0 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Воздух станет чище: светофоры с искусственным интеллектом распределят транспортный поток

Содержание

Искусственный интеллект поможет оставить проблему городских пробок в прошлом

Пустой перекресток и водитель, стоящий на светофоре в ожидании зеленого сигнала, хотя вокруг больше ни машины — типичная ситуация для современного мегаполиса. Искусственный интеллект (ИИ) мог бы исправить этот и другие досадные недостатки дорожного движения в городе.

Некоторые футурологи полагают, что в будущем городские дороги заполонят подключенные к интернету беспилотные смарткары, которым светофоры вовсе не нужны. Правда, для такого сценария с улиц должны исчезнуть автомобили под управлением людей и пешеходы, что вряд ли возможно в ближайшее время.

Человеческий фактор и светофоры пока никуда не денутся, но уже не за горами то будущее, в котором подключенные онлайн автомобили и «умные» светофоры сделают более комфортным и безопасным передвижение по городу для водителей и пешеходов, и обеспечат ряд других преимуществ, включая приоритетный проезд общественного транспорта и машин экстренных служб, а также снижение вредных выбросов от автомобилей.

ИИ-проект в Питтсбурге

Чтобы искусственный интеллект сотворил подобную «магию», нужны данные, много данных. С этой целью стартапы, работающие над передовыми технологиями, устанавливают на светофорах множество сенсоров для сбора информации, необходимой, чтобы понять причины дорожных заторов и научиться справляться с ними в режиме реального времени.

Один из таких проектов в американском Питтсбурге реализует софтверная компания Rapid Flow Technologies, история которой началась с научно-исследовательского проекта в университете Карнеги-Меллон в том же городе. Ее ИИ-система управления дорожным движением под названием Surtrac с помощью датчиков и камер координирует работу светофоров на перекрестках. К примеру, она может посылать команду на удлинение фазы зеленого сигнала для снижения загруженности того или иного участка.


ИИ-система управления дорожным движением Surtrac помогла на 42% уменьшить простой автомобилей на светофорах в оживленном районе Питтсбурга.

«Мы наладили связь между перекрестками. Это позволяет планировать дорожную нагрузку на них, исходя из данных их собственных сенсоров и «собратьев» на соседних улицах» , — рассказал в интервью The Wall Street Journal один из основателей Rapid Flow Грег Барлоу (Greg Barlow).

По его словам, использование Surtrac сократило время ожидания на светофорах на 42%. ИИ-система не только помогает водителям быстрее добираться до пункта назначения, но и снижает загрязнение воздуха от автомобильных выхлопов, поскольку машины меньше находятся на дорогах.

Rapid Flow не останавливается на достигнутом: компания разрабатывает новую функцию, которая позволит водителям загружать в систему запланированные маршруты. Эта информация сможет использоваться для подстройки режима работы светофоров, чтобы еще больше снизить время простоя автомобилей.

Поскольку проект в Питтсбурге пока охватывает лишь небольшую часть города, поначалу случались проблемы из-за скопления транспорта при выезде из зоны с «умными» светофорами в те районы, где ИИ-технология не используется. Однако искусственный интеллект преодолел и эту трудность: система стала распознавать заторы на границах своей зоны действия и принимать их во внимание при регулировании работы светофоров.

Проект Rapid Flow уже вышел за рамки Питтсбурга: компания установила датчики на 24 перекрестках в Атланте. Плюс к этому, система в чуть меньших масштабах внедряется в Портленде (штат Мэн), и Нидэме (штат Массачусетс).

Кроме того, власти Питтсбурга считают, что Surtrac может использоваться не только для улучшения ситуации на дорогах, но и для регулирования пассажиропотоков во внутригородской системе массовых перевозок. Местные чиновники уже обсуждают эту идею с Rapid Flow.

Прогнозирование трафика

Тем временем, британский стартап под названием Vivacity Labs выбрал несколько другой подход. В городе Милтон-Кинс на юго-востоке Англии компания с помощью изготовленных на заказ датчиков, установленных на светофорах по всему городу, собирает данные о характере движения транспорта. Предполагается, что в конечном итоге с помощью этой информации система сможет делать прогнозы относительно дорожного трафика и давать рекомендации водителям, а в дальнейшем — регулировать работу светофоров.


