экспертные методы управления транспортными потоками 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Содержание

Введение

    Способы управления в большинстве случаев  выбираются на основании нормальных условий, т. е. без насыщения, и целью  процесса управления было свести до минимума общее время остановок и количество останавливающихся транспортных средств. Однако реальная жизнь приносит заторы во время часов пик, которые появляются регулярно, а в случае ДТП — случайно. Такие заторы могут вызывать значительные проблемы, заключающиеся в том, что они полностью или частично блокируют транспортную сеть и в связанных направлениях. В таких случаях необходимо использовать экспертное управление, которое имитирует действия оператора, устраняющего последствия таких ситуаций. Следовательно, экспертное управление исходит в большинстве случаев из эвристических знаний эксперта. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

1. Экспертные методы  управления

1.1. Определение проблемы насыщенных движением сетей

    Условия насыщения дорог связаны не только с ростом количества транспортных средств  и несравненно более медленными изменениями транспортной инфраструктуры городов, но и нежеланием части жителей пользоваться городским пассажирским общественным транспортом, несмотря на то, что он работает на фоне постоянно растущих транспортных очередей и способа вождения с остановками («Stop and go»). С этими проблемами можно встретиться не только в городах, но и на автомагистралях и других дорогах в незастроенной пригородной зоне.

    Несмотря  на то, что заторы при нормальных условиях длятся «всего» десятки  минут, их последствия являются очень  важными, так как кроме того, что чрезвычайно увеличивается потребление горючего со всеми экологическими последствиями для окружающей среды, супцествуют два не менее важных последствия:

    возможность полной блокировки сети стоящими транспортными  средствами, - длительная неустойчивость сети после ликвидации затора,

    резкое  увеличения вероятности возникновения  дорожно-транспортных происшествий.

    В нормальных (без насыщения) условиях управление используется с целью  повышения безопасности, плавности  движения и предотвращения возникновения

    колонн. В условиях насыщения основным требованием  является оптимальным образом исключить  образование колонн или свести до минимума их длину и стабилизировать  транспортную сеть. Поэтому, как правило, выбираются стратегии управления, отличные от стратегий управления узлом, в случае которых измеряются значения интенсивности на входах перекрестков, и узел управляется по этим параметрам.

    В транспортной сети, в которой появляются заторы, недостаточно измерять только один параметр, но необходимо классифицировать транспортный поток в выбранных точках сети1, а также необходимо измерять так называемый «всплеск количества транспортных средств». Последний обычно измеряется в точке входа на перекресток. В этом случае с целью упрощения часто используется измерение занятости индуктивной петли длиной около 30 м, которая способна оценивать степень затора.

    Насыщение появляется везде там, где требования транспорта превышают предельную пропускную способность дороги. Поэтому нужно  как можно точнее знать I суточную кривую распределения интенсивности движения в местах, в которых I появляются заторы. Из публикуемых до настоящего времени данных, касающихся | стратегии управления в условиях насыщения, которых, кстати, очень мало, вытекает, I что эффективность управления заметно растет со временем прогноза. Это значит, что I при управлении транспортом в условиях насыщенной сети необходимо использовать \ аппарат прогнозирования, который позволит определить место и скорость перехода I в состояние насыщения.

    Насыщение транспортного потока

    Основным  требованием, предъявляемым к системе  управления транспортным I потоком, является обеспечение наиболее благоприятных  условий участникам в данной I сети. Целью является обеспечение хотя бы плавного движения транспортных средств I и при минимальной скорости движения. Уровень загрузки дороги на данном участке I характеризует уровень удобства движения, также называемый уровень обслуживания I (Level Of Service), создается объективно или субъективно и соответствует определенной I транспортной нагрузке. В соответствии с установленными состояниями транспортного I потока от 1 до 5, состояние насыщения транспортного потока выражается степенью 5,

    когда колонна останавливается и транспортные средства движутся неравномерно. Задачей  системы управления является идентифицировать место, в котором

    начинают  образовываться заторы, т. е. найти точку  образования насыщения.

    Определение насыщения: элемент транспортной сети находится на пределе насыщения, если любое и минимальное ухудшение  транспортных условий и/или увеличение уровня загрузки движением вызывает скачкообразное изменение времени движения.

