CC BY
54Научная статья УДК 338.46:004
doi: 10.47576/2949-1916_2023_1_112
ЦИФРОВОЙ ДВОЙНИК В ИНТЕЛЛЕКТУАЛЬНОЙ ТРАНСПОРТНОЙ СИСТЕМЕ
Гузь Анастасия Руслановна
Поволжский государственный университет телекоммуникаций и информатики,
Самара, Россия, [email protected]
Пальмов Сергей Вадимович
Поволжский государственный университет телекоммуникаций и информатики Самарский государственный технический университет, Самара, Россия
Аннотация. В статье анализируются особенности внедрения в городах интеллектуальных транспортных систем для решения проблем транспортных пробок, улучшения управления транспортом. Рассматриваются основные элементы систем, такие как сервисы визуализации транспортной ситуации, прогнозирование транспортной ситуации, маршрутизация, управление светофорами, управление парковками и общественным транспортом. Визуализирована эталонная модель сервисов интеллектуальных транспортных систем. Статья будет полезна исследователям, специалистам в области транспортной инфраструктуры и разработчикам интеллектуальных транспортных систем, которые заинтересованы в развитии инновационных решений для улучшения транспортной системы в городах.
Ключевые слова: цифровой двойник; интеллектуальная транспортная система; нейронные сети; ArchiMate; искусственный интеллект.
Для цитирования: Гузь А. Р., Пальмов С. В. Цифровой двойник в интеллектуаль -ной транспортной системе // Региональная и отраслевая экономика. - 2023. - № 1. -С. 112-116. doi: 10.47576/2949-1916_2023_1_112.
Original article
DIGITAL TWIN IN AN INTELLIGENT TRANSPORT SYSTEM
Guz Anastasia R.
Volga State University of Telecommunications and Informatics, Samara, Russia, [email protected]
Palmov Sergey V.
Volga State University of Telecommunications and Informatics Samara State Technical University, Samara, Russia
Abstract. The article analyzes the features of the introduction of intelligent transport systems in cities to solve the problems of traffic jams, improve transport management. The main elements of such systems are considered, such as traffic situation visualization services, traffic situation forecasting, routing, traffic light control, parking and public transport management. The reference model of services of intellectual transport systems is visualized. The article will be useful to researchers, specialists in the field of transport infrastructure and developers of intelligent transport systems who are interested in developing innovative solutions to improve the transport system in cities.
Keywords: digital twin; intelligent transport system; neural networks; ArchiMate; artificial intelligence.
For citation: Guz A. R., Palmov S. V. Digital twin in an intelligent transport system. Regional and branch economy, 2023, no. 1, pp. 112-116. doi: 10.47576/29491916 2023 1 112.
В настоящее время транспортные системы становятся все более сложными и насыщенными, что приводит к увеличению числа аварий, заторов и задержек. Чтобы справиться с этими проблемами, многие города начинают внедрять интеллектуальные транспортные системы (ИТС). Одним из ключевых элементов таких систем является цифровой двойник, который позволяет создавать точную модель дорожной сети и ее инфраструктуры.
Данная статья рассматривает возможности применения интеллектуальных транспортных систем для решения проблем транспортных пробок, оптимизации маршрутов общественного транспорта и управления парковками. Система включает в себя сервисы визуализации транспортной ситуации, прогнозирование транспортной ситуации, маршрутизации, управления светофорами, управления парковками и общественным транспортом.
Основной целью статьи является обзор существующих кейсов внедрения интеллектуальных транспортных систем, разработка системы функциональных требований для интегрированной интеллектуальной транспортной системы, включая цифрового двойника, и разработка модели архитектуры для такой системы.
Статья подчеркивает, что использование интеллектуальных транспортных систем может существенно повысить эффективность транспортной системы города и улучшить мобильность жителей.
Интеллектуальные транспортные системы предоставляют возможность решения проблем пробок, оптимизации маршрутов общественного транспорта и управления парковками.
