1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 172 — телекомунікації та радіотехніка
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/36669
Назва: Дослідження smart системи керування рухом транспорту по вулиці Руській міста Тернополя
Інші назви: Research of smart traffic control system on Ruska Street in Ternopil
Автори: Яцюк, Ірина Євгенівна
Yatsiuk, Iryna
Приналежність: Тернопільський національний технічний університет імені Івана Пулюя ФПТ, м. Тернопіль, Україна
Бібліографічний опис: Яцюк І. Є. Дослідження smart системи керування рухом транспорту по вулиці Руській міста Тернополя : кваліфікаційна робота магістра за спеціальністю „172 — телекомунікації та радіотехніка“ / І. Є. Яцюк. — Тернопіль: ТНТУ, 2021 — 87 с.
Дата публікації: гру-2021
Дата подання: гру-2021
Дата внесення: 19-гру-2021
Видавництво: ТНТУ імені Івана Пулюя ФПТ, м. Тернопіль, Україна
Країна (код): UA
Місце видання, проведення: ТНТУ імені Івана Пулюя ФПТ, м. Тернопіль, Україна
Науковий керівник: Химич, Григорій Петрович
Khymych, Hryhorij
Члени комітету: Хвостівський, Микола Орестович
Khrostirskyy, Mykola
УДК: 621.397.74
Теми: 172
телекомунікації та радіотехніка
оптимізація
транспортний рух
розумне місто
smart city
optimization
transportation system
Короткий огляд (реферат): Кваліфікаційну роботу було присвячено аналізу та дослідженню «вільного» руху автотранспорту (без заторів) в умовах наявної пропускної спроможності дороги з максимальною інтенсивністю проїзду авто (вул. Руська від моста через залізничні колії до перехрестя з вул. Танцорова) з метою впровадження smart технологій на основі встановлення спеціалізованих відеокамер, регульованих на основі штучного інтелекту світлофорів та встановлення систем моніторингу якості повітря відповідно до європейських стандартів
The thesis was devoted to the analysis and study of "free" traffic (without congestion) in terms of available capacity of the road with maximum traffic intensity (Ruska Street from the bridge over the railway tracks to the intersection with Tantsorov Street) to implement smart technologies based on the installation of specialized video cameras regulated based on artificial intelligence of traffic lights and installation of air quality monitoring systems by European standards.
Зміст: Перелік скорочень...8 Вступ... 10 РОЗДІЛ 1 АНАЛІТИЧНА ЧАСТИНА ...12 1.1. Огляд останніх досліджень, проблеми та перспективи розвитку ...12 1.2. Можливі підходи оптимізації TST...16 1.2.1. Підходи, засновані на штучному інтелекті ...16 1.2.2. Підходи на основі метаевристики ...17 1.2.3. Багатоцільові підходи...19 1.2.4. Підходи, засновані на дворівневому програмуванні...19 1.2.5. Різні підходи ...20 1.3. Протокол національних транспортних комунікацій для інтелектуальної транспортної системи...21 1.3.1. Зв’язок від центру до польових пристроїв ...21 1.3.2. Структура стандартів NTCIP ...22 1.4. Висновки по розділу ...25 РОЗДІЛ 2 ОСНОВНА ЧАСТИНА ...26 2.1. Модель мережевого потоку...26 2.1.1. Динаміка руху на ділянках доріг у результаті рівняння безперервності...26 2.1.2. Закон Кірхгофа для динаміки руху в вузлах...27 2.2. Передбачення транспортних потоків ...29 2.2.1. Процес обслуговування та час налаштування ...30 2.2.2. Зелений час, необхідний для очищення черги...33 2.2.3. Час очікування в черзі ...34 2.3. Звичайне та самоорганізоване світлофорне керування ...35 2.3.1. Класичний підхід для управління та його обмеження...35 2.3.2. Евристика реального часу на основі самоорганізованої стратегії визначення пріоритетів ...37 2.4. Стратегія оптимізації ...39 2.5. Стратегія стабілізації...44 2.6. Висновки по розділу 2...45 РОЗДІЛ 3 НАУКОВО-ДОСЛІДНИЦЬКА ЧАСТИНА ...46 3.1. Аналіз алгоритмів роботи системи. Створення власного алгоритму...46 3.2. Підбір комплектуючих 16 камер та відеореєстратора на основі типових технічних завдань ...52 3.3. Огляд програмного забезпечення ...58 3.4. Висновки по розділу 3...60 РОЗДІЛ 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ...61 4.1. Класифікація безпеки життєдіяльності ...61 4.2. Фактори що впливають на функціональний стан користувачів комп'ютерів ...65 4.3. Висновки по розділу 4...69 ВИСНОВКИ ...70 ПЕРЕЛІК ВИКОРИСТАНИХ ДЖЕРЕЛ ...71 ДОДАТКИ ...79
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/36669
Власник авторського права: © Яцюк Ірина Євгенівна, 2021
Перелік літератури: 1. Litman, T. A. (2003). Transportation cost and benefit analysis: Techniques, estimates, and implications. Victoria: Victoria Transport Policy Institute.
