CC BY
113
20. Filiol E., Istomin A.A., Cedric D. «Kuznechi » - optimizirovannye vnedreniya na PLIS i mikrokontrollerakh i ikh soprotivlenie analizu DPA ["Grasshopper" - optimized implementations on FPGAs and microcontrollers and their resistance to DPA analysis], XXI nauchno-prakticheskaya konferentsiya «RusKripto'2019» [XXI scientific-practical conference "RusCrypto'2019"], 2019. Available at: https://www.ruscrypto.ru/resource/archive/rc2019/files/ 02_Istomin_Filiol_Delaunay.pdf.
Статью рекомендовал к опубликованию д.т.н., профессор О.И. Шелухин.
Поликарпов Сергей Витальевич - Южный федеральный университет; e-mail:
polikarpovsv@sfedu.ru; 347900, г. Таганрог, ул. Чехова 2, корпус «И»; тел.: 89085159762; к.т.н.
Прудников Вадим Александрович - e-mail: ruvad@yandex.ru; тел.: 89198961427.
Кожевников Алексей Алексеевич - e-mail: leha.kozhevnikov@gmail.com; тел.: 89044470807.
Румянцев Константин Евгеньевич - e-mail: r e2004@mail.ru; тел.: 89281827209; д.т.н.;
профессор.
Polikarpov Sergey Vitalievich - Southern Federal University; e-mail: polikarpovsv@sfedu.ru,
347900, Taganrog, Chekhov street, 2; phone: +79085159762; cand. of eng. sc.
Prudnikov Vadim Aleksandrovich - e-mail: pruvad@yandex.ru; phone: +79198961427.
Kozhevnikov Aleksey Alekseyevich - e-mail: leha.kozhevnikov@gmail.com; phone: +79044470807.
Rumyantsev Konstantin Evgenyevich - e-mail: rke2004@mail.ru; phone: +79281827209; dr. of
eng. sc.; professor.
УДК 004.9:004.8 DOI 10.23683/2311-3103-2019-5-100-113
Д.М. Елькин, В.В. Вяткин
НА ПУТИ К ИНТЕРНЕТУ ВЕЩЕЙ В УПРАВЛЕНИИ ТРАНСПОРТНЫМИ ПОТОКАМИ: ОБЗОР СУЩЕСТВУЮЩИХ МЕТОДОВ УПРАВЛЕНИЯ ДОРОЖНЫМ ДВИЖЕНИЕМ*
Интернет вещей (1оТ) - это одна из важнейших технологий будущего, позволяющая сделать окружающую инфраструктуру разумной и адаптируемой к потребностям пользователей. Один из типов подобных инфраструктур - транспорт. Связь между дорогами и городами очевидна. Основными особенностями дорожной инфраструктуры являются длительный срок службы и высокая стоимость, а это значит, что эту проблему можно решить в настоящий момент, сохранив эти объекты в их первоначальном состоянии. Экономические расчеты показывают, что эффективно управлять движением на существующих дорогах выгоднее, чем строить новые, хотя это и не очень дешево с экономической точки зрения. Исследуя опыт многих крупных мегаполисов мира можно сделать вывод, что строительство новых и реконструкция существующих автомобильных дорог из-за постоянного увеличения количества транспортных средств не позволяет полностью сократить разницу между пропускной способностью дорог и уровнем спроса необходимого для автомобильного транспорта. Высокие затраты на строительство новой дорожной инфраструктуры, постоянные транспортные заторы и экологические факторы подталкивают компании и правительство к поиску решений для более эффективного управления транспортными потоками. Мы ищем возможности для минимизации негативных последствий заторов и оптимизации использования ограниченных государственных средств. В этой статье рассматриваются существующие методы и алгоритмы для автоматического управления транспортными потоками с целью определения точек воздействия на них и методов для применения 1оТ в транспортном секторе. Обсуждаются преимущества и недостатки существующих методов, в том числе оценивается их эффективность.
1оТ; управление дорожным движением; интеллектуальные транспортные системы; ИТС; транспортные потоки; транспортные заторы.
* Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-37-90102.
D.M. Elkin, V.V. Vyatkin
TOWARDS IOT IN TRAFFIC CONTROL: REVIEW OF EXISTING METHODS OF ROAD TRAFFIC REGULATION
Internet of Things (IoT) is an important upcoming technology for making infrastructures of our society smart and adaptable to the users' needs. One such infrastructure is transportation. The connection between roads and cities is obvious. The main features of the road infrastructure are a long service life and high cost, which means that this problem can be solved at the moment, keeping these objects in their original condition. Economic calculations show that effectively managing traffic on existing roads is more profitable than building new ones, although this is not very cheap from an economic point of view. Studying the experience of many major megacities of the world, it can be concluded that the construction ofnew and reconstruction of existing roads due to the constant increase in the number of vehicles does not completely reduce the difference between the capacity of roads and the level of demand required for automobile transport. High costs for the construction of new road infrastructure, constant traffic congestion and environmental factors are pushing companies and the government to look for solutions for more efficient traffic management. We are looking for opportunities to minimize the negative effects of congestion and optimize the use of limited public funds. This article discusses existing methods and algorithms for automated management of traffic flows with a purpose of identifying hot spots and methods for applying IoT in this sector. Advantages and disadvantages of the existing methods are discussed, including evaluation of their effectiveness.
IoT; traffic management; intelligent transportation system; ITS; traffic; traffic jam.
Введение. В европейских странах, таких как Дания, Великобритания, Германия и Нидерланды, использование передовых подходов к динамическому перераспределению транспортных потоков с использованием автоматизированных систем дало следующие результаты [1]:
♦ увеличение средней пропускной способности дорожной сети в период перегрузки (в часы пик) на 3-7 процентов;
♦ увеличение общей пропускной способности транспортной сети на 3-22 процента;
♦ снижение первичных ДТП на 3-30 процентов;
♦ снижение вторичных ДТП на 40-50 процентов;
♦ выравнивание скорости транспортного потока в период перегрузки дорожной сети;
♦ более предсказуемое поведение участников дорожного движения;
♦ повышение безопасности на дороге;
♦ сокращение пробок, в целом, на дорожной сети.
