Оптимизация транспорных потоков в системе автоматизированного управления дорожным движением презентация

математики и механики
НАН Украины

для обеспечения эффективного процесса управления движением транспортных и пешеходных потоков в городе при помощи средств светофорной сигнализации, видеоконтроля и регистрации нарушений на дорогах, оперативного анализа экологической обстановки и др.

АСУДД

– 20%

10 – 20%

Техническая:

Экономическая:

Социальная:

расходы на содержание дорог

темп износа дорожного покрытия

уровень шума

объём перевозок

время ожидания общественного транспорта

30 – 50%

4 – 5%

уровень комфортности передвижения

5 – 15%

Ожидаемый экономический эффект: $40 млн. в год

5 – 10%

8 – 13%

Оценка эффективности внедрения АСУДД (на примере г. Владивостока)

Бюджет проекта:
$ 25-40 миллионов капитальных затрат, в пределах поэтапного финансирования в период 3-х лет;
$ 15-20 миллионов эксплуатационных расходов в период окупаемости 3-5 лет.

чем на четверть. Общее потребление топлива сократилось на 4%, а выбросы вредных веществ в атмосферу упали на 10%.

При нормальных условиях все электронные знаки будут пустыми. Если возникает затор или ДТП, то компьютерная система управления автоматически вычисляет оптимальные ограничения скорости.

управление транспортным потоком с помощью автоматических ограничителей скорости, а также использование укрепленных обочин.

(Nederlandse Spoorwegen) ввели новое расписание движения поездов, основанное на математическом моделировании и компьютерной оптимизации потоков. Общий годовой доход от введения нового расписания оценивается в 70 миллионов евро.

Schrijver A. Flows in railway optimization // Nieuw Archief voor Wiskunde. – 2008. – 9, nr.2. – P. 126-131.

предварительных измерений скорости транспортных потоков за 30 дней.

Дорожная сеть г. Москвы:
86 228 улиц;
40 420 перекрестков;
691 641 измерения скорости за месяц.

предсказаний, kl — «коэффициент длины»: длина улицы, отнесенная к средней длине улиц (120 м), kt — «временной коэффициент»: 1 + 0.1*порядковый номер четырехминутного интервала, считая от 18:00, v* — наблюдаемая скорость, v — предсказанная скорость.

Рейтинговая оценка: Q = 76 (Qmin = 58, Qmaх=663).

- интенсивность потока
(число ТС)/(время);

ρ - плотность потока
(число ТС)/(расстояние);

u – скорость (расстояние/время).

где:

Хейт Ф. Математическая теория транспорнтых потоков. – М.: Мир, 1966.

Q

ρ

которых движение происходит к перекрестку;
вершины vj, соответствующие полосам, по которым транспорт движется от перекрестка.
Ребра ek определяют допустимые движения на перекрестке.

Рассмотрим граф G, в котором каждая вершина соответствует некоторой полосе движения.

u1

u2

u3

u4

un

v1

v2

v3

vm

e1

e2

ek

второй доли V={v1, v2, …, vm}.
Множество ребер двудольного графа E={e1, e2, …, ek}.
Фаза светофора определяется подмножеством Mi множества ребер E графа G, по которым будет разрешено движение в данной фазе. Функция g: E×E → R+, определяет меру нежелательности одновременного присутствия двух ребер в одной фазе. Для каждой фазы M положим:

Имеется набор фаз M1, M2, …, Ml, которые последовательно включаются на определенные промежутки времени t1, t2, …, tl, соответственно.

суммарное время, за которое автомобили доезжают до перекрестка, ожидают возможности проезда, пересекают перекресток и движутся от перекрестка по полосе назначения.

дорожной сети при различных схемах управления движением, что может быть использовано для решения следующих задач:

расчет локальных режимов светофорного объекта в соответствии с картограммами интенсивности потоков и выбор оптимальных параметров организации движения на перекрестке;
прогнозирование динамики транспортных пробок;
анализ пропускной способности при различных режимах координации;
оптимизация параметров улично-дорожной сети города для повышения пропускной способности.