Основы математического моделирования транспортных процессов методом рангового анализа и многомерных квазиреальных кубов знаний

1. Тема доклада:
«Основы математического моделирования транспортных процессов
методом рангового анализа
и многомерных квазиреальных кубов знаний»
Научный коллектив:
Руководитель проекта: директор ИТиТС, д.т.н., проф. Корягин С.И.,
ассистент Беликова А.О.
к.п.н., доцент Минкова Е.С.
к.т.н., доцент Клачек П.М.

2. Квазиреальный эквилибриум – математический инструментарий, позволяющий
анализировать и управлять (обеспечивать) равновесие системообразующего
целевого поведения транспортных систем с индивидуальным поведением
уникальных, сложным образом взаимодействующих между собой транспортных
средств.
Позволяет объединить:
• технологии математического моделирования транспортных процессов;
• управления в реальном времени;
• системы поддержки принятия решений;
• коммуникационные технологии и т.д.

3. Система
интеллектуального
мониторинга ДД
Интеллектуальный
Ситуационный
центр
"Транспорт"
(Интеллектуаль
ный анализ
данных и
знаний)
Математическое
моделирование
транспортных
процессов
Квазиреальный
эквилибриум
Платформа/технология для создания интеллектуальных транспортных инфраструктур

4. Задачи, решаемые в перспективе на основе предлагаемого подхода:
 интеллектуализация самого транспортного средства, преобразование его в
максимально автоматизированную и адаптивную автономную систему;
 создание математических и прикладных инструментариев информационного
обмена взаимодействия между отдельными транспортными средствами с
целью координации и оптимизации их группового поведения как отдельных
взаимосвязанных подсистем сложной комплексной системы, наделяющее
транспортную систему свойствами единой информационной среды;
 создание математических и прикладных инструментариев, которые способно
обеспечить синергетический эффект самоорганизации и развития
транспортной системы, возникающий в результате взаимодействия
отдельных когнитивных (накапливающих знание) подсистем в единую
систему, подчиненных единой стратегической цели и взаимодействующих по
законам коалиционного поведения.

5. Предлагаемая нами методика основанная на применении техноценологического
анализа и многомерных квазиреальных кубов знаний, включает следующие этапы:
1. Выделяется ценоз – транспортная система города. В ценозе
выделяются:
• элементы - сегменты УДС (популяция ценоза);
• разрабатывается модель улично-дорожной сети техноценологического
типа.
Как показали исследования для создания моделей улично-дорожной сети
техноценологического типа, наиболее целесообразно применение,
универсального языка и алгоритмов, предложенных проф. Михеевой на основе
агрегатного подхода, позволяющего рассматривать с единых позиций сети
разных размеров, конфигурации и варианты организации движения. Данный
подход предусматривает декомпозицию УДС на стандартно описываемые
элементы – участки дороги, а также дает возможность использовать
типовые элементы визуальных моделей: точки, линии, полигоны, сегменты
УДС и т.д.

9. 4. На основе математических инструментариев макро- и микроанализа в
соответствии с методикой представленной выше, строятся ранговые
параметрические распределения для соответствующих уровней
многомерного куба знаний.

13. Фрагмент улично-дорожной сети г. Калининграда
В рамках данного концептуального примера в
качестве математических инструментариев макро и
микро анализа были выбраны соответственно
макроскопическая модель Лайтхилла–Уизема–
Ричардса, в которой поток транспортных средств
рассматривается как поток одномерной сжимаемой
жидкости, на микро уровне были применены
клеточные автоматы на основе модели Нагеля-
Шрекенберга.

14. Проверка соответствия критериям Н-распределения:
1. совокупность данных не должна подчиняться нормальному закону;
2. данные должны быть значимо взаимосвязаны.
Пример GZ анализа поведения транспортной системы, позволяющий
определить аномальные всплески на реальном ранговом
распределении исследуемого фрагмента УДС.

15. Картограммы
интенсивности движения
транспортных потоков
Взаимосвязанные
аналитические срезы
квазиреальных уровней
GZ анализа
Ранговое распределение
Равновесное состояние
Аномальные всплески
Заторовые явления
Равновесное состояние
Квазиреальный Эквилибриум
Многомерный куб знаний

16. Применение GA анализа на основе многомерного квазиреального куба
знаний - позволяет гибко реализовывать и анализировать в различных разрезах
зависимости между основными параметрами ТП (скорость, интенсивность, плотность),
а также позволяет исследовать поведение ТП в критических точках – насыщения и
затора.
Задачи, решаемые в области создания эффективных систем организации
дорожного движения:
1. Моделирование существующих и прогнозируемых транспортных потоков,
2. Анализ и оценка правил и интенсивности дорожного движения,
3. Планирование эффективной транспортной инфраструктуры,
4. Обработка сценариев «что будет…если»,
5. Создание платформы для обеспечения деятельности центров ситуационного
управления и СППР, различных видов и назначений на транспорте.

17. В части решения теоретических и прикладных проблем макро- и микро
моделирования транспортных процессов обеспечит математическим
инструментарием анализа противоречий между реальными данными и их
воспроизведением в математических моделях транспортных процессов, в
частности:
• Противоречия между рассеиванием фактических данных параметров дорожного
движения и соответствующими соотношениям математических моделей.
• Противоречие между постоянным значением отношения критической плотности
к максимальной плотности транспортного потока для математических моделей и
переменным значением этого отношения в реальном транспортном потоке.
• Противоречие между однотипностью формы зависимости между параметрами
транспортных потоков для математических моделей и изменением
функциональной формы для реальных соотношений интенсивность-плотность,
скорость-плотность и т.д.
• Противоречие между возможными разрывами между значениями характеристик
транспортных потоков при переходе от стабильного состояния к заторовому и
гладкими соотношениями для теоретических моделей.
Перспективные задачи:
• Моделирование динамики заторов.
• Внезапный переход от режима свободного движения к неустойчивому режиму.
• Решение теоретических и прикладных трудностей совместного использования и
обмена данными между глобальными и локальными моделями.