Korszerű mérési és irányítási módszerek városi közúti közlekedési hálózatban Dr. Tettamanti Tamás BME Közlekedés- és Járműirányítási Tanszék 2013. november. 13. MTA KTB ünnepi tudományos ülése 1
A közlekedési igény kielégítése 150 éve 2
A közlekedési igények kielégítése ma 3
A városi közlekedés szerepe A föld lakosságának többsége városlakó. A városi közlekedés szerepe egyre nő. 1910 20% 1990 40% 2010 50% 2030 60% (WHO) A városi közlekedés összetett probléma. A fenntartható mobilitás biztosítható? 4
Válasz a kihívásokra Korszerű mérési és irányítási módszerek A modern irányításelmélet eredményeinek alkalmazása Tesztelés, validálás szimulációs keretrendszerrel 5
Költséghatékony járműszámbecslés városi úthálózaton 6
Sorhossz becslés Kalman-szűrővel 2 vagy akár 1 detektoros konfigurációban is A fordulási ráták és a store-and-forward modell alkalmazásával 7
Mobiltelefon cellainformációk forgalombecsléshez 8
Mobiltelefon-hálózat Telefonok által generált események A HO/LAU események értékes információk! pl. Helsinki pilot project: sebesség becslés Cél: átfogó közúti forgalombecslés! 9
Forgalommodellezés A vizsgálandó forgalmi területi egység a Location Area LAU eseményekből: Honnan-hová mátrix HO/LAU eseményekből: utazási idők 10
Közlekedési ráterhelés mobiltelefon események alapján A klasszikus közlekedési ráterhelés javítható a mobiltelefonok utazási idejével. Az érintett útszakaszok teljesítményfüggvénye korlátozható a mért utazási időkkel: Végeredményként pontosabb hálózati forgalomnagyságok becslése 11
Elosztott prediktív városi jelzőlámpás forgalomirányítás 12
Model Predictive Control (MPC) 13
Decentralizált MPC alapú városi forgalomirányítás Hálózati optimum, de elosztott számítással megvalósítva 14
Elosztott számítás megvalósítása A számítást a csomóponti vezérlők végzik elosztott módon, globális kommunikációval. Megoldás Jacobi-iterációs eljárással, ami párhuzamosítható! Az iterációs probléma M kisebb feladatra bontható. 15
Robusztus prediktív városi jelzőlámpás irányítás 16
Bizonytalanságok a városi közlekedési modellben A rendszerre ható zavarások nem szabályozhatók és gyakran nem ismertek A zavarások modell-bizonytalanságot okoznak. 17
Bizonytalansággal kibővített forgalommodell és szabályozás Bizonytalanságok figyelembevétele a modellben A forgalomszabályozás egy minimax optimalizálási feladat online megoldása: 18
A robusztus irányítás megoldása SDP feladatként Az NP-hard minimax feladatot szemidefinit optimalizálássá relaxálható [Löfberg(2003)]. Hatékony SDP alkalmazásával: 19
Futó kutatások Vegyes mérési technológiák alkalmazása FCD Mobiltelefon adatok Keresztmetszeti mérések Adatfúzió Forgalombecslés, előrejelzés, irányítás 20
Köszönöm a figyelmet! Dr. Tettamanti Tamás BME Közlekedés- és Járműirányítási Tanszék 21