Система прогнозирования прибытия и контроля общественного транспорта

В данной работе рассматриваются алгоритмы, способствующие уменьшению разброса прогнозируемого времени прибытия общественного транспорта, учитывающие различные факторы, такие как прогнозирование режимов светофора и времени простоя на остановках, индивидуальная скорость движения и другие.

Рассмотреть существующие алгоритмы прогнозирования прибытия общественного транспорта, оценить возможные причины возникновения высокого разброса значений времени прибытия. Разработать алгоритмы, способствующие уменьшению этого разброса, а также создать программный продукт, реализующий данные алгоритмы и автоматизирующий работу с ними.

Прогнозирование времени прибытия является одной из важных задач в сфере перевозок пассажиров. Существующие системы работают с достаточно малым количеством факторов и потому не всегда обеспечивают высокую точность. В данной работе осуществляется расчет среднего времени ожидания пассажиров для конкретных остановок, основанный на анализе накопленных данных, в которые входит причина остановки, загруженность дорог, расчет времени движения при утвержденной схеме светофоров, проработка «узких мест», вычисление индивидуального коэффициента скорости следования транспортного средства и анализ его расположения относительно маршрута. 

Для составления карты пробок используются сложные алгоритмы, в основе которых лежит определение типа движения, а также местоположений и времени остановок транспортного средства (ТС). Построение выполняется в реальном времени в автоматическом режиме.

Так как манёвренность, размеры, вид ТС оказывают сильное влияние на скорость движения, то необходимо учитывать эти факторы при прогнозировании прибытия. Широко используются статичные индексы для разных видов ТС, однако они не учитывают индивидуальные особенности транспортного средства и навыков водителя. Поэтому, наиболее удачным является использование некоторого гибкого индекса скорости, который будет опираться на текущие скоростные характеристики ТС.  В работе данный параметр будет называться как индивидуальный коэффициент скорости передвижения. Данное значение позволит наиболее точно определить время прибытия транспортного средства.

Для точного прогнозирования необходимо также учитывать схемы работы светофора. Большинство систем выполняет расчёт времени прибытия, руководствуясь данными о пробках. Такой подход даст средние данные о прибытии. Однако наличие «зелёного коридора» из 2-3 светофоров даст значительное отклонение от данного значения. Поэтому знание расположений светофоров на дистанции является неотъемлемой частью для систем транспортного контроля.

Следует отметить, что введение данных алгоритмов позволяет в значительной степени увеличить точность прибытия. Так, например, внедрение индивидуального индекса скорости движения для транспортных средств позволяет уменьшить разброс значений в среднем на 15%. При этом использование статичных индексов далеко не всегда позволяет достичь подобных результатов. Более того, для некоторых ТС статические индексы в несколько раз ухудшают прогнозируемое время прибытия. Как показали результаты, в среднем, у 3-4 микроавтобусов время прибытия может отличаться от среднего значения более чем в 2 раза.

Следует отметить, что среднее отклонение достигает максимальных значений на интервале в первые 5 минут. Это вызвано тем, что светофоры, расположенные вблизи места прибытия в значительной степени вносят коррективы в результирующее значение. Избежать этого позволяет использование светофорных схем, а также прогнозирование времени стоянки на остановочных пунктах. В общей совокупности данные методы позволяет уменьшить разброс значений прогнозирования в начальном интервале до 20%. 

1. Kolesenkov A., Kostrov B., Ruchkin V., Ruchkina E., “Algorithms of Fire seat Detection, Modeling Their Dynamics of Forest Fires via Communication Technologies”, 4th Mediterranean Conference o Embedded Computing, 2015.
2. Kolesenkov A., Kostrov B., Ruchkin V., “Emergencies monitoring and preventing”, 2nd Mediterranean Conference o Embedded Computing, 2013.
3. Уткин А., “Общественный транспорт в большом городе”, Тверь, Государственный Университет, 2010.
4. Афанасьев М., “Контроль автомобильного потока”, Глава 5. Москва, 2001.
5. Ларин О., “Транзитный потенциал транспортных систем”, СУрГУ, 2013.
6. Фёдоров В., “Общественный транспорт г. Санкт-Петербург”, СПб, 2014.

The article is devoted to the construction of an accurate forecasting system of public transport arrival, a systems-based analysis of traffic jams, traffic light schemes and individual parameters of any vehicle