BUDAPEST MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSAUTOMATIKAI TANSZÉK Bécs Tamás KÖZÚTI KÖZLEKEDÉSI RENDSZEREK MODELLEZÉSE ÉS SZTOCHASZTIKUS SZIMULÁCIÓJA Tézsfüzet Témavezető: Dr. Péter Tamás BUDAPEST 008
Bevezetés A kutatás téma dőszerűsége A közlekedés folyamatok korunk nélkülözhetetlen eleme, ezáltal a személy-, és áruszállítás gényenek kszolgálása alapvető feladat. A közlekedésnek a gazdaság és az egyén életében s meghatározó szerepe van. A közlekedés problémá, a fennakadások, a gyakor torlódások, a balesetek, széles területen gen súlyos hatást gyakorolnak életünkre. Mndez fokozza az gényt a közlekedés fejlesztése és egyre modernebb eszközökkel történő tervezése ránt. (EU Közlekedéspoltka 00 0 Fehér Könyv. Magyar Közlekedéspoltka 003 5, NFT. Az utóbb évtzedekben jelentős növekedés tapasztalható a közlekedés gények területén. Ennek hatására egyre nkább elmélyültek az nfrastruktúra kapactásproblémá, annak ellenére, hogy az nfrastruktúra fejlesztése s folyamatosan történk. A probléma jelenléte gen krívó a város közlekedésben, ahol a terjeszkedésre már nncs megfelelő lehetőség. Ebből következk, hogy ezen a területen a közlekedésszervezés szerepe a meghatározó. A kutatás módszertana, fő célktűzések A forgalom khívásara adott válaszoknak több felhasználás lehetősége van. A három legjellemzőbb felhasználás terület a következő: [Kach99]. Forgalomtervezés: Igények tervezése, utazás dő előrejelzése, útvonalgenerálás, útvonalelosztás, lletve a vezérlés mód kválasztása, melyeknek az a célja, hogy lássuk egy új út, vagy az adott területen végrehajtott változás hatásat.. Szmulácók: Létező forgalm szabályozások összehasonlítására lehet felhasználn. A forgalomtervezés analzálására képes, feltétele az adott O-D (Orgn-Destnaton, nduló-érkező vszonyok meghatározása. 3. Valósdejű forgalomszabályozás: A valóságos forgalom rányítása, felhasználva az adott helyen és dőben a forgalom vselkedését és alakulását. A szabályozás különösen fontos a valósdejű forgalomszabályozásnál, de a másk két esetben s jól felhasználható. Értekezésem a közlekedés folyamatok modellezésével és szmulácójával foglalkozk, és nem foglalkozk a közlekedéstervezés emprkus, analtkus módszerevel. A forgalom vzsgálatának megközelítés módjat legjobban Papageorgou [Papa98] foglalja össze, ezek alapján az alább szempontok szernt oszthatjuk fel a rendszereket: A független változók reprezentálása (folyamatos, dszkrét, szem-dszkrét; Modellek részletessége (szubmkroszkopkus, mkroszkopkus, mezoszkopkus, makroszkopkus; /
Folyamatok reprezentácója (determnsztkus, sztochasztkus; Működés (analtkus, szmulácó; Az alkalmazás részletessége (hálózat, csomópontok. A modellezés probléma vzsgálata közben a szmulácó gen sok alakot ölthet és számos alkalmazása lehetséges. Ennek oka az, hogy a szmulácóval vzsgálható problémák nagyon változatosak és sokfélék lehetnek. Ennek során létezk néhány alapvetőnek elfogadott lépés [Vásá85, Leb97]:. Probléma defnálása: A modellalkotás céljának megfogalmazása a várt eredmények fgyelembevételével.. A vzsgálandó rendszer lebontása: A rendszer elemenek, és a köztük levő kölcsönhatások vzsgálata. A szükséges bemenő nformácók meghatározása. 3. A modell fejlesztése: Matematka, lletve számítógép modell kalakítása. 4. A modell kalbrálása: Adatok gyűjtése és modellbe való beépítése, a mnél nagyobb hatékonyság érdekében. 