CC BY
1УДК 656.13
Мальцев М.В.
студент 2-го курса, магистратура, инженерно-технического института Уральский государственный лесотехнический университет (г. Екатеринбург, Россия)
ВЛИЯНИЕ ЗАЕЗДНЫХ КАРМАНОВ НА БЕЗОПАСНОСТЬ И ПРОПУСКНУЮ СПОСОБНОСТЬ ДОРОГИ
Аннотация: представлена разработка методами агентного и дискретно-событийного моделирования имитационной модели элемента дорожной сети, состоящего из двух участков дороги вблизи остановочных пунктов, для анализа движения транспортных средств, прогнозирования транспортных потоков и разработки мер по оптимизации дорожного трафика. По результатам вычислительных экспериментов исследования транспортных потоков на выбранном участке дорожной сети с целью улучшения ее функционирования предложена оптимальная схема движения.
Ключевые слова: дискретно-событийное моделирование, дорожная сеть, имитационная модель, оптимизационный эксперимент.
С безостановочным наращиванием городской мобильности и интенсификацией транспортных потоков возрастает важность обеспечения безопасности движения в зонах остановочных пунктов. Эти привлекательные точки транспортной инфраструктуры стали не только катализаторами для пассажирского движения, но и местами интенсивного взаимодействия различных видов транспорта, создавая уникальные вызовы для обеспечения безопасности.
Настоящая научная статья направлена на систематическую оценку факторов, влияющих на безопасность движения транспортных средств в зонах остановочных пунктов.
1654
Анализ современных методологий оценки безопасности является ключевым аспектом нашего исследования, направленного на повышение безопасности и эффективности транспортной инфраструктуры в городских условиях.
ВВЕДЕНИЕ.
В век информационных технологий прогнозирование приобрело всеобщую значимость и находит применение во многих отраслях - в торговле, медицине, инженерии. В последние годы в прогнозировании активно применяется моделирование, которое позволяет проверить эффективность решения до его реализации без риска потери времени, финансов и угрозы жизни людей [1]. Средствами имитационного моделирования осуществляется воспроизведение работы изучаемой системы или процесса во времени при различных режимах функционирования [2, 3]. Это удобный инструмент для анализа, поскольку обладает такими качествами, как наглядность, простота для понимания и проверки. Имитационное моделирование помогает найти оптимальные решения в разных областях производства и науки, а также позволяет получить более четкое представление о сложных системах [4]. Имитационные модели широко используются в процессах проектирования сложных многофункциональных систем, и применение имитационного подхода возможно в любой сфере человеческой деятельности [2-8]. Плюсом имитационного моделирования в отличие от других методов является возможность проверки и анализа модели в действии и внесения в создаваемую модель изменений в процессе ее разработки. Пакет AnyLogic - это профессиональная отечественная система имитационного моделирования, предназначенная для построения и анализа различного типа моделей [1, 2]. В данной работе в среде AnyLogic с применением агентного и дискретно-событийного моделирования построена имитационная модель двух остановочных пунктов, проведены эксперименты по анализу и прогнозированию транспортных потоков на выбранном участке дорожной сети, предложена
1655
оптимизация схемы движения транспортных средствами за счет изменения длительности фаз светофоров.
МАТЕРИАЛЫ И МЕТОДЫ.
В литературе выделяют три основных вида имитационного моделирования: агентное, дискретно-событийное и системную динамику. Агентное моделирование применяется для анализа и прогнозирования поведения сложных систем. Агент может взаимодействовать с окружающим миром, принимать решения по определенному набору правил. Главной задачей агентных моделей является получение информации об общем поведении системы, и часто такой подход используется в биологии, социологии, экологии. Основным способом определения причинно-следственных связей и взаимовлияния элементов системы является системная динамика, используемая в различных процессах производства товаров и услуг. При этом осуществляется абстрагирование от конкретных объектов и событий и «агрегатный» подход к оценке системы и исследуемым процессам. В случае необходимости вычленения конкретных действий из общей последовательности событий применяется метод дискретно-событийного моделирования. Часто такой подход используется в производственных циклах, когда важно оценить результат деятельности только определенных участков производства. Дискретно-событийное моделирование используется для построения модели, которая будет отражать развитие системы во времени. Опишем построение методами агентного и дискретно-событийного моделирования имитационной модели двух смежных перекрестков, расположенных на пересечении улиц города Екатеринбург: Малышева -Московская, 8 Марта - Большакова (рис. 1.). Для имитации транспортных потоков и элементов дорожного движения использовались спутниковый снимок и библиотека моделирования дорожного движения в AnyLogic PLE, а также пешеходная библиотека , с помощью которых настраивались дорога, количество полос, разделительные линии, ширина дорожного полотна, работа общественного транспорта, работа светофоров и другие характеристики,
1656
соответствующие реальным перекресткам. В построенной модели откорректированы возможные направления движения транспортных средств с учетом соблюдения правил дорожного движения (рис. 2.). Имитация транспортных потоков и процесса дорожного движения также проводилась с использованием блоков библиотеки [1]: «CarSoш"ce» моделировал появление транспортного средства на дороге, «СагМоуеТо» - движение транспортных средств, «Са^БроБе» - окончание проезда транспортными средствами перекрестков. Диаграммы транспортных потоков, полученных на основе дискретно-событийной методологии, задающие возможные направления движения транспортных средств, представлены на рис. 3. Для регулирования трафика в модель из библиотеки введен блок «TrafficLight», соответствующий светофору. Исходные данные для длительности фаз светофора установлены по результатам натурных наблюдений.