С помощью интеллектуальных транспортных систем можно собирать и анализировать данные о транспортном потоке, такие как скорость движения и количество транспорта на дорогах. Эти данные могут использоваться для прогнозирования транспортной ситуации и оптимизации движения транспор-
та. Например, интеллектуальная транспортная система может рассчитать оптимальный маршрут для водителей, учитывая текущую и будущую транспортную ситуацию, чтобы предотвратить пробки.
Интеллектуальные транспортные системы также могут использоваться для оптимизации маршрутов общественного транспорта. С помощью их можно собирать данные о количестве пассажиров, использующих общественный транспорт, и анализировать их, чтобы определить наиболее популярные маршруты. Затем можно оптимизировать расписание и маршруты общественного транспорта, чтобы улучшить доступность и удобство для пассажиров.
Интеллектуальные транспортные системы также могут быть использованы для управления парковками. С помощью их можно собирать данные о доступных парковочных ме -стах и анализировать их, чтобы определить наиболее эффективное использование парковок. Система может предоставлять информацию водителям о доступных парковочных местах и помогать управлять доступностью парковок для различных категорий водителей, таких как инвалиды [1].
Рассмотрим работу интеллектуальных транспортных систем на примере города Челябинска, расположенного на юго-востоке России. В этом городе внедрена интеллектуальная транспортная система, которая позволяет собирать данные со всех датчиков и метеостанций, управлять светофорами, отслеживать общественный транспорт и дорожные работы, прогнозировать движение и использовать элементы искусственного интеллекта [2-4].
Одной из ее главных задач является улучшение безопасности дорожного движения в Челябинске. Для этого система позволяет контролировать скорость движения транспорта, обнаруживать нарушения ПДД, предупреждать водителей об опасностях и создавать оптимальные условия для движения.
Интеллектуальная транспортная система в Челябинске является примером успешного внедрения новых технологий для управления городским транспортом и дорожным дви -жением. Эта система позволяет не только улучшить безопасность и комфорт для горо-
жан, но и снизить затраты на обслуживание и управление инфраструктурой.
На основе проанализированного опыта и примера существующих решений была визуализирована эталонная модель сервисов интеллектуальной транспортной системы.
Рисунок 1 - Эталонная модель сервисов интеллектуальной транспортной системы
Визуализирована модель включает в себя информационную систему, цифровой двойник транспортно-дорожной сети и систему искусственного интеллекта. С помощью этой модели был создан сервис, который позволяет визуализировать текущую транспортную ситуацию в реальном времени, используя данные от датчиков на дорогах, связанных с цифровым двойником.
Разработан ряд сервисов для улучшения транспортной инфраструктуры города.
Первый сервис - это система моделирования транспортных и пассажирских потоков. Он использует алгоритмы искусственного интеллекта и данные от датчиков на дорогах, чтобы предсказывать потоки транспорта и информировать о проблемных зонах города. Эта информация используется для планирования развития транспортной сети.
Второй сервис - это мониторинг мобильных объектов на дорогах, таких как уборочные машины и ремонтное оборудование, а также автомобили, принадлежащие полиции и скорой помощи.
Третий сервис - это система событий, которая позволяет просматривать мероприятия, запланированные на дорогах, и отслеживать ограничения, связанные с нужным участком. Он интегрируется с цифровым двойником дорожной сети и используется для построения прогнозов.
Четвертый сервис - это интеграция с полицией, транспортной полицией, пожарной службой и штаб-квартирами служб скорой помощи для оперативного обмена информацией и быстрого реагирования на чрезвычайные ситуации.
Пятый сервис - это система отслеживания происшествий, которая использует искусственный интеллект для автоматического распознавания ДТП на основе камер видеонаблюдения и оперативного информирования городских служб.
Шестой сервис управления режимами светофорных объектов использует преди-ктивную аналитику и искусственный интеллект для оптимизации работы светофоров в режиме реального времени, чтобы избе-
жать пробок и транспортного коллапса в часы пик.
Седьмой сервис управления дорожным движением позволяет управлять транспортными потоками с использованием различных методов, таких как директивное управление и косвенное управление, чтобы улучшить безопасность и эффективность дорожного движения.
