что такое адаптивный светофор
Что означает аббревиатура «АУ» вместо желтого цвета на светофоре
Жители Москвы уже привыкли к необычным светофорам с надписью «АУ» вместо желтой секции. Но вот гости города не всегда понимают, что это за «АУ» и для чего оно нужно. Некоторые даже принимают этот сигнал за неисправность, и стараются проехать перекресток как нерегулируемый. Однако они совершают большую ошибку.
Где можно встретить необычные светофоры
Первые светофоры с необычной индикацией можно было увидеть в конце 2013 года в столице России. Через год их количество выросло до тысячи штук. В 2019 году такие светофоры можно увидеть в Санкт-Петербурге, Кемерово, Нижнем Новгороде и других крупных городах. Чаще всего их устанавливают на сложных перекрестках, где в разное время количество трафика машин меняется от большего к меньшему числу.
На самом деле изменения коснулись не только светофоров. Обновлению подверглась вся система подсчета и управления дорожным потоком. Для контроля и регулирования потока транспорта в систему сигнализации установили специальные датчики. Они подсчитывают количество машин в потоке в то или иное время.
Значительной переработке подверглась программная часть управления регулирования движения. За расчет и аналитику транспортного потока отвечают сложные алгоритмы, которые учитывают дорожную обстановку на конкретном участке дороги и в городе в целом.
Как расшифровывается «АУ»
Аббревиатура расшифровывается дословно как «адаптивное управление». Она говорит о том, что светофор находится под управлением автоматики. Система может работать на разных уровнях, в зависимости от времени суток, а также актуальной загрузки трафиком.
Кстати, адаптивное управление не всегда обозначается символами «АУ». Некоторые светофоры работают и выглядят как обычные, отсчитывая количество секунд до следующего сигнала или просто показывая желтый свет. При этом они находятся под адаптивным управлением.
Чем адаптивные светофоры отличаются от стандартных
Адаптивные и обычные светофоры — это, чаще всего, новые светодиодные сигнализаторы. Только в адаптивных моделях центральную секцию программируют на выведение аббревиатуры «АУ».
Обычный светофор получает команды из центральной диспетчерской службы. Чаще всего его программируют на работу в двух режимах: дневной и дежурный. В первом случае переключения сигналов идет по строгому временному интервалу. На каждом перекрестке заранее просчитывают данные промежутки, после чего программа поступает на светофор через линии связи. Второй режим работы включается в ночное и вечернее время. При этом работает только одна индикация — желтого цвета. По сути, перекресток становится нерегулируемым.
У адаптивных светофоров система самостоятельно делает прогноз на включение и выключение того или иного сигнала. Просчитывает недельный прогноз, делая от 18 до 150 замеров в течение 7 дней. После чего строятся так называемые фазовые таблицы. На основании этих данных светофор делает макропрогноз на ближайшее время.
Кроме того система учитывает актуальную дорожную обстановку по принципу «здесь и сейчас». Это уже микро-прогноз — может корректировать поток машин в случае ДТП на одном из участков дороги, или срабатывать с разными временными интервалами в часы пик.
Вообще говоря об адаптивном управлении нужно понимать целую систему, включающую в себя светофорную сигнализацию, сеть датчиков и обрабатывающий центр.
Самостоятельный город: 3 технологии «разумного» управления дорожным движением
Городские проблемы, такие как пробки, могут решаться консервативным способом, то есть физическим увеличением пропускной способности дорог, или же «разумным» (от анг. smart). В таком случае весь транспорт и люди объединяются в экосистему, и сам город «принимает решение», как распределять транспортные потоки. О нашем видении подобной экосистемы мы рассказывали на одном из форумов «Открытые инновации». А в этой статье обсудим, как именно работают «умные» системы управления трафиком и почему они так важны для всех нас.
Зачем городам «умная» транспортная система
По данным ВОЗ, более 50 процентов населения мира проживает в городах. Мегаполисы в большинстве своем страдают от транспортных проблем. Дорожные пробки — их самое явное и часто встречающееся проявление. Они негативно влияют на локальные экономики и качество жизни всех участников дорожного движения, поэтому, безусловно, требуют устранения.
