CC BY
41
УДК 656.13.08
АН. КЛИМОВИЧ, АС. РЫЩУК, ВН. ШУТЬ
Брестский государственный технический университет
СОВРЕМЕННЫЕ ПОДХОДЫ И АЛГОРИТМЫ УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ
ПОТОКАМИ
В данной работе рассматриваются последние исследования в области управления автомобильным транспортом в городе, в том числе с использованием интеллектуальных транспортных систем. Приведенные в статье подходы и алгоритмы направлены на повышение эффективности использования дорожной сети. Также предлагается новый многоагентный подход управления на основе группирования автомобилей в пачки.
Ключевые слова: многоагентные системы, транспорт, управление движением.
A.N. KLIMOVICH, A.S. RYSCHUK, V.N. SHUTS
Brest State Technical University
MODERN APPROACHES AND ALGORITHMS TO CONTROL TRAFFIC FLOWS
This paper discusses recent research in the field of road traffic control in the city, including the use of intelligent transport systems. Given in the article approaches and algorithms aimed at more efficient use of the road network. Also, we propose a new approach of multiagent-based control with grouping of cars in the packs.
Keywords: multiagent systems, transport, traffic control.
Постановка проблемы
С момента появления автомобильного транспорта его количество и интенсивность использования постоянно возрастает. Принципы классического светофорного регулирования, которые оставались неизменными на протяжении десятков лет себя исчерпали, что обусловило необходимость появления новых методов и принципов дорожного управления. Частым явлением стали дорожные заторы, которые влекут за собой потери времени и финансовые расходы. Города, округа и государственные транспортные агентства активно ищут пути сокращения дорожных заторов и минимизации издержек.
В современной литературе выделяется три поколения систем управления светофорного регулирования:
- системы первого поколения имели предопределенные временные планы;
- системы второго поколения имели возможность пересчитывать временные планы каждые пять минут, основываясь на данных наблюдений за интенсивностью транспортных потоков;
- системы управления третьего поколения могут постоянно изменять временные периоды в зависимости от интенсивности транспортного потока [1].
Однако в последнее время большое внимание уделяется интеллектуальным транспортным системам. Автомобили оснащаются устройствами, обладающими все большей функциональностью, которые способны брать на себя часть задач, которые до этого выполнял водитель. Так же такие устройства могут обмениваться информацией друг с другом, что приводит к возникновению таких типов взаимодействия как автомобиль -инфраструктура (V2I), автомобиль - автомобиль (V2V) и автомобиль - пешеход (V2P) [2]. Возможность осуществлять такое взаимодействие позволяет создавать более совершенные системы управления транспортными потоками, обеспечивающими как большую пропускную способность дорог и перекрестков, так и большую безопасность движения.
Анализ последних исследований и публикаций
В одной из перспективных разработок Вашингтонского Университета используется безсветофорный подход к регулированию перекрестка, функционирующий за счет встроенных в автомобили информационных систем, которые взаимодействуют с некоторым центральным управляющим узлом (рис.1), определяющим время доступа машины к перекрестку [3]. Взаимодействие с управляющим узлом предполагается осуществлять с помощью беспроводных сетей. Работа над протоколами для подобного взаимодействия уже ведется, как и проектирование самих информационных устройств, встраиваемых в автомобили [4, 5].
Control range
V. «fi
stop lines Controller -— вйп шгжги
\ __ 1 £—
пттп agi ,'Ч| 2
4P —- ! з
4P
Every vehicle communicates with Controller when in the control range
Г
Рис. 1. Схема работы перекрестка, регулируемого по беспроводной связи.
Алгоритм управления разбивает автомобили на группы, так чтобы в одной группе были автомобили не конфликтующие во время пересечения перекрестка. Для этих групп оценивается время, когда они будут на перекрестке, и в это время машины из других групп должны будут ждать. Для эффективного поиска разбиения автомобилей по группам и последовательности, в которой эти группы проезжают перекресток используется метод ветвей и границ.
Следует отметить, что развиваются не только алгоритмы, но и технические средства, протоколы взаимодействия и вся инфраструктура в целом [6]. В Соединенных Штатах и Европе уже имеется выделенный диапазон частот, предназначенный для использования интеллектуальными транспортными системами.
