кандидат технических наук;
candidate of technical sciences;
доктор экономических наук;
doctor of economic sciences;
Переход к массовому использованию беспилотных транспортных средств в составе интеллектуальных транспортных систем создает беспрецедентную возможность для централизованного координированного управления транспортными потоками. В отличие от традиционного трафика, где решения принимаются множеством независимых водителей, подключенные беспилотные автомобили могут выступать в роли исполнительных элементов сетевого диспетчера. В статье предложена аналитическая модель, объединяющая классическую задачу Форда — Фалкерсона о максимальном потоке с макроскопической фундаментальной диаграммой, учитывающей нелинейное снижение пропускной способности узлов дорожной сети при перегрузке. Модель формулируется как задача нелинейного сетевого программирования, где управление потоками беспилотных транспортных средств осуществляется таким образом, чтобы предотвращать возникновение заторовых состояний в зонах сети, описываемых макроскопической фундаментальной диаграммой. Разработан итеративный алгоритм, обобщающий метод дополняющих путей: на каждом шаге производится коррекция остаточной пропускной способности с учетом текущего насыщения, а наличие обратных дуг позволяет в реальном времени отзывать поток беспилотных транспортных средств из зон, приближающихся к критическому накоплению. Получен критерий оптимальности, утверждающий, что поток максимален тогда и только тогда, когда в остаточной сети, построенной с учетом ограничений макроскопической фундаментальной диаграммы, невозможно найти маршрут, соединяющий источник со стоком. Показано, что модель может служить эталонным вычислительным ядром для подсистемы маршрутизации верхнего уровня интеллектуальной транспортной сети, обеспечивая предотвращение сетевых заторов и максимизацию пропускной способности дорожной сети.
the transition to the widespread use of unmanned vehicles as part of intelligent transport systems creates an unprecedented opportunity for centralized, coordinated management of traffic flows. Unlike traditional traffic, where decisions are made by multiple independent drivers, connected unmanned vehicles can act as the operational elements of a network controller. The article proposes an analytical model that combines the classic Ford — Fulkerson maximum flow problem with a macroscopic fundamental diagram that takes into account the nonlinear reduction in the capacity of road network nodes under overload conditions. The model is formulated as a nonlinear network programming problem, where the flow of unmanned vehicles is managed in such a way as to prevent the occurrence of congestion states in network zones described by a macroscopic fundamental diagram. An iterative algorithm has been developed that generalizes the complementary path method: at each step, the residual capacity is adjusted taking into account the current saturation, and the presence of backward arcs allows for the real-time “recall” of the unmanned vehicle flow from zones approaching critical accumulation. A criterion of optimality has been obtained, stating that the flow is maximal if and only if it is impossible to find a route connecting the source to the sink in the residual network constructed taking into account the constraints of the macroscopic fundamental diagram. It has been shown that the model can serve as a reference computational core for the upperlevel routing subsystem of an intelligent transport network, ensuring the prevention of network congestion and the maximization of the road network’s throughput capacity.