Skalowalna kontrola ruchu miejskiego

Skalowalna kontrola ruchu miejskiego ( SURTRAC ) to adaptacyjny system kontroli ruchu opracowany przez naukowców z Instytutu Robotyki Uniwersytetu Carnegie Mellon . SURTAC dynamicznie optymalizuje sterowanie sygnalizacją świetlną , aby poprawić płynność ruchu zarówno w sieciach miejskich, jak iw korytarzach; cele optymalizacji obejmują mniej czekania, mniejsze natężenie ruchu , krótsze podróże i mniej zanieczyszczeń. Podstawowy silnik sterowania łączy sterowanie skrzyżowaniami oparte na harmonogramie ze zdecentralizowanymi mechanizmami koordynacji. Od czerwca 2012 r. pilotażowe wdrożenie systemu SUTRAC zostało wdrożone na dziewięciu skrzyżowaniach w dzielnicy East Liberty w Pittsburghu w Pensylwanii. SUTRAC skrócił czas podróży średnio o ponad 25%, a czas oczekiwania skrócił się średnio o 40%. Druga faza programu pilotażowego dla Placu Piekarniczego District działa od października 2013 roku. W 2015 roku powstała firma Rapid Flow Technologies w celu komercjalizacji technologii SUTRAC. Główny wynalazca tej technologii, dr Xiao-Feng Xie, oświadcza, że nie ma powiązań z tą firmą i nie zapewnia jej wsparcia technicznego.

Projekt

Konstrukcja systemu SUTRAC ma trzy cechy. Po pierwsze, podejmowanie decyzji w SURTRAC przebiega w zdecentralizowany . Zdecentralizowana kontrola poszczególnych skrzyżowań umożliwia lepszą reakcję na lokalne warunki drogowe w czasie rzeczywistym. Decentralizacja ułatwia skalowalność , umożliwiając stopniowe dodawanie kontrolowanych skrzyżowań w czasie przy niewielkich zmianach w istniejącej sieci adaptacyjnej. Zmniejsza również możliwość wystąpienia scentralizowanego wąskiego gardła obliczeniowego i pozwala uniknąć pojedynczego punktu awarii w systemie.

Drugą cechą charakterystyczną projektu SUTRAC jest nacisk na reagowanie w czasie rzeczywistym na zmieniające się warunki ruchu drogowego. SURTRAC przyjmuje perspektywę czasu rzeczywistego wcześniejszych metod kontroli skrzyżowań opartych na modelach, które próbują obliczyć plany kontroli skrzyżowań, które optymalizują rzeczywiste napływy ruchu. Poprzez przeformułowanie problemu optymalizacji jako problemu planowania pojedynczej maszyny , podstawowy algorytm optymalizacji nazywany algorytmem sterowania skrzyżowaniami sterowanym harmonogramem jest w stanie obliczać zoptymalizowane plany sterowania skrzyżowaniami w rozszerzonym horyzoncie czasowym, sekunda po sekundzie.

Trzecią cechą charakterystyczną projektu SURTRAC jest zarządzanie miejskimi (przypominającymi siatkę) sieciami drogowymi, w których występuje wiele rywalizujących dominujących przepływów, które zmieniają się dynamicznie w ciągu dnia i gdzie określonych dominujących przepływów nie można z góry określić (jak w arteriach lub głównych skrzyżowaniach dróg ) . Aplikacje). Sieci miejskie często mają również blisko rozmieszczone skrzyżowania, co wymaga ścisłej koordynacji kontrolerów skrzyżowań. Połączenie rywalizacji o dominujące przepływy i gęsto rozmieszczone skrzyżowania stanowi wyzwanie dla wszystkich adaptacyjnych systemów sterowania ruchem. SUTRAC dynamicznie określa dominujące przepływy, stale komunikując przewidywane odpływy sąsiadom w dole rzeki. Informacje te dają każdemu kontrolerowi skrzyżowania bardziej świadomą podstawę do lokalnego równoważenia konkurencyjnych napływów, jednocześnie promując tworzenie większych „ zielonych korytarzy ”, gdy wymagają tego warunki przepływu ruchu.

Krytyka

System SUTRAC wykorzystuje kamery telewizji przemysłowej do wykrywania warunków ruchu drogowego. Nadzór miejsc publicznych za pomocą sieci CCTV był krytykowany jako umożliwiający totalitarne formy rządów poprzez podważanie zdolności ludzi do anonimowego poruszania się . Obrazy zebrane przez kamery CCTV mogą być analizowane przez automatycznego rozpoznawania tablic rejestracyjnych , umożliwiające w pełni zautomatyzowane śledzenie pojazdów na podstawie tablic rejestracyjnych (tablic rejestracyjnych), które noszą. Podobnie oprogramowanie do rozpoznawania twarzy może analizować takie obrazy, aby identyfikować i śledzić ludzi na podstawie kształtu ich twarzy. Jednak używany typ kamer wideo nie ma wystarczającej rozdzielczości do wykrywania tablic rejestracyjnych lub rozpoznawania twarzy.

Sugerowano, że korzyści płynące z optymalizacji ruchu nigdy nie zostały naukowo uzasadnione. Z natury faworyzuje ruch zmotoryzowany w stosunku do alternatywnych środków transportu, takich jak piesi, rowerzyści i użytkownicy transportu publicznego, i może promować częstsze korzystanie z samochodów.

Zobacz też

Inne adaptacyjne systemy sterowania ruchem

Skoordynowany adaptacyjny system ruchu w Sydney

Linki zewnętrzne