Науковий вісник НГУ

Автоматизація процесу координованого керування дорожнім трафіком

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №1 2022

Останнє оновлення: 08 березня 2022

Опубліковано: 30 листопада -0001

Перегляди: 3320

Authors:

Д. Оразбаєва, orcid.org/0000-0001-7987-3899, Академія логістики та транспорту, м. Алмати, Республіка Казахстан, е-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

А. Абжапбарова, orcid.org/0000-0001-7013-0909, Академія цивільної авіації, м. Алмати, Республіка Казахстан, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Д. Агабєкова, orcid.org/0000-0003-1775-2084, Казахський автомобільно-дорожній інститут імені Л.Б. Гончарова, м. Алмати, Республіка Казахстан, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

А. Бубліков, orcid.org/0000-0003-3015-6754, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна, e‑mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

І. Таран, orcid.org/0000-0002-3679-2519, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна, e‑mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2022, (1): 158 - 162

https://doi.org/10.33271/nvngu/2022-1/158

Abstract:

Мета. Збільшення пропускної здатності дорожніх мереж за рахунок отримання нових залежностей характеристик транспортних потоків від параметрів закону керування, створення на їх основі алгоритму для автоматизації процесу координованого керування транспортними потоками в містах.

Методика. За допомогою агрегованої імітаційної моделі, що описує процеси формування дорожнього трафіку на локальній ділянці міської транспортної схеми, проведені дослідження залежностей критеріїв оцінювання якості керування транспортними потоками від керуючих впливів, якими є параметри світлофорних циклів на перехрестях, за умови використання ПІД-регулятора та принципу зворотного від’ємного зв’язку для автоматизації процесу керування дорожнім трафіком. При цьому, в якості уставки для системи керування, з урахуванням поставленої мети, задана критична інтенсивність потоку за виникнення заторів, для визначення якої використаний критерій керування, що дозволяє ідентифікувати зміну характеру дорожнього трафіку. Для визначення оптимальних налаштувань ПІД-регулятора для різних запасів системи керування за стійкістю встановлені середньоквадратичне відхилення керованої величини від заданого значення та середня статична помилка керування. За допомогою обчислювальних експериментів оцінена ефективність запропонованого алгоритму в порівнянні з існуючими алгоритмами керування за різних дорожніх умов.

Результати. У ході досліджень розроблено алгоритм координованого автоматичного керування дорожнім трафіком, що дозволяє за рахунок відстеження змін характеристик транспортних потоків підтримувати максимальну пропускну здатність дорожніх мереж.

Наукова новизна. Уперше визначені залежності критеріїв оцінювання якості керування транспортними потоками від параметрів закону керування інтенсивністю потоків за умови забезпечення максимальної пропускної здатності дорожніх мереж. Встановлені залежності дозволили обґрунтувати оптимальний закон керування для різних дорожніх умов і за рахунок цього автоматизувати процес координованого керування транспортними потоками на локальній ділянці транспортної схеми міста.

Практична значимість. Запропоновані в роботі залежності критеріїв якості керування транспортними потоками від параметрів закону керування дорожнім трафіком, а також алгоритм автоматичного координованого керування ним є теоретичною основою для розв’язання важливої науково-прикладної задачі автоматизації процесу координованого керування транспортними потоками в місті.

Ключові слова: транспортні потоки, координоване керування, імітаційне моделювання

References:

1. Turpak, S., Trushevsky, V., Kuz’kin, O., Gritcay, S., & Taran, I. (2021). Improving the efficiency of vehicle operation and its environmental friendliness within the controlled crossings. Transport problems, 16(3), 119-130. https://doi.org/10.21307/tp-2021-046.

2. Taran, I., & Litvin, V. (2018). Determination of rational parameters for urban bus route with combined operating mode. Transport Problems, 13(4), 157-171. https://doi.org/10.20858/tp.2018.13.4.14.

3. Michailidis, I.T., Manolis, D., Michailidis, P., Diakaki, C., & Kosmatopoulos, E.B. (2020). A decentralized optimization approach employing cooperative cycle-regulation in an intersection-centric manner: A complex urban simulative case study. Transportation Research Interdisciplinary Perspectives, 8, 100232. https://doi.org/10.1016/j.trip.2020.100232.

4. Solecka, K., Dumanowski, Ł., Taran, I., & Litvinova, Y. (2021). Application of the Hierarchy Analysis Method to Assess Interchanges in Cracow. Sustainability, 13, 10593. https://doi.org/10.3390/su131910593.

5. Kapitanov, V., Silyanov, V., Monina, O., & Chubukov, A. (2018). Methods for traffic management efficiency improvement in cities. Transportation Research Procedia, 36, 252-259. https://doi.org/10.1016/j.trpro.2018.12.077.

