Организация движения на основе адаптации режимов работы светофорных объектов к динамике автотранспортного потока тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Пильгейкина Ирина Александровна

• Пильгейкина Ирина Александровна
• кандидат наук
• 2021

Оглавление диссертации кандидат наук Пильгейкина Ирина Александровна

ВВЕДЕНИЕ

1. АНАЛИЗ СОСТОЯНИЯ ВОПРОСА И ПОСТАНОВКА ЗАДАЧИ

ИССЛЕДОВАНИЯ

1.1 Методы управления светофорными объектами

1.2 Координированное управление светофорными объектами

1.3 Критерии формирования зон координированного управления

1.4 Многопрограммное управление светофорными объектами

1.5 Показатели эффективности организации транспортного обслуживания

1.5.1 Показатель безопасности дорожного движения

1.5.2 Экономические показатели организации дорожного движения

1.5.3 Показатели экологической безопасности дорожного движения

1.5.4 Показатель устойчивости функционирования улично-дорожной сети

1.5.5 Энергетические показатели организации дорожного движения

Выводы по главе

2. Теоретические исследования процессов движения автомобилей по дорожной

сети

2.1 Общая схема теоретических исследований

2.2 Методы расчета режимов работы светофорных объектов

2.2.1 Оптимизации режимов работы светофорных объектов при локальном управлении

2.2.1 Методы расчета планов координации, основанные на максимизации прогрессии

2.2.2 Методы расчета планов координации, основанные на минимизации потерь

2.3 Модели группового движения транспортных потоков

2.3.1 Модель группового движения в форме кусочно-постоянной функции

2.3.2 Модель группового движения в форме ряда Фурье

2.3.3 Модель группового движения в форме циклических профилей

2.3.4 Модели группового движения при конфликте транспортных потоков

Выводы по главе

Глава 3. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ДВИЖЕНИЯ

ТРАНСПОРТНЫХ ПОТОКОВ

3.1 Цель и задачи экспериментальных исследований

3.1 Методика проведения экспериментальных исследований

3.1.1 Микроскопическое моделирование транспортных потоков в программе SUMO

3.1.2 Калибровка параметров модели движения

3.2 Исследование дисперсии групп автомобилей

3.2.1 Модель транспортной сети для исследования дисперсии групп автомобилей и сценарии моделирования

3.2.2 Результаты моделирования дисперсии групп автомобилей и сценарии моделирования

3.2.3 Калибровка параметров модели дисперсии групп

3.3 Экспериментальные исследования влияния эффекта координации на задержку

транспортных средств

3.3.1 План проведения исследования влияния эффекта координации на задержку транспортных средств

3.3.2 Обработка результатов экспериментальных исследований влияния эффекта координации на задержку транспортных средств

Выводы по главе

4. РАЗРАБОТКА МЕТОДИКИ МНОГОПРОГРАММНОГО УПРАВЛЕНИЯ

СВЕТОФОРНЫМИ ОБЪЕКТАМИ И ОЦЕНКА ЕЕ ЭФФЕКТИВНОСТИ

4.1 Разработка методики практического применения результатов исследования

4.1.1 Сбора исходных данных и их обработка для выполнения расчетов

4.1.2 Расчет длительности светофорного цикла и фаз регулирования

4.1.3 Расчет многопрограммного управления светофорными объектами

4.1.4 Калибровка модели дисперсии групп

4.1.5 Формирование зон координированного управления

4.1.6 Расчет координированного управления

4.2 Оценка эффективности использования результатов исследований

4.2.1 Исследование условий движения и разработка модели пересечения

4.2.2 Расчет сигнального плана

4.2.3 Оценка эффективности методики расчета многопрограммного управления светофорными объектами на примере ул. Измайлова - ул. Стрельбищенская г. Пензы

Выводы по главе

Заключение

Литература

Приложение А

Приложение Б

Приложение В

Приложение Г

Приложение Д

Приложение Е

Приложение Ж

Введение диссертации (часть автореферата) на тему «Организация движения на основе адаптации режимов работы светофорных объектов к динамике автотранспортного потока»

ВВЕДЕНИЕ

Актуальность исследования. В современных условиях одной из важных проблем в сфере эксплуатации автомобильного транспорта является перегруженность улично-дорожной сети в городах и, как следствие, образование транспортные заторов на перекрестках, которые ведут к потерям времени доставки грузов и пассажиров, снижению безопасности, перерасходу топлива и ухудшению экологической ситуации.

Наиболее распространенным методом организации движения и обеспечения безопасности перевозок на перекрестках является применение светофорного регулирования. Повышение его эффективности связано с развитием автоматизированных систем управления дорожным движением (АСУДД) в части совершенствования сигнальных планов светофорных объектов. Используемые в настоящее время методики расчета планов не в полной мере учитывают динамику показателей автотранспортного потока.

Таким образом, исследования, направленные на совершенствования методов формирования сигнальных планов светофорных объектов, обеспечивающих повышение эффективности транспортного обслуживания, минимизацию потерь участников движения и улучшения экологической ситуации в городах и городских агломерациях, являются актуальными.

Концентрация автотранспорта в больших городах за последнее десятилетия стала причиной интенсивного роста загрузки подходов магистральных перекрестков и как следствие, увеличения количества непроизводительных остановок и торможений в потоке, уровня транспортных задержек.

Объект исследования - процесс изменения характеристик транспортного потока на улично-дорожной сети.

Предмет исследования - закономерности изменения задержки транспортных средств на регулируемых пересечениях в зависимости от

параметров режимов работы светофорных объектов с учетом динамики интенсивности движения.

Цель исследования - повышение эффективности транспортного обслуживания путем совершенствования методики расчета сигнальных планов на регулируемых пересечениях на основе многопрограммного управления светофорными объектами с учетом динамики интенсивности движения.

Задачи исследования:

1) выявление основных подходов к моделированию движения транспорта, методов и принципов оптимизации режимов работы светофорных объектов при локальном и координированном управлении;

2) разработка методики калибровки модели группового движения транспортных потоков по улично-дорожной сети в реальном времени;

3) разработка модели влияния включения светофорного объекта в зону координированного управления на задержку транспортных средств;

4) разработка методики расчета многопрограммного управления светофорными объектами и оценка её эффективности.

Положения научной новизны, выносимые на защиту:

1) методика калибровки модели группового движения автотранспортных средств по улично-дорожной сети, отличающая возможностью функционирования в реальном времени и позволяющая минимизировать отклонение модельных циклических профилей транспортного потока от наблюдаемых;

2) критерий целесообразности включения светофорного объекта в зону координированного управления, отличающий учетом геометрических параметров транспортной сети и характеристик транспортных потоков, позволяющий оценить влияние на задержку транспортных средств присоединения светофорного объекта к зоне координированного управления;

3) методика расчета многопрограммного управления светофорными объектами, отличающаяся использованием метода к-средних для формирования суточного сигнального плана и определения периода активности программ регулирования, позволяющая сократить число используемых программ регулирования без существенного ухудшения эффективности транспортного обслуживания.

Практическая значимость - повышение эффективности транспортного обслуживания путем корректировки режимов работы светофорных объектов с учетом динамики интенсивности.

Содержание диссертационной работы соответствует требованиям паспорта научной специальности 2.9.5. (05.22.10) Эксплуатация автомобильного транспорта в части п. 5 «Обеспечение экологической и дорожной безопасности автотранспортного комплекса; совершенствование методов автодорожной и экологической экспертизы, методов экологического мониторинга автотранспортных потоков» и п.7 «Исследования в области безопасности движения с учетом технического состояния автомобиля, дорожной сети, организации движения автомобилей; проведение дорожно-транспортной экспертизы».

Методы исследования, достоверность и обоснованность результатов.

Экспериментальные исследования основаны на методах натурного обследования с использованием средств и технологий, позволяющих вести учет характеристик транспортного потока с заданной дискретностью. Планирование эксперимента, обработка экспериментальных данных, а также получение математических зависимостей осуществлялись с помощью методов математической статистики. Достоверность полученных результатов обеспечивается методологической базой, применением современного оборудования и программных средств, а также подтверждается сходимостью полученных теоретических результатов с экспериментальными данными.

Реализация результатов работы. Результаты исследования используются в учебном процессе в Пензенском государственном университете архитектуры и строительства. Работа по теме «Разработка системы координированного управления светофорными объектами с динамической калибровкой модели движения транспортных средств» получила поддержку от Фонда содействия инновациям по программе УМНИК-НТИ (договор №15361ГУ/2020 от 20.06.2020).

