ДИСКРЕТНО-СОБЫТИЙНАЯ МОДЕЛЬ ПЕРЕСЕЧЕНИЯ ПЕРЕКРЕСТКА (УЛИЦЫ ДИРИЖАБЕЛЬНАЯ, ТЕАТРАЛЬНАЯ, АКАДЕМИКА ЛАВРЕНТЬЕВА, Г. ДОЛГОПРУДНЫЙ)

​АННОТАЦИЯ

В данной статье проводится исследование и анализ движения автомобилей и пешеходов, пересекающих перекресток трех улиц в г. Долгопрудный Московской области. На основе собранных данных была построена имитационная модель в среде Anylogic, где проводится оптимизационный эксперимент. Цель оптимизационного эксперимента – выбрать оптимальные временные промежутки работы пешеходных и автомобильных светофоров.

Ключевые слова: автомобильное движение, дискретно-событийное моделирование, оптимизация.

ВВЕДЕНИЕ

Большие города с высоким уровнем населения в современное время подразумевают под собой наличие сложной сети автомобильных дорог, сочленения и пересечения которых зачастую являются наиболее проблемными участками для проезда их автомобилями.

На время и скорость проезда перекрестка влияет большое количество факторов, кроме непосредственно количества автомобилей. Среди них, например, такие как: характеристики конкретных автомобилей и их техническое состояние, время года, состояние дорожного полотна, погодные условия, время суток, день недели (будний, выходной день) и многие другие.

Подавляющее большинство дорог находится на одном уровне, что означает, что их пересечения образуют перекрестки, правильная организация движения на которых необходима для снижения загруженности дорог. Для регулирования этого процесса чаще всего устанавливаются светофоры, время действия которого на различных направлениях может не соответствовать реальным запросам дорожного движения на выбранном участке. Это является важным моментом в вопросах градостроения, что обеспечивает актуальность данного исследования.

Объект исследования – городская транспортная система.

Субъект исследования – повышение эффективности проезда перекрестка Дирижабельной, Театральной и улицы Академика Лаврентьева в г. Долгопрудном.

Цель исследования – построение виртуальной модели перекрестка Дирижабельной, Театральной и улицы Академика Лаврентьева в г. Долгопрудном для оптимизации работы светофора, регулирующего его проезд автомобилями.

Инструментарий – среда виртуальной симуляции, язык программирования Java, программы Microsoft Office.

ОПИСАНИЕ ОБЪЕКТА

Перекресток Дирижабельной, Театральной и улицы Академика Лаврентьева в г. Долгопрудном — это крестообразный перекресток трех улиц:

• Дирижабельная улица.

В соответствии с ГОСТ Р 52399–2022, данная автомобильная дорога может быть отнесена к категории II. Дорога имеет по две полосы движения в каждом направлении; ширина каждой полосы – 3.75 м. Полосы встречного движения разделены сплошной линией (1.1 горизонтальной дорожной разметки). В северном направлении от перекрестка расположена остановка общественного транспорта на расстоянии 75 м. В южном направлении от перекрестка также располагается остановка общественного транспорта на расстоянии 45 м. Ограничение скоростного режима составляет от 40 км/ч по направлению к перекрестку и 60 км/ч по направлению от перекрестка в северном и южном направлениях дороги.

• Улица Академика Лаврентьева.

В соответствии с ГОСТ Р 52399–2022, данная автомобильная дорога может быть отнесена к категории IV. Дорога имеет по одной полосе движения в каждом направлении; ширина каждой полосы – 3.5 м. Полосы встречного движения разделены на различных участках сплошной и прерывистой линией (1.1 и 1.5 горизонтальной дорожной разметки, соответственно). В западном направлении от перекрестка на расстоянии 200 м расположена парковочная зона для личного транспорта, рассчитанная на 20 парковочных мест. Ограничение скоростного режима составляет 20 км/ч в восточном направлении и от 20 до 40 км/ч в западном направлении движения.

• Театральная улица.

В соответствии с ГОСТ Р 52399–2022, данная автомобильная дорога может быть отнесена к категории IV. Дорога имеет по одной полосе движения в каждом направлении; ширина каждой полосы – 3.5 м. Полосы встречного движения разделены на различных участках сплошной и прерывистой линией (1.1 и 1.5 горизонтальной дорожной разметки, соответственно). Ограничение скоростного режима составляет 20 км/ч в западном направлении и 40 км/ч в восточном направлении движения.

Рисунок 1. Спутниковый снимок перекрестка

Перекресток, как и образующие его дороги лежат в жилой зоне города Долгопрудный. На дорогах по улицам Театральная, Академика Лаврентьева, а также на северном направлении улицы Дирижабельная присутствуют пешеходные переходы. Светофор регулирует движение автомобилей и пешеходов на выбранном перекрестке. Актуальное изображение перекрестка представлено на Рисунке 1.

Показатели проезда перекрестка автомобилями

В целях выяснения интенсивности автомобильного движения на указанном перекрестке, были проведены подсчеты количества автомобилей, проходящих через перекресток за определенный временной интервал. Кроме того, поскольку интенсивность движения неодинакова в разное время суток, были выбраны интервалы, иллюстрирующие наиболее полярные значения количества автомобилей. Собранные данные представлены в Таблице 1.

Таблица 1.

Показатели проезда перекрестка.

Среднее количество автомобилей, находящихся одновременно на перекрестке – 8. Среднее время проезда перекрестка автомобилем – 15–20 секунд.

ДИСКРЕТНО-СОБЫТИЙНАЯ МОДЕЛЬ ПЕРЕКРЕСТКА

С целью построения виртуальной дискретно-событийной модели физического перекрестка была использована специальная среда программирования Anylogic. Непосредственно архитектура модели и разметка пространства представлены на нижеследующих Рисунках (Рисунки 2, 3).