6. Fanitabasi, F., Gaere, E., & Pournaras, E. (2020). A self-integration testbed for decentralized socio-technical systems. Future Generation Computer Systems, 113, 541-555. https://doi.org/10.1016/j.future.2020.07.036.

7. Agafonov, A., & Myasnikov, V. (2017). Efficiency comparison of the routing algorithms used in centralized traffic management systems. Procedia Engineering, 201, 365-270. https://doi.org/10.1016/j.proeng.2017.09.617.

8. Grüner, S., & Vollrath, M. (2021). Challenges for obtaining a system-optimal traffic distribution by giving route advice due to the biased memory of congestion. Transportation Research Procedia, 52, 396-403. https://doi.org/10.1016/j.trpro.2021.01.046.

9. Zhu, Zh., Adouane, L., & Quilliot, A. (2021). A Decentralized Multi-Criteria Optimization Algorithm for Multi-Unmanned Ground Vehicles (MUGVs) Navigation at Signal-Free Intersection. IFAC-PapersOnLine, 54(2), 327-334. https://doi.org/10.1016/j.ifacol.2021.06.038.

10. Maske, H., Chu, T., & Kalabić, U. (2020). Control of traffic light timing using decentralized deep reinforcement learning. IFAC-PapersOnLine, 53(2), 14936-14941. https://doi.org/10.1016/j.ifacol.2020.12.1980.

11. Outay, F., Mengash, H. A., & Adnan, M. (2020). Applications of unmanned aerial vehicle (UAV) in road safety, traffic and highway infrastructure management: Recent advances and challenges. Transportation Research Part A: Policy and Practice, 141, 116-129. https://doi.org/10.1016/j.tra.2020.09.018.

12. Papamichail, I., Bekiaris-Liberis, N., Delis, A. I., Manolis, D., Mountakis, K. S., Nikolos, I. K., …, & Papageorgiou, M. (2019). Motorway traffic flow modelling, estimation and control with vehicle automation and communication systems. Annual Reviews in Control, 48, 325-346. https://doi.org/10.1016/j.arcontrol.2019.09.002.

13. Amer, H. M., Al-Kashoash, H., Hawes, M., Chaqfeh, M., Kemp, A., & Mihaylova, L. (2019). Centralized simulated annealing for alleviating vehicular congestion in smart cities. Technological Forecasting and Social Change, 142, 235-248. https://doi.org/10.1016/j.techfore.2018.09.013.

14. Chow, A. H. F., Sha, R., & Li, S. (2020). Centralised and decentralised signal timing optimisation approaches for network traffic control. Transportation Research Part C: Emerging Technologies, 113, 108-123. https://doi.org/10.1016/j.trc.2019.05.007.

15. Su, Z. C., Chow, Andy H. F., & Zhong, R. X. (2021). Adaptive network traffic control with an integrated model-based and data-driven approach and a decentralised solution method. Transportation Research Part C: Emerging Technologies, 128, 103154. https://doi.org/10.1016/j.trc.2021.103154.

16. Bohnsack, R., Kurtz, H., & Hanelt, A. (2021). Re-examining path dependence in the digital age: The evolution of connected car business models. Research Policy, 50(9), 104328. https://doi.org/10.1016/j.respol.2021.104328.

17. Nguyen, T. H., & Jung, Jason J. (2021). Ant colony optimization-based traffic routing with intersection negotiation for connected vehicles. Applied Soft Computing, 112, 107828. https://doi.org/10.1016/j.asoc.2021.107828.

18. Yao, H., & Li, X. (2020). Decentralized control of connected automated vehicle trajectories in mixed traffic at an isolated signalized intersection. Transportation Research Part C: Emerging Technologies, 121, 102846. https://doi.org/10.1016/j.trc.2020.102846.

19. Wang, C., Peeta, S., & Wang, J. (2021). Incentive-based decentralized routing for connected and autonomous vehicles using information propagation. Transportation Research Part B: Methodological, 149, 138-161. https://doi.org/10.1016/j.trb.2021.05.004.

20. Sun, X., & Yin, Y. (2021). Decentralized game-theoretical approaches for behaviorally-stable and efficient vehicle platooning. Transportation Research Part B: Methodological, 153, 45-69. https://doi.org/10.1016/j.trb.2021.08.012.

21. Bublikov, А., Taran, I., & Tokar, L. (2016). Power Engineering and Information Technologies in Technical Objects Control. Leiden: CRC Press/Balkema Book. Power Engineering and Information Technologies in Technical Objects Control/Annual Proceedings, 249-261.

• < Попередня
• Наступна >