Исследование выполнил Андраник Акопов. Данные предоставлены Андраником Акоповым.
Специалисты создали гибридный алгоритм эволюционного типа для оптимизации пропускной способности городских дорог на 5–15%. Система объединяет агентное имитационное моделирование, искусственный интеллект и математические, а также биологические (эволюционные) принципы. Благодаря этому при анализе тысяч возможных конфигураций дорог система выявляет самые эффективные варианты размещения дорожной инфраструктуры. Разработка пригодится для проектирования более удобных и менее загруженных дорожных сетей, в том числе многоуровневых развязок и тоннелей. поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале IEEE Access.
Современные города, в особенности мегаполисы, испытывают увеличение транспортных проблем: заторы и неэффективное использование дорог. Классические подходы к проектированию улично-дорожной сети — математическое моделирование, статический анализ пропускной способности и ручной проект — не всегда учитывают динамику потоков и сложность городской инфраструктуры.
Алгоритмы на основе искусственного интеллекта в данном случае более эффективны.
Они могут предложить более адаптивные решения, так как способны анализировать большое количество разнообразных транспортных потоков в режиме реального времени. Большинство существующих решений ориентированы на узкие задачи: одни алгоритмы оптимизируют только регулирование светофоров, другие работают исключительно с поиском кратчайших маршрутов, третьи моделируют потоки на отдельных перекрестках без учета общей сетевой структуры. Поэтому требуются новые инструменты, которые одновременно будут анализировать и оптимизировать все ключевые параметры дорожной сети.
Ученые из Центрального экономико-математического института РАН (Москва) разработали Гибридный генетический алгоритм объединяет методы многоагентного моделирования, искусственного интеллекта, теории графов — математических инструментов для описания свойств сетей и связей между их элементами — и эволюционные принципы изменчивости живых организмов. Система находит оптимальные решения с помощью механизмов, похожих на биологические: отбор, кроссинговер (обмен участками хромосом при делении клеток) и мутации. Используя предложенный алгоритм нечеткой кластеризации, система анализирует структуру транспортного потока, прогнозирует заторы и предлагает оптимальную конфигурацию новых дорог, включая расположение перекрестков, эстакад и туннелей.
Исследователи создали ряд моделей разной сложности для тестирования системы. Среди них микроскопические модели, основанные на отдельных агентах — транспортных средствах, и мезоскопические модели, работающие с агентными кластерами (группами транспортных средств). Авторы разработали эти модели по феноменологическому подходу Бекларяна-Акопова, который ранее применяли для анализа дорожного движения в сетях типа «Манхэттенская решетка».
Модели созданы на основе систем дифференциальных и конечно-разностных уравнений для имитации различных сценариев движения и взаимодействия транспортных средств. Самые простые модели по размеру сравнимы с обычным перекрестком и применялись для отработки основных функций разработанного алгоритма оптимизации. Более сложные модели, напоминающие современные трехуровневые развязки с тоннелями и многоуровневыми съездами, позволили проверить алгоритм в условиях, приближенных к реальному городу. Кроме того, авторы смоделировали различные сценарии транспортной нагрузки — от обычного движения до экстремально высокой загруженности.
Исследования подтвердили эффективность системы в увеличении пропускной способности транспортной сети. Моделирование показало: скорость движения транспорта может повыситься на 5-15%, при добавлении небольшого числа новых развязок – порядка 1-5% от общей длины дорог.
Алгоритм позволяет проектировать сложные дорожные сети, работающие эффективно даже при высокой нагрузке. В будущем подобные решения помогут городам сократить пробки и сделать передвижение по автодорогам комфортнее. Планируется оптимизация для более сложных развязок и участков дорог, например кольцевых и спиральных. Такие элементы дорожной сети будут включать разнообразные составляющие транспортной инфраструктуры: «умные» светофоры, многоуровневые парковки и инфраструктуру для беспилотного транспорта. — делится участник проекта, поддержанного грантом РНФ, профессор РАН Андраник Акопов, доктор технических наук, кандидат экономических наук, главный научный сотрудник лаборатории Динамических моделей экономики и оптимизации Центрального экономико-математического института РАН.
Российский научный фонд поделился информацией и фотографиями.