Экономическое обоснование адаптивного светофора с использованием нейронной сети

Размещено на http://www.allbest.ru

Экономическое обоснование адаптивного светофора с использованием нейронной сети

Хартанович Елена Александровна

к.э.н., доцент кафедры экономики предприятий и отраслей

Жимоедов Андрей Евгеньевич

студент 4 курса института информатики и телекоммуникаций

ФГБОУ ВО Сибирский Государственный Университет науки и технологий имени академика М.Ф. Решетнева

Аннотация

«Адаптивный светофор» - это система динамического управления сигналами светофора, благодаря которой, улучшается пропускная способность потоков улично-дорожной сети. Адаптивные светофоры устанавливаются на относительно простых перекрестках, то есть там, где отсутствует постоянное интенсивное движение транспорта во всех направлениях. Дело в том, что для их работы необходим трафик разной динамики - в этом случае светофор и будет адаптироваться к его изменениям. Система состоит из камер, контроллеров, удаленных датчиков движения, которые в режиме реального времени анализируют и оценивают степень загруженности на перекрестках, а также передают информацию в центр организации дорожного движения.

В статье приводится анализ и сравнение существующей реализаций системы «Адаптивный светофор» с новейшими разработками в данной сфере, а также приводится экономическое обоснование использования умного светофора с использованием нейронной сети для управления транспортным потоком в городах.

Ключевые слова: экономическое обоснование, информационные технологии, умный светофор, умный город, центр организации дорожного движения, транспортное планирование, дорожная обстановка, нейронная сеть, интеллектуальная транспортная система.

адаптивный светофор дорожный сеть

ECONOMIC JUSTIFICATION OF ADAPTIVE TRAFFIC LIGHT WITH USING A NEURAL NETWORK

Khartanovich Elena Aleksandrovna

Ph. D., associate Professor of the Department of Economics of Enterprises and Industries of the forest complex

Zhimoyedov Andrey Evgenievich

4th year student of the Institute of Informatics and Telecommunications Siberian State University of Science and Technology named after Academician M.F. Reshetnev Russia, Krasnoyarsk

Abstract

«Adaptive Traffic Light» is a system of dynamic control of traffic signals, thanks to which the traffic capacity of the street and road network is improved. Adaptive traffic lights are installed at relatively simple intersections, that is, where there is no constant heavy traffic in all directions. The fact is that their work requires traffic of different dynamics - in this case, the traffic light will adapt to its changes. The system consists of cameras, controllers, remote motion sensors that analyze and evaluate the degree of congestion at intersections in real time, and transmit information to the traffic management center.

The article provides an analysis and comparison of existing implementations of the "Adaptive traffic light" system with the latest developments in this area, as well as a business case for using a smart traffic light using a neural network to control traffic in cities.

Keywords: economic justification, information technology, smart traffic light, smart city, data center, transport planning, traffic situation, neural network, intelligent transportation system.

Всем давно известно, что время - это деньги, поэтому каждый автомобиль, застрявший в столичной пробке, стоит государству около 500 рублей в час. Учитывая грязные - с точки зрения выхлопов - автомобили и плохое качество топлива, мы ежегодно теряем 10% ВВП [1]. Затор в пробке означает рост расхода бензина, дополнительную амортизацию транспорта, помехи в рабочем графике людей, которые застряли на дороге. Пробки разоряют все города-миллионщики, однако прогресс не стоит на месте, и глобальная индустриализация с внедрение технологических решений являются одной из предпосылок возникновения темы «умных городов».

Повышать и поддерживать уровень жизни в городах без использования информационных технологий невозможно. Пользователям нужны системы, на основе искусственного интеллекта, помогающие управлять окружающим «умным» городским пространством.

Очевидно, что развитие «умных городов» невозможно без создания «умной транспортной системы», которая позволяет в автоматическом режиме контролировать ситуацию на дорогах, оптимизировать работу всех интеллектуальных элементов и подсистем, делает дорожное движение удобным и безопасным для всех его участников.

В настоящее время транспортная система активно напитывается элементами ИТС, генерирующими огромный поток цифровых данных. Специализированные системы собирают и анализируют параметры трафика, метеоданные, сообщения об инцидентах на дороге, плановых перекрытиях и изменениях в организации дорожного движения. Данные используются для прогнозирования изменений дорожной обстановки, контроля плотности дорожного потока и создания алгоритмов работы дорожного оборудования. На их основе появляются информационно-математические модели, позволяющие выстраивать оптимальные маршруты движения и управлять транспортными потоками. Процесс мониторинга создает данные, которые вносятся в базу знаний, тем самым реализуется основное свойство интеллектуальных систем - самообучение. Результат самообучения в следующем: в дальнейшем при повторении конфликтной ситуации система уже имеет эффективное решение, которое применяется в автоматическом режиме. По такому принципу построена работа элементов подсистемы интеллектуального управления дорожным движением «Умный светофор» [2].

