Помощь студентам в учебе
Моделирование однополосного дорожного движения с использованием клеточных автоматов
|
АННОТАЦИЯ 2
ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ 6
ВВЕДЕНИЕ 7
1 ОБЗОР СУЩЕСТВУЮЩИХ МОДЕЛЕЙ 12
1.1 Моделирование транспортных потоков. Краткая история 12
1.2 Разбор методов моделирования транспортных потоков 12
1.2.1 Макроскопические модели транспортных потоков 12
1.2.2 Микроскопические модели транспортных потоков 14
1.2.3 Модели клеточных автоматов 15
1.3 Краткий обзор существующих программ 18
1.4 Выводы по разделу 21
2. МОДЕЛИРОВАНИЕ ОДНОПОЛОСНОГО ДОРОЖНОГО ДВИЖЕНИЯ НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ 23
2.1 Описание модели однополосного дорожного движения 23
2.2 Предлагаемая модернизация математической модели 24
2.3 Выводы по разделу 27
3 ПРОГРАММНАЯ РЕАЛИЗАЦИЯ 28
3.1 Выбор среды разработки и языка программирования 28
3.2 Разработка алгоритма 37
3.3 Тестирование и анализ разработанной программы 40
3.4 Выводы по разделу 42
ЗАКЛЮЧЕНИЕ 43
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 45
ПРИЛОЖЕНИЕ 1. Текст основных классов программы 48
ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ 6
ВВЕДЕНИЕ 7
1 ОБЗОР СУЩЕСТВУЮЩИХ МОДЕЛЕЙ 12
1.1 Моделирование транспортных потоков. Краткая история 12
1.2 Разбор методов моделирования транспортных потоков 12
1.2.1 Макроскопические модели транспортных потоков 12
1.2.2 Микроскопические модели транспортных потоков 14
1.2.3 Модели клеточных автоматов 15
1.3 Краткий обзор существующих программ 18
1.4 Выводы по разделу 21
2. МОДЕЛИРОВАНИЕ ОДНОПОЛОСНОГО ДОРОЖНОГО ДВИЖЕНИЯ НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ 23
2.1 Описание модели однополосного дорожного движения 23
2.2 Предлагаемая модернизация математической модели 24
2.3 Выводы по разделу 27
3 ПРОГРАММНАЯ РЕАЛИЗАЦИЯ 28
3.1 Выбор среды разработки и языка программирования 28
3.2 Разработка алгоритма 37
3.3 Тестирование и анализ разработанной программы 40
3.4 Выводы по разделу 42
ЗАКЛЮЧЕНИЕ 43
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 45
ПРИЛОЖЕНИЕ 1. Текст основных классов программы 48
Наша эпоха отличается высоким скачком технологического прогресса, когда автомобильная индустрия достигла своего пика. Автомобиль есть практически в каждой семье, а в некоторых их даже несколько. Стремительный рост количества транспортных средств делает современные дороги насыщенными. В связи с этим, наступление часа пик, разрушение дорожного покрова, образование ям и прочие неблагоприятные дорожные условия становятся серьёзной проблемой для общества (работа машины загрязняет экологию, а транспорт, стоящий на холостом ходу ещё и не приносит никакой пользы).
Проблемы затруднённости движения транспорта могут быть решены при помощи моделирования конкретного участка дорожной сети и
последующего изучения различных ситуаций на нем при помощи имитаций с последующей корректировкой регулирования дорожного движения либо изменением местной инфраструктуры. Приоритетным, конечно же, является первый вариант, так как изменение в инфраструктуре является слишком затратным, а для регулирования дорожного движения можно использовать гибкие математические модели транспортных потоков и разработанное программное обеспечение на их основе.
Современный этап развития компьютерного моделирования сложных систем сопровождается все увеличивающимися возможностями аппаратных и программных средств вычислительной техники, что позволяет реализовывать алгоритмы, требующие больших вычислительных мощностей. К таким алгоритмам относятся и алгоритмы на основе теории клеточных автоматов, позволяющие моделировать технические, социальные, экономические, биологические и другие объекты.
