Содержание к диссертации
Введение
1 Анализ существующих систем управления транспортными потоками городов 17
1.1 Основные положения по управлению транспортными потоками городов 17
1.2 Вариант автоматизированной системы управления транспортными потоками ближнего зарубежья 20
1.3 Варианты отечественной системы управления транспортными потоками 29
1.4 Объекты системы управления транспортными потоками городов и оценка их эффективности 44
1.5 Критерии эффективности при управлении транспортными потоками городов и постановка задач исследования 52
2 Математическая модель системы управления транспортными потоками городов 63
2.1 Модель интеллектуальной системы управления транспортными потоками города 63
2.2 Модель классификации автомагистралей и перекрестков города
2.3 Механизм прогнозирования состояний автомагистралей и перекрестков 79
2.4 Механизм анализа состояния загруженности автомагистралей 88
2.5 Модель и алгоритм функционирования ИСУТП 93
2.6 Концептуальная и логическая модели ИСУТП 99
3. Вариант интеллектуальной системы управления транспортными потоками на основе светофорных объектов 107
3.1. Механизмы формирования ИСУТП 107
3.2. Синтез комплекса программно-технического оборудования для реализации задач ИСУТП 119
3.3 Проверка эффективности ИСУТП 130
Заключение 133
Литература 135
Приложение 1 147
Приложение 2 148
Приложение 3 149
- Вариант автоматизированной системы управления транспортными потоками ближнего зарубежья
- Объекты системы управления транспортными потоками городов и оценка их эффективности
- Модель классификации автомагистралей и перекрестков города
- Синтез комплекса программно-технического оборудования для реализации задач ИСУТП
Введение к работе
Актуальность темы. Сегодня в России прирост числа автомашин значительно опережает темпы строительства новых дорог, причем показатель 100 автомобилей на тысячу человек в среднем по стране был превышен уже в 1998 году, а дорожно-транспортная инфраструктура городов по прежнему обеспечивает уровень не более 60-100 автомобилей на тысячу жителей Данные маркетинговых исследований автомобильных дилеров и органов ГИБДД позволяют прогнозировать к 2010 году количество машин на дорогах городов примерно 230-300 на тысячу человек, а годовые продажи легковых автомобилей перешагнут отметку 3 миллиона, что может повлечь просто катастрофические последствия для существующих улично-дорожных систем городов, т к при чрезмерно высокой плотности транспортных средств скорость движения снижается настолько, что автомобиль полностью утрачивает одно из важнейших своих достоинств - динамичность
В ряде крупных городов скорость движения транспортных потоков в часы пик составляет 10-15 км/ч, при этом повышается количество дорожно-транспортных происшествий, существенно увеличивается выброс вредных веществ в атмосферу и наконец, практически полностью парализуется жизнедеятельность города (люди опаздывают на работу, грузы не доставляются вовремя, те. налицо существенный экономический ущерб от возникающих заторов Вышеперечисленные негативные факты наносят экономике Росси ущерб по опенкам независимых экспертов в размере 2,2-2,6% ВВП Поэтому в начале 2006 года Правительством РФ утверждена Федеральная целевая программа «Повышение безопасности дорожного движения в 2006-2012 гг », одним из важнейших задач которой является минимизация заторов автотранспорта в городах
Решение подобной задачи требует применения комплекса мероприятий архитектурно-планировочного и организационного характера Первые требуют значительных капиталовложений, не могут быть реализованы в быстрые сроки, а порой просто неосуществимы Организационные мероприятия способствуют упорядочению движения на уже существующей улично-дорожной сети При реализации таких мероприятий особая роль принадлежит внедрению технических средств регулирования с применением ЭВМ, средств автоматики, телемеханики, диспетчерской связи и телевидения для управления движением в масштабах крупного района или целого города В настоящее время в городах России на базе диспетчерских центров управления дорожным движением действуют автоматизированные системы управления дорожным движением (АСУДД) Однако, из-за отсутствия надежных методов прогнозирования распределения транспортных потоков в зоне обслуживания при наличии значительного количества вариантов проектных решений и большого числа факторов, существенно влияющих на интенсивность движения транспорта эффективность подобных систем управления довольно низка