Работа ИИ-системы Vivacity Labs. «Умные» датчики с помощью компьютерного зрения и машинного обучения анализируют активность на дороге.

Датчики в системе Vivacity Labs не просто собирают информацию: каждый из них представляет собой полнофункциональный компьютер, подключенный к камере, который способен в режиме реального времени анализировать движение на перекрестке.

Многие годы традиционные картографические сервисы, такие как Google Maps и Waze, собирают и предоставляют информацию о ситуации на дорогах на основании отзывов о дорожном движении и данных о скорости отдельных пользователей. Однако к моменту, когда водители строят маршрут по городу или двигаются по нему, информация в мобильном приложении может терять актуальность.

Система Vivacity действует по-другому: данные с датчиков на перекрестках постоянно отправляются в центральный компьютер, и анализ этой информации позволяет не только судить о текущей дорожной ситуации, но и прогнозировать ее развитие. В конечном счете, система сможет давать указания водителям не только исходя из того, насколько загружена дорога сейчас или была несколько минут назад, но и с учетом прогноза к моменту, когда водитель доберется до этого места, рассказал Питер Вилсон (Peter Wilson), главный операционный директор Vivacity.

К примеру, датчик на одном из перекрестков регистрирует у светофора пять автомобилей и затрудненность движение на самом перекрестке. Датчик на следующем пересечении фиксирует замедление движения и несколько длинномеров, ждущих своей очереди, чтобы проехать перекресток. Вся эта информация, вместе с данными от остальных сенсоров, стекается в центральный компьютер с ИИ-алгоритмом, способным спрогнозировать дорожную ситуацию через 10-15 минут или даже спустя несколько часов. В руководстве Vivacity надеются, что в итоге их система сможет контролировать работу светофоров и улучшит ситуацию с транспортными потоками в городе.

Еще одни проект Vivacity, реализуемый в английском Кембридже, связан с парковками: ИИ-систему пытаются научить предсказывать появление очередей в местах для стоянки.

А что же автопроизводители?

Производители автомобилей тоже не сидят, сложа руки. Они делают ставку на технологию, которая обеспечит связь между автомобилями и системами управления дорожным движением, наподобие описанных выше, а также коммуникацию машин друг с другом.

Немецкий бренд Audi, подконтрольный концерну Volkswagen, внедряет ИИ-технологию в своих автомобилях с 2017 года. С ее помощью в ряде городов, таких как Лас-Вегас, где уже реализуются инициативы по созданию «умной» городской инфраструктуры, водители могут в режиме реального времени получать информацию о ситуации на перекрестках, к которым они подъезжают, в том числе узнавать, сколько секунд осталось до смены сигнала светофора на зеленый.

Директор Audi of America по подключенному транспорту и данным Анупам Малхотра (Anupam Malhotra) с энтузиазмом рассказывает о дальнейшем развитии технологии. По его словам, в будущем ИИ-система будет предлагать водителям рекомендуемую скорость, с которой они смогут проезжать все светофоры на своем маршруте на зеленый свет.

Воздух станет чище: светофоры с искусственным интеллектом распределят транспортный поток

Британская компания Now Wireless разработала «умные» светофоры, которые регулируют движение автомобилей, не допуская их скопления в местах с сильным загрязнением воздуха. Считается, что таким образом можно будет уменьшить концентрацию выхлопных газов в центральных районах городов, сделав их более благоприятными для жизни.

Читать еще:  Производительность Google Pixel 4a сравнили с предыдущими смартфонами серии в преддверии запуска

Светофоры с искусственным интеллектом выявляют места с высоким уровнем выхлопных газов, основываясь на данных придорожных датчиков, прогнозов погоды и даже встроенных в автомобили систем. Также они могут использовать старые статистические данные, чтобы предсказывать места с сильным загрязнением воздуха в определённые промежутки времени.

