Get best of the week

Memerangi kemacetan lalu lintas di kota kecil dengan anggaran kecil: hasil 6 bulan proyek



Lampu lalu lintas Soviet yang lama memiliki dua mode: ia berfungsi dan tidak berfungsi. Optimalisasi pertamanya adalah menambahkan mode malam dan siang ke relay. Yang kedua adalah sama: tambahkan pagi, sore dan sore, berbeda dalam keterlambatan berbeda dari pengalih waktu lampu. Dan kemudian semuanya. Selanjutnya, kita memerlukan sensor dan arus informasi eksternal, atau bahkan jaringan yang terhubung.

Contoh paling sederhana dari apa yang dapat dilakukan dengan loop induksi dangkal di jalan atau sensor inframerah adalah tidak untuk mengalihkan lampu lalu lintas ke arah di mana tidak ada seorang pun saat ini. Ini sangat nyaman dalam skema "jalan utama yang besar melalui kota dan banyak jalan sekunder."

Tapi kami melangkah lebih jauh: di kota Novomoskovsk (120 ribu penduduk) kami menempatkan kamera di lampu lalu lintas, mengubah semua pengontrol dan menghubungkan semuanya menjadi satu jaringan. Kota ini memiliki anggaran yang kecil, sehingga aturannya heuristik sejauh ini tanpa ruang seperti penambangan data dan pembelajaran mesin, tidak ada begitu banyak lampu lalu lintas (karena bahkan menempatkan 21 kamera sudah mahal), tetapi kami dapat mencapai hasil yang sangat spesifik.

Kecepatan di persimpangan dengan "lampu lalu lintas pintar" kami dan di persimpangan biasa di dekatnya telah meningkat. Kami belajar bagaimana memprioritaskan aliran mobil di pagi hari ke pabrik besar, menghitung dan memproses gerbong transit, dan bahkan melambaikan tangan ke sensor ambulans GLONASS untuk menghilangkan kemungkinan kemacetan di depan mereka.


Antarmuka Platform Kontrol Gerakan.



Bagaimana Anda mengatasi kemacetan lalu lintas?


Ada tiga pendekatan dasar untuk apa yang dapat dilakukan dengan transportasi yang ambruk:

  1. Memperluas jalan dan membangun infrastruktur baru adalah cara termahal.
  2. : – , — 25–35 % .
  3. : ( — ).

Saya ingin segera menarik perhatian pada kenyataan bahwa "lampu lalu lintas pintar" yang terhubung ke jaringan lalu lintas terkoordinasi tidak hanya menyelesaikan tugas "sehingga lebih sedikit kemacetan lalu lintas", tetapi juga yang lebih spesifik. Misalnya, dalam contoh Novomoskovsk kami, salah satu tugas penting adalah agar setiap orang mencapai pabrik di pagi hari tepat waktu. Kami dapat membuat kondisi saat pengoptimalan mengarah ke berlalunya aliran khusus ini. Dan demikian pula, dalam percobaan dengan memprioritaskan ambulans, jelas bahwa laju aliran rata-rata akan menurun, tetapi mobil dengan pasien yang mendesak (dan semuanya di sebelahnya, karena kami beroperasi dengan kelompok seukuran seperempat) akan lebih cepat delapan hingga sembilan menit.

Masalah apa yang bisa terjadi di kota kecil?


Keruntuhan transportasi tidak hanya terjadi di kota-kota besar, tetapi juga ke kota-kota kecil. Banyak kota kami dibangun kembali dan dirancang ulang sesuai dengan prinsip tahun 60an. Infrastruktur jalan sama sekali tidak siap untuk arus tahun 2010-an. Tentu saja, semakin kecil kota, semakin sedikit Anda terjebak kemacetan, tetapi jika Anda dapat memenangkan 10-15% dari waktu perjalanan (ini adalah contoh praktis) - lalu mengapa tidak? Ini akan memungkinkan kita untuk tidak memperluas jalan di mana secara fisik masih mustahil untuk diperluas, dan ini akan memungkinkan kita untuk mendapatkan banyak manfaat.

Dalam kasus kami, kota ini antara M4 dan M5, dan runtuh terjadi di dalamnya dan di jalan. Keberangkatan memiliki bandwidth yang cukup, tetapi kecelakaan terjadi di sana. Di dalam kota, lalu lintas dan jam sibuk menimbulkan masalah.

