Метод построения распределенных систем управления транспортными потоками на основе событийно связанных автоматных моделей тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Елькин Дмитрий Максимович

• Елькин Дмитрий Максимович
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Елькин Дмитрий Максимович

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ МЕТОДОВ И ПОДХОДОВ К АДАПТИВНОМУ УПРАВЛЕНИЮ ТРАНСПОРТНЫМИ ПОТОКАМИ

1.1. Характеристика транспортного потока на дорожной сети города

1.2. Анализ существующих систем управления транспортными потоками

1.2.1. Система стандартного светофорного регулирования

1.2.2. Система TRANSYT

1.2.3. Система SCATS

1.2.4. Система SCOOT

1.2.5. Система OPAC

1.2.6. Система UTOPIA

1.2.7. Система IMFLOW

1.2.8. Системы управления транспортом на базе IoT, V2X, Cloud, ML

1.3. Общее сравнение систем управления транспортными потоками

1.4. Методы построения систем управления транспортными потоками

1.4.1. Метод заданного управления

1.4.2. Метод настраиваемого управления

1.4.3. Метод адаптивного управления

1.4.4. Метод +адаптивного управления

1.5. Общее сравнение методов построения систем управления транспортными потоками

1.6. Постановка задачи исследования

1.7. Выводы по первой главе

ГЛАВА 2. МЕТОД РАСПРЕДЕЛЕННОГО УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ ПОТОКАМИ

2.1. Описание работы метода распределенного управления транспортными потоками

2.1.1. Определение количества агентов

2.1.2. Схема взаимодействия между агентами

2.1.3. Схема взаимодействия агентов на перекрёстке

2.1.4. Схема взаимодействия агентов на нескольких перекрёстках

2.1.5. Схема взаимодействия агентов для участка УДС

2.2. Конфигурация интеллектуального агента

2.2.1. Агент на локально управляемом перекрестке без связи с другими

2.2.2. Агент на перекрёстке в сети

2.2.3. Агент на перекрёстке связанный с агентами УДС

2.2.4. Агент на перекрёстке в сети связанный с агентами УДС

2.2.5. Агенты УДС

2.3. Пример применения метода

2.3.1. Расчёт количества агентов для исследуемого участка дорожной сети

2.3.2. Определение схемы взаимодействия агентов в рамках перекрёстка

2.3.3. Определение схемы взаимодействия агентов перекрёстка в рамках участка дорожной сети

2.3.4. Определение схемы взаимодействия агентов перекрёстка с агентами улично-дорожной сети

2.3.5. Определение структуры агентов

2.4. Выводы по второй главе

ГЛАВА 3. РЕАЛИЗАЦИЯ СИСТЕМЫ И АЛГОРИТМОВ РАСПРЕДЕЛЕННОГО УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ ПОТОКАМИ В КОНЦЕПЦИИ СОБЫТИЙНО СВЯЗАННЫХ АВТОМАТНЫХ МОДЕЛЕЙ

3.1. Международный стандарт «Функциональные блоки для индустриальных систем управления»

3.2. Агент перекрёстка

3.2.1. Блок «Agent logic»

3.2.2. Модуль «Интерфейс взаимодействия с агентами»

3.2.3. Модули «Алгоритм взаимодействия с агентами перекрёстка» и «Алгоритм управления ОДИ»

3.2.4. Модуль «Алгоритм взаимодействия с агентами соседнего перекрёстка»

3.2.5. Модуль «Алгоритм взаимодействия с агентами УДС»

3.2.6. Модуль «Алгоритм расчёта времени работы ОДИ»

3.2.7. Модуль IoT интерфейс

3.2.8. Функциональный блок IoT_module

3.2.9. Функциональный блок NETIO

3.2.10. Функциональный блок split_data

3.3. Агент улично-дорожной сети

3.3.1. Модули «Алгоритм взаимодействия с агентами УДС» и «Алгоритм управления ОДИ»

3.3.2. Модуль «Интерфейс взаимодействия с агентами перекрестка»

3.4. Выводы по третьей главе

ГЛАВА 4. РЕАЛИЗАЦИЯ И ТЕСТИРОВАНИЕ СИНТЕЗИРОВАННОЙ РАСПРЕДЕЛЁННОЙ СИСТЕМЫ УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ ПОТОКАМИ

4.1. Программное обеспечение для реализации разработанного метода

4.2. Макет исследуемого участка дорожной сети

4.3. Создание распределённой системы управления транспортными потоками

4.4. Тестирование распределённой системы управления транспортными потоками

4.5. Сравнение разработанной системы с существующими системами

управления движением

4.6. Выводы по четвертой главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б

ПРИЛОЖЕНИЕ В

ПРИЛОЖЕНИЕ Г

Введение диссертации (часть автореферата) на тему «Метод построения распределенных систем управления транспортными потоками на основе событийно связанных автоматных моделей»

ВВЕДЕНИЕ

Актуальность темы исследования и степень её разработанности.

Необходимость корректного и эффективного функционирования систем управления связана с их повсеместным применением в различных предметных областях, которые, в том числе, влияют на благополучие и благосостояние человека. С появлением компьютерной техники стало очевидно, что управление сложными системами с большим количеством сенсоров, узлов, блоков и агрегатов, объектов управления проще всего передать специализированным компьютерным системам, которые не допускают ошибок, не испытывают чувства усталости, функционируют точно, и насколько это возможно, бесперебойно. Примерами таких систем, являются электродистанционные системы управления, системы автоматического управления на атомных электростанциях, системы управления движением судов, автоматизированные системы управления дорожным движением, интеллектуальные транспортные системы и т. п. Разработка и применение подобных систем позволили увеличить масштабы производства, повысить экономическую эффективность транспортных перевозок, достичь существующего уровня жизни и комфорта человека.

Однако остро встаёт вопрос разработки подобных систем, создания методов их проектирования и алгоритмов, по которым системы будут функционировать, для успешного выполнения задач, которые на них возложены. В то же время системы управления воздушными объектами, атомными электростанциями и судами функционируют с высокой степенью эффективности [1-3] так как: существуют строгие инструкции, минимизировано влияние человеческого фактора, при проектировании заложена высокая степень отказоустойчивости. В свою очередь, при функционировании систем управления наземным транспортом ввиду большего объема пользователей системы [4], стохастического характера движения транспорта, ограничений, накладываемых улично-дорожной сетью (УДС), различных социальных эффектов [5-6], образуется множество конфликтных точек [7] и точек задержки [8], оказывающих существенное влияние

на движение транспорта. Устранить эти точки или уменьшить их влияние на работу системы в целом, можно двумя способами: разделив транспортные потоки (ТП) во времени или разделив ТП в пространстве. Для реализации первого варианта при постоянно растущем объеме транспортных средств (ТС) требуется своевременная модернизация системы в части методов проектирования и алгоритмов функционирования и в части аппаратной модернизации элементов дорожной инфраструктуры. Для разделения ТП в пространстве требуется регулярное расширение УДС для увеличения её пропускной способности. На последний вариант накладывается ряд ограничений так как особенно в крупных городах с многолетней историей, территории заняты застройкой и расширять дорожную сеть не представляется возможным, также расширение дорожной сети обязывает затрачивать большое количество ресурсов, требует тщательного планирования, больших вложений и значительных временных затрат. Таким образом активная автомобилизация населения планеты и возникающие, в связи с этим, ограничения простимулировали развитие новых методов и подходов к проектированию систем управления движением, формированию алгоритмов их работы, а также модернизации программных и аппаратных средств этих систем.

Значительные результаты в области разработки методов и систем управления ТП, начиная с семидесятых годов прошлого века, отражены в работах отечественных и зарубежных исследователей: Гартнера Н. [5], Ханта П. [36], Луври П. [37], Гордона Р. [28], Мызь В. [61], Дреснера К. [70-71], Оливейра Д. [75-76], Де Суза А. [93,96-98], Робертсона Д. [101] и др.

Работы Михеевой Т. И. [15], Михеева С. В. [16,21], Вонга Ю. [27], Корчагина В. А. [14], Росса, Р. П. и Прассаса Э. С. [33] вносят значительный вклад в определение моделей движения ТП и их характеристик.

Оценка эффективности применения систем управления ТП к различным участкам УДС проведенная в работах: Стевановича К. [43], Кергайе П. [44], Павлески Д. [40,47], Чена Х. [39], Славина С. [45], Доши Х. [46], и других исследователей, позволяет делать выводы о преимуществах и недостатках существующих подходов и методов к управлению ТП в городской среде.