Таким образом, при использовании новейших средств и разработок в области управления дорожным движением можно не только избавить дорожную сеть от систематически возникающих заторов, но и значительно сократить государственные расходы на организацию дорожного движения в целом.
Интернет вещей (IoT) - это текущий мегатренд в развитии информационных и управляющих технологий. Целью данной работы является изучение возможности применения технологии Интернета вещей для организации дорожной инфраструктуры и динамического управления транспортными потоками.
В начале работы рассмотрены существующие модели управления дорожным движением. Эти модели сейчас используются в большинстве городов. Затем представлены наиболее популярные алгоритмы управления транспортными потоками и рассмотрены их преимущества и недостатки. Далее были выявлены существующие алгоритмы и проведен обзор их эффективности при фактическом использовании. В завершении представлены примеры применения IoT в управлении потоками транспорта, рассмотрены существующие подходы, алгоритмы и методы, а также определены перспективные направления развития.
Типовые модели для управления трафиком. Светофор, на данный момент, является основным средством управления транспортными потоками, а дорожные контроллеры обычно используются для переключения сигналов светофора, чтобы снижать транспортную нагрузку при постоянно меняющейся интенсивности движения. Для оптимизации процесса управления часто используются контроллеры с несколькими программами (часы пик, дневное и ночное время).
Многопрограммное жестко заданное управление помогает уменьшить задержку транспортных средств, но не является оптимальным. Жесткое управление не может учесть случайно изменяющуюся транспортную нагрузку для перекрестка. Решением этой проблемы является адаптивное управление с получением информации о текущем транспортном потоке. Для этого контроллеры в реальном времени получают информацию о состоянии транспортного потока от транспортных детекторов, расположенных в зонах пересечения дорог. Транспортные детекторы предназначены для регистрации проезжающих транспортных средств и определения параметров транспортного потока [21].
Дальнейшим развитием идеи координации работы отдельных светофоров стало создание автоматизированных систем управления дорожным движением, способных контролировать светофорные объекты по всему городу, объединяя управляемые светофоры с единым центром управления и синхронизируя их работу.
В основе подходов к управлению трафиком лежат специализированные алгоритмы для оптимального управления транспортными потоками, мы рассмотрим их более подробно в следующем разделе.
Существующие алгоритмы для управления дорожным движением. Алгоритмы управления на локальных перекрестках. Перекрестки, которые находятся на расстоянии более 1 км, считаются независимыми и могут контролироваться отдельно друг от друга. Алгоритмы управления ими реализованы в дорожных контроллерах. Эти алгоритмы можно разделить на две группы. В обеих группах светофорная сигнализация контролируется в соответствии с критерием минимизации общих задержек транспортного средства на перекрестке [22].
Первая группа рассмотренных алгоритмов основана на методах определения параметров управления: длительности цикла светофора и распределения периодов в цикле на основе средних характеристик транспортного потока. Точное решение задачи поиска оптимальных параметров управления можно получить численными методами. Оптимальная длительность цикла управления светофора определяется только на основе суммирования интенсивностей конфликтных направлений движения, а распределение периодов в светофорном цикле определяется суммой и отношением интенсивностей движения на конфликтных направлениях.
Вторая группа алгоритмов основана на методах переключения сигналов светофора в соответствии с мгновенным определением насыщенноститранспортного потока. Эффективное использование периода зеленого сигнала возможно при переключении светофора в соответствии с фактическим поведением каждого транспортного средства на перекрестке. Рассмотрим два алгоритма этой группы.
1) Управление на основе длины очереди. Для более эффективного использования периодов зеленого сигнала также возможно минимизировать время переключения сигнала светофора с зеленого сигнала на красный сигнал, но необходимо ограничить продолжительность этого периода, чтобы предотвратить появление очень длительных циклов управления и гарантировать безопасныйпереход дорог для пешеходов. Данн и Поттс [2] обобщили эти концепции и предложили собственный алгоритм управления. В этом алгоритме время цикла работы светофора поддерживается относительно низким, а увеличение цикла допускается только при увеличении интенсивности трафика.
2) Управление на основе длины очереди и потока насыщения. Алгоритм работает таким образом, что, пропускает только те автомобили, которые прибыли на перекресток во время красного сигнала светофора. Эта особенность реализована на основе данных о потоке насыщения на каждом подъезде к перекрестку.
Сетевые алгоритмы управления перекрестками. Сетевые алгоритмы управления используются на тех перекрестках, которые расположены на расстоянии менее 1 км друг от друга и соединены в одной дорожной сетью. Для расчета параметров управления требуется информация о транспортной ситуации со всех пересечений сети.
1) Жесткое управление сетью. Сетевой жесткий контроль обеспечивает координацию светофоров в определенной зоне контроля. Одним из самых популярных и широко используемых продуктов для управления движением является пакет программ лаборатории транспортных исследований (TRL) Великобритании. Он используются в более чем 110 странах. Алгоритм, лежащий в основе системы TRANSYT, определяет оптимальный скоординированный план светофора, который подходит для городских регулируемых и нерегулируемых перекрестков и перекрестков на автомагистралях. Так же, транспортные инженеры, могут оптимизировать программы переключения сигналов светофоров на дорожной сети в специально разработанных микромоделях с использованием программных продуктов VISSIM и AIMSUN. [2]
2) Адаптивное управление сетью. Алгоритмы жесткого управления, основанные на повторяемости дорожных ситуаций в те же часы дня или дня недели, в случае большой амплитуды мгновенных значений интенсивности транспортного потока не могут справиться с ситуацией, которая приведет к стремительному появлению заторов и блокировке соседних перекрестков. В таких случаях наиболее эффективно использование адаптивных методов управления. Например, алгоритм, лежащий в основе системы, - SCOOT, работающий по методике разделения, цикла и смещения, был предложен Хантом в 1982 году [3]. Алгоритм оценивает задержки, испытываемые транспортным средством на каждомнаправлении, а также количество остановок транспортных средств и рассчитывает индекс производительности на основе этих параметров. Исходя из общей пропускной способности сети, SCOOT постепенно меняет предопределенные программы светофора. Если степень насыщения дороги находится на идеальном уровне, то оптимизатор увеличивает минимально возможное время цикла для каждого пересечения с небольшим фиксированным шагом, если уровень насыщения ниже идеального, оптимизатор уменьшает минимально возможное время цикла для каждого пересечения с небольшим фиксированным шагом. Процедура работает с интервалом изменения шага 4 секунды.