Апробация работы. Основные положения и результаты исследования доложены и обсуждены на: X международной заочной научно - технической конференции «Проблемы автомобильно-дорожного комплекса России» (г. Пенза, 17 ноября 2014 г.); VIII международной научно - технической конференции «Проблемы качества и эксплуатации автотранспортных средств» (г. Пенза, 21-23 мая 2014 г.); Международной - практической конференции молодых ученых и исследователей «Новые достижения по приоритетным направлениям науки и техники» (г. Пенза, 10 апреля 2015 г.); Конференции одаренной молодежи поколения НАНО в рамках Международного научного форума «Наука молодых -интеллектуальный потенциал XXI века» (г. Пенза, 2015 г.); Национальной научно - практической конференции «Актуальные проблемы науки и практики в различных отраслях народного хозяйства» (г. Пенза, 28-29 марта 2019 г.); XIV Международной научно - практической конференции «Прогрессивные технологии в транспортных системах» (г. Оренбург, 20-22 ноября 2019 г.); XVI Национальной заочной научно - технической конференции «Проблемы качества и эксплуатации автотранспортных средств» (г. Пенза, 15 мая 2020 г.); VI Международная научно-практическая конференция Международный Форум KAZAN DIGITAL WEEK «ITS Forum - Kazan» (г. Казань, 21-24 сентября 2020 г.); XV Международная научно - практическая конференция «Прогрессивные технологии в транспортных системах: Евразийское сотрудничество» (г. Оренбург, 10 декабря 2020 г.); XVII Национальной заочной научно - технической

конференции «Проблемы качества и эксплуатации автотранспортных средств» (г. Пенза, 14 мая 2021 г.).

Публикации. Основные результаты исследования опубликованы в 13 работах, в том числе 2 - в изданиях, входящих в «Перечень...» ВАК, 1 - в издании, индексированном в базе Scopus.

Структура и объём работы. Диссертация состоит из введения, четырёх глав с выводами по каждой из них, заключения. Диссертация содержит 157 страниц машинописного текста, 8 таблиц, 38 иллюстрации, 7 приложений и список использованной литературы из 150 наименований работ отечественных и зарубежных авторов.

1. АНАЛИЗ СОСТОЯНИЯ ВОПРОСА И ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ

Управление транспортными потоками может быть организовано двумя основными способами - использование обязательных к исполнению директив и косвенное управление [16].

Директивное управление транспортного потока - принцип управления транспортным потоком, предполагающий однозначность принятия решения участниками дорожного движения в соответствии с оказанным управляющим воздействием, подчинение которому регламентируется правилами дорожного движения. Подсистема директивного управления транспортными потоками с реализацией управляющих воздействий через светофоры и знаки с изменяемой информацией.

Косвенное управление транспортными потоками - принцип управления транспортным потоком через управление мотивацией участников дорожного движения посредством предоставления информации. Наиболее часто управление мотивацией осуществляется через предоставление информации о условиях движения и вариантах маршрутов. Периферийными устройствами подсистемы косвенного управления являются динамические информационные табло, а также знаки с переменной информации.

1.1 Методы управления светофорными объектами

Светофорное регулирование первоначально вводилось для обеспечения безопасного пересечения конфликтующих транспортных потоков автомобилей и пешеходов. Рост транспортного спроса вскоре показал, что при установке светофора появляется возможность осуществлять (при обеспечении безопасности движения) более или менее эффективное воздействие на транспортный поток в рамках транспортной сети. Указанный эффект послужил основой при разработке

стратегий оптимального управления, выполняющих минимизацию полного времени движения.

Современное состояние управления светофорными объектами городов можно вообще характеризовать так, что устройства управления (узлы) управляются по фиксированному графику или по состоянию транспортного потока (адаптивное управление). Существенная разница заключается в том, что для управления по графику времени не нужны детекторы, но система неспособна реагировать на какие-либо изменения транспортного потока. В случае адаптивного управления имеются детекторы, которые фиксируют присутствие транспортных средств, и устройство управления, реагирующее на мгновенные условия в узле или транспортной сети.

Временно-зависимое (автономное) управление. Управление ведется по временному графику. Применение метода требует всестороннего изучения характеристик состояния транспортных потоков в районе управления. Информацию получают путем статистического анализа данных о характеристиках движения транспортных потоков (интенсивности и состава движения) за прошлые годы, измеренных в характерных точках транспортной сети, и на их основании определяется режим работы системы управления.

На основании эпизодических измерений параметров транспортных потоков (X) производится, в основном вручную, анализ эффективности действующих планов - ГЭ(Х) и сравнение ее с контрольными значениями - ГКЭ(Х).

При РКЭ(Х) - РЭ(Х) ^А производится перерасчет библиотеки планов управления (координации) {Л} и контрольных значений времен их действия Ввод в действие плана Л, производится при совпадении реального времени 1Р с контрольным К

При расчетах оптимизируется длительность разрешающих сигналов, продолжительность цикла и временной сдвиг. Затем они вводятся в устройства

управления и производят смену сигнальных планов в зависимости от времени суток или дня года.

Временно-зависимое управление имеет определенные преимущества:

- возможность простого контроля,

- простота модификации сигнальных планов,

- относительно низкие расходы на оборудование и установку.

Вместе с тем, имеются существенные недостатки метода:

- невозможно повысить эффективность использования времени разрешающих сигналов;

- нельзя покрыть пики интенсивности;

- нельзя устранить возникшие транспортные заторы.

Транспортно-зависимое (traffic-responsive) управление характеризуется тем, что для различных состояний транспортных потоков на сети заранее рассчитываются сигнальные планы, которые хранятся в устройствах управления или в центре управления движением. В области управления устанавливаются стратегические детекторы транспорта. Логика управления производит выбор конкретных сигнальных планов по состоянию транспортного потока в зоне расположения указанных детекторов транспорта.

Смена сигнальных планов происходит в результате анализа параметров транспортных потоков, который обычно сводится к их усреднению в течение заранее заданного периода времени Ту и получению оценки:

n

EX

X{ry )=-1-, (1.1)

n

где п - количество измерений в течение Ту; X - многомерный вектор - результат измерения параметров в заранее заданных сечениях дорожной сети.

После получения оценки X (тту) осуществляется подбор ближайшего многомерного контрольного вектора Хк (1) из заранее заданного множества (¡=1..М) по минимуму вектора разницы:

Х (ту )я < Хк (I) = Ятп. (1.2)

Для каждого контрольного вектора имеется заранее рассчитанный сигнальный план. При принятии решения о вводе сигнального плана взамен действующего необходимо учитывать наличие переходного интервала Тпер, в течение которого эффект от координированного управления резко снижается и практически становится равным нулю. Поэтому решение о смене плана координации У{, на план У]-целесообразно принимать при условии:

Рэ )Ту ~ Рэ \ту ~ Тпер \ (1 з)

где Рэ(У() - эффективность управления за единицу времени при действующем плане; Рэ(У]) - эффективность нового плана.

Практические исследования, проведенные на действующих системах, показывают, что длительность Тпер составляет два - три цикла управления. Оценки Рэ(У]) и Рэ(Т,)могут быть получены моделированием. Длительность Ту может быть выбрана по критерию минимальной ошибки усреднения измеряемых параметров.

Практически невозможно оборудовать детекторами транспорта все разрешенные направления движения в районе управления. Обычно возникает необходимость выбора представительного подмножества точек измерения. В этом

случае целесообразным было бы соблюдение равенства:

= , (1.4)

& &

где левая часть представляет полную производную изменения нормы вектора параметров в точках измерения, правая - полную производную нормы вектора параметров на всех разрешенных направлениях движения.

Соответствующим подбором точек измерения возможно обеспечить:

dX*-dXW < с, (1.5)

dt dt

где С- допустимое отклонение.

Методика выбора точек измерения основана на трудоемких длительных измерениях с выявлением максимальной области представительства в каждой предполагаемой точке.

Управление в реальном времени. Под этим термином понимается такое системное управление, при котором запаздывание управляющих воздействий, рассчитываемых в процессе функционирования системы, не превышает интервала, при котором можно пренебречь нестационарностью транспортных потоков. Системы, реализующие управление в реальном времени, получили название адаптивные системы управления дорожным движением (Adaptive Traffic Control Systems - ATCS). Они требуют наличия развитой системы контроля состояния транспортных потоков и коммуникационной инфраструктуры, обеспечивающей связь периферийного оборудования с управляющим центром.

Адаптивные системы управления дорожным движением, как правило, оптимизируют в реальном времени некоторый функционал:

Q(X,U min, (1.6)

где X - вектор состояния управляемых объектов; U - вектор соответствующих управляющих воздействий.

Хотя соответствующая задача об оптимальном управлении может быть сформулирована для любой транспортной сети, ее решение в реальном времени и реализация в системе управления имеет ряд особенностей:

- переключение режимов красный-зеленый светофора требует введения дискретных переменных, которое делает задачу об оптимизации комбинаторной;

- размер задачи для целой сети является очень большим;

- высокий уровень неопределенности, вызванный непредсказуемыми и трудноизмеримыми возмущениями (аварии, парковка в неустановленных местах, пешеходные переходы, блокирование пересечений, и т.д.) транспортного потока;

- измерения состояний транспортного потока являются локальными (через детекторы транспорта) и очень зашумленными из-за различных эффектов;

- имеются жесткие ограничения реального времени.

В связи с этим, стратегии управления дорожным движением используют различные упрощения или решают только часть связанных задач управления движением.

В 1970-ых - начале 1980-ых обозначились проблемы в использовании транспортно-зависимых систем управления, проводящих выбор предварительно рассчитанного сигнального плана. Флуктуации в интенсивности движения компенсировались за счет разработки нескольких сигнальных планов, покрывающих различные сценарии спроса и подсистемы выбора смены этих планов.

Однако исследования показали серьезные недостатки данного метода. К моменту включения сигнального плана, интенсивность движения изменяется и недавно выбранный план больше не отвечает текущим условиям движения. Увеличение частоты смены сигнальных планов может улучшить соответствие условиям движения, но система проводит большую часть времени в переходах между сигнальными планами.

Одним из способов компенсации отклонения контрольных параметров выбранного сигнального плана от текущего состояния транспортного потока является его коррекция. Именно этот способ предполагалось использовать при разработке отечественной АСУДД «Сигнал» [49]. Исходными предпосылками применения общей коррекции сигнального плана служат два основных допущения.

Первое сводится к аппроксимации зависимости скорости движения транспортных потоков от их интенсивности линейной функцией:

Утп = Усв - К1 / > (1.7)

где усв - усредненное значение нормы вектора скорости свободного движения автомобилей при условии их независимого движения; К1- коэффициент пропорциональности и приведения размерности;/- норма вектора интенсивности движения.

Данное допущение приемлемо в левой части основной транспортной диаграммы для небольших диапазонов изменения уи 3.

Второе допущение предполагает, что интенсивность движения и оптимальный цикл управления также связаны линейной зависимостью:

Тор( = К /', (1.8)

где /- норма вектора интенсивности движения, по которой принимается решение о выборе и оптимизации цикла координированного управления.

В пределах 5-10% изменения предположение о линейности также практически приемлемо. С учетом принятых допущений в контуре общей коррекции производились следующие операции:

1) вычисляется разница между вектором-результатом измерения параметров транспортных потоков, и контрольным вектором, соответствующим введенному в действие плану координации:

Я, = Х, (Ту )-Хк (/), (1.9)

2)определяется коэффициент коррекции плана координации как функции от Я:

ККор = (1.10)

где х - коэффициент пересчета;

3) все параметры плана координации умножаются на полученный коэффициент, в том числе - цикл длительности тактов переключения

светофорной сигнализации, временные сдвиги между включениями фаз управления, т. е.

YiKKO = YiKKOp . (111)

Развитием данного метода является подход, использованный в стратегии управления светофорными объектами TUC[70].

Задача управления светофорными объектами сводится к задаче линейно -квадратичного управления, которая допускает решение с обратной связью (feedback):

g(k) = g(k -1)-L • x(k), (1.12)

где g(k), g(k - 1)-соответственно рассчитанный и текущий сигнал светофора; x(k) - измеренное состояние транспортного потока; L- матрица усиления.

TUC разработана в рамках проекта TABASCOи в настоящее время реализована на части городских транспортных сетей Глазго (Великобритания) и Chania (Греция). Полевые исследования показали приемлемые результаты, особенно в условиях насыщенных транспортных потоков.

1.2 Координированное управление светофорными объектами

Основой магистрального управления светофорными объектами послужили исследования эффекта распада групп автомобилей [91] при их движении от стоп-линии (рисунок 1.1).

Проведенный анализ задержки автомобилей при предрассчитанных режимах работы светофоров, используя наблюдаемые профили транспортного потока, позволил сделать следующие выводы:

- детерминированное время задержки зависит от запаздывания включения разрешающего сигнала светофора, расположенного в начале транспортной связи (эффект смещения);

- минимальное время задержки, наблюдаемое при оптимальном смещении, существенно увеличивается при увеличении расстояния между пересечениями;

- смещение, по всей видимости, не влияет на составляющую задержки перенасыщения.

Рисунок 1.1 Распад групп автомобилей (по данным Hiller and Rothery)

На основе указанных исследований были разработаны методы координированного управления городскими транспортными сетями. Применение координированного управления сопряжено с двумя противоположными тенденциями - с одной стороны сокращение задержки транспорта в следствие эффекта координации (рисунок 1.2), с другой стороны - увеличение задержки в следствие не оптимальности сигнального плана.

PDF = Platoon Dispersion Factor

Рисунок 1.2 - Сокращение времени задержки через координацию (по данным Robertson,Hunt, 1982.)

При формировании зон координированного управления чаще всего используется экспертная оценка. Для уменьшения риска принятия ошибочного решения используется бальная оценка эффекта присоединения светофорного объекта к зоне координированного управления.

1.3 Критерии формирования зон координированного

управления

Индекс желательности координации (IntercoordinationDesirabilityIndex) представлен следующей формулой [111]:

I =

( 0.5 ^

X

V1 +t )

f

qMAX V qT

(N - 2)

(1.13)

где t - время движения по связи в минутах, qMAX- поток прямого направления от смежного пересечения; qT - суммарный поток от смежного пересечения; N - число прибытий на полосу (lane), поступающих (снабжающих) на вход последующего пересечения.

Значения индекса I может варьироваться в диапазоне от 0 до 1,0. Включение пересечение в зону координированного пересечения рекомендуется при значении I более 0,35.

Индекс связности. [52] В основу разработки индекса положен закон гравитации Ньютона. Притяжение между двумя телами пропорционально размеру этих двух тел и обратно пропорционально квадрату расстоянию между ними:

CI = V/D2, (1.14)

где CI - индекс связности (меньшие единицы измерения); V - интенсивность потока для анализируемого периода (1,000 авт/час); D - расстояние связи (mi).

Координация рекомендуется при индексе связности, превышающем 50, желательна при CI в диапазоне от 1 и 50, в координации нет необходимости при CI меньшем 1,0.

Известен вариант вычисления индекса связности в следующей формулировке [40]:

CI = V/L , (1.15)

где V - интенсивность (авт/час); L - длина перегона (ft).

Для данного варианта CI оценка потенциала координации выполняется следующим образом:

- 0,3 и менее - маловероятно, что координация будет эффективна;

- от 0.3 до 0.5 - вероятно координации будет эффективна;

- 0.5 и более - наиболее вероятно, что координация будет эффективна.

Индекс мощности притяжения [52]. В индексе мощности притяжения,

желательность координирования двух смежных пересечений основана на дистанции между пересечениями, интенсивности движения на связи, скорости движения по связи и интенсивности распада группы. Мощность притяжения между пересечениями, для данного периода времени, вычисляется по следующей формуле:

AF = I xV x(S/D)

2

(1.16)

где AF - мощность притяжения; I - коэффициент распада групп; V -интенсивность в анализируемый период времени (авт/час); S - скорость (mi/h); D -расстояние (ft).

Рекомендуется принимать коэффициент распада равным 2,0 для дорог без стоянок, 1,5 для дорог с параллельной парковкой автомобилей и 1,0 для случая парковки автомобилей под углом к проезжей части. В относительных значениях между пересечениями можно рассмотреть определение оптимума сигнальной группировки. Координация желательна при значении данного индекса около 1,0.

В программе Synchro для формирования зон координированного управления используется фактор координируемости (Coordinatability Factor - CF-фактор). CF-фактор является эмпирической величиной и определяет целесообразность использования координированного управления светофорными объектами [142]. Значение CF-фактора определяется по следующей формуле:

CF = max(CF1, CF 2) + Ap + Av + Ac, (1.17)

где CF - фактор координируемости (CF-фактор); CF1 - фактор координируемости по времени движения (Initial Coordinatability Factor from Travel Time); CF2 -фактор переполнения транспортной связи средним потоком за цикл регулирования (Initial Coordinatability Factor from Volume реr Distance); Ар -фактор наличия групп в цикле регулирования (Platoon Adjustment); Av -установленная интенсивность (Volume Adjustment); Ас - установленная длительность цикла регулирования (Cycle Length Adjustment)

Значения CF-фактора варьируются в диапазоне от 0 до 100 или выше. При значении CF-фактора более 80, то координация светофорных объектов, а при CF-факторе менее 20 координация нецелесообразна.

Важным фактором, влияющим на координируемость светофорных объектов, является время движения между ними. Для транспортных связей, время движения по которым превышает 80 с, значение CF1 принимается равным 0. Для транспортных связей, время движения по которым составляет менее 4 с,

возможно возникновение эффекта блокирования и координация светофорных объектов является обязательной. Соответственно значение CF1 принимается равным 100. Для связей время движения по которым варьируется в диапазоне от 4 до 80 с, значение CF1 определяется по формуле:

CF1 = 100 - (time - 4)100

76 , (1.18)

Многие учреждения используют расстояние между пересечениями в качестве единственного критерия для определения координируемости. С учетом времени в пути вместо расстояния учитывает скорость ссылки. Скоростные автобаны требуют координации на больших расстояниях, чем на малой скорости по улицам города.

Список литературы диссертационного исследования кандидат наук Пильгейкина Ирина Александровна, 2021 год

ЛИТЕРАТУРА

1. Адаптивные системы управления дорожным движением в городах / А.А. Власов. - Пенза: Изд-во ПГУАС, 2012. - 162 с.

2. Бабков В.Ф. Дорожные условия и безопасность движения. - М.: Транспорт, 1993. - 271 с.

3. Батрак А.П. Планирование и организация эксперимента / А.П. Батрак. - Красноярск: ИПЦ СФУ, 2010. - 60 с.

4. Блинова Е.И. Планирование и организация эксперимента. - Минск: БГТУ, 2010. - 130 с.

5. Боровиков В.П. STATISTICA. Искусство анализа данных на компьютере: для профессионалов (2-е издание), СПб.: Питер, 2003. - 688 с.

6. Брайловский Н.О. Управление движением транспортных средств / Н.О. Брайловский, Б.И. Грановский. - М.: Транспорт, 1978. - 112 с.

7. Брайловский Н. О. Управление движением транспортных средств [Текст]. / Н. О. Брайловский, Б. И. Грановский. - М.: Транспорт, 1978. - 112 с.

8. Виниченко В.А. Оценка эффективности транспортного обслуживания: теория и практика / В.А. Виниченко, В.П. Нехорошков. - Москва: Креативная экономика, 2019. - 244 с.

9. Власов А.А. Использование программы микроскопического моделирования SUMO для оценки эффективности алгоритмов управления транспортными потоками [Электронный ресурс] / А.А. Власов, Н.А. Орлов, Ж.А. Чушкина // Современная техника и технологии. 2014. № 9. Режим доступа: http://technology.snauka.ru/2014/09/4418 (дата обращения: 29.10.2014).

10. Власов А.А. Проблемы применения алгоритмов оптимизации параметров светофорного цикла в реальном времени / А.А. Власов, М.В. Широков // Вестник Московского автомобильно-дорожного института (государственного технического университета). - 2009. - № 2 (17). - С. 103-108.

11. Власов А.А. Проблемы применения алгоритмов оптимизации параметров светофорного цикла в реальном времени [Текст] / А.А. Власов, М.В. Широков // Вестник МАДИ (ГТУ) - 2009. - №17. - С. 103 - 108

12. Власов А.А. Эволюционный метод расчета режимов работы светофорной сигнализации / А.А. Власов, В.Ю. Акимова, М.В. Широков // Вестник Харьковского национального автомобильно-дорожного университета. -2009. - № 47. - С. 97-99.

13. Врубель Ю.А. Исследование в дорожном движении. - Мн.: БНТУ, 2007. - 178 с.

14. Горелов А.М. Калибровка микроскопических моделей в задачах управления транспортными системами городов / А.М. Горелов, Н.А. Орлов,

A.А. Власов // Региональная архитектура и строительство. - 2014. - № 1. - С. 175180.

15. ГОСТ Р 51004-96 Услуги транспортные. Пассажирские перевозки. Номенклатура показателей качества.

16. Жанказиев С.В. Научные основы и методология формирование интеллектуальных транспортных систем в автомобильно-дорожных комплексах городов и регионов: дис. д.т.н. Жанказиева С.В., Москва, 2012 г.

17. Живоглядов В.Г. Теоретические принципы возникновения и упреждения заторовых состояний на автодорогах [Текст] / В.Г. Живоглядов, О.Н. Бахтина // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. - 2004. - №3. - С. 103-105

18. Завьялов Ю. С. Методы сплайн-функций / Ю.С. Завьялов, Б.И. Квасов,

B.Л. Мирошниченко. - М: Наука, 1980.

19. Капитанов В.Т. Методика расчета светофорных циклов [Текст] / В.Т. Капитанов, С.В. Шауро. - М.: Всесоюзный НИИ безопасности движения МВД СССР, 1979. - 51 с.

20. Капитанов, В. Т. Расчет параметров светофорного регулирования [Текст] / В. Т. Капитанов. - М.: ВНИИ БД МВД СССР, 1981. - 96 с.

21. Кашталинский А.С. Методика определения оптимальных параметров многопрограммного регулирования на изолированных перекрестках / А.С. Кашталинский, П.Н. Малюгин, В. В. Петров. // Вестник СибАДИ. - 2017. -№3 (55). - С. 53-62

22. Клинковштейн Г.И. Организация дорожного движения / Г.И. Клинковштейн, М.Б. Афанасьев. - М.: Транспорт, 2001 - 247 с.

23. Кременец Ю.А. Технические средства организации дорожного движения / Ю.А. Кременец, М.П. Печерский, М.Б. Афанасьев. - М.: ИКЦ «Академкнига», 2005. - 279 с.

24. Кремер Н.Ш. Теория вероятностей и математическая статистика. - 2-е изд.,перераб. и доп. - М.: ЮНИТИ-ДАНА, 2004. -573с.

25. Лагерев Р.Ю. Методика предупреждения сетевых транспортных заторов /Р.Ю. Лагерев, Михайлов А.Ю., Лагерева С.В. // Вестник НЦБЖД. - 2010. - №5. - С. 82-88.

26. Лагерев Р.Ю. Управление насыщенными регулируемыми пересечениями [Текст] / Р.Ю. Лагерев, А.В. Зедгенизов, А.Г. Левашев // Организация и безопасность дорожного движения в крупных городах: сб. докладов десятой международной конференции «Организация и безопасность дорожного движения в крупных городах. Инновации: ресурс и возможности». СПбГАСУ. - 2012. - С. 148 - 154.

27. Маккинли Уэс Python и анализ данных / пер. с англ. А.А. Слинкин. -М.: ДМК Пресс, 2015. - 482 с.

28. Михайлов А.Ю. Научные основы проектирования улично-дорожных сетей [Электронный ресурс]: дис. д-ра техн. наук: 18.00.04.- М.: РГБ, 2006.

29. ОДМ № ОС-555-р Руководство по прогнозированию интенсивности движения на автомобильных дорогах. М., 2003.

30. Организация дорожного движения в городах / под общ. ред. Ю.Д. Шелкова. - М.: НИЦ ГАИ МВД России. 1995. - 149 с.

31. Перекусихина И.А. (Пильгейкина И.А.) Исследование эффекта дисперсии групп автомобилей в транспортных сетях со светофорным регулированием / И.А. Перекусихина (И.А. Пильгейкина), А.А. Власов // Новые достижения по приоритетным направлениям науки и техники // Наука молодых -интеллектуальный потенциал XXI века, сборник докладов Международ. науч. -практич. конф., 10 апреля 2015 / ПГУАС. - Пенза, 2015. - С. 64-69.

32. Перекусихина И.А. (Пильгейкина И.А.) Калибровка дисперсии групп автомобилей с использованием генетического алгоритма / И.А. Перекусихина (И.А. Пильгейкина), А.А. Власов // Современная техника и технологии. - 2014. -№12 (40). - С. 46-51.

33. Перекусихина И.А. (Пильгейкина И.А.) Калибровка модели дисперсии групп автомобилей / И.А. Перекусихина (И.А. Пильгейкина), А.А. Власов // Проблемы качества и эксплуатации автотранспортных средств: эксплуатация и развитие автомобильного транспорта, Материалы X международной заочной научно - технической конференции, 15 мая 2015 / ПГУАС. - Пенза, 2015. - С. 233-239.

34. Перекусихина И.А. (Пильгейкина И.А.) Управление светофорных объектов в условиях насыщенного движения / И.А. Перекусихина (И.А. Пильгейкина), Н.А. Орлов, А.А. Власов // Современные проблемы науки и образования. - 2014. - № 6.

35. Печерский М.П. Автоматизированные системы управления дорожным движением / М.П. Печерский, В.Г. Хорович - М.: Транспорт, 1979. - 175 с.

36. Пильгейкина И.А. Влияние конфигурации зоны управления на эффективность координированного управления / И.А. Пильгейкина // Актуальные проблемы автотранспортного комплекса Межвузовский сборник научных статей

(с международным участием). Отв. редактор О.М. Батищева, 2020 г. / СамГТУ. -Самара, 2020. - с. 77-85.

37. Пильгейкина И.А. Влияние логики управления светофорными объектами на миссию отработанных газов автомобилей / И.А. Пильгейкина, А.А. Власов // Мир транспорта и технологических машин. - 2021. - №1 (72). - С. 73-78.

38. Пильгейкина И.А. Влияние эффекта координации на задержку транспортных средств / И.А. Пильгейкина // Мир транспорта и технологических машин. - 2020. - №1 (68). - С. 59-64.

39. Пильгейкина И.А. Исследование влияния погодных условий на пропускную способность регулируемых пересечений / И.А. Пильгейкина, А.А. Власов // Актуальные проблемы науки и практики в различных отраслях народного хозяйства, сборник докладов II Национальной научно - практической конференции, 28-29 марта 2019 года, часть 4 - технические науки / ПГУАС. -Пенза, 2019. - с. 10-15.

