CC BY
69
Модернизированный программный модуль автоматизирует такие процессы, как накопление данных; формирование архива и обработку полученных данных.
Указанная автоматизация необходима для автоматической настройки интеллектуальной системы управления и прогнозирования состояния нелинейного технического объекта Модернизированный программный модуль «Загрузка данных для интеллектуальной модели» обеспечивает в режиме онлайн-обработку больших массивов данных SCADA нелинейного технического объекта.
Библиографический список
1. Engel, E. A. Intelligent control of PV system on the basis of the fuzzy recurrent neuronet / E. A. Engel, I. V. Kovalev, N. E. Engel // IOP Conference Series: Materials Science and Engineering, 2016. - Volume 122.
2. Энгель, Е. А. Мультиагентная адаптивная нечёткая нейросеть / Е. А. Энгель. - Свидетельство о государственной регистрации программы для ЭВМ № 2016662951. - М.: РОСПАТЕНТ, 2016.
3. Энгель, Е. А. Интеллектуальный регулятор нелинейной технической системы / Е. А. Энгель. - Свидетельство о государственной регистрации программы для ЭВМ № 2016663467. - М.: РОСПАТЕНТ, 2016.
4. Энгель, Е. А. Интеллектуальная система прогнозирования состояния нелинейного технического объекта / Е. А. Энгель. - Свидетельство о государственной регистрации программы для ЭВМ № 2016663468. - М.: РОСПАТЕНТ, 2016.
5. Engel, Е. А. Sizing of a Photovoltaic System with Battery on the Basis of the Multi-Agent Adaptive Fuzzy Neuronet / E. A. Engel // International Conference on Engineering and Telecommunication (EnT). - Moscow, 2016. - S. 49-54.
6. Engel, E. A. Solar Irradiance Forecasting Based on the Multi-agent Adaptive Fuzzy Neuronet / E. A. Engel, I. V. Kovalev // Tan Y., Takagi H., Shi Y., Niu B. (eds) Advances in Swarm Intelligence. ICSI 2017. Lecture Notes in Computer Science, vol 10386. Springer, Cham, 2017. -S. 135-140.
© Энгель Е. А., Энгель Н. Е., 2018
УДК 004.031.2:656.056.4
ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ СЕТЬЮ СВЕТОФОРОВ*
Е. А. Энгель, Н. Е. Энгель
Хакасский государственный университет им. Н. Ф. Катанова
В статье анализируется возможность автоматического управления сетью светофоров как одной из составных частей острой проблемы организации дорожного движения транспортных средств, характерных для России и Белоруссии. Рассматриваются современные решения указанной проблемы, анализируются существующие системы управления светофорами. Обосновывается решение проблемы управления сетью светофоров средствами интеллектуальной системы автоматического управления ею. Указанное исследование развивает технологии информационных и управляющих систем, относящихся к перечню современных критических технологий Российской Федерации.
Ключевые слова: сеть светофоров, интеллектуальная система, автоматическое управление, управление транспортными потоками, онлайн-режим.
Массовый рост плотности и интенсивности транспортных потоков, как в Российской Федерации и Белоруссии, так и в мире в целом, значительно опережает темпы развития дорожной инфраструктуры. В настоящее время в мире существует острая проблема организации дорожного движения транспортных средств. Светофорное регулирование транспортных потоков - одна из составных частей указанной проблемы.
Вопросам разработки эффективности различных методов управления транспортными потоками, закономерностям их поведения в условиях дорожно-уличной сети посвящены работы Д. Дрю, Х. Иносе, Т. Хамада, В. Сильянова, Ф. Хейта и др [1-10]. В последние десятилетия в отечественной практике управления транспортными потоками на улично-дорожной сети города накоплен значительный опыт, научные и методологические основы которого обобщены в работах В. В. Зырянова [11], В. Т. Капитанова [12], Г. И. Клинковштейна [13], М. П. Печерского и М. В. Яшиной [14] и др.
В настоящее время управление светофорным циклом базируется на статистических алгоритмах, для которых статистические данные собираются вручную, причём за небольшой промежуток времени. Понятно, что при таком подходе к сбору и анализу статистических данных для настройки светофорных циклов не могут быть учтены изменения в движении транспорта в течение всего дня. Кроме того, параметры, полученные указанным выше способом, не могут быть динамически пересчитаны в случае ремонтных работ. Довольно часто перекрытие одного участка дороги автоматически ведёт за собой большие нагрузки на других участках. Поскольку для действующих алгоритмов статистику нужно собирать вручную, что весьма и затратно, и трудоёмко, ситуации с временным изменением схемы дорожного движения почти всегда игнорируются.
