Россия
Россия
Россия
Россия
УДК 656.021.2 Частота (плотность) движения. Интенсивность движения
Целью настоящей статьи является проверка гипотезы о возможности эффективного моделирования дорожного трафика с использованием ограниченных наборов данных. Конкретно: исследование фокусируется на возможности моделирования потоков на перекрестках, основываясь исключительно на информации о движении транспорта в смежных участках дорожной инфраструктуры. Одним из главных этапов разработки системы было исследование и выбор оптимального интервала усреднения данных о количестве транспортных средств, движущихся в модели. Этот выбор является основным, так как он непосредственно влияет на точность и эффективность работы системы. В процессе анализа различных вариантов интервалов усреднения была выявлена оптимальная конфигурация, которая обеспечивает наилучший баланс между точностью данных и эффективностью системы. На основе результатов моделирования был выбран оптимальный интервал усреднения данных. В рамках этой цели основными задачами в данной работе являются: разработка программы автоматического запуска процесса моделирования при поступлении новых данных с камеры, проверка адекватности моделирования на примере одного конкретного перекрестка, а также проверка гипотезы относительно возможности эффективного моделирования перекрестков при использовании ограниченных объемов данных. Разработанная система моделирования транспортных потоков представляет собой решение, которое базируется на использовании данных, получаемых с интеллектуальной камеры, для анализа и оптимизации движения транспортных средств. Эта система была создана в рамках исследовательского проекта, который имел своей основной целью оптимизацию процесса анализа транспортного потока в городских и дорожных условиях. Разработанная модель обладает широким спектром потенциальных применений. Она может быть интегрирована в городское планирование с целью создания эффективных моделей дорожного движения, которые впоследствии могут быть использованы для эффективного управления дорожным движением и оптимизации дорожной инфраструктуры.
моделирование транспортных потоков, трафик, симулятор городской мобильности, интервал усреднения данных
1. Сальникова А. Д. Формирование системы транспортно-пересадочных узлов в городской агломерации / А. Д. Сальникова, А. В. Баните, Д. Г. Плотников и др. // Автоматика на транспорте. - 2023. - Т. 9. - № 1. - С. 87-98.
2. Макаров И. В. Совершенствование управления транспортными потоками города с использованием имитационного моделирования / И. В. Макаров, Р. Г. Хабибуллин, К. А. Шубенкова и др. // Материалы 4-й Всероссийской научно-практической конференции по имитационному моделированию ИММОД 2009. - СПб.: Дом ученых им. М. Горького. - 2009.
3. Shaharuddin R. A. Controlling Traffic Congestion in Urbanised City: A Framework Using Agent-Based Modelling and Simulation Approach / R. A. Shaharuddin, Md Yu. Misro // ISPRS Int. J. Geo-Inf. - 2023. - Iss. 12(6). - P. 226.
4. Alghamdi T. A. Comparative Study on Traffic Modeling Techniques for Predicting and Simulating Traffic Behavior / T. Alghamdi, S. Mostafi, G. Abdelkader et al. // Future Internet. - 2021. - Iss. 14. - P. 294.
5. Yedavalli P. Microsimulation analysis for network traffic assignment (MANTA) at metropolitan-scale for agile transportation planning / P. Yedavalli, K. Kumar, P. Waddell // Transportmetrica A: Transport Science. - 2021. - Pp. 1278-1299.
6. Кузнецов Т. А. Оптимизация движения транспортного потока на регулируемом перекрестке с использованием имитационного моделирования / Т. А. Кузнецов // Политехнический молодежный журнал. - 2022. - № 07(72).
7. Захаров Ю. И. Основные современные инструменты имитационного моделирования транспортных потоков / Ю. И. Захаров, Е. С. Карнаух // Вісник придніпровської державної академії будівництва та архітектури. - 2023. - С. 87-98.
8. Di Sh. Calibrating stochastic traffic simulation models for safety and operational measures based on vehicle conflict distributions obtained from aerial and traffic camera videos / Sh. Di, G. Jingqin, Y. Di et al. // Accident Analysis and Prevention. - 2023. - Iss. 179.
9. Ромашова А. А. Анализ технологий сбора данных о параметрах движения транспортных потоков / А. А. Ромашова // Форум молодых ученых. - 2021. - № 5(57). - С. 298-303.
10. Altshuler Ya. Augmented Betweenness Centrality for Mobility Prediction in Transportation Networks / Ya. Altshuler, R. Puzis, Yu. Elovici et al. // Finding Patterns of Human Behaviors in Network and Mobility Data. - 2011. - P. 671.
11. Ross S. M. Introduction to Probability and Statistics for Engineers and Scientists / S. M. Ross. - University of California, Berkeley. - 2004. - P. 179.
12. Rodgers J. L. Thirteen Ways to Look at the Correlation Coefficient / J. L. Rodgers, W. A. Nicewander // The American Statistician. - 1988. - Vol. 42. - Iss. 1. - Pp. 59-66.
13. Hotelling H. New Light on the Correlation Coefficient and its Transforms / H. Hotelling // Journal of the Royal Statistical Society, Series B (Methodological). - 1953. - Vol. 15(2). - Pp. 193-225.
14. Фишер Р. А. Статистические методы для исследователей: монография / Р. А. Фишер. - М.: Госстатиздат, 1958. - С. 42.