40. Пильгейкина И.А. Критерии формирования зон координированного управления координированными объектами / И.А. Пильгейкина, А.А. Власов // Образование и наука в современном мире. Инновации. - 2017. - № 2 (9). - С. 202208.

41. Пильгейкина И.А. Методика формирования многопрограммного управления изолированным перекрестком / И.А. Пильгейкина, А.А. Власов // Проблемы качества и эксплуатации автотранспортных средств, Материалы XVI Национальной заочной научно - технической конференции, 15 мая 2020 / ПГУАС, Пенза, 2020. - С. 22-29.

42. Пильгейкина И.А. Методика формирования многопрограммного управления изолированным перекрестком / И.А. Пильгейкина, А.А. Власов, И.А. Скорикова // XV Международная научно - практическая конференция ITS Forum-Razan, 21.09 - 24.09.2020 года, г. Санкт - Петербург.

43. Пильгейкина И.А. Моделирование сетевого движения в программе SUMO / И.А. Пильгейкина, А.А. Власов, К.А. Перекусихина// Научно -практический электронный журнал Аллея Науки. - 2018. - № 9 (25). - С. 778-783.

44. Пильгейкина И.А. Совершенствование методики проектирования режимов работы светофорных объектов / И.А. Пильгейкина, А.А. Власов, И.А. Скорикова // XV Международная научно - практическая конференция Прогрессивные технологии в транспортных системах: Евразийское сотрудничество: сборник материалов XV международной научно-практической конференции, 9-11 декабря 2020 г. / ОГУ. - Оренбург, 2020. - с. 472-481.

45. Распоряжение Федерального дорожного агентства от 17 февраля 2012 года № 49-р «Об издании и применении ОДМ 218.2.020-2012 «Методические рекомендации по оценке пропускной способности автомобильных дорог»

46. Распоряжение Федерального дорожного агентства от 27 февраля 2013 г. № 236-р «Об издании и применении ОДМ 218.6.003-2011 «Методические рекомендации по проектированию светофорных объектов на автомобильных дорогах».

47. Рекомендации по учету требований по охране окружающей среды при проектировании автомобильных дорог и мостовых переходов. Москва,1995 г.

48. Соколов Ю.И. Управление качеством транспортного обслуживания / Ю.И. Соколов, Е.А. Иванова, В.А. Шлеин. - М: РУТ (МИИТ), 2019. - 136 с.

49. Хилажев Е.Б. Системы и средства автоматизированного управления дорожным движением в городах [Текст] / Е.Б. Хилажев, В. С. Соколовский, В.М. Гурулев, Я. И. Зайденберг - М. Транспорт, 1984. - 183 с.

50. Якимов М.Р. Транспортное планирование: создание транспортных моделей городов. - М.: Логос, 2013. - 188 с.

51. 6 Highway Capacity Manual. Transportation Research Board, Washington, D.C. 2010. ISBN 978-0-309-16077-3

52. Allgower F. Nonlinear predictive control and moving horizon estimation -an introductory overview. In Springer-Verlag / F. Allgower, T. A. Badgwell, J. S. Qin, J.B. Rawlings and S.J. Wright, pages 391-449, Chapter 12, 1999.

53. Allsop R. B. SIGSET: A computer program for calculating traffic capacity of signal-controlled road junctions. Traffic Eng. Control, vol. 12, pp. 58-60, 1971.

54. Bang, K. L. Optimal Control of Isolated Traffic Signals. In Traffic Engineering and Control, 17(7), 1976, pp. 288-292.

55. Beckmann M. J. Studies in the Economics in Transportation / M. J. Beckmann , C. B. Guire and C. B. Winsten. - New Haven, Yale University Press, 1956

56. Berg, M. van den, Integrated Control of Mixed Traffic Networks using Model PredictiveControl, T2010/4, April 2010, TRAIL Thesis Series, the Netherlands

57. Brilon W. Useful estimation procedures for critical gaps / W. Brilon, R. Koenig, R.J. Troutbeck. - Transportation Research Part A, 33:161-186, 1999.

58. Busch F. and Kruse G.MOTION for SITRAFFIC. In International IEEE Conference on Intelligent Transportation Systems, pages 61-64, Oakland, California, 2001. 62

59. Camponogara E. Distributed model predictive control. IEEE Control Systems Magazine / E. Camponogara, D. Jia, B. H. Krogh and S. Talukdar, 22(1): 44-52, February 2002.

60. Chang E. C. and Messer C. J. Minimum Delay Optimization of a Maximum Bandwidth Solution to Arterial Signal Timing. In Transportation Research Record 1005, TRB, National Research Council, Washington, DC, 1985, pp. 89-95.

61. Cohen S. L. and C. C. Liu. The Bandwidth-Constrained TRANSYT Signal Optimization Program. In Transportation Research Record 1057, TRB, National Research Council, Washington, DC, 1986, pp. 1-9.

62. Cohen S. L. Concurrent Use of MAXBAND and TRANSYT Signal Timing Programs for Arterial Signal Optimization. In Transportation Research Record 906, TRB, National Research Council, Washington, DC, 1983, pp. 81-84.

63. Crenshaw P. ACS Lite. - presented at the TRB A3A18 Meeting, 2000 Midyear Meeting Minutes, Seattle, Wash., July 9-10, 2000.

64. Curtis E. "ACS Lite: The Next Generation of Traffic Signal Control presented at the Winter Workshop: Adding to Your Traffic Engineering Toolkit, Columbus, Ohio, Feb. 28, 2007.

65. D' Ans G. C. and Gazis D. C. Optimal control of oversaturated store-and-forward transportation networks. - Transp. Sci., vol. 10,pp. 1-19, 1976.

66. Darroch J. N. On the Traffic-Light Queue. Ann. Math. Statist., 35, pp. 380388.

67. Davis L. C. Effect of adaptive cruise control systems on traffic flow. Physical Review E, 69:1-8, 2004.

68. Davison E. J. and Ozguner U. Decentralized control of traffic networks. -IEEE Trans. Automat. Contr., vol. 28, pp. 677-688,1983.

69. Dell 'Olmo P. and P. Mirchandani. REALBAND: An Approach for RealTime Coordination of Traffic Flows on Networks. In Transportation Research Record 1494, TRB, National Research Council, Washington, DC, 1995, pp. 106-116.

70. Diakaki C. Extensions and new applications of the signal control strategy TUC / C. Diakaki, V. Dinopoulou, K. Aboudolas, M. Papageorgiou, E. Ben- Shabat,

E. Seider and A. Leibov, presented at the 82nd Annu. Meeting Transportation Research Board, 2003. Paper no. 03-3040.

71. Donati F. A Hierarchical Decentralised Traffic Light Control System /

F. Donati, V. Mauro, G. Roncolini and M. Vallauri. - Proceedings from IFAC 9th World Congress, Vol. II, 11G/A-1,1984.

72. Fehon K. Adaptive Traffic Signal System for Cupertino California / K. Fehon, R. Chong and J. Black. - Proceedings of the 4th Asia- Pacific Transportation Development Conference, 16th Annual Meeting of ICTPA, Apr. 18-20, 2003, 14 pp.

73. Friedrich B. Balance and Varia Methods for Traffic Adaptive Control /

B. Friedrich, T. Sachse, M. Hoops, W. Jendryschik and G. Reichert. - Proceedings of the Second World Congress on the ITS, Yokohama, Japan, 1995, pp. 2356-2361.

74. Gartner N. H. Evaluation of Optimized Policies for Adaptive Control Strategy. In Transportation Research Record 1324 / N. H. Gartner, P. J. Tarnoff,

C. M. Andrews. - TRB, National Research Council, Washington, DC, 1991, pp. 105114.

75. Gartner N. H. Implementation of the OPAC adaptive control strategy in a traffic signal network / N.H.TGartner, F.J. Pooran, C.M. Andrews.- in Proc. 4th IEEE Conf. Intelligent Transportation Systems, 2001, pp.197-202.

76. Gartner N. H. MULTIBAND - A Variable-Bandwidth Arterial Progression Scheme. In Transportation Research Record 1287 / N. H. Gartner, S.F. Assmann, F. Lasaga and D.L. Hou. - TRB, National Research Council, Washington, DC, 1990, pp. 212-222

77. Gartner N. H. OPAC: A Demand-Responsive Strategy for Traffic Signal Control. In Transportation Research Record 906, TRB, National Research Council, Washington, DC, 1983, pp. 75-81.

78. Gartner N.H. Implementation and Field Testing of the OPAC Adaptive Control Strategy in RT-TRACS / N.H.TGartner, F.J. Pooran, C.M. Andrews // Journal of the Transportation Research Board, Washington, D.C., 2002, pp. 148-156.

79. Gartner N.H., Demand-Responsive Decentralized Urban Traffic Control, Report DOT/RSPA/DPB-50/81/24, U.S. Department of Transportation, Washington,

D.C., 1982.