    Типичным  примером такого скачкообразного изменения  является состояние \ насыщения на управляемом  светофорами перекрестке, где транспортное средство I должно остановиться более одного раза. В результате этого увеличивается продолжительность остановок и вместо соответствующей части длительности цикла I оно становится равным n-кратному значению длительности цикла. Таким образом, можно наблюдать скачкообразное изменение на участке дороги, который транспортное средство не проходит с равномерной, хотя и малой, скоростью. Изменение проявляется в увеличении длительности остановок в колонне транспортных средств.

    Целью является определить самое вероятное  появление очередей транспортных средств.

    На  основании ряда измерений было установлено, что насыщение транспортного  потока проявляется графически в  системе координат «Использование дороги (IX) V) - требование транспорта (плотность)»  в виде необратимого процесса. На рис. 2.29 показана взаимная связь между использованием дороги и требованиями транспортного потока1. Транспортный поток в каждый момент времени представлен одной точкой данного графика. С ростом требований ухудшается степень использования дороги. Это состояние выражается отрезком линии между точками 1 и 2. В данный момент начинают проявляться транспортные проблемы (колонны, блокировка направлений поворота и т. п.). В точке 2 потенциальная нагрузка стала равной пропускной способности дороги. Дальнейшее повышение требований вызывает скачкообразное изменение степени использования дороги. Крутизна кривой между точками 2 и 3 определяется двумя факторами:

    — длительностью существования «перегрузки»,

    - значением виртуальной перегрузки.

    Рис. 1.1. Графическое представление насыщения 

    Если  требования становятся ниже уровня, представленного  точкой 3, то система не переходит  в исходное состояние, и линия, соответствующая  выходу из состояния насыщения, находится ниже «исходной» линии, которая отражает переход в состояние насыщения. Условия насыщения образуют кривую гистерезиса, площадь которой определяет потери качества транспортного потока. Площадь, ограниченная линиями, связана со степенью и длительностью перегрузки. Направление возрастающей нагрузки соответствует движению вдоль линии 1-2, и направление уменьшающейся нагрузки соответствует движению вдоль линии 3-5. Линии 2-3 и 5-6 являются по существу теоретическими и с точки зрения времени они являются однонаправленными. Предложенная стратегия управления влияет на соотношение нагрузки дороги и степени качественного состояния транспортного потока и она может оказывать существенное влияние на поведение всей сети.

    Необходимо  отметить, что насыщение, как правило, появляется в «слабых» местах транспортной сети. В этих местах оно может возникать случайно как результат отказа транспортного средства или происшествия, а также регулярно в результате высоких

    Для упрощения предполагается линейная зависимость.

    Транспортный  поток во всей сети образован взаимно  соединенными элементами. Насыщение  может появиться на изолированных  улицах или узлах практически  без воздействия на ситуацию в  транспортной сети (ограниченное насыщение  в одной точке), или оно переносится в оставшуюся часть системы и существенно влияет на ее функционирование (это состояние иногда называют «гангренным» насыщением), причем в таком режиме необязательно, чтобы все улицы или узлы находились в состоянии насыщения.

1.2. Модель задержки в транспортном узле

    В данном разделе сначала рассматривается  модель задержки в узле, если не выполняются  условия насыщения. В таком случае можно использовать способ транспортно- зависимого регулирования транспортной сети. Далее отмечается возникновение  очередей, которые следовало бы постоянно оценивать и ввести экспертное управление еще до того, как они увеличатся до такой степени, что ухудшат условия движения транспортного потока во всей сети. Более подробный анализ ооведения узла в условиях насыщения можно найти в [37].

    В теории управления транспортными потоками принципиальное значение имеет определение  задержки и длины очередей в узле или группе узлов, так как этим способом можно оценивать выбранную  стратегию управления. Транспортная задержка и длина очередей - это основные качественные параметры оценки состояния транспортного потока в узле и последующего определения расхода горючего и экологической нагрузки среды в окрестности узла.

    В настоящем разделе рассматриваются  очереди, возникающие на перекрестках как результат систематического процесса и стохастических составляющих. Систематическая составляющая транспортного потока основана на аналитически выраженной аналогии гидродинамической модели, используемой в физике. Основные параметры транспортного потока, такие как интенсивность, скорость и плотность, соответствуют параметрам протекающей жидкости физического вещества. Параметры транспортного потока при использовании этой модели изменяются непрерывно в пространстве и времени.