5. Verfkácó: A modell működésének vzsgálata, melynek célja annak ellenőrzése, hogy a számítógép modell a matematka modellnek megfelelően működk-e. Ez a vzsgálat az egész modellre, lletve annak részere s elvégezhető. 6. Valdácó: Annak ellenőrzése, hogy a modell az elvárt tűréshatáron belül megfelelően leképez-e a valós rendszert? 7. Dokumentácó: A szmulácó végrehajtása során nyert jellemzők értékenek automatkus feljegyzése és kértékelése, és ezen eredmények közlése, nterpretálása. A szmulácó futtatásánál, lletve vzsgálatánál felmerülhet az a veszély, hogy akár fgyelmetlenség, akár a valóság helytelen feltárása matt a készített modell nem alkalmazkodk a valósághoz, vagy valamlyen specáls esetben nem működk megfelelően. Ennek kküszöbölése érdekében be kell tartan néhány alapvető modellalkotás szabályt: Nem szabad elfogadn olyan feltevést, amelynek hatása és érvényesség köre nncs tsztázva. Nem szabad olyan változókat bevnn a modellbe, melyek nncsenek kellően defnálva, lletve számszerűsítve, és vszonyuk a több változóval nem tsztázott. Nem szabad túlzottan leegyszerűsíten a modellt, mert ez a realtás rovására mehet. A gyakorlat megvalósíthatóság érdekében a modell bonyolultságának féken tartása. /
Az értekezésben, a hozzá kapcsolható kutatás során felépített rendszer fejlesztésének főbb eredménye kerülnek smertetésre az alább fő, fejezetekbe rendezett témakörök mentén: Modellezés, amely során a mkroszkopkus forgalm modellezés fő ránymutatása és az smert modellek bemutatása mellett egy új, Fuzzy alapú mkroszkopkus modell kerül bemutatásra. Adatgyűjtés, a vdeó alapú forgalommérés technkájának bemutatása. Identfkácó, melyben a mért adatok feldolgozása mellett a mkroszkopkus modellek paraméterenek meghatározása kerül smertetésre. Szmulácós rendszer építése. A fejezet egy jól bővíthető, többféle kutatás célra felhasználható, a kfejlesztett követés modell segítségével épített szmulácós rendszert smertet. Mntaalkalmazások, melyben a szoftverkörnyezet modulartása kerül bemutatásra négy példán keresztül, melyből kettő külső kutatás támogatása, egy az dentfkált modellek mnőség vzsgálatával, valdálásával foglalkozk, míg az utolsó egy soft-computng alapú forgalombecslő alkalmazást smertet. Az értekezés tudományos eredménye Megvzsgáltam az rodalomban található klasszkus mkroszkopkus modelleket, különös tekntettel: a Nagel-Schreckenberg modellcsoportra; a Gazs-Herman-Rothery (GHR modellre; a Bztonságos távolság és ütközés elkerülés modellekre; a Lneárs (Helly modellekre; a Pszchofzka, vagy Acton Pont (AP modellekre; Fuzzy struktúrát alkalmazó modellekre. Fgyelembe véve a modellezéssel és a járművezető pszchológával foglalkozó rodalom ajánlásat, kdolgoztam a fuzzy típusú követés modellek fejlesztésének gyakorlat krtérumat, amely a következő 5 pontban foglaltakra tér k: A Fuzzy halmazok számosságára, ebből következően a Bemenő változók partconálásának szűkítésére, A több dmenzós partícó elvégzésére, A halmazonként (állapotonként történő defuzzfkácóra, A teljességre. 3/
Ezen szempontok alapján fejlesztettem modellt:. tézs: Olyan mkroszkopkus, dszkrét dejű járműkövetés modellt dolgoztam k, amely kétszntes, Fuzzy-Sugeno alapú. A követés állapottér partconálásával és másodk lépcsőben újabb döntéshozással, valamnt a járművezető különbségek megkülönböztetésével határozza meg a modell kmenetét. Az. tézs a [, 3] publkácókon alapul. A modell, a bemenet változók közül a sebesség partconálását hagyja el. A sebességet segédbemenetként alkalmazza a követés távolság partconálásához: D Közel : DF Távol : DF Közeledés : DV Távolodás : DV = v( p r + p ( b dx = ( b a 0 ( dx a = ( b a 0 ( d = ( d + p r + p dv c 0 3 ( dv c = ( d c 0 a 4 + v T, ( dx D < a a dx D b dx D > b dx D dx D dx D c d < a > b dv < c dv > d dv < c dv > d b dv d dv d A felvett partícók alapján a teljes teret négy állapot fed le: Α = { A ; [,4] } A ( dx, dv = t( DF( dx, DV ( dv A ( dx, dv = t( DF( dx, DV ( dv A3 ( dx, dv = t( DF ( dx, DV ( dv A ( dx, dv = t( DF ( dx, DV ( dv 4 Ezek felhasználásával a lehetséges kmenetet az alább algortmus szolgáltatja: ( (3 (4 4/
ábra: a dspe = n j= PS ( v A n j= j j, v DS ( v a, med, amed ; a d = m k = m DF ( x D k = k k DF ( x D A j (.. n ; k (.. m = adsper + ad ( r ; r [0;],(5, = ( p5 + p6r amed,, a ; > 0 maxamed amed f =,, amnamed ; amed 0 A kdolgozott modell egy lehetséges gyorsítás-dagrammját smertet az., f j. ábra: A Fuzzy követés modell 5 m/s-hoz tartozó gyorsításdagramja A másodk tézskör mkroszkopkus bemenet adatsorokon alapulva valósítja meg a követés modellek paraméterenek meghatározását. A mérés adatok feldolgozása során szükséges az adatsorok járműregsztrácójának, pozícósmításának, követett jármű keresésének elvégzése. A kapott adatsor felhasználásához szükség van az dentfkálandó modell struktúrájára. Az algortmus ezek után két alapvető, párhuzamosan futó optmumkeresés eljárást alkalmaz, melyek közül az első a globáls modellparaméterek meghatározásáért felel, és olyan szmulált hűtéssel támogatott genetkus algortmust alkalmaz, amely: 5/
eltsta (5%-ban; valós génreprezentácóval rendelkezk; a ftnessértéket, a szmulált hűtés random(t függvényével módosító; a szelekcót így abszolút sorbarendezéssel valósítja meg; a mutácót random(t sugárban végz; teljes rekombnácót alkalmaz; állandó populácómérettel bír. A másodk algortmus felel az egyén különbségek meghatározásáért, amelyet a modellekbe épített ndvduáls változók reprezentálnak. Ebben az esetben a sebesség krtkus tényező, így a keresés ntervallum [0,] ekvdsztáns felosztásaból ndított gradens eljárást alkalmazza. Az algortmus működését a. ábra mutatja be.. tézs: Kdolgoztam a mkroszkopkus közút követés modellek paramétermeghatározásának egy olyan módszerét, amely mért mkroszkopkus adatsort felhasználva, képes a modellparaméterek és az ndvduáls különbségek egydejű meghatározására. A. tézs a [6, 0, ] publkácókon alapul. Incalzálás Egyed: Követés modell paramétere Egyed: Járművezetők paramétere Metódus: Szmulált hűtéses genetkus algortmus Metódus: Gradens módszer Általános paraméterek meghatározása Loop Egyed paraméterek meghatározása Loop. ábra: Az optmumkeresés menete A kdolgozott algortmus a globáls és az ndvduáls paraméterek egydejű meghatározásában használható fel. A szoftverstruktúra fejlesztését bemutató fejezet tudományos eredményet foglalja össze a 3. tézs. A fejlesztés célja olyan archtektúra létrehozása volt, amely képes különböző modelleket és különböző sztuácókat magába építen. A 6/
környezet a dnamkusan felépített osztálystruktúrára és a modulárs jellegre fektet a hangsúlyt. A környezet tartalma: Hálózat leírása; Szereplők leírása; Alapvető forgalomtechnka objektumok leírása; Járműgenerálás; Szmulácós kernel (mag; Alapvető járművezető döntések. Ezen funkcók mellett egy dnamkusan programozható ősosztály bevezetésével egyéb objektumok, lletve nterfészek defnálására van lehetőség. A környezethez tartozk egy, a hálózat leírásához, lletve a tesztesetek futtatásához szükséges Scrpt-nyelv fejlesztése s. 3. tézs: Olyan kutatás célú modulárs közút forgalom-szmulácós keretrendszer struktúráját dolgoztam k, amely alkalmas a közút forgalom egyszerű modellezésére és rugalmasan bővíthető. A 3. tézs a [, 3, 4] publkácókon alapul. A fejlesztett szoftver felhasználás lehetőséget bemutató fejezet eredménye alapján született az értekezés 4. és 5. tézse. Az. tézs útmutatása alapján fejlesztett modell optmalzálását az értekezés 4. fejezete smertet, melynek eredményet a. tézsben foglaltam össze. Szükséges azonban az ly módon felvett paraméterekkel bíró modell teljesítményének vzsgálata. Mvel a modell teljesítményét önmagában nehéz értékeln, ezért az összehasonlítás érdekében 4 másk modell paraméterdentfkácóját és értékelését s elvégeztem. A vzsgált modellek: Gazs-Herman-Rothery (GHR; [Gaz59, Chan58] Gpps (Amsun; [Gpp8, Bern99, Barc04] Wedemann (Vssm; [Wed9, Fell97, Fell0, Fell00] egyszerű fuzzy modell; Fuzzy állapotokon alapuló modell. A modellek értékelését két szempont alapján végeztem el. A mkroszkopkus vselkedés vzsgálata során a kétszereplős vzsgálatban stablnak bzonyult modellek stabltását vzsgáltam egy adott útszakaszon, dnamkusan változó forgalom mellett. Ennek során két tényező, a ráfutás és a krtkus megközeltés számosságát fgyeltem. A makroszkopkus vzsgálat ugyanezen sztuácó mellett, a szakaszon 7/
folyó makroszkopkus forgalm jelleg referencamodellel történő összevetésével történt. A saját modell teljesítményét a 3. ábra., lletve a 4. ábra szemléltet: 3. ábra: A Fuzzy modell mkroszkopkus és makroszkopkus jellemzőnek értékelése, referencamodellel 4. ábra: A Fuzzy modell teljes adatsorra vetített eltérésdagramja, lletve az 5 m/s sebességhez tartozó ránymező-metszet 8/
4. tézs: Módszert dolgoztam k a mkroszkopkus közút forgalm modellek értékelésére. A módszer felhasználásával értékeltem az. tézs szernt kdolgozott, és a. tézsnek megfelelően optmalzált modell eredményet, összevetve az rodalom más modelljevel. A 4. tézs a [, ] publkácókon alapul. A modulárs szmulácós rendszer egyk nagy előnye, hogy általa olyan sztuácókat s lehet teszteln, amelynek gyakorlat mérése nem megvalósítható egy rendszer fejlesztés szakaszában, lletve olyan sztuácók elődézése van mód (pl. a balesetek okozta torlódás amelyek komoly aggályokat vetnek fel forgalombztonság, így társadalm sznten s. Az lyen sztuácók felsmeréséhez, lletve menedzseléséhez szükséges az olyan rendszerek fejlesztése, amelyek megfelelően kezelk a hasonló eseteket, így javítva a közút hálózat bztonságát, lletve teljesítményét. Egy lyen lehetőség az ún. ncdensdetektálás, amelynek kterjedt rodalma van, és amelyre a forgalombecslésen keresztül egy lehetséges megvalósítást ad az 5. tézs: 5. tézs: Adaptív Fuzzy-Sugeno típusú makroszkopkus modell felhasználásával eljárást dolgoztam k autópálya forgalombecslésének megvalósítására. Az 5. tézs az [, ] publkácókon alapul. A kdolgozott algortmus egy autópálya-szakasz, lletve több egybefüggő szakasz végpontjan elhelyezett keresztmetszet forgalommérés alapján alkalmas a forgalombecslés megvalósítására a forgalom sűrűségének becslésével. Így a bemenő keresztmetszet adatok alapján képezett elmélet forgalomsűrűség és a két végpont mérésének különbségéből adódó valós járműszám összevetésével lehet az adott szakaszon baleset, vagy egyéb közlekedés anomála észlelését végezn. Az algortmus lényege, hogy a beáramló forgalomnagyság alapján egy Sugeno típusú makroszkopkus forgalm modell segítségével becsl a járművek szakaszon töltött dejét, így meghatározva a szakasz terhelését. Felépítéséhez akármelyk klasszkus makroszkopkus modell felhasználható lenne, azonban a valós körülmények változása (dőjárás, szezonáls, útmnőség lletve láthatóság vszonyok dőről-dőre más-más forgalm jelleget ndkálnak. Ennek megfelelően szükséges olyan modellt alkalmazn, amely adaptív jelleggel bír, azaz e változásokat képes követn. Ennek céljából egy mkropopulácós genetkus algortmus, mely alacsony egyedszáma révén valós dőben képes az optmalzácót elvégezn került beépítésre. Az optmalzácó ezek után elvégezhető ndvduálsan, vagy az összefüggő szakaszokra közösen. Az új tudományos eredmények gyakorlat hasznosítása Értekezésem a közút forgalom modellezésével és szmulácójával foglalkozk, struktúrája és tartalma a témában végzett fontosabb kutatásamat 9/
foglalja össze. A kutatás célja mnden esetben felhasználható, mplementálható, adott esetben valós dejű végrehajtásra alkalmas algortmusok, eljárások, struktúrák létrehozása volt, így mnden esetben a kdolgozott struktúrák számítástechnka megvalósítása s megtörtént. Ennek keretében szoftveres megoldásokat fejlesztettem: a vdeó alapú forgalommérés és adatgyűjtés céljából; az adatsorok feldolgozása és a modellek paraméter-meghatározásának céljából; a közút forgalom szmulácója céljából, mely a forgalom alapvető szmulácója mellett kapcsolódó modulja által képes: o a modellek mnőség jellemzőnek értékelésére; o más szoftverekkel való kommunkácóra; o az autópálya forgalombecslés megvalósítására. A szoftverek működése gazolja, hogy a kfejlesztett struktúrák működése megfelelő, futás sebességük összevethető más, az rodalomban fellelhető modellekével. A téma kutatása azonban jelen állapotában nem teknthető véglegesnek. A kutatás területet számos kutatás központ teknt kemelt témának, lévén az ntellgens közlekedés rendszerek fejlesztése fontos hozzájárulást jelent a növekvő közlekedés gényekre adott társadalm válaszhoz. Ebben gen nagy segítséget nyújt az nformácó- és kommunkácótechnológa rohamos fejlődése, mely egyre komplexebb real-tme rendszerek megalkotását tesz lehetővé. A tézsfüzetben meghvatkozott publkácók [Barc04] Barceló, J.: "AIMSUN Mcroscopc Traffc Smulator: A Tool for the Analyss and Assessment of Its Systems", Tech. Rep., TSS-Transport Smulaton Systems, 004 [Bern99] Bernauer, E. et al.: "Mcro-Smulaton Workshop", SMARTEST - Smulaton Modellng Appled to Road Transport European Scheme Tests, [onlne]:http://www.ts.leeds.ac.uk/smartest, 999 [Chan58] Chandler, R.E., Herman, R., and Montroll, E.W. : "Traffc Dynamcs: Studes n Car Followng", Operatons Research, vol. 6., 958, pp.65-84. [Fell97] Fellendorf, M.: "Parametrzaton of Mcroscopc Traffc Flow Models through Image Processng", n Proc. of. 8th IFAC Symposum on Transport, Chana, Crete, 997 [Fell00] Fellendorf, M., and Vortsch, P.: "Integrated Modelng of Transport Demand, Route Choce, Traffc Flow and Traffc Emssons", 79th Annual Meetng of the Transport Research Board, Washngton, 000 [Fell0] Fellendorf, M., and Vortsch, P.: "Valdaton of the Mcroscopc Traffc Flow Model VISSIM n Dfferent Real-World Stuatons", 00 0/
[Gaz59] Gazs, D.C., Herman, R., and Potts, R.B.,: "Car owng theory of steady state traffc flow", Operaton Research, Vol. 7, 959, pp.499-505. [Gpp8] Gpps, P.G.: "A Behavoural Car-owng Model for Computer Smulaton", Transportaton Research Part B, Issue, Pergamon, 98, pp.05-. [Kach99] Kachroo, P., and Özbay, K.: "Feedback Control Theory for Dynamc Traffc Assgnment", Sprnger, 999 [Leb97] Lebermann, E., and Rath, A.K.: "Traffc Smulaton", n Revsed Monograph on Traffc Flow Theory, Turner-Farbank Hghway Research Center, [onlne]:http://www.tfhrc.gov/ts/tft/tft.htm, 997 [Papa98] Papageorgou, M.: "Some Remarks on Macroscopc Traffc Flow Modellng", Transportaton Research A 3(5, 998, pp.33-39. [Vásá85] Vásárhely, B.: "A közút forgalom lefolyásának szmulácója", Közlekedéstudomány Intézet, Budapest, 985 [Wed9] Wedemann, R., and Reter, U.: "Mcroscopc Traffc Smulaton: The Smulaton System MISSION. Background and Actual State", CEC Project ICARUS (V05 Fnal Report, Vol. Appendx A. CEC, Brussels, 99 A szerzőnek az értekezéshez kapcsolódó tudományos közleménye [] Bécs, T., and Péter, T.: "An Adaptve Approach to Modelng Traffc Flow and Incdent Detecton on Hghways", Proceedngs of the 3rd Internatonal Conference on Global Research and Educaton n ntellgent Systems, Interacadema 004, Budapest, 004 [] Bécs, T., and Péter, T.: "Szmulácós környezet a közút forgalm folyamatok hatékony modellezéséhez", Közlekedéstudomány Szemle LV. évf. 5.sz., Budapest, 005, pp.70-78. [3] Bécs, T., and Péter, T.: "Sztochasztkus közút közlekedés folyamatok vzsgálata a modellezést szolgáló hatékony szmulácós környezetben", Intellgens közlekedés rendszerek és jármű-controll. Előírások a közlekedés bztonságának növelésére. Magyar Mérnökakadéma Symposum Budapest, 005, pp. 46-43. [4] Kulcsár, B., Bécs, T., and Varga, I.: "Estmaton of Dynamc Orgn Destonaton Matrx of Traffc Systems", Perodca Polytechnca Ser. Transp.Eng. Vol.33, No.-, 005, pp.4.márc. [5] Bécs, T., and Péter, T.: "Automatkus vdeo alapú forgalommérő szoftver fejlesztése, a forgalom modellezéséhez", A jövő járműve, járműpar nnovácó, I. évf. -, X-Medtor, Győr, 006, pp.4-7. /
[6] Bécs, T., and Péter, T.: "A Mxture of Dstrbutons Background Model for Traffc Vdeo Survellance", Perodca Polytechnca Ser. Transp.Eng. Vol.34, No., 006, pp.9.jan. [7] Bécs, T., and Berta, T.: "Effects on Speed of Traffc Calmng Tools Installed on Urban Roads", Proc.of Bztonságos utakon a XXI. században, Budapest, 006 [8] Bécs, T., and Péter, T.: "Forgalm modellek dentfkácója a vdeó-mérésből knyert paraméterhalmaz alapján, Techncal Report, BME EJJT, Budapest, 006 [9] Bécs, T., and Péter, T.: "Lakóterület sebességszabályozás forgalomtechnka tervezése", Innovácó és fenntartható felszín közlekedés, MMA, Budapest, 007 [0] Bécs, T., and Péter, T.: "Képfelsmerésen alapuló technológák gyakorlat felhasználása a közút közlekedés vzsgálatában", Innovácó és fenntartható felszín közlekedés, MMA, Budapest, 007 [] Bécs, T., and Péter, T.: "Mkroszkopkus követés modellek, a vezető különbségeket fgyelembevevő paraméterek meghatározására", A jövő járműve, járműpar nnovácó, III. évf. -, X-Medtor, Győr, 008. (megjelenés alatt [] Bécs, T., and Péter, T.: "Development and Evaluaton of a Fuzzy-based Mcroscopc Vehcle-owng Model", Perodca Polytechnca Ser. Transp.Eng., Budapest, 008. (megjelenés alatt /