80. Gazis D. C. The oversaturated intersection / D. C. Gazis, R. B. Potts. - in Proc. 2nd Int. Symp. Traffic Theory, 1963, pp. 221-237.

81. Gazis D. C. Traffic Science. A Wiley-Intersection Publication, 1974. - pp. 148-151

82. Gazis D. C. Traffic Theory. Boston, MA: Kluwer, 2002.

83. Grubba J. Selecting Real-Time Adaptive Traffic Control for Oakland County / J. Grubba, D. Allyn, J. Barbaresso and R. Beaubien. - Michigan. Presented at the 72nd Annual Meeting, Transportation Research Board, Washington, DC, 1993.

84. Haight, F. A. Overflow At A Traffic Flow. Biometrika, 1959, Vol. 46, Nos. 3 and 4, pp. 420-424.

85. Hale D.K., Traffic Network Study Tool. TRANSYT-7F, User's Guide, McTrans Center, University of Florida, 2008

86. Hall S. Car platoons simulated as a multiagent system / S. Hall, B. Chaibdraa and J. Laumonier. - InProceedings of the 4th Workshop on Agent-Based Simulation, pages 57-63, Montpellier, France,2003.

87. Head K. L. Hierarchical Framework for Real Time Traffic Control / K.L. Head, P.B. Mirchandani and D. Sheppard. - In Transportation Research Record 1360, TRB, National Research Council, Washington, DC, 1992, pp. 82-88.

88. Hegyi. A. Model Predictive Control for Integrating Traffic Control Measures. PhDthesis, Delft University of Technology, Delft, The Netherlands, 2004.

89. Herman R. and Weiss G. H. Comments on the highway crossing problem. Operations Research, 9(6):828-840, 1961.

90. Highway Capacity Manual. Transportation Research Board, Washington, D.C. 2000. ISBN 0-309-06681.

91. Hillier J. A. and Rothery R. The Synchronization of Traffic Signals for Minimum Delays. Transportation Science, 1(2), pp. 81-94.

92. Hun P.B. SCOOT—A Traffic Responsive Method of Coordinating Signals / P.B. Hun, D.I. Robertson, R.D. Bretherton, R.I. Winton. - Report TRRL 1014, Transport and Road Research Laboratory, Crowthorne, Berkshire, U.K., 1981, 44 pp.

93. Improta G. and Cantarella G. E. Control systems design for an individual signalised junction. - ransp. Res. B, vol. 18, pp. 147-167, 1984.

94. J.J. Henry The PRODYN Real Time Traffic Algorithm / J.J. Henry, J.L. Farges, J. Tufal. - Proceedings of the IFAC Symposium, Baden-Baden, Germany, 1983.

95. K.L Head The RHODES Prototype / K.L. Head, P.B. Mirchandani, S. Shelby. - A Description and Some Results. Presented at the 77th Annual Meeting of the Transportation Research Board, Washington, DC, 1998.

96. K.L. Head Hierarchical Framework for Real-Time Traffic Control / K.L. Head, P.B. Mirchandani, D. Shepherd. - Transportation Research Record 1360, Transportation Research Board, National Research Council, Washington, D.C., 1992.

97. Kashtalinsky A. Method Considering Traffic Stream Variability over Time when Determining Multiprogram Control Modes at Signaled Intersections / A. Kashtalinsky, V. Petrov, Y. Ryabokon // Transportation Research Procedia, vol. 20, 2017, pp. 277-282.

98. Kim K. J. and Bell M. G. H.-Development of an integrated traffic control strategy for both urban signalised and motorway networks. - presented at the Proc. 1st Meeting EURO Working Group on Urban Traffic and Transportation, Landshut, Germany, 1992.

99. Kruse G. MOTION - Signal Control for Urban Road Networks-presented at the TRB Midyear Traffic Signal Committee Meeting, Adaptive Traffic Signal Control Workshop, Pacific Grove, Calif., July 12-14, 1998. Friedrich et al. 1995.

100. Lee J.B. Calibration of a Macroscopic Traffic Simulation Model Using Enhanced Simultaneous Perturbation Stochastic Approximation Methodology / J.B. Lee, K. Ozbay. - TRANSPORTATION RESEARCH BOARD'S 87TH ANNUAL MEETING, WASHINGTON, D.C., 2008

101. Leutzbach W. An Introduction to the Theory of Traffic Flow. SpringerVerlag, Berlin, Germany, 1988.

102. Lim J. H. Hierarchical optimal control of oversaturated urban networks / J.H. Lim, S.H. Hwang, I.H. Suh, Z. Bien. - Int. J. Control, vol. 33, pp. 727-737, 1981.

103. Lin S. Efficient Model Predictive Control for Large-Scale Urban Traffic Networks. - T2011/3, April 2011, TRAIL Thesis Series, the Netherlands.

104. Little J. D. Approximate Expected Delays for Several Maneuvers by Driver in a Poisson Traffic. - OperationsResearch, 9, pp. 39-52.

105. Little J. MAXBAND: A Program for Setting Signals on Arteries and Triangular Networks / J. Little, M.D. Kelson, N.H. Gartner. - In Transportation Research Record 795, TRB, National Research Council, Washington, DC, 1981, pp. 4046.

106. Lowrie P. R. The Sydney Coordinated Adaptive Traffic System: Principles, Methodology, Algorithms. Proceedings of the International Conference on Road Traffic Signaling, London, England, IEEE Conference Publication No. 207, 1982, pp. 67-70.

107. Luk J.Y.K. SCATS: Application and Field Comparison with a TRANSYT Optimized Fixed Time System. Proceedings of the International Conference on Road Traffic Signaling / J.Y.K. Luk, A.G. Sims, P.R. Lowrie. - London, England, IEE Conference Publication No. 207, 1982, pp. 71-74.

108. Martin P. T. and Hockaday S.SCOOT - An Update. In ITE Journal 65 (1), January 1995, pp. 44-48.

109. Mauro V. and C. Di Taranto, UTOPIA, Control, Computers, Communications in Transportation: Selected Papers from the IFAC Symposium, 1990, pp. 245-252.

110. McNeil D. R. A Solution to the Fixed-Cycle Traffic Light Problem for Compound Poisson Arrivals. J. Appl. Prob. 5, pp. 624-635.

111. Messer C. J. A Variable Sequence Multiphase Progression Optimization Program / C.J. Messer, R.H. Whitson, C.L. Dudek, E.J. Romano. - In Highway Research Record 445, Highway Research Board, National Research Council, Washington, DC, 1973, pp. 24-33.

112. Metastable States in a Microscopic Model of Traffic Flow/ Stefan Krauß, Peter Wagner, Christian Gawron // Physical Review E, - 1997. - volume 55, number 304. - pp. 55-97.

113. Michaels R.M. Perceptual factors in car following. In Proceedings of the 2nd International Symposium for Theory Road Traffic Flow.

114. Michalopoulos P.G. and Stephanopoulos G., "Oversaturated signal systems with queue length constraints—I: Single intersection," Transp. Res., vol. 11, pp. 413421, 1977a.

115. Miller A.J. A Computer Control System for Traffic Network. Proceedings of the Second International Symposium on the Theory of Road Traffic Flow, Paris, France, 1963, pp. 200-220.

116. Miller A.J. Australian Road Capacity Guide - Provisional Introduction and Signalized Intersections. (by ARRB report ARR No. 123, 1981). ARRB Bulletin No.3.

117. Mirchandani P. and Head L. RHODES Traffic-Adaptive Control Systems. -presented at the TRB Annual Meeting, Adaptive Signal Control Systems Workshop, Washington, D.C., Jan. 7-11, 2001.

118. Mueck J. Recent Developments in Adaptive Control Systems in Germany. - Proceedings of the 12th World Congress on ITS, San Francisco, Calif., Nov. 6-10, 2005, 11 pp.

119. Mueck J. The 'German' Approach to Adaptive Network Control. --Traffic Technology International, Erlangen, Germany, Aug. 2008, 13 pp

120. Mueck J. The German Approach to Adaptive Network Control. -Proceedings of the 7th European Congress and Exhibition on Intelligent Transport Systems and Services, Geneva, Switzerland, June 4-6, 2008, 6 pp.

121. Nagel K. Particle hopping models and traffic flow theory. Physical Review E, 53:4655-4672, 1996.

122. Newell G. F. -Approximation Methods for Queues with Application to the Fixed-Cycle Traffic Light. SIAM Review, Vol.7.

123. Newell G.F. Queues for a Fixed-Cycle Traffic Light. The Annuals of Mathematical Statistics, 1960. - Vol.31, No.3, pp. 589-597.

124. Pacey G.M. The Progress of a Bunch of Vehicles Released from a Traffic Signal. Research Note No. Rn/2665/GMP. Road Research Laboratory, London, 1956

125. Papageorgiou M. An integrated control approach for traffic corridors. -Transp. Res. C, vol. 3, pp. 19-30, 1994.

126. Papageorgiou M. Comparison of macroscopic models for control of freeway traffic / M. Papageorgiou, B. Posch, G. Schmidt. - Transportation Research Part B, 17(2):107-116, April 1983.

