Теперь исследование, проведенное учеными из Массачусетского технологического института, может привести к созданию более эффективных способов программирования светофоров для сокращения задержек, повышения эффективности и сокращения выбросов.Новые результаты представлены в двух статьях доцента кафедры гражданского строительства и охраны окружающей среды Каролины Осорио и выпускницы Канчаны Нандури С.М. ’13, опубликованных в журналах «Транспортная наука» и «Транспортные исследования: Часть Б.».
В этих статьях исследователи описывают метод. комбинировать данные на уровне транспортных средств с менее точными, но более полными данными на уровне города о схемах движения, чтобы получить более качественную информацию, чем предоставляют существующие системы.«Что мы делаем, — говорит Осорио, — так это разрабатываем алгоритмы, которые позволяют крупным транспортным агентствам использовать модели трафика с высоким разрешением для решения задач оптимизации».
Обычно такие определения времени устанавливаются для оптимизации времени прохождения по выбранным основным артериям, но они недостаточно сложны, чтобы учесть сложные взаимодействия между всеми улицами в городе. Кроме того, текущие модели не оценивают состав транспортных средств, находящихся на дороге в данный момент времени, поэтому они не могут предсказать, как изменения в транспортном потоке могут повлиять на общее потребление топлива и выбросы.В своем тестовом примере Осорио и Нандури использовали моделирование дорожного движения в швейцарском городе Лозанна, моделируя поведение тысяч автомобилей в день, каждый со своими характеристиками и действиями. Модель даже учитывает, как поведение вождения может меняться изо дня в день: например, изменения в схемах сигналов, которые делают данный маршрут более медленным, могут заставить людей выбирать альтернативные маршруты в последующие дни.
Хотя существующие программы могут моделировать поведение движения как в масштабе города, так и в масштабе водителя, их интеграция была проблемой. Команда Массачусетского технологического института нашла способы уменьшить количество деталей в достаточной степени, чтобы сделать вычисления практичными, сохранив при этом достаточно деталей, чтобы делать полезные прогнозы и рекомендации.
«С такими сложными моделями нам не хватало алгоритмов, чтобы показать, как использовать модели, чтобы решить, как изменить схемы светофоров», — говорит Осорио. «Мы придумали решение, которое позволит сократить время в пути по всему городу». В случае Лозанны это повлекло за собой моделирование 17 ключевых перекрестков и 12 000 транспортных средств.
В дополнение к оптимизации времени в пути новая модель включает в себя конкретную информацию о расходе топлива и выбросах для транспортных средств от мотоциклов до автобусов, отражая фактическую структуру движения в городе. «Данные должны быть очень подробными, не только об автопарке в целом, но и о парке в данный момент», — говорит Осорио. «Основываясь на этой подробной информации, мы можем разработать планы дорожного движения, которые обеспечат большую эффективность в масштабах города, что практично для городских агентств».Вкратце, Осорио говорит: «Мы берем сложные данные и соединяем их с менее подробными данными [для создания] удобных для компьютера решений, которые объединяют два вида данных для выработки практических решений».Осорио добавляет: «Агентства теперь просят, когда они предлагают изменения, оценить, какое влияние это окажет на окружающую среду». В настоящее время такие оценки необходимо проводить постфактум, путем реальных измерений, но с помощью этих новых программных инструментов, по ее словам, «мы можем учитывать факторы окружающей среды при разработке плана».
В настоящее время команда работает над проектом на Манхэттене, среди других регионов, чтобы проверить потенциал системы для крупномасштабного управления сигналами.По словам Осорио, помимо определения времени светофора, в будущем такое моделирование может также использоваться для оптимизации других решений по планированию, таких как выбор лучших мест для центров обмена автомобилями или велосипедами.