Теория транспортных потоков изучает процесс движения потоков транспортных средств по магистралям и построение улично-дорожных сетей (УДС), обеспечивающих эффективное сообщение с минимальным числом
заторных ситуаций. Интенсивное развитие автомобильной промышленности и автомобилизация, наблюдаемые на протяжении последних десятилетий, обеспечили решение проблем транспортировки грузов и пассажиров. Однако положительная динамика роста автопарка с каждым годом ставит вопрос управления автотранспортными потоками всё более остро, особенно в условиях городов, поскольку их улично-дорожные сети, будучи спроектированными для более скромных потребностей, уже не способны удовлетворять спрос на передвижение.
Основными причинами, по которым движение по магистралям становится затруднённым, являются помехи, в роли которых выступают перекрёстки и пешеходные переходы. Нередко причиной заторов становятся дорожно-транспортные происшествия или ремонтные работы, частично или полностью блокирующие движение. Нужно упомянуть и характерное для России в целом невысокое качество УДС [4], которое часто влечёт за собой вынужденное снижение скорости передвижения. Таким образом, ввиду несоответствия пропускной способности дорог потребностям их 9 пользователей образуются пробки, для преодоления которых часто необходимо ожидать в очереди длительное время.
В любом крупном городе сегодня наблюдается проблема загрязнения окружающей среды объектами техногенного происхождения, и основным источником загрязнения, по данным статистики, признаётся именно автотранспорт, на долю которого в общем объёме выбросов загрязняющих веществ приходится в среднем 65% [5].
В то же время наибольший объём выбросов имеет место, когда автомобиль работает на холостом ходу или движется с небольшой скоростью [6], т. е. простаивает в пробках. Одним из путей решения проблемы разгрузки УДС является организация координированного светофорного регулирования с адаптивными схемами, способными к динамическому изменению в соответствии со сложившейся ситуацией [22]. Такое регулирование может быть достигнуто на основе оперативных данных о численности и структуре 8
транспортного потока, для получения которых необходимо использовать специальные программно-технические средства [7, 8]. При этом отражение оперативной ситуации с помощью подобных систем в масштабе города сопряжено с необходимостью охвата устройствами наблюдения всех перекрёстков и магистралей, что не всегда возможно и экономически оправдано. Также нередко возникает потребность в определении оптимального по времени маршрута передвижения при заданных условиях (плотности движения, светофорах и т. п.), например для транспорта служб экстренного реагирования. Эти задачи можно решить, воспользовавшись средствами моделирования.
Эффективным и информативным способом моделирования движения совокупности транспортных средств по магистрали являются клеточные автоматы [9]. На основе подхода микромоделирования разработан ряд моделей [10], позволяющих отслеживать динамику как отдельно взятого автомобиля, так и потока в целом и получать исходные данные для оценки скорости движения, скорости и времени сообщения, времени простоев в пробках. В монографии описывается разработанная на основе теории клеточных автоматов модель автотранспортного потока, принимающая во внимание его структуру, состояние дорожного покрытия и скоростные ограничения, способная адекватно 10 представлять ситуацию на дороге как в оперативном режиме, так и для целей прогнозирования.
Результаты моделирования могут являться основой при принятии решений, касающихся планирования дорожной сети в городе, установки знаков дорожного движения, введения новых правил для регламентации парковки или въездов в город, движения в центральной части мегаполисов и так далее. Моделирование загруженных участков дороги помогает отыскать наиболее оптимальные пути решения проблемы, а также может послужить основой в выборе дальнейшего плана развития транспортной сети [15].
Целью данной работы является построение дискретной модели однополосного дорожного движения на основе клеточных автоматов. Для достижения данной цели нужно решить следующие задачи:
• выполнить обзор существующих методов моделирования дорожного движения;
• изучить методы, применяемые для построения дискретных моделей;
• построить дискретные математические модели дорожного движения при различных условиях;
• разработать программу, визуализирующую обстановку на куске дорожного полотна с учетом задаваемых условий.