Алгоритм, лежащий в основе системы OPAC [4], был предложен Gartner и др. в 1982 году. Алгоритм OPAC использует оптимальную последовательность ограниченного поиска (OSCO) Период планирования циклов составляет 60 секунд, из которых 10 секунд - это период, связанный с получением информации, поступающей от детекторов трафика в режиме реального времени, и оставшаясячасть прогноз новых циклов движения. Тесты OPAC показали лучший результат на 5-15 % по сравнению с существующими методами, с большейэффективностью при высокой степени насыщения.
Для автоматизации процесса обновления плана коммутации фиксированных сигналов работы светофора был разработан алгоритм AUT. Этот алгоритм позволяет постоянно собирать данные с транспортных детекторов по всей сети. Для каждого периода интенсивного движения в течение суток, данные обрабатываются и подготавливаются новые планы координации. Опыт применения этого алгоритма показывает увеличение скорости транспортных средств на дорожной сети, в среднем на 15 % и увеличение скорости общественного транспорта на 28 % [6].
Алгоритм, лежащий в основе системы SCATS - это Сиднейская скоординированная адаптивная система управления движением, была предложена Sims и др. в 1984 году [5]. SCATS состоит из 3 уровней управления: центральный, региональный и местный. Для каждого перекрестка алгоритм распределяет расчеты между региональными компьютерами в центре расчета трафика и дорожными контроллерами. Центральный уровень контролируется центральным компьютером, который взаимодействует с другими уровнями, главным образом для мониторинга.
SCATS объединяет адаптивное управление светофорами с традиционными методами управления. Такой подход позволяет удовлетворить различные эксплуатационные потребности системы.
Основные алгоритмы, разработанные для решения транспортных проблем, позволили собрать колоссальные данные о принципах управления движением в крупных городах и на автомагистралях. Эти данные отлично подходят для применения при разработке новых методов организации трафика.
Практическое использование существующих алгоритмов. Рассмотренные в статье алгоритмы являются одними из наиболее широко используемых на практике для управления транспортными потоками [7]. Чтобы сравнить их характеристики эффективности по одним и тем же параметрам, необходимо выполнить имитационное моделирование или исследовать реальную дорожную сеть после внедрения системы управления движением и определить оптимальные критерии, по которым проводится оценка эффективности исследуемых алгоритмов.
После анализа различных исследований для оценки эффективности управления транспортом в режиме реального времени [8, 10-12] определены следующие критерии оценки:
♦ общая задержка автомобиля;
♦ количество остановок;
♦ время поездки;
♦ средняя задержка автомобиля;
♦ пропускная способность дорожной сети;
♦ насыщенность трафика;
♦ скорость потока;
♦ длина очереди.
В работах Stevanovic и Kergaye и соавторов [8,9], рассмотрены реакции алгоритмов SCOOT и SCATS на изменения параметров движения, в исследовании авторы пришли к следующим выводам:
♦ SCOOT и SCATS схожи по эффективности.
♦ Обе системы способны справиться с преимущественно ненасыщенным дорожным движением.
♦ Длительность циклов светофоров в SCATS более гибкая, в то время как SCOOT имеет тенденцию сохранять длительность цикла, в среднем, меньше и дольше.
В исследовании[10] было установлено, что в целом условия движения до и после применения SCATS значительно различались с точки зрения скорости и количества транспортных средств. SCATS показал значительные улучшения скорости потоков на одном второстепенном перекрестке, даже когда объем трафика значительно увеличился. На основных перекрестках результаты были неоднозначными и неубедительными.
В работе Доши и др. [11] OPAC, SCOOT, SCATS рассматривались как три стратегии адаптивного управления, каждая из которых имеет свою концепцию управления синхронизацией сигналов светофоров на пересечениях с различными характеристиками. Исследование показало, что с увеличением объема трафика на
дорожной сети наблюдается, уменьшение преимуществ достигаемых с помощью подходов адаптивного управления, при более высоком соотношении объема трафика и пропускной способности дорожной сети. С большим количеством фаз и сильно изменчивой транспортной ситуацией, такие алгоритмы реагируют медленно, негативно влияя на транспортную ситуацию.
Исследователи в работе [12] установили, что эффективность адаптивного управления транспортными потоками UTOPIA обеспечивала наилучшие результаты в: средней длине очереди, максимальной длине очереди и пропускной способности перекрестков по сравнению с фиксированным светофорным регулированием. Общее время в пути на исследуемом участке улично-дорожной сети уменьшается, что указывает на эффект адаптации к различным потребностям участнистни-ков дорожного движения в зависимости от его направления.Таким образом, преимущества, полученные на перегруженных направлениях, больше, чем недостатки в других направлениях.
В области управления трафиком в режиме реального времени известны подходы и решения, направленные на решение проблем: оценка загруженности участков транспортных сетей, технические решения для перенаправления транспортных потоков по полосам, методы и алгоритмы маршрутизации. Алгоритмы, рассмотренные в работе, часто подвергаются изменениям, но различия в новых заключаются в уменьшении вычислительной сложности или повышении надежности принятого решения. В то же время уже разработанные алгоритмы и архитектуры OPAC, SCATS, SCOOT и UTOPIA имеют достаточную эффективность для их непосредственного применения.
Однако в ходе исследования были выявлены такие проблемы в существующих решениях, как:
♦ медленная реакция на изменение дорожной ситуации;
♦ сложность доработки и внедрения;
♦ высокая стоимость существующих решений;
♦ небольшая зона покрытия.
Для решения проблем, выявленных в ходе работы, исследователи применяют новые подходы к управлению трафиком, основанные на концепции IoT, обработке больших данных, использовании многоагентных систем, облачных технологий, стратегии V2X. Далее рассмотрим существующие решения сегодня.
