Інтелектуалізація управління дорожнім рухом як засіб підвищення ефективності транспортної мережі міста в неординарних ситуаціях

Abstract

Проведено оцінку сучасних тенденцій розвитку інтелектуальних систем управління дорожнім рухом та їхня ролі у забезпеченні ефективності функціонування транспортних мереж. Визначено процеси впровадження технологій із розширення потоку оброблюваних даних в існуючі інтелектуальні транспортні системи (ІТС), які забезпечують збільшення швидкодії передачі інформації в них. Наведено класифікацію інформаційних джерел, які стають доступними при переході ІТС на стандарт 5G та забезпечують основу для реалізації технологій уникнення неординарних ситуацій в транспортних мережах. Існуючі методи підвищення ефективності транспортної мережі міста націлені в основному на забезпечення здатності ІТС до прогнозування транспортних потоків. До них належать статистичні і нелінійні методи, методи на основі моделювання, методи штучного інтелекту та комбіновані методи. Реалізація цих методів досягається завдяки збільшенню інформаційного потоку, що надходить з системи. Проведене порівняння цих методів виявило, що вони загалом можуть із високою точністю здійснювати прогнозування, однак незалежно від обраного еталону, частина з них вже перебуває на вершині свого потенціалу в плані застосування в ІТС, а решті ще є куди розвиватись. Придатність методу прогнозування для роботи в умовах реального часу є суттєвою перевагою в забезпеченні ефективного керування транспортними потоками, дозволяє підвищити стійкість транспортної мережі й ефективність ІТС та позитивно впливає на рівень заторів, дорожньої безпеки та екологічного впливу на навколишнє середовище. Найбільш перспективними в плані швидкого та гнучкого вирішення неординарної ситуації є моделі із застосуванням штучного інтелекту або комбінації із ними, засновані на алгоритмах глибокого навчання, які довели свою важливість у передбаченні результатів, прийнятті рішень щодо прогнозів тривалості транспортного потоку та забезпеченні усунення та уникнення заторів на основі пропуску транспортних засобів через перехрестя в залежності від довжини та зміни тривалості сигналів світлофора.

An assessment of modern trends in the development of intelligent traffic management systems and their role in ensuring the efficiency of the functioning of transport networks was carried out. The processes of introducing technologies for expanding the flow of processed data into existing intelligent transport systems (ITS) that ensure an increase in the speed of information transmission in them have been determined. The classification of information sources that become available when the ITS transitions to the 5G standard and provide a basis for the implementation of technologies for avoiding extraordinary situations in transport networks is given. Existing methods of improving the efficiency of the city's transport network are mainly aimed at ensuring the ability of ITS to predict traffic flows. These include statistical and nonlinear methods, simulation-based methods, artificial intelligence methods, and combined methods. The implementation of these methods is achieved by increasing the information flow coming from the system. A comparison of these methods revealed that they can generally make predictions with high accuracy, however, regardless of the chosen standard, some of them are already at the peak of their potential in terms of application in ITS, and the rest still have room for development. The suitability of the forecasting method for working in real-time conditions is a significant advantage in ensuring effective management of traffic flows, allows to increase the stability of the transport network and the efficiency of the ITS, and has a positive effect on the level of traffic jams, road safety and ecological impact on the environment. The most promising in terms of a quick and flexible solution to an extraordinary situation are models with the use of artificial intelligence or a combination thereof, based on deep learning algorithms, which have proven their importance in predicting the results, making decisions regarding traffic flow forecasts and ensuring the elimination and avoidance of traffic jams based on the passage of vehicles through the intersection depending on the length and duration of the traffic light signals.