Цель работы системы: снизить время ожидания на управляемых перекрестках, обеспечить комфортный проезд для всех участников дорожного движения. Ученые исследовали влияние системы «Умный светофор» на дорожную ситуацию. Выяснилось, что ее внедрение позволяет сократить автомобилю время в пути почти на 25%, а время нахождения в пробках - более, чем на 40%. Кроме того, почти на 21% уменьшаются вредные выбросы в атмосферу. Выходит, что умные светофоры - изобретение весьма полезное как для водителей, так и для планеты, а особенно для экономики [3].

Однако нужно помнить, что несмотря на все очевидные преимущества, почти все современные системы умных светофоров, предоставляемые ведущими фирмами на российском рынке в данной области, используют крайне устаревшую технологию подсчёта автотранспорта на перекрёстках, из-за чего инфраструктура под данные светофоры обходятся бюджету города гораздо дороже, чем обыкновенные светофоры, так как много денег уходит на обслуживание системы из физических датчиков и видеодетекторов фона. Индукционная петля видит ТС только в месте установки - на несколько метров, если конечно не потратить миллионы на прокладку их во всю длину проезжей части. Видеодетектор фона показывает лишь заполнение транспортными средствами дорожного полотна относительно этого полотна. Камера должна четко видеть эту площадь, что достаточно сложно на большом расстоянии из-за перспективы и сильно подвержено атмосферным помехам: даже легкая метель будет диагностироваться как наличие движения автотранспорта. Из-за дороговизны реализации подобной системы, установка в массовом порядке адаптивных светофоров на загруженных перекрёстках, не по бюджету всем муниципалитетам, особенно провинциальным городкам, и является прерогативой только богатых городов-мегаполисов.

Для решения проблемы высокой стоимости предлагается внедрение нейронных сетей в адаптивные светофоры. С их помощью можно достигнуть более высокого уровня регулирования движения автотранспорта. Они учитывают сразу массу факторов, которые даже и не всегда очевидны. Их результат основан на самообучении: компьютер в прямом эфире получает данные о пропускной способности и всеми возможными алгоритмами подбирает максимальное значение, чтобы в сумме со всех сторон в комфортном режиме за единицу времени проезжало как можно больше транспортных средств.

За счёт их использования система получает более информативную картину происходящего, так как нейронные сети могут распознавать типы транспортных средств, к примеру: автобус, патрульный автомобиль ГИБДД, скорая помощь, пожарная машина, грузовик с прицепом и так далее. Исходя из их типов можно подстраивать фазы движения по приоритету транспортного средства.

Также в отличии от обычных адаптивных светофоров, светофор с использованием компьютерного зрения за счёт нейронной сети не имеет особых ограничений для установки видеокамер, они распознают почти любые объекты из любого ракурса узрев лишь малую часть от объекта.

Следовательно, из выше перечисленных преимуществ системы адаптивного светофора с использованием нейронной сети, муниципалитету не нужно тратиться на дорогущее обслуживание комплекса из физических датчиков и видеодетекторов фона, ограничившись лишь одной видеокамерой на перекрёсток, для бесперебойной его работы и подключить через сеть к программному обеспечению с нейронной сетью, что в разы дешевле нынешних предложений на российском рынке. В результате чего муниципалитет способен избавиться от негативных последствий пробок, при этом тратя гораздо меньше средств на установку и обслуживание, добиваясь точно такого же результата, но за гораздо меньшие деньги, что делает доступным установку данного типа светофоров по всем загруженным перекрёсткам нашей страны.

Но также необходимо отметить, что несмотря на очевидные преимущества, умные светофоры не смогут полноценно решить проблему пробок. Система «Умный светофор» способна лишь максимально увеличить пропускную способность перекрестка. При этом городским властям все равно придется расширять дороги и строить сложные транспортные развязки. По подсчетам некоторых аналитиков, одна городская полоса в среднем способна обслужить не более 1800 автомобилей в час [4]. И это при условии, что транспортные средства не останавливаются на перекрестках и не сталкиваются с такими препятствиями, как посредственное качество дорожного полотна. сужение дороги в «бутылочное горлышко» и так далее [5]. Поскольку количество автомобилей у населения неуклонно растет, то очевидно, что даже при максимальной пропускной способности перекрестков, пробки в крупных мегаполисах будут расти, если заниматься только внедрением систем «Умный светофор» и не решать остальные дорожные проблемы, хотя и может сыграть довольно значительную роль в разгрузке транспортных потоков на городских улицах, тем самым помогая экономить большие бюджет всем муниципалитетам, которые нуждаются испытывают проблемы с пробками.

Список литературы

Экономика попала в пробку [Электронный ресурс]. URL: https://www.hse.ru/news/1163619/15380077.html (дата обращения: 1.11.2022).

Рунец Р.С. Транспортная инфраструктура / Р.С. Рунец // Автомобильные дороги. - 2019. - №08

Подсчеты американского Университета Карнеги-Меллона [Электронный

ресурс]. URL: https://www.cmu.edu/news/ (дата обращения: 1.11.2022).

Ассоциации дорожных научно-исследовательских организаций «РОДОС» Олега

Скворцова [Электронный ресурс]. URL:

https://rodosnpp.ru/?module=pages&action=view&id=433&pid=32 (дата обращения:1.11.2022).

ОДМ 218.2.032-2013. Методические рекомендации по учету движения

транспортных средств на автомобильных дорогах.

Размещено на Allbest.ru