'

Управление городским транспортом на моделях нейронных сетей

Понравилась презентация – покажи это...





Слайд 0

Управление городским транспортом на моделях нейронных сетей


Слайд 1

Проблема организации дорожного движения является на сегодняшний день одной из самых острых. Важным фактором того, насколько вы доберетесь в городе до нужного места, является работа светофора. И зачастую, именно эго неэффективная работа является причиной городских пробок. Решение данной проблемы возможно двумя способами: реконструкция уличной дорожной сети введение эффективных методов организации дорожного движения Введение


Слайд 2

На сегодняшний день существует множество специальных систем для моделирования и управления транспортными потоками, например, TRANSIMS, PARAMICS, EMME/2, SATURN и др. Существующие подходы к моделированию могут быть классифицированы в зависимости от уровня детальности моделируемого процесса: Модели макро-уровня описывают транспортный поток как целое, совокупность всех транспортных средств. Модели микро-уровня характеризуются описанием отдельных транспортных средств и взаимодействий между ними. Способы организации движения


Слайд 3

Одиночные пробки Серия пробок Классификация фаз потока Причина затора — геометрические особенности дороги Задержки транспортных средств Множественные устойчивые состояния и хаос Транспортные заторы


Слайд 4

Рассматривается один перекресток не учитываются соседние Большинство существующих практических систем предназначено для построения и исследования моделей микро-уровня. Недостатки существующих моделей


Слайд 5

Разработать алгоритм работы системы управления городским транспортом на основании нечеткой логики Создание структуры базы знаний Рассчитать методом нечеткой нейронной сети ANFIS (используя данные о количестве проходящих машин на дорожных участках) существующую нагрузку на дорожных участках на примере одного из районов Киева. Имея матрицу нагрузок дорожных участков оптимизировать работу светофоров. Имея матрицу нагрузок дорожных участков и маршруты пассажирского транспорта выявить потенциально опасные маршруты. Цель работы


Слайд 6

ANFIS реализует систему нечеткого вывода Сугено в виде пятислойной ней­ронной сети прямого распространения сигнала. Назначение слоев следующее: первый слой - термы входных переменных; второй слой - антецеденты (посылки) нечетких правил; третий слой - нормализация степеней выполнения правил; четвертый слой - заключения правил; пятый слой - агрегирование результата, полученного по различным правилам. Нейронная сеть ANFIS


Слайд 7

Предлагаемая структурная схема управления городским транспортом


Слайд 8

Данный алгоритм берет присоединенные дороги к текущему светофору и определяет самую нагруженную группу. На основе полученных данных корректирует соотношение красного и зеленого цвета для улучшения сложившейся ситуации на дороге. Алгоритм получении информации о светофоре


Слайд 9

Алгоритм получение информации о маршруте Алгоритм пробегает по всем участкам маршрута. И если хоть один участок в текущий период времени является опасным. Маршрут относит себя к опасным. Имея эту информацию можно скорректировать работу транспорта так, что бы минимизировать риск попадание городского транспорта в пробки. Что увеличит комфорт перевозок, КПД работ городского транспорта, уменьшит общее количество рейсов, и разгрузит опасные отрезки дорог.


Слайд 10

Синим цветом показано количество отказов при работе светофора РСТ типа Сиреневым – при работе нечеткого светофора Количество машин, не успевших проехать за некоторое количество циклов


Слайд 11

В результате проведенного исследования предложен 1 метод предоставления информации о состоянии дорог и 2 метода оптимизации транспортных потоков. Оба эти метода не мешают один другому и как следствие их можно ипользовать в комплексе, что увеличит общую их продуктивность. Первый метод ориентирован на стабилизацию транспортных потоков по средствам регулирования работы светофором. Это метод универсален и может принести к ощутимым улучшениям в общей картине транспортных потоков. Его уникальность в том, что он для управления светофорами использует информацию не только прилегающих дорог, но и дорог которые присоединены к текущим. Это дает ему возможность более точно анализировать окружающую ситуацию. Второй метод используется только для транспорта с ранее известными маршрутами. Как вариант городской-общественный транспорт. И его основная задачи предоставлять информацию для более качественного формирования маршрутов. Учитывая нагрузки дорог в каждый промежуток вемени можно временно отменять маршруты которые слабо востребованы и проходять через места с большой вероятностью образования пробок. Анализ результатов


×

HTML:





Ссылка: