Научные сотрудники ЮУрГУ создают интеллектуальную систему для регулирования транспортных потоков в городах. Это поможет сократить время простоя транспорта на перекрестках и количество автомобильных выбросов. Исследование является частью программы Приоритет 2030 и проходит в рамках стратегического проекта «Экосреда постиндустриальной агломерации». Он направлен на улучшение состояния окружающей среды за счет сокращения количества парниковых газов и опасных для экосистем загрязнителей. Научная статья была опубликована в высокорейтинговом журнале (Q1).
Кандидат технических наук, ведущий научный сотрудник кафедры «Автомобильный транспорт» Владимир Шепелёв и доктор технических наук Сергей Алюков провели исследование, которое направлено на решение проблемы безостановочного проезда транспортными средствами перекрестков.
Одной из проблем городов являются кратковременные остановки автотранспорта перед проездом перекрестка в ожидании разрешающего сигнала светофора и проезда впереди стоящих автомобилей. Остановка транспорта и начало движения приводит к росту негативного влияния на городскую среду и экологию. Использование связи между транспортными средствами позволит сделать движение транспорта более энергоэффективным и экологически безопасным.
Ученые предположили, что увеличение плотности потока траффика может уменьшить различия в скорости движения для транспортных средств и приведет к снижению потребности смены полосы движения. Это увеличит пропускную способность перекрестков и увеличит безопасность дорожного движения.
«Использование современных технологий может улучшить качество дорожного движения: снизить общее количество заторов; повысить безопасность водителей транспортных средств и пешеходов; снизить влияние автомобилей на окружающую среду. Мы описали прогнозирующую модель, которая позволяет вычислить скорость повышения вероятности проезда через регулируемые перекрестки без остановок. В работе предложена концептуальная схема реализации сервиса кооперативных интеллектуальных транспортных систем, а также передачи информации в Цифровую модель дороги и на борт автомобиля для информирования водителя», - говорит Сергей Алюков.
Использование концепции «устойчивый транспорт» позволяет сократить дорожный трафик, экономить затраты и время на поездки по городу, сократить выбросы углерода и снизить потребления топлива.
Существующие решения и технологии организации дорожного движения, такие как «зеленая волна», «Умный светофор», увеличение количества полос, практически исчерпали свой ресурс. Одним из решений по повышению эффективности использования улично-дорожной сети является активное взаимодействие инфраструктуры с транспортными средствами. Активное развитие IT-решений по распознаванию транспорта по категориям, подсчету количества и скорости дорожного трафика с камер уличного видеонаблюдения дает широкие возможности для повышения эффективности организации дорожного движения.
«Наши исследования в этой предметной области находятся на этапе экспериментальных исследований технологии, где мы сконцентрировались на нескольких перекрестках в г. Челябинск и г. Тюмень с большим дорожным трафиком. Для решения поставленной проблемы использована нейронная сеть YOLOv3 вместе с доработанным трекером объектов SORT. В работе применен эвристический алгоритм для классификации и измерения скорости транспортных средств. Для обучения алгоритма детектора обработано 9500 видеокадров с классификацией и трекингом более чем 450 000 объектов, представленных в различных условиях», - говорит Владимир Шепелев.
Результаты экспериментов показывают, что предлагаемая система может прогнозировать время проезда очереди транспортных средств на регулируемых перекрестках и за счет оптимизации скоростного режима снизить вынужденное количество остановок до 14%.
По методам нечеткой математики разработана модель для определения оптимальной скорости движения транспортного средства при подъезде к перекрестку. Эта модель отличается повышенной точностью результатов, так как учитывает долю крупногабаритных транспортных средств, находящихся перед перекрестком. Большая доля крупногабаритных транспортных средств вызовет задержку в освобождении перекрестка, поэтому для исследуемого автомобиля его скорость должна быть уменьшена при подъезде к перекрестку, что отражено в прогнозируемых значениях оптимальной скорости на основе методов нечеткого моделирования.
Следование рекомендациям связанного помощника о выборе оптимальной скорости перемещения позволит достичь увеличения плотности потока трафика. Даже если предложенными решениями будет оборудовано небольшое количество автомобилей, они все равно будут выступать регуляторами скорости движения потока и будут являться ведущими транспортными средствами.
Южно-Уральский государственный университет – это университет трансформаций, где ведутся инновационные исследования по большинству приоритетных направлений развития науки и техники. В соответствии со стратегией научно-технологического развития РФ университет сфокусирован на развитии крупных научных междисциплинарных проектов в области цифровой индустрии, материаловедения и экологии. В 2021 году ЮУрГУ победил в конкурсе по программе «Приоритет 2030». Вуз выполняет функции регионального проектного офиса Уральского межрегионального научно-образовательного центра мирового уровня (УМНОЦ), который призван решить задачи национального проекта «Наука и университеты».