2146

ARCHITECTURE

Рис. 1. Материал обследования интенсивности транспортного движения по улично-дорожной сети г. Пензы в 1985 г.

АРХИТЕКТУРА

Рис. 2. Материал обследования интенсивности транспортного движения по улично-дорожной сети г. Пензы в 1998 г.

ARCHITECTURE

Рис. 3. Материал обследования интенсивности транспортного движения по улично-дорожной сети г. Пензы в 2005 г.

Рис. 4. График роста интенсивности транспортного движения по некоторым из улиц в центральной части г. Пензы с 1979 по 2005 гг.

АРХИТЕКТУРА

Рис. 5. График роста интенсивности транспортного движения по некоторым из улиц в срединной части г. Пензы с 1979 по 2005 гг.

Рис. 6. График роста интенсивности транспортного движения по некоторым из улиц в периферийной части г. Пензы с 1979 по 2005 гг.

ARCHITECTURE

В периферийной части города приняты средние коэффициенты роста интенсивности движения в год по рассматриваемым улицам: пр. Победы – К=1,036; пр. Строителей – К=1,07; ул. Чаадаева – К=1,05. В итоге средний коэффициент роста интенсивности движения в периферийной части города К=1,05.

Для проверки достоверности полученных коэффициентов роста интенсивности движения были выбраны некоторые из рассматриваемых улиц в различных зонах города:

в центральной – ул. Володарского и ул. Пушкина;

в срединной – ул. Свердлова;

в периферийной – ул. Чаадаева.

С использованием коэффициентов роста интенсивности движения по улицам, а также по зонам города рассчитаны перспективные транспортные потоки в 2012 г.

Т а б л и ц а 2 Прогнозируемые потоки по транспортной сети г. Пензы в 2012 г.

При расчете перспективного потока необходимо учитывать емкость проезжей части рассматриваемой улицы. Если улица уже исчерпала свою пропускную способность, то увеличение потока в данном сечении маловероятно, так как образуются пробки и пропуск автомобиля невозможен. Так, при выборе интенсивности перспективного потока на всех улицах был взят максимальный из полученных потоков, кроме улицы Володарского, в связи с тем, что поток в 2400 авт./ч маловероятен из-за исчерпания ее пропускной способности. Также необходимо учесть, что в случае исчерпания пропускной способности улицы остальной поток перейдет на другие улицы, дублирующие рассматриваемое направление. Из рассматриваемых улиц это может относиться к ул. Пушкина, так как она дублирует ул. Суворова, где в таком же сечении затруднено движение по направлению в район Арбеково; поэтому по ул. Пушкина возможно увеличение потока относительно прогнозируемого еще на 1020 %.

Для сравнения результатов расчета прогнозируемых потоков с фактическими данными выполнены замеры интенсивности движения в 2012 г. в различных зонах города по улицам: Володарского, Пушкина, Свердлова и Чаадаева. Обследование интенсивности движения транспорта на улично-дорожной сети города в оба направления проведено в будние дни в час пик (с 17.00 до 18.00). Получены следующие размеры транспортного потока в приведенных единицах: по ул. Володарского – 1860,5 авт./ч; по ул. Пушкина – 3633,5 авт./ч; по ул. Свердлова – 2186 авт./ч; по ул. Чаадаева – 4031,5 авт./ч.

По обследованиям некоторых улиц в 2012 г. состав транспортного потока характеризуется преобладанием легковых автомобилей, доля которых составляет 90 % от общего потока, газели – 6,5 %, грузовой транспорт – 1,2 %, общественный транспорт – 1,3 %, что говорит об увеличении роли индивидуального автомобиля в городских перевозках и о снижении, соответственно, перевозок на общественном транспорте.

После сравнения фактических и прогнозируемых транспортных потоков, полученных соответственно в результате замеров интенсивности движения и с использованием коэффициентов роста, можно сделать следующие выводы:

АРХИТЕКТУРА

1.По ул. Володарского фактический поток меньше, чем прогнозируемый, на 16 %. Это объясняется, во-первых, исчерпанием пропускной способности улицы, в связи с чем скорость движения транспорта снижается, во-вторых, загромождением проезжей части паркуемыми автомобилями из-за отсутствия стоянок в центральной части города, в результате чего происходит сужение проезжей части. Анализ данных факторов показал, что пропуск автомобильного транспорта затруднен и фактически поток не увеличился по сравнению с 2005 годом.

2.По ул. Пушкина фактический поток больше, чем прогнозируемый, на 23 %. Но при увеличении прогнозируемого потока на 20 % в связи с тем, что ул.Пушкина является дублером ул. Суворова, где затруднено движение, можно считать, что прогнозируемый поток практически совпадает с фактическим.

3.По ул. Свердлова прогнозируемый поток меньше фактического на 5 %.

4.По ул. Чаадаева прогнозируемый поток больше фактического на 5 %.

В результате обследований интенсивности транспортного потока доказана эффективность применения метода экстраполяции с использованием коэффициентов роста. Расхождение в 5–10 % считается допустимым в связи с неравномерностью транспортного движения по дням недели и временам года. По результатам исследований можно определить необходимость реконструкции улиц в сечениях как на данный период, так и на перспективу при проектировании генерального плана города.

Список литературы

Круглов, Ю.В. Динамика автомобильных потоков за длительный промежуток времени на магистральной сети г. Пензы / Ю.В. Круглов, Ю.В. Семанин // Вопросы планировки и застройки городов: материалы Междунар. науч.-практ. конф. / под ред. проф. Ю.В.Круглова, доц. В.С. Глухова. – Пенза: ПГАСА, 2002. – С. 168–170.