Когда светофоры фиксируют резкий рост ядовитых веществ в воздухе, они автоматически меняют длительность свечения красного и зелёного сигналов примерно на 20 секунд. Например, если в центре города было замечено сильно загрязнение воздуха, едущие в эту сторону автомобили будут останавливаться на красный цвет чаще и дольше.

Система будет впервые протестирована в конце 2020 года на улицах английского города Вулвергемптон. «Мы хотим узнать, может ли изменение длительности свечения сигналов светофоров улучшить транспортный поток. Речь идёт о распределении нагрузки с целью улучшения качества воздуха», — объяснил Джон Чарльз (John Charles), начальник транспортного отдела Вулверхэмптона.

Если все пойдёт по плану, система не только обеспечит жителям городов более чистый воздух, но и позволит регионам соблюдать законодательные ограничения по уровню загрязнения воздуха на уровне 83 %. При этом есть опасная вероятность, что пытаясь уменьшить уровень загрязнения в одном районе города, светофоры будут провоцировать загрязнение на других территориях.

Попытки улучшить качество воздуха в городах предпринимают многие компании. Но на данный момент этот вопрос стоит не так остро, как раньше. Дело в том, что во время объявленного в связи с пандемией коронавируса карантина, качество воздуха во многих населённых пунктах заметно улучшилось. Например, из-за временного закрытия некоторых заводов и уменьшения количества транспортных средств на дорогах из Индии впервые за несколько десятилетий снова стали видны Гималаи.

Воздух станет чище: светофоры с искусственным интеллектом распределят транспортный поток

Британская компания Now Wireless разработала «умные» светофоры, которые регулируют движение автомобилей, не допуская их скопления в местах с сильным загрязнением воздуха. Считается, что таким образом можно будет уменьшить концентрацию выхлопных газов в центральных районах городов, сделав их более благоприятными для жизни.

Светофоры с искусственным интеллектом выявляют места с высоким уровнем выхлопных газов, основываясь на данных придорожных датчиков, прогнозов погоды и даже встроенных в автомобили систем. Также они могут использовать старые статистические данные, чтобы предсказывать места с сильным загрязнением воздуха в определённые промежутки времени.

Когда светофоры фиксируют резкий рост ядовитых веществ в воздухе, они автоматически меняют длительность свечения красного и зелёного сигналов примерно на 20 секунд. Например, если в центре города было замечено сильно загрязнение воздуха, едущие в эту сторону автомобили будут останавливаться на красный цвет чаще и дольше.

Система будет впервые протестирована в конце 2020 года на улицах английского города Вулвергемптон. «Мы хотим узнать, может ли изменение длительности свечения сигналов светофоров улучшить транспортный поток. Речь идёт о распределении нагрузки с целью улучшения качества воздуха», — объяснил Джон Чарльз (John Charles), начальник транспортного отдела Вулверхэмптона.

Если все пойдёт по плану, система не только обеспечит жителям городов более чистый воздух, но и позволит регионам соблюдать законодательные ограничения по уровню загрязнения воздуха на уровне 83 %. При этом есть опасная вероятность, что пытаясь уменьшить уровень загрязнения в одном районе города, светофоры будут провоцировать загрязнение на других территориях.

Попытки улучшить качество воздуха в городах предпринимают многие компании. Но на данный момент этот вопрос стоит не так остро, как раньше. Дело в том, что во время объявленного в связи с пандемией коронавируса карантина, качество воздуха во многих населённых пунктах заметно улучшилось. Например, из-за временного закрытия некоторых заводов и уменьшения количества транспортных средств на дорогах из Индии впервые за несколько десятилетий снова стали видны Гималаи.

Что и требовалось разрулить

Как математика борется с дорожными заторами

Пробка в Москве

Фото: Максим Блинов / РИА Новости

В преддверии зимы в крупных городах особенно остро встает вопрос о том, как бороться с пробками на дорогах. Помимо привычных всем административных мер (штрафов и платы за въезд в центр города и парковку) ситуацию могут облегчить автоматизированные способы организации движения транспорта. «Лента.ру» выяснила, как борются с заторами «умные» светофоры, и изучила математические принципы, при помощи которых интеллектуальные транспортные системы пытаются «угадать» поведение водителей.