Если в качестве примера рассмотреть типичную причину образования пробок — ремонтные работы — консервативный подход к ее решению будет заключаться в перенаправлении движения на ближайшие параллельные дороги. В результате, вероятнее всего, они будут перегружаться вслед за основной магистралью, и вблизи ремонтируемого участка в час-пик не останется ни одной свободной полосы движения.
Разумеется, власти постараются выстроить прогноз, на каких дорогах быстрее возникнет затор. Для этого они будут учитывать наличие светофоров на перекрестках, среднюю загруженность дорог и другие статичные факторы. Однако в тот момент, когда 8-балльная пробка парализует центр города, уже вряд ли получится что-то предпринять, кроме «ручного управления» ситуацией, например, с помощью отключения светофоров и срочной замены их служащим-регулировщиком.
Есть и другой сценарий развития того же сюжета. В «разумном» городе данные поступают не только из традиционных источников, но и от датчиков и устройств как установленных внутри самих автомобилей, так и выступающих элементами инфраструктуры. Сведения о местоположении транспортных средств позволяют перераспределять дорожное движение в реальном времени, а дополнительные системы, такие как «умные» светофоры и парковки, обеспечивают эффективное управление трафиком.
Разумный подход стал выбором для целого ряда городов и доказал свою эффективность. В немецком Дармштадте датчики помогают обеспечивать безопасность пешеходов и отсутствие пробок на дорогах. Они обнаруживают большие группы людей, собирающихся перейти дорогу, и адаптируют под них смену фаз светофора. К тому же они определяют, нет ли поблизости потока автомобилей, и «дают команду» переключить свет, только когда машины закончат движение.
А система распределения транспортного потока в датском городе Орхус позволила не только сократить пробки на дорогах, но и снизить общий расход топлива. Интеллектуальная система Лондона уведомляет водителей о перегруженности отдельных дорожных участков. «Умная» система управления трафиком помогла Сингапуру стать одним из наименее «загруженных» крупных городов мира.
Из чего состоит «умная» система управления движением
Ключевой инструмент «разумного» города — это данные. Поэтому сердцем системы является платформа, которая объединяет все потоки информации, поступающие в реальном времени, интерпретирует их и принимает самостоятельное решение об управлении движением (или помогает принять такое решение ответственному лицу). Как правило, вокруг платформы формируется командный центр управления движением.
Фото Highways England / CC
Географическая информационная система (ГИС) открывает возможность для связи данных с конкретными точками на дорожной карте. Для непосредственного управления движением служат отдельные подсистемы. Их количество, сложность и уровни взаимодействия друг с другом могут отличаться в различных моделях в зависимости от поставленных задач.
Например, в китайском Ланфане действуют следующие подсистемы: светофорное регулирование, сбор информации о движении, наблюдение и оповещение, геолокационное позиционирование служебных автомобилей и другие составляющие. В румынской Тимишоаре, кроме уже описанных элементов, реализованы подсистемы приоритизации общественного транспорта и распознавания номерных знаков.
Систему «умного» распределения транспортных потоков можно усложнять различными элементами, но главной в ней остается платформа, которая управляет всеми подсистемами на основе поступающих данных. С этой точки зрения важной составляющей любой модели «разумного» города являются автомобили. Они не только способны принимать информацию (с помощью таких устройств, как, например, WayRay Navion) и адаптироваться под конкретную дорожную ситуацию, но и сами выступают поставщиками значимых сведений о загруженности дорог.
Предлагаем подробнее рассмотреть устройство важнейших подсистем «разумного» города.
Интеллектуальная система мониторинга и реагирования
Мониторинг — это основа работы командного центра. Своевременное выявление инцидентов и реагирование на них гарантирует безопасность на дорогах и снижение пробок. Пользователь чаще всего видит результаты мониторинга на карте с цветовой схемой, отображающей загруженность потока в реальном времени.