References

Kruglov, Y.V. The dynamics of traffic flows over a long period of time on the network of Penza / Y.V. Kruglov, Y.V. Semanin // Problems of planning and development of cities: Proceedings of the International Scientific Conference / Ed. prof. Yu.V.Kruglova, Assoc. V.S. Glukhov. – Penza: PGASA, 2002. – P. 168–170.

ECONOMICS AND MANAGEMENT

ЭКОНОМИКА И УПРАВЛЕНИЕ

ECONOMICS AND MANAGEMENT

УДК 624: 519.7

УПРАВЛЕНИЕ КАЧЕСТВОМ ДИНАМИЧЕСКОЙ СИСТЕМЫ:

СЕЛЕКЦИЯ ИНФОРМАТИВНЫХ СИГНАЛОВ

И.А. Гарькина, А.М. Данилов, О.А. Хнаев

Определяется информационная значимость входных воздействий в динамической системе на основе частных функций когерентности. Предусматриваются возможности приложений к составлению и анализу вибрационных карт различных объектов, селекции информативных сигналов при проектировании систем мониторинга строительных конструкций, разработки тренажных и обучающих комплексов и др.

Ключевые слова: динамические системы, управление качеством, селекция информативных управляющих сигналов, частные функции когерентности.

QUALITY CONTROL OF DYNAMIC SYSTEMS:

SELECTION OF INFORMATIVE SIGNALS

I.A. Garkina, A.M. Danilov, O.A. Khnaev

Information importance of control actions in a dynamic system based on private coherence functions is determined. Possible applications to the compilation and analysis of vibration cards of different objects, selection of informative signals for the design of monitoring systems of building constructions, the design of simulation and learning complexes are provided.

Keywords: dynamical systems, quality control, selection of informative control signals, partial coherence function.

ЭКОНОМИКА И УПРАВЛЕНИЕ

Решение многих практических задач связано с проблемой разработки информационных моделей систем, изоморфных множеству их состояний: проектирование систем мониторинга различных строительных конструкций, имитационное моделирование и создание тренажных и обучающих комплексов для подготовки операторов эргатических систем, клиническая диагностика в медицине, вибродиагностика и др. [1…4]. Простота информационной модели определяется тем, насколько удается выделить наиболее существенные параметры, характеризующие состояние системы (без потери их изоморфности). Решение такой задачи, безусловно, требует системного подхода к формированию управляющих воздействий для повышения качества управления (селекция, ранжировка; определение иерархической структуры). Во всей полноте все это возникает при проектировании имитаторов человеко-машинных систем. Так, взаимосвязь оператора и объекта осуществляется по информационным и информационно-исполнительным каналам. Информация о состоянии объекта и его систем поступает к оператору через систему отображения информации или воспринимается им непосредственно через зрительные, слуховые и т.д. рецепторы. В результате полученной оператором информации в центральной нервной системе формируется текущая информационная модель движения объекта. На основе ее сравнения с концептуальной моделью (сформированной в сознании оператора на основе обученности, тренировки, опыта) оператором формируются управляющие сигналы, передаваемые на органы управления (информационноисполнительная модель). Функция оператора заключается в формировании управляющих воздействий. Для сокращения аналитической деятельности оператора в информационную модель должны включаться лишь наиболее существенные параметры состояния системы (множество информационных моделей состояния объекта должно быть изоморфно множеству состояний управляемого объекта). В этом случае возникает возможность изготовления наиболее простых обучающих и тренажных комплексов для подготовки операторов со значительным снижением случаев приобретения ложных навыков. Будем полагать, что исследуемые источники информации формализованы (неформализованные источники предпо-

лагаются априори существенными).

Как оказалось, для селекции информативных сигналов можно использовать

относительное качество измерения комплексной передаточной функции), а именно установить, какая часть энергии отклика коррелирована с энергией входного сигнала

x t (идентифицировать шум и другие множественные источники сигнала, влияющие на выходной сигнал y t ). При использовании одного измерения функция когерент-

ности регистрирует лишь единичное значение на всех частотах; поэтому целесообразно определение среднего значения для двух или более измерений входного и выходного сигналов.

Подчеркнем, функция когерентности является аналогом коэффициента корреляции в частотной области и отражает степень линейной взаимосвязи гармонических компонент рассматриваемых процессов. Чем ближе функция когерентности к единице на данной частоте f , тем больше совпадений гармонических составляющих

на этой частоте.

Предлагаемый способ удобен тем, что он основан на определении выборочных элементов спектральных плотностей, которые, как правило, должны быть так или иначе получены при статистическом анализе случайных процессов. Целесообразность его применения определяется и наглядностью получаемых результатов с присущим функциям когерентности очевидным физическим смыслом.

Оператором режим движения объекта оценивается обобщенным вектором состояния, компоненты которого могут быть как отдельными величинами (скорость, ускорение, угловые координаты и т.д.), легко формализуемыми, так и целыми образа-

ЭКОНОМИКА И УПРАВЛЕНИЕ

считать, что их можно рассматривать как вход и выход некоторой линейной системы. Но если существует процесс x2 t , когерентный с x1 t и дающий вклад в y t

после прохождения через линейную систему, то высокая когерентность между x1 t и y t может отражать лишь тот факт, что когерентность между x1 t и x2 t также высока; а процесс x2 t связан с y t через некоторую линейную систему. В действительности x1 t и y t могут быть не связаны никакой физической системой. Поэтому для получения надежных результатов о связи между yk t и x t лучше использовать функцию условной (частной) множественной когерентности. Она позволяет установить, в какой степени yk t на частоте f связана линейным стацио-

Функция частной множественной когерентности определяется в виде:

Из предыдущего непосредственно следует:

Таким образом, для селекции информативных сигналов и их ранжировки