В свою очередь управленческие решения, принимаемые должностными лицами носят точечный, разрозненный характер направленный на ликвидацию уже возникших заторов а не на их предупреждение, причем взаимодействие с другими службами, отвечающими за организацию и безопасность дорожного движения, крайне неоперативное Все это не позволяет использовать потенциал регулирования транспортных потоков на основе светофорных объектов в полном объеме
Таким образом, актуальность исследования обусловлена необходимостью изыскание нового научного подхода к задаче повышения обоснованности и эффективности решений, принимаемых в процессе управления транспортными потоками городов на основе светофорных объектов и обеспечивающих снижение временных затрат при существующем управленческом персонале для минимизации задержек транспорта, является актуальным в научном и практическом плане
Основные исследования, получившие отражение в диссертации, выполнялись по планам научно-исследовательской работы
- грант РФФИ «Гуманитарные науки» «Разработка оптимизационных моделей управления распределением инвестиций на предприятии по видам деятельности» № Г00-3 3-306
Цель исследования заключается в исследовании и экспериментальной проверке эффективности системы управления транспортными потоками в городских условиях, обеспечивающей сокращение временных затрат диспетчеров службы управления дорожным движением для минимизации задержек транспорта за счет интеллектуализации режимов регулирования светофорных объектов
Достижение поставленной цели потребовало решения следующих основных задач:
проанализировать существующие системы управления дорожным движением крупных городов России, в том числе автоматизированные (АСУДД),
разработать и обосновать модель интеллектуальной системы управления транспортными потоками города с возможностью выявления «узких» мест в ее функционировании,
сформировать модель классификации автомагистралей и перекрестков города для определения степени важности и значимости при осуществлении мероприятий по управлению транспортными потоками,
синтезировать механизм прогнозирования состояний автомагистралей и перекрестков на основе имитационной модели для любого времени суток и года позволяющую определить оптимальные режимы работы светофорных объектов,
разработать механизм анализа состояния загруженности автомагистралей на основе семантической модели и машину вывода, обеспечивающие минимизацию времени реакции диспетчеров на вероятности возникновения заторов,
разработать и обосновать концептуальную и логическую модели информационной системы управления транспортными потоками в городах,
разработать модель и алгоритм функционирования интеллектуальной системы управления транспортными потоками в городе позволяющие существенно снизить вероятность возникновения заторов на магистралях города и время для организации взаимодействия дорожных служб при корректировке нежелательных ситуаций,
провести экспериментальные исследования предложенной структуры интеллектуальной системы управления транспортными потоками для аналитического сравнения с существующими АСУДД, проанализировать результаты и получить оптимальный вариант.
Методы исследования. В работе использованы методы моделирования организационных систем управления, распознавания объектов, системного анализа, теории игр, теории графов, теории вероятности, теории принятия решений, искусственного интеллекта
Научная новизна В диссертации получены следующие результаты, характеризующиеся научной новизной
-
Разработана и обоснована модель интеллектуальной системы управления транспортными потоками города позволяющая в отличие от известных выявлять «узкие» места в ее функционировании за счет использования элементов теории массового обслуживания,
-
Сформирована модель классификации автомагистралей и перекрестков города позволяющая на основе методов численной таксономии определять степень их важности и значимости при осуществлении мероприятий по управлению транспортными потоками,
-
Синтезирован механизм прогнозирования состояний автомагистралей и перекрестков, который на основе аппарата имитационного моделирования позволяет определить оптимальные режимы работы светофорных объектов для любого времени суток и года,
-
Разработать механизм анализа состояния загруженности автомагистралей обеспечивающий минимизацию времени реакции диспетчеров на вероятности возникновения заторов за счет использования аппарата искусственного интеллекта
Достоверность научных результатов Научные положения, теоретические выводы и практические рекомендации, включенные в диссертацию, обоснованы математическими доказательствами Они подтверждены расчетами на примерах, производственными экспериментами и многократной проверкой при внедрении в практику управления