В области разработки распределённых систем управления ТП значительных результатов достигли Турку С. [55], Буи К. [57], Дандала Т. [58], Миланес В. [59], Ргиуи А. [56], Чан П. [87] и др.

Таким образом, анализ открытых источников показывает, что наиболее эффективными на данный момент являются системы управления ТП которые формируют управляющие воздействия на основе поступающей информации о транспорте - адаптивные системы [9,40,47,121,123]. Такие системы постоянно модернизируются в части методов, подходов и алгоритмов опираясь на технологическое развитие информационно технологической инфраструктуры, например получившие бурное развитие системы управления основанные на многоагентном подходе [10,57,63,87] и применении концепции интернета вещей (1оТ) [11-13]. Анализ рассмотренных источников позволяет сделать вывод, что под эффективным управлением ТП понимается достижение максимальной пропускной способности участка дорожной сети в рамках существующих ограничений накладываемых дорогой (длина и ширина дороги, количество полос для движения и т. д.) [20,40,44,121-123].

При этом одной из важнейших научно-технических задач решаемых разработчиками систем управления движением, становится задача создания методов синтеза систем того или иного типа для различных участков УДС, способных учитывать современные тенденции управления и изменяющуюся геометрическую и транспортную характеристику, а также алгоритмов формирования управляющих воздействий для подобных систем.

В то же время, для снижения расходов на внедрение и увеличения скорости проектирования, методы и подходы к синтезу систем управления ТП должны предполагать реализацию систем на существующей дорожной инфраструктуре и быть экономичны с точки зрения расходования ресурсов.

Основой таких методов может стать международный стандарт МЭК 61499 «Функциональные блоки для индустриальных систем управления»[113].

В связи с вышесказанным, разработка новых методов построения систем управления ТП, повышающих эффективность управления ТП, является актуальной и важной задачей.

Целью исследования является повышение эффективности управления ТП на УДС города.

Для достижения данной цели в необходимо решение следующих основных

задач:

1) Проанализировать эффективность применения существующих систем управления ТП на УДС города.

2) Разработать метод построения распределённых систем управления ТП на участке УДС.

3) Разработать распределённую аппаратно-программную архитектуру системы адаптивного управления ТП на УДС.

4) Разработать алгоритмы работы элементов распределённой системы адаптивного управления для решения задач управления ТП.

5) Исследовать перспективы промышленного применения разработанного метода за счёт его реализации в рамках концепции событийно связанных автоматных моделей - стандарта МЭК 61499.

6) Апробировать предложенные решения путём разработки прикладного программного обеспечения для реализации работы метода построения распределённых систем адаптивного управления ТП на участке УДС города.

Объект исследования - ТП наземного транспорта, в рамках УДС города.

Предмет исследования - прикладной метод адаптивного распределённого управления ТП в условиях динамического изменения транспортной загруженности дорожной сети.

Научная новизна работы заключается в создании нового прикладного метода построения систем адаптивного распределённого управления ТП на основе событийно связанных автоматных моделей. При этом в работе:

1) разработан метод построения распределённых систем управления ТП на участке улично-дорожной сети, отличающийся от известных, новым способом формирования агентов и структуры системы управления;

2) разработана распределённая аппаратно-программная архитектура системы адаптивного управления ТП на улично-дорожной сети, отличающаяся новым способом построения системы управления из набора готовых элементов, формирование количественных и качественных характеристик которых происходит в зависимости от их расположения на УДС;

3) разработаны алгоритмы работы элементов распределённой системы адаптивного управления ТП, отличающиеся от имеющихся, новым способом формирования управляющих воздействий на ТП на основе взаимодействия элементов системы друг с другом.

Положения, выносимые на защиту:

1) предложенный в работе новый метод построения распределённых систем управления ТП позволяет синтезировать системы адаптивного распределённого управления ТП для участка УДС города, которые формируют управляющие воздействия на ТП с учётом индивидуальных параметров движения каждого из транспортных подпотоков (пункт 4 паспорта специальности 2.3.1, страницы 74-113 диссертационной работы);

2) разработанная аппаратно-программная архитектура системы адаптивного управления ТП позволяет повысить скорость внедрения системы управления за счёт возможности размещения системы управления построенной из готовых блоков на существующей дорожной инфраструктуре, включая дорожные контроллеры (пункт 9 паспорта специальности 2.3.1, страницы 115-147, 154-159 диссертационной работы);

3) разработанные алгоритмы работы элементов распределённой системы адаптивного управления позволяют осуществлять распределённое

адаптивное управление ТП на дорожной сети города, осуществляя формирование управляющих воздействий на ТП в результате взаимодействия элементов распределённой системы в рамках перекрёстка, группы перекрёстков, участка УДС (пункт 5 паспорта специальности 2.3.1, страницы 86-95, 123-141 диссертационной работы).

Методология и методы исследования. Основные результаты, полученные в диссертационной работе, опираются на использование фундаментальных положений теории алгоритмов, теории автоматов, теории и методов управления, технологий объектно-ориентированного программирования.

Теоретическая значимость работы заключается в развитии теории и методов управления ТП, разработанном новом методе построения распределённых систем адаптивного управления ТП, предложенных правилах определения взаимосвязей для каждого из элементов распределённой системы, алгоритмах работы элементов распределённой системы для решения задач по управлению ТП.

Практическая значимость работы заключается в разработке программно-алгоритмического обеспечения построения распределённых систем адаптивного управления ТП, программно-алгоритмического обеспечения распределённой системы управления в рамках стандарта МЭК 61499, программно-аппаратного обеспечения для проведения имитационного моделирования движения ТП и формирования управляющих воздействий. Разработанное программное обеспечение позволяет создать распределённую систему адаптивного управления ТП и провести анализ эффективности управления на макете участка улично-дорожной сети.

Достоверность и обоснованность полученных автором теоретических и практических результатов вытекает из корректного использования теории автоматов, методов управления, технологий объектно-ориентированного программирования, непротиворечивостью полученных результатов устоявшимся подходам к проектированию систем управления ТП и индустриальных систем управления в рамках стандарта МЭК 61499, подтверждением теоретических

выводов и предположений полученными результатами имитационного моделирования.

Реализация и внедрение результатов работы. Результаты диссертационного исследования были использованы в Муниципальном бюджетном учреждении «Центр интеллектуальной транспортной системы» при разработке перспективных систем управления ТП в городе Ростов-на-Дону. Также теоретические и практические результаты диссертационного исследования внедрены в учебный процесс кафедры синергетики и процессов управления имени профессора А. А. Колесникова ФГАОУ ВО «Южный федеральный университет» при подготовке бакалавров направления 27.03.03 Системный анализ и управление и магистров направления 27.04.03 Системный анализ и управление.

Апробация работы. Основные положения и результаты работы докладывались и обсуждались на следующих научных конференциях: Informatics and Cybernetics in Intelligent Systems. CSOC 2021, Czech Republic, 2021; X Всероссийская научная конференция «Системный синтез и прикладная синергетика», Нижний Архыз, Россия, 2021; XIV Всероссийская мультиконференция по проблемам управления (МКПУ-2021) Геленджик, Россия, 2021; Applied Informatics and Cybernetics in Intelligent Systems CSOC 2020, Zlin, Czech Republic, 2020; Doctoral Conference on Computing, Electrical and Industrial Systems, DoCEIS 2020, Costa de Caparica, Portugal, 2020; IX Всероссийская научная конференция «Системный синтез и прикладная синергетика», Нижний Архыз, Россия, 2019.

Публикации. По теме диссертации опубликовано 11 печатных работ, в том числе 5 в изданиях, включенных ВАК РФ в перечень рецензируемых научных изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание учёной степени кандидата наук; 3 публикации в научных изданиях, входящих в систему индексирования научных работ Scopus.

Личный вклад автора заключается в разработке метода синтеза распределённых систем адаптивного управления ТП на дорожной сети города, алгоритмов, а также программных средств реализации работы метода, программно-

аппаратных средств для проведения процедур имитационного моделирования и тестирования разработанных систем управления.

Структура и объем работы. Диссертация состоит из введения, четырёх глав, заключения, списка литературы, включающего 124 наименования, 4 приложений и изложена на 203 страницах машинописного текста.