Рис. 1. Спутниковые снимки перекрестков Малышева - Московская слева, 8 Марта - Большакова справа.
Рис. 2. Модель дорожной сети.
1657
Рис. 3. логические элементы моделей.
В модели создана популяция из агентов - автомобилей с именем «Car» с заданным каждому агенту параметром «ВремяПоявления». Популяция указана во всех блоках «CarSource». В поля основных характеристик агентов «Car» введены средние значения, рассчитанные в соответствии с правилами скоростного режима в населенном пункте.
Как показывает практика, а также имитация, в близи остановочных пунктов возникают конфликтные точки при выезде общественного транспорта из остановочного пункта (рис. 4.) (рис. 5.)
Рис. 4.
1658
Рис. 5.
РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ.
Для определения оптимальной конфигурации дороги и остановочных пунктов вблизи. Создан эксперимент с типом оптимизация и настройка новых свойств. В качестве целевой функции принята минимизация количества конфликтных точек. Вблизи перекрестка улиц 8 Марта - Большакова создан заездной карман для общественного транспорта (рис. 6.), вблизи перекрестка улиц Малышева - Московская создана выделенная полоса (Рис. 7.)
Рис. 6. Представлены изменения вблизи перекрестка 8 Марта-Большакова.
1659
Рис. 7. Представлены изменения вблизи перекрестка Малышева- Московская.
ЗАКЛЮЧЕНИЕ.
В среде Anylogic PLE с использованием агентного и дискретно-событийного моделирования разработана и реализована имитационная модель двух перекрестков города Екатеринбурга. Проведен анализ движения транспортных потоков по выбранному элементу дорожной сети. Выполнена оптимизация. В результате эксперимента увеличена пропускная способность дороги повышена снижено число конфликтных точек. Полученные результаты могут быть использованы для анализа и прогнозирования транспортных потоков с целью улучшения функционирования дорожной сети и оптимизации дорожного движения.
СПИСОК ЛИТЕРАТУРЫ:
1. Боев В. Д. Компьютерное моделирование в среде AnyLogic. М. : Юрайт, 2021. 298 с;
2. Веремчук Н. С., Кондрин А. В. О разработке имитационной модели пешеходного перехода // Образование. Транспорт. Инновации. Строительство : сб. материалов IV Национал. науч.-практич. конф. 22-23 апреля 2021 г., Омск. Омск : Сиб. гос. автомобил.-дорож. ун-т, 2021. С. 724-727;
1660
3. Веремчук Н. С. Об имитационном моделировании элементов дорожной сети // Перспективы науки. 2021. № 12. С. 45-48;
4. Akopov A. S., Beklaryan L. A., Beklaryan A. L. Cluster-Based Optimization of an Evacuation Process Using a Parallel Bi-Objective Real-Coded Genetic Algorithm // Cybernetics and Information Technologies. 2020. Vol. 20, No 3. P. 45-63;
5. Beklaryan L. A., Khachatryan N. K., Akopov A. S. Model for Organization Cargo Transportation at Resource Restrictions // Int J Appl Math. 2019. Vol. 32, No. 4. P. 627-640;
6. Ordu M., Demir E., Tofallis C., Gunal M. M. A Novel Healthcare Resource Allocation Decision Support Tool: A Forecasting-Simulation-Optimization Approach // J Oper Res Soc. 2021. Vol. 72, Is. 3. P. 485-500;
7. Вегера Д. В., Жиба Г. В., Писаренко В. П. и др. Оценка распространения сигнала LTE на сложной по рельефу загородной трассе с учетом хвойного леса // Вестник кибернетики. 2021. № 3 (43). С. 23-29;
8. Лышов С. М., Иванов И. А., Увайсова А. С. и др. Расчет разбросов резонансных частот печатных узлов электронных средств // Вестник кибернетики. 2018. № 4 (32). С. 129-135
Maltsev M.V.
Ural State Forestry Engineering University (Ekaterinburg, Russia)
IMPACT OF DRIVING POCKETS ON ROAD SAFETY AND CAPACITY
Abstract: the development of an agent-based and discrete-event modeling simulation model of a road network element consisting of two road sections near bus stops for analyzing vehicle traffic, forecasting traffic flows and developing measures to optimize road traffic is presented. Based on the results of computational experiments to study traffic flows on a selected section of the road network in order to improve its functioning, an optimal traffic pattern is proposed.
Keywords: discrete event modeling, road network, simulation model, optimization experiment.
1661