    Стохастическая  составляющая транспортной задержки на перекрестках основана на статистическом распределении в месте подъезда к перекрестку, т. е. к стоп—линии, и на статистическом распределении уезжающих транспортных средств, связанных с распределением длительностей сигнала «Проезд разрешен», определяемых системой управления.

    Как уже было сказано, модель задержки транспортных средств в узле содержит систематическую  и стохастическую составляющие. Систематические  составляющие [оцениваются при выполнении следующих требований:

    (а) Нулевая длина очереди в конце зеленого сигнала.

    (б) Равномерный приезд транспортных средств с крутизной q в течение цикла длительностью с; равномерный отъезд транспортных средств с крутизной насыщения £ в случае образования колонны и с крутизной д после рассасывания колонны.

    (в) Интенсивность в области приезда не превосходит пропускную способность въезда, определенную произведением интенсивности насыщения на въезде 51.

    Рис. 1.2.

    Систематические составляющие модели задержки: отношение эффективной длительности интервала зеленого сигнала1, уменьшенного на 2-4 с для учета времени разгона транспортных средств в начале зеленого сигнала и увеличенного на 2-3 с для учета проезда при желтом сигнале, к длительности цикла ^с.

    Принципиальная  диаграмма, описывающая модель задержки и профиль очереди, созданный  на основании данной теории, показана на рис. 2.30. Площадь под кривой представляет собой общую систематическую  задержку. По этому графику можно, кроме основного параметра, каким является средняя задержка в пересчете на транспортное средство (общая задержка всех транспортных средств, деленная на их количество), определить и другие

    важные  параметры, как количество остановившихся транспортных средств максимальное количество транспортных средств в очереди £тах и среднее

    значение  длины очереди Эта модель соответствует  действительности в диапазоне интенсивности  от малой до средней, когда отношение  интенсивности к потоку насыщения меньше значения 0,5. При большем значении отношения может не выполняться условие нулевой длины очереди в начале цикла.

    Считается длительностью зеленого сигнала.

    Условие отсутствия колонн определяется по формуле

    где /г - длительность фазы красного сигнала (с)

    геу - эффективная длительность зеленого сигнала (с)

    q - интенсивность на въезде (тр. ср./час)

    £ - насыщенный поток (тр, ср./час. зел.)

    Общее время ожидания ряда транспортных средств определено площадью треугольника:

    Если  интенсивность увеличивается, то очередь  не успевает разредиться в течение времени определенных циклов. Такое явление сначала появляется случайно как результат отношения мгновенного значения интенсивности к потоку насыщения. Наличие очереди в конце зеленого сигнала £>0 вызывает дополнительную задержку, которую необходимо включить в расчет общей задержки.

    При дальнейшем увеличении интенсивности, когда транспортный поток переходит  в состояние образования заторов, стохастическая составляющая, способствующая увеличению задержки, пренебрежимо мала по сравнению с систематической составляющей образования очередей. Для создания модели таких сетей целесообразно исходить из гидродинамической аналогии.

    Рис. 1.3. Пример образования колонн в конце зеленого сигнала

1.3. Задача управления насыщенной транспортной сетью

    В работе [38] решаются вопросы влияния  длинных очередей (охватывающих несколько  перекрестков) на общее время задержки. В таком случае транспортный поток  невозможно регулировать по обычным правилам с использованием обычных алгоритмов минимизации индекса PI (Performance Index), необходимо регулировать по минимальной длине колонн.

    Все величины регулирования (длительность цикла Тс, длительность зеленого сигнала  в главном Th и в поперечном Tv направлениях) достигли своих максимальных значений и нет никакого пространства для стандартного регулирования. Типичным является то, что транспортное средство не проезжает через перекресток в течение одного цикла и образуются колонны, которые могут доходить и до других узлов и вызывают опасность блокирования всей сети. Если такие явления наблюдаются на отдельных въездах, то речь может идти неудовлетворительном проекте и необходимо проверить решение транспортной сети. Если такое явление наблюдается в большем количестве точек сети, то необходимо руководствоваться следующими правилами:

    (а) Своевременная идентификация заторов

    Своевременная идентификация заторов имеет  принципиальное значение. Однако ее трудно реализовать путем наблюдения с  помощью мониторов. Поэтому для идентификации заторов, как правило, используется математический аппарат (Congestion Detection), а также алгоритмы для идентификации ДТП (Accident Detection). Эти алгоритмы отличаются от алгоритмов для идентификации заторов (Congestion Detection). Они работают быстрее при идентификации происшествий, но в большинстве случаев дают большее количество ложных сигналов. Обе системы детектирования, основанные на использовании современных стратегических детекторов или видеокамер, являются составной частью телематического решения транспортной проблематики.

