Оптимизация движения автомобильного транспорта в населенных пунктах на основании WEB-решения

Краснодар является одним из Российских городов-субмиллионеров, а, следовательно, подвергнут влиянию таких факторов, как пропускная способность автомобильного движения. Ввиду плотной городской застройки и отсутствия вариантов выбора дорожной полосы для проезда движение в городе в пиковые часы останавливается полностью. Также ситуация подогревается такими аспектами, как ремонт основных дорог. Это чревато тем, что огромное скопище автомобильного транспорта взамен более короткого пути проезда, забивает основные дороги альтернативного направления, только для возможности объехать ремонт дорожной полосы. Конечно, присутствуют человеческие факторы, отмена которых невозможна ни на каком уровне влияния городского управления — неопытные водители, попадающие в ДТП, они ещё больше усугубляют дорожную ситуацию, блокируя полосы для движения.

В целом картина получается очень удручающая: отсутствие выбора проезда вкупе с высокой плотностью движения приводит к усугублению пропускной способности. График, представленный на рисунке 1, составленный на основе мониторинга дорожной ситуации в г. Краснодаре, с помощью приложения «Яндекс.Пробки» демонстрирует плотность потока в период времени с 7 утра до 22 вечера.

Современное развитие GPS-навигации и огромный спектр решений мониторинга плотности движения предоставляет возможность наблюдать состояние движения через различные приложения.

Например, в литературе [5, 8, 9, 10] исследовалась задача выделения оптимальных маршрутов в крупномасштабной транспортной сети в многокритериальной постановке. В данном случае карта, демонстрирующая загруженность выезда в районе тургеневского моста и движение по улице Северной (рисунок 2).

Рисунок 1 — Плотность потока в период времени с 7 утра до 22 вечера.

Рисунок 2 — Плотность движения в районе СХИ Исходя из вышесказанного, напрашиваются следующие вопросы:

• ? удовлетворенность жителей города обеспечением транспортных путей для пассажирского транспорта;
• ? удовлетворенность жителей города обеспечением транспортных путей для личного автомобильного транспорта;
• ? возможность объективного решения, применимого для участков с затруднительным движением, так, чтобы минимизировать строительство дополнительных участков дорог ввиду плотной застройки города.

Проанализировав транспортные потоки в г. Краснодаре были составлены следующие замечания: высокая плотность потока наблюдается на тех участках, которым водители отдают предпочтение для перемещения из одного микрорайона в другой. Следовательно, анализу подвергнутся именно промежуточные участки.

Первоначальный выбор пал на район СХИ. Благодаря приложению «Яндекс.Карты» была получена карта необходимой области (рисунок 3).

Рисунок 3 — Карта районов СХИ, ЮМР и ФМР Данная карта наглядно демонстрирует путь, который необходимо «преодолеть» для того, чтобы попасть из Юбилейного микрорайона (ЮМР) в микрорайон Фестивальный (ФМР). Точками начала следования и окончания впоследствии будут обозначены улица Минская (Начало) и улица Тургенева (Окончание).

Проведя анализ района, с помощью «Яндекс.Пробки», можно отметить, что основные пути следования от начальной до конечной точки это:

• — ул. Академика Трубилина — ул. Красных Партизан;
• — ул. Каляева — ул. Бабушкина;
• — ул. Северная — ул. Тургенева.

Исходя из карты можно обозначить ключевые точки движения:

• — пересечение: улица Красных Партизан — улица Академика Трубилина;
• — пересечение: ул. Бабушкина — ул. Каляева;
• — пересечение: ул. Северная — ул. Тургенева;

Результатом проделанных операций становится граф движения по району СХИ (рисунок 4).

Решению данного вопроса посодействует алгоритм Дейкстры, результатом которого служит нахождение короткого пути движения. Подвергая переменные алгоритма корректировке можно иметь возможность высчитывать кратчайшее время пути. Процесс работы алгоритма — одноразовый, что не позволяет выполнить необходимые условия для решения проблемы, поэтому было принято решение дополнить алгоритм условиями, позволяющими эмулировать плотность потока с условием множественного расчета.

Выполнялось данное действие путем обновления начальных значений переменных на исходные, в соответствии с текущими значениями.

Рисунок 4 — Маршрут движения Исходя из рисунка 4 следует обозначить основные точки пересечения переменными, а расстояние между точками заменить на время прохождения участка дороги, изначально предполагающее отсутствие транспорта на участке (таблица 1).

Таблица 1 — Матрица маршрута движения.

Матрица отражает время пути по району СХИ по «пустой» трассе, данные необходимы для расчета изначальной плотности движения.

Применяя алгоритм Дейкстры к данной матрицы, добавив в реализацию учет пропускной способности получим следующие результаты: оптимальным путём по пустой трассе является путь, А — B — F (14 минут).

