Помощь студентам в учебе
Моделирование многополосного дорожного движения с использованием клеточных автоматов
|
АННОТАЦИЯОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ 6
ВВЕДЕНИЕ 7
1 ОБЗОР МОДЕЛЕЙ ТРАНСПОРТНОГО ПОТОКА И ПРОГРАММНЫХ РЕАЛИЗАЦИЙ
1.1 Введение в моделирование транспортных потоков 10
1.2 Макроскопические модели 11
1.2.1 Модель на основе однородной сжимаемой жидкости 13
1.3 Микроскопические модели 15
1.3.1 Модели клеточных автоматов 17
1.4 Программные реализации некоторых моделей 19
1.5 Вывод по разделу 22
2. МОДЕЛИРОВАНИЕ МНОПОЛОСНОГО ДОРОЖНОГО ДВИЖЕНИЯ
НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ
2.1 Описание модели однополосного дорожного движения 24
2.1.1 Модернизация однополосной модели 25
2.2 Описание модели многополосного дорожного движения 27
2.2.1. Перестроение 27
2.3 Выводы по разделу 29
3 ПРОЕКТИРОВАНИЕ РЕАЛИЗАЦИИ МОДЕЛИ
3.1 Обоснование выбора среды разработки 31
3.2 Разработка генератора ТС 37
3.3 Разработка программного алгоритма модели 38
3.4.Тестирование программы 41
3.5 Выводы по разделу 43
ЗАКЛЮЧЕНИЕ 44
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 46
ПРИЛОЖЕНИЕ 1 49
ВВЕДЕНИЕ 7
1 ОБЗОР МОДЕЛЕЙ ТРАНСПОРТНОГО ПОТОКА И ПРОГРАММНЫХ РЕАЛИЗАЦИЙ
1.1 Введение в моделирование транспортных потоков 10
1.2 Макроскопические модели 11
1.2.1 Модель на основе однородной сжимаемой жидкости 13
1.3 Микроскопические модели 15
1.3.1 Модели клеточных автоматов 17
1.4 Программные реализации некоторых моделей 19
1.5 Вывод по разделу 22
2. МОДЕЛИРОВАНИЕ МНОПОЛОСНОГО ДОРОЖНОГО ДВИЖЕНИЯ
НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ
2.1 Описание модели однополосного дорожного движения 24
2.1.1 Модернизация однополосной модели 25
2.2 Описание модели многополосного дорожного движения 27
2.2.1. Перестроение 27
2.3 Выводы по разделу 29
3 ПРОЕКТИРОВАНИЕ РЕАЛИЗАЦИИ МОДЕЛИ
3.1 Обоснование выбора среды разработки 31
3.2 Разработка генератора ТС 37
3.3 Разработка программного алгоритма модели 38
3.4.Тестирование программы 41
3.5 Выводы по разделу 43
ЗАКЛЮЧЕНИЕ 44
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 46
ПРИЛОЖЕНИЕ 1 49
Спрос на транспорт растет, соответственно возрастают пробки и заторы на дорогах. Издержки такого положения вещей включают потерю времени, как личного, так и рабочего, наращивают расход топлива автомобилей, значит, и приводят к загрязнению окружающей среды. Это сказывается и на транспортировке продуктов (в связи с транспортными издержками возрастает цена продукции, конкурентоспособность поставщиков падает, следовательно, выбора на прилавках меньше). Перенасыщение транспортными средствами (ТС) уже стало причиной многих проблем, одной из которых является образование крупных заторов на перекрестках города, или же на улицах, по которым возможно покинуть данные перекрестки, что в свою очередь влияет на всю инфраструктуру большого или малого города. С иной стороны, если нет заторов, то у водителей появляется желание двигаться быстрей [9]. Отсюда следует, что нужно разработать эффективную транспортную систему, которая станет помогать мобильности легковых, грузовых и маршрутных транспортных средств.
Транспортная мобильность - важный момент для устойчивого финансового подъема и создания пространств, способствующих развитию малых городов и мегаполисов, как с экономической, так и с социальной стороны. Необходимо сделать адекватную инфраструктуру, а затем оптимизировать её так, чтобы потери окружающей среды оказались минимальны, ведь ее (окружающую среду) в современное время губит и без того не мало факторов.
Не стоит обращать внимания на совершенствование энергетической эффективности легковых авто с поддержкой современных технологий, которые позволяют значительно уменьшить затраты горючего, так как и число этих авто выросло в значительной степени.
Рассмотрев всё вышесказанное, можно сказать, что сокращение пробок и заторов является ключевым моментом на пути к уменьшению выбросов «СО2» [6].
