Построение информационной транспортной модели



Построение адекватной информационной транспортной модели напрямую зависит от достоверности и качества исходных данных. На первой стадии построения модели достичь высоких результатов возможно только при использовании точных, актуальных и проверенных параметров транспортной сети. Без проведения данного этапа работ возникает большая вероятность получения различных неоднозначных выводов при анализе построенной модели, это явление может объясняться отсутствием корректных данных, используемых на начальном этапе.

Исходными данными для создания транспортной модели являются: качественная картографическая основа, данные о ширине улиц, информация об организации и управлении дорожным движением (количество и ширина полос движения, разрешенные направления движения, наличие односторонних улиц, улиц с приоритетом движения общественного транспорта). Также для создания модели регулируемых перекрестков необходима информация о режимах работы светофорных объектов. Помимо вышеперечисленных параметров, для создания моделей необходима информация о существующих транспортных и пешеходных потоках, а также их интенсивность на отдельных маршрутах моделируемых пересечений.

В качестве картографической основы, на которую наносятся магистрали и транспортные пересечения, может быть выбрана спутниковая растровая карта максимальной детализации доступная на сервисе Google (Планета Земля). При выборе картографической основы необходимо руководствоваться следующими критериями:

- максимальная детализация, позволяющая точно нанести дорожную сеть;

- максимальная точность отображения объектов (ошибка не более 1м на два километра) и ориентации карты.

Ширина дорог один из важнейших параметров, от которого напрямую зависят такие характеристики как пропускная способность магистралей, поток насыщения и т.д. Кроме того, при отсутствии разметки и знаков на дороге, именно исходя из ее ширины, водитель должен принимать решение о возможности движения в многополосном или последовательном режиме. Поэтому требуется выбирать такой метод работ, который позволит получить данный параметр с максимальной точностью.

Одним из современных инструментов для такого рода измерений является лазерный дальномер, который позволяет получить данные бесконтактным способом с максимальной точностью и минимальными временными затратами.

Информация об организации дорожного движения в городе включает в себя данные о количестве и ширине полос движения, разрешенных направлениях движения с определенных полос, наличии односторонних улиц, улиц с приоритетом движения общественного транспорта. Такого рода данные могут быть получены из результатов анализа разметки дорог и знаков особых предписаний.

Одним из основных параметров необходимых для построения информационной модели является интенсивность транспортных потоков. В терминах транспортного микромоделирования – это потоки транспорта на подходах к пересечению, интенсивность движения на отдельных маршрутах в пределах перекрестка, выходные потоки. Кроме того, при построении микромодели, учитывается также состав транспортного потока и информация по интенсивности пешеходного движения в пределах перекрестка (если оно присутствует), скорость, разрешенная на данном участке сети.

При достаточно большой интенсивности движения, которая наблюдается в часы пик, собрать полную информацию такого рода без применения технических средств весьма проблематично. В некоторой степени эту задачу можно решить за счет большого числа наблюдателей и длительного периода наблюдения, но такой вариант измерений также не позволит определить максимальную интенсивность движения, которая существует в течение короткого периода в часы пик, но именно этот период времени более всего интересен для исследования, как с научной, так и практической точки зрения.

Поэтому при проведении работ по определению интенсивности движения может использоваться видеонаблюдение за пересечением стационарной видеокамерой на штативе. Данный способ является одним из самых эффективных, так как позволяет получить видеозапись работы пересечения на основе, которой можно многократно производить анализ режима функционирования. При таком методе измерения все рассчитанные в течение длительного и различного времени потоки и маршруты, на самом деле существовали на перекрестке одновременно, что существенно улучшает качество исходных данных и самой информационной модели.

Построение информационной транспортной модели позволит определить важные параметры для оптимизации дорожного движения в городах и научно-обоснованно подойти к вопросу оптимизации регулируемых пересечений.

Литература:

1. Клинковштейн Г. И., Афанасьев М. Б. Организация дорожного движения: Учеб. для вузов. – 5-е изд., перераб. и доп. – М.: Транспорт, 2001. – 247 с.
2. Шемякин А.В., Кураксин, А. А. Методика исследования характеристик транспортного потока в центральной части города Рязань на основе технологий глобального спутникового позиционирования // Наука и техника транспорта. – 2016. – № 4. – С. 91-99.
3. Андреев К.П., Терентьев В.В. Современные проблемы городского пассажирского транспорта. // Научный альманах. – 2016. – № 11-2 (25). – С. 19-21
4. Кураксин, А. А., Шемякин А.В. Анализ производительности транспортной системы центральной части города Рязани на основе мезоскопического моделирования транспортных потоков. // Бюллетень транспортной информации. – 2016. – № 8. – С. 17-19.
5. Кураксин А.А., Шемякин А.В. Метод выявления узких мест в транспортной сети города на основе динамического моделирования транспортных потоков на мезоскопическом уровне. // Энерго- и ресурсосбережение: промышленность и транспорт. – Волгоград, 2016. – № 4 – С. 39-45.
6. Андреев К.П., Терентьев В.В., Кулик С.Н. Мероприятия по улучшению улично-дорожной сети. // Новая наука: Проблемы и перспективы. – Стерлитамак: АМИ, 2016. – № 115-2. – С. 156-158
7. Андреев К.П., Терентьев В.В. Информационное моделирование в проектировании транспортных сетей городов. // Новая наука: Теоретический и практический взгляд. – Стерлитамак: АМИ, 2016. – № 117-2. – С. 108-110
8. Терентьев В.В. Способы определения транспортного спроса. // Новая наука: Проблемы и перспективы. – Стерлитамак: АМИ, 2016. – № 121-3. – С. 231-233
9. Агуреев И.Е., Митюгин В.А., Пышный В.А. Подготовка и обработка исходных данных для математического моделирования автомобильных транспортных систем. // Известия Тульского государственного университета. Технические науки. – 2014. – № 6 – С. 119-127.
10. Пышный В.А. Моделирование загрузки транспортной сети. // Известия Тульского государственного университета. Технические науки. – 2012. – № 2 – С. 457-473.
11. Кураксин А.А., Шемякин А.В. Совершенствование методов оценки эффективности организации дорожного движения на основе применения технологий мезоскопического моделирования транспортных потоков // Сб. Информационные технологии и инновации на транспорте. – Орел, 2016. – С. 371-377.
12. Терентьев В.В. Анализ методов оценки матриц корреспонденций. // Новая наука: От идеи к результату. – Стерлитамак: АМИ, 2016. – № 12-3. – С. 162-164