В рубрику "All-over-IP" | К списку рубрик | К списку авторов | К списку публикаций
Обычно умной системой принято называть искусственный интеллект. Когда понятие "искусственный интеллект" было использовано впервые (в 1956 г. в США на семинаре, посвященном решению логических задач), то имелось в виду одно – машина должна делать то, что может только человек. Но прошло 60 лет, и с тех пор устройства работают с очень сложными алгоритмами. Так что теперь большинство специалистов под умными системами и умными алгоритмами понимают те решения, которые могут самообучаться в процессе работы. В этом ключе мы и поговорим об умных технологиях управления дорожным движением.
В любом городе, где численность населения превышает 200 тыс. человек, пробки существуют. Например, если в Вологде 5 лет назад доехать от окраины города до центра можно было за 7–10 мин, то сегодня это 25–30 мин.
К 2030 г. число автомобилей в России вырастет почти в 2 раза (550 авто на 1000 чел.), а следовательно, проблема пробок будет только усугубляться. В Красноярске такое количество автомобилей ожидается через 5 лет, в Вологде – через 7. В 100 ведущих городах страны по численности населения это произойдет в пределах 8–10 лет.
Решения задачи есть – в Москве, в Казани. Отличный опыт, прекрасные результаты. Но в основе этих решений лежат западные технологии. Если говорить об интегрированной системе западной компании, то это очень дорого и более того – требует высокой квалификации людей, которые этим занимаются. В большинстве же регионов страны отсутствуют необходимые кадровые и финансовые ресурсы для современного решения проблемы пробок.
В текущей ситуации целесообразно создание легко масштабируемой и простой в эксплуатации отечественной технологии построения интеллектуальных систем управления дорожным движением (ИСУДД), позволяющей, по сравнению с лучшими зарубежными аналогами, до 10 раз уменьшить затраты на создание ИСУДД и сократить период внедрения примерно в 2 раза. По прогнозам, в дорожной карте "Автонет" к 2035 г. в больших городах страны не менее 10% транспортных средств будет приходиться на беспилотники. Внешние условия и положение вещей в зарубежных странах указывают на то, что, скорее всего, таких машин будет гораздо больше. А следовательно, нужно учитывать и то, что будет завтра.
Современные реалии продиктовали необходимость создания инновационной ИСУДД. Ее форматом стала открытая платформа, адаптированная к быстрым изменениям во внешней среде:
1. Решение трех базовых задач:
2. Учет трендов и интеграция с разработками будущего.
3. Возможность быстрого и несложного масштабирования в любом городе страны и за рубежом.
4. Низкая стоимость, простота и малое время внедрения базовой платформы.
Открытая платформа, взятая за основу, базируется на трех китах:
Огромными объемами данных, получаемыми от видеокамер (обзорных, контроля нарушений ПДД и др.) и детекторов транспорта, необходимо управлять и пользоваться. Это реализуется с помощью классического подхода, но при этом его новизна отражается в методах и технологиях, которые решают поставленную задачу.
Здесь собираются все разрозненные показания, которые поступают с разной периодичностью и в разных форматах. Задача сервера – из этого огромного потока входной информации получить нужную и полезную, ее агрегировать, сохранить в базе данных и затем использовать.
Хранит модели и занимается их актуализацией, отвечает за прогнозирование транспортной ситуации и выдачу рекомендаций.
Диспетчеры, специалисты по транспортному моделированию, администраторы, операторы и т.д., которым необходимы свои сервисы.
Мобильные приложения и информационные табло для участников дорожного движения.
Модель транспортных потоков Модель – это мозг системы, который позволяет моделировать взаимодействие V2V (Vehicle to Vehicle – взаимодействие между отдельными транспортными средствами) и V2I (Vehicle to Infrastructure – взаимодействие транспортных средств с дорожной инфраструктурой).
1. Агенто-событийный подход. Каждое транспортное средство, каждый участник дорожного движения, каждый элемент дорожной инфраструктуры представляется в виде отдельного программного агента, который наделяется своей логикой поведения, которая свойственна его прототипу в реальной жизни. Далее в ходе моделирования объекты начинают взаимодействовать друг с другом – полностью имитируется ситуация, которая существует на дорогах. Так получается наиболее реалистичная картина в контексте моделирования.
2. Микро- и макроуровни. Моделируя отдельное транспортное средство, осуществляется выход на потоки на уровне всего города, всего района.
Распределение потока по сети производится за счет встроенной системы динамической прокладки маршрута – водитель может поменять свой маршрут в ходе езды и приехать в пункт назначения другим способом.
Информация поступает на сервер от разных источников. Одни видеокамеры позволяют точно посчитать поток, другие – вычислить среднюю скорость потока, камеры контроля нарушения ПДД отслеживают конкретные транспортные средства. Данные могут быть разные, и текущая математика сводит их в единую систему и обрабатывает едиными алгоритмами. Все это в совокупности дает понять, каким образом водители перемещаются по городу.
Чтобы решение было масштабируемым, распространяемым и, главное, – доступным для всех городов, больших и малых, необходимо снизить порог вхождения. Открытость дает возможность разработчикам на местах:
Для реальной дорожной сети характерна очень высокая связность (изменения на одних участках влияют на другие), которая может запоминаться системой. Но даже когда система уже обучена, все может измениться – там, где раньше не было пробок, они начинают образовываться, меняется транспортная инфраструктура. Если система достаточно интеллектуальна, она сможет адаптироваться к текущей ситуации – получать больше информации об авариях и пробках, накапливать этот объем данных и использовать при дальнейшем прогнозировании.
Если обучить систему только тому, что есть здесь и сейчас, то через 5 лет она будет уже нерабочая. Постоянное обучение – очень важный момент, и современные технологии позволяют его проводить.
В России и в мире существуют автоматизированные системы управления дорожным движением (АСУДД):
В большинстве российских городов преобладают технологии 1-го и 2-го поколения, в некоторых (Москва, С.-Петербург, Казань) – приступили к реализации 3-го. За рубежом в большей части городов развитых стран, как правило, 3-е поколение, и лишь в нескольких десятках городов в мире системы 4-го поколения реализованы в полной мере.
По российским законам в каждом городе должен находиться в стадии подготовки Единый центр управления дорожным движением. Это в совокупности с наличием на рынке ИСУДД нового поколения позволит существенно поднять мотивацию городских начальников и эффективно решать проблему пробок.
Опубликовано: Журнал "Системы безопасности" #1, 2017
Посещений: 4820
Автор
| |||
Автор
| |||
В рубрику "All-over-IP" | К списку рубрик | К списку авторов | К списку публикаций