Tentu saja, Anda dapat menempatkan lebih banyak penjaga (yang benar-benar membuat keputusan yang bisa dibuat oleh “lampu lalu lintas pintar”), tetapi ini bukan tren pelayanan dan itu tidak layak secara ekonomi. Dan di sini kita menemukan diri kita dalam situasi yang luar biasa ketika sebuah kota kecil dengan anggaran kecil dapat menyelesaikan sebagian dari masalah. Di kota metropolitan, ASUDD membutuhkan jaringan luas dari objek yang dikelola, dan masalahnya ada lebih banyak kemungkinan dari total kelebihan daripada dari kontrol aliran yang tidak optimal. Namun di kota-kota dengan penduduk 200-300 ribu, jalan utama sangat mudah diotomatisasi. Dan sangat murah. Apa yang memainkan peran yang menentukan, tentu saja. Saya mencatat secara terpisah bahwa pada awalnya administrasi sangat khawatir bahwa seorang spesialis baru akan diperlukan untuk mengelola dan memelihara ASUDD: ini adalah karyawan "ekstra" yang tidak direncanakan. Namun,mengotomatiskan dukungan keputusan secara maksimal dengan mengintegrasikan ke dalam platform intelektual kota, kami hanya perlu melatih karyawan yang ada.

. , , ?


Yang paling penting adalah bahwa setiap objek lampu lalu lintas memiliki pengontrol dan mungkin memiliki beberapa jenis sensor, paling sering dalam kasus kami adalah kamera. Berkat perangkat lunak khusus, camcorder mengenali pelat registrasi kendaraan dan menentukan kepadatan dan laju aliran rata-rata. Data yang dikumpulkan ditransmisikan ke controller, yang membuat keputusan untuk mengurangi atau memperpanjang durasi lampu lalu lintas hijau. Statistik lebih lanjut terakumulasi selama interval lima menit ditransmisikan ke titik pusat untuk diproses. Setelah menganalisis data statistik, sistem secara otomatis membuat keputusan tentang dimasukkannya program koordinasi yang diperlukan di lampu lalu lintas. Jadi mode otomatis memungkinkan Anda untuk mengontrol arus lalu lintas secara efektif, meningkatkan kualitas "gelombang hijau".Pada saat yang sama, tetap dimungkinkan untuk mengontrol lampu lalu lintas secara manual untuk perjalanan prioritas kendaraan darurat dan layanan khusus ("jalan hijau").





Anda dapat menggunakan berbagai jenis sensor: kabel optik di jalan, loop induksi, sensor laser untuk keberadaan kendaraan (mirip dengan instrumen pengukur kecepatan), sensor aliran yang berbeda (mirip dengan kamera semi-blind yang sangat disederhanakan dengan antarmuka terputus) dan sebagainya. Tetapi kami menggunakan kamera dengan resolusi yang cukup untuk secara otomatis mengenali plat nomor, dan kami berencana untuk menentukan jenis kendaraan (penumpang, bus, barang, tidak dapat dipahami).

Karena anggaran yang terbatas, kami telah mengidentifikasi persimpangan tersebut (gugus regulasi di persimpangan disebut "objek lampu lalu lintas") yang memiliki dampak terbesar pada lalu lintas. Mereka ternyata sekitar 30%, terutama hanya di jalan melalui kota, di mana lalu lintas transit berlalu. Kemudian kami mengatur perangkat kami sedemikian rupa untuk memberikan pengaruh terbesar pada aliran, karena kamera tidak dapat terjebak di mana-mana, tetapi menurut data dua persimpangan, keadaan persimpangan "buta" di antara mereka dapat dipulihkan.



Akibatnya, set peralatan minimum untuk bagian pertama dari proyek ditentukan. Inilah yang mereka gunakan, misalnya:

Crossing Str. Cadangan tenaga kerja - st. Kuibyshev (alamat: 15a, Kuibyshev st.)

