© А. А. Кашканов, докт. техн. наук, профе-сор, професор кафедри автомобілів та тран-спортного менеджменту,
ORCID: 0000-0003-3294-6135,
e-mail: a.kashkanov@gmail.com;
© О. В. Пальчевський, аспірант кафедри ав-томобілів та транспортного менеджменту,
ORCID: 0000-0003-3171-2740,
e-mail: palchevskyi.o@gmail.com
(Вінницький національний технічний
університет)
РОЛЬ КОМПЛЕКСНОГО ПІДХОДУ В ПОБУДОВІ ЕФЕКТИВ-НОЇ СИСТЕМИ ІНТЕЛЕКТУАЛЬНОГО УПРАВЛІННЯ
ТРАНСПОРТНОЮ МЕРЕЖЕЮ
DOI: 10.33868/0365-8392-2024-2-279-2-11
Анотація. Стале зростання кількості мешканців великих міст, інтенсивний розвиток економіки та збільшення кількості автомобілів на дорогах – це те, що призводить до перевантаження транспорт-них мереж, яке веде до утворення транспортних заторів. Ці затори спричиняють значні затримки в русі, збільшують витрати часу та пального, а також мають негативний вплив на навколишнє середо-вище. Для вирішення цієї проблеми у великих містах варто застосовувати інтелектуальні системи управління транспортними потоками. Варіативність методик, покладених в їхню основу, суттєво відрізняється залежно від початкової мети. Однак ресурс таких окремих методик із часом вичерпується, що змушує шукати та реалізовувати нові. В основі швидкої втрати ефективності роботи таких систем лежить відсутність єдиного централізованого вузла, що здійснює комунікацію систем між собою та управління ними. Тобто поєднання інтелектуальних методик в одну комбіновану систему може допомогти у створенні ефективних та динамічних систем управління транспортним рухом та матиме значно більший ресурс. Саме такий підхід до організації інтелектуальної системи управління транспортними потоками було розглянуто в цій роботі. В ході дослідження було проведено короткий огляд підходів з підвищення ефективності транспортної мережі міста за основними напрямками. Також окреслено структуру, принципи та шляхи утворення стійкої комплексної системи управління транспортними потоками, що складаються з підсистем заснованих на ефективних методиках оптимізації та організації процесів дорожнього руху. Розглянуто та оцінено ефективність перевірених методик, що відповідають потребам такої комплексної системи.
Ключові слова: інтелектуальні транспортні системи, транспортні затори, комплексний підхід, адаптивне управління світлофорами, прогнозування транспортних потоків, Інтернет речей.
References
1. Numbeo. (2023). Europe: Traffic Index by City 2023. [Online]. Retrieved from https://www.numbeo.com/traffic/region_rankings.jsp?title=2023®ion=150.
2. Kashkanov, A., Palchevskyi, O. (2022). Prob-lems of transport systems functioning of Ukraine large cities in modern conditions. Advances in mechanical engi-neering and transport. 1, 97-102. https://doi.org/10.36910/automash.v1i18.764.
3. Choudhary, A., Gokhale, S., Kumar, P., Pradhan, C., Sahu, S. (2022). Urban traffic congestion: its causes-consequences-mitigation, Research Journal of Chemistry and Environment, 26, 164-176. https://doi.org/10.25303/2612rjce1640176.
4. Gao, J., Hong, X., Liu, G., Wang, L. (2021). Intelli-gent public transport cloud platform dispatching operation management system development, Journal of Physics: Conference Series, 1982. https://doi.org/10.1088/17426596/1982/1/012063.
5. Statista. (2024). Transportation emissions worldwide – statistics & facts. [Online]. Retrieved from https://www.statista.com/topics/7476/transportation-emissionsworldwide/#topicOverview.
6. Lin, C., Zhou, X., Wu, D., Gong, B. (2019). Estima-tion of Emissions at Signalized Intersections Using an Im-proved MOVES Model with GPS Data. International Journal of Environmental Research and Public Health, 16. https://doi.org/10.3390/ijerph16193647.
