Ученые из Южно-Уральского государственного университета (ЮУрГУ) разработали математические модели, с помощью которых можно будет контролировать и прогнозировать пропускную способность перекрестков. В их основе лежит учет  изменяемых параметров в работе перекрестков. Результаты исследований  опубликованы в журнале «Transport and Telecommunication».

 

Рост числа автомобилей в крупных городах приводит к снижению пропускной способности транспортной сети. В большинстве случаев пропускную способность определяют перекрестки со светофорным регулированием. Проанализировав многообразие режимов регулирования, в ЮУрГУ пришли к выводу о необходимости создания классификации перекрестков с формированием  математических моделей для каждой группы. Это позволит прогнозировать и контролировать транспортную ситуацию на перекрестках.

Для этого доцент кафедры «Математическое и компьютерное моделирование» Института естественных и точных наук ЮУрГУ Александр Глушков и кандидат технических наук, доцент кафедры «Автомобильный транспорт» Политехнического института ЮУрГУ Владимир Шепелев провели исследование транспортных систем Челябинска. В нем они изучили ситуацию с прерыванием потока поворачивающих направо транспортных средств непредсказуемо изменяющимся потоком пешеходов, движущихся перпендикулярно.

Отследив с помощью видеокамер транспортные потоки на 25 городских перекрёстках Челябинска и обработав полученные данные с помощью нейросети, они получили достоверные математические модели, демонстрирующие пропускную способность перекрестков при повороте транспорта направо для каждой группы.

«В результате работы была всесторонне проанализирована пропускная способность перекрестков. В анализе дополнительно проявлена и решена задача разделения перекрёстков на две однотипные группы, что позволит в будущем применить к ним единые алгоритмы управления регулируемыми перекрестками»,рассказал Александр Глушков.

По словам авторов исследования, полученные результаты могут использоваться для улучшения пропускной способности транспортной сети городов.