Tidak. P / p



Nama peralatan



Kuantitas



1



Camcorder (Tipe 1)



3



2



Camcorder (Tipe 2)



1



3



Lensa



1



4



Kabinet kontrol (tipe 2)



1



5



Switch (Tipe 1)



1



6



Extender PoE



1



7



Perlindungan petir



8



8



Lampu sorot



1



9



Catu Daya (Tipe 1)



1



10



Catu Daya (Tipe 2)



1



sebelas



Transceiver Optik (Tipe 1)



1



12



Transceiver Optik (Tipe 2)



1



tigabelas



Kit instalasi



1


Contoh model tertentu: pengontrol , kamera video , lensa zoom telefoto , kamera lain (tipe 2).

Apa yang dilakukan perangkat lunak ASUDD?


Melalui kamera kita melihat keberadaan transportasi, mengukur laju aliran, menentukan kemacetan setiap strip. Berdasarkan ini, Anda dapat membuat keputusan tentang cara mengganti lampu lalu lintas.

Setiap lampu lalu lintas memiliki program yang gagal pada controller untuk operasi otonom, tetapi dalam implementasi kami, kontrol utama melewati node pusat - server koordinasi lalu lintas. Yaitu, semua data mengalir ke dalam satu model, dan kemudian atas dasar itu keputusan dibuat bagaimana dan apa yang harus diatur.

Di suatu tempat di sini saya bisa mengatakan kata-kata tentang data besar yang dikumpulkan, tentang jaringan saraf dan hal-hal lain, tetapi, saya ingat, anggaran sangat terbatas. Oleh karena itu, kami menggunakan jaringan saraf bawaan karyawan layanan jalan. Mereka duduk dengan statistik, dengan hati-hati mencoba berbagai rezim peraturan di atas kertas, dan kemudian - dalam praktiknya, dan sampai pada kesimpulan tertentu tentang apa dan bagaimana melakukannya. Hasilnya adalah satu set 24 heuristik untuk situasi yang berbeda.



Faktanya, dua bulan pertama dihitung (atau dipilih secara intuitif) dan mengkonfirmasi durasi optimal fase lampu lalu lintas di setiap situasi: dalam kabut di pagi hari, dalam hujan di akhir pekan, dalam cuaca baik pada Senin malam dan seterusnya. Kami menemukan fase utama untuk lampu lalu lintas tanpa detektor, yang berubah empat kali sehari.


Anda dapat melihat statistiknya.

Apa manfaat lain yang diberikan sistem seperti itu?


  1. . ( ) « () ». : , . , , , , , . , , , , — ( , ).
  2. . , , . , - . , 35 , 42 . . , .
  3. «» . , , - , , - ( ), . , - . , , . , , . .
  4. . , , « » . , , , . — ( ), .
  5. . , . , , . , , , . « », , .
  6. . , « - , 20 ». , , -, , . -, , 60 % .
  7. Menghitung pekerja kendaraan. Untuk statistik organisasi transportasi umum (seperti rute bus atau stasiun kereta api), sangat penting untuk mengetahui berapa banyak orang yang pergi bekerja di luar kota. Pengakuan angka yang sama bersama dengan aturan "meninggalkan empat hingga lima kali seminggu dan kembali setelah 8-14 jam" memungkinkan untuk memahami apa yang ada di detail dan dengan arah.

Semua data sistem ditambahkan, dan suatu hari nanti akan mungkin untuk memprosesnya dengan metode yang lebih kompleks. Sekarang, misalnya, lalu lintas shift kerja di dalam kota diperkirakan oleh orang-orang untuk optimasi dan untuk memperkirakan jumlah dan frekuensi bus yang diperlukan, tetapi masih mungkin untuk melakukan hal ini secara otomatis secara otomatis. Plus, data berguna untuk merencanakan perluasan jalan di kota dan di kawasan, bila diperlukan.

Eksperimen


  • , — « ». , : , , «» — . , , «» : , , , . 15 — , . , , . : , «» , .
  • , .
  • . , . , () , , , - - ( - 800 ). . «», , , . «, !» . : , , , , — .





:

  • 12 , . 30 % , - , (, ).
  • 4 /. .
  • , .
  • .
  • . — , . .
  • .

Inilah siaran persnya . Jika Anda ingin memberi tahu salah satu pakar lalu lintas di kota Anda tentang hal ini, silakan taruh saja tautan ke Habr dan segera - ke email saya VBabiy@technoserv.com, Anda dapat mengirim pertanyaan tentang sistem, tentang anggaran, dan tenggat waktu.

More articles:


All Articles