Источниками данных выступают камеры, которые автоматически анализируют ситуацию на дорогах по мере движения автомобилей в зоне их действия, а также пьезоэлектрические датчики. Еще один способ мониторинга в экосистеме «умного» города — трекинг потока на основе беспроводного сигнала, например, от Bluetooth-устройств.
Например, предложенный компанией Libelium вариант способен дифференцировать сигналы от различных девайсов, в том числе и телефонов пешеходов. Полученные данные датчиков передаются на сервер, где, после анализа, система (при необходимости) принимает решение по устранению перегрузки автомобильного или пешеходного движения.
Эта же концепция реализуется и с помощью более широких групп датчиков, объединенных в сети. Основной принцип работы — сенсор или датчик идентифицирует транспортное средство, сравнивая сигналы при отсутствии и наличии препятствия/затора/пробки. Базовая станция рассчитывает скорость на основе расстояния между двумя узлами-датчиками и среднего времени их прохождения автомобилем.
Пример работы подобной системы описывает Матье Дюмулен (Mathieu Dumoulin), специалист по обработке данных из компании MapR Data Technologies. Схема работы с сигналами датчиков, предложенная MapR, строится на присвоении правил событиям, возникающим при потоковой передаче данных, например, сведениям об инцидентах на отдельных участках. Предложенные командой Матье бизнес-правила позволяют применять в ответ на них полезные действия.
Для демонстрации работы своего подхода MapR смоделировали дорожную ситуацию с одним датчиком, измеряющим скорость проходящих автомобилей для обнаружения заторов и информирования командного центра. Использование данных об уже произошедших на участке авариях и подключение модулей аналитики помогают мониторить ситуацию и принимать эффективные решения по разрешению дорожных инцидентов в режиме реального времени.
В городской «разумной» экосистеме мониторинг ценен, во-первых, с точки зрения своевременного реагирования властей, во-вторых, как дополнительный канал связи с водителями. Как отмечают в MapR, данные в режиме реального времени могут поступать не только в командный центр, но и на информационные панели вдоль дорог. Объединение сведений о загруженности дорог с системами дополненной реальности внутри автомобилей поможет в составлении важных советов, прогнозов и маршрутов движения.
Фото Matthias Ripp / CC
«Умные» светофоры
Принцип работы этой подсистемы прост: так называемые «адаптивные» светофоры используют средства для измерения объема трафика, которые сигнализируют о необходимости смены фаз. При затрудненном транспортном потоке зеленая фаза светофора для автомобилей активна дольше, чем обычно. Во время пиковых периодов светофоры на перекрестках синхронизируют свои фазы так, чтобы обеспечить «зеленые коридоры» для транспорта.
В «разумном» городе система усложняется за счет комплекса датчиков, которые передают алгоритмам данные для анализа. В Тайлере, штат Техас, такое решение в составе интегрированной системы управления трафиком от Siemens уменьшило задержки движения на 22%. Время в пути по одной из главных магистралей города Бельвю, штат Вашингтон, сократилось на 36% в течение часа-пик с момента установки адаптивных светофоров.
Так функционирует эта подсистема в своем базовом воплощении: инфракрасные датчики, установленные в одном из элементов дорожной инфраструктуры, например, в световых опорах, обнаруживают возникновение или отсутствие автомобильного потока. Эти данные служат входящим сигналом для системы, которая генерирует выходные сигналы для красной, зеленой и желтой фаз и контролирует длительность цикла, учитывая количество транспортных средств на каждой дороге.
Та же информация в качестве выходного сигнала может передаваться участнику дорожного движения. Адаптивные светофоры способны работать и в аварийном режиме, когда средства видеофиксации распознают движущееся транспортное средство как машину скорой помощи или полицейский автомобиль с включенными сигнальными маячками. В таком случае для автомобилей, которые пересекают маршрут следования служебной машины, сигналы светофора сменятся на красные.