Практическая значимость и результаты внедрения На основании выполненных исследований синтезированы модели и механизмы обеспечивающие управление дорожными потоками города на основе предупреждения заторовых ситуаций а также минимизацию реакции диспетчерских служб на исправление возникающих нежелательных ситуаций за счет интеллектуальной поддержки их деятельности
Использование разработанных в диссертации моделей и механизмов позволяет многократно применять разработки, тиражировать их и осуществлять их массовое внедрение с существенным сокращением продолжительности трудозатрат и средств
Разработанные модели используются в практической деятельности следующих предприятий ГУ «Межрегиональная дирекция по дорожному строительству ДСД Центр» (Воронежский филиал), ООО «УС-2 Интердор-строй» (г Богучар, Воронежской обл )
Модели, алгоритмы и механизмы включены в состав учебного курса «Организация, планирование и управление дорожным комплексом», в Воронежском государственном архитектурно-строительном университете
На защиту выносятся:
модель интеллектуальной системы управления транспортными потоками города,
модель классификации автомагистралей и перекрестков города,
механизм прогнозирования состояний загруженности автомагистралей и перекрестков города для любого времени суток и года,
механизм анализа состояния загруженности
Апробация работы. Основные результаты исследований и научных разработок докладывались и обсуждались на конференциях международной научно-практической конференции «Образование, наука, производство и управление» (Старый Оскол, СТИ МИСиС, 2006 г) и международной научной конференции «Сложные системы управления и менеджмент качества» (Старый Оскол, СТИ МИСиС, 2007 г), четвертой международная научно-практической конференции «Системы управления эволюцией организации» (Санья, Китайская Народная республика, 2007 г), международной научно -технической конференции «Наука и технологии Актуальные проблемы (9-14 апреля Ставрополь, 2007)
Публикации. По теме диссертации опубликовано 10 печатных работ общим объемом 43 страницы (лично автором выполнено 13 с)
Личный вклад автора в работах, опубликованных в соавторстве, состоит в следующем в работах [2], [4], [6], [9] автором разработана модель интеллектуальной системы управления транспортными потоками города, в работе [5] автору принадлежит механизм классификации автомагистралей и перекрестков города, в работе [8] автор рассчитывает интенсивность загрузки автомагистралей и перекрестков города в разное время суток и года интенсивность загрузки дорожной сети мегаполиса, в работе [3] автором предложен алгоритм извлечения знаний для машины вывода, в работах [7], [10] автору принадлежит модель функционирования интеллектуальной системы управления транспортными потоками
Объем и структура работы Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений Она содержит 149 страниц основного текста, 24 рисунков, 13 таблиц и приложения Библиография включает 162 наименования
Вариант автоматизированной системы управления транспортными потоками ближнего зарубежья
В связи с постоянным ростом спроса на перевозки, который обусловлен развитием экономики, происходит увеличение парка транспортных средств, так как три четверти всего объема транспортного обслуживания приходится на автомобильный транспорт. Автомобильный транспорт помогает человеку во всех сферах его деятельности, одновременно создавая массу проблем, решению которых приходится уделять все больше и больше внимания.
К началу 2005 года на улично-дорожной сети (УДС) 86 населенных пунктов Республики Беларусь было установлено более 1200 светофорных объектов (СФО). Более 75% СФО размещены на пересечениях УДС, остальные 25%о - на пешеходных переходах, расположенных вне пересечений, на перегонах улиц и дорог. Наибольшее распространение светофорное регулирование получило в г. Минске, крупных и больших городах Республики Беларусь в связи с высокой концентрацией транспортных потоков на УДС этих населенных пунктов. Около 78% СФО установлено на улично-дорожной сети 16 городов с численностью населения более 100 тыс. жителей. При этом только в 7 самых крупных городах (г. Минске, областных центрах и г. Бобруйске) созданы центральные диспетчерские пункты управления (ЦУП или ЦДП), обеспечивающие согласованную работу всех или части светофорных объектов, размещенных на территории города, и централизованный сбор информации о состоянии периферийного оборудования СФО. Около 400 светофорных объектов распределены по 82 другим населенным пунктам страны (от 1 до 30 объектов в каждом из них) и работают в автономных режимах.