В первом разделе проведен обзор накопленного опыта в области моделирования дорожного движения различными подходами. И углублённое рассмотрение теории клеточных автоматов.
Второй раздел содержит описание дискретной модели дорожного движения, основанной на стохастическом транспортном клеточном автомате. Приведено формальное математическое описание модели.
Отметим, что при моделировании дорожного движения используются различные математические модели. Так, на макроуровне используются уравнения в частных производных, так как макроуровень исследует поведения множества ТС. Такие модели могут использоваться для предсказывания образования заторов в крупных городах. Однако, при реализации моделей для данной задачи, они не подходят потому, что не отображают поведение отдельного водителя. На микроуровне используются в основном «следование за лидером» и клеточные автоматы. Модель «следования за лидером» не является подходящей потому, что не может отобразить множество параметров поведения водителя. Таким образом, модели КА являются наиболее удобным при реализации реальной ситуации на дороге [11,12].
ВКР состоит из введения, обзора моделей и программных средств по теме, проектированию модели с помощью программных средств и заключению. Введение содержит обоснования актуальности данной темы, постановку цели и задач.
В первом разделе проведен обзор накопленного опыта в области моделирования дорожного движения различными подходами. И углублённое рассмотрение теории клеточных автоматов.
Второй раздел содержит описание дискретной модели дорожного движения, основанной на стохастическом транспортном клеточном автомате. Приведено формальное математическое описание модели.
Последний раздел содержит сведенья о программной реализации модели, обоснования выбора среды разработки и языка программирования, тестирование программы.
В каждом разделе присутствуют выводы по проведенной работе на данном этапе, в заключение описана достигнутая цель поставленной задачи данной ВКР и сделаны общие выводы о проделанной работе.
В выпускной квалификационной работе представлена модель на основе клеточного автомата, базирующегося на исследованиях таких ученых как: К. Нагель, М. Шрекенберг.
Проблемы затруднённости движения транспорта могут быть решены при помощи моделирования конкретного участка дорожной сети и
последующего изучения различных ситуаций на нем при помощи имитаций с последующей корректировкой регулирования дорожного движения либо изменением местной инфраструктуры. Приоритетным, конечно же, является первый вариант, так как изменение в инфраструктуре является слишком затратным, а для регулирования дорожного движения можно использовать гибкие математические модели транспортных потоков и разработанное программное обеспечение на их основе.
Современный этап развития компьютерного моделирования сложных систем сопровождается все увеличивающимися возможностями аппаратных и программных средств вычислительной техники, что позволяет реализовывать алгоритмы, требующие больших вычислительных мощностей. К таким алгоритмам относятся и алгоритмы на основе теории клеточных автоматов, позволяющие моделировать технические, социальные, экономические, биологические и другие объекты.
Теория транспортных потоков изучает процесс движения потоков транспортных средств по магистралям и построение улично-дорожных сетей (УДС), обеспечивающих эффективное сообщение с минимальным числом
заторных ситуаций. Интенсивное развитие автомобильной промышленности и автомобилизация, наблюдаемые на протяжении последних десятилетий, обеспечили решение проблем транспортировки грузов и пассажиров. Однако положительная динамика роста автопарка с каждым годом ставит вопрос управления автотранспортными потоками всё более остро, особенно в условиях городов, поскольку их улично-дорожные сети, будучи спроектированными для более скромных потребностей, уже не способны удовлетворять спрос на передвижение.
Основными причинами, по которым движение по магистралям становится затруднённым, являются помехи, в роли которых выступают перекрёстки и пешеходные переходы. Нередко причиной заторов становятся дорожно-транспортные происшествия или ремонтные работы, частично или полностью блокирующие движение. Нужно упомянуть и характерное для России в целом невысокое качество УДС [4], которое часто влечёт за собой вынужденное снижение скорости передвижения. Таким образом, ввиду несоответствия пропускной способности дорог потребностям их 9 пользователей образуются пробки, для преодоления которых часто необходимо ожидать в очереди длительное время.