Во введении приведены цель работы, обоснование актуальности темы диссертационной работы, основные научные положения, выносимые на защиту, данные о научной новизне и практической ценности, апробации диссертационной работы, реализации и внедрении, а также приведено содержание разделов диссертации.

В первой главе диссертационной работы проведен анализ методов построения систем управления ТП и архитектуры этих систем, рассмотрены примеры построения таких систем и проведена сравнительная оценка эффективности управления как с зарекомендовавших себя и функционирующих систем управления ТП на участках дорожной сети города, так и с системами управления ТП, находящихся в стадии разработки. На основании проведённого анализа обоснована необходимость при разработке систем управления декомпозировать ТП на модели взаимодействующих подсистем. Выделены функциональные и количественные критерии оценки эффективности управления ТП. Сформулирована постановка задачи разработки нового метода построения распределённых систем адаптивного управления ТП, учитывающего индивидуальные параметры движения ТП в рамках перекрёстка, основываясь на принципах распределённого управления. Отмечено что, разработка нового метода необходима для повышения эффективности управления с учётом индивидуальных характеристик движения ТП в рамках перекрёстка.

Во второй главе диссертационной работы описан метод синтеза распределённых систем адаптивного управления ТП; описана схема работы метода, выделены основные правила взаимодействия агентов, описана структура каждого агента в зависимости от расположения на участке УДС, разработаны алгоритмы работы агентов. Применение предложенного метода позволит получить

архитектуру распределённой системы адаптивного управления ТП с описанием необходимых элементов и их характеристик. Представленные алгоритмы, позволяют осуществлять обмен данными между элементами распределённой системы управления и формирование управляющих воздействий на ТП.

В третьей главе рассмотрена реализация программно-аппаратной архитектуры распределённой системы управления ТП, а именно, агентов перекрёстка, агентов УДС и составляющих их модулей в виде функциональных блоков, которые выполнены в рамках стандарта «Функциональные блоки для индустриальных систем управления» МЭК 61499. Использование стандарта позволяет проводить внедрение распределённой системы управления в рамках существующей дорожной инфраструктуры путём размещения элементов системы на программируемых логических контроллерах (ПЛК) в виде готовых блоков. Реализованы алгоритмы управления и коммуникации, элементов распределенной системы управления ТП, применение которых позволяет осуществлять формирование управляющих воздействий на объект управления в результате взаимодействия элементов распределённой системы друг с другом, при этом с учётом индивидуальных характеристик движения каждого из транспортных подпотоков в рамках перекрёстка.

В четвертой главе описан процесс создания и тестирования распределённой системы адаптивного управления ТП. Разработано программное обеспечение, обеспечивающее связь системы управления с имитационной моделью и программой, реализующей работу системы управления.

Представлено описание экспериментов, проведённых с целью проверки эффективности предложенного метода для разработки распределённых систем адаптивного управления ТП. Приведено сравнение разработанной системы с существующими системами адаптивного управления ТП.

В заключении изложены основные выводы и результаты диссертационной работы.

В приложениях приведены структура распределённой системы управления ТП, свидетельства об официальной регистрации программ для ЭВМ и копии актов внедрения.

ГЛАВА 1. АНАЛИЗ МЕТОДОВ И ПОДХОДОВ К АДАПТИВНОМУ УПРАВЛЕНИЮ ТРАНСПОРТНЫМИ ПОТОКАМИ

1.1. Характеристика транспортного потока на дорожной сети города

С середины пятидесятых годов двадцатого века благодаря повышению уровня жизни населения и доступности автотранспорта за короткий промежуток времени на улицах городов появилось множество автотранспортных средств, которые при движении по дорожной сети города стали образовывать ТП.

Транспортный поток - сложный объект, обладающий несколькими основными свойствами [14]:

• стохастичность поведения (объект является сложным и испытывает влияние многих факторов);

• не стационарность (характеристики и параметры, описывающие поведение объекта, постоянно изменяются);

• временными колебаниями характеристик (исследуемые параметры объекта изменяются в зависимости от времени суток, дня недели, времени года);

• не повторяемостью (при формировании одних и тех же управляющих воздействий результаты отличаются).

ТП можно описать как совокупность признаков процесса движения -интенсивность, скорость, типовой состав, интервалы в потоке, и т. д.

Характеристика ТП может быть отражена как [15]:

!(#,%) = Ц , (П)

где ккЬ X) - плотность ТП (количество транспортных средств на единицу длины, тс/м); V(t, х) - средняя скорость движения ТП, м/с; I х) - интенсивность движения ТП (количество ТС на дороге за единицу времени, тс/с).

Таким образом, в качестве основных характеристик ТП можно рассматривать плотность потока, скорость потока и интенсивность потока в результате чего ТП можно представить как I).

На рисунке 1.1 приведены диаграмма зависимости средней скорости от интенсивности V = /(/) (а) и диаграмма зависимости интенсивности от плотности 1 = 0(2) (б). Данные зависимости характерны для непрерывного ТП, который движется по участку дорожной сети.

Рисунок 1.1

Режимы движения ТП

Выделяется три основных режима движения ТП: свободный поток, групповое движение и насыщенный поток [16].

Свободный поток - это ТП со свободной скоростью V), малой интенсивностью движения и отсутствием помех между движущимися автомобилями. Когда интенсивность движения повышается до максимального значения I, в зависимости от величины пропускной способности дороги, скорость Кизменяется до величины В (рисунок 1.1, а).

Групповое движение (зона В-С) характеризуется появлением помех движению транспорта. В этом случае уменьшается возможность осуществления обгона и появляются группы автомобилей, которые движутся с одинаковой скоростью. Режим движения в зоне В - С нестабилен так как небольшое увеличение количества групп в потоке приводит не только к уменьшению скорости V, но и к переходу к зоне С-0 и снижению интенсивности движения.

Насыщенный поток (зона D-E) - ТС движутся с сильным разбросом величины ускорений и замедлений.

Каждый участок дорожной сети, по которому движется ТП, имеет границу плотности и, если количество ТС на единицу измерения дороги приближается к границе может наступить критическая плотность.

Критическая плотность ТП ^ - это величина плотности кпри максимальной интенсивности I. Когда плотность изменяется в промежутке от критического значения к до максимально допустимого для данного участка УДС ках, образуется заторовая ситуация и интенсивность уменьшается от максимума до нуля.

Также в области критической плотности к может существовать точка разрыва функции V = 0(2), это может произойти если на дорожной сети произошло какое-то случайное событие, например ДТП, что приводит к скачкообразному изменению скорости движения и резкому переходу ТП из состояния свободного потока, к состоянию насыщенного потока. Первые предположения о возникновении разрывов характеристик ТП были выявлены Л. Эдаем в 1961 г. [15].

Изменения в плотности к и интенсивности I, появление точек разрыва при движении ТП приводит к образованию заторов.

На рисунке 1.2 поясняется механизм образования затора. В случае когда пропускная способность перекрёстка больше интенсивности прибывающего ТП, на участке УДС длиной X находится очередь из ТС Q, ожидающих пересечения перекрёстка /2, перекрёсток обеспечивает пропуск ТС, движущихся в направлении от перекрёстка] к перекрёстку ]2. Если длина дороги X*, которая занята очередью, не больше длины участка УДС X* < X, перекрёсток ] работает нормально. Как только происходит увеличение интенсивности движения ТП, или на перекрёстке ]2 не верно осуществляется управление ТП, очередь ТС 4* будет превышать длину участка X и очередь автомобилей, проезжающих через ]2, не уменьшается на дороге, в следствии чего ТС скапливаются в зоне перекрёстка ]. Работа перекрёстка ]) нарушается, на других направлениях, которые обслуживаются перекрёстком, скапливаются ТС, а затор распространяется на весь участок УДС.

Рисунок 1.2 - Образование транспортного затора

Когда на перекрёстке J (рисунок 1.3) для ТС, движущихся в ТП TF, существует возможность движения в нескольких различных направлениях, мы можем рассматривать TF как множество подпотоков TF = которые

движутся по соответствующим полосам движения L = по направлениям

R = {г1..гп}. Подпоток ТС 6+ при движении через перекрёсток может иметь конфликтную точку с другим подпотоком 6,.