2. Fyhri, A., & Marit, G. (2010). Science of the Total environment noise, sleep, and poor health: Modeling the relationship between road traf fi c noise and cardiovascular problems. Science of the Total Environment, 408, 4935–4942. https://doi.org/10.1016/j.scitotenv.2010.06.057.
3. Agarwal, S., & Swami, B. L. (2011). Road traffic noise, annoyance, and community health survey - a case study for an Indian city. Noice Heal, 13, 272–277. https://doi.org/10.4103/1463-1741.82959.
4. Howell, W. C., & Fu, M. C. (2006). Simulation optimization of traffic light signal timings via perturbation analysis doctoral dissertation, University of Maryland.
5. Zhao, D., Dai, Y., & Zhang, Z. (2012). Computational intelligence in urban traffic signal control: A survey. IEEE Transactions on Systems, Man, and CyberneticsPart C: Applications and Reviews, 42, 485–494. https://doi.org/10.1109/TSMCC.2011.2161577.
6. Tan, M. K., Chuo, H. S. E., Chin, R. K. Y., et al. (2017). Genetic algorithmbased signal optimizer for the oversaturated urban signalized intersection. In 2016 IEEE Int Conf Consum electron ICCE-Asia 2016 5–8. https://doi.org/10.1109/ICCEAsia.2016.7804762
7. Sabar, N. R., Kieu, L. M., Chung, E., et al. (2017). A memetic algorithm for real-world multi-intersection traffic signal optimisation problems. Engineering Applications of Artificial Intelligence, 63, 45–53. https://doi.org/10.1016/j.engappai.2017.04.021.
8. Akcelik, R. (1981). Traffic signals: Capacity and timing analysis, (vol. 123). Melbourne: Australian Road Research Board, ARR.
9. Koukol, M., I, L. Z., Marek, L., & I, P. T. (2015). Fuzzy logic in traffic engineering : A review on signal control. Mathematical Problems in Engineering, 2015, 1–14. https://doi.org/10.1155/2015/979160.
10. Araghi, S., Khosravi, A., & Creighton, D. (2015). A review on computational intelligence methods for controlling traffic signal timing. Expert Systems with Applications, 42, 1538–1550. https://doi.org/10.1016/j.eswa.2014.09.003.
11. Yu, Q., Liu, J. G., Liu, P. H., et al. (2009). Dynamic optimization project study between the traffic organization and the traffic signal control of urban traffic. 2009 WRI World Congress Computer Science Information Engineering CSIE 2009, 3, 182–186. https://doi.org/10.1109/CSIE.2009.63.
12. Ng, K. M., Reaz, M. B. I., Ali, M. A. M., & Chang, T. G. (2013). A brief survey on advances of control and intelligent systems methods for traffic-responsive control of urban networks. Teh Vjesn, 3, 555–562.
