Маршрутизація транспортного засобу з оптимальним за часом динамічним міським шляхом руху
Анотація
Ключова мета цього дослідження - синхронізувати транспортні потоки, оптимізувати використання транспортних артерій по всьому місту, запобігти заторам і супроводжувати кожен транспортний засіб до місця призначення так, щоб час, витрачений на поїздку, був мінімальним. В результаті загальний час, проведений автомобілями в дорозі, значно скоротиться, а екологічні показники відповідно покращяться.
Об'єктом дослідження є транспортна мережа міста, представлена у вигляді зваженого орієнтованого неплоского мультиграфа (ЗОНМ). Ключова перевага використання теорії графів для побудови оптимальних маршрутів базується на наступних обставинах: 1). теорія графів розробила багато алгоритмів побудови оптимальних маршрутів (алгоритм Дейкстри, алгоритм Флойда-Уоршалла, алгоритм А-зірки та ін.); 2). теорія графів є теоретичною і практичною основою логістики, в тому числі міського транспорту. Для побудови маршруту в такому мультиграфі використовується алгоритм A-зірка, який прокладає оптимальний за часом (t-оптимальний) маршрут між двома обраними вершинами графа.
Дослідження створює реальну перспективу вирішення проблеми заторів за рахунок використання спеціального програмного алгоритму, орієнтованого на прокладання оптимальних маршрутів та використання графів, які, в свою чергу, моделюють транспортну мережу міста.
Принциповим питанням є представлення транспортної мережі міста у вигляді електронної карти та відображення на ній GPS-ідентифікаторів транспортних засобів, що беруть участь у дорожньому русі. Відображення "транспортний рух міста → електронна карта" дає можливість отримати дані про рівень завантаженості транспортної мережі. Використання електронної карти міста дозволяє спроектувати на неї GPS-координати кожного транспортного засобу. Таким чином, транспортна мережа міста знаходиться під повним контролем центру управління транспортом (ЦУТ), який має реальну можливість взаємодіяти з кожним транспортним засобом і постійно коригувати його маршрут, обираючи t-оптимальний. Коригування маршруту здійснюється через канал General Packet Radio Service (GPRS) у вигляді голосових команд, як у звичайній GPS-навігації. Однак специфіка полягає в наступному: 1). навігація здійснюється в режимі онлайн; 2). прокладаються t-оптимальні маршрути з урахуванням дорожньої ситуації в кожен момент часу.
Таким чином, розроблено великомасштабну транспортну міську дорожню мережу у поєднанні з комп'ютерною програмою. Робота має прикладний характер, а її результати можуть бути використані для ефективного регулювання дорожнього руху в мегаполісах з метою мінімізації проїзду кожного транспортного засобу за обраним маршрутом.
Завантаження
Посилання
/Посилання
T. Xu , B. Ran , Y. Cui, Dynamic user optimal route choice problem on a signalized transportation network Transportation Engineering 13, 2023. https://doi.org/10.1016/j.treng.2022.100153
P. Nikolyuk, T. Neskorodieva, E. Fedorov, E. Chioma. Intellectual algorithm implementation for megacity traffic management, CEUR Workshop proceedings, Information Technology and Interactions, 2021, V.2845, https://cutt.ly/WwAwZZAp
P. Dutta, S. Khatua, S. Choudhuri. DB-Corouting: Density Based Coordinated Vehicle Rerouting in Smart Environment, International journal of intelligent transportation systems research V.19, 2021. doi:10.1007/s13177-021-00261-6 .
M. Hashemi, H. A.Karimi,. A weight-based map-matching algorithm for vehicle navigation in complex urban networks. Journal Intelligent Transportation Systems: Technology, Planning, and Operations V. 20, 2016, DOI:10.1080/15472450.2016.1166058
J. Pan, I. S. Popa, K. Zeitouni, C. Borcea, Proactive vehicular traffic rerouting for lower travel time. IEEE Transactions on Vehicular Technology, 62((2013). doi:10.1109/TVT.2013.2260422
T. Sobral, T. Galvao, J. Bordes, Visualization of Urban Mobility Data from Intelligent Transportation Systems. Sensors, V.19, 2019, https://doi.org/10.3390/s19020332.
M. Quddus, S. Washington, Shortest path and vehicle trajectory aided map-matching for low frequency GPS data. Transportation Research Part C: Emerging Technologies, V.55, 2015, https://doi.org/10.1016/j.trc.2015.02.017
H.Majid, C. Lu, H. Karim, An integrated approach for dynamic traffic routing and ramp metering using sliding mode control. Journal of Traffic and Transportation Engineering (English Edition), V.5, 2018, https://doi.org/10.1016/j.jtte.2017.08.002
S. Rahimipour, R. Moeinfar, S. M. Hashemi, Traffic prediction using a self-adjusted evolutionary neural network, J. Mod. Transport. V.27, 2019, DOI: https:// 10.1007/s40534-018-0179-5
A. Emami, M. Sarvi, S.A. Bagloee, Using Kalman filter algorithm for short-term traffic flow prediction in a connected vehicle environment, J. Modern Transport. 27, 2019, https://doi.org/10.1007/s40534-019-0193-2 .