    В принципе речь идет о том, что, как  правило, следят за конечной точкой транспортного  потока. Прогноз его состояния  охватывает время до 15 минут. Движение конечной точки определяет успешность регулирования. На рис. 2.32 показано движение конечного вектора, выражающего классифицированное состояния транспортного потока от 1 до 5, и далее среднюю скорость транспортного потока. В данном случае в момент времени 1 уровень загрузки составляет 3, 4 и скорость равна 32 км/ч. В следующий момент времени, который выбирается со сдвигом 5 минут, состояние транспортного потока улучшилось (3,2; 40). Если необходимо увеличить чувствительность наблюдения за изменениями транспортного потока, то целесообразно использовать среднее квадратическое отклонение для оценки прогнозируемых и действительных значений.

    (б) Реакция на местные заторы

    Если  заторы образуются в одной или  нескольких точках транспортной сети А и в соседней области Б  имеются более благоприятные  условия, то целесообразно перевести часть нагрузки из области А в область Б. Для этого используются методы, исходящие из эвристических знаний экспертов, как «soft computing» (мягкое вычисление - в большинстве случаев управление с нечеткой логикой) или экспертные системы, описанные ниже.

    Кроме того, для более равномерной нагрузки транспортной сети используются телематические системы, например, информации перед  поездкой (Интернет) или информации во время поездки (информационные табло).

    Рис. 1.4. Вектор, характеризующий состояние транспортного потока в рассматриваемом сечении (в) .

    В случае перегрузки транспортной сети образуются колонны в ряде точек  в соответствии с рис. 2.33. В таком случае, когда уже нет резерва в виде параметров регулирования, необходимо как раз использовать системы экспертного управления, а именно, методику управления в зависимости от очередей отдельно или в комбинации с управлением по скорости (градиенту) нарастания колонны. Величиной, которая вступает в процесс регулирования, является относительная длина очереди Ух у (%), определяемая по формуле:

    где: 1Х у — расстояние от стоп-линий  к следующему узлу; О^х У ~ Длина  колонны в направлении 1Х у

    Г Относительная длина очереди  должна быгь всегда меньше 100% для того, чтобы колонна не доходила до предыдущего  перекрестка.

    і Экспертное управление в этом случае заключается в слежении за множеством переменных длин очередей на сети улиц и за градиентом их роста р. Последний определен эвристически, например, 10% в данном интервале времени. Условие, по которому можно формулировать правила экспертного управления, определяется следующей формулой:

    Из  формулы вытекает, что для быстро растущей очереди в данном направлении  необходимо применить правило, которое, например, вызовет увеличение длительности зеленого сигнала в данном направлении и тем самым воспрепятствует заполнению предшествующего перекрестка.

    Рис. 1.5.

    Образование очередей на сети улиц

    (г)  Реакция на ДТП в любой точке  сети

    Принципы  отклика экспертной системы такие  же, как и в предшествующем случае. Это означает, что на основании  наблюдения транспортных происшествий в данной сети и на основании наблюдения реакций на эти происшествия создаются базы данных для типичных ситуаций, которые вводятся в базу данных экспертной системы.

2. Экспертные системы

    Под понятием экспертная система подразумевается  компьютерная программа, которая моделирует процесс принятия решений эксперта при решении сложных задач и использует надлежащим образом закодированные и выраженные в явном виде специальные знания, полученные от эксперта, с целью достижения высококачественных решений в заданной проблемной области. Однако целью экспертных систем является не простое копирование поведения эксперта (включая ошибки), а достижение наилучших реакций на реальные данные. В области транспорта речь в большинстве случаев идет об управлении процессом выявления дорожных происшествий.

    Экспертная  система, как правило, состоит из трех основных частей: база знаний, база данных и управляющий (решающий) механизм.

    База  знаний - содержит знания эксперта по данной проблематике. В отличие от обычных  программ, у которых данные имеются в неявном виде, база знаний содержит данные в явном виде. В эту базу должны входить как основные знания, так и знания эвристические14 (знания, которые невозможно доказать, эксперт их получил в результате продолжительной работы в данной области и знает, что они ему часто помогают при решении аналогичных проблем). Знания эксперта не имеют статический характер, а постоянно развиваются. Естественным требованием, предъявляемым к базе знаний, является высокая степень модульности и наглядности. База знаний имеет характер общего правила для принятия решений.

