Інтелектуальний алгоритм управління міським трафіком транспортних засобів
Анотація
Дослідження представляє собою алгоритм побудови оптимального маршруту для кожного транспортного засобу (ТЗ) у великому місті з корекцією маршруту при зміні дорожньої обстановки. Технічно процедура регулювання потоків ТЗ здійснюється за рахунок динамічної взаємодії в режимі реального часу між центральним пунктом керування трафіком (ЦПКТ) та кожним ТЗ, що задав свої початкові та кінцеві координати. ЦПКТ передає кожному водієві голосові команди щодо маршруту руху до заявленого водієм кінцевого пункту як при звичайній GPS-навігації. Особливість полягає у тому, що програма аналізує динамічну ситуацію на кожному перехресті і по всьому місту і відповідно прокладає маршрут з урахуванням трафік-ситуації на кожен конкретний момент часу. Остаточною метою даного дослідження є синхронізація транспортних потоків, оптимальне використання транспортних артерій всього міста, запобігання утворенню заторів, а також супровід кожного ТЗ до місця призначення з таким розрахунком, щоб затрачений на поїздку час був мінімальним.
Завантаження
Посилання
“A to Z List of Road Traffic Contractors - Road Traffic Technology”. Available: www.roadtraffic-technology.com/contractors/.
“How to get rid of traffic jams on the road? - 1Gai”. Available: http://www.1gai.ru/publ/512991-kak-izbavitsya-ot-probok-na-doroge.html.
Hyuk Lim, In Shick Kim, Ryangsoo Kim, “Vehicle, vehicle cloud system, and data dissemination system “ U.S. Patent US20150153176, June 4, 2015.
“Smart Traffic Management - Smarter Cambridge Transport”, Available: www.smartertransport.uk.
Marco Rinaldi, Francesco Viti, “Exact and approximate route set generation for resilient partial observability in sensor location problems”,Transportation Research Part B: Methodological, vol.105, № 11, pp. 86 – 119, 2017.
Gaurav Pandey, K. Ramachandra Rao, Dinesh Mohan, “Modelling vehicular interactions for heterogeneous traffic flown using cellular automata with position preference”, J. Mod. Transport, vol. 25, №3, pp.163–177, 2017.
A. A. Memon, M. Meng, Y. D. Wong , S. H. Lam, “Calibration of a rule-based intelligent network simulation model”, J. Mod. Transport, vol. 24, №1, pp.48–61, 2016.
Wei Wu, Yang Liu, Yue Xu, Quanlun Wei, Yi Zhang, “Traffic Control Models Based on Cellular Automata for At-Grade Intersections in Autonomous Vehicle Environment” Journal of Sensors, vol. 2017, Article ID 9436054, 6 pages, https://doi.org/10.1155/2017/9436054.
Xu Chunmao, Xu Jin, “Intelligent terminal based intelligent traffic light system and method”, China Patent CN104575066, April 29, 2015.
“Case studies for traffic solutions - Siemens”, Available: www.mobility.siemens.com /...solutions/.../case-studies-for-tr.
David K. Chang, Mitsuru Saito, Grant G. Schultz, Dennis L. Eggett, “Use of Hi-resolution data for evaluating accuracy of traffic volume counts collected by microwave sensors”, Journal of traffic and transportation engineering”,vol.4, Is. 5, pp. 423-435, 2017.
Dazhi Sun, Jinpeng Lv, S. Travis Waller, “In-depth analysis of traffic congestion using computational fluid dynamics (CFD) modeling meth”, Journal of Modern Transportation, vol.1, № 1, pp. 58-67, 2011.
T.R. Gopalakrishnan Nair, Kavitha Sooda, “Comparison of Genetic Algorithm and Simulated Annealing Technique for Optimal Path Selection in Network Routing”, arXiv: 1001.3920. Available at: http://arxiv.org/abs/1001.3920 (2010).
Konstantinos Ampountolas, Nan Zheng, Nikolas Geroliminis, “Macroscopic modelling and robust control of bi-modal multi-region urban road networks”, Transportation Research Part B: Methodological, vol.104, P.616–637, 2017.
«Cybern.ru» Dijkstra's algorithm (implementation in Java), Available: www.cybern.ru/algoritm-dejkstry-realizaciya-na-java.html.