В городе Минске с 1981 года действует автоматизированная система управления дорожным движением «ГОРОД-MI», в состав которой входит около 500 светофорных объектов. Учет и оптимизацию движения на городском транспорте осуществляет АСДУ-А (автоматизированная система диспетчеризации управления автобусами). Автоматизация управления остальным городским транспортом, автомобилями-такси и стоянками транспорта не осуществляется. Таким образом, ситуация с интеграцией автоматизированных систем в области транспорта является актуальной. Тем более, что имеют место попытки совмещения АСУ с дорожным движением, модернизация которой началась в 2002 году, с системами маршрутного ориентирования, специализированного пропуска общественного транспорта, проезда железнодорожных переездов и контролирующими системами (рис. 1.2).
Из изложенного выше следует, что АСУ ДД (к которым относятся и СФО, работающие в локальном режиме на изолированном участке улично-дорожной сети) в значительной степени отличаются друг от друга как по уровню решаемых ими задач, так и по всем видам обеспечения (техническому, программному, организационному и др.). Поэтому необходима разработка классификации существующих систем по основным структурообразующим признакам, а затем формирование требований для каждого типа АСУ ДЦ и определение направлений их развития.
В девяностых годах прошлого века во многих странах мира (США, Японии, странах Западной Европы) начали реализовываться проекты интеллектуальных транспортных систем -"Intelligent Transport System". Во многих странах Европы пользуются термином "Telematic Systems" - телематические системы. Построение таких систем основывается именно на интеграции информационных и управляющих систем, которые создавались разрозненно, но связанны с автомобильным транспортом и подчинены одной и той же цели -повышение эффективности функционирования дорожного транспорта. В рамках этих систем на сегодняшний день отдельно решаются вопросы повышения безопасности движения, снижения экологического воздействия на окружающую среду, повышение качества транспортного обслуживания и т.п. Конечно, целесообразно в основе создаваемой интеллектуальной транспортной системы использовать автоматизированную систему управления дорожным движением. Такие системы постоянно совершенствуются в различных направлениях, развивались в территориальном и функциональном плане и модернизировались (за счет технического и математического обеспечения).
На некоторых участках АСУ дорожным движением обеспечивает адаптивное управление светофорной сигнализацией в реальном времени. Но, к сожалению, это не относится ко всей улично-дорожной сети (не все светофорные объекты включены в систему и оснащены детекторами). Так, только на Минской кольцевой автомобильной дороге производится автоматическое информирование водителей об условиях движения, а также, частично, и о маршрутах дальнейшего следования. Как видно, явным недостатком системы является отсутствие управления общественным транспортом (особенно трамваями, поскольку в 70% случаев посадка и высадка пассажиров производятся с тротуара), паркингами и стоянками, что позволит разгрузить центр города и повысить пропускную спо 23 собность отдельных магистралей. Совершенствуемая система управления дорожным движением должна обеспечивать также и автоматическую идентификацию дорожно-транспортных происшествий (их фиксацию) для экстренного вызова аварийно-спасательных служб и организации объездных маршрутов движения с информированием водителей о дорожно-транспортной ситуации. Развитие систем детектирования позволит контролировать соблюдение участниками движения существующих ограничений (например, видеодетектирование), предоставлять водителям оперативную информацию об условиях движения, отслеживать скорость движения транспортного потока (использовать методы успокоения движения). Использование экологических датчиков и детекторов позволит осуществлять экологический мониторинг улично-дорожной сети города. Также возможно осуществление контроля за выполнением расписания и мониторинга движения городского пассажирского транспорта (формирование заявок на замещение транспортного средства, вышедшего из строя на линии). К контролирующей функции разрабатываемой системы можно отнести также фиксацию угонов и несанкционированного проникновения в транспортное средство.
Объекты системы управления транспортными потоками городов и оценка их эффективности
Тенденция создания больших городов и регионов с высокой концентрацией населения характерна для всех промышленных стран, поэтому основная масса автомобилей сосредотачивается в пределах городских территорий, вызывая огромные трудности в организации дорожного движения и обеспечении его безопасности. Основными негативными последствиями интенсивной автомобилизации, характерными для многих городов являются: резкое снижение скорости движения, острый дефицит городских площадей для организации кратковременной и длительной стоянки автомобилей, транспортный шум, загрязнение окружающей Среды и, наконец, рост количества дорожно-транспортных происшествий [1].