Практически одновременно с появлением на автомобильных дорогах первых светофоров в конце XIX века возникла задача выстроить управление сигналами таким образом, чтобы всем участникам движения (и водителям, и пешеходам) не приходилось ждать своей очереди на перекрестке слишком долго. Изначально светофоры находились под ручным контролем — полицейский переключал сигналы вручную или при помощи специального пульта управления.

Развитие электроники позволило заменить живых людей таймерами и реле: теперь они переключали фазы светофоров — сочетания запрещающих сигналов для одних направлений и разрешающих — для других. Для каждого светофора существовало свое расписание переключений (то есть своя продолжительность каждой фазы), которое со временем научились корректировать для особых случаев — в часы пик или ночью.

Волоколамское шоссе, Москва

Фото: Алексей Филиппов / РИА Новости

С появлением информационных сетей светофоры начали подключать к единым центрам управления движением, чтобы в экстренной ситуации для изменения сигнала на конкретном перекрестке не приходилось отправлять туда сотрудника полиции. А для того чтобы понять, где именно возник затор, на улицах стали устанавливать датчики присутствия автомобилей — как правило, для этого в дорожное полотно укладывали индукционную петлю, которая фиксировала изменение электромагнитного поля при проезде машины.

Таким образом, примерно ко второй половине ХХ века ответственные службы научились оперативно получать сведения о дорожной обстановке и реагировать на них изменением сигналов светофоров. Поскольку к этому моменту уже началось развитие компьютерной техники, перед программистами и математиками поставили новую задачу: заставить сложную систему самостоятельно адаптироваться к изменяющимся условиям, а не ждать, пока человек примет нужное решение и подаст ей соответствующий сигнал. В настоящее время существуют четыре основных метода построения таких систем (три из них даже реализованы на практике) — о них и пойдет речь.

Непрерывный цикл

Одной из первых систем, реагирующих на транспортную обстановку, стала запущенная в 1973 году в Великобритании SCOOT (Split, Cycle and Offset Optimization Technique — техника оптимизации фаз, цикла и смещения). Она же относится и к числу самых распространенных: ее используют более 200 городов по всему миру (.pdf). В названии системы зашифрованы три основных параметра ее алгоритма:

Каждый светофор в системе SCOOT имеет «свои» датчики присутствия автомобилей (один или несколько — для разных полос движения и на разном удалении), установленные «выше по течению». Как правило, сеть улиц делится на звенья — от перекрестка до перекрестка. Начинается каждое звено датчиком, а заканчивается — реагирующим на его показания светофором.

Для принятия решения об изменении главного параметра — длины цикла — компьютер с программой SCOOT вычисляет так называемую степень насыщения всех фаз светофора. Этот показатель представлен как процент используемого «зеленого» сигнала: алгоритм оценивает, сколько еще машин успели бы проехать перекресток, «втиснувшись» в промежутки между автомобилями, которые фиксирует датчик. Задача SCOOT в том, чтобы для самой «загруженной» фазы насыщенность составляла не более 90 процентов.

Помимо этого, один раз в течение цикла программа рассчитывает коэффициент эффективности по сумме вынужденных остановок и времени ожидания автомобилей. В зависимости от значения коэффициента SCOOT принимает решение о том, чтобы удлинить или укоротить на 4 секунды какую-то фазу. Перед началом новой фазы дополнительно согласуется смещение относительно других светофоров — также в пределах четырех секунд.

Похожий алгоритм применили создатели австралийской SCATS (Sydney Co-ordinated Traffic Control System — система координированного управления движением Сиднея), которая с конца 1970-х годов появилась в 141 городе по всему миру. Опираясь на аналогичные методики расчета «насыщения» светофорных фаз, они разработали алгоритм со сложной иерархической структурой.

Читать еще:  Смартфон Honor X10 Pro получит камеру-перископ и 20-Вт беспроводную подзарядку

Центр управления SCOOT

Фото: официальный сайт

Перекрестки в SCATS объединены в системы и подсистемы по географическому признаку (например, по районам или расположению на магистралях). Эти системы и подсистемы подчиняются региональному компьютеру, а уже он, в свою очередь, передает информацию в центр управления движением города. Светофоры «на местах» могут самостоятельно менять только длину цикла, а расписания фаз и смещений после каждого цикла выбираются (из стандартного набора) на региональном уровне.