Интернет вещей в управлении транспортом. Возможно ли использование микрокомпьютеров для управления движением? В настоящее время для организации дорожного движения используется множество различных элементов дорожной инфраструктуры. Но основными функциями, непосредственно контролирующими движение транспорта, являются классические элементы: светофоры и дорожные знаки. Сейчас многие исследователи работают над внедрением традиционного управления транспортными потоками с использованием парадигмы IoT. Большинство прототипов для тестирования алгоритмов и подходов к управлению реализованы на основе микрокомпьютеров, таких как Intel Edison, Ras berry PI и аналогичных. Подходят ли эти компьютеры для работы с реальными транспортными системами? В [36], Mase , Pavel, и соавторыописывают предлагаемую платформу для моделирования движения, которая может работать на оборудовании с низким энергопотреблением. Исследование было максимально приближено к реальным условиям дорожного движения. Они создали сценарии, которые повторяют структуру городских перекрестков в городе Брно. Для оценки производительности они разработали унифицированную тестовую среду на языке программирования Java, в которой были реализованы рассмотренные сценарии. Таким образом, было установлено, что для интеграции в Интернет вещей для управления транспортными потоками в городах можно использовать компактные и маломощные устройства. Например, Ras berry Pi 2 (модель B).
Основные стандарты беспроводной связи, используемые для связи элементов IoT, были рассмотрены в работе [37] Keerti umar М.и соавторов. Обнаружено, что в интеллектуальной транспортной системе если автомобиль движется со скоростью выше 20 км / ч.,не правильно использовать для связи GPRS, поскольку пропускная способность GPRS / GSM находится в диапазоне от 64 до 128 килобайт в секунду. Таким образом, для эффективного управления транспортом связь должна основываться на современных стандартах и оптимизированных протоколах передачи данных в соответствии со стандартами IoT. Также в статье Kamins i, Nicholas J. и соавторов [36] моделируется работа системы управления движением на основе Интернета вещей. Используя метод агентного моделирования (ABM), была смоделирована система управления трафиком на основе IoT. Целью исследования является изучение взаимодействий, которые лежат в основе работы сетевого IoT сервиса. Была разработана модель, состоящая из нескольких перекрестков, датчиков и светофоров. Финальная версия модели состояла из 20 датчиков, 4 перекрестков и 4 светофоров. Один из результатов исследования показал, что точность информации, которая передается субъекту для принятия решения, не очень важна,так как она не оказывает большого влияния на производительность системы управления движением. Таким образом, во время моделирования была подтверждена важность выбора правильных протоколов и технологий, используемых для передачи данных в IoT. Это необходимо для организации эффективного управления транспортными потоками.
В работе Misbahutddin и соавторов с помощью микрокомпьютера Ras berry Pi [8] была создана модель светофора, работающая по определенному алгоритму. Светофор может работать как в автоматическом режиме, так и в режиме ручного управления сотрудником полиции. Ras berry Pi контролирует свет на перекрестке, чтобы центр управления мог принять и осуществить быстрое управляющее воздействие. Такур, Танви Тушар и др. представили [29] алгоритм управления транспортными потоками на перекрестках в парадигме Интернета вещей. Информация собирается с транспортных детекторов и передается в микроконтроллер для расчета цикла работы светофорного объекта. В исследовании [9] предлагается настроить адаптивное управление светофорным циклом на конкретном участке дорожной сети. Собранная информация о трафике обрабатывается с помощью микрокомпьютера Intel Edison. Кроме того, по беспроводным каналам (например, WI-FI) данные передаются в облачную службу Microsoft Azure IoT. Используя алгоритм, разработанный авторами, в настоящее время рассчитываются оптимальные циклы работы светофора. Затем информация о вычисленных циклы работы свето-форапередается обратно в микрокомпьютер и вносится в режим работы светофора.
Интернет вещей и облачные вычисления. Как и в исследовании [9],исследователи предлагают различные комбинации IoT и облачных вычислений для увеличения преимуществ в управлении движением, например, исследователи He Wu, Gongjun Yan и Li Da Xu [24], для решения транспортных проблем, предлагают новуюмногоуровневую облачную платформу для передачи данных. В работе предлагается использовать IoT в качестве стимулирующей инфраструктуры для разработки облачной платформы и получения данных от транспортных средств, где будет храниться информация, связанная с движением, такая как контроль и управление трафиком, отслеживание и мониторинг местоположения автомобиля, дорожные условия, гарантия на автомобиль, и информация об обслуживании. Предлагаемая многоуровневая облачная платформа позволяет интегрировать различные датчики, исполнительные механизмы, контроллеры, GPS-устройства, мобильные телефоны и другое оборудование для доступа в Интернет, а также использовать сетевые технологии (беспроводнаясеть, сотовая сеть, спутниковая сеть
и т. д.), облачные вычисления, IoT. Эта платформа поддерживает коммуникационные механизмы V2V и V2I и может собирать и обмениваться данными с водителями, транспортными средствами и придорожной инфраструктурой, такой как камеры и уличные фонари. Кроме того, традиционная модель управления трафиком имеет несколько существенных недостатков, которые можно устранить, используя подход, предложенный в работе Wu He и соавторов [18]. В этом исследовании предлагается новая архитектурапрограммного обеспечения для облачных вычислений в среде IoT, в применении к управлению движением. Предлагаемая архитектура обладает способностью интегрировать многочисленные устройства, доступные в транспортных средствах, и устройства дорожной инфраструктуры. Однако исследования по интеграции IoT с облачными данными транспортной инфраструктуры находятся в начальной стадии, и существующих работ по этой теме крайне недостаточно.
Новые энергоэффективные коммуникационные технологии используются для создания облачной архитектуры. Ruhaizan Fazrren и др.,также, предлагают систему [34] для мониторинга заторов на перекрестках. Мониторинг будет осуществляться с использованием датчиков на каждой полосе, которые подключены к облачному серверу, с использованием глобальной коммуникационной технологии LoRaWAN. В качестве датчика используется модуль магнитометра GY-271. Разработчики представили четырехуровневую системную архитектуру.
Эффективные облачные вычисления требуют качественных данных. В настоящее время исследователи предлагают различные способы сбора данных о трафике с использованием Интернета вещей. Например, одной из наиболее используемых технологий получения информации о транспортных средствах является RFID.
Способы сбора информации о движении транспорта с помощью IoT.
Технология RFID, как основной инструмент, используется в работе Choosri N. и соавторами. Авторы разработали прототип^Т приложения для управления движением [25]. Основной технологией, используемой в системе, является пассивная технология RFID UHF для сбора информации об автомобилях. Авторы предлагают этот подход вместо существующего в Таиланде ручного и полуавтоматического управления сигналами светофора. Предлагаемое авторами решение направлено на модернизацию технологий RFID и IoT, для их адаптации к текущим стандартам управления движением, вместо полного изменения работы существующей системы. В ходе работы, исследователями, был разработан прототип системы для проверки концепции. Yu, Minghe и соавторы так же предложили идентификацию транспортных средств с использованием RFID [27]. В работе были рассмотрены практические аспекты использования технологии RFID в управлении движением. Авторы описали протокол предотвращения столкновений, алгоритмы очистки данных и дополнения отсутствующих данных. Было проведено сравнение с существующими подходами, такими как: метод отслеживания маршрута транспортного средства на светофоре, метод распознавания изображения с камеры. Авторы утверждают, что предлагаемый подход лишен недостатков, которые присущи суще-ствующимсистемам управления движением.
В работе Al-Sa han [20] предложена архитектура, которая использует технологии: Интернет вещей, RFID, беспроводную сенсорную сеть (WSN), GPS, облачные вычисления, интеллектуальные агенты и другие передовые технологии для сбора, хранения, управления и контроля информации о дорожном движении. Предложенная автором система может обеспечить новый способ мониторинга потоков транспорта, который помогает улучшить условия движения и использование ресурсов дорожной сети. Однако, в настоящее время, популярны инструменты
другого рода, например в работе[15] рассказывается о системе, состоящей из видеокамер установленных на транспортных развязках в каждом из направлений движения. Над светофорами, обращенными к дороге, будут установлены четыре видеокамеры. Камеры будут захватывать видео и транслировать его на серверы, где с использованием методов обработки видео и изображений рассчитывается плотность транспортных средств на каждой стороне дороги и применяется алгоритм для соответствующего переключения режима работы светофора.
Для повышения качества управления движением исследователи предлагают различные концепции систем управления движением трафика на основе IoT. Например, V2IoT, AoT, IoT-агенты, SIoA и тому подобное. Предлагаемые системы имеют различные особенности, рассмотрим их далее.
Вариации IoT систем. В работе [32], ввиду отсутствия у существующих систем достаточного интеллекта из-за аппаратных и программных ограничений. Авторы предложили концепцию «Агенты вещей» (AoT). Суть этой концепции в том, что каждая вещь должна быть интеллектуальной. Вещи, должны взаимодействовать напрямую друг с другом или через другие системы. Предлагается что архитектура AoT, будет состоять из шести уровней. Агенты на различных уровнях взаимодействуют друг с другом через программных агентов. В отличие от IoT, основным принципом AoT является интеллект. В статье [35] авторы работают в этом же направлении. Исследователи предлагают разработать распределенную интеллектуальную систему на основе Интернета вещей с самооптимизацией для управления дорожным движением и мониторинга параметров воздействия на окружающую среду. Эта система будет сложной системой, обеспечивающей оптимизацию параметров времени работы светофора для перекрестка в зависимости от количества транспортных средств, проходящих через него. Основная цель - минимизировать задержки автомобилей на перекрестках. Авторы утверждают, что система будет адаптируемой, легко расширяемой и надежной.
Anass, Rghioui и соавторы попытались применить теорию трехфазного трафика Кернера для реализации синхронизированной системы. Авторы предложили создать интеллектуальную транспортную систему, которая будет обеспечивать автоматическое управление светофорами [41]. Связь в системе основана на концепции Интернета вещей для различных контроллеров светофоров, что позволяет им «сотрудничать». Исследователи предлагают новую концепцию «V2IoT» -улучшенную интеллектуальную транспортную систему, предоставляющую возможность использовать преимущества интеллектуальной гибкости. Решение состоит в том, чтобы использовать беспроводную сеть сенсоров, связанных между собой, для расчета плотности движения и передавать эти данные на базовую станцию, расположенную в контроллере светофоров. Основная идея - это связь между контроллерами для обмена информацией друг с другом, которые могут применить управляющее воздействие на транспортный поток, прежде чем дорога будет перегружена. При использовании предложенного подхода среднее время в пути в часы пик уменьшается на 10%, общее время ожидания в часы пик уменьшается на 30 %, среднее время ожидания в часы пик уменьшается на 5 %.
Bui, Khac-Hoai Nam и Jason J. Jung предлагают подход, который объединяет транспортные средства, проезжающие через перекресток, без светофорного регулирования [43]. Новая структура коммуникации транспортных средств, в которой они могут общаться и сотрудничать, чтобы улучшить трафик без какого-либо контроля с использованием беспроводных каналов. Авторы вводят термин «Интернет-агенты». где каждое транспортное средство считается агентом связанным с другими агентами. Например, чтобы получить информацию с сенсоров и передать ее агентамна перекрестке, был проведен эксперимент, на котором было смоделиро-
вано пересечение 4-х дорог, с двумя фазами работы светофора. Авторы заявляют, что предлагаемый подход может работать с различными типамиперекрестковв виду адаптируемости и гибкости распределенной системы.
Установка оптимального адаптивногорежим работы светофора является одной из основных проблем в управлении трафиком. В статье Bui и Khac-Hoai Nam [26] предлагается новый подход, основанный на Интернете вещей и оптимизации с использованием теории игр. Рассматривается парадигма IoV (Internet of Vehicles), в которой каждый автомобиль рассматривается как интеллектуальный объект. В статье предлагаются, алгоритмы для интеллектуального управления светофорами, для улучшениядвижения в режиме реального времени, применяя теорию игр. В ходе исследования, авторами, были предложены две игровые модели для двух сценариев движения. Работа агентов на дорожной сети была смоделирована в Netlogo simulator. Предложенный подход сравнивался с двумя существующими, и было обнаружено, что предложенный в статье метод сокращает время ожидания на перекрестках в среднем на 20 %.