7. Henézi, D., Winkler, A. (2023). The Role of Pub-lic Transport in Transport Safety and Public Safety, The Eurasia Proceedings of Science Technology Engineering and Mathematics, 23, 505-512. https://doi.org/10.55549/epstem.1374907.
8. Thilakshan, T., Sharic, A. H., Weerasinghe, O., Bandara, S. (2023). “Evaluating the Ease of Access to Public Transport Systems in Urban and Suburban Centers,” Latest Developments in Civil Engineering, 753-768. https://doi.org/10.1007/978-981-99-2676-3_57.
9. European Comission. (2020). Network and traf-fic management systems (NMT). [Online]. Retrieved from https://trimis.ec.europa.eu/roadmaps/network-and-traffic-management-systems-ntm.
10. Kashkanov, A., Palchevskyi, O. (2022). Intel-lectualization of traffic management as a means of increas-ing the efficiency of the city’s transport network in emer-gency situations. Journal of Mechanical Engineering and Transport, 2, 42-50. https://doi.org/10.31649/2413-4503-2022-16-2-42-50.
11. Lei, Z., Yigong, S. (2023). Intelligent Traffic System Using Machine Learning Techniques: A Review, International Journal of Research Publication and Reviews, 4, 5, 1457-1461. https://doi.org/10.55248/gengpi.234.5.38047.
12. Redmon, J., Divvala, S., Girshick, R., Farhadi, A. (2016). You only look once: Unified, real-time object detec-tion, Proceedings of the IEEE conference on computer vision and pattern recognition. 779-788.
13. Krizhevsky, A., Sutskever, I., Hinton Geoffrey, E. (2012). ImageNet classification with deep convolutional neural networks, In Advances in Neural Information Pro-cessing Systems 25. Curran Associates Inc., 1097–1105.
14. Wang, J., Yu, H., Chen, S., Ye, Z., Ren, Y. (2023). Heterogeneous Traffic Flow Signal Control and CAV Trajec-tory Optimization Based on Pre-Signal Lights and Dedicated CAV Lanes, Sustainability, 15. https://doi.org/10.3390/su152115295.
15. Abramova, L., Shyrin, V., Ptytsia, H., Kapinus, S. (2020). Dynamic control over traffic flow under urban traffic conditions, Eastern-European Journal of Enterprise Technologies, 3, 34–43. https://doi.org/10.15587/1729-061.2020.210170.
16. Mena-Oreja, J., Gozalvez, J. A Comprehensive Evaluation of Deep Learning-Based Techniques for Traffic Prediction, IEEE Access, 8, 1-25. https://doi.org/10.1109/ACCESS.
2020.2994415.
17. Zhang, T., Xu, J., Cong, S., Qu, C., Zhao, W. (2023). A Hybrid Method of Traffic Congestion Prediction and Control,” IEEE Access, 11, 36471-36491, https://doi.org/0.1109/ACCESS.2023.3266291.
18. Wu, P., Huang, Z., Pian, Y., Xu, L., Li, J. and Chen, K. (2020). A Combined Deep Learning Method with Atten-tion-Based LSTM Model for Short-Term Traffic Speed Fore-casting,” Journal of Advanced Transportation. https://doi.org/10.1155
/2020/8863724.
19. Adewopo, V., Elsayed, N., Elsayed, Z., Ozer, M., Wangia-Anderson, V., Abdelgawad, A. (2023). AI on the Road: A Comprehensive Analysis of Traffic Accidents and Accident Detection System in Smart Cities, Preprint.
20. Lobato, E. et al. (2020). A Monitoring System for Electric Vehicle Charging Stations: A Prototype in the Ama-zon,” Energies. 16. https://doi.org/10.3390/en16010152.
21. Wang, A. (2023). Development of an IoT-Based Parking Space Management System Design,” International Journal for Applied Information Management, 3, 91-100. https://doi.org/10.47738/ijaim.v3i2.54.
22. Kavas-Torris, O., Guvenc, L. (2023). A Compre-hensive Eco-Driving Strategy for CAVs with Microscopic Traffic Simulation Testing Evaluation, Sensors, 23. https://doi.org/10.3390/s23208416.