- PVSM.RU - https://www.pvsm.ru -
Старый добрый советский светофор имеет два режима: работает и не работает. Его первая оптимизация — добавить в реле ночной и дневной режимы. Вторая — такая же: добавить утренний, вечерний и дневной, отличающиеся разными задержками таймера переключения ламп. И дальше — всё. Дальше нужны датчики и внешние потоки информации либо вообще связная сеть.
Самый простой пример того, что можно сделать, имея банальную индукционную петлю на дороге или инфракрасный датчик, — не переключать светофор на то направление, где сейчас никого нет. Это очень удобно в схеме «большая основная дорога через город и много второстепенных».
Но мы пошли чуть дальше: в городе Новомосковске (120 тысяч жителей) поставили на светофоры камеры, поменяли все контроллеры и связали всё это в одну сеть. Бюджет у города небольшой, поэтому правила пока эвристические без всякого космоса вроде data mining и машинного обучения, светофорных объектов не очень много (потому что даже поставить 21 камеру уже дорого), но мы смогли добиться вполне конкретных результатов.
Скорость прохождения перекрёстков с нашими «умными светофорами» и обычных перекрёстков рядом увеличилась. Мы научились приоритизировать поток машин утром на крупный завод, считать и обрабатывать транзитные фуры и даже замахнулись на ГЛОНАСС-датчики «скорой», чтобы убирать возможные заторы перед ними.
Интерфейс платформы управления движением.
Есть три базовых подхода по тому, что можно делать с транспортными коллапсами:
Хочу сразу обратить внимание, что «умные светофоры», соединённые в сеть координированного движения, решают не только задачи «чтобы пробок было меньше», но и более специфические. Например, в нашем примере Новомосковска одна из важных задач — чтобы все доехали до завода с утра вовремя. Мы можем создать условия, когда оптимизация ведёт к пропусканию именно этого потока. И аналогично в опытах с приоритизацией «скорой помощи» очевидно, что средняя скорость потока снизится, но машина со срочным пациентом (и все рядом с ней, поскольку мы оперируем кластерами размером примерно с квартал) пройдёт на восемь-девять минут быстрее.
Транспортные коллапсы свойственны не только мегаполисам, но и малым городам. Многие наши города перестраивались и перепроектировались по принципам 60-х годов. Инфраструктура дорог просто не была готова к потокам 2010-х. Конечно, чем меньше город, тем меньше обычно вы стоите в пробке, но если можно выиграть 10–15 % времени пути (это практический пример) — то почему бы и нет? Это позволит не расширять дорогу там, где ещё расширить физически невозможно, и это позволит получить ещё массу всякой пользы.
В нашем случае город находится между М4 и М5, и коллапсы бывают как внутри него, так и на выезде. Выезд имеет достаточную пропускную способность, но там случаются ДТП. Внутри города проблемы создают транзитный поток и часы пик.
Конечно, можно поставить побольше постовых (которые фактически как раз принимают те самые решения, которые мог бы делать «умный светофор»), но это не в тренде министерства да и просто экономически нецелесообразно. И тут мы оказываемся в удивительной ситуации, когда маленький город с маленьким бюджетом может решить часть проблемы. В мегаполисе для АСУДД нужна обширная сеть управляемых объектов, да и проблемы там скорее от тотальной перегрузки, чем от неоптимального управления потоками. А вот в городах до 200–300 тысяч жителей основные дороги автоматизируются очень просто. И очень дёшево. Что сыграло решающую роль, конечно. Отдельно отмечу, что сначала администрация очень переживала из-за того, что будет нужен новый специалист для управления и обслуживания АСУДД: это незапланированный «лишний» сотрудник. Однако, по максимуму автоматизировав поддержку принятия решения за счёт интеграции в городскую интеллектуальную платформу, нам хватило просто обучить существующего сотрудника.
Самое важное — каждый светофорный объект имеет контроллер и может иметь какие-то датчики, чаще всего в нашем случае — камеру. Благодаря специализированному ПО видеокамеры распознают регистрационные знаки транспортных средств, определяют плотность и среднюю скорость потока. Собранные данные передаются на контроллер, который принимает решения по сокращению или продлению длительности зелёного сигнала светофора. Дальше накопленная за пятиминутный интервал статистика передаётся в центральный пункт для обработки. После анализа статистических данных система автоматически принимает решение о включении нужных программ координации на светофорных объектах. Так автоматический режим позволяет эффективно управлять транспортными потоками, повышая качество «зелёных волн». При этом остаётся возможность ручного управления светофорными объектами для приоритетного проезда транспортных средств экстренных и специальных служб («зелёная улица»).
