Компанией был разработан проект по адаптивному управлению связанными
перекрестками на основе данных в реальном времени.
В течение 3-4 недель мы наблюдали за подмосковными перекрестками и
собирали данные. Провели предварительный анализ конфигурации
перекрестков. Увидели утренние и вечерние пробки.
Нашей задачей было оптимизировать транспортные потоки –
синхронизировать светофорные циклы, увеличить пропускную способность
перекрестка.
Вместе с университетом Иннополис мы создали адаптивный алгоритм ,
который в реальном времени , отталкиваясь от полученных данных с камер о длине очереди, выбирал максимально эффективный режим светофорного
цикла.
Обычно создание транспортной модели сети перекрестков происходит
вручную, остальное – автоматически. Происходит калибровка модели на
эмпирических данных. Далее данные готовятся с помощью алгоритма
машинного обучения. Ищем оптимальное расписание с помощью анализа
кластеров состояний. И разрабатываем рекомендательную систему
светофорных фаз по загруженности транспортной сети.
В проекте мы применили решения «Петля», «Поток» и «Матрица».
Таким образом, нам удалось увеличить пропускную способность
перекрестков в утренние и вечерние пиковые часы более чем на 20%.
Перекрестки были синхронизированы между собой.