    Рис. 2.1 Блок-схема экспертной системы 

    База  данных - содержит даные для данного конкретного случая. Эта база, как правило, пользователем заполняется последовательно в режиме диалога и с помощью компьютера. В принципе она может быть образована как прямыми ответами пользователя, так и значениями, отсчитанными автоматически с измерительных приборов или из программ при ручном управлении.

    Механизм  управления - на основании базы знаний и базы данных создается модель системы. Механизм управления выбирает проблему, решение которой даст наибольшее количество сведений для уточнения  модели. Модель представляет текущее состояние решения проблемы и может изменяться двумя способами:

    — путем добавления новых данных в базу данных (в результате этого расширяется база данных и модель становится более реальной),

    — путем получения новых знаний на основании реальной модели.

    Управляющий механизм - это, в большинстве случаев, простой аппарат, действующий, например, на базе булевой логики. Это выгодно  тем, что в отличие от базы знаний или базы данных речь идет о совершенно универсальном подходе, который  не меняется в зависимости от других областей использования.

    щ Возможности использования процессов  и видов техники искусственного интеллекта являются предметом обзорной статьи [48]. Качественное моделирование  используется для прогноза нестандартных  состояний и для управления перекрестками в г.Валенсии [49]. В работах [50] и [51] авторы описывают дополнение качественной модели данными времени.

    1 Пример базы знаний по транспортной  проблематике (речь идет о точных  и эвристических правшах):

    1) если интенсивность больше 15 и скорость меньше 50, то транспорт имеет степень 4;

    2) если степень на улице Легерова имеет значение 4 и на улице Ечна - степень 5, то длительность зеленого сигнала следует увеличить на Dt;

    3) если длина очереди больше 150 м, если сегодня понедельник и первая половина дня, то следует использовать вариант TACTIC I.

    В отличие от всех видов управления (зависящее от состояния транспортного  потока, адаптивное), которые разрабатываются  исключительно транспортным инженером, в данном случае оператор является не только пассивным пользователем, но и соавтором решения, так как он укладывает в пустую базу знаний свой опыт и, тем самым, он определяет поведение всей системы.

    В отличие от некоторых работ, в  которых осуществлено моделирование  нечеткого регулятора на уровне узла, были опубликованы первые результаты использования системы в Канаде с целью управления несколькими перекрестками, описанные в следующем разделе.

    Британская  Колумбия, Канада

    Министерство  транспорта провинции Британская Колумбия стало инициатором исследований и последующего практического использования нечеткого управления группой перекрестков [52]. Использование нечеткой логики на первом этапе служило анализу транспортных данных в многоразмерном пространстве состояний путем использования метода fuzzy-clustering - нечеткой кластеризации. Последний дал возможность представить состояния транспортного потока в виде сопряженных образцов, причем эти образцы автоматически идентифицировались с помощью нечеткого нейронного алгоритма. Для каждого образца предусмотрена система предварительно рассчитанных сигнальных планов, которые в заранее заданные интервалы времени вводятся в устройства управления. Существенное улучшение характеристик регулирования обеспечено краткосрочным и долгосрочным прогнозом состояния транспорта.

    Для столь остроумной программы пришлось приспособить и транспортные устройства управления, т. е. контроллеры фирмы Peek MDM100. Начиная с 1993 года, нечеткая технология испытывалась в более  чем 16 городских коридорах, начиная  с 1995 года, стало использоваться устройство, работающее в автономном режиме (без прогноза), которое автоматически изменяло сигнальные планы. По сравнению с системой фиксированных интервалов времени среднее время ожидания сократилось на 25 %.

    В апреле 1996 г. в городе Денкен в Британской Колумбии была пущена в эксплуатацию первая динамическая система управления пятью перекрестками. Речь идет о динамическом адаптивном устройстве, и оказывается, что в часы пик, когда обычное динамическое управление из-за высокой и почти постоянной интенсивности движения дает, как правило, малую экономию по сравнению с системой с фиксированными интервалами времени, в данном случае дополнительная экономия времени доходит до 15 %. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Заключение

    Метод экспертных оценок основан на построении единого показателя эффективности посредством суммирования произведения имеющихся показателей на соответствующие весовые коэффициенты.