При оптимизации дорожного движения на данном участке дороги необходимо рассмотреть план качества проектировки автодорог, эффективность и безопасность движения, оптимизацию маршрутной сети общественного транспорта, совершенствование организации дорожного движения в целом (движение ТС, пешеходные переходы, светофоры). Для решения такого рода задач как раз и нужно применять математическое моделирование.
Имитационное моделирование ставит цель симуляции всех деталей реального движения, изменяющегося во времени. При этом усредненные значения потоков и распределение по путям считаются известными и служат исходными данными для моделей. Имитационные модели позволяют оценить скорости движения, задержки на перекрестках, длины и динамику образования «очередей», или «заторов», и другие характеристики движения. Основная область применения таких моделей совершенствование организации движения, оптимизация светофорных циклов и прочего[4, 23].
Целью данной работы является построение дискретной модели многополосного 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.
Отметим, что при моделировании дорожного движения используются различные математические модели.
Так, на макро-уровне используются уравнения в частных производных, так как макро-уровень исследует поведение 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 микро-уровне используются в основном такие модели, как «следование за лидером» и клеточные автоматы. Модель «следование 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.
В работе будет продемонстрирована модель на основе клеточного автомата (КА), за основу которой взяты исследования следующих ученых: Шинкарев А.А., К.Нагель и М. Шрекенберг, Д. Ю. Долгушин, Т. А. Мызни- кова.
ВКР состоит из введения, обзора моделей и программных средств по теме, проектированию модели с помощью программных средств и заключения. Введение содержит обоснование 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 заключении описана достигнутая цель поставленной задачи данной ВКР и сделаны общие выводы о проделанной работе.
Транспортная мобильность - важный момент для устойчивого финансового подъема и создания пространств, способствующих развитию малых городов и мегаполисов, как с экономической, так и с социальной стороны. Необходимо сделать адекватную инфраструктуру, а затем оптимизировать её так, чтобы потери окружающей среды оказались минимальны, ведь ее (окружающую среду) в современное время губит и без того не мало факторов.
Не стоит обращать внимания на совершенствование энергетической эффективности легковых авто с поддержкой современных технологий, которые позволяют значительно уменьшить затраты горючего, так как и число этих авто выросло в значительной степени.
Рассмотрев всё вышесказанное, можно сказать, что сокращение пробок и заторов является ключевым моментом на пути к уменьшению выбросов «СО2» [6].
При оптимизации дорожного движения на данном участке дороги необходимо рассмотреть план качества проектировки автодорог, эффективность и безопасность движения, оптимизацию маршрутной сети общественного транспорта, совершенствование организации дорожного движения в целом (движение ТС, пешеходные переходы, светофоры). Для решения такого рода задач как раз и нужно применять математическое моделирование.
Имитационное моделирование ставит цель симуляции всех деталей реального движения, изменяющегося во времени. При этом усредненные значения потоков и распределение по путям считаются известными и служат исходными данными для моделей. Имитационные модели позволяют оценить скорости движения, задержки на перекрестках, длины и динамику образования «очередей», или «заторов», и другие характеристики движения. Основная область применения таких моделей совершенствование организации движения, оптимизация светофорных циклов и прочего[4, 23].
Целью данной работы является построение дискретной модели многополосного 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.
Отметим, что при моделировании дорожного движения используются различные математические модели.
Так, на макро-уровне используются уравнения в частных производных, так как макро-уровень исследует поведение 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 микро-уровне используются в основном такие модели, как «следование за лидером» и клеточные автоматы. Модель «следование 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.
В работе будет продемонстрирована модель на основе клеточного автомата (КА), за основу которой взяты исследования следующих ученых: Шинкарев А.А., К.Нагель и М. Шрекенберг, Д. Ю. Долгушин, Т. А. Мызни- кова.
ВКР состоит из введения, обзора моделей и программных средств по теме, проектированию модели с помощью программных средств и заключения. Введение содержит обоснование 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 заключении описана достигнутая цель поставленной задачи данной ВКР и сделаны общие выводы о проделанной работе.
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 рассмотрена однополосная модель на основе КА, 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, достигнуты, задачи решены.
Перспективы. Дальнейшее развитие данного проекта, конечно же, будет нацелена на моделирование полноценного перекрёста УДС.
Во второй главе рассмотрена однополосная модель на основе КА, 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, достигнуты, задачи решены.
Перспективы. Дальнейшее развитие данного проекта, конечно же, будет нацелена на моделирование полноценного перекрёста УДС.