В любом крупном городе сегодня наблюдается проблема загрязнения окружающей среды объектами техногенного происхождения, и основным источником загрязнения, по данным статистики, признаётся именно автотранспорт, на долю которого в общем объёме выбросов загрязняющих веществ приходится в среднем 65% [5].
В то же время наибольший объём выбросов имеет место, когда автомобиль работает на холостом ходу или движется с небольшой скоростью [6], т. е. простаивает в пробках. Одним из путей решения проблемы разгрузки УДС является организация координированного светофорного регулирования с адаптивными схемами, способными к динамическому изменению в соответствии со сложившейся ситуацией [22]. Такое регулирование может быть достигнуто на основе оперативных данных о численности и структуре 8
транспортного потока, для получения которых необходимо использовать специальные программно-технические средства [7, 8]. При этом отражение оперативной ситуации с помощью подобных систем в масштабе города сопряжено с необходимостью охвата устройствами наблюдения всех перекрёстков и магистралей, что не всегда возможно и экономически оправдано. Также нередко возникает потребность в определении оптимального по времени маршрута передвижения при заданных условиях (плотности движения, светофорах и т. п.), например для транспорта служб экстренного реагирования. Эти задачи можно решить, воспользовавшись средствами моделирования.
Эффективным и информативным способом моделирования движения совокупности транспортных средств по магистрали являются клеточные автоматы [9]. На основе подхода микромоделирования разработан ряд моделей [10], позволяющих отслеживать динамику как отдельно взятого автомобиля, так и потока в целом и получать исходные данные для оценки скорости движения, скорости и времени сообщения, времени простоев в пробках. В монографии описывается разработанная на основе теории клеточных автоматов модель автотранспортного потока, принимающая во внимание его структуру, состояние дорожного покрытия и скоростные ограничения, способная адекватно 10 представлять ситуацию на дороге как в оперативном режиме, так и для целей прогнозирования.
Результаты моделирования могут являться основой при принятии решений, касающихся планирования дорожной сети в городе, установки знаков дорожного движения, введения новых правил для регламентации парковки или въездов в город, движения в центральной части мегаполисов и так далее. Моделирование загруженных участков дороги помогает отыскать наиболее оптимальные пути решения проблемы, а также может послужить основой в выборе дальнейшего плана развития транспортной сети [15].
Целью данной работы является построение дискретной модели однополосного дорожного движения на основе клеточных автоматов. Для достижения данной цели нужно решить следующие задачи:
• выполнить обзор существующих методов моделирования дорожного движения;
• изучить методы, применяемые для построения дискретных моделей;
• построить дискретные математические модели дорожного движения при различных условиях;
• разработать программу, визуализирующую обстановку на куске дорожного полотна с учетом задаваемых условий.
В первом разделе проведен обзор накопленного опыта в области моделирования дорожного движения различными подходами. И углублённое рассмотрение теории клеточных автоматов.
Второй раздел содержит описание дискретной модели дорожного движения, основанной на стохастическом транспортном клеточном автомате. Приведено формальное математическое описание модели.
Отметим, что при моделировании дорожного движения используются различные математические модели. Так, на макроуровне используются уравнения в частных производных, так как макроуровень исследует поведения множества ТС. Такие модели могут использоваться для предсказывания образования заторов в крупных городах. Однако, при реализации моделей для данной задачи, они не подходят потому, что не отображают поведение отдельного водителя. На микроуровне используются в основном «следование за лидером» и клеточные автоматы. Модель «следования за лидером» не является подходящей потому, что не может отобразить множество параметров поведения водителя. Таким образом, модели КА являются наиболее удобным при реализации реальной ситуации на дороге [11,12].
ВКР состоит из введения, обзора моделей и программных средств по теме, проектированию модели с помощью программных средств и заключению. Введение содержит обоснования актуальности данной темы, постановку цели и задач.
В первом разделе проведен обзор накопленного опыта в области моделирования дорожного движения различными подходами. И углублённое рассмотрение теории клеточных автоматов.