Бюро прогнозов

В начале 1990-х годов американские исследователи из Аризоны начали разрабатывать (.pdf) новую систему адаптивного управления светофорами. Она принципиально отличалась от предшественниц тем, что оценка эффективности переключения фаз не ограничивалась одним разом за цикл. В результате появилась RHODES (Real-time Hierarchical Optimizing Distributed Effective System — распределенная эффективная система для оптимизации в реальном времени), которую используют сейчас в отдельных городах США.

Как следует из названия, RHODES оценивает (.pdf) дорожную обстановку на нескольких уровнях (перекресток, дорожная сеть, распространенные маршруты) и сама конструирует нужные циклы для светофоров. Решения система принимает, анализируя не только информацию от датчиков присутствия автомобилей, но и накопленную историю дорожного движения на контролируемых улицах (звеньях).

На основе этих данных система составляет прогноз развития дорожной ситуации. Ключевую роль в прогнозе играет алгоритм оценки вероятности поворота автомобиля на каждом конкретном перекрестке — так вычисляется возможная загрузка соседних перекрестков. В качестве отправной точки RHODES берет историческое распределение вероятностей поворота, после чего уточняет это распределение данными, полученными за последние пять минут.

Фото: Ted Aljibe / AFP

Для уточнения прогноза в RHODES используют формулу Байеса — она позволяет вычислить вероятность одного события (исторически наиболее популярного поворота), которое статистически взаимосвязано с другими событиями (только что выполненными поворотами). Такой прогноз ежесекундно обновляется для всей системы, а затем дополняется информацией о предполагаемых пробках на каждом перекрестке.

Стоит отметить, что в системе предусмотрен специальный механизм обработки так называемых очередей автомобилей — колонн, которые движутся с примерно одинаковой скоростью. При появлении таких очередей циклы светофоров корректируются, чтобы по возможности пропустить эти автомобили через все перекрестки без остановок, на «зеленой волне».

Частный случай глобальных прогнозов дорожного движения использует система OPAC (Optimized Policies for Adaptive Control — оптимизированная политика адаптивного управления). Этот алгоритм полагается на дополнительную информацию от датчиков, которые находятся на значительном удалении от перекрестка — они передают данные о приближающихся машинах уже после принятия решения об изменении цикла светофора. Прогноз системы в результате имеет два горизонта: долгосрочный, ограниченный только вычислительными мощностями, и краткосрочный — для отрезка времени, когда точно известен приток новых машин. Степень соответствия краткосрочного прогноза и реальной обстановки используется для корректировки дальнейших расчетов.

«Жадные» перекрестки

Все описанные выше системы имеют два характерных признака, сформированные многолетним опытом организации движения: они пытаются улучшить обстановку для всех контролируемых перекрестков и регулируют работу светофоров не напрямую, а через изменение циклов. В 2008 году в США впервые запустили систему InSync, лишенную обоих этих ограничений. В InSync упор делается на так называемый «жадный алгоритм» — когда предполагается, что найденные оптимальные локальные решения (на отдельных перекрестках) позволят прийти к оптимальному глобальному решению — уменьшению заторов во всем городе.

Изображение: официальный сайт

На каждом перекрестке InSync точно вычисляет, сколько времени стоящие машины ждут «зеленого» сигнала — это делается при помощи камер и технологии распознавания образов. Сами светофоры в системе управляются не циклами и расписаниями, а моделями автоматов — программами, в которых прописаны условия смены сигналов. Например, алгоритм может вообще не включить «зеленый» для направления, на котором нет ни одной машины.

«Сетевой» режим система предусматривает только для тех случаев, когда необходимо пропустить уже упоминавшуюся очередь автомобилей. В таком случае длительность фаз отдельных светофоров корректируется, чтобы сформировать «зеленую волну». Количество запускаемых «волн» регулируется параметрами системы в зависимости от времени суток и пожеланий оператора.