A. Pompigna, F. Rupia,. Comparing practice-ready forecast models for weekly and monthly fluctuations of average daily traffic and enhancing accuracy by weighting methods, Journal of Traffic and Transportation Engineering (English Edition), V.5, 2018, http://dx.doi.org/10.1016/j.jtte.2018.01.002 .
S. Chavhan, P. Venkataram, Prediction based traffic management in a metropolitan area, Journal of Traffic and Transportation Engineering (English Edition), V.7, 2020). https://doi.org/10.1016/J.JTTE.2018.05.003 .
X. Liang, S. Ilgin Guler, V. Gayan,. An equtable traffic signal control scheme at isolated intersections using Connected Vehicle technology, Transp. Research Part C, V.110, 2020, https://doi.org/10.1016/j.trc.2019.11.005 .
C. Cintrano, J. Ferrer, M. López-Ibáñez, E. Alba. Hybridization of Evolutionary Operators with Elitist Iterated Racing for the Simulation Optimization of Traffic Lights Programs, Evolutionary computation, 31, 2023, https://doi.org/10.1162/evco_a_00314
C. Xu, J. Xu,. Intelligent terminal based intelligent traffic light system and method. Pat. CN104575066, 2015, https://patents.google.com/patent/CN104575066A/en.
S. S. Smith, G. G. Barlow, X.-F. Xie (2017). Smart and scalable urban signal networks: methods and systems for adaptive traffic signal control. Pat. US 9,830,813 B2. https://www.wiomax.com/team/xie/schic/
H. Yu, R. Jiang, Z. Zheng Li, R. Liu, X. Chen, Automated vehicle-involved traffic flow studies: A survey of assumptions, models, speculations, and perspectives. J. of Intel. Transp. Systems, V.127, 2021, https://doi.org/10.1016/j.trc.2021.103101
S. Panda, A. M. Patki, K. Hushing, Traffic Management Using Swarm Intelligence and Route Selection Using Android Application// International Journal of Engineering and Innovative Technology (IJEIT), V.5, 2015, https://www.ijeit.com/Vol%205/Issue%206/IJEIT1412201512_11.pdf
P.K. Nikolyuk,. A-Star algorithm, 2023, https://github.com/pknikolyuk/A-Star_algorithm/blob/master/src/Astar.java
A. M. T. Emtenan, A. Haghighat , M. Shields, J. Shaw, P. Hawley, A. Sharma , C. M. Day, Exploratory Regression Models for Estimating Right-Turn-on-Red Volume on Exclusive Right-Turn Lanes at Signalized Intersections. Transportation Research Record, V.2677, 2022, https://doi.org/10.1177/03611981221116370
J. Tan, X. Shi, Z. Li, K. Yang, N. Xie, H. Yu, L. Wang, Z. Li, Continuous and Diskrete-Time Optimal Controls for an Isolated Signalized Intersection. Journal of Sensors, Article ID 6290248, 2017, https://doi.org/10.1155/2017/6290248
X. Ma, Y. Li, P. Chen. Identifying spatiotemporal traffic patterns in large-scale urban road networks using a modified nonnegative matrix factorization algorithm. Journal of Traffic and Transportation Engineering (English Edition), V.7, 2020, http://dx.doi.org/10.1016/j.jtte.2018.12.002
T. Xu , B. Ran , Y. Cui, Dynamic user optimal route choice problem on a signalized transportation network Transportation Engineering 13, 2023. https://doi.org/10.1016/j.treng.2022.100153
P. Nikolyuk, T. Neskorodieva, E. Fedorov, E. Chioma. Intellectual algorithm implementation for megacity traffic management, CEUR Workshop proceedings, Information Technology and Interactions, 2021, V.2845, https://cutt.ly/WwAwZZAp
P. Dutta, S. Khatua, S. Choudhuri. DB-Corouting: Density Based Coordinated Vehicle Rerouting in Smart Environment, International journal of intelligent transportation systems research V.19, 2021. doi:10.1007/s13177-021-00261-6 .
M. Hashemi, H. A.Karimi,. A weight-based map-matching algorithm for vehicle navigation in complex urban networks. Journal Intelligent Transportation Systems: Technology, Planning, and Operations V. 20, 2016, DOI:10.1080/15472450.2016.1166058
J. Pan, I. S. Popa, K. Zeitouni, C. Borcea, Proactive vehicular traffic rerouting for lower travel time. IEEE Transactions on Vehicular Technology, 62((2013). doi:10.1109/TVT.2013.2260422
T. Sobral, T. Galvao, J. Bordes, Visualization of Urban Mobility Data from Intelligent Transportation Systems. Sensors, V.19, 2019, https://doi.org/10.3390/s19020332.
M. Quddus, S. Washington, Shortest path and vehicle trajectory aided map-matching for low frequency GPS data. Transportation Research Part C: Emerging Technologies, V.55, 2015, https://doi.org/10.1016/j.trc.2015.02.017
H.Majid, C. Lu, H. Karim, An integrated approach for dynamic traffic routing and ramp metering using sliding mode control. Journal of Traffic and Transportation Engineering (English Edition), V.5, 2018, https://doi.org/10.1016/j.jtte.2017.08.002
S. Rahimipour, R. Moeinfar, S. M. Hashemi, Traffic prediction using a self-adjusted evolutionary neural network, J. Mod. Transport. V.27, 2019, DOI: https:// 10.1007/s40534-018-0179-5
A. Emami, M. Sarvi, S.A. Bagloee, Using Kalman filter algorithm for short-term traffic flow prediction in a connected vehicle environment, J. Modern Transport. 27, 2019, https://doi.org/10.1007/s40534-019-0193-2 .
A. Pompigna, F. Rupia,. Comparing practice-ready forecast models for weekly and monthly fluctuations of average daily traffic and enhancing accuracy by weighting methods, Journal of Traffic and Transportation Engineering (English Edition), V.5, 2018, http://dx.doi.org/10.1016/j.jtte.2018.01.002 .
S. Chavhan, P. Venkataram, Prediction based traffic management in a metropolitan area, Journal of Traffic and Transportation Engineering (English Edition), V.7, 2020). https://doi.org/10.1016/J.JTTE.2018.05.003 .
X. Liang, S. Ilgin Guler, V. Gayan,. An equtable traffic signal control scheme at isolated intersections using Connected Vehicle technology, Transp. Research Part C, V.110, 2020, https://doi.org/10.1016/j.trc.2019.11.005 .
C. Cintrano, J. Ferrer, M. López-Ibáñez, E. Alba. Hybridization of Evolutionary Operators with Elitist Iterated Racing for the Simulation Optimization of Traffic Lights Programs, Evolutionary computation, 31, 2023, https://doi.org/10.1162/evco_a_00314
C. Xu, J. Xu,. Intelligent terminal based intelligent traffic light system and method. Pat. CN104575066, 2015, https://patents.google.com/patent/CN104575066A/en.
S. S. Smith, G. G. Barlow, X.-F. Xie (2017). Smart and scalable urban signal networks: methods and systems for adaptive traffic signal control. Pat. US 9,830,813 B2. https://www.wiomax.com/team/xie/schic/
H. Yu, R. Jiang, Z. Zheng Li, R. Liu, X. Chen, Automated vehicle-involved traffic flow studies: A survey of assumptions, models, speculations, and perspectives. J. of Intel. Transp. Systems, V.127, 2021, https://doi.org/10.1016/j.trc.2021.103101
S. Panda, A. M. Patki, K. Hushing, Traffic Management Using Swarm Intelligence and Route Selection Using Android Application// International Journal of Engineering and Innovative Technology (IJEIT), V.5, 2015, https://www.ijeit.com/Vol%205/Issue%206/IJEIT1412201512_11.pdf
P.K. Nikolyuk,. A-Star algorithm, 2023, https://github.com/pknikolyuk/A-Star_algorithm/blob/master/src/Astar.java
A. M. T. Emtenan, A. Haghighat , M. Shields, J. Shaw, P. Hawley, A. Sharma , C. M. Day, Exploratory Regression Models for Estimating Right-Turn-on-Red Volume on Exclusive Right-Turn Lanes at Signalized Intersections. Transportation Research Record, V.2677, 2022, https://doi.org/10.1177/03611981221116370
J. Tan, X. Shi, Z. Li, K. Yang, N. Xie, H. Yu, L. Wang, Z. Li, Continuous and Diskrete-Time Optimal Controls for an Isolated Signalized Intersection. Journal of Sensors, Article ID 6290248, 2017, https://doi.org/10.1155/2017/6290248
X. Ma, Y. Li, P. Chen. Identifying spatiotemporal traffic patterns in large-scale urban road networks using a modified nonnegative matrix factorization algorithm. Journal of Traffic and Transportation Engineering (English Edition), V.7, 2020, http://dx.doi.org/10.1016/j.jtte.2018.12.002