Второй раздел содержит описание дискретной модели дорожного движения, основанной на стохастическом транспортном клеточном автомате. Приведено формальное математическое описание модели.
Последний раздел содержит сведенья о программной реализации модели, обоснования выбора среды разработки и языка программирования, тестирование программы.
В каждом разделе присутствуют выводы по проведенной работе на данном этапе, в заключение описана достигнутая цель поставленной задачи данной ВКР и сделаны общие выводы о проделанной работе.
В выпускной квалификационной работе представлена модель на основе клеточного автомата, базирующегося на исследованиях таких ученых как: К. Нагель, М. Шрекенберг.
В ходе выполнения выпускной квалификационной работы были изучены вопросы актуальности темы, моделирования дорожного движения, поставлены цели изучения данного вопроса, которые были достигнуты в ходе выполнения работы с помощью изучения методов моделирования, которые были рассмотрены в первой главе. На основе рассмотренных методов был обоснован выбор математической модели клеточного автомата. Изучены существующие методики моделирования дорожного движения на основе КА, проанализированы лучшие из них и выбраны для дальнейшей модернизации в рамках задач ВКР.
Во второй главе была рассмотрена однополосная модель на основе, в нее были добавлены шаги движения при: плохой дороги, наличия светофора и наличия барьера. Далее была рассмотрена модель многополосного движения. После две модели были объединены в одну, тем самым одна из задач ВКР была достигнута.
В третьей главе разработана программа, которая включила в себя модель, созданную во второй главе. Обоснован выбор среды разработки, рассмотрены её плюсы и минусы. Разработан алгоритм генерации ТС в визуальной среде. Далее с помощью объектно-ориентированного подхода были описаны все сущности модели транспортного потока на основе клеточного автомата, создан класс объединяющий часть расчета поведения модели с визуальной составляющей программы. После разработки алгоритма и привязки его к графической составляющей была создана программа с помощью, которой можно симулировать поведение водителей разных категорий транспортных средств: легковых, грузовых, автопоездов и общественного транспорта. Заданы параметры определяющие поведение водителей каждой из категорий такие как: скорость ТС определяющая её типом, мотивация водителя на смену полосы и т. д.
Вывод. Проведены всесторонние тесты готового программного продукта, эмпирический путем сравнены поведения водителей в реальной жизни на похожих участках и сделан вывод, что модель визуализирует адекватные данные. Таким образом, цели, поставленные в ВКР были достигнуты, задачи решены.
Перспективы. Дальнейшее развитие данного проекта, конечно же будет нацелена на моделирование полноценного перекрёста УДС.
Во второй главе была рассмотрена однополосная модель на основе, в нее были добавлены шаги движения при: плохой дороги, наличия светофора и наличия барьера. Далее была рассмотрена модель многополосного движения. После две модели были объединены в одну, тем самым одна из задач ВКР была достигнута.
В третьей главе разработана программа, которая включила в себя модель, созданную во второй главе. Обоснован выбор среды разработки, рассмотрены её плюсы и минусы. Разработан алгоритм генерации ТС в визуальной среде. Далее с помощью объектно-ориентированного подхода были описаны все сущности модели транспортного потока на основе клеточного автомата, создан класс объединяющий часть расчета поведения модели с визуальной составляющей программы. После разработки алгоритма и привязки его к графической составляющей была создана программа с помощью, которой можно симулировать поведение водителей разных категорий транспортных средств: легковых, грузовых, автопоездов и общественного транспорта. Заданы параметры определяющие поведение водителей каждой из категорий такие как: скорость ТС определяющая её типом, мотивация водителя на смену полосы и т. д.
Вывод. Проведены всесторонние тесты готового программного продукта, эмпирический путем сравнены поведения водителей в реальной жизни на похожих участках и сделан вывод, что модель визуализирует адекватные данные. Таким образом, цели, поставленные в ВКР были достигнуты, задачи решены.
Перспективы. Дальнейшее развитие данного проекта, конечно же будет нацелена на моделирование полноценного перекрёста УДС.
