотности потока в виде числа автомобилей на километр на одну полосу дороги.
Рассмотрим пример крестообразного перекрёстка, одна из дорог которого пересекается с трамвайными путями
(ул. Масленникова - ул. Жукова, рисунок 1).
Рис. 1. Схема ОДД на пересечении улиц Масленникова и Жукова
Зона пересечения имеет асфальтовое покрытие, которое приходит в негодность ввиду вибрации головки рельса при движении трамваев. Как следствие, водители при преодолении участка замедляют ход, чтобы снизить динамическую нагрузку на подвеску автомобиля. Согласно данным наблюдений за участком, в среднем водители преодолевают его на скорости 30-40 км/ч, что отрицательно сказывается на пропускной способности дороги.
Одним из путей модернизации пересечения является замена асфальтового покрытия альтернативным износостойким (например, резинокордовым), которое позволит водителям двигаться без снижения скорости. Для оценки ожидаемого изменения пропускной способности участка проведена серия вычислительных экспериментов для обеих ситуаций. Число машин, прошедших через пересечение, учитывалось в течение часа, при этом шаг приращения плотности потока был выбран равным 9 авт/км, что позволило получить детализованную фундаментальную диаграмму.
Пересечение средствами модели отображено с помощью индексов состояния дорожного покрытия, которые определяют скорость машин на отмеченных соответствующим образом участках. В данном случае использован индекс 2, для которого рекомендованная скорость движения vrec составляет 40 км/ч. Учитывая, что ширина полотна составляет 7 м, а водители замедляют ход заранее, для переезда выделено 3 ячейки, или 16,5 м.
Как видно из диаграммы (рисунок 2), пропускная способность участка для всего диапазона плотности возросла на 13%. В это же время средняя скорость движения снизилась на 8% (здесь и в дальнейшем, диаграммы зависимости средней скорости потока от его плотности в статье не приводятся). Несмотря на последний факт, увеличение числа машин, проходящих через участок с модернизированным покрытием, говорит в пользу внесения соответствующих изменений.
Рис. 2. Фундаментальные диаграммы альтернативных схем ОДД для улиц Масленникова и Жукова
1---------------------------------------------------------------------------------------
Фундаментальная диаграмма транспортного потока - диаграмма зависимости интенсивности потока
машин (авт/ч) от его плотности (авт/км). Существуют разновидности диаграммы, показывающие зависимость скорости потока от плотности, зависимость интенсивности потока от его скорости.
Следующим примером служит нерегулируемый перекрёсток, одна из дорог которого также пересекается с трамвайным переездом (ул. Лермонтова - ул. Куйбышева, рисунок 3). Необходимость уступать движущимся по главной дороге автомобилям, а также трамваям (частота движения - 6 раз в один час) нередко приводит к образованию заторов на данном участке, который, к тому же, является однополосным в обоих направлениях.
Рис. 3. Схема ОДД на пересечении улиц
В качестве альтернативной ситуации рассмотрим установку на данном участке трамвайного и автомобильного светофоров, работающих синхронно. На второстепенной дороге ожидается более высокая интенсивность движения, поскольку она, в отличие от главной, является двунаправленной. Поэтому длительность разрешающего сигнала для направления по ул. Куйбышева составила 40 сек, а Лермонтова - 30 сек. Участок переезда смоделирован аналогично предыдущему примеру. Приоритеты движения (для исходного случая) установлены с помощью соответствующих средств модели.
Результаты моделирования показаны на рисунке 4 - согласно диаграмме, пропускная способность возрастает более чем в 2 раза (+268%). Средняя скорость потока автомашин при этом увеличивается на 11%, что в совокупности определяет необходимость изменения схемы организации движения и модернизации полотна.
Рассмотрим другой пример - пешеходный переход, расположенный на оживлённой магистрали (ул. Маркса, ост. “Голубой огонёк”, рисунок 5). Особенностью данного участка
является расположение вблизи остановки общественного транспорта: непредсказуе-
мость появления пешеходов заставляет водителей заранее снижать скорость движения, кроме того, не имеющие склонности к формированию “пачки” из нескольких человек пешеходы часто стремятся перейти дорогу в одиночку. При высокой интенсивности потока пешеходов такие переходы значительно понижают пропускную способность дороги. В качестве альтернативного варианта организации движения на данном участке рассмотрим замену нерегулируемого перехода регулируемым, т.е. установку светофорного объекта, который должен обеспечить предсказуемое поведение участников движения.
Ввиду высокой загруженности магистрали автотранспортом требуется обеспечить длительность разрешающего сигнала светофора, обеспечивающего пропуск достаточного числа машин за один цикл работы. Также необходимо предоставить время для преодоления 30-метровой дорожки пешеходам. Принимая среднюю скорость движения пешком равной 5 км/ч, для пересечения дороги пешеходу потребуется 22 сек; учитывая, что при образовании очереди переход начинается не синхронно, увеличим это значение на 5 сек. Таким образом, в случае нерегулируемого перехода длительность ожидания водителей завершения перехода дорожки составит 25 сек (это значение также будет использоваться в качестве длительности запрещающего сигнала светофора в альтернативной схеме). Длительность разрешающего сигнала светофора примем равной 60 сек, что обеспечит пропуск приблизительно 40 машин по каждой полосе за цикл работы. Последним параметром, требуемым для проведения эксперимента, является вероятность появления пешеходов рр на переходе, которую примем равной 5% [3].
С использованием приведённых значений с помощью модели получена фундаментальная диаграмма (рисунок 6), согласно которой прирост пропускной способности участка составляет 32%. При этом скорость движения снизилась на 3%. Тем не менее, существенный прирост пропускной способности служит аргументом в пользу внедрения регулируемого объекта, которое обеспечит разгрузку участка и, следует ожидать, положительно повлияет на безопасность движения.
Рис. 4. Фундаментальные диаграммы альтернативных схем ОДД для улиц Лермонтова и Куйбышева
Рис. 5. Схема ОДД на пр. Маркса
Рис. 6. Фундаментальные диаграммы альтернативных схем ОДД для пр. Маркса
Заключение. С помощью разработанной качестве исходных данных в процессе приня-
имитационной модели движения автотранс- тия управленческих решений. Среди задач
портных потоков получены сравнительные моделирования могут быть и другие, напри-
оценки различных схем ОДД на примере мер: оценка объёмов выбросов загрязняющих
г. Омска, которые могут быть использованы в веществ автомобилями [1], оценка эффектив-
ности схем светофорного регулирования, оценка скорости сообщения и т.д. Широкий набор сфер применения делает данную модель универсальным средством, пригодным в качестве элемента систем управления дорожным движением.
Библиографический список
1. Долгушин Д.Ю., Мызникова Т.А. Имитационное моделирование дорожного движения для оценки экологического влияния автотранспорта // Системы управления и информационные технологии, 4.1(38), 2009. - С. 139-142.
2. Maerivoet S., De Moor B. Cellular Automata Models of Road Traffic // Physics Reports. 2005. Vol. 419, no. 1, Pp. 1-64.
3. Долгушин Д.Ю., Мызникова Т.А. Компьютерное моделирование движения городского автотранспорта // Материалы 64-й научно-технической конференции ГОУ “СибАДИ” в рамках Юбилейного Международного конгресса “Креативные подходы в образовательной, научной и производственной деятельности”, посвящённого 80-летию академии. -Омск: СибАДИ, 2010. Кн. 2 - С. 68-72.
4. Долгушин Д.Ю. Библиотека моделирования автотранспортных потоков “Трафика” // Хроники объединенного фонда электронных ресурсов “Наука и образование”, № 12 (19), 2010. URL:
http://ofernio.ru/portal/newspaper/ofernio/2010/12.doc (дата обращения: 28.03.2011).
TRAFFIC FLOW SIMULATION IN ESTIMATION OF ALTERNATIVE TRAFFIC MANAGEMENT SCHEMES IN CITY CONDITIONS
Dolgushin D.Y., Myznikova T.A.
The article contains the results of application of simulation model based on stochastic multilane traffic cellular automaton to the estimation of alternative traffic management schemes.
Долгушин Дмитрий Юрьевич - соискатель учёной степени кандидата технических наук, инженер-программист ЗАО “НПФ “ГЕО”. Основное направление научных исследований - моделирование автотранспортных потоков. Опубликовано 9 работ. E-mail: ddolgushin@yandex.ru
Мызникова Татьяна Александровна - кандидат технических наук, доцент кафедры “Прикладная информатика в экономике” ГОУ ВПО СибАДИ. Основное направление научных исследований - моделирование социально-экологоэкономических систем. Опубликовано 40 работ. E-mail: tmyzn@mail.ru
УДК 004.93'1+004.354
ИДЕНТИФИКАЦИЯ ПОЛЬЗОВАТЕЛЯ ПЭВМ ПО РУКОПИСНОМУ ПАРОЛЮ: КОНКУРЕНТНЫЕ ВОЗМОЖНОСТИ *
Б.Н. Епифанцев, П.С. Ложников, А.В. Еременко
Аннотация. В статье рассматривается задача формирования пространства информативных признаков для идентификации пользователя ПЭВМ по рукописному паролю. Предложен способ идентификации личности по рукописному паролю. Получены оценки информативности выбранных для идентификации признаков. Получено значение ошибки второго рода для разработанного метода распознавания. Приводится расчет стоимости аппаратного обеспечения в зависимости от показателя надежности разработанного метода (уровня ошибки второго рода)
Ключевые слова: идентификация, динамический биометрический признак, ошибка второго рода, графический планшет, верификация, критерий информативности
Введение. В настоящее время активно совершенствуются различные механизмы обеспечения информационной безопасности в корпоративных, ведомственных и домашних
сетях. Особенное внимание уделяется предотвращению несанкционированного доступа к информационным ресурсам и сервисам.
* Работа выполнена в рамках реализации программы «Научные и научно-педагогические кадры инновационной России на 2009-2013 годы», контракт № П215 от 22.07.09г.