13. Papageorgiou, M., Diakaki, C., Dinopoulou, V., et al. (2003). Review of road traffic control strategies. Proceedings of the IEEE, 91, 2043–2067.
14. Ribeiro, I. M., & Simões, M. D. L. D. O. (2016). The fully actuated traffic control problem solved by global optimization and complementarity. Engineering Optimization, 48, 199–212. https://doi.org/10.1080/0305215X.2014.995644.
15. Webster, F. V. (1958). Traffic signal setting. Road Research Laboratory Technical Paper /UK/, 39, 1–44.
16. Miller, A. J. (1963). Settings for fixed-cycle traffic signals. The Journal of the Operational Research Society, 14, 373–386. https://doi.org/10.2307/3006800.
17. Küçükoğlu, İ., Dewil, R., & Cattrysse, D. (2019). Hybrid simulated annealing and tabu search method for the electric travelling salesman problem with time windows and mixed charging rates. Expert Systems with Applications, 134, 279–303. https://doi.org/10.1016/j.eswa.2019.05.037.
18. Ratrout, N. T., & Rahman, S. M. (2009). A comparative analysis of currently used microscopic and macroscopic traffic simulation software. Arabian Journal for Science and Engineering, 34, 121–133.
18. Ratrout, N. T., & Rahman, S. M. (2009). A comparative analysis of currently used microscopic and macroscopic traffic simulation software. Arabian Journal for Science and Engineering, 34, 121–133.
20. Deng, G. (2007). Simulation-based optimization doctoral dissertation, University of Wisconsin-Madison.
21. Carson, Y., & Maria, A. (1997). Simulation optimization: Methods and applications. In S. Andradóttir, K. J. Healy, D. H. Winters, & B. L. Nelson (Eds.), Proceedings of the 1997 winter simulation conference, (pp. 118–126).
22. Araghi, S., Khosravi, A., & Creighton, D. (2015). Intelligent cuckoo search optimized traffic signal controllers for multi-intersection network. Expert Systems with Applications, 42, 4422–4431. https://doi.org/10.1016/j.eswa.2015.01.063.
23. Jin, J., Ma, X., & Kosonen, I. (2017). An intelligent control system for traffic lights with simulation-based evaluation. Control Engineering Practice, 58, 24–33. https://doi.org/10.1016/j.conengprac.2016.09.009.
24. Araghi, S., Khosravi, A., Creighton, D., & Nahavandi, S. (2017). Influence of meta-heuristic optimization on the performance of adaptive interval type2-fuzzy traffic signal controllers. Expert Systems with Applications, 71, 493–503. https://doi.org/10.1016/j.eswa.2016.10.066.
25. Miletić, M., Kapusta, B., & Ivanjko, E. (2018). Comparison of two approaches for preemptive traffic light control. In Proc Elmar - Int Symp electron, (pp. 57–62). https://doi.org/10.23919/ELMAR.2018.8534608.
26. Vogel, A., Oremovi, I., Simi, R., & Ivanjko, E. (2018). Improving traffic light control by means of fuzzy logic. In In 2018 international symposium ELMAR, (pp. 16– 19).
27. Wei, H., Zheng, G., Yao, H., & Li, Z. (2018). Intellilight: A reinforcement learning approach for intelligent traffic light control. In In proceedings of the 24th ACM SIGKDD international conference on Knowledge Discovery & Data Mining, (pp. 2496– 2505).
28. Garg, D., Chli, M., & Vogiatzis, G. (2018). Deep reinforcement learning for autonomoustraffic light control. In 2018 3rd IEEE international conference on intelligent transportation engineering, ICITE 2018, (pp. 214–218). https://doi.org/10.1109/ICITE.2018.8492537.
29. Gökçe, M. A., Öner, E., & Işık, G. (2015). Traffic signal optimization with p swarm optimization for signalized roundabouts. Simulation, 91, 456–466. https://doi.org/10.1177/0037549715581473.