Система автоматического управления сетью светофоров представляет классический пример сложной системы с характерными свойствами, к числу которых относятся:
□ многомерность, иерархичность и эмерджентность, обусловленные большим числом взаимодействующих элементов;
□ многофункциональность компонентов системы;
□ многокритериальность, объясняемая имманентностью (несовпадением) целевых функций отдельных компонентов системы;
* Работа выполнена при поддержке РФФИ, проекты № 18-48-190004 р_а и № 18-58-00039 Бел_а; программы Erasmus+, проект 600200-ЕРР-1-2018-1 -RU-EPPJMO-MODULE.
□ сложное (вероятностное и динамическое) поведение, требующее управления по обратной связи вследствие большого числа взаимодействующих подсистем;
□ необходимость автоматизированного управления в онлайн-режиме.
Перечисленные свойства системы автоматического управления сетью светофоров свидетельствуют о необходимости их создания на основе интеллектуальных методов. Классические методы управления светофорным циклом вследствие описания большим количеством дифференциальных уравнений (приводящего к увеличению объёмов расчётов и времени их обработки) не могут существенно повысить качество, быстродействие и точность управления сетью светофоров в условиях нечёткой, неточной информации, а управление на основе нечёткой логики и нейросетей обеспечивает следующие преимущества (А. И. Галушкин, В. Г. Редько, В. А. Терехов): идентификация режимов посредством эффективного анализа статических и динамических характеристик; простота оптимизации сложных законов управления, минуя процесс разработки математических моделей сети светофоров. Значительный научный вклад в теорию и практику создания нечетких и нейросетевых систем управления внесли учёные: Д. А. Поспелов, В. Г. Редько, В. А. Терехов, Ю. А. Борцов, Ф. Вассерман, Н. Хассо-ун, И. М. Макаров [15], Л. Заде, А. И. Галушкин и др. Интеллектуальные методы к разработке крупномасштабных систем [16] развиваются в работах учёных Института проблем управления им. В. А. Трапезникова РАН: Н. Н. Бахтадзе, И. Б. Ядыкина, Е. М. Максимова, Н. Е. Максимовой и др.
Настоящее исследование рассматривает фундаментальную научную проблему управления сетью светофоров посредством интеллектуальной системы автоматического управления ею. Применение интеллектуальных технологий автоматического управления техническими системами, как показывают зарубежные и отечественные исследования - как теоретические, так и экспериментальные [17-20], может обеспечить существенное повышение быстродействия и других показателей процесса управления техническими системами, инвариантность к воздействию возмущающих факторов и т. д.
Классификацию задач интеллектуальной системы автоматического управления сетью светофоров отражает рисунок.
Рис. Классификация задач интеллектуальной системы автоматического управления сетью светофоров
Интеллектуальная система автоматического управления сетью светофоров представляет собой совокупность технологий управления транспортными потоками, решающих задачи организации эффективного дорожного движения посредством обработки разнородной информации о транспортном потоке в онлайн-режиме. Интеллектуальная система автоматического управления сетью светофоров сложно организована, так как она содержит несколько уровней, составляющих сложным образом взаимодействующие между собой разнородные подсистемы:
□ управляющие,
□ классифицирующие,
□ прогнозирующие,
□ принятия решений.
Данное исследование развивает технологии информационных и управляющих систем, относящихся к перечню современных критических технологий Российской Федерации. Предлагаемое исследование, как полагаем, будет способствовать развитию управления транспортными системами, относящегося к приоритетным направлениям РФ.
Таким образом, сложность систем автоматического управления сетью светофоров обосновывает необходимость их создания на основе интеллектуальных методов. Интеллектуальная система автоматического управления сетью светофоров обеспечит оптимальное автоматическое управление сетью светофоров на основе интеллектуального анализа информации о дорожно-транспортной системе. Интеграция интеллектуальной системы автоматического управления сетью светофоров в систему управления дорожно-транспортной инфраструктурой урбанизированной территории, вне всякого сомнения, повысит уровень организации дорожного движения, в
частности: улучшит характеристики улично-дорожной сети, оптимизирует процесс управления транспортными потоками на всех фазах движения, уменьшит транспортные задержки, повысит безопасность движения.
Анализ современного состояния интеллектуальных систем автоматического управления показал высокую интенсивность работ в этом направлении, отсутствие разработки целостной интеллектуальной системы автоматического управления сетью светофоров, следовательно, целесообразность её разработки.
Библиографический список
1. Tubaishat, M. Adaptive traffic light control with wireless sensor networks / M. Tubaishat, Y. Shang, H. Shi // Consumer Communications and Networking Conference, 2007. CCNC 2007. 4th IEEE. - IEEE, 2007. - S. 187-191.
