Моделирование транспортных потоков при помощи нейронных сетей

Abstract

Объектом исследования является процесс движения транспортных потоков на городской улично-дорожной сети мегаполиса. В связи с возрастающей урбанизацией увеличиваются и негативные ее последствия, в числе которых – снижение скорости сообщения вплоть до образования заторов. Цель работы – разработка математического аппарата для управления нагруженными транспортными потоками на улично-дорожной сети городов при помощи нейронных сетей. Результаты исследования направлены на решение проблемы формирования транспортных заторов в городах, особенно в крупнейших. Методологическая база исследования включает в себя системный подход, системный анализ, синтез, теории транспортных потоков, систем, динамических систем, сложных систем и хаоса. Целевой функцией исследования определена максимизация кинетической энергии транспортного потока. В качестве оптимизационного критерия предложено использовать меру хаоса дорожного движения – энтропию транспортных потоков. По результатам исследования получена математическая модель изменения кинетической энергии транспортного потока под влиянием относительной энтропии занятости полос дорожным движением на регулируемых перекрестках. Для мониторинга транспортных потоков предложено использовать уличные (дорожные) камеры видеонаблюдения. Для этого разработаны математические модели, позволяющие измерять занятость полос движением на конкретных регулируемых пересечениях посредством обработки видеоизображения нейронными сетями в режиме реального времени. Для подтверждения разработанного математического аппарата проводятся соответствующие экспериментальные исследования. В данной статье представлены текущие результаты эксперимента, которые подтверждают предлагаемые авторами математические модели. Полученные результаты исследования справедливы только с учетом соблюдения обозначенных ограничений и требований к транспортному потоку. С одной стороны, это значительно сужает возможность применения результатов на практике, с другой – позволяет повысить точность и чистоту экспериментальных исследований.