УДК 004.942

Внедрение цифровых двойников для анализа и балансировки трафика

Зверев Александр Александрович – студент МИРЭА – Российского технологического университета.

Гревцов Максим Алексеевич – студент МИРЭА – Российского технологического университета.

Журавлёв Алексей Витальевич – студент МИРЭА – Российского технологического университета.

Васильев Илья Александрович – студент МИРЭА – Российского технологического университета.

Аннотация: На данный момент проводится большое количество исследований, связанных с быстрым и качественными решением проблем, возникающих в городе. Одним из таких решений являются технологии "умного города" – системы датчиков, автоматически собирающих информацию, на основе которой создается цифровой двойник города для моделирования различных процессов.

Для решения проблем, возникающих в результате образования заторов и возникновения неожиданных происшествий на дорогах, предлагается использовать технологию цифрового двойника, который позволяет воссоздать реальные условия в цифровом пространстве на основе подробных геопространственных и сенсорных данных и позволяет проводить эксперименты и симуляции, которые было бы трудно или невозможно осуществить в реальном мире. Например, с его помощью можно смоделировать изменение дорожных условий, в случае возникновения наводнения, перекрывшего дороги, или оценить влияние изменения формы или расположения зданий на погодные факторы, такие как ветер. Технология цифрового двойника используется для создания высокоточного представления человеческой деятельности в обществе.

Ключевые слова: цифровой двойник, моделирование, оптимизация, поиск пути.

Цель данной работы заключается в изучении, анализе и создании модели для оценки интенсивности движения транспорта в городских условиях. Основной упор делается на создание модели движения для упрощения будущих исследований.

Дорожное движение - один из важнейших аспектов жизни города, который нуждается в постоянном контроле. Для этого необходимо создать модель этого движения, что можно сделать с помощью цифровых двойников. Моделирование транспортного потока на цифровом двойнике может имитировать движение на дорогах города на основе данных с датчиков в реальном мире и может быть использовано для оценки мер по решению общих проблем дорожного движения, таких как строительные работы или предварительные меры по уменьшению заторов и оптимизация маршрутов общественного транспорта по требованию.

Для воспроизведения потока транспортных средств в широкой дорожной сети, например, в городе, необходимы три основных элемента: картографические данные, данные об объёмах дорожного трафика и данные о категориях транспортных средств. Однако существует очень мало полных наборов таких данных для каждого из этих элементов и получить истинные значения очень сложно. Кроме того, для эффективного функционирования цифрового двойника ему необходимо предоставить доступ к следующим данным: частота опросов, процент покрытия дорог и процент покрытия моделей транспортных средств. Однако на данный момент не существует готовых наборов данных, содержащих необходимую информацию. Таким образом, имеющиеся неполные наборы данных не подойдут для использования в цифровых двойниках, которые должны воспроизводить перемещения каждого транспортного средства с мелкой детализацией в пространстве и времени.

Поэтому была разработана технология отправления и прибытия (ОП) для оценки спроса на транспортные средства на основе данных об интенсивности движения в поперечном сечении и оценки интенсивности движения на участках, где не установлены датчики движения. Имеющиеся данные об интенсивности движения в поперечном разрезе удовлетворяют требованиям по частоте опроса и типу транспортных средств, но охватывают только часть дорог. Таким образом, технология оценки ОП компенсирует недостаточный процент охвата дорог.

Оценка времени в пути обычно проводится с помощью пятиэтапной модели:

1. оценка генерируемых объемов движения;
2. оценка возникающих объемов движения;
3. оценка распределения объемов движения;
4. выбор режима движения;
5. выбор маршрутов движения.

Этот метод широко используется для оценки времени в пути. Метод использует исследования о поездках людей для получения данных о времени отправления, прибытия и маршруте, пройденном людьми и транспортными средствами

Исследования поездок людей агрегируют количество людей (или транспортных средств), перемещающихся в единицу времени для пар начальных и конечных пунктов. Так как подобных данных нет в открытом доступе, то источником послужили данные от датчиков сервиса Яндекс.Карты. Основой стали перекрестные данные об интенсивности движения с пятиминутной детализацией, получаемые с датчиков покрывающих большую часть определённых районов города, что позволило приблизить данные, получаемые в ходе симуляции, к показателям из реального мира.

Используя технологию оценки ОП, сначала извлекается структура основной дорожной сети и расположение точек, где измеряется поперечный объем движения на воспроизводимой территории (рис. 1(1)). Определяются зоны отправления и прибытия автомобилей, такие как зона А и зона Б, как границы для этих точек измерения. Поперечный объем движения на основных дорогах интерпретируется как спрос на движение между смежными зонами (рис. 1(2)). Затем генерируется спрос на движение для более длинных поездок путем объединения спроса на движение для очень коротких поездок между соседними районами, отдавая приоритет маршрутам, проходящим вдоль определенных главных дорог (рис. 1(3)). После чего распределяется спрос на трафик в точках отправления и прибытия по дорогам в соответствующих районах (рис. 1(4)). Это позволяет согласовать поперечные объемы движения во всех точках измерения и создать реальные маршруты движения по основным дорогам с учётом деталей и особенностей движения.

Рисунок 1. Визуализация технологии оценки ОП.