Игра в «машинки»

Самый оригинальный подход к регулированию движения в городах предложили в 2011 году в канадском Торонто — MARLIN-ATSC (Multiagent Reinforcement Learning for Integrated Network of Adaptive Traffic Signal Controllers — обучение с подкреплением агентов интегрированной сети адаптивного управления светофорами). Авторы разработки решили уйти от централизованной системы, заменив ее светофорами-агентами — устройствами, которые наделены искусственным интеллектом и общаются между собой для выбора схемы движения.

В программе, которую загружают в каждый светофор, описан Марковский процесс принятия решений, а точнее, его частный случай — Q-обучение. Этот принцип машинного обучения предполагает общение агента (светофора) с системой (дорожного движения). Каждое действие светофора каким-то образом влияет на дорожную ситуацию, об изменении которой можно судить по информации, получаемой с датчиков. Получив эту информацию (так называемое вознаграждение), светофор-агент вычисляет функцию своей полезности Q и в дальнейшем опирается на приобретенный опыт.

Фото: Peter Jones / Reuters

Для координации агентов между собой использована теория игр, а именно — стохастическая игра. Во время игры агенты перебирают варианты своих решений (оставить или сменить фазу светофора) и получают вознаграждения (данные о простое автомобилей), основанные на общих решениях. Каждое решение светофора-агента привязано к набору показателей текущего состояния: какая включена фаза, как давно включена эта фаза, какая пробка скопилась по каждому из направлений перекрестка.

«Игроки» должны выработать такие модели поведения, которые приведут к наилучшему общему результату — так называемому равновесию Нэша. Полученные таблицы «полезности» для пар «состояние-решение» и становятся той политикой, которой в дальнейшем будет руководствоваться каждый светофор. «Обучаются» светофоры, естественно, на компьютерной модели, а не в реальных дорожных условиях.

Непосредственно сравнить эффективность всех перечисленных систем управления светофорами невозможно — для этого пришлось бы по очереди опробовать каждую из них в одном и том же городе (на одних и тех же перекрестках). Поэтому различные алгоритмы сравнивают по тому, насколько они улучшили транспортную обстановку.

По данным проведенного в 2010 году исследования (.pdf), «жадный» алгоритм InSync в несколько раз лучше классических механизмов корректировки светофорных циклов (SCATS) — в часы пик он снижает простой автомобилей на 60 процентов (против 15 процентов у SCATS). Искусственный интеллект MARLIN-ATSC пока проходил испытания только на модели из 60 перекрестков Торонто, где показал снижение простоя на 41 процент. По итогам ограниченных полевых испытаний (.pdf) алгоритма прогноза RHODES эксперты установили только то, что она по меньшей мере не хуже существующих систем с фиксированным расписанием циклов.

Российские водители могут испытать на себе все прелести адаптивных систем управления дорожным движением лишь в очень ограниченном формате. В Москве и Казани используется итальянская система UTOPIA (Urban Traffic Control System Architecture — архитектура системы управления городским дорожным движением) — она сочетает в себе механизмы прогнозирования и создания преимуществ для общественного и специального транспорта. Однако даже в Москве эта система пока внедрена всего лишь на 72 перекрестках со светофорами из более чем двух тысяч.

Дорогами искусственного интеллекта

По оценке аналитиков американской исследовательской компании Grand View Research, в 2018 году оборот мирового рынка интеллектуальных транспортных систем (ИТС) превысил $8,2 млрд. В оценку эксперты включают системы мониторинга трафика и управления светофорами, комплексы фотовидеофиксации нарушений, дорожные камеры и другие компоненты. По мнению исследователей из Fact.MR, в ближайшие семь лет обороты отрасли будут расти ежегодно на 11,8% и к 2026 году достигнут $31 млрд. По мнению экспертов агентства, этому поспособствуют «стремление к улучшению дорожной инфраструктуры и растущая потребность в инновационных технологиях».