127. Park E.S. Hierarchical optimal control of urban traffic networks / E.S. Park, J.H. Lim, I.H. Suh, Z. Bien. - Int. J. Control, vol. 40, pp. 813-829, 1984.

128. Partha Chakroborty. Models of vehicular traffic: An engineering perspective. Physica, 372(10):151-161, June 2006.

129. Pesti G. Evaluation of the SPOT Adaptive Traffic Control System / G. Pesti, P.S. Byrd, M. Kruse, P.T. McCoy. - FHWA Technology Project No. 97068, Federal Highway Administration, Nebraska Department of Roads, Omaha, May 1999, 35 pp.

130. Pilgeikina I.A. Method of forming multiprogram control of an isolated intersection / A.A. Vlasov,a, I.A. Pilgeikina, I.A. Skorikova // COMPUTER RESEARCH AND MODELING, 2021 VOL. 13 NO. 2, P. e295-e303.

131. Pipes L.A. An operational analysis of traffic dynamics. Journal of Applied Physics, 24(1):274- 287, 1953. 65

132. Pooran F. Optimized Policies for Adaptive Control (OPAC). - presented at the TRB Annual Meeting, Adaptive Traffic Signal Control Systems Workshop, Washington, D.C., Jan. 9, 2000.

133. Pooran F. RT-TRACS Adaptive Control Algorithms, VFC OPAC. -presented at the TRB A3A18 Midyear Meeting, Adaptive Traffic Signal Control Systems Workshop, Pacific Grove, Calif., July 12-14, 1998.

134. Pooran F.J. Implementation of the OPAC Adaptive Control System in RT-TRACS / F.J. Pooran, C. Andrews, N.H. Gartner. - Presented at the ITS World Congress Sixth Annual Meeting, Toronto, Canada, November 1999.

135. Recent Development and Applications of SUMO - Simulation of Urban MObility/ Daniel Krajzewicz, Jakob Erdmann, Michael Behrisch, and Laura Bieker. // International Journal On Advances in Systems and Measurements, - 2012. - 5 (3&4). -pp. 128-138

136. Recent Development and Applications of SUMO - Simulation of Urban MObility/ Daniel Krajzewicz, Jakob Erdmann, Michael Behrisch, and Laura Bieker. // International Journal On Advances in Systems and Measurements, - 2012. - 5 (3&4). -pp. 128-138

137. Robertson D. I. TRANSYT: A Traffic Network Study Tool. Road Research Laboratory Report LR 253, Crowthorne.

138. Sen S. and Head K.L. Controlled Optimization of Phases (COP) at an Intersection. In Transportation Science, Vol. 31 (1), 1997, pp. 5-17.

139. Shelby S.G. Overview and Performance Evaluation of ACS Lite—Low Cost Adaptive Signal Control System / S.G. Shelby, D.M. Bullock, D. Gettman, R.S. Ghaman, Z.A. Sabra, N. Soyke. - presented at the 87th Annual Meeting of the Transportation Research Board, Washington, D.C., Jan. 13-17, 2008, 17 pp.

140. SIGCAP: A computer program for assessing the traffic capacity of signal-controlled road junctions, Traffic Eng. Control, vol. 17, pp. 338-341, 1976.

141. Singh M. G. and Tamura H. Modeling and hierarchical optimization of oversaturated urban traffic networks. - Int. J. Control, vol. 20, pp. 269-280, 1974.

142. Synchro Studio 8 User Guide, Trafficware, 2011

143. The Physics of Traffic / B.S. Kerner, - Berlin, New York.: Springer, 2004 -

269 p.

144. Traffic Detector Handbook: Third Edition - Volume I / FHWA-HRT-06-108, 2006 - 291 p.

145. TRANSYT: A Traffic Network Study Tool /Robertson, D. I. // Road Research Laboratory Report LR 253, Crowthorne.

146. TRANSYT-7F User's Manual. / Wallace, C. E. - Report UF-TRC-U32 FP-06/07. U.S. Department of Transportation, Federal Highway Administration, 1984.

147. Vincent R.A. and Peirce J.R. MOVA: Traffic Responsive, Self-Optimizing Signal Control for Isolated Intersections. - Transport and Road Research Laboratory Report 170, Crowthorne, U.K., 1988.

148. Wallace C. E. TRANSYT-7F User's Manual, Report UF-TRC-U32 FP-06/07. U.S. Department of Transportation, Federal Highway Administration, 1984.

149. Webster F.V. Traffic signal settings. - Road Research Laboratory, London, U.K., Road Res. Tech. Paper no. 39, 1958.

150. Weiss G.H. and Maradudin A.A. Some problems in traffic delay. Operations Research, 10:74-104, 1962.

Программа моделирования дисперсии групп при движении по перегону

import os, subprocess, sys, random import numpy as np

sys.path.append("C:\\sumo-0.18.0\\bin") sys.path.append("C:\sumo-0.18.0\tools") sys.path.append("C:\\sumo-0.18.0\\bin\\model") #queue="--queue-output queue.xml" import traci

#_

mu=70.00 sigma=22.5 PORT = 8813

sumoBinary ='c:\\sumo-0.18.0\\bin\\sumo-gui.exe' sumoConfig = "C:\\sumo-0.18.0\\bin\\model\\model.sumocfg"

ControllSection={}

ControllSection['0,]=[,e1_0_0,,,e1_0_1,,,e1_0_2']

ControllSection['100,]=[,e1_1_0,,,e1_1_r,,e1_1_2']

ControllSection['200,]=[,e1_3_0,,,e1_3_1,,,e1_3_2']

ControllSection['300,]=[,e1_4_0,,,e1_4_1,,,e1_4_2']

ControllSection['500,]=[,e1_5_0,,,e1_5_1,,,e1_5_2']

ControllSection['800,]=[,e1_8_0,,,e1_8_1,,,e1_8_2']

#_

class detector():

def_init_(self,id):

self.id=id

self.oldVechicle='None' self. SpeedHistory=[] self.FlowHistory=[] def getState(self):

timeDet=traci. inductionloop. getTimeSinceDetection(self. id) if timeDet<2.0:

VehicleIDs=traci. inductionloop. getLastStepVehicleIDs(self. id) if not(VehicleIDs==[]):

speed=traci.inductionloop.getLastStepMeanSpeed(self.id)

flow=traci.inductionloop.getLastStepVehicleNumber(self.id)

self.oldVechicle=VehicleIDs

self. SpeedHistory.append(speed)

#return(flow)

else: flow=0

else: flow=0

self.FlowHistory.append(flow)

self. oldVechicle=traci. inductionloop. getLastStepVehicleIDs(self. id) #return(0.0)

class detObserver():

def_init_(self,ControllSection):

detList=traci. inductionloop. getIDList()

self.DET={}

for n in detList:

self.DET[n]=detector(n) self.ControllSection={} for n in ControllSection.keys():

self. Controll Section[n]={'det':Controll Section[n]} def getState(self):

for n in self.DET.keys(): self.DET [n]. getState() def getCycleProfil(self,Section):

idDET=self.ControllSection[Section]['det'] out=[]

for n in idDET:

out.append(np. array(self.DET [n] .FlowHistory)) return sum(out) def getSpeedControllSection(self,Section): idDET=self.ControllSection[Section]['det'] out=[]

for n in idDET:

out=out+self.DET[n]. SpeedHistory return out def getSpeedParam(self,Section):

speed=self.getSpeedControllSection(Section) out=[]

out.append(np. mean(speed)) out.append(np. var(speed)) return out

#_

def SpeedModification():

Depardet=traci.simulation. getDepartedIDList() if len(Depardet)>0:

for n in Depardet:

speed=random.gauss(mu,sigma) if speed<2S.0: speed=2S.0 traci.vehicle.setMaxSpeed(n,(speed/3.6))

def simulation(time,detObs): for n in range(time):

traci.simulationStep()

detObs.getState()

SpeedModification()

def agrFlowProfile(b,step=3): start=0 out=[]

for n in range(step,len(b)-1,step): out. append(np. sum(b [ start :n])) #print b[start:n] start=+n

return np.array(out)

#_

sumoProcess = subprocess.Popen("%s -c %s" % (sumoBinary, sumoConfig), shell=True)

traci.init(PORT)

detObs=detObserver(ControllSection)

simulation(1200,detObs) traci.close()

patch='C:\\sumo-0.1S.0\\bin\\model\\' for n in detObs.ControllSection.keys():

np.savetxt(patch+n+'.txt,,agrFlowProfile(detObs.getCycleProfil(n),3),fmt=,%.2e')

out=[]

for n in detObs.ControllSection.keys(): param=detObs.getSpeedParam(n) out.append( [int(n),param[0] ,param [1]])

np.savetxt(patch+'speed.txt,,out,fmt=,%.2e')