Рисунок 1.3 - Конфликтные точки при движении ТП через перекрёсток

Множество конфликтных точек 9Р = }, образующееся при пересечении траекторий движения ТП TF, является одной из основных причин задержек транспорта и образования транспортных заторов, так как оказывает негативное

влияние на пропускную способность перекрёстка [17]. Конфликтные точки могут быть устранены путём разделения ТП в пространстве (транспортные развязки) или во времени (управление ТП), при этом на практике ввиду ограниченности свободного пространства в городах и ресурсной базы приоритет отдаётся разделению ТП во времени.

Первое средство разделения ТП во времени - трёхцветный светофор, на дорогах общего пользования был установлен в 1914 году. Первые светофоры осуществляли простое разделение ТП во времени с одинаковым временным интервалом, но с увеличением количества ТС этого стало недостаточно.

Для реализации более сложных моделей управления по направлениям движения ТП, в 30-х годах к светофорам на перекрёстках добавились дорожные контроллеры, они используются и сейчас для управления сигналами светофора и программируются в соответствии с рассчитываемыми циклами светофорного регулирования. Основу цикла управления составляет фаза управления, в которой цвет изменяется между красным, желтым и зелёным в соответствии с рассчитанным временным интервалом.

В ходе дальнейшей модернизации систем управления движением транспортом выделились два подхода управления:

1. Многопрограммное жестко заданное управление, основанное на простых дорожных контроллерах и позволяющее задать несколько программ управления для одного светофорного объекта, в том числе по времени, например утренние и вечерние часы пик.

2. Адаптивное управление с получением информации о ТП в текущий момент времени. Для этого дорожные контроллеры в реальном времени получают информацию о состоянии ТП от транспортных детекторов, расположенных в зонах пересечения дорог, и на основе этой информации рассчитывается цикл светофора для каждой фазы его работы. Транспортные детекторы предназначены для регистрации проезжающих ТС и определения параметров ТП.

На данный момент в большинстве случаев управление ТП осуществляется именно с помощью многопрограммного жёстко заданного управления, сейчас это

самое дешёвое решение, но часто такая модель управления не является наиболее оптимальной и приводит к ненужным задержкам в движении ТС [18]. Эта модель не учитывает множество факторов, влияющих на движение транспорта, в том числе случайно изменяющуюся нагрузку на тот или иной участок дорожной сети.

Список литературы диссертационного исследования кандидат наук Елькин Дмитрий Максимович, 2023 год

СПИСОК ЛИТЕРАТУРЫ

1. Титов, А. В. Системы управления безэкипажными судами / А. В. Титов, Л. Баракат, В. А. Чанчиков // Морские интеллектуальные технологии. - 2019. - № 1-4 (43). - С. 109-120.

2. Stevens, B. L. Aircraft control and simulation: dynamics, controls design, and autonomous systems. / B. L. Stevens, F. L. Lewis, E. N. Johnson // - John Wiley & Sons - 2015. - 755 p.

3. Kriaa, S. A survey of approaches combining safety and security for industrial control systems / S. A Kriaa, L. Pietre-Cambacedes, M. Bouissou, Y. Halgand // Reliability engineering & system safety. - 2015. - Vol. 139. - С. 156-178.

4. De Souza. Traffic management systems: A classification, review, challenges, and future perspectives [Electronic resource] / De Souza, M. Allan, et al. // International Journal of Distributed Sensor Networks - 2017. - Vol. 13(4) - URL: https://doi.org/10.1177/1550147716683612 (date of the application: 15.08.2021)

5. Gartner, N. H. Evaluation of optimized policies for adaptive control strategy/ N. H. Gartner, P. J. Tarnoff, C. M. Andrews // Transportation Research Record. - 1991. -No. 1324. - P. 105-114.

6. Zhao, Yi. An overview of the usage of adaptive signal control system in the United States of America / Zhao, Yi, Zong Tian // Applied Mechanics and Materials. -2012. - Vol. 178. - P. 2591-2598.

7. Волков, В. С. Расчёт вероятностных оценок опасности конфликтных точек на дорожных пересечениях/ В. С. Волков, Д. Ю. Кастырин, Е. Г. Лебедев // Актуальные проблемы науки и образования на современном этапе. - Воронеж, 2017. - С. 55-63.

8. Елькин, Д. М. Принцип работы метода дорожного регулирования на основе анализа области влияния точки задержки / Д. М. Елькин, С. А. Кучеров // Инновационные технологии и дидактика в обучении: VI Международная научно-практическая конференция. - Таганрог, 2018. - С. 158-161.

9. Samadi, S. Performance evaluation of intelligent adaptive traffic control systems: A case study / S. Samadi, et al. // Journal of transportation technologies. -2012. - Vol. 2. - P. 248-259.

10. Al-Sakran, Intelligent traffic information system based on integration of Internet of Things and Agent technology / Al-Sakran, O. Hasan // International Journal of Advanced Computer Science and Applications (IJACSA). - 2015 -Vol. 6. - № 2. -P. 37-43.

11. Rizwan. Real-time smart traffic management system for smart cities by using Internet of Things and big data [Electronic resource] / Rizwan, Patan, K. Suresh, M. Rajasekhara Babu // 2016 international conference on emerging technological trends (ICETT). IEEE (Kollam, India). - 2016 - Vol. 1 - URL: https://doi.org/10.1109/ICETT.2016.7873660 (date of the application: 17.08.2021)

12. Khanna, Abhirup, and Rishi Anand IoT based smart parking system / Khanna, Abhirup, and Rishi Anand // 2016 International Conference on Internet of Things and Applications (IOTA). - Pune, 2016. - P. 266-270.

13. Kaminski Agent-based modeling of an IoT network / Kaminski, J. Nicholas, Maria Murphy, and Nicola Marchetti [Electronic resource] // 2016 IEEE international symposium on systems engineering (ISSE). - Edinburgh, 2016. - Vol. 1. - URL: https://doi.org/10.1109/SysEng.2016.7753151 (date of the application: 25.09.2021)

14. Корчагин, В. А. Управление транспортной системой на основе формирования ТП / В. А. Корчагин, Ю. Н. Ризаева // Информационные технологии и инновации на транспорте. - 2015. - С. 9-11.

15. Михеева, Т. И. Модели управления транспортными потоками в условиях затора / Т. И. Михеева, С. В. Михеев // Программные продукты и системы. - 2012. - № 3. - С. 50-55.

16. Михеев, С. В. Учёт и визуализация показателей транспортного потока в среде интеллектуальной транспортной системы / С. В. Михеев, И. Г. Богданова // Организация и безопасность дорожного движения. - 2013. - С. 111-116.

17. Некрасова, Е. Е. Основные критерии оценки эффективности функционирования перекрестков / Е. Е. Некрасова, А. Г. Шевцова // Актуальные

направления научных исследований XXI века: теория и практика. - 2015. - Т. 3. -№ 4-1. - С. 363-366.

18. Keyvan-Ekbatani, M. Controller design for gating traffic control in presence of time-delay in urban road networks / M. Keyvan-Ekbatani, M. Papageorgiou, V. L. Knoop // Transportation Research Procedia. - 2015. - Vol. 7. - P. 651-668.

19. Mannion, P. An experimental review of reinforcement learning algorithms for adaptive traffic signal control / P. Mannion, J. Duggan, E. Howley // Autonomic road transport support systems. - 2016. - P. 47-66.

20. Leontiadis. On the effectiveness of an opportunistic traffic management system for vehicular networks/ Leontiadis, Ilias, et al. // IEEE Transactions on Intelligent Transportation Systems. - 2011. - Vol. 12. - P. 1537-1548.

21. Михеев, С. В. Системный анализ исследования транспортных процессов при управлении потоками / С. В. Михеев // ИТ & Транспорт: сб. науч. статей. - 2019. - С. 12.

22. Xu, B. Cooperative method of traffic signal optimization and speed control of connected vehicles at isolated intersections / B. Xu, X. J. Ban, Y. Bian, W. Li, J. Wang, S. E. Li, K. Li // IEEE Transactions on Intelligent Transportation Systems. - 2018. - Vol. 20. - №. 4. - P. 1390-1403.

23. Щенников, А. Н. Комплементарное управление транспортными потоками мегаполиса / А. Н. Щенников // Наука и технологии железных дорог. -2019. - Т. 3. - № 3. - С. 17-25.

24. Сафронов, Э. А. Модель управления транспортными потоками в современных условиях / Э. А. Сафронов, К. Э. Сафронов, Е. С. Семенова // Вестник Сибирской государственной автомобильно-дорожной академии. - 2017. - №. 1 (53). - С. 77-83.

