Základní verze HRD a co dál ? Jitka Homolová, Pavla Němcová, Petr Gebouský, Ivan Nagy, podpora studentů: FD, FJFI a odborný poradce: Miroslav Kárný

HRD - hierarchický regulátor dopravy Řízení dopravní oblasti (skupina mikrooblastí) pomocí víceúrovňového zpětnovazebního regulátoru. Mikrooblast = skupina křižovatek a spojovacích komunikací se světelnou signalizací a měřením dat Regulátor = „dynamický“, lokální, nadřazený, pro výjimečné stavy

Základní pojmy - data Detektor - indikuje obsazení automobilem => dává charakteristiky dopravního proudu Intenzita: počet aut za jednotku času Obsazenost: podíl obsazenosti detektoru Hustota: počet aut na jednotku délky Rychlost: dráha, ujetá za jednotku času

Základní pojmy - řízení Fáze - situace, ve které určité pruhy v křižovatce mohou jet a jiné ne. Cyklus - doba, z kterou se vystřídají všechny fáze. Podíl zelené - relativní doba trvání zelené, vzhledem k době cyklu Řízení: změnou poměru zelené v dané fázi změnou doby cyklu

Dynamické řízení Interní řízení v rámci jediné křižovatky, zajišťované „zabudovanou inteligencí“ řadiče. lokální modifikace signálu - zkrácení zelené, pokud již není v odpovídajícím pruhu kolona, vyžádaná priorita pro MHD - zkrácení nebo vynechání fází před zelenou pro preferenci,...

Model mikrooblasti Vstup: intenzity, obsazenosti Stav: délky kolon, obsazenosti Výstup: výstupní intenzity Základní část: hydrodynamická analogie - rekurzivně počítá délku kolony podle příjezdů a odjezdů aut nemá vlastnost pozorovatelnosti Korekční část: lineární vazba mezi délkou kolony a obsazeností detektoru doplňuje pozorovatelnost, korekce větších chyb

Odhad modelu Za předpokladu, že všechny vstupy jsou měřené známe všechny dopravní parametry mikrooblasti známe lineární vztah mezi kolonou a obsazeností lze pro odhad stavu modelu použít lineární Kalmanův filtr. Ten počítá rozdíl mezi předpovídaným a skutečným výstupem a pomocí něho koriguje chyby v odhadu stavu.

Řízení modelu Za předpokladu, že známe odhady všech stavů použijeme lineární kriterium kvality dopravy lze pro řízení modelu použít lineární programování. Jako kriterium bereme vážený součet délek kolon v mikrooblasti.

Nadřazený regulátor Model - analogie: mikrooblast - křižovatka Vybrané Detektory ve Směru (VDS): detektory důležité pro analogii pro daný směr vjezd: součet vjezdů na VDS kolona: součet délek kolon na VDS saturovaný tok: minimální sat. tok po cestě VDS výjezd: součet výjezdů na VDS Odhad: bere se z mikrooblasti. Řízení: lineární programování (s modifikacemi).

Modifikace v řízení pro nadřazený regulátor Strategie pro nadřazený regulátor je složitá „co dělat, když se všechno ucpává“? realizováno: vytlačovat auta z celé oblasti, perspektivně: návrh několika základních strategií, které umíme realizovat (lineární kriterium) a ať si operátor vybere nebo nakombinuje. Výsledkem optimalizace není hodnota zelené ale omezující interval pro hodnoty zelené v mikrooblasti.

Řízení nestandardních stavů výjimečné stavy (v rámci řádné dopravy) preference vozidel zasahování kolon do sousedních křižovatek mimořádné stavy (nad rámec řádné dopravy) havárie vozidel stavební práce na vozovce objížďky Výběr příslušného řídícího plánu z existující množiny expertních plánů. Součást diskrétního řízení mikrooblasti

Co dál ? V první fázi byl kladen důraz na jednoduchost. Předpoklady: všechny vstupy jsou měřené (když ne, musí se odhadovat => nelineární Kalmanův filtr (NKF)), všechny parametry mikrooblasti jsou pevné a známé (když ne, odhad => NKF), vazba kolona - obsazenost je známá a lineární (když ne, tak NKF) při sekvenčně použitém statickém LP nedochází k nestabilitám (když ano, tak dynamické LP) platí model kolon (když ne, tak diskrétní model)

Nelineární Kalmanův filtr Iterativní proces, nebezpečí pomalé nebo žádné konvergence. Řešení: MATLAB - Identification toolbox (zkoušeno) Extended Kalman filter (známé, nezkoušeno) Metody založené na Monte Carlo (disertace) Unscented transformation - definují (malý počet) tzv. sigma points a ty transformují nelineární funkcí. Přepočítává se konečný počet momentů. Na tom se pracuje a bude testováno!

Dynamické lineární programování Opakované LP, optimální pro každý krok zvlášť může vést k nestabilnímu procesu. Řešení: Prozatímní: nastavit váhy v kriteriu experimentálně tak, aby se nestabilita potlačila. Lepší: formulovat úlohu optimalizace na celém horizontu. Předpokládá se, že úloha dynamického programování pro model s rovnoměrným šumem by mohla dát dynamický ekvivalent k úloze lineárního programování.

Diskrétní model mikrooblasti Pro křižovatky uvnitř mikrooblasti není model vývoje kolony dobrý! Auta se „vyvalí“ z předchozí křižovatky a buď projedou, nebo něco zůstane, nebo „je průšvih“. Veličiny jsou diskrétní. Diskretizace spojitého modelu - 2^40 stavů. Řešení: Vytvoření diskrétního modelu přímo z dopravních souvislostí Rozklad funkce mnoha proměnných pomocí funkcí méně proměnných (Kolnogorovovo lemma)

Programová realizace HRD Systém je velmi složitý (křižovatka, ramena, pruhy, fáze, zelené) => komplikovaná realizace programových algoritmů. Požadavek na snadné úpravy a modifikace programů - různé oblasti. Chceme řešit separátně - grant AVČR na FD Řešení: Definice dopravních objektů Převod na programové objekty Formální metody v popisu algoritmů

Napojení na simulátor AIMSUN Testování algoritmů odhad - na reálných datech řízení - na reálné mikrooblasti NELZE AIMSUN - dopravní mikro-simulátor lze vytvořit dopravní (mikro)oblast přiřadit vlastnosti odpovídající realitě vpustit reálná data na vstupy on-line přestavovat parametry světelné signalizace

Závěr V prvé fázi vývoje byla vytvořena základní varianta HRD - s hlavním požadavkem na jednoduchost. Jednoduchost byla dosažena řadou předpokladů Pro skutečné použití v reálné dopravě bude třeba tyto předpoklady postupně odbourat. Pro řešení většiny problémů je známa strategie.