Моделирование транспортных потоков при помощи нейронных сетей

Объектом исследования является процесс движения транспортных потоков на городской улично-дорожной сети мегаполиса. В связи с возрастающей урбанизацией увеличиваются и негативные ее последствия, в числе которых – снижение скорости сообщения вплоть до образования заторов. Цель работы – разработка математического аппарата для управления нагруженными транспортными потоками на улично-дорожной сети городов при помощи нейронных сетей. Результаты исследования направлены на решение проблемы формирования транспортных заторов в городах, особенно в крупнейших. Методологическая база исследования включает в себя системный подход, системный анализ, синтез, теории транспортных потоков, систем, динамических систем, сложных систем и хаоса. Целевой функцией исследования определена максимизация кинетической энергии транспортного потока. В качестве оптимизационного критерия предложено использовать меру хаоса дорожного движения – энтропию транспортных потоков. По результатам исследования получена математическая модель изменения кинетической энергии транспортного потока под влиянием относительной энтропии занятости полос дорожным движением на регулируемых перекрестках. Для мониторинга транспортных потоков предложено использовать уличные (дорожные) камеры видеонаблюдения. Для этого разработаны математические модели, позволяющие измерять занятость полос движением на конкретных регулируемых пересечениях посредством обработки видеоизображения нейронными сетями в режиме реального времени. Для подтверждения разработанного математического аппарата проводятся соответствующие экспериментальные исследования. В данной статье представлены текущие результаты эксперимента, которые подтверждают предлагаемые авторами математические модели. Полученные результаты исследования справедливы только с учетом соблюдения обозначенных ограничений и требований к транспортному потоку. С одной стороны, это значительно сужает возможность применения результатов на практике, с другой – позволяет повысить точность и чистоту экспериментальных исследований.

1. Морозов, В. В. Закономерности изменения характеристик транспортных потоков / В. В. Морозов, Д. А. Захаров, С. А. Ярков. Тюмень: Тюменский индустриальный университет, 2020. 166 p.

2. Якимов, М. Р. Транспортное планирование: создание транспортных моделей городов / М. Р. Якимов. М.: Логос, 2013. 188 p.

3. РОССТАТ: Федеральная служба государственной статистики. URL: https://rosstat.gov.ru/ (дата обращения: 08.06.2024).

4. Do New Sources of Traffic Data Make the Application of Chaos Theory to Traffic Management a Realistic Possibility? / A. T. Narh, N. Thorpe, M. C. Bell, G. A. Hill // Transport Reviews. 2016. Vol. 36. P. 635–658. https://doi.org/10.1080/01441647.2016.1140687

5. Анализ совокупной стоимости владения детекторов транспорта // Системы хранения, серверное оборудование, информационная и физическая безопасность – ИТЦ-М. URL: https://www.itc.by/analiz-sovokupnoj-stoimosti-vladeniya-detektorov-transporta/ (дата обращения: 17.06.2024).

6. Анализ детектирования параметров дорожного движения / Д. В. Капский, Д. В. Леванович, В. П. Иванов, А. К. Головнич // Вестник Полоцкого государственного университета. Серия B. Промышленность. Прикладные науки. 2022. № 3. P. 63–71.

7. Дрю, Д. Теория транспортных потоков и управления ими / Д. Дрю. М.: Транспорт, 1972. 424 p.

8. Иносэ, Х. Управление дорожным движением / Х. Иносэ, Т. Хамсада. М.: Транспорт, 1983. 248 p.

9. Моделирование процесса распада координированной пачки автомобилей при движении по перегону магистральной улицы / Г. М. Кухаренок, Д. В. Капский, Д. В. Навой, Д. В. Рожанский // Вестник Белорусского национального технического университета. 2010. № 6. P. 51–57.

10. Chaos: Classical and Quantum / P. Cvitanović, R. Artuso, R. Mainieri [et al.]. Copenhagen, Denmark: Niels Bohr Institute, 2020. 1089 p.

11. Murray, R. M. Recent Research in Cooperative Control of Multivehicle Systems / R. M. Murray // Journal of Dynamic Systems, Measurement, and Control. 2007. Vol. 129. P. 571–583. https://doi.org/10.1115/1.2766721.

12. Kumari, S. A Novel Four-Step Feedback Procedure for Rapid Control of Chaotic Behavior of the Logistic Map and Unstable Traffic on the Road / S. Kumari, R. Chugh // Chaos. 2020. Vol. 30. https://doi.org/10.1063/5.0022212

13. Martinoviˇc, T. Chaotic Behaviour of Noisy Traffic Data / T. Martinoviˇc // Mathematical Methods in the Applied Sciences. 2018. Vol. 41, Nо 6. P. 2287–2293. https://doi.org/10.1002/mma.4234.

14. Modelling Road User Perceptions towards Safety, Comfort, and Chaos at Shared Space: The via Maqueda Case Study, Italy / N. Akgun-Tanbay, T. Campisi, T. Tanbay [et al.] // Journal of Advanced Transportation. 2022. Vol. 2022. https://doi.org/10.1155/2022/4979496.

15. Quek, W. L. An Analysis on the Traffic Processing Efficiency of a Combination of Serial and Parallel Bottlenecks / W. L. Quek, N. N. Chung, L. Y. Chew // Physica A: Statistical Mechanics and Its Applications. 2018. Vol. 503. P. 491–502. https://doi.org/10.1016/j.physa.2018.02.081.

16. Senkerik, R. Chaos-Based Optimization A Review / R. Senkerik, I. Zelinka, M. Pluhacek // Journal of Advanced Engineering and Computation. 2017. Vol. 1. P. 68–79. https://doi.org/10.25073/jaec.201711.51.

17. Капский, Д. В. Развитие автоматизированной системы управления дорожным движением Минска как части интеллектуальной транспортной системы города / Д. В. Капский, Д. В. Навой // Наука и техника. 2017. Т. 16. № 1. P. 38–47. https://doi.org/10.21122/2227-1031-2017-16-1-38-48.

18. Aljamal, M. A. Estimation of Traffic Stream Density Using Connected Vehicle Data: Linear and Nonlinear Filtering Approaches / M. A. Aljamal, H.M. Abdelghaffar, H. A. Rakha // Sensors. 2020. Vol. 20, Nо 15. P. 4066 https://doi.org/10.3390/s20154066.

19. Morozov, V. Formation of the Traffic Flow Rate Under the Influence of Traffic Flow Concentration in Time at Controlled Intersections in Tyumen, Russian Federation / V. Morozov, S. Iarkov // Sustainability. 2021. Vol. 13, № 15. P. 8234. https://doi.org/10.3390/su13158324.

20. Morozov, V. Modeling the Operation of Signal-Controlled Intersections with Different Lane Occupancy / V. Morozov, V. Shepelev, V. Kostyrchenko // Mathematics. 2022. Vol. 10, № 24. P. 4829.

21. Свидетельство о государственной регистрации программы для ЭВМ № 2025619154 Российская Федерация. Программа для мониторинга транспортных потоков на основе нейронных сетей: заявл. 31.03.2025: опубл. 14.04.2025 / Морозов В. В.; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования «Тюменский индустриальный университет».