Служба контроля соблюдения правил дорожного движения собирает данные о нарушениях правил дорожного движения и передает их в правоохранительные органы, что
позволяет улучшить безопасность на дорогах.
Услуга метеомониторинга и мониторинга состояния дорожной сети позволяет адаптировать управление дорожной сетью к погодным условиям и предотвращать возможные проблемы с дорожным покрытием.
Цифровой двойник компонента дорожной сети позволяет моделировать различные сценарии дорожных ситуаций и помогает в планировании развития транспортной сети, что позволяет более эффективно управлять дорожным движением.
Рисунок 2 - Пример работы нейронной сети для распознавания автомобилей
Благодаря этим сервисам, система может быть эффективно использована для решения транспортных проблем, таких как пробки, загруженность общественного транспорта, неэффективное использование дорожной инфраструктуры и др. Для управления всей этой системой необходимы высококвалифицированные специалисты в области информационных технологий и транспортного менеджмента. Кроме того, такая система требует значительных финансовых вложений на разработку, установку и поддержку.
Тем не менее использование интеллектуальной транспортной системы может прине-
сти значительные экономические и экологические выгоды. Она может помочь снизить транспортные заторы, улучшить безопасность дорожного движения, снизить выбросы вредных веществ в атмосферу.
В результате исследования было разработано предложение по внедрению интеллектуальной транспортной системы в городскую инфраструктуру.
Эталонная модель соответствует основным функциям интеллектуальной транспортной системы и способна решить ряд задач, связанных с организацией транспортного потока, оптимизацией распределения транс-
портных потоков и предоставлением информации о ситуации на дорогах. Также следует учитывать факторы, связанные с защитой
данных и конфиденциальностью информации, собираемой от компонентов системы.
Список источников
1. Ли П. Архитектура интернета вещей. М. : ДМК Пресс, 2019. 454 с.
2. Минстрой России. Индекс IQ городов по итогам 2021 года. URL: https://www.minstroyrf.gov.ru/ press/minstroy-rossii-opublikoval-indeks-iq-gorodov/ (дата обращения: 20.07.2022).
3. Повх Е. Десять цифровых двойников городов. 2020. URL: https://realty.rbc.ru/ news/5e297b079a79478024d54ff6 (дата обращения: 15.01.2023).
4. Умные города Росатома. URL: https://rosatom.city/ (дата обращения: 15.01.2023).
References
1. Li P. Architecture of the Internet of Things. Moscow : DMK Press, 2019. 454 p.
2. The Ministry of Construction of Russia. The IQ index of cities by the end of 2021. URL: https://www. minstroyrf.gov. ru/press/minstroy-rossii-opublikoval-indeks-iq-gorodov / (accessed: 07/20/2022).
3. Povh E. Ten digital twin cities. 2020. URL: https://realty.rbc.ru/news/5e297b079a79478024d54ff6 (accessed: 15.01.2023).
4. Smart cities of Rosatom. URL: https://rosatom.city (accessed: 15.01.2023).
Сведения об авторах
ГУЗЬ АНАСТАСИЯ РУСЛАНОВНА - студент факультета № 3, Поволжский государственный уни -верситет телекоммуникаций и информатики, Самара, Россия, [email protected] ПАЛЬМОВ СЕРГЕЙ ВАДИМОВИЧ - кандидат технических наук, доцент, доцент кафедры инфор -мационных систем и технологий, Поволжский государственный университет телекоммуникаций и информатики; доцент кафедры информационных технологий, Самарский государственный технический университет, Самара, Россия
Information about the authors
GUZ ANASTASIA R. - student of Faculty No. 3, Volga State University of Telecommunications and Informatics, Samara, Russia, [email protected]
PALMOV SERGEY V. - Candidate of Technical Sciences, Associate Professor, Associate Professor of the Department of Information Systems and Technologies, Volga Region State University of Telecommunications and Informatics; Associate Professor, Department of Information Technology, Samara State Technical University, Samara, Russia