Постоянное усложнение дорожно-транспортных условий требует непрерывного совершенствования методов и средств управления движением. Автоматизация управления дорожным движением занимает одно из ведущих мест в комплексе мероприятий, направленных на решение задачи обеспечения нормального функционирования современного города в условиях повышенной автомобилизации [3].
Автоматизированная система управления дорожным движением — это комплекс технических и программных средств, управляемых человеком и компьютером. Основные задачи современной автоматизированной системы — сбор, хранение и обработка информации о транспортных потоках, состоянии улично-дорожной сети (УДС) и оптимизированное управление дорожным движением [4].
Автоматизированную систему управления дорожным движением, по специфике решаемых задач можно разделить на уровни. «Информационный уровень — сбор и хранение информации об УДС города с дислокацией технических средств организации дорожного движения (ТСОДД) (дорожные знаки, светофоры), разметки и элементов инженерного обустройства дороги.» Операционный уровень— обработка оперативных данных о состоянии УДС, технических средствах организации дорожного движения, аварийности и др. «Управленческий уровень— решение задач контроля правильности установки новых ТСОДД, координированного управления, оптимизации управления транспортными потоками и т.п. Задачи управленческого уровня наиболее трудно поддаются формализации. К ним можно отнести задачи оптимизации управления транспортными потоками на УДС города в условиях постоянно изменяющихся дорожно-транспортных условий:» нахождение всевозможных путей между различными пунктами назначения; «нахождение кратчайшего пути между пунктами УДС;» определение безопасного маршрута прохождения транспортного потока. Математическая модель, лежащая в основе автоматизированной системы, может быть построена с применением различных теорий. Например, с использованием принципов объектно-ориентированного программирования. В основе такого подхода лежит принцип описания физических объектов различной природы и взаимодействий между ними [2]. Объектом управления в разработанной системе является транспорт ный поток N, движущийся по улично-дорожной сети S. Сформулируем за дачу управления потоком следующим образом: необходимо организовать движение транспортного потока N таким образом, чтобы выполнялись сле дующие условия: 1. максимальная безопасность движения; 2. максимальная пропускная способность перекрестков. Построим функцию управления F: ( Ni, Si, U) ( Nj, Si+1), т.е. имея поток Ni на участке схемы Si и воздействуя на него управляющим органом U, получим другой поток Nj на следующем участке Si+1. Другой метод построения модели УДС — это применение теории графов. На рисунке 1.11 представлен стандартный Х-образный перекресток — пересечение двух улиц с двусторонним движением. Вершиной графа является внешняя граница перекрестка. Ребро показывает направление движение транспортного потока от одной границы перекрестка до другой. Если движение транспорта в каком-либо направлении запрещено, то вершины не соединяются [4]. Таким образом, УДС можно представить ориентированным графом.
Опишем модель УДС в терминах теории графов: G = (V, Е), где V- конечное множество, Е — бинарное отношение на V, т.е. подмножество множества VxV. Множество Е является множеством вершин, а его элемент — вершиной, а множество V является множеством ребер (участков УДС), а его элемент — ребром [6].
Указанная модель позволяет формализовать некоторые понятия предметной области. Точки начала и конца участка ( ), представляют собой смежные вершины и . Пересечение участков есть инцидентность ребер и вершины, представляющей начало заданного участка. Уровень сложности перекрестка можно определить суммарной степенью вершин, ограничивающих этот перекресток. Степенью вершины является суммарное количество инцидентных ей ребер. Путь из одной точки УДС в другую, представляется, как путь из вершины и в вершину v и определяется, как последовательность вершин (vO, vl, ...,vk), в которой vO=u, vk=v и (vi-l,vi) Е для всех i=l,2,..., к. Таким.образом, проезд из одной точки в другую по к участкам дороги можно представить, как путь длины к, состоящий из к ребер. Задача нахождения путей между различными точками УДС, сводится к следующему математическому описанию.