Читать еще:  Игрок начал проходить Dark Souls 3 с помощью тостера — есть первые успехи

Интеллектуальный контроль над пробками

ИТС стали активно развиваться в 1970-х годах. Первый аналоговый контроллер управления несколькими светофорными перекрестками был установлен в 1952 году в Денвере, а первый компьютер к ним подключили в 1960 году в Торонто. Однако пионером ИТС считается Токио. В 1973 году здесь разработали первый проект комплексной системы управления автотранспортом, в 1980-х годах начали исследовать дорожную коммуникационную систему (прообраз автомобильной навигации), а в 1995-м на базе придорожных маяков и датчиков заработала система получения данных через GPS о загруженности дорог (VICS). Работы велись и в других мегаполисах. В шотландском Глазго в 1970-х смонтировали систему управления светофорами SCOOT, в циклах которой учитывались очереди машин на перекрестках по данным с датчиков. В Сингапуре на дорогах через каждые 500 м встроены датчики движения, а на каждом километре смонтированы камеры; за пробками можно следить через специальный софт J-Eye.

В связи с увеличением пробок на дорогах мегаполисы серьезно тратятся на ИТС: так, только Нью-Йорк в 1995–2005 годах вложил в эти разработки порядка $2 млрд.

И хотя 40% мирового рынка ИТС, констатируют в Grand View Research, приходится на США, в России технологии также активно внедряются. Если в 2010 году агентство J’son & Partners насчитало в РФ около 4,6 тыс. устройств ИТС, то в 2015 году их число выросло до 29,4 тыс. К 2020 году, считают в J’son & Partners, эта цифра увеличится почти до 43 тыс. В основном речь идет о камерах и датчиках транспортных потоков. Эксперты консалтинговой компании Research and Markets называют детекторы самым массовым сегментом рынка ИТС, считая, что они сохранят лидерство вплоть до 2022 года.

Эффект от внедрения ИТС анализировали в Московском автодорожном институте (МАДИ). В издании под редакцией профессора МАДИ Валентина Сильянова говорится, что в Торонто благодаря ИТС время поездок на машинах сократилось на 8%, в Лос-Анджелесе — на 16%, в Турине — на 17%. В Мюнхене примерно на треть уменьшилось число ДТП с ранениями и количество погибших в авариях. В России использование таких систем, по данным МАДИ, также привело к уменьшению пробок. В Южно-Сахалинске отметили сокращение времени проезда по трассам на 15%, в Хабаровске — на 22%, а в Казани — на четверть. «Столичные власти сообщали, что во многом благодаря ИТС число погибших в ДТП уменьшилось вдвое за десятилетие, а скорость потока в часы пик выросла на 16%», — говорит доцент кафедры мостов и тоннелей МАДИ Сергей Зеге.

«Умные» дороги Подмосковья

Внедрение ИТС в городах с населением свыше 300 тыс. человек заложено в нацпроекте «Безопасные и качественные автодороги». На эти и другие цели из федерального бюджета выделено 279 млрд руб. В рамках этого нацпроекта ИТС внедряют и подмосковные власти. Сергей Зеге считает это своевременным, поясняя, что после запуска 525-километровой трассы ЦКАД «начнутся серьезные перемещения объектов промышленности и жилья по области».

Пилотным участком проекта «Умная дорога» определено Волоколамское шоссе в Красногорске и Истре и на пересечении с шоссе А-107. Так, в местах концентрации пробок планируют создать 56 «умных» светофоров (с возможностью дистанционного управления), 28 датчиков движения транспорта, 42 камеры и два информационных табло. По словам директора ГКУ «ЦБДДМО» (областной Центр безопасности дорожного движения) Малика Серазетдинова, ИТС будет работать в двух режимах — штатном и нештатном. В первом случае речь идет об автоматической работе с алгоритмами директивного управления светофорами при низкой (20–30% пропускной способности) и средней (до 70%) загрузке участка. Данные о загруженности будут приходить от датчиков движения. «Планы координации будут рассчитываться по математическим моделям и обеспечивать минимизацию задержек, — обещает Малик Серазетдинов. — В нештатном режиме, при возникновении пробок, в схему управления светофорами будут вноситься оперативные изменения». На вопрос, что будет, если на контролируемом перекрестке соберутся по 90 и 50 машин с разных сторон, он поясняет: «Система предоставит приоритетный проезд потоку, интенсивность которого выше, с учетом исторических данных с детекторов и прогноза ситуации на участке».