25. Магомедов, Ф. М. Оптимизация управления транспортными потоками в улично-дорожной сети города / Ф. М. Магомедов, И. Меликов, Н. Магомедова, Э. Гасанова // Актуальные вопросы инновационного развития транспортного комплекса: 4-ая Международная научно-практическая интернет-конференция -Орел, 2014. - С. 136-141.

26. Голубков, А. С. Адаптивное управление дорожным движением на базе системы микроскопического моделирования ТП / А. С. Голубков, В. А. Царев // Информационно-управляющие системы. - 2010. - № 5. - С. 15-19.

27. Wang, Y. A review of the self-adaptive traffic signal control system based on future traffic environment [Electronic resource] / Y. Wang et al. // Journal of Advanced Transportation. - 2018. - Vol. 1. - URL: https://doi.org/10.1155/2018/1096123 (date of the application: 25.09.2021).

28. Gordon, R. L. Traffic Control Systems Handbook (2005 Edition) / R. L. Gordon, W. Tighe - No. FHWA-H0P-06-006. - 2005. - 369 p.

29. Mirshahi M. Active traffic management: the next step in congestion management / M. Mirshahi, J. Obenberger, C. Fuhs. - No. FHWA-PL-07-012. - 2007. -88 p.

30. Елькин, Д. М. Обзор существующих подходов к управлению транспортными потоками: многоагентные системы в концепции интернета вещей/ Д. М. Елькин, В. В. Вяткин // Системный синтез и прикладная синергетика: IX Всероссийская научная конференция. - Нижний Архыз, 2019. - С. 323-329.

31. Елькин, Д. М. На пути к Интернету вещей в управлении транспортными потоками: обзор существующих методов управления дорожным движением / Д. М. Елькин, В. В. Вяткин // Известия Южного федерального университета. Технические науки. - 2019. - № 5 (207). - С. 100-113.

32. Elkin, D. IoT in traffic management: review of existing methods of road traffic regulation / D. Elkin, V. Vyatkin // Springer. - 2020. - P. 536-551.

33. Roess, R. P. Traffic engineering / R. P. Roess, E. S. Prassas, W. R. McShane. - Pearson; Prentice Hall, 2004. - 714 p.

34. Papageorgiou, M. Review of road traffic control strategies / M. Papageorgiou et al. // Proceedings of the IEEE. - 2003. - Vol. 91. - P. 2043-2067.

35. Chiou, S. W. Optimization of area traffic control for equilibrium network flows / S. W. Chiou. // - Transportation Science. - 1999. - Vol. 33. - №. 3. - P. 279-289.

36. Hunt, P. B. SCOOT-a traffic responsive method of coordinating signals / P. B. Hunt et al. - No. LR 1014 Monograph. 1981. - 41 p.

37. Lowrie, P. R. Scats, sydney co-ordinated adaptive traffic system: A traffic responsive method of controlling urban traffic / P. R. Lowrie. - No. 00772163 - 1990. -28 p.

38. Sims, A. G. The Sydney coordinated adaptive traffic (SCAT) system philosophy and benefits/ A. G. Sims, K. W. Dobinson// IEEE Transactions on vehicular technology. - 1980. - Vol. 29. - P. 130-137.

39. Chen, H. Simulation study of OPAC: A demand-responsive strategy for traffic signal control / H. Chen et al. // Transportation and Traffic Theory. - 1987. - Vol. 2. - P. 233-249.

40. Pavleski, D. Evaluation of adaptive traffic control system UTOPIA using microscopic simulation / D. Pavleski, D. Koltovska-Nechoska, E. Ivanjko // 2017 International Symposium ELMAR. - Zadar, 2017. - P. 17-20.

41. Mauro, V. Utopia / V. Mauro, C. Di Taranto // IFAC Proceedings. - 1990. -Vol. 23 - P. 245-252.

42. Mandhare, P. A. Intelligent road traffic control system for traffic congestion a perspective / P. A. Mandhare, V. Kharat, C. Y. Patil // International Journal of Computer Sciences and Engineering. - 2018. - Vol. 6. - № 07. - P. 908-915.

43. Stevanovic, A. Scoot, and scats: A closer look into their operations / A. Stevanovic, C. Kergaye, P. T. Martin // 88th Annual Meeting of the Transportation Research Board. - Washington DC, 2009. - 18 p.

44. Kergaye, C. An evaluation of SCOOT and SCATS through microsimulation/ C. Kergaye, A. Stevanovic, P. T. Martin // International Conference on Application of Advanced Technologies in Transportation, Transportation and Development Institute. -Athens, 2008. - 15 p.

45. Slavin, C. Statistical study of the impact of adaptive traffic signal control on traffic and transit performance / C. Slavin et al. // Transportation Research Record. -2013. - Vol. 2356. - № 1. - P. 117-126.

46. Mudigonda, S. Evaluation, and selection of adaptive traffic control strategies on transportation networks: Decision support tool based on geographic information

system/ S. Mudigonda, K. Ozbay, H. Doshi // Transportation Research Record. - 2008. -Vol. 2064. - № 1. - P. 51-64.

47. Pavleski, D. Evaluation of adaptive and fixed time traffic signal strategies: case study of Skopje / D. Pavleski, D. Koltovska-Nechoska, E. Ivanjko // Transport for Today's society: Second International Conference. - Bitola, 2019. - P. 201-210.

48. Keertikumar, M. Evolution of IoT in smart vehicles: An overview / M. Keertikumar, M. Shubham, R. M. Banakar // 2015 International Conference on Green Computing and Internet of Things (ICGCIoT). - Greater Noida, 2015. - P. 804-809.

49. Misbahuddin, S. IoT based dynamic road traffic management for smart cities/ S. Misbahuddin et al. // 2015 12th International Conference on High-capacity Optical Networks and Enabling/Emerging Technologies (HONET). - Leipzig, 2015. -P. 42-49.

50. Thakur, T. T. Real time traffic management using Internet of Things / T. T. Thakur et al. // 2016 International Conference on Communication and Signal Processing (ICCSP). IEEE. - 2016. - P. 3-90.

51. Chong, H. F. Development of IoT device for traffic management system/ H.F. Chong, D. W. Kiat Ng [Electronic resource] // 2016 IEEE Student Conference on Research and Development (SCOReD). - Kuala Lumpur, 2016. - Vol. 1. - URL: https://doi.org/10.1109/SC0RED.2016.7810059 (date of the application: 25.09.2021)

52. He, W. Developing vehicular data cloud services in the IoT environment / W. He, Y. Gongjun, Li Da Xu // IEEE Transactions on Industrial Informatics. - 2014 -Vol. 10 - P. 1587-1595.

53. Nor Ruhaizan Fazrren Ashraff Mohd. Smart traffic light for congestion monitoring using LoRaWAN / Nor Ruhaizan Fazrren Ashraff Mohd, Fadhlan HK Zaman, and Shamry Mubdi // 2017 IEEE 8th Control and System Graduate Research Colloquium (ICSGRC). - Shah Alam, 2017. - P. 132-137.

54. Mzahm, A. M. Agents of Things (AoT): An intelligent operational concept of the Internet of Things (IoT) / A. M. Mzahm, A. Mohd Sharifuddin, A. YC Tang // 2013 13th International Conference on Intellient Systems Design and Applications. - Salangor, 2013. - P. 159-164.

55. Turcu, C. E. An internet of things-based distributed intelligent system with self-optimization for controlling traffic-light intersections [Electronic resource] / C. E. Turcu, V. G. Gaitan, C. O. Turcu // 2012 International Conference on Applied and Theoretical Electricity (ICATE). - Salangor, 2012. - Vol. 1. - URL: https://doi.org/10.1109/ICATE.2012.6403461 (date of the application: 25.09.2021).

56. Rghioui, A. IoT for ITS: a dynamic traffic lights control based on the Kerner three phase traffic theory/ A. Rghioui, Y. Hernafi, M. Bouhorma // International Journal of Computer Applications - 2016. - Vol. 1. - P. 40-48.

57. Bui, K. Internet of agents framework for connected vehicles: A case study on distributed traffic control system / Khac-Hoai Nam Bui, Jason J. Jung // Journal of Parallel and Distributed Computing - 2016. - Vol. 116 (2018) - P. 89-95.

58. Dandala, T. T., Internet of Vehicles (IoV) for traffic management/ T. T. Dandala, V. Krishnamurthy, R. Alwan // 2017 International conference on computer, communication, and signal processing (ICCCSP). - 2017. - P. 1-4.

59. Milanes, V. An intelligent V2I-based traffic management system/ V. Milanes, et al. // IEEE Transactions on Intelligent Transportation Systems - 2012. -Vol. 13.1 - P. 49-58.

60. Phan, C. T. Applying the IoT platform and green wave theory to control intelligent traffic lights system for urban areas in Vietnam/ C. T. Phan, et al. // TIIS -2019. - P. 34-51.

61. Miz, V. Smart traffic light in terms of the cognitive road traffic management system (CTMS) based on the Internet of Things / V. Miz, V. Hahanov // Proceedings of IEEE East-West Design & Test Symposium (EWDTS 2014). - 2014. - Vol. 1. - URL: https://doi.org/10.1109/EWDTS.2014.7027102 (date of the application: 25.09.2021).

62. Tielert, T. The impact of traffic-light-to-vehicle communication on fuel consumption and emissions / T. Tielert et al. // 2010 Internet of Things (IOT) IEEE. -2010. - Vol. 1. - URL: https://doi.org/10.1109/I0T.2010.5678454 (date of the application: 25.09.2021).

63. Liu, Y. Intelligent traffic light control using distributed multi-agent Q learning/ Y. Liu, L. Lei, C. Wei-Peng // 2017 IEEE 20th International Conference on

Intelligent Transportation Systems (ITSC). - 2017. - Vol. 1. - URL: https://doi.org/10.1109/ITSC.2017.8317730 (date of the application: 25.09.2021).

64. Pappis, C. P. A fuzzy logic controller for a traffic junction / C. P. Pappis, E. H. Mamdani // IEEE Transactions on Systems, Man, and Cybernetics. - 1977. -Vol. 10. - P. 707-717.

65. Chiu, S. Self-organizing traffic control via fuzzy logic / S. Chiu, S. Chand // Proceedings of 32nd IEEE Conference on Decision and Control. - San Antonio, 1993. -Vol. 1. - P. 1897-1902.

66. Wei, W. Traffic signal control using fuzzy logic and MOGA / W. Wei, et al. // 2001 IEEE International Conference on Systems, Man and Cybernetics. e-Systems and e-Man for Cybernetics in Cyberspace. - Tucson, 2001. - Vol. 2. - P. 1335-1340.

67. Niittymaki, J. Signal control using fuzzy logic / J. Niittymaki, M. Pursula // Fuzzy sets and systems. - 2000. - Vol. 116. - P. 11-22.

68. Van den Berg, M. A macroscopic traffic flow model for integrated control of freeway and urban traffic networks/ M. Van den Berg, et al. // 42nd IEEE International Conference on Decision and Control. - Maui, 2003. - Vol. 3. - P. 2774-2779.

69. Almejalli, K. An intelligent multi-agent approach for road traffic management systems/ K. Almejalli, K. Dahal, A. Hossain // 2009 IEEE Control Applications, (CCA) & Intelligent Control, (ISIC). - Saint Petersburg, 2009. - Vol. 1. -P. 825-830.

70. Dresner, K. Traffic intersections of the future/ K. Dresner, P. Stone // AAAI. - 2006. - Vol. 6. - P. 1593-1596.

71. Dresner, K. A multiagent approach to autonomous intersection management / K. Dresner, P. Stone // Journal of artificial intelligence research. - 2008. -Vol. 31. - P. 591-656.

72. Balan, G. History-based traffic control / G. Balan, S. Luke // Proceedings of the fifth international joint conference on Autonomous agents and multiagent systems. -Hakodate, 2006. - Vol. 1. - P. 616-621.

73. Vasirani, M. A market-inspired approach to reservation-based urban road traffic management/ M. Vasirani, S. Ossowski // Proceedings of the 8th International

Conference on Autonomous Agents and Multiagent Systems - Budapest, 2009. - Vol. 1. - P. 617-624.

74. Bonabeau, E. Swarm intelligence: from natural to artificial systems / E. Bonabeau et al. // Oxford university press. - 1999. - 360 p.

75. Oliveira, D. Traffic lights control with adaptive group formation based on swarm intelligence/ D. Oliveira, A. Bazzan // International Workshop on Ant Colony Optimization and Swarm Intelligence. - 2006. - Vol. 1. - P. 520-521.

76. Oliveira, D. A swarm-based approach for selection of signal plans in urban scenarios / D. Oliveira, A. Bazzan // International Workshop on Ant Colony Optimization and Swarm Intelligence. - 2004. - Vol. 1. - P. 416-417.

77. Garcia-Nieto, J. Optimal cycle program of traffic lights with particle swarm optimization / J. Garcia-Nieto, A. C. Olivera, E. Alba // IEEE Transactions on Evolutionary Computation. - 2013. - Vol. 17. - P. 823-839.

78. Eiben, A. E. Introduction to evolutionary computing / A. E. Eiben et al. // Natural Computing Series - 2003. - 287 p.

79. Montana, D. J. Evolving control laws for a network of traffic signals /

D. J. Montana, S. Czerwinski // Genetic Programming. - 1996. - Vol. 1. - P. 333-338.

80. Sánchez-Medina, J. J. Traffic signal optimization in "La Almozara" district in saragossa under congestion conditions, using genetic algorithms, traffic microsimulation, and cluster computing/ J. J. Sánchez-Medina, M. J. Galán-Moreno,

E. Rubio-Royo // IEEE Transactions on Intelligent Transportation Systems. - 2009. -Vol. 11. - P. 132-141.

81. Wiering, M. A. Intelligent traffic light control / M. A. Wiering et al. // Institute of Information and Computing Sciences, Utrecht University. - 2004. - 30 p.

82. Steingrover, M. Reinforcement Learning of Traffic Light Controllers Adapting to Traffic Congestion/ M. Steingrover et al. // BNAIC. - 2005. - P. 216-223.

83. De Oliveira, D. Reinforcement Learning based Control of Traffic Lights in Non-stationary Environments: A Case Study in a Microscopic Simulator / D. de Oliveira et al. // EUMAS. - 2006. - URL: https://www.academia.edu/559048/Reinforcement_learning_based_control_of_traffic_li

ghts_in_non_stationary_environments_a_case_study_in_a_microscopic_simulator?fro m=cover_page (date of the application: 23.10.2021).

84. Bazzan, A. L. C. Learning in groups of traffic signals / A. L. C. Bazzan, D. de Oliveira, B.C. da Silva // Engineering Applications of Artificial Intelligence. - 2010. -Vol. 23. - P. 560-568.

85. Li, J. An end-to-end load balancer based on deep learning for vehicular network traffic control / J. Li et al. // IEEE Internet of Things Journal. - 2018. - Vol. 6. -P. 953-966.

86. Rizwan, J. M. Multi-layer perception type artificial neural network-based traffic control / J. M. Rizwan et al. // Indian Journal of Science and Technology. - 2016. -Vol. 9. - P. 1-6.

87. Chan, P. C. Preemptive distributed intrusion detection using mobile agents / P. C. Chan, V. K. Wei // Proceedings. Eleventh IEEE International Workshops on Enabling Technologies: Infrastructure for Collaborative Enterprises. - 2002. - Vol. 1. -P. 103-108.

88. Jabbarpour, M. R. Intelligent guardrails: an IoT application for vehicle traffic congestion reduction in smart city/ M. R. Jabbarpour, A. Nabaei, H. Zarrabi // 2016 IEEE international conference on Internet of Things (Ithings) and IEEE Green computing and communications (Greencom) and IEEE cyber, physical, and social computing (cpscom) and IEEE smart data (smartdata). - Chengdu, 2016. - Vol. 1. - P. 7-13.

89. Lee, W. H. Decision-tree based green driving suggestion system for carbon emission reduction / W. H. Lee, Y. C. Lai, P. Y. Chen // 12th international conference on ITS telecommunications (ITST). - Taipei, 2012. - P. 486-491.

90. Barba, C. Smart city for vanets using warning messages, traffic statistics and intelligent traffic lights / C. Barba, M. Mateos, P. Soto et al. // IEEE intelligent vehicles symposium (IV). - Alcala de Henares, 2012. - P. 902-907.

91. Bauza, R. Traffic congestion detection in large-scale scenarios using vehicle-to-vehicle communications / R. Bauza, J. Goza lvez // Journal of Network and Computer Applications. - 2013 - Vol. 36(5). - P. 1295-1307.