Для заданных G= (V, Е), u, vV, требуется найти вершины (v0, vb ...,vk) V и ребра (Vj-l,Vj) Е, для всех i=l,2,..., к, где v0 =u, a vk= v. Если такой путь существует, то будем говорить, что вершина v достижима из и по пути
Р Объект «участок» имеет имманентные свойства, такие как протяженность, ширина проезжей части, полосность и т.д. С другой стороны, рассмотрение транспортного потока, движущегося по этому участку, приводит к появлению дополнительных свойств, являющихся характеристиками этого потока: интенсивность, плотность потока и средняя скорость движения.
Модель классификации автомагистралей и перекрестков города
Модель классификации автомагистралей и перекрестков города позволяет на основе методов численной таксономии определять степень их важности и значимости при осуществлении мероприятий по управлению транспортными потоками в виде значений весовых коэффициентов {кзнач, кважн).
Критерием качества данной классификации служит сумма «внутренних» связей за вычетом некоторого порогового значения, характеризующего существенность связей: внутри классов объекты должны быть тесно связаны меж ду собой; объекты разных классов должны быть далеки друг от друга; при прочих равных условиях распределение объектов по классам должно быть равномерным; количество классов разбиения определяется не априорными соображениями, а структурой связей между объектами.
Обозначим через а число, выражающее уровень значимости автомагистрали в структуре УДС, так что если ау а (магистраль значима), то ау —а 0 указывает на сходство перекрестков по важности, а если ау а ; (магистраль менее значима), то ау-а 0 характеризует степень различия между перекрестками і и/.
Предложения 2.9 и 2.10 характеризуют оптимальные разбиения как «хорошие» в терминах их классов, тем самым связывая два различных подхода [5] к классификации объектов. Далее синтезируем модели, приводящие к классификации по критерию (2.8). Фактически число классов оптимального разбиения перекрестков определяется пороговой величиной а. Если а(] 0 для всех /, j=l, ..., N, то при а=0 оптимальным будет «разбиение», состоящее из единственного класса, содержащего все перекрестки; наоборот, при ее max а.. - оптимальным будет тривиальное разбиение на N одноэлементных классов. Промежуточное значение а (как и количество классов оптимального разбиения) характеризует степень «грубости» агрегированного представления УДС по сравнению с исходным описанием, Установим некоторые свойства оптимального разбиения. Для этого обозначим
Заметим также, что матрица А без какого-либо ограничения общности может рассматриваться как симметричная (а -ал). Действительно, переход к аг +сс .. а ; = и Jl не изменяет значении показателя (2.8), а, следовательно, оптимальных разбиений. Кроме того связи ау перекрестка с самим собой не рассматриваются, так что f({ij, {і})=0, по определению. Задача максимизации критерия (2.8) имеет сложную комбинаторную природу. Для практических применений необходимо использовать процедуры "с существенно сокращенным перебором. Изложим простой алгоритм, практически дающий оптимальное разбиение. Алгоритм состоит в последовательном применении процедур «объединение», «перемещение» и «проверка». А. Объединение. Эта процедура применяется к разбиениям Rm={Rh...i Rm} (т=0, 1...). Начальное разбиение состоит из N одноэлементных классов. От разбиения Rm переходим к разбиению R"1 1 с помощью объединения двух классов Rm так, чтобы дать максимальное положительное приращение показателю/(а, R). Для этого анализируются связи f(R",R") между классами и объ 76 единяются такие R и R, что суммарная связь максимальна и положительна. Процесс прекращается, как только среди сумм f(R,R) не оказывается положительных. Практически процедуру объединения удобно организовать с помощью матрицы f(R,R") . При m=N она равна А, каждая последующая получается из предыдущей простым суммированием двух строк (а также двух столбцов), соответствующих объединяемым на данном шаге классам.
Б. Перемещение. Этот процесс применяется, начиная с разбиения Rm, полученного в результате предыдущей процедуры. Он состоит в последовательном перемещении каждого объекта в порядке нумерации в тот класс, при котором показатель (2.8) получает наибольшее положительное приращение. Если любая перестановка любого объекта в другие классы не увеличивает/(а, R), процесс заканчивается.