Источниками входящих данных для системы могут служить также камеры, распознающие объем трафика. В комплексной модели «разумного» города информация от камер о ситуации на дороге передается одновременно в программную среду для алгоритмической обработки и в систему управления, где она визуализируется и выводится на экраны в командном центре.
Существуют и вариации «умных» светофоров. Например, технологии искусственного интеллекта улучшают координацию дорожных сигналов в единой экосистеме. В этом случае цикл также запускают датчики и камеры. Алгоритмы ИИ используют полученные данные для создания тайминга циклов, эффективного прохождения потока по траектории и сообщают информацию следующим светофорам. Впрочем, такая система остается децентрализованной, и каждый светофор «принимает свои собственные решения» по длительности фаз.
Исследователи Наньянского технологического университета в этом году представили алгоритм распределения трафика, основанный на машинном обучении. Маршрутизация в данном случае имеет несколько нюансов: учитывается текущая нагрузка на транспортную систему и прогнозируемая неизвестная величина, отвечающая за дополнительную нагрузку, которая может попасть в сеть в любой момент времени. Далее алгоритм отвечает за разгрузку сети на каждом узле или, иначе говоря, перекрестке. Такая система в сочетании со светофорами с искусственным интеллектом может стать решением для распространенных городских проблем.
«Умные» светофоры играют важную роль для водителей не только благодаря очевидному эффекту — снижению числа пробок, — но и из-за обратной связи, поступающей на пользовательские устройства, такие, как WayRay Navion. Например, водители в Токио получают сигналы от инфракрасных датчиков прямо на навигаторы, которые выстраивают на основе этого оптимальный маршрут.
То же происходит в канадском Эдмонтоне, где бортовой компьютер автомобиля уведомляется звуковым или текстовым сообщением о скорой смене фаз светофора. В Питтсбурге, штат Пенсильвания, где светофоры «наделены» интеллектом, главной задачей исследовательской группы является именно налаживание связи между системой и автомобилем. Адаптация навигаторов под поступающую от светофоров информацию — это будущее вождения.
Фото Oran Viriyincy / CC
«Умные» парковки
Отсутствие парковочных мест или их неэффективное использование — не просто бытовая проблема, но вызов для городской инфраструктуры и еще одна причина загруженности дорог. Согласно Navigant Research, число «умных» парковочных мест в мире, как ожидается, достигнет 1,1 млн к 2026 году. От обычных парковок их отличают автоматизированные системы поиска свободных мест и информирования пользователей.
В качестве одного из решений проблемы команда Университета Райса разработала модель, в которой для поиска свободных мест используется камера, делающая ежеминутные фотографии. После чего проводится их анализ с помощью алгоритма обнаружения объектов. Однако в рамках экосистемы «разумного» города это решение не является оптимальным.
«Умная» система парковки должна не только знать статус каждого места («занято/свободно»), но и уметь направлять пользователя к нему. Деваврат Кулкарни (Devavrat Kulkarni), старший бизнес-аналитик в IT-компании Maven Systems, предлагает использовать для этого сеть датчиков.
Информация, полученная от них, может быть обработана алгоритмом и представлена конечному пользователю через приложение или другой пользовательский интерфейс. В момент парковки приложение сохраняет информацию о местоположении транспортного средства, что упрощает поиск автомобиля в дальнейшем. Это решение можно назвать локальным, подходящим, например, для отдельных торговых центров.
Действительно масштабные проекты в этой области реализуются прямо сейчас в некоторых городах США. Инициатива по развертыванию единой сети «умных» парковок LA Express Park проводится в Лос-Анджелесе. Стартап StreetLine, отвечающий за воплощение идеи в жизнь, использует методы машинного обучения для объединения нескольких источников данных — сенсоров и камер наблюдения — в единый канал передачи сведений о занятости парковочных мест.
Эти данные рассматриваются в контексте парковочной системы в масштабах всего города и поступают к ответственным лицам. StreetLine предоставляет SDK, систему автоматического распознавания номерных знаков и API для работы со всеми источниками данных, связанных с парковкой.
Интеллектуальные парковочные системы могут быть полезны и для управления плотностью движения. В основе такого решения заранее заложен инструмент регулирования трафика — изменение тарифных ставок в платных зонах парковки. Это позволяет распределять загруженность парковочных мест в определенные дни, тем самым снижая пробки на дорогах.
Для конечных пользователей данные о свободных местах и более дешевых тарифах помогают планировать поездку и в целом качественно повышают водительский опыт — с помощью носимых или встроенных в автомобиль устройств пользователь получает практические указания по поиску парковочного места в реальном времени.
Будущее управления движением
Три основных элемента, рассмотренных нами, — это уже готовая экосистема, способная значительно облегчить ситуацию на дорогах современного города. Однако инфраструктура будущего создается в первую очередь для транспорта будущего. Автоматизированные системы мониторинга, паркинга и управления облегчают переход к использованию беспилотных автомобилей.
Однако и здесь не все так однозначно: инфраструктура, которая используется в «разумных» городах сейчас, беспилотникам может быть просто не нужна. Например, если сегодня в смене фаз светофора еще есть смысл, то, по версии исследователей Массачусетского технологического института, беспилотным автомобилям привычные нам сигналы не потребуются вовсе — скорость транспортных средств и остановка на перекрестках будет автоматически осуществляться с помощью сенсоров.
Вероятно, даже самые развитые системы управления трафиком переживут глобальную модернизацию после того, как беспилотники вытеснят с дорог традиционные автомобили, и мы увидим новый мир без светофоров, дорожных камер и «лежачих полицейских». Однако пока полный переход на беспилотные авто маловероятен. А вот рост числа «разумных» городов — это вполне реальная перспектива.
АСУДД: Эволюция «умных» светофоров
В прошлый раз в статье «АСУДД: Что висит над дорогой?» мы бегло прошлись по «железу», которое устанавливается на транспортных магистралях: по типам детекторов транспортного потока, светодиодным табло и дорожным контроллерам.
Сегодня мы продолжим говорить об управлении трафиком, но уже в городе. Рассмотрим из чего состоит цикл светофорного регулирования, чем именно «рулят» управляющие системы и с чего это все, собственно, началось.
Я долго не решался начать писать этот пост, так как тема управления трафиком на городских улицах настолько объемная и разносторонняя, что рассуждая о ней постоянно рискуешь оказаться в роли «ламера» в смежных областях. Но я все же рискну и попробую.
Красный, желтый, зеленый…
Для того, чтобы понимать чем именно «подруливают» управляющие алгоритмы, необходимо знать пять базовых определений светофорного регулирования.
Теперь открываем американскую книжку «Traffic Control Systems Handbook». Американцы добавляют еще два определения, имеющих ключевое значение для автоматизации процесса регулирования:
Секция регулирования (Split). Процент цикла регулирования, выделенный каждой из фаз регулирования.
Грубо говоря, варьируя процент времени на фазу, можно управлять длительностью зеленого сигнала на наиболее нагруженном направлении. На отдельно стоящем перекрестке это дает уменьшение задержек.
Смещение (Offset). Разница (в секундах или процентах от цикла регулирования) между часами на конкретном перекрестке и мастер-часами (на сети перекрестков).
Так как термин звучит немного заумно, вот картинка, которая его очень хорошо иллюстрирует. 
Видно, что фазы на соседнем перекрестке смещены относительно предыдущего. Времени смещения как раз хватает, чтобы группа автомобилей успела подъехать к нему и проскочить на зеленый. Расчет выполняется обычно для какой-то средней принятой в данном регионе скорости. Поэтому «гонщики» и «тормоза» как правило на таких магистралях обламываются.
Вот здесь можно прочитать обо всем упомянутом подробно. Оттуда же и последняя картинка.
Как «умнели» светофоры
Основные типы «умных» светофоров интересно рассмотреть в исторической перспективе, так как появлялись они не сразу и развивались от простого к сложному.
Автомобильные светофоры пришли к нам от железнодорожников. Первый электрический светофор с ручным управлением в США был установлен в Кливленде в 1914 году. А уже через три года, в 1917 году в Солт Лейк Сити была сконструирована система, управляющая светофорами сразу на шести перекрестках. Роль дорожного контроллера выполнял регулировщик. В 1922 году в Хьюстоне сделали то же самое, но уже на двенадцати перекрестках. Управление велось в ручном режиме из специальной башни.
Концепция автоматического светофора была предложена в 1928 году. Его мог установить и настроить любой электрик и все принялись закупать и устанавливать такие светофоры. Но сразу же возникли проблемы в больших городах, где существуют утренние и вечерние часы пик, в которые хорошо бы поменять планы координации светофоров, чтобы не создавались пробки. В полный рост встали проблемы нехватки персонала для этого ответственного дела. Пытливый американский разум задумался над дальнейшим совершенствованием дорожной автоматики.
В период с 1928 по 1930-й годы изобретатели предложили различные конструкции детекторов давления, определяющих наличие автомобилей на перекрестке. Это позволило сделать первые модели светофоров, реагирующих на транспорт (traffic-actuated). Такие светофоры давали эффект на магистралях, где красный по главному ходу включался только если со стороны второстепенной дороги подъезжала машина. Такие системы стоят в США до сих пор и неплохо справляются со своей задачей на изолированных перекрестках. Похожим образом работают и пешеходные вызывные кнопки, при нажатии на которую в следующий цикл регулирования встраивается пешеходная фаза.
В 1952 году в Денвере установили первый аналоговый контроллер, который позволил объединить несколько разрозненных перекрестков в единую управляемую сеть и переключать заранее рассчитанные планы координации в зависимости от времени суток и дней недели. В последующее десятилетие несколько сотен подобных систем было проинсталлировано по всему миру.
Подобные системы активно использовали параметр смещения, включая зеленый не сразу на всех перекрестках, а со смещением, зависящим от расстояния между перекрестками и параметров транспорта («зеленая волна»). Специально обученный инженер рассчитывал и рисовал на бумажке схемы координации, которые потом закладывались в контроллеры. Система оказалась настолько простой и надежной, что активно используется до сих пор в городах, не обремененных излишним трафиком.
В 1960 году в Торонто для управления светофорами установили первый «настоящий» компьютер – шикарный агрегат IBM 650 с барабанной памятью на 2000 машинных слов. Это был колоссальный прорыв в технологиях управления дорожным движением! Через три года под централизованным управлением находились более 20 перекрестков, а к 1973 году компьютер управлял уже 885 перекрестками!
Видя столь явный успех, IBM продолжила работать над использованием своих компьютеров в управлении светофорами. В 1964 году стартовал проект в центре Сан Хосе с компьютером IBM 1710, а в 1965 для города Вичита Фоллс (Техас) был установлен IBM 1800 (продвинутая версия модели 1130 с увеличенным количество портов ввода/вывода), который успешно управлял 85 перекрестками. Компьютер в Сан-Хосе также был заменен впоследствии на IBM 1800. Система оказалась настолько удачной, что данную конфигурацию стали использовать во многих американских городах от Остина и Портленда до Нью Йорка.
Вот он, легендарный аппарат IBM 1800 (источник картинки) 
Работа над стандартизацией систем управления светофорами стартовала в 1967 году. В рамках пилотного проекта построили управляющую систему для Вашингтона, которая включала 113 перекрестков, оснащенных 512 детекторами транспорта на основе индуктивной петли. Компьютер получил возможность не только вслепую переключать планы координации, но и получать информацию о транспортных очередях на перекрестках (тогда еще допплеровские радары для измерения скорости потока не использовали).
Короче говоря, критическая масса подключенных к компьютерам светофоров была достигнута, и переход от количества к качеству был лишь делом времени. Начались масштабные исследования в области разработки управляющих алгоритмов.
Идея иметь планы координации на все случаи жизни в теории была неплоха, но на все случаи жизни, как оказалось, планов не напасешься. Разработка каждого плана в 70-х производилась на бумаге и была довольно трудоемким и творческим процессом. И если для длинной улицы со светофорами, наподобие Ленинского проспекта в Москве, рассчитать алгоритмы было довольно легко, то на сети улиц это была уже совсем нетривиальная задача. Там более, что городов много, и не все из них могут себе позволить держать в штате грамотного транспортно инженера.
И вот в 70-х британское исследовательское бюро TRRL (The Transport and Road Research Laboratory) разработало и внедрило на улицах Глазго систему SCOOT (Split, Cycle and Offset Optimization Technique), которая позволяла «играться» параметрами цикла светофорного регулирования в определенных границах в зависимости от информации транспортных детекторов, измеряющих наличие и длину очередей на светофорах. SCOOT совмещала преимущества фиксированных планов координации для сети и адаптивного управления, когда «умный» светофор сам «подруливает» циклом и длительностями зеленых сигналов. SCOOT в 80-х имел ряд успешных внедрений в Европе и Северной Америке. Более того, сейчас этот алгоритм (уже в третьем поколении) лицензирован более чем 100 компаниям для использования в составе своих систем.
SCOOT в третьем поколении показывает чудеса изощренного управления: он умеет обрабатывать нестандартные ситуации, растаскивать заторы, сглаживать последствия вмешательства в транспортный поток регулировщиков и временных перекрытий движения, которые так любят устраивать в сами знаете какой стране.
Также развивались и полностью адаптивные алгоритмы управления (traffic adaptive), который представляли в мире OPAC (Optimized Policies for Adaptive Control) и RHODES, разрабатываемый Аризонским универом.
Сейчас разница в эффективности управления между адаптивными и «чувствительными» системами практически стерлась. Подобно гонке интернет браузеров, эти «тупоконечники» и «остроконечники» постоянно проводят исследования, чтобы доказать эффективность именно своего алгоритма, но отчеты независимых экспертов говорят о том, что в общем разницы-то особой нет.
Зато сейчас с развитием и удешевлением компьютерной техники появились возможности повышения живучести систем управления. Часть управляющей логики стали зашивать непосредственно в дорожные контроллеры, которые даже в случае обрыва связи с центром не терялись и начинали объединяться в управляющие кластеры с соседними контроллерами. В условиях территориально распределенных систем управления обрыв каналов связи обычное дело, и такой бонус стал совсем не лишним.
А что же в России?
Собирался было закруглиться на сегодня и вспомнил вдруг о том, что ни словом не упомянул российский (советский) опыт. Итак, мне бы очень хотелось, чтобы мы были уникальны и впереди планеты всей, но это не так. Большинство отечественных работ по управлению трафиком на автодорогах основаны на переводе американской книжки 1972 года. В отличие от оборонки, эта область не отличалась уникальностью.
Работы по централизованному компьютерному управлению светофорами начались у нас в стране в начале 80-х (то есть на 20 лет позже американцев). По заданию правительства Москвы и министерства транспорта РФ в Дефаулт-сити была создана система Старт, умевшая осуществлять координированное управление светофорами. В управляющем центре трудился сервер на «солярке» с базой данных Informix. Технически система была верхом доступного нашим специалистам совершенства. Более 400 светофорных объектов по всему городу управлялись из единого центра! Но ни о каком адаптивном управлении речи не шло. Фактически, это был аналог систем, которые внедрялись по всему миру в 70-е годы до появления адаптивных алгоритмов. Потом грянули всем известные события, никак не способствовавшие развитию отечественных транспортных систем. И сегодня мы имеем в разных городах форменный зоопарк из фрагментов западных систем управления. Но будем надеяться, что со временем ситуация в этой области нормализуется и появятся более интересные комплексные реализации. Ничего ведь сложного в этом нет. Правда ведь, коллеги?
На этом предлагаю завершить обзор управляющих алгоритмов и перейти к транспортному моделированию, которое, в общем-то и наполняет всю эту технику смыслом. Мне бы хотелось рассказать в следующей публикации об использовании транспортных моделей, их разновидностях и интеграции в контур систем управления дорожным движением.