92. Araujo, G. B. A proposal toward identification and minimization of vehicular traffic congestion for VANET / G. B. Araujo et al. // 2014 IEEE symposium on computers and communications (ISCC). - Funchal, 2014. -Vol. 1. - P. 1-6.

93. De Souza, A. M. A fully-distributed traffic management system to improve the overall traffic efficiency/ A. M. de Souza, L. A. Villas // Proceedings of the 19th ACM International Conference on Modeling, Analysis and Simulation of Wireless and Mobile Systems. - Paris, 2016. -Vol. 1. - P. 19-26.

94. Meneguette, R. I. Enhancing intelligence in inter-vehicle communications to detect and reduce congestion in urban centers / R. I. Meneguette et al. // 2015 IEEE Symposium on Computers and Communication (ISCC). - Larnaca, 2015. - Vol. 1. - P. 1-6.

95. Souza, A. M. Decreasing greenhouse emissions through an intelligent traffic information system based on inter-vehicle communication/ A. M. Souza et al. // Proceedings of the 12th ACM international symposium on Mobility management and wireless access. - Montreal, 2014. -Vol. 1. - P. 91-98.

96. De Souza, A. M. A new solution based on inter-vehicle communication to reduce traffic jam in highway environment / A. M. de Souza, L. A. Villas // IEEE Latin America Transactions. - 2015. - Vol. 13. - P. 721-726.

97. De Souza, A. M. Garuda: a new geographical accident aware solution to reduce urban congestion/ A. M. de Souza et al. // 2015 IEEE international conference on computer and information technology; ubiquitous computing and communications; dependable, autonomic, and secure computing; pervasive intelligence and computing. -Liverpool, 2015. - Vol. 1. - P. 596-602.

98. De Souza, A. M. Minimizing traffic jams in urban Centers using vehicular ad hoc networks / A. M. de Souza et al. // 2015 7th international conference on new technologies, mobility and security (NTMS). - Paris, 2015. - Vol. 1. - P. 1-5.

99. Younes, M. Efficient traffic congestion detection protocol for next generation vanets / M. Younes, A. Boukerche // 2013 IEEE international conference on communications (ICC). - Budapest, 2013. - P. 3764-3768.

100. Bellemans, T. Models for traffic control / T. Bellemans, B. De Schutter, B. De Moor // JOURNAL A. - 2002. - Vol. 43. - № 3/4. - P. 13-22.

101. Robertson, D. I. Optimizing networks of traffic signals in real time-the SCOOT method / D. I. Robertson, R. D. Bretherton // IEEE Transactions on vehicular technology. - 1991. - Vol. 40. - № 1. - P. 11-15.

102. Fries, R. N. Meeting privacy challenges while advancing intelligent transportation systems / R. N. Fries et al. // Transportation Research Part C: Emerging Technologies. - 2012. - Vol. 25. - P. 34-45.

103. Gershenson, C. A general methodology for designing self-organizing systems / C. Gershenson // arXiv preprint - 2005. - URL: https://arxiv.org/pdf/nlin/0505009.pdf (date of the application: 15.11.2021)

104. Cools, S. B. Self-organizing traffic lights: A realistic simulation / S. B. Cools, C. Gershenson, B. D'Hooghe // Advances in applied self-organizing systems. - 2013. - Vol. 1. - P. 45-55.

105. Lämmer, S. Self-control of traffic lights and vehicle flows in urban road networks/ S. Lämmer, D. Helbing // Journal of Statistical Mechanics: Theory and Experiment. - 2008. - Vol. 4. - P. 4-19.

106. Venkatakrishnan, S. V. Plug-and-play priors for model-based reconstruction/ S. V. Venkatakrishnan, C. A. Bouman, B. Wohlberg // 2013 IEEE Global Conference on Signal and Information Processing. - Austin, 2013. - Vol. 1. - P. 945948.

107. Sullivan, A. Implementing active traffic management strategies in the US. / A. Sullivan et al. // University Transportation Center for Alabama. - 2010. - 108 p.

108. Elkin, D. Distributed approach to traffic management automation implemented according to IEC 61499 / D. Elkin, V. Vyatkin // Doctoral Conference on Computing, Electrical and Industrial Systems. - Costa de Caparica, 2020. -Vol. 1. - P. 159-167.

109. Елькин, Д. М. Подход к управлению транспортными потоками на основе стандарта МЭК 61499 / Д. М. Елькин, В. В. Вяткин // Известия Южного федерального университета. Технические науки. - 2020. - Т. 5. - C. 100-110.

110. Елькин, Д. М. Метод для распределенного управления транспортными потоками на основе взаимодействия агентов / Д. М. Елькин, В. В. Вяткин // XIV Всероссийская мультиконференция по проблемам управления. - Дивноморское; Геленджик, 2021. - № 3. - С. 39-42.

111. Elkin, D. Distributed Traffic Control Method Based on Interconnected Agents [Electronic resource] / D. Elkin, V. Vyatkin // Informatics and Cybernetics in Intelligent Systems. - 2021. - Vol. 228. - URL: https://doi.org/10.1007/978-3-030-77448-6_53 (date of the application: 15.01.2022).

112. Елькин, Д. М. Метод разработки систем для распределённого управления транспортными потоками на основе взаимосвязанных агентов / Д. М. Елькин, В. В. Вяткин // Инженерный вестник Дона. - 2022. - № 1 (85). -С.229-249.

113. Vyatkin, V. IEC 61499 as enabler of distributed and intelligent automation: State-of-the-art review / V. Vyatkin // IEEE transactions on Industrial Informatics. -2011. - Vol. 7. - P. 768-781.

114. Елькин, Д. М. Разработка распределённой системы для управления транспортом в рамках стандарта МЭК 61499 / Д. М. Елькин, В. В. Вяткин // Системный синтез и прикладная синергетика: X Всероссийская научная конференция. - Нижний Архыз, 2021. - С. 118-124.

115. Елькин, Д. М. Разработка системы для управления транспортными потоками на основе стандарта МЭК 61499 / Д. М. Елькин, В. В. Вяткин // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. -2022. - № 1 (213). - С. 11-20.

116. Елькин, Д. М. Проверка эффективности распределённой системы адаптивного управления транспортными потоками на основе событийно связанных автоматных моделей / Д. М. Елькин // Современная наука и инновации. - 2022. -№ 2 (38). - С. 28-40.

117. Свидетельство о государственной регистрации программы для ЭВМ № 2022611874 Российская Федерация. Программное обеспечение для подсчёта количества агентов для управления транспортными потоками на участке дорожной

сети: № 2022610650: заявл. 13.01.2022: опубл. 02.02.2022 / Д. М. Елькин. - EDN PYPAKI.

118. Свидетельство о государственной регистрации программы для ЭВМ № 2021618546 Российская Федерация. Программное обеспечение для организации управления транспортными потоками на основе событийно связанных автоматных моделей в концепции интернета вещей: № 2021617558: заявл. 14.05.2021: опубл. 28.05.2021 / Д. М. Елькин. - EDN OTYCQK.

119. Горбачев, С. В. Организация дорожного движения: методические указания / С. В. Горбачев // Оренбургский гос. ун-т - Оренбург: ОГУ, 2019 - 39 с.

120. Andrews, C. M. Evaluation of New Jersey route 18 OPAC/MIST traffic-control system/ C. M. Andrews, S. M. Elahi, J. E Clark // Transportation research record. - 1997. - Vol. 1603. - P. 150-155.

121. Samadi, S. Performance evaluation of intelligent adaptive traffic control systems: A case study/ S. Samadi et al. // Journal of transportation technologies. - 2012. -Vol. 2. - P. 248 - 259.

122. Jansuwan, S. Assessment of area traffic control system in bangkok by the microscopic simulation model / S. Jansuwan, S. Narupiti // Proceedings of the Eastern Asia Society for Transportation Studies. - 2005. -Vol. 5. - P. 1367-1378.

123. Wahlstedt, J. Evaluation of the two self-optimising traffic signal systems Utopia/Spot and ImFlow, and comparison with existing signal control in Stockholm, Sweden / J. Wahlstedt // 16th International IEEE Conference on Intelligent Transportation Systems (ITSC 2013). - The Hague, 2013. - Vol. 1. - P. 1541-1546.

124. Ricart, G. Agrawala A. K. An optimal algorithm for mutual exclusion in computer networks / G. Ricart, A. K. Agrawala // Communications of the ACM. - 1981. - Vol. 24. - №. 1. - P. 9-17.