В работе [16] исследователи представляют основанную на V2I систему управления трафиком, в которой предлагается решение проблемы управления потоком транспорта в «узких местах» в черте города. Система способствует предотвращению аварий, заранее предупреждая водителя о возможных ДТП. Система включает интеллектуальный контроллер, который использует эталонное безопасное расстояние при движении транспортных средств и оптимальную скорость в качестве нечетких входов. В результате работы системы, водителю отправляется информация о том, как движется транспортное средство.
Исследователи предлагают различные способы оптимизации управления дорожным движением на основе IoT. Конечно, основной способ оптимизировать это - оптимизировать время сигналов светофорной сигнализации, чтобы обеспечить прохождение транспортного потока без задержки. Различные системы, например, «Зеленая волна», реализованы с использованием IoT.
IoT в светофорах. Phan, Cao Tho, и соавторы в своей работе [30] представили подход к организации зеленой волны на участке дорожной сети с несколькими перекрестками с использованием технологий IoT для мониторинга состояния транспортного потока и управления режимом работы светофора. В ходе работы было разработано приложение для управления движением на перекрестках. Приложение может работать в автоматическом и ручном режимах и использует ПЛК S7-1200 на каждом перекрестке для управления системой светофоров. ПЛК передает параметры на хост-компьютер и получает параметры с хост-компьютера в операционном центре по протоколу TCP/IP. Приложение также может работать в режиме симуляции для проверки настроек. До настоящего времени система была проверена на одной магистральной дороге. В ходе дальнейшего исследования авторы предложат метод применения системы для сети магистральных дорог.
Концепция интеллектуальных светофоров в парадигме IoT сейчас активно распространяется. Например, в работе [28] рассматривается процесс внедрения STL (Smart Traffic Light), как элемента дорожной инфраструктуры, и Когнитивной системы управления дорожным движением (CTMS), как основы для STL. Умный светофор способен изменять время фаз в зависимости от объема транспортных потоков. Метод управления STL использует максимальную булеву производную на полосах движения. Переключение STL задерживается, если все стороны пересечения заполнены для минимизации конфликтов на всех полосах длядвижения. В то же время Tielert, Tessa, и соавторы предложили концепцию взаимодействия транспортных средств со светофором [40] для оптимизации времени движения транспорта и экономии топлива на основе IoT. В ходе исследования было выполнено моделирование движения автомобиля через перекрестки с адаптированной скоро-
стью с применением IoT. Моделирование показало, что для одного транспортного средства и одного светофора связь между светофорами и транспортными средствами (TLVC) снижает потребление топлива до 22 %, а выбросы CO, NOx и твердых частиц - до 80 %, 35 % и 18 % соответственно. В то же время для нескольких транспортных средств и перекрестков на участке дорогипротяженностью 3 км, экономия топлива составляет 8 %.
Авторы в статье [42] использовали машинное обучение для получения более высоких результатов. Они представили интеллектуальную систему управления сигналами светофора, которая учитывает движение пешеходов для оптимизации как автомобильного, так и пешеходного движения. Распределенное мультиагент-ное обучение Q расширяет возможности системы. Агент может совместно рассчитать оптимальные управляющие воздействия, основываясь на информации о движении не только на изолированном перекрестке, но и на соседних перекрестках тоже. В результате моделирования было выявлено, что предложенное исследователями решение превосходит существующие, как точки зрения длины затора на 60 %, так и с точки зрения времени ожидания на перекрестках на 50 %, предлагаемое решение работает эффективнее.
Новые применения IoT технологий в дорожной инфраструктуре появляются постоянно. Различные датчики, светофоры, освещение, дорожные знаки и даже дорожные ограждения и парковки.
IoT в дорожной инфраструктуре. В исследовании [33] Jabbar our и соавторы представили концепцию интеллектуальных дорожных ограждений как часть парадигмы IoT. Авторы предполагают, что часто, когда на одной части дороги есть пробка, другая часть свободна. Интеллектуальное ограждение поможет решить эту проблему. Специальное оборудование оценивает загруженности полос и если скорость потока составляет менее 8 м/с, то интеллектуальное ограждение открывает дополнительную полосу для движения по свободной части дороги.
В то же время Ванг в [17] разработал новую систему Smart Par ing (SP) для оптимизации процесса управления парковкой. Автор предложил динамическую схему ценообразования для удовлетворения различных спроса водителей и предложения поставщиков услуг, которая основана на информации о парковочных местах в режиме реального времени. Предполагается что, система увеличит доход для поставщиков услуг, и обеспечит дифференциацию услуг для пользователей с различными потребностями и уменьшит перегрузку дорог. Так же, в работе [19] предложена система, предоставляющая в режиме реального времени, информацию о наличии пар-ковочных мест в зоне парковки. Пользователи из удаленно могут забронировать для них парковочное место с помощью мобильного приложения. Работа направлена на улучшение условий для парковки в городе и качества жизни его жителей.
Исследователи также разрабатывают концепции, в которых элементы IoT дорожной инфраструктуры помогают людям в жизненно важных ситуациях. Например, было предложено внедрить систему управления транспортными средствами скорой помощи, чтобы обеспечить движение до места назначения без заторов и в минимальные сроки.
IoT и люди. Chowdhury Abdullahi [31] рассмотрел возможность обеспечения беспрепятственного движения экстренныхслужб на дорогах с применением системы безопасного дорожного движения. Для эффективной работы системы предлагается, определить тип ДТП, загруженность транспортной сети, определить оптимальный маршрут и приоритет для экстренных служб. Когда автомобиль скорой помощи приближается к перекрестку, система рассчитывает параметры на основе полученных данных и предоставляет приоритет для движения. Система была смоделирована в программе SUMO. Результаты показали, что время в пути транспортных средств скорой помощи, использующих предлагаемую систему, составля-
ет 12,7 минут против 19,4 состандартным регулированием и 17,5 с зеленой волной. Также и исследователи Ven atesh H. с соавторами предлагают использовать IoT в управлении движением, чтобы отдавать приоритет машинам скорой помощи при проезде через перекрестки [39]. Предполагается, что водитель скорой помощи отправляет запрос на светофор, используя свое местоположение GPS с сервера, по технологии GSM. Когда запрос был отправлен на контролер, он автоматически отправляет подтверждение, и сигнал светофора переключается на зеленый. Устройство в машине скорой помощи состоит из: процессора ARM, модуля GPS и модуля GSM для передачи данных в систему управления светофорами. Предлагаемая система может служить отличным средством, для оптимального движения машин экстренных служб к местам назначения.