Для учета количества потока введен специальный коэффициент, который увеличивает показатель плотности, являющейся множителем, применимым к каждому пути. Базовое значение плотности, применимое к каждому пути равняется единице. И в соответствии с выбранным маршрутом к его пересечениям применяется увеличение коэффициента плотности. На данном этапе разработки приложения коэффициент выбирается автором произвольно. Его значение увеличивается на единицу, каждый раз, как выбирается путь. Результаты расчетов представлены в таблице 2.

Таблица 2 — Результат применения алгоритма Дейкстры.

Также следует отметить, что данное приложение является прототипом и модель его работы минимизирована для наглядности результата. Нами было создано программное обеспечение, которое позволяет анализировать ситуацию на дороге, обращаясь к сервису «Яндекс.Пробки». Интерфейс ПО представлен на рисунке 5.

Рисунок 5 — Начальное окно работы программы Построение графов выполняется, путем анализа изображения карты, доступного в «Яндекс.Пробки». Приложение реагирует на цвет дороги, и в соответствии с ним составляется граф движения. Точки начала и окончания маршрута задаются пользователем. Программа-анализатор составляет граф на основании доступных вершин. Следующим шагом служит составление таблицы плотности движения. Коэффициент выражен в процентном виде и его показатель зависит от степени загруженности трассы. В последствии, применяется алгоритм Дейкстры, который в свою очередь выбирает оптимальный маршрут, пользуясь данными из таблицы. После окончания работы приложение предлагает пользователю 3 оптимальных маршрута, по которому следует двигаться (рисунок 6).

Рисунок 6 — Результат работы программы Результатом проделанной работы является приложение, которое позволяет выполнять расчет траектории движения с учетом плотности потока. Данное приложение мультизадачно. Для личного использования — позволяет искать наикратчайший путь к заданной точке назначения. Для муниципального использования приложение также применимо, так как с помощью него можно отслеживать плотность движения, и на основании этих данных составлять отчет о текущем положении на дороге. Одной из дальнейших перспектив развития данного приложения служит интеграция в светофорную систему города, которая, сможет базироваться на полученных данных и перенаправлять поток движения в свободную полосу.

маршрут дорога транспортный яндекс.

• 1. Барановская Т. П. Основы объектно-ориентированного программирования / Т. П. Барановская, Е. А. Иванова, Н. В. Ефанова. — Краснодар: КубГАУ, 2012. — 89 с.
• 2. Иванова Е. А. Алгоритмизация и программирование / Е. А. Иванова, Н. В. Ефанова. — Краснодар: КубГАУ, 2012. — 82 с.
• 3. Косников С. Н. Экономика и математические методы: учеб. пособие / С. Н. Косников; под ред. д-ра экон. наук, проф. А. Г. Бурда. — Краснодар: КубГАУ, 2015. -190 с.
• 4. Моделирование транспортной сети на предфрактальных графах/Е.Г. Лихобабин, Д. А. Павлов // в сборнике: Глобализация науки: проблемы и перспективы Сборник статей межд. научно-практической конференции. — Уфа, 2015. — С. 3−6.
• 5. Орлянская Н. П. Проблемы проектирования и внедрения информационной системы учета работы автотранспорта / Н. П. Орлянская, А. В. Нагоев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2005. — № 09(01). — IDA [article ID]: 90 501 010. — Режим доступа: http://ej.kubagro.ru/2005/01/10/
• 6. Орлянская Н. П. Разработка математической модели обработки информационной системы учета автотранспорта / Н. П. Орлянская, А. В. Нагоев // Труды Кубанского государственного аграрного университета. — 2007. — № 8. — С. 26−30.
• 7. Павлов Д. А. Алгоритмы определения абсолютных р-центров на предфрактальных графах с затравкой — полный n-вершинным графом / Д. А. Павлов, А. А. Узденов. Препринт № 201. — Нижний Архыз: РАН САО, 2004. — 9с.
• 8. Павлов Д. А. Многокритериальная задача поиска оптимальных путей в крупномасштабной транспортной системе / Павлов Д. А., Лихобабин Е. Г. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2015. — № 09(113). — IDA [article ID]: 1 131 509 046. — Режим доступа: http://ej.kubagro.ru/2015/09/pdf/46.pdf.
• 9. Павлов Д. А. Моделирование транспортной сети на предфрактальных графах / Д. А. Павлов, Е. Г. Лихобабин // В сборнике: Глобализация науки: проблемы и перспективы Сборник статей межд. научно-практической конференции. — Уфа, 2015. — С. 3−6.
• 10. Параскевов А. В. Оптимизация загруженности уличной дорожной сети. / А. В. Параскевов, В. К. Желиба // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2015. — № 06(110). — IDA [article ID]: 1 101 506 057. — Режим доступа: http://ej.kubagro.ru/2015/06/pdf/57.pdf