1385

Содержание исходных файлов, использованных для генерации транспортного спроса, приведено в прил. 2.

Рис. 4.4. Динамика транспортного спроса

Управление процессом моделирования и работой виртуального дорожного контроллера производилось программой LocalControll.py, написанной на языке программирования Python. Листинг указанной программы приведен в прил. 3. Для взаимодействия с программой SUMO использовался модуль TraCI, обеспечивающий:

–модификацию желаемой скорости движения всех входящих в сеть автомобилей по логнормальному закону распределения с параметрами, полученными в п. 4.2;

–измерение интенсивности движения при помощи виртуальных детекторов транспорта, имитирующих работу индуктивных петлевых детекторов;

–установку рассчитанных режимов работы светофорного объекта в имитационной модели.

В качестве базового метода управления принята традиционная методика расчета режима работы светофорного объекта по формулам (3.3)–(3.4).

Вконце каждого цикла регулирования производился перерасчет длительности фаз на основании данных об интенсивности движения, измеренных виртуальными детекторами транспорта.

81

Измерение интенсивности движения и последующее сглаживание полученных результатов производилось в соответствии с рекомендациями, приведенными в работе [10].

Предлагаемое управление предусматривало расчет длительности фаз в конце каждого цикла регулирования. Длительности фаз определялись путем решения ранее предложенной в п. 3.2 задачи оптимизации. Оценка продолжительности задержки транспортных средств на горизонте прогнозирования, входящей в целевую функцию управления (3.17), проводилась по формулам (3.8)–(3.15). Оценка остаточной очереди выполнялась на основе измерений состояния транспортного потока виртуальными детекторами транспорта по формуле (3.20). Штраф за превышение фронтом очереди максимального предустановленного значения назначался путем умножения величины задержки на весовой коэффициент w 6. По результатам моделирования формировался файл отчетов aggregated_900.xml, содержащий агрегированную по 15 минутным интервалам информацию о состоянии транспортных связей (прил. 5 и 6).

Суммарная задержка транспортных средств по всем связям при базовом и предлагаемом управлении приведена на рис. 4.5.

Рис. 4.5. Задержка транспортных средств

При интенсивности движения 300 авт/ч на полосу (начальный период моделирования с 0 по 30 мин) использование базового управления обеспе-

82

чивает более эффективное функционирование пересечения, выраженное в меньшей на 35 % величиной задержки сравнении с предлагаемым методом управления. В дальнейшем при увеличении интенсивности движения наблюдается преимущество предложенного метода управления над базовым методом, выражаемое в снижении задержки транспортных средств в 1,3– 2,3 раза и увеличении количества вошедших в моделируемую транспортную сетьавтомобилей(рис. 4.6) в1,21–1,53 разавсравнениисбазовымметодом.

Рис. 4.6. Количество вошедших в транспортную сеть транспортных средств

В начальный период моделирования очередь транспортных средств на регулируемом пересечении локализовалась в пределах связей 1.300, 2.300, 3.300 и 4.300. При последующем увеличении интенсивности движения длина очередей возросла и распространилась на связи 1, 2, 3 и 4. Рассмотрим динамику плотности транспортного потока и времени движения на указанных транспортных связях (рис. 4.7–4.14).

При использовании базового управления на связях 1 и 3 горизонтальной улицы с 30 по 50 минуту моделирования происходило увеличение плотности транспортного потока ив последствие блокирование связей. На вертикальной улице в указанный период увеличение длины очередей, и соответственно повышения плотности транспортного потока, не наблюдалось. Предпосылки к образованию транспортного затора на вертикальной улице в виде повышение плотности транспортного потока свыше

83

критического значения crit 39 46 авт/км наблюдаются в третий период

моделирования (с 90 мин) при увеличении интенсивности движения до

500–600 авт/ч.

Рис. 4.7. Плотность транспортного потока на связи 1

Рис. 4.8. Время движения по связи 1

84

Предлагаемый метод управления минимизирует взвешенную задержку транспортных средств, что ожидаемо, обеспечивает более благоприятные условия движения на направлениях с большим транспортным спросом. Так за период моделирования плотность транспортного потока на связях 1 и 4 горизонтальной улицы практически не превышала критического значения. На связях 2 и 4 вертикальной улицы плотность транспортного потока сопоставима со значениями, полученными при базовом управлении, при этом превышение плотностью значения crit наблюдалось только в третий

период моделирования.

Результаты моделирования использования предложенного метода локального управления показали его работоспособность и эффективность в сравнении с традиционным методом расчета режимов работы светофорных объектов.

4.4. Оценка эффективности сетевого управления

светофорными объектами методом балансировки

объемов движения

Для объективной оценки эффективности предложенных методов управления работой светофорных объектов, в программе SUMO создана микроскопическая имитационная модель транспортной сети, включающая 5 регулируемых пересечений (рис. 4.15). Исходные файлы описания узлов и связей транспортной сети приведены в прил. 7. Схема пофазного разъезда транспортных средств приведена на рис. 4.16. На пересечениях A, B и C пропуск автомобилей производится в четыре фазы (I-IV фаза), а на пересечении D предполагается наличие пятой, выделенной пешеходной фазы продолжительностью 20 с.

Интенсивность движения на входах в транспортную сеть представлена на рис. 4.15 и в прил. 8. Распределение потоков по направлениям движения в пределах перекрестков в направлении север – юг: прямо – 85 %, направо – 10 %, налево – 5 %; в направлении запад – восток: прямо – 55 %, направо – 35 %, налево – 10 %.

В качестве базового алгоритма управления принят общеизвестный метод адаптивного управления – алгоритм поиска разрыва в потоке (в зарубежной литературе именуемый «actuated traffic control»). Фрагмент файла описания транспортной сети с указанным методом управления приведен в прил. 9.

Для реализации, предложенной в п. 3.3 методики расчета режимов работы светофорных объектов методом балансировки объемов движения, разработана программа на языке программирования Python (прил.10). Рассчитанные указанной программой режимы работы светофорных

88

V

Рис. 4.16. Фазы движения транспортных средств

Результаты моделирования при базовом методе управления и предложенном приведены в прил. 11 и 12.

При базовом методе управления наличие выделенной пешеходной фазы на пересечении D инициирует образование транспортного затора на перегоне C–D. В прошествии 20-25 минут затор принимает общесетевой характер, блокируя связь B–C, а впоследствии и весь маршрут движения A–B–C–D. Плотность транспортного потока в зоне затора колебалась в пределах 205–100 авт/км в расчете на одну полосу движения (прерывистая линия на рис. 4.17).

90