Модель представляет из себя набор блоков, каждый из которых отвечает за соответствующее событие. Операции, представляемые блоками: появление агентов в системе (блок carSource), выбор направления движения (блок selectOutout), удаление агентов из системы (блок carDispose).

Рисунок 2. Разметка пространства в среде AnyLogic

Рисунок 3. Архитектура модели

Архитектура модели обуславливается двумя факторами: использованием дискретно-событийной концепции моделирования и логикой изучаемого объекта. В соответствии с этим, в рамках единой имитационной модели фактически моделируется движение транспортных потоков с каждого направления, и взаимодействие этих потоков определяет общее поведение системы. Таким образом, архитектура имитационной модели представляет собой комбинацию микромоделей, которые имитируют движение автомобилей (агентов) с разных направлений [5]. Подробное описание модельных блоков представлено в Таблице 2.

Таблица 2.

Описание элементов модели

Интерфейс модели предоставляет возможность отслеживать количество автомобилей на перекрестке в определенный период времени, среднее время прохождения перекрестка и плотность движения [4, c. 212-214].

Количество агентов на пересечении выводится на экран при помощи текстового элемента, отображающего динамическое значение выражения carSource.count() - carDispose.count(). Для отслеживания плотности трафика был использован элемент библиотеки roadNetworkDescriptor, который позволяет графически отображать плотность трафика [7].

С использованием модели был проведен ряд простых экспериментов для изучения поведения моделируемого объекта – транспортной инфраструктуры с различной интенсивностью движения. Результаты эксперимента представлены в Таблице 3.

Таблица 3.

Окно эксперимента

Из представленных данных видно, что увеличение плотности потока приводит к значительному затруднению проезда перекрестка автомобилями, а также к увеличению времени проезда. Для решения данной проблемы был проведен оптимизационный эксперимент, направленный на выбор такого показателя работы каждой из секций светофора, чтобы сделать максимально эффективным проезд пересечения дорог автомобилями.

Оптимизация проезда перекрестка

Чтобы улучшить работу пересечения с моделью, был проведен эксперимент по оптимизации. AnyLogic имеет встроенный оптимизатор OptQuest, который автоматически находит наилучшие значения для параметров модели с учетом заданных ограничений. Оптимизация состоит из множества последовательных запусков модели с различными значениями параметров. OptQuest позволяет находить значения параметров модели, соответствующие максимуму или минимуму целевой функции, как в условиях неопределенности, так и при наличии ограничений.

В модели значения времени фаз светофора, разрешающего движение транспортных средств, сохраняются параметрами TL1, TL2, изменение которых возможно.

Рисунок 4. Интерфейс окна эксперимента с результатами

В качестве целевой функции для оптимизации используется минимальное среднее время в пути транспортных средств на перекрестке. Эта характеристика сохраняется в модели блоком timeAll, который собирает данные для построения соответствующей гистограммы.

Таблица 4.

Условия эксперимента

Продолжительность симулируемого периода проезда перекрестка – 1 час.

Результаты оптимизационного эксперимента

В ходе эксперимента оптимизатор провел 504 итерации (повторная обработка данных), по результатам которых была выбрана итерация с комбинацией параметров TL1, TL2, обеспечивающих минимальное значение целевой функции (минимальное среднее время проезда автомобилей на перекрестке). Результаты этого эксперимента представлены на рисунке 4.

Согласно результатам исследования, минимальное среднее время в пути для автомобилей на перекрестке составляет 4,7 секунды. Это достигается при следующих значениях параметров (время работы фазы светофора): TL1 = 70 сек. и TL2 = 80 сек.

ЗАКЛЮЧЕНИЕ

Полученные результаты проведенного исследования позволяют сделать следующие выводы:

- прямое увеличение интенсивности движения в несколько раз (+200%) оказывает ощутимое влияние на эффективность работы перекрестка (среднее время проезда автомобилей на перекрестке, среднее количество автомобилей на перекрестке);

- минимальное среднее время в пути для автомобилей на перекрестке составляет 4,7 секунды. Это достигается при следующих значениях параметров (время работы фазы светофора): TL1 = 70 сек. и TL2 = 80 сек.;

- на данный момент работа светофора обеспечивает достаточную эффективность проезда транспортных средств. Однако небольшая регулировка времени срабатывания фаз немного сократит время проезда автомобилей на перекрестке.

Список литературы:

1. Области применения системы имитационного моделирования AnyLogic. Многоподходное моделирование AnyLogic. URL: http://www.anylogic.ru/application-areas.
2. Проекты по разработке имитационных приложений компании ООО «Элина-Компьютер». URL: http://elina-computer.ru/static/proekty.html.
3. Шеннон Р. Имитационное моделирование систем – искусство и наука. М.: Мир, 1978 418 с.
4. Кельтон В., Лоу А. Имитационное моделирование. Классика CS. 3-е изд. СПб.: Питер; Киев: Издательская группа BHV, 2004 847 с.
5. Борщёв А. В. Как строить простые, красивые и полезные модели сложных систем // Материалы конф. «Имитационное моделирование. Теория и практика» ИММОД, Казань, 2013 URL: http://www.anylogic.ru/articles/kak-stroit-prostye-krasivye-i-poleznye-modeli-slozhnykh-sistem.
6. Егоров С. Выбор языка имитационного моделирования, или не заколачивайте гвозди микроскопом / Блог компании AnyLogic. URL: http://www.anylogic.ru/blog?page=post&blog=blog_RU&id=173.
7. Боев В. Д. Компьютерное моделирование: пособие для практических занятий, курсового и дипломного проектирования в AnyLogic 7: СПб.: ВАС, 2014 432 с.