Наряду с такими технологиями беспроводной передачи данных как Wi-Fi и Bluetouth ведется работа над новым протоколом DSRC, который бы удовлетворял требованиям необходимым при использовании в транспортных системах: работа при больших скоростях (вплоть до 200 км/ч), независимость эффективности работы от погодных условий, маленькая задержка передачи данных (порядка 2 мс). В работе ученых из университета Флориды предлагается использовать именно протокол DSRC для взаимодействия между автомобилями и системой управления перекрестком (рис. 2).
i ' Communication / Range j I s
и M 1 h ^m ^m —
11 \ 4 \ / /
Рис. 2. Модель перекрестка, где для обмена данными используется протокол ])М<( .
Контроллер, установленный на перекрестке занимается расчетом оптимальных временных планов светофора, а так же поиском траекторий автомобилей. Оптимальность заключается в поиске траекторий с минимальным средним временем задержки в пути. Траектории автомобилей формируются таким образом, чтобы наиболее эффективно использовать разрешающее время светофора. Для построения нужного маршрута
достаточно выделить четыре стадии, две из которых будут иметь постоянное ускорение, а две другие -постоянную скорость (рис. 3).
51:ор Ваг
Saturation Time I Ieadway
Actual Vehiclc Trajectory Hypothetical Maximum Speed Trajectory'
Time
Рис. 3. Траектории автомобилей для оптимального использования разрешающего времени светофора.
Кроме систем, управляющих движением на отдельном перекрестке, ведется работа над более глобальными системами, координирующими работу нескольких перекрестков и позволяющими управлять движением в целом городе. Обычно такие системы являются многоагентными и распределенными.
Один из вариантов многоагентной архитектуры был предложен Дж. Л. Адлером и включал агентов трех типов (рис. 4):
-агенты управления трафиком;
- агенты, предоставляющие информационный сервис;
- агенты, взаимодействующие с водителем [7].
Network Manager
ТМС Agent
Network Surveillance Traffic Control
Network Data
7\
Road Network
Use
1Z
1ЭР
ISP Agent
Traffic Estimation
Ф=!
ISP Agent
Traffic Advisories +
Route Guidance
Trip Plan Negotiation
IZ.
IRANS Agent
Travel Needs
Vehicle Location
Preferred Routes
Driver
Рис. 4. Архитектура многоагентной системы управления дорожным движением.
Агент управления трафиком передает данные о состоянии дорожной сети информационным сервисам. Этот агент имеет данные о размере очередей на перекрестках и оценивает время, которое понадобится для проезда перекрестка. Агенты, предоставляющие информационный сервис, являются посредниками между водителями и менеджером сети и обеспечивают выбор маршрута, устраивающего обе стороны. Агент, взаимодействующий с водителем, занимается построением маршрутов, используя алгоритмы машинного обучения для учета предпочтения водителей. Подобрав несколько маршрутов, являющихся равнозначно предпочтительными, агент обращается к информационному сервису, который выберет наиболее подходящий путь с точки зрения менеджера сети.
Формулирование цели исследования
При создании наших алгоритмов управления транспортными потоками мы используем концепцию группирования автомобилей, движущихся по схожим маршрутам, в пачки [8]. Такой подход дает множество преимуществ, таких как уменьшение вычислительной сложности поиска оптимальных планов светофора за счет того, что система обрабатывает сразу группы автомобилей, уменьшение времени преодоления перекрестка и возможность гибкого управления дорожной обстановкой исходя из размеров пачек и их ценностей. Данную концепцию можно использовать как при регулировании движения на отдельном перекрестке, так и при планировании полного маршрута движения автомобиля.
Изложение основного материала исследования
Предлагаемая многоагентная система решает задачу управления дорожными потоками города. Перед началом поездки водитель сообщает системе пункт своего назначения, а система выдает водителю оптимальный маршрут, а так же определяет наиболее благоприятное время для начала поездки, учитывая все поступающие запросы. Система включает агентов трех типов:
-агенты-автомобили;
- агенты управляющие движением на перекрестках; -агенты планирования маршрутов.