ПРИЛОЖЕНИЕ А

Акты о внедрении результатов работы.

ЛЛЧНШК 1ПЦНЯ

"Ч-а» рос 1 и1\.Нк-.1(Ш>

Центр ЦИТеЛ.1ГКТ>'Я.1Ы10Й транспортом СМС1СЧМ

М} М1М|М*1«.'Н.1Н1С Ом.ЛКШЮС * Ч |КЖ к ии* 1Л Г>Н|и.Ж1КЧГ1М«. I >* Гь,

Настоящим актом подтверждается. что результаты диссертационной работы «Метод поет роения распределенных систем управления транспортными потоками на основе событннно связанных автоматных моделей» представленной на соискание степени кандидата технических наук по специальности 2.3.1 - «Системный анализ, управление и обработка информации», использованы в МБУ «Центр ИТС» при разработке перспективных систем управления транспортными потоками в городе Ростов-на-Дону.

Щи»

■м. 1Г.Я-1] ♦->•■ кми-и

iM.nn «пит т и*!»«!"»-!*

мин |>||||«1»и>чмипя|

24.01.2022 x; пс- 104

АКТ

о внедрении (использовании) результатов кандидатской диссертационной работы Елькина Дмитрия Максимовича

Директор

МБУ «Центр ИТС»

Д.Н. Карасвв

УТВЕРЖДАЮ:

Заместитель лиректора Института компьютерных техно.

техно.

АКТ

о внедрении (исполь ювании) результатов

кандидатской лиссертационной работы Елькина Дмитрия Максимовича в учебный процесс Южного федерального университета

Настоящим актом подтверждается, что результаты диссертационной работы «Метод построения распределенных систем управления транспортными потоками на основе событийно связанных автоматных моделей» внедрены в учебный процесс кафедры синергетики и процессов управления им. профессора А. А. Колесникова ФГАОУ ВО «Южный федеральный университет» при подготовке бакалавров направления 27.03.03 «Системный анализ и управление» и магистров направления подготовки 27.04.03 «Системный анализ и управление».

ПРИЛОЖЕНИЕ Б

Свидетельства о государственной регистрации программ для ЭВМ.

теетшЖЖАЖ ФВДШРАЩШШ

СВИДЕТЕЛЬСТВО

о государственной регистрации программы для ЭВМ

№ 2021618546

Программное обеспечение для организации управления

транспортными потоками на основе событийно связанных автоматных моделей в концепции интернета

вещей

Правообладатель: Елькин Дмитрий Максимович (яи) Автор(ы): Елькин Дмитрий Максимович (Яи)

Заявка № 2021617558

Дата поступления 14 мая 2021 г.

Дата государственной регистрации в Реестре программ для ЭВМ 28 Мая 2021 г.

Руководитель Федеральной службы по интеллектуальной собственности

Сертификат 0х02А5СРВО00В1АСР59А40А2Р08092Е9А118 Владелец Ивлиев Григорий Петрович

Действителен с 15.01 ,¿021 по 15.01.2035

Г.П. Ивлиев

жжжжжжжжжжжжжжжжжжж^

ртеешПтеАн фвдшрлщшш

СВИДЕТЕЛЬСТВО

о государственной регистрации программы для ЭВМ

№ 2022611874

Программное обеспечение для подсчёта количества агентов для управления транспортными потоками на участке дорожной сети

Правообладатель: Елькин Дмитрий Максимович ^и)

Автор(ы): Елькин Дмитрий Максимович ^и)

Заявка № 2022610650

Дата поступления 13 января 2022 Г. Дата государственной регистрации

в реестре программ для эвм 02 февраля 2022 г.

Руководитель Федеральной службы по интеллектуальной собственности

Сертификат 0х/Ь699С0008АЙ/бЬ'131>,1)851)Н8".9А6С1)1 Владелец Ивлиев Григорий Петрович

Действителен с 24^12,2021 по 24.12.2022

Г.П. Ивлиев

^ЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖ§

ПРИЛОЖЕНИЕ В

Общий вид распределённой системы управления транспортными потоками,

состоящей из 34 агентов.

200

ПРИЛОЖЕНИЕ Г

Выходные данные программы для подсчёта количества агентов для управления транспортными потоками на участке дорожной сети. Оп Т^еСшу: А1 : А21 Ьу R1 А2 : А22 Ьу R2 А2 : А14 Ьу R3 А3 : А9 Ьу R4 А3 : А23 Ьу R4 А4 : А12 Ьу R5 А5 : А26 Ьу R6 А5 : А11 Ьу R7 А6 : А30 Ьу R8 А7 : А15 Ьу R9 А8 : А16 Ьу R11 А8 : А14 Ьу R12 А9 : А3 Ьу R13 А10 : А12 Ьу R15 А11 : А5 Ьу R18 А12 : А18 Ьу R19 А12 : А10 Ьу Я20 А14 : А8 Ьу R23 А15 : А7 Ьу R25 А16 : А8 Ьу R26 А16 : А20 Ьу Я27 А17 : А24 Ьу Я29 А18 : А12 Ьу R32 А19 : А25 Ьу R34 А20 : А16 Ьу R35 А21 : А1 Ьу R37

A22 : A24 by R39 A22 : A30 by R40 A23 : A3 by R42 A24 : A17 by R43 A24 : A22 by R44 A25 : A19 by R45 A26 : A5 by R46 A27 : A30 by R47 A30 : A22 by R51 A30 : A27 by R52

Factical crossing: A2 : {A4, A5, A6} by R3 A4 : {A5, A2} by R5 A5 : {A2, A4} by R6 A6 : {A2} by R8

A7 : {A9, A10, A12, A13, A14} by R9

A8 : {A9, A10, A12, A13, A14} by R11

A8 : {A9, A10, A14, A10, A11} by R12

A9 : {A7, A8, A11, A12} by R13

A10 : {A7, A8, A11, A12, A14} by R15

A10 : {A8, A11, A12, A14, A12, A13} by R16

A11 : {A8, A9, A10, A13, A14} by R17

A12 : {A9, A10, A13, A14} by R19

A12 : {A8, A10, A13, A14, A7, A14} by R20

A13 : {A7, A8, A10, A11, A12} by R21

A14 : {A7, A8, A10, A11, A12} by R23

A14 : {A7, A8, A10, A12} by R24

A16 : {A17, A18, A20} by R26

A16 : {A17, A20, A17, A18} by R27

A17 : {A16 A18 A20} by R29

Al7 : {A16 A18 A20} by R30

Al8 : {A16 Al7, A20} by R32

Al8 : {A16 Al7, A20} by R33

A20 : {A16 Al7, A18} by R35

A20 : {A16 Al7, A18} by R36

A21 : {A23, A24, A27, A29, A30} by R37

A22 : {A23, A24, A27, A29, A30} by R39

A22 : {A23, A24, A30, A24, A26, A27} by R40

A23 : {A21 A22, A26, A27, A30} by R41

A24 : {A21 A22, A26, A27, A30} by R43

A24 : {A22, A26, A27, A30, A27, A29} by R44

A26 : {A22, A23, A24, A29, A30} by R46

A27 : {A22, A23, A24, A29, A30} by R47

A27 : {A22, A24, A29, A30, A21, A30} by R48

A29 : {A21 A22, A24, A26, A27} by R50

A30 : {A21 A22, A24, A26, A27} by R51

A30 : {A21 A22, A24, A27, A23, A27} by R52

Agent-Road crossing: A2 : {A31} by R3 A3 : {A31} by R4 A4 : {A31} by R5 A5 : {A32} by R7 A7 : {A33} by R10 A8 : {A31} by R12 A9 : {A31} by R13 A10 : {A31} by R15 A10 : {A32} by R16 All : {A32} by R18

A12 : {A31 by R20

A14 : {A31 by R23

A14 : {A32 by R24

A15 : {A33 by R25

A16 : {A33 by R27

A17 : {A31 by R28

A17 : {A33 by R29

A19 : {A34 by R34

A20 : {A33 by R35

A20 : {A34 by R36

A21 : {A32 by R38

A22 : {A33 by R40

A23 : {A33 by R42

A24 : {A34 by R43

A24 : {A33 by R44

A25 : {A34 by R45

A27 : {A34 by R48

A28 : {A34 by R49

A30 : {A33 by R51

A30 : {A33 by R52