2. Thorpe, T. L. Vehicle traffic light control using sarsa / T. L. Thorpe // [Online]. - URL: http://Available: citeseer.ist.psu. edu/thorpe97vehicle. html. (дата обращения: 15.10.2017).
3. Wen, W. A dynamic and automatic traffic light control expert system for solving the road congestion problem / W. Wen // Expert Systems with Applications. - 2008. - Т. 34. - №. 4. - S. 2370-2381.
4. Wiering, M. A. et al. Intelligent traffic light control / M. A. Wiering et al. - URL: https://www.researchgate.net/publication/2942266_Intelligent_Traffic_Light_Control (дата обращения: 15.10.2017).
5. Wiering, M. A. Multi-agent reinforcement learning for traffic light control / M. A. Wiering // Machine Learning: Proceedings of the Seventeenth International Conference (ICML'2000). - 2000. - S. 1151-1158.
6. De Schutter, B. Optimal traffic light control for a single intersection / B. De Schutter // American Control Conference. Proceedings of the June 1999. - San Diego, California, 1999. - Vol. 3. - S. 2195-2199.
7. Xun Wang, Jie Sun and Haoyu Peng. Foreground object detecting algorithm based on mixture of gaussian and kalman filter in video surveillance / Wang Xun, Sun Jie, Peng Haoyu // JCP. - 2013. - № 8(3). - S. 693-700.
8. Shaoqing Ren, Kaiming He, Ross Girshick and Jian Sun. Faster R-CNN: Towards real-time object detection with region proposal networks / Ren Shaoqing, He Kaiming, Girshick Ross and Sun Jian // Advances in neural information processing systems, 2015. - P. 91-99 (arxiv: v3 [cs.cv] 6 Jan 2016). - URL: http://docplayer.net/20599461-Faster-r-cnn-towards-real-time-object-detection-with-region-proposal-networks.html (дата обращения: 15.10.2017).
9. Viola, Paul and Jones, Michael. Rapid object detection using a boosted cascade of simple features / Paul Viola and Michael Jones // Computer Vision and Pattern Recognition, 2001. CVPR 2001. Proceedings of the 2001 IEEE Computer Society Conference on, volume 1, pages I-I. IEEE, 2001.
10. Oliveira, M. and Santos, V. Automatic detection of cars in real roads using haar-like features / M. Oliveira and V. Santos. - Aveiro: University of Aveiro, Department of Mechanical Engineering, 2008. - 3810 s.
11. Зырянов, В. В. Моделирование транспортных потоков на городской сети / В. В. Зырянов, В. Г. Кочерга // Организация и безопасность дорожного движения в крупных городах. - СПб.: СПб. гос. архит.-строит. ун-т, 2006. - С. 193-197.
12. Капитанов, В. Т. Управление транспортными потоками в городах / В. Т. Капитанов, Е. Б. Хилажев. - М.: Транспорт, 1985. - 94 с.
13. Клинковштейн, Г. И. Организация дорожного движения: учеб. для вузов / Г. И. Клинковштейн, М. Б. Афанасьев. - 5-е изд., перераб. и доп. - М.: Транспорт, 2001. - 247 с.
14. Печерский, М. П. Экспериментальные исследования эффективности АСУ дорожным движением / М. П. Печерский, Л. А. Якушин. -М.: ВНИИБД МВД СССР, 1978. - 47 с.
15. Макаров, И. М. Устойчивость интеллектуальных систем автоматического управления / И. М. Макаров [и др.] // Приложение к журналу «Информационные технологии». - 2013. - № 2.
16. Васильев, С. Н. Управление развитием крупномасштабных систем (Современные проблемы.) / С. Н. Васильев [и др.]; под ред. А. Д. Цвиркуна. - Вып. 2. - М.: Изд-во физико-математической литературы, 2015. - 477 с.
17. Engel, E. A. Intelligent control of PV system on the basis of the fuzzy recurrent neuronet / E. A. Engel, I. V. Kovalev and N. E. Engel // IOP Conference Series: Materials Science and Engineering. Vol. 122. - 2016.
18. Engel, E. A. Model of interaction in Smart Grid on the basis of multi-agent system / E. A. Engel, I. V. Kovalev and N. E. Engel // IOP Conference Series: Materials Science and Engineering. Vol. 155. № 1.
19. Engel, E. A. Control of technical object on the basis of the multi-agent system with neuroevolution and student-teacher of-line learning / E. A. Engel, I. V. Kovalev and N. E. Engel // IOP Conference Series: Materials Science and Engineering. Vol. 155. № 1.
20. Engel, E. A. Intelligent control system of autonomous objects / E. A. Engel et al // IOP Conference Series: Materials Science and Engineering, 2017. - S. 173.
© Энгель Е. А., Энгель Н. Е., 2018