Программа калибровки модели группового движения транспортных средств

import math, sys import numpy as np from openopt import GLP import matplotlib.pyplot as plt

patch='C:\\sumo-0.18.0\\bin\\model\\60\\0_15' patch2='C:\\sumo-0.18.0\\bin\\model\\60\\0_15' S_00=np. loadtxt(patch+'\\0.txt') S_100=np.loadtxt(patch+'\\100.txt') S_200=np.loadtxt(patch+'\\200.txt') S_300=np. loadtxt(patch+'\\300.txt') S_800=np.loadtxt(patch+'\\800.txt') S_500=np.loadtxt(patch+'\\500.txt')

def MFR(vo,D,N,T,H): L=vo/(1.0-(D*vo)/N) S=pow((1.0-(D*vo)/N),N)

return (L*S*math.exp(-(T-D)*L))/(1-math.exp(-H*L))*3600

def dispersion(Vt,Vold,F): return F*Vt+(1-F)*Vold

def getF(T,alfa=0.25,beta=0.80):

return math.pow((1.0+alfa*beta*T),-1)

def getFofSigma(sigma,t):

return t*(math.sqrt(t+4*math.pow(sigma,2))-t)/(2.0*math.pow(sigma,2))

class modelDPG_1():

def_init_(self,Lsegm=100.0,Speed=60.0):

self.T=Lsegm/(Speed/3.6) self.F=getF(self.T) def setF(self,alfa,beta):

self.F=getF(self.T,alfa,beta) def getFlow(self,flow): out=[] Vold=0.0 for n in flow:

out.append(dispersion(n,Vold,self.F))

Vold=n return out

class modelDPG():

def_init_(self,T=3.0,alfa=0.25,beta=0.80):

self.T=T

self.F=getF(self.T,alfa,beta) def setF(self,alfa,beta):

self.F=getF(self.T,alfa,beta) def setF2(self,F):

self.F=F def getFlow(self,flow): out=[] Vold=0.0 for n in flow:

out.append(dispersion(n,Vold,self.F)) Vold=n return out

DPG=modelDPG()

Start=S_100

ObsFlow=S_500

def f(x):

global DPG,Start,NumIter,ObsFlow

DPG.setF2(x[0])

#ni=int(x[2])

a=DPG.getFlow(Start)

for n in range(int(x[1])):

a=DPG.getFlow(a) return sum(abs(ObsFlow-a))

x0=[0.25,12] lb=[0.15,12] ub=[0.7,12]

p=GLP(f=f, x0=x0,lb=lb,ub=ub, maxCPUTime = 30) r=p.minimize('galileo')

DPG.setF2(r.xf[0]) a=DPG.getFlow(Start) for n in range(int(r.xf[1])):

a=DPG.getFlow(a) error=(ObsFlow-a)

np.savetxt(patch+'\\predict.txt',a,fmt='%.2e') np.savetxt(patch+'\\error.txt',error,fmt='%.2e')

f, ax = plt.subplots(2) ax[0] .plot(a) ax[0].plot(ObsFlow) ax[1].plot(error) plt.show()

printu'F-фактор=%s, количествоитераций (шагов)=%s' % (r.xf[0],int(r.xf[1]))

План экспериментальных исследований влияния эффекта координации на

задержку транспортных средств

№ Х1 Х2 Хз Х4 Х5

1. 800 800 0,76 0,53 +

2. 800 800 0,76 0,53 0

3. 800 800 0,76 0,53 -

4. 800 800 0,38 0,48 +

5. 800 800 0,38 0,48 0

6. 800 800 0,38 0,48 -

7. 800 800 0,21 0,38 +

8. 800 800 021 0,38 0

9. 800 800 0,21 0,38 -

10. 800 800 0,43 0,81 +

11. 800 800 0,43 0,81 0

12. 800 800 0,43 0,81 -

13. 800 800 0,45 0,44 +

14. 800 800 0,45 0,44 0

15. 800 800 0,45 0,44 -

16. 800 800 0,21 0,38 +

17. 800 800 0,21 0,38 0

18. 800 800 0,21 0,38 -

19. 800 800 0,2 0,5 +

20. 800 800 0,2 0,5 0

21. 800 800 0,2 0,5 -

22. 800 800 0,45 0,44 +

23. 800 800 0,45 0,44 0

24. 800 800 0,45 0,44 -

25. 800 800 0,21 0,38 +

26. 800 800 0,21 0,38 0

27. 800 800 0,21 0,38 -

28. 800 500 0,18 0,29 +

29. 800 500 0,18 0,29 0

30. 800 500 0,18 0,29 -

31. 800 500 0,2 0,25 +

32. 800 500 0,2 0,25 0

33. 800 500 0,2 0,25 -

34. 800 500 0,2 0,25 +

35. 800 500 0,2 0,25 0

36. 800 500 0,2 0,25 -

37. 800 500 0,2 0,25 +

38. 800 500 0,2 0,25 0

39. 800 500 0,2 0,25 -

40. 800 500 0,2 0,25 +

41. 800 500 0,2 0,25 0

42. S00 500 0,2 0,25 -

43. S00 500 0,2 0,25 +

44. S00 500 0,2 0,25 0

45. S00 500 0,2 0,25 -

46. S00 500 0,22 0,23 +

47. S00 500 0,22 0,23 0

4S. S00 500 0,22 0,23 -

49. S00 500 0,22 0,23 +

50. S00 500 0,22 0,23 0

51. S00 500 0,22 0,23 -

52. S00 500 0,2 0,25 +

53. S00 500 0,2 0,25 0

54. S00 500 0,2 0,25 -

55. S00 200 1 0,29 +

56. S00 200 1 0,29 0

57. S00 200 1 0,29 -

5S. S00 200 0,67 0,23 +

59. S00 200 0,67 0,23 0

60. S00 200 0,67 0,23 -

61. S00 200 0,41 0,14 +

62. S00 200 0,41 0,14 0

63. S00 200 0,41 0,14 -

64. S00 200 1 0,29 +

65. S00 200 1 0,29 0

66. S00 200 1 0,29 -

67. S00 200 0,67 0,23 +

6S. S00 200 0,67 0,23 0

69. S00 200 0,67 0,23 -

70. S00 200 0,41 0,14 +

71. S00 200 0,41 0,14 0

72. S00 200 0,41 0,14 -

73. S00 200 1 0,29 +

74. S00 200 1 0,29 0

75. S00 200 1 0,29 -

76. S00 200 0,67 0,23 +

77. S00 200 0,67 0,23 0

7S. S00 200 0,67 0,23 -

79. S00 200 0,41 0,14 +

S0. S00 200 0,41 0,14 0

S1. S00 200 0,41 0,14 -

S2. 500 S00 0,7S 0,46 +

S3. 500 S00 0,7S 0,46 0

S4. 500 S00 0,7S 0,46 -

S5. 500 S00 0,45 0,44 +

S6. 500 S00 0,45 0,44 0

S7. 500 S00 0,45 0,44 -

SS. 500 S00 0,21 0,3S +

89. 500 800 0,21 0,38 0

90. 500 800 0,21 0,38 -

91. 500 800 0,78 0,4б +

92. 500 800 0,78 0,4б 0

93. 500 800 0,78 0,4б -

94. 500 800 0,4б 0,44 +

95. 500 800 0,4б 0,44 0

9б. 500 800 0,4б 0,44 -

97. 500 800 0,22 0,38 +

98. 500 800 0,22 0,38 0

99. 500 800 0,22 0,38 -

100. 500 800 0,78 0,4б +

101. 500 800 0,78 0,4б 0

102. 500 800 0,78 0,4б -

103. 500 800 0,4б 0,44 +

104. 500 800 0,4б 0,44 0

105. 500 800 0,4б 0,44 -

10б. 500 800 0,22 0,38 +

107. 500 800 0,22 0,38 0

108. 500 800 0,22 0,38 -

109. 500 500 0,81 0,44 +

110. 500 500 0,81 0,44 0

111. 500 500 0,81 0,44 -

112. 500 500 0,51 0,42 +

113. 500 500 0,51 0,42 0

114. 500 500 0,51 0,42 -

115. 500 500 0,2б 0,38 +

11б. 500 500 0,2б 0,38 0

117. 500 500 0,2б 0,38 -

118. 500 500 0,81 0,44 +

119. 500 500 0,81 0,44 0

120. 500 500 0,81 0,44 -

121. 500 500 0,51 0,42 +

122. 500 500 0,51 0,42 0

123. 500 500 0,51 0,42 -

124. 500 500 0,2б 0,38 +

125. 500 500 0,2б 0,38 0

12б. 500 500 0,2б 0,38 -

127. 500 500 0,81 0,44 +

128. 500 500 0,81 0,44 0

129. 500 500 0,81 0,44 -

130. 500 500 0,51 0,42 +

131. 500 500 0,51 0,42 0