Последние занимаются высокоуровневым планированием, определяя, когда и по каким участкам дороги должен двигаться автомобиль. Имея информацию об остальных автомобилях, находящихся на некотором участке дороги в одно время и движущихся по схожим маршрутам, данный агент выполняет группировку автомобилей в пачки. При построении маршрутов учитывается загруженность отдельных частей дорожной сети, что позволяет уменьшить риск возникновения дорожных заторов. Если в выбранное время велика вероятность возникновения затора, агент может предложить отсрочить поездку на некоторое время.
Второй тип агентов занимается ситуационным управлением движения на отдельных перекрестках. Он получает от агентов-автомобилей информацию о маршруте их движения и в зависимости от количества и ценности машин, движущихся в некотором направлении, принимает решение о разрешении движения в этом направлении. В результате агент выбирает подмножество направлений с максимальной взвешенной суммой голосов, где вес может зависеть от расстояния автомобиля до перекрестка, времени ожидания, принадлежности автомобиля к одной из экстренных служб и т.д. Выбранное подмножество открытых направлений для движения не должно содержать конфликтных направлений, обеспечивая безопасность проезда перекрестка. Агент, управляющий перекрестком, постоянно взаимодействует с агентами-автомобилями, сообщая им, в какой последовательности они будут проезжать перекресток. Благодаря этому автомобили могут выполнять перегруппировку и подъезжать к перекрестку в правильном порядке. При определении длительностей времен открытия того или иного направления агент, управляющий перекрестком, учитывает разбиение на пачки, выполненное агентом планирования маршрутов, обеспечивая беспрепятственный проезд для каждой пачки.
Описанный подход позволяет практически исключить возможность возникновения заторов. Для каждого перекрестка путем имитационного моделирования может быть определено предельное значение загрузки, которое должно использоваться агентом планирования маршрутов при прокладывании пути через этот перекресток. При отсутствии заторов, работа системы в целом становится более детерминированной, что позволяет точнее рассчитывать, в каких пачках будет двигаться автомобиль. Так же при ограниченной загрузке ребер дорожной сети повышается возможность перегруппировки пачек автомобилей для преодоления перекрестка в нужном порядке, что повышает пропускную способность перекрестков, а значит и эффективность всей дорожной сети.
Выводы
При современных темпах развития транспорта и автомобилизации городов, можно сделать вывод, что классические методы и подходы к управлению движением теряют свою былую эффективность, что вынуждает исследователей искать новые, эффективные способы дорожного управления, которые опираются на современные достижения в области электроники и алгоритмизации.
Список использованной литература
1. Martin, P. T., Perrin, J., Chilukuri, B. R., Jhaveri, C., and Feng, Y. (2003) Adaptive Signal Control II. (Report No.
UT-03.28), University of Utah.
2. Harding, J., Powell, G., R., Yoon, R., Fikentscher, J., Doyle, C., Sade, D., Lukuc, M., Simons, J., & Wang, J. (2014, August). Vehicle-to-vehicle communications: Readiness of V2V technology for application. (Report No. DOT HS 812 014). Washington, DC: National Highway Traffic Safety Administration.
3. Fei Yan, Mahjoub Dridi, Abdellah El-Moudni (2010, December) New vehicle sequencing algorithms with vehicular infrastructure integration for an isolated intersection. Springer Science, Business Media, LLC 2010.
4. Huang, Q., & Miller, R. (2003). The design of reliable protocols for wireless traffic signal systems. Technical report, Department of Computer Science and Engineering, Washington University.
5. Nadeem, T., Dashtinezhad, S., Liao, C., & Iftode, L. (2004). Trafficview: a scalable traffic monitoring system. In Proceedings of IEEE international conference on mobile data management (13-26).
6. Zhuofei Li, Lily Elefteriadou, Sanjay Ranka (2014) Signal control optimization for automated vehicles at isolated signalized intersections. Transportation Research Part C 49 (1-18).
7. Jeffrey L. Adler, Goutam Satapathy, Vikram Manikonda, Betty Bowles, Victor J. Blue (2004) A multi-agent approach to cooperative traffic management and route guidance. Transportation Research Part B 39 (297-318).
8. Климович А.Н., Рыщук А.С., Шуть В.Н. (2015) Решение задачи оптимального управления транспортными потоками в дорожной сети города. Актуальные проблемы фундаментальных наук (305-311).