30. Dabiri, S., & Abbas, M. (2016). Arterial traffic signal optimization using p swarm optimization in an integrated VISSIM-MATLAB simulation environment. In IEEE Conf Intell Transp Syst proceedings, ITSC, (pp. 766–771). https://doi.org/10.1109/ITSC.2016.7795641.
31. Panovski, D., & Zaharia, T. (2016). Simulation-based vehicular traffic lights optimization. In In 2016 12th international conference on signal-image Technology & Internet-Based Systems, (pp. 258–265). https://doi.org/10.1109/SITIS.2016.49.
32. Elgarej, M., Khalifa, M., & Youssfi, M. (2016). Traffic lights optimization with distributed ant colony optimization based on multi-agent system. International Conference Networked System, 266–279. https://doi.org/10.1007/978-3-642-60749- 3_9.
33. Jintamuttha, K., Watanapa, B., & Charoenkitkarn, N. (2016). Dynamic traffic light timing optimization model using bat algorithm. In In 2016 2nd international conference on control science and systems engineering (ICCSSE), (pp. 181–185). https://doi.org/10.1109/CCSSE.2016.7784378.
34. Ahmed, E. K. E., Khalifa, A. M. A., & Kheiri, A. (2018). Evolutionary computation for static traffic light cycle optimisation. International Conference on Computer Control Electric Electron Engineering, 2018, 1–6.
35. Chuo, H. S. E., Tan, M. K., Chong, A. C. H., et al. (2017). Evolvable traffic signal control for intersection congestion alleviation with enhanced p swarm optimisation. Proc - 2017 IEEE. In 2nd Int Conf autom control Intell Syst I2CACIS 2017 2017-Decem, (pp. 92–97). https://doi.org/10.1109/I2CACIS.2017.8239039.
36. Nguyen, P. T. M., Passow, B. N., & Yang, Y. (2016). Improving anytime behavior for traffic signal control optimization based on NSGA-II and local search. Proceedings of International Joint Conference on Neural Networks, 4611–4618. https://doi.org/10.1109/IJCNN.2016.7727804.
37. Hatri, C. E. L., & Boumhidi, J. (2016). Q-learning based intelligent multiobjective p swarm optimization of light control for traffic urban congestion management. In In 2016 4th IEEE international colloquium on information science and technology (CiSt), (pp. 794–799). https://doi.org/10.1109/CIST.2016.7804996.
38. Zheng, L., Xu, C., Jin, P. J., & Ran, B. (2019). Network-wide signal timing stochastic simulation optimization with environmental concerns. Applied Soft Computing - Journal, 77, 678–687. https://doi.org/10.1016/j.asoc.2019.01.046.
39. Hajbabaie, A., & Benekohal, R. F. (2015). A program for simultaneous network signal timing optimization and traffic assignment. IEEE Transactions on Intelligent Transportation Systems, 16, 2573–2586. https://doi.org/10.1109/TITS.2015.2413360.
40. Li, Z., Shahidehpour, M., Bahramirad, S., & Khodaei, A. (2017). Optimizing traffic signal settings in smart cities. IEEE Transactions on Smart Grid, 8, 2382–2393. https://doi.org/10.1109/TSG.2016.2526032.
41. Chen, S., & Sun, D. J. (2016). An improved adaptive signal control method for isolated signalized intersection based on dynamic programming. IEEE Intelligent Transportation Systems Magazine, 8, 4–14.
42. Ahmed, F., & Hawas, Y. E. (2015). An integrated real-time traffic signal system for transit signal priority, incident detection and congestion management. Transport Research Part C Emerging Technology, 60, 52–76. https://doi.org/10.1016/j.trc.2015.08.004.
43. Dakic, I., Raton, B., & Raton, B. (2015). Backpressure traffic control algorithms in field-like signal operations. In In 2015 IEEE 18th international conference on intelligent transportation systems, (pp. 137–142). https://doi.org/10.1109/ITSC.2015.31.
