Odporny system sterowania ruchem drogowym bazujący na optymalizacji wielokryterialnej

• Autorzy: Cieślewicz Dobrosław

Identyfikatory

DOI

10.14313/PAR_238/11

Warianty tytułu

EN

Fault Tolerant Traffic Control System Based on Multiobjective Optimization

• Języki publikacji: PL

Abstrakty

PL

Model matematyczny jest uproszczonym odwzorowaniem pewnych zjawisk, które uwzględnia jedynie cechy istotne. W dzisiejszych czasach coraz większym problemem stają się przeciążone infrastruktury drogowe, szczególnie w większych ośrodkach miejskich. Problem ten można w pewnym stopniu zredukować, stosując zaawansowane algorytmy sterowania. W niniejszym artykule podjęto próbę sterowania przepływem ruchu drogowego w skali makroskopowej. W tym celu użyto adaptacji dyskretnego, nieliniowego modelu matematycznego. Przy wykorzystaniu środowiska programistycznego MATLAB opracowano i zoptymalizowano układ sterowania niewielką siecią komunikacyjną. Następnie, zakładając przykładowy scenariusz, przeprowadzono dla tej sieci badania symulacyjne.

EN

The mathematical model is a simplified representation of certain phenomena, which takes into account only the essential features. Nowadays, congested road infrastructures are becoming a growing problem, especially in larger urban centres. This problem can be somewhat reduced by using advanced control algorithms. This article attempts to control the traffic flow on a macroscopic scale. For this purpose, a discrete, nonlinear mathematical model was adopted. Using the MATLAB programming environment, a control system for a small communication network was developed and optimised. Then, assuming a sample scenario, simulation studies were conducted for this network.

Słowa kluczowe

PL

model matematyczny; ruch drogowy; sterowanie dyskretne; optymalizacja wielokryterialna; symulacja

EN

mathematical model; traffic flow; discrete control; multiobjective optimisation; simulation

• Wydawca: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów PIAP
• Czasopismo: Pomiary Automatyka Robotyka
• Rocznik: 2020
• Tom: R. 24, nr 4
• Strony: 11--18
• Opis fizyczny: Bibliogr. 17 poz., rys., tab., wykr., wzory

Twórcy

autor

Cieślewicz Dobrosław

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, ul. Sikorskiego 37, 70-313, Szczecin (student)

Bibliografia

• 1. Krawiec S., Celiński I., Alternatywny rozwój systemów obszarowego sterowania ruchem drogowym. „Prace Naukowe Politechniki Warszawskiej. Transport”, Z. 73, 2010, 45-60.
• 2. Marczak M., Kozłowski R., Budowa inteligentnych systemów transportowych jako szansa dla zrównoważonego rozwoju regionów. „Ekonomia i Zarządzanie”, Nr 2, 2014, 34-42, DOI: 10.12846/j.em.2014.02.03.
• 3. Oskarbski J., Kuprewicz G., Priorytety dla transportu zbiorowego z wykorzystaniem systemu sterowania ruchem. „Logistyka”, Nr 3, 2014, 4878-4887.
• 4. Gaca S., Suchorzewski W., Tracz M., Inżynieria ruchu drogowego. Teoria i praktyka, Wydawnictwa Komunikacji i Łączności WKŁ, Warszawa 2011.
• 5. Abrahamowicz E., Orłowski P., Model matematyczny przepływu ruchu ulicznego w skali makroskopowej, „Pomiary Automatyka Robotyka”, R. 21, Nr 3/2017, 5-10, DOI: 10.14313/PAR_225/5.
• 6. Kotsialos A., Papageorgiou M., Diakaki C., Pavlis Y., Middelham F., Traffic flow modeling of large-scale motorway networks using the macroscopic modeling tool METANET. „IEEE Transactions on intelligent transportation systems”, Vol. 3, No. 4, 2002, 282-292, DOI: 10.1109/TITS.2002.806804.
• 7. Filipowicz B., Kwiecień J., Algorytmy stadne w problemach optymalizacji. „Pomiary Automatyka i Robotyka”, R. 15, Nr 12, 2011, 152-157.
• 8. Topolska K., Topolski M., Błachut B., Haber M., Piekarz A., Zastosowanie fuzji klasyfikatorów rozmytych i genetycznych w zadaniu sterowania sygnalizacją świetlną. „Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka”, Vol. 2, 2012, 30-33.
• 9. Mathworks: Genetic Algorithm. Global Optimization Toolbox, 2020, [www.mathworks.com/help/gads/ga.html].
• 10. Horn J., Nafpliotis N., Goldberg D. E., A niched Pareto genetic algorithm for multiobjective optimization. „Proceedings of the First IEEE Conference on Evolutionary Computation. IEEE World Congress on Computational Intelligence”, Orlando, FL, Vol. 1, 1994, 82-87, DOI: 10.1109/ICEC.1994.350037.
• 11. Hao W., Ma C., Moghimi B., Fan Y., Gao Z., Robust Optimization of Signal Control Parameters for Unsaturated Intersection Based on Tabu Search-Artificial Bee Colony Algorithm. „IEEE Access”, Vol. 6, 2018, 32015-32022, DOI: 10.1109/ACCESS.2018.2845673.
• 12. Zhou Z., De Schutter B., Lin S., Xi Y., Two-Level Hierarchical Model-Based Predictive Control for Large-Scale Urban Traffic Networks. „IEEE Transactions on Control Systems Technology”, Vol. 25, No. 2, 2017, 496-508, DOI: 10.1109/TCST.2016.2572169.
• 13. Tettamanti T., Luspay T., Kulcsár B., Péni T., Varga I., Robust Control for Urban Road Traffic Networks. „IEEE Transactions on Intelligent Transportation Systems”, Vol. 15, No. 1, 2014, 385-398, DOI: 10.1109/TITS.2013.2281666.
• 14. Chen K., Zhao J., Knoop V. L., Gao X., Robust Signal Control of Exit Lanes for Left-Turn Intersections With the Consideration of Traffic fluctuation. „IEEE Access”, Vol. 8, 2020, 42071-42081, DOI: 10.1109/ACCESS.2020.2977134.
• 15. Kang K., Chang G., A robust model for optimal time-of-day speed control at highway work zones. „IEEE Transactions on Intelligent Transportation Systems”, Vol. 7, No. 1, 2006, 115-123, DOI: 10.1109/TITS.2006.869605.
• 16. Orłowski P., Hybrid, discrete-time distributed parameter mathematical model for road traffic with control l. [in:] 16th International Conference on Control, Automation, Robotics and Vision (ICARCV). IEEE, 2020.
• 17. Gajda J., Sroka R., Stencel M., Żegleń T., Pomiary parametrów ruchu drogowego. „Pomiary Automatyka Kontrola”, Vol. 48, Nr 5-6/2002, 5-9.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).