Заключение и дальнейшая работа. В ходе исследования была подтверждена гипотеза о том, что Интернет вещей в настоящее время это быстро развивающаяся технология, создающая универсальный стандарт в проводной и беспроводной связи. IoT позволяет людям и объектам общаться в любое время, в любом месте, с чем угодно и кем угодно, в идеальном случае с использованием любых средств связи и любых услуг. Интернет вещей произвел технологическую революцию в будущем компьютеров и коммуникаций. IoT создает связь между физическим миром и информационным миром, предоставляя огромные возможности в управлении движением транспорта, городской инфраструктурой, умными городами, промышленными объектами, мониторингом окружающей среды. IoT в управлении движением заменяет существующие подходы, связанные со жестким и адаптивным управлением движением, и активно внедряется в интеллектуальные транспортные системы.
Исследование показало, что внедрение технологий IoT в транспортную инфраструктуру позволит значительно сократить время ожидания автомобилей в заторах на перекрестках [9, 26, 42], общее время в пути [26, 41, 43], сэкономить топливо [28, 30, 40], уменьшить вредные выбросы в атмосферу [40], сократить время движения транспортных средств скорой помощи к месту назначения [31, 39], решить проблему парковки [17, 19, 24] и оказывает много других положительных эффектов, значительно улучшая дорожную ситуацию в городах.
Однако существует большая проблема в разработке сложных систем такого рода. Проблема заключается в тестировании таких систем, внедрении, поиске материальных ресурсов и необходимого оборудования, которое соответствует необходимым стандартам качества и надежности. Хотя многие результаты исследований уже получены, существующая дорожная инфраструктура еще не готова, а разработанные подходы не позволяют полностью использовать потенциал этой технологии.
Однако, многие из указанных проблем могут быть решены путем применения подхода распределенных систем управления, организованных в рамках парадигмы IoT, но с реализацией, основанной на существующей дорожной инфраструктуре (контроллеры PLC, линии связи). В предложенном авторами подходе дорожная инфраструктура будет организована таким образом, чтобы каждый элемент инфраструктуры был интеллектуальным агентом. Интеллектуальным агентом может быть автономно работающий светофор, дорожный знак, дорожное ограждение, элемент разметки и так далее. Все агенты коммуницируют друг с другом, чтобы организовать оптимальный процесс управления дорожным движением. Предлагаемый подход позволит:
♦ распределить вычислительную нагрузку, чтобы найти оптимальную организацию движения между несколькими агентами;
♦ повысить гибкость и масштабируемость системы управления трафиком за счет децентрализации;
♦ повысить качество управления движением, найдя лучшие варианты при переговорах с агентами.
REFERENCES
1. Mirshahi M., Obenberger J., Fuhs C. Active traffic management: the next step in congestion management, 2007.
2. Wallace C. E. et al. TRANSYT-7F user's manual, 1984, No.UF-TRC-U32 FP-06/07.
3. Hunt, P. B., et al. SCOOT-a traffic responsive method of coordinating signals. No. LR 1014 Monograph. 1981.
4. Gartner N.H., Tarnoff P.J., Andrews C.M. Evaluation of optimized policies for adaptive control strategy, Transportation Research Record, 1991, No. 1324.
5. Sims, A.G., andDobinson, K. W. The Sydney coordinated adaptive traffic (SCAT) system philosophy and benefits, IEEE Transactions on vehicular technology, 1980, Vol. 29.2, pp 130-137.
6. Mauro, Vito, and C. Di Taranto. Utopia, IFACProceedings, 1990, Vol. 23.2, pp. 245-252.
7. Zhao, Yi, and Zong Tian. An overview of the usage of adaptive signal control system in the United States of America, Applied Mechanics and Materials, Vol. 178. Trans Tech Publications, 2012.
8. Misbahuddin Syed, et al. IoT based dynamic road traffic management for smart cities, 2015 12th International Conference on High-capacity Optical Networks and Enabling/Emerging Technologies (HONET). IEEE, 2015.
9. Chong Hon Fong, and Danny Wee Kiat Ng. Development of IoT device for traffic management system, 2016 IEEE Student Conference on Research and Development (SCOReD). IEEE, 2016.
10. Slavin Courtney et al. Statistical study of the impact of adaptive traffic signal control on traffic and transit performance,Transportation Research Record, 2013, Vol. 2356.1, pp. 117-126.
11. Ozbay, Kaan et al. Evaluation of adaptive control strategies for NJ highways. No. FHWA-NJ-2006-001. 2006.
12. Pavleski, Daniel, Daniela Koltovska-Nechoska, and Edouard Ivanjko. Evaluation of adaptive traffic control system UTOPIA using microscopic simulation, 2017 International Symposium ELMAR. IEEE, 2017.
13. Kanungo, Anurag, Ayush Sharma, and Chetan Singla. Smart traffic lights switching and traffic density calculation using video processing, 2014 Recent Advances in Engineering and Computational Sciences (RAECS). IEEE, 2014.
14. Milanes Vicente, et al. An intelligent V2I-based traffic management system, IEEE Transactions on Intelligent Transportation Systemsm 2012, Vol. 13.1, pp. 49-58.
15. Wang Hongwei. A reservation-based smart parking system, 2011.
16. He Wu, Gongjun Yan, and Li Da Xu. Developing vehicular data cloud services in the IoT environment, IEEE Transactions on Industrial Informatics, 2014, Vol. 10.2, pp. 1587-1595.
17. Khanna Abhirup, and Rishi Anand. IoT based smart parking system, 2016 International Conference on Internet of Things and Applications (IOTA). IEEE, 2016.
