НЕЙРОСЕТЕВЫЕ ПОДХОДЫ К УПРАВЛЕНИЮ ПОТОКАМИ ТРАНСПОРТА

Обложка

Цитировать

Полный текст

Аннотация

В работе рассматривается задача оптимального управления транспортными потоками. Представлена математическая модель для управления сигналами светофоров на основе теории управляемых сетей в виде системы нелинейных конечномерно-дифференцируемых уравнений. Для представления сети дорог большого размера в модели используются матрицы связей, которые описывают связи между входными и выходными участками подсетей. Управление транспортным потоком достигается за счет изменения активных фаз светофоров. Задачей управления является минимизация разницы между суммарным входным и выходным потоками всех подсетей. В статье представлен нейросетевой подход для корректировки параметров сети дорог.

Об авторах

Давид Эдуардович Казарян

Инженерная академия Российский университет дружбы народов

Email: kazaryan.david@gmail.com
старший преподаватель департамента механики и мехатроники ул. Миклухо-Маклая, 6, Москва, Россия, 117198

Василий Андреевич Михалев

Инженерная академия Российский университет дружбы народов

Email: vasiliy.mihalev@yandex.ru
аспирант департамента механики и мехатроники ул. Миклухо-Маклая, 6, Москва, Россия, 117198

Елена Анатольевна Софронова

Инженерная академия Российский университет дружбы народов

кандидат технических наук, заместитель директора по научной работе, доцент департамента механики и мехатроники ул. Миклухо-Маклая, 6, Москва, Россия, 117198

Список литературы

  1. M.J. Ligthill and F.R.S. Whitham. “On kinetic waves II. A theory of traffic flow on crowded roads”, Proc. of the Royal Society Ser. A., vol. 229, № 1178, pp. 317-345, 1995.
  2. V. Mauro. “Road Network Control”. In M. Papageorgious, editor, Concise Encyclopedia of Traffic and transportation Systems. Advanced in Systems, Control in Information Engineering, pp. 361-366. Pergamon Press, 1991.
  3. S.A. Ardekani and R. Herman. “Urban Network-Wide Variables and Their Relations”, Transportation Science, vol. 21, № 1, 1987.
  4. A.A. Assad. “Multicommodity network flows - a survey”, Networks, vol. 8, № 1, pp. 37-91, 1978.
  5. T. Peter. “Modeling nonlinear road traffic networks for junction control”, Int. J. of Applied Mathematics and Computer Sciences, 2012, vol. 22, No. 3, pp. 723-732.
  6. K.-H. Chao, R.-H. Lee, M.-H. Wang “An Intelligent Traffic Light Control Based on Extension Neural Network” Proceedings 12th International Conference, KES 2008, Zagreb, Croatia, September 3-5, 2008, Part I. pp. 17-24.
  7. J. Hu, D. Zhao, F. Zhu “Neural network based online traffic signal controller design with reinforcement training” Proc. 14th International IEEE Conference on Intelligent Transportation Systems (ITSC). 5-7 Oct. 2011. Pp. 1045-1060.
  8. A.I. Diveev. “Controlled networks and their applications”, Computational Mathematics and Mathematical Physics, vol. 48, № 8, pp. 1428-1442, 2008.
  9. G.H.A. Alnovani, A.I. Diveev, K.A Pupkov and E.A. Sofronova. “Control Synthesis for Traffic Simulation in the Urban Road Network”. Proc. of the 18th IFAC World Congress, Milano, Italy August 28 - September 2, 2011, pp. 2196-2201.
  10. A.I. Diveev and E.A. Sofronova. “Synthesis of Intelligent Control of Traffic Flows in Urban Roads Based on the Logical Network Operator Method”, Proceedings of European Control Conference (ECC-2013) July 17-19, 2013, Zürich, Switzerland, pp. 3512-3517.
  11. A. Diveev, E. Sofronova, V. Mikhalev 2016 IEEE International Conference on Systems, Man, and Cybernetics, SMC 2016 - Conference Proceedings 7844705, pp. 3051-3056.
  12. Tu, Y.L., W.J. Zhang, X.Liu., W. Li, C-L. Chai, Ralph Deters et al., 2008. A disaster response management system based on control systems technology, Int. J. of Critical Infrastructures, 4(3), pp. 274-285.
  13. J.W. Wang, W.H. Ip, W.J. Zhang. An integrated road construction and resource planning approach to the evacuation of victims from single source to multiple destinations. Intelligent Transportation Systems, IEEE Transactions on 11 (2), 277-289.
  14. J.C. Chedjou, K. Kyamakya. Cellular neural networks based local traffic signals control at a junction/intersection. Proceedings of the 1st IFAC Conference on Embedded Systems 2012 (CESCIT-2012) 3-5 April, 2012, Wurzburg, Germany, pp. 81-85.
  15. S. Araghi, A. Khosravi, D. Creighton. Optimal design of traffic signal controller, using neural networks and fuzzy logic systems. Proceedings of the International Joint Conference on Neural Networks 2014 (IJCNN) 6-11 July, 2014, Beijing, China, pp. 42-47.
  16. G.B. Castro, J.C. Martini, A. Hirakawa. Biologically-inspired neural network for traffic signal control. Proc. of 17th International Conference on Intelligent Transportation Systems 2014 (ITSC) 8-11 October, 2014, Quingdao, China, pp. 2144-2149.
  17. W. Genders, S. Razavi. Using a deep reinforcement learning agent for traffic signal control.Submited to IEEE for publication on 3 November 2016.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).