?
Имитационная модель интеллектуальной транспортной системы «умного города» с адаптивным управлением светофорами на основе нечеткой кластеризации
В данной статье представлена новая имитационная модель интеллектуальной транспортной системы (ИТС) «умного города» с адаптивным управлением светофорами. Предложенная транспортная модель, реализованная в AnyLogic, позволяет изучать поведение взаимодействующих агентов: транспортных средств (ТС) и пешеходов (П) в рамках многоагентной ИТС типа «Манхэттенской решетки». Пространственная динамика агентов в подобной ИТС описывается с использованием систем конечно-разностных уравнений с переменной структурой с учетом регулирующего воздействия «умных» светофоров. Исследованы различные способы управления светофорами, направленные на максимизацию суммарного трафика выходного потока ИТС, в частности, посредством формирования требуемой длительности фаз с использованием генетического оптимизационного алгоритма, с помощью локального («слабоадаптивного») управления переключениями и на основе предложенного алгоритма нечеткой кластеризации. Исследуются возможности оптимизации характеристик систем индивидуального управления поведением светофоров при различных сценариях, в частности, для ИТС с пространственно-однородными и периодическими характеристиками. Для определения наилучших значений индивидуальных параметров систем управления светофорами, таких как, длительности фаз, радиусы наблюдений за транспортными и пешеходными потоками, пороговые коэффициенты, количество кластеров и др., применяется ранее предложенный параллельный генетический оптимизационный алгоритм с вещественным кодированием (класса RCGA). Предложенный метод адаптивного управления светофорами на основе нечеткой кластеризации демонстрирует большую эффективность в сравнении с известными методами коллективного воздействия и локального («слабоадаптивного») управления. Результаты работы могут быть рассмотрены как компонента системы принятия решений в управления городскими службами.