18. Al-Sakran, Hasan Omar. Intelligent traffic information system based on integration of Internet of Things and Agent technology, International Journal of Advanced Computer Science and Applications (IJACSA), 2015, Vol. 6.2, pp. 37-43.
19. Roess R. P., Prassas E. S., McShane W. R. Traffic engineering. Pearson/Prentice Hall, 2004.
20. De Souza, Allan M., et al. Traffic management systems: A classification, review, challenges, and future perspectives, International Journal of Distributed Sensor Networks, 2017, Vol. 13.4, 1550147716683612.
21. Rizwan Patan, K. Suresh, and M. Rajasekhara Babu. Real-time smart traffic management system for smart cities by using Internet of Things and big data, 2016 international conference on emerging technological trends (ICETT). IEEE, 2016.
22. He Wu, Gongjun Yan, and Li Da Xu. Developing vehicular data cloud services in the IoT environment, IEEE Transactions on Industrial Informatics, 2014, Vol. 10.2, pp. 1587-1595.
23. Bui, Khac Hoai Nam, Jai E. Jung, and David Camacho. Game theoretic approach on Real - time decision making for IoT - based traffic light control, Concurrency and Computation: Practice and Experience, 2017, Vol. 29.11, e4077.
24. Yu Minghe, et al. An RFID electronic tag based automatic vehicle identification system for traffic IOT applications, 2011 Chinese Control and Decision Conference (CCDC). IEEE, 2011.
25. Miz Volodymyr, and Vladimir Hahanov. Smart traffic light in terms of the cognitive road traffic management system (CTMS) based on the Internet of Things, Proceedings of IEEE East-West Design & Test Symposium (EWDTS 2014). IEEE, 2014.
26. Thakur Tanvi Tushar, et al. Real time traffic management using Internet of Things, 2016 International Conference on Communication and Signal Processing (ICCSP). IEEE, 2016.
27. Phan Cao Tho, et al. Applying the IoT platform and green wave theory to control intelligent traffic lights system for urban areas in Vietnam, TIIS, 2019, Vol. 13.1, pp. 34-51.
28. Chowdhury Abdullahi. Priority based and secured traffic management system for emergency vehicle using IoT, 2016 International Conference on Engineering & MIS (ICEMIS). IEEE, 2016.
29. Mzahm Anas M., Mohd Sharifuddin Ahmad, and Alicia YC Tang. Agents of Things (AoT): An intelligent operational concept of the Internet of Things (IoT), 2013 13th International Conference on Intellient Systems Design and Applications. IEEE, 2013.
30. Jabbarpour Mohammad Reza, Armin Nabaei, and Houman Zarrabi. Intelligent guardrails: an IoT application for vehicle traffic congestion reduction in smart city, 2016 IEEE International Conference on Internet of Things (iThings) and IEEE Green Computing and Communications (GreenCom) and IEEE Cyber, Physical and Social Computing (CPSCom) and IEEE Smart Data (SmartData). IEEE, 2016.
31. Nor, Ruhaizan Fazrren Ashraff Mohd, Fadhlan HK Zaman, and Shamry Mubdi. Smart traffic light for congestion monitoring using LoRaWAN, 2017 IEEE 8th Control and System Graduate Research Colloquium (ICSGRC). IEEE, 2017.
32. Turcu Cristina Elena, Vasile Gheorghija Gaitan, and Corneliu Octavian Turcu. An internet of things-based distributed intelligent system with self-optimization for controlling traffic-light intersections, 2012 International Conference on Applied and Theoretical Electricity (ICATE). IEEE, 2012.
33. Masek Pavel, et al. A harmonized perspective on transportation management in smart cities: The novel IoT-driven environment for road traffic modeling, Sensors, 2016, Vol. 16.11, 1872.
34. Keertikumar M., M. Shubham, and R.M. Banakar. Evolution of IoT in smart vehicles: An overview, 2015 International Conference on Green Computing and Internet of Things (ICGCIoT). IEEE, 2015.
35. Kaminski Nicholas J., Maria Murphy, and Nicola Marchetti. Agent-based modeling of an IoT network, 2016 IEEE international symposium on systems engineering (ISSE). IEEE, 2016.
36. Venkatesh H., Shrivatsa D. Perur, and M. C. Jagadish. An approach to make way for intelligent ambulance using IoT, International Journal of Electrical and Electronics Research, 2015, Vol. 3.1.
37. Tielert Tessa, et al. The impact of traffic-light-to-vehicle communication on fuel consumption and emissions, 2010 Internet of Things (IOT). IEEE, 2010.
38. Anass Rghioui, Hernafi Yassine, and Bouhorma Mohammed. IoT for ITS: a dynamic traffic lights control based on the Kerner three phase traffic theory, International Journal of Computer Applications, 2016, Vol. 145.1, pp. 0975-8887.
39. Liu Ying, Lei Liu, and Wei-Peng Chen. Intelligent traffic light control using distributed multiagent Q learning, 2017 IEEE 20th International Conference on Intelligent Transportation Systems (ITSC). IEEE, 2017.
40. Bui Khac-Hoai Nam, and Jason J. Jung. Internet of agents framework for connected vehicles: A case study on distributed traffic control system, Journal of Parallel and Distributed Computing, 2018, Vol. 116, pp. 89-95.
Статью рекомендовал к опубликованию д.т.н., профессор В.В. Курейчик.
Елькин Дмитрий Максимович - Южный федеральный университет; e-mail: delkin@sfedu.ru; 347928, г. Таганрог, ул. Чехова, 2; тел.: 88364360839; кафедра синергетики и процессов управления; аспирант.
Вяткин Валерий Владимирович - e-mail: vvyatkin@sfedu.ru; Институт компьютерных технологий и информационной безопасности; профессор.
Elkin Dmitriy Maximovich - Southern Federal University; e-mail: delkin@sfedu.ru; 2, Chekhov street, Taganrog, 347922, Russia; phone: +78364360839; the department of synergetics and management processes; postgraduate student.
Vyatkin Valeriy Vladimirovich - e-mail: vvyatkin@sfedu.ru; Institute of computer technologies and information security; professor.
