Учёные СПбГУТ разработали модель управления дорожным трафиком

Кафедра информационных управляющих систем Санкт-Петербургского университета телекоммуникаций разработала перспективное решение для современных мегаполисов – имитационную модель агентного управления дорожным трафиком. Проект предлагает инновационный подход к регулированию транспортных потоков в городских условиях.

Разработка базируется на использовании имитационного моделирования, многоагентных систем и нейросетевых технологий для принятия решений в реальном времени и решает одну из ключевых проблем мегаполисов XXI века – улучшение управления городской транспортной инфраструктурой.

Основная цель системы – создать адаптивную и устойчивую к изменяющимся условиям модель управления дорожным движением. Система интегрирует возможности агентного подхода, что позволяет координировать действия большого количества участников дорожного движения, анализируя данные с помощью нейросетевых алгоритмов. В традиционных системах управления светофорами и транспортными потоками часто используются фиксированные алгоритмы, которые не всегда учитывают динамические изменения в трафике. В отличие от них, новая система способна автоматически подстраиваться под текущие условия на дорогах, что значительно увеличивает её эффективность.

Система работает на основе нескольких модулей. На первом этапе собираются и обрабатываются входные данные о текущей дорожной ситуации: интенсивность транспортных потоков, состояние дорожной инфраструктуры, количество автомобилей на перекрёстках, время ожидания и прочие параметры. Следующий шаг – имитационное моделирование, которое осуществляется с использованием программного обеспечения AnyLogic и библиотеки дорожного движения. Система рассчитывает движение транспорта на основе входных данных, а затем применяется агентный подход для координации действий на уровне каждого светофора. Основным критерием является количество автомобилей, движущихся ниже заданного порога скорости, что позволяет системе выявлять пробки и принимать меры для их предотвращения.  Нейросетевой модуль системы отвечает за корректировку длительности фаз светофоров и принятие решений на основе текущей дорожной ситуации. Это позволяет минимизировать время простоя автомобилей и оптимизировать пропускную способность дорог.

Преимущество системы – адаптивность: благодаря анализу дорожной ситуации система в реальном времени изменяет фазы светофоров, что снижает нагрузку на оператора и повышает общую производительность системы.  При этом система проста в управлении: пользователи могут просматривать модель и вносить изменения в параметры через интуитивно понятный графический интерфейс, что упрощает настройку и управление системой.

На рынке уже существуют решения по оптимизации дорожного движения, однако данная разработка обладает рядом преимуществ. Одно из них – возможность работы в режиме реального времени с минимальным вмешательством оператора. Кроме того, система способна обучаться и самостоятельно подстраиваться под изменяющиеся условия на дороге, что значительно увеличивает её эффективность по сравнению с классическими решениями, которые используют фиксированные алгоритмы. Система отличается гибкостью и может быть легко адаптирована для решения конкретных задач в городах с разной транспортной инфраструктурой, что делает её универсальным инструментом для управления дорожным движением.

Основными пользователями системы могут стать государственные компании, ответственные за регулирование дорожного движения. Система может быть внедрена в любом крупном городе для повышения пропускной способности дорог, сокращения времени ожидания на светофорах и улучшения общей транспортной ситуации. В конечном итоге положительный эффект от внедрения такой системы почувствуют все жители города.

Авторы разработки – коллектив кафедры информационных управляющих систем во главе с доцентом Игорем Бондаренко и ассистентом Дмитрием Пелихом.

Материал подготовлен УМиР