Можно использовать разные виды датчиков: оптический кабель в дорожном полотне, индукционные петли, лазерные датчики наличия автотранспорта (похожие на приборы измерения скорости), разные датчики потока (похожие на очень упрощённые полуслепые камеры с обрезанными интерфейсами) и так далее. Но мы использовали камеры достаточного разрешения, чтобы автоматически распознавать госномера, и планируем определять тип автотранспорта (легковой, автобус, грузовой, непонятный).
В силу ограниченности бюджета мы выделили те перекрёстки (кластер регулирования на перекрёстке называется «светофорный объект»), которые оказывают наибольшее влияние на движение. Их получилось порядка 30 %, в основном как раз на дороге через город, где проходит транзитный трафик. Затем мы расставили свои устройства так, чтобы обеспечить наибольшее влияние на поток, ведь камеры можно втыкать не везде, а по данным двух перекрёстков восстанавливать состояние «слепого» перекрёстка между ними.
В итоге был определён минимальный комплект оборудования для первой части проекта. Вот что использовали, например:
Пересечение ул. Трудовые резервы — ул. Куйбышева (адресный ориентир: д. 15а, ул. Куйбышева)
№ п/п
|
Наименование оборудования
|
Количество, шт.
|
1
|
Видеокамера (тип 1)
|
3
|
2
|
Видеокамера (тип 2)
|
1
|
3
|
Объектив
|
1
|
4
|
Шкаф управления (тип 2)
|
1
|
5
|
Коммутатор (тип 1)
|
1
|
6
|
PoE-удлинитель
|
1
|
7
|
Грозозащита
|
8
|
8
|
Прожектор
|
1
|
9
|
Блок питания (тип 1)
|
1
|
10
|
Блок питания (тип 2)
|
1
|
11
|
Оптический трансивер (тип 1)
|
1
|
12
|
Оптический трансивер (тип 2)
|
1
|
13
|
Комплект монтажных материалов
|
1
|
Примеры конкретных моделей: контроллер [1], видеокамера [2], вариофокальный телеобъектив [3], другая камера [4] (тип 2).
Через камеры мы видим наличие транспорта, измеряем скорость потока, определяем загруженность каждой полосы. На основании этого можно принимать решения о том, как переключать светофоры.
Каждый светофор имеет failsafe-программу на контроллере для автономной работы, но в нашем внедрении основное управление идёт через центральный узел — сервер координации движения. То есть все данные стекаются в одну модель, а дальше на основе них принимается решение, как и что регулировать.
Где-то здесь я бы мог сказать слова про собираемые большие данные, про нейросети и прочие вещи, но, напомню, бюджет был строго ограничен. Поэтому мы использовали встроенные нейросети сотрудников дорожных служб. Они сидели со статистикой, аккуратно пробовали разные режимы регулирования на бумаге, а потом — на практике, и приходили к определённым выводам, что и как нужно делать. Получился набор из 24 эвристик для разных ситуаций.
Фактически первые два месяца рассчитывались (либо интуитивно подбирались) и подтверждались оптимальные длительности фаз светофоров в каждой ситуации: в туман утром, в дождь на выходных, в хорошую погоду в понедельник вечером и так далее. Нашли основные фазы для светофоров без детекторов, которые меняются четыре раза в сутки.
Видно статистику.
Все данные системы складываются, и когда-нибудь их можно будет обрабатывать более сложными методами. Сейчас, например, трафик рабочей смены внутри города оценивался людьми и для оптимизации, и для оценки нужного количества и частоты автобусов, но можно будет ещё делать это постоянно автоматически. Плюс данные пригодятся для планирования расширения дорог в городе и в регионе, когда это понадобится.
Итог:
Вот здесь пресс-релиз [5]. Если вы захотите рассказать об этом кому-то из специалистов по дорожному движению в своём городе, то, пожалуйста, просто скиньте ссылку на Хабр и сразу — на мою почту VBabiy@technoserv.com, можно посылать вопросы по системе, про бюджеты и сроки.
Автор: Вячеслав Бабий
Источник [6]
Сайт-источник PVSM.RU: https://www.pvsm.ru
Путь до страницы источника: https://www.pvsm.ru/optimizatsiya/352405
Ссылки в тексте:
[1] контроллер: http://asud55.ru/archives/1173
[2] видеокамера: https://www.axis.com/ru-ru/products/axis-p1367-e
[3] вариофокальный телеобъектив: https://www.axis.com/ru-ru/products/lenses/cs-lenses/theia-varifocal-telephoto-lens-9-40-mm
[4] другая камера: http://www.uniview.com/ru/Products/Cameras/Pro/IPC252ERA-X22DUG/
[5] Вот здесь пресс-релиз: https://technoserv.com/about/company/press/news/tekhnoserv-osnastil-dorogi-novomoskovska-elementami-umnogo-goroda/?PAGEN_1=2
[6] Источник: https://habr.com/ru/post/498512/?utm_source=habrahabr&utm_medium=rss&utm_campaign=498512
Нажмите здесь для печати.