Для повышения точности интерполяции пространственной информации используется корректировка условий распределения точек отправления и прибытия в соответствии с такими факторами, как расположение и масштаб крупных коммерческих объектов и различия в дневном и ночном распределении населения. Эта технология позволяет оценить спрос на транспортные услуги с точностью до пятиминутных интервалов во времени и с точностью до нескольких квадратных километров в пространстве.

Более подробное описание определения зон отправления и прибытия показано на рисунке 1(2).

Определение области отправления и прибытия как участков главных дорог, разделенных точками, где измеряется поперечный объем трафика, начинается с выбора смежных улиц. Чтобы рассмотреть трафик, отправляющийся и прибывающий на небольшие улицы, прилегающие к основным дорогам, выбираются те, что соединены с каждым из участков основных дорог. На первый взгляд может показаться, что геометрическое определение областей было бы хорошим решением, но если учесть, что география разделена меняющимся рельефом, реками, дорогами, дорогами с односторонним движением и ограничениями скорости, то получаются области, которые не похожи на естественно используемые транспортными средствами маршруты.

Интуитивно люди хотят выбирать дороги, которые находятся ближе всего к данному участку главной дороги, поэтому был разработан алгоритм, который разделяет области с точки зрения времени в пути, используя данные дорожных карт. Этот метод определяет для каждой второстепенной дороги ближайший участок главной дороги с наименьшим временем в пути между ними, используя функцию поиска маршрута в симуляторе транспортного потока (рис. 2(1)). Наконец, составляется список дорог, идентифицированных как один и тот же участок главной дороги, и связывается с этим участком для определения зон отправления и прибытия (рис. 2(2)).

Все еще будут случаи, когда участки основных дорог будут отличаться в зависимости от направления к пункту назначения (рис. 2(3)). В таких случаях участки разделения движения могут возникать на примыкающих к основным дорогам улицах и могут быть отделены от интенсивности движения на последних, поэтому эта проблема решается, перечисляя только те дороги, которые считаются ближайшими к одной и той же главной дороге, независимо от того, какое направление выбрано (рис. 2(4)).

Рисунок 2. Процесс выбора и распределения областей.

 Соответственно, можно гарантировать прохождение заданной точки измерения, просто указав области отправления и прибытия без указания маршрута. Дороги, выделенные чёрным цветом на рис. 3, исключаются при составлении списка с помощью этого метода разбиения, поскольку рядом есть несколько основных дорог, поэтому выбранная основная дорога будет отличаться в зависимости от направления к пункту назначения. Вычислительные затраты для этого метода составляют O(n) по отношению к количеству дорог, n. Это намного меньше, чем при использовании пересчёта, который составляет O(n^2). Выбрав таким образом районы отправления и прибытия, можно избежать того, что объемы движения по главной дороге будут слишком сильно отклоняться от реальных значений, даже при преобразовании в спрос на движение между районами.

Рисунок 3. Пример составления разбиения дорог на области.

Технология оценки ОП может генерировать актуальный спрос на транспорт, но она применима только к участкам, на которых установлены датчики. Чтобы расширить диапазон применимости и включить участки без датчиков, была введена идея равновесного распределения. Равновесное распределение – это подход, который фокусируется на времени в пути, необходимом при распределении количества транспортных средств по различным дорогам для маршрутов между пунктами.

Когда существует несколько маршрутов, соединяющих пункт отправления и пункт прибытия, водители обычно пытаются выбрать маршрут, чтобы минимизировать время в пути, необходимое для перемещения между точками. Предполагается, что водители всегда имеют полную информацию о доступных маршрутах. Время в пути зависит от интенсивности движения, поэтому оно будет варьироваться в зависимости от маршрута, который выбирает каждый водитель. Например, если многие водители выбирают маршрут 1, интенсивность движения на маршруте 1 возрастет, что приведет к образованию заторов и увеличению времени, необходимого для перемещения между пунктами, но поскольку маршрут 2 выбирается реже, чем маршрут 1, интенсивность движения и время в пути на маршруте 2 уменьшатся. Эта зависимость между интенсивностью движения и временем в пути была формализована, и равновесие может быть достигнуто за счет баланса спроса и предложения. Поэтому, если водители обладают достаточной информацией, время в пути на всех используемых маршрутах выровняется и будет меньше, чем на неиспользуемых маршрутах, или сблизится и станет в основном равным (рис. 4).

Рисунок 4. Равновесное распределение.

Список литературы

1. Иванов А.А. Цифровые двойники в городском транспорте: применение и перспективы // Транспорт и коммуникации. – 2021. – Т. 1. – С. 1-10.
2. Петров Б.В., Сидоров В.Г. Роль цифровых двойников в управлении городским транспортом // Технические системы и технологии. – 2021. – Т. 2. – С. 50-65.
3. Смирнов Г.Д. Применение цифровых двойников для прогнозирования движения общественного транспорта // Информационные технологии в транспорте. – 2021. – Т. 3. – С. 120-135.
4. Кузнецов Е.М., Григорьева Н.С. Моделирование движения городского транспорта на основе цифровых двойников // Транспортная инфраструктура. – 2021. – Т. 4. – С. 80-95.
5. Антонова О.И. Применение цифровых двойников для оптимизации движения транспорта в городской среде // Управление транспортными системами. – 2021. – Т. 5. – С. 30-45.
6. Лебедев П.С., Михайлова Е.А. Разработка и применение цифровых двойников в городском транспорте // Транспортные системы и технологии. – 2021. – Т. 6. – С. 70-85.