Член общественного совета при министерстве транспорта и дорожной инфраструктуры Московской области Андрей Мухортиков разъясняет, что режимы работы светофоров в Подмосковье могут быть настроены новым, прежде не применявшимся в РФ образом. «Сейчас светофоры в рамках ИТС управляются либо в режиме координации, когда достигается эффект «зеленой волны», либо в режиме адаптивного регулирования, когда с помощью камер и датчиков каждый светофор оценивает, сколько к перекрестку подъезжает машин с каждой стороны. Совмещение этих двух режимов ранее считалось невозможным. Но в Подмосковье на светофорах стоят новейшие российские контроллеры, позволяющие эти режимы совместить. Когда все это настроят, у нас будет самая передовая система управления светофорами в РФ», — обещает Андрей Мухортиков. При этом, по словам эксперта, в идеальном случае ИТС управляют алгоритмы, но практика показывает, что автоматика не всегда справляется и необходима ручная настройка.

В областном минтрансе ожидают, что новая система мониторинга и управления движением позволит сократить время поездки по Волоколамскому шоссе на 15%, а число аварий — на 10%. До конца года подмосковные чиновники планируют также реализовать пилотные проекты ИТС в других проблемных точках. Речь, в частности, идет об участках Рогачевского (от Дмитровского шоссе до трассы А-108) и Егорьевского шоссе (от Люберец до границы области). Андрей Мухортиков называет «умные» светофоры «недорогим эффективным решением»; эксперт считает, что ИТС стоит распространить на все подмосковные светофоры, поскольку это позволит увеличить пропускную способность областных дорог на 20–30% при минимальных затратах.

Воздух станет чище: светофоры с искусственным интеллектом распределят транспортный поток — «Новости сети»

Британская компания Now Wireless разработала «умные» светофоры, которые регулируют движение автомобилей, не допуская их скопления в местах с сильным загрязнением воздуха. Считается, что таким образом можно будет уменьшить концентрацию выхлопных газов в центральных районах городов, сделав их более благоприятными для жизни.

Светофоры с искусственным интеллектом выявляют места с высоким уровнем выхлопных газов, основываясь на данных придорожных датчиков, прогнозов погоды и даже встроенных в автомобили систем. Также они могут использовать старые статистические данные, чтобы предсказывать места с сильным загрязнением воздуха в определённые промежутки времени.

Когда светофоры фиксируют резкий рост ядовитых веществ в воздухе, они автоматически меняют длительность свечения красного и зелёного сигналов примерно на 20 секунд. Например, если в центре города было замечено сильно загрязнение воздуха, едущие в эту сторону автомобили будут останавливаться на красный цвет чаще и дольше.

Система будет впервые протестирована в конце 2020 года на улицах английского города Вулвергемптон. «Мы хотим узнать, может ли изменение длительности свечения сигналов светофоров улучшить транспортный поток. Речь идёт о распределении нагрузки с целью улучшения качества воздуха», — объяснил Джон Чарльз (John Charles), начальник транспортного отдела Вулверхэмптона.

Если все пойдёт по плану, система не только обеспечит жителям городов более чистый воздух, но и позволит регионам соблюдать законодательные ограничения по уровню загрязнения воздуха на уровне 83 %. При этом есть опасная вероятность, что пытаясь уменьшить уровень загрязнения в одном районе города, светофоры будут провоцировать загрязнение на других территориях.

Попытки улучшить качество воздуха в городах предпринимают многие компании. Но на данный момент этот вопрос стоит не так остро, как раньше. Дело в том, что во время объявленного в связи с пандемией коронавируса карантина, качество воздуха во многих населённых пунктах заметно улучшилось. Например, из-за временного закрытия некоторых заводов и уменьшения количества транспортных средств на дорогах из Индии впервые за несколько десятилетий снова стали видны Гималаи.
Перейти обратно к новости

Ссылка на основную публикацию
Статьи c упоминанием слов:
Adblock
detector