В. Проверка. Эта процедура применяется, поскольку после перемещений могут оказаться невыполненными необходимые условия оптимальности (предложения 1 и 2). Если R= {Rh ..., Rmj — результат предыдущей процедуры, то проверяется, все nnf(Rs RJ неотрицательны, af(Rs, Rt)(s#) неположительны. Если это верно, то R выдается как результат. Если f(Rs RJ отрицательно, то переходим от R к новому разбиению R , «рассыпая» такие классы Rs на одноэлементные классы, после чего переходим к повторному выполнению процедур А, Б, В. Сходимость алгоритма гарантируется монотонным ростом показателя (2.8). Пусть рассматриваемые перекрестки УДС характеризуются п качественными признаками. Для простоты ограничиваемся случаем, когда все при-знаки номинальные, т. е. задаются разбиениями R , R , ..., R множества объектов, а каждый признак R будем характеризовать булевской NxN матрицей к Г rl\, где rkjj= 1,если / и у имеют по к-му признаку одинаковое значение, и rkj=0, если значения признака Rk для і и j различны. Расстояние d(Rk,R ) X г.. -г.. между признаками R и R есть количество поразрядных несовпаде ний соответствующих матриц. Пусть X, ..., X"— веса информативности призна-ков R , ..., R . Тогда номинальным фактором системы признаков будем называть такое разбиение R (с соответствующей матрицей г=гу, которое минимизирует сумму p(R) = ±Akd(Rk,R). Это предложение показывает, что критерий (2.8) возникает в рамках модели анализа качественных признаков. Получив значения для классов перекрестков и автомагистралей определим значения коэффициентов значимости перекрестков в структуре УДС и важности автомагистралей (кзнач, кважн), для чего используем теорию нечетких множеств.
При оценке приведенных выше параметров создается экспертная группа из представителей службы управления транспортными потоками города, сотрудников ГИБДД и представителей крупных транспортных предприятий города (15-20 человек). Экспертам затруднительно дать какие-либо количественные оценки, поэтому предлагается использовать понятия расплывчатых категорий, когда значение лингвистической переменной [87, 91,92] выражается не числом, а словом или группой слов на естественном языке. Тогда экспертам при ответе на постановление вопросы будет достаточно оперировать показателями: очень значим; достаточно значим; значим; средне значим; почти значим; незначим (для перекрестков); неважен, маловажен, важен, достаточно важен, очень важен (для автомагистралей).
Синтез комплекса программно-технического оборудования для реализации задач ИСУТП
Современная автоматизированная система управления дорожным движением — это комплекс технических и программных средств, управляемых человеком и компьютером. Автоматизированная система должна обеспечивать сбор, хранение и обработку информации о транспортных потоках, состоянии улично-дорожной сети (УДС) и оптимизированное управление дорожным движением Разработанная автоматизированная система оперативного управления дорожным движением, позволяет решать следующие задачи: 1. Сбор, хранение и обработка оперативной информации о состоянии УДС-города («Оперативный журнал»). 2. Сбор, хранение и обработка информации об УДС города с дислокацией дорожных знаков, разметки и элементов инженерного обустройства дороги («Паспорт дороги»). 3. Контроль правильности установки новых технических средств организации дорожного движения и их компоновки с существующими. 4. Жесткое координированное управление транспортными потокамина отдельных магистралях или на небольших участках УДС («Зеленая волна»). Математическая модель, лежащая в основе автоматизированной системы, построена с использованием принципов объектно-ориентированного программирования. В основе такого подхода лежит принцип описания физических объектов различной природы и взаимодействий между ними. Объектом управления в разработанной системе является транспортный поток N, движущийся по схеме дорог (улиц) S. В основе объектно-ориентированного программирования лежит понятие объект— совокупность данных, принадлежащих некоторому абстрактному типу, определяющему структурные связи между данными и возможные действия над ними. Абстрактный тип в терминах объектно-ориентированного подхода трактуется как класс объектов. Понятие класса, имея прямую аналогию с программной реализацией (тип), допускает вместе с тем более широкую трактовку, которая дает основу для классификации и декомпозиции объектов в различных предметных областях. Это понятие фактически определяет алгебру объектов, специфицируя потенциальное множество объектов и возможные действия над объектами этого множества. Класс определяется как множество объектов, обладающих внутренними (имманентными) свойствами, присущими любому объекту класса. Причем спецификация класса проводится путем определения его имманентных свойств, которые в этом плане играют роль классообразующих признаков 151. Например, свойство «Управлять дорожным движением» присуще всем техническим средствам организации дорожного движения и является клас-сообразующим признаком класса «Технические средства организации дорожного движения». В качестве других признаков этого класса могут использоваться, например, место расположения, дата установки дорожного знака или светофорного объекта и т.п.
Понятия свойства является первичным в определении класса. Спецификация класса никак не связана с заданием значений свойств, более того, применительно к классу говорить о таких значениях не имеет смысла — обладание значениями является прерогативой объекта. Определяя класс «Технические средства организации дорожного движения», мы задаем конечное множество его свойств. Определяя объект класса, например, «Светофор», мы должны определить значение этих свойств.
Этот аспект определяет класс как понятие экстенсиональное, а объект класса — как интенсиональное. С другой стороны, любой класс является множеством, состав объектов которого может меняться в динамике работы системы. Класс как множество в любой момент времени характеризуется набором принадлежащих ему объектов и может быть задан перечислением: «Знак 1.1», «Знак 3.2», «Светофор».
Эти два способа задания класса существуют независимо один от другого. Состав имманентных свойств статичен и определяет семантический аспект спецификации класса. Состав объектов класса динамичен и определяет ассоциативный аспект класса.
Независимость двух аспектов описания класса заключается в том, что существование каждого из них никак не связано с существованием другого. Если множество классообразующих признаков пусто, класс тем не менее может существовать как ассоциация некоторых формальных объектов. В приведенном примере «Знак 1.1» всего лишь идентификатор объекта, он не входит в состав имманентных свойств, поэтому не несет никакой семантической нагрузки. Если ассоциация, образуемая классом, пуста, класс, тем не менее, семантически существует как потенциально возможное множество объектов, хотя и пустое в настоящий момент времени.
При проектировании сложноорганизованных систем на первый план выходят задачи декомпозиции предметной области на классы объектов и структурирования объектов и их ассоциаций. Решение таких задач требует инструментов, обеспечивающих эти процессы универсальными средствами создания и динамической модификации объектов. В качестве методологической и информационной основы конструирования автоматизированной системы управления дорожным движением резонно использовать модели программной таксономии (наследования свойств). Такие модели декомпозиции предметной области, как сетевые, иерархические, реляционные, определяют только статические виды межклассовых отношений. В отличие от них таксономия обеспечивает не только структурирование информации, но и «наследование» методов обработки иерархических структур, дает возможность определения единого по имени действия, применимого ко всем объектам иерархии наследования.
Таксономия как научное направление возникла в связи с решением задач классификации и систематизации сложноорганизованных областей знаний в начале прошлого века. В 60-70-х годов XX века таксономия определяется как учение о системе соподчиненных групп объектов — таксонов. В основе любой таксономической модели лежит отношение обобщения и связанная с ним возможность систематизации сложноорганизованных предметных областей. Таксономические модели рассматривают обобщение как переход на более высокую ступень абстракции путем выделения общих признаков (свойств), присущих объектам предметной области. В программных моделях такое абстрагирование позволяет осуществлять конструирование пакета прикладных программ путем пошагового, послойного подъема с одного уровня обобщения на другой с абстрагированием деталей реализации и введением новых более общих понятий и категорий. В этом смысле такой процесс конструирования можно иллюстрировать простой формулой «УЧАСТОК ДОРОГИ в городе всегда обобщает УЛИЦУ», в которой семантика классов УЧАСТОК ДОРОГИ и УЛИЦА полностью определяется предметной ориентацией.
Похожие диссертации на Интеллектуальная система управления транспортными потоками на основе светофорных объектов