44. Pavleski, D., Koltovska-Nechoska, D., & Ivanjko, E. (2017). Evaluation of adaptive traffic control system UTOPIA using microscopic simulation. Proc Elmar - International Symposium of Electron, 17–20. https://doi.org/10.23919/ELMAR.2017.8124425.
45. Chen, X., Osorio, C., & Santos, B. F. (2017). Simulation-based travel time reliable signal control. Transportation Science, 1–22. https://doi.org/10.1287/trsc.2017.0812.
46. Baldi, S., Michailidis, I., Ntampasi, V., et al. (2019). A simulation-based traffic signal control for congested urban traffic networks. Transportation Science, 53, 6–20. https://doi.org/10.1287/trsc.2017.0754.
47. Shah, S., Mohiuddin, S., Gokce, M. A., et al. (2019). Analysis of various scenarios to mitigate congestion at a signalized roundabout using microsimulation. In 2019 innovations in intelligent systems and applications conference (ASYU), (pp. 1–6). https://doi.org/10.1109/ASYU48272.2019.8946339.
48. Zheng, L., Xue, X., Xu, C., & Ran, B. (2019). A stochastic simulation-based optimization method for equitable and efficient network-wide signal timing under uncertainties. Transport Research Part B Methodology, 122, 287–308. https://doi.org/10.1016/j.trb.2019.03.001.
49. Venayagamoorthy, G. K. (2009). A successful interdisciplinary course on computational intelligence. EEE Computer Intelligence Magnet, 4, 14–23. https://doi.org/10.1109/MCI.2008.930983.
50. Parpinelli, R. S., & Lopes, H. S. (2011). New inspirations in swarm intelligence: A survey. International Journal of Bio-Inspired Computer, 3, 1. https://doi.org/10.1504/IJBIC.2011.038700.
51. Eiben, A. E., & Smith, J. E. (2012). Introduction to evolutionary computing genetic algorithms, (2nd ed., ). Berlin: Springer Netherlands.
52. Montana, D. J., & Czerwinski, S. (1996). Evolving control laws for a network of traffic signals. In Proceedings of the 1st annual conference on genetic programming, (pp 333–338). ISBN:0-262- 61127-9.
53. Montana, D. J. (1995). Strongly typed genetic programming. Evolutionary Computation, 3, 199–230.
54. Xiang, J., & Chen, Z. (2015). Adaptive traffic signal control of bottleneck subzone based on grey qualitative reinforcement learning algorithm. In international 77 conference on pattern recognition applications and methods (ICPRAM), (pp. 295–301). https://doi.org/10.5220/0005269302950301.
55. Benhamza, K., & Seridi, H. (2015). Adaptive traffic signal control in multiple intersections network. Journal of Intelligent Fuzzy Systems, 28, 2557–2567. https://doi.org/10.3233/IFS-151535.
56. Vidhate, D. A., & Kulkarni, P. (2017). Cooperative multi-agent reinforcement learning models (CMRLM) for intelligent traffic control. In Proc - 1st Int Conf Intell Syst Inf Manag ICISIM 2017 2017-Janua, (pp. 325–331). https://doi.org/10.1109/ICISIM.2017.8122193.
57. Genders, W., & Razavi, S. (2018). Evaluating reinforcement learning state representations for adaptive traffic signal control. Procedia Computer Science, 130, 26– 33. https://doi.org/10.1016/j.procs.2018.04.008.
58. Liang, X., Du, X., Member, S., & Wang, G. (2019). A deep reinforcement learning network for traffic light cycle control. IEEE Transactions on Vehicular Technology, 68, 1243–1253. https://doi.org/10.1109/TVT.2018.2890726.
59. Bernas, M., & Płaczek, B. (2019). A neuroevolutionary approach to controlling traffic signals based on data from sensor network. Sensors, 19, 1–24. https://doi.org/10.3390/s19081776.
60. Abdelgawad, H., Abdulhai, B., El-tantawy, S., et al. (2015). Assessment of self-learning adaptive traffic signal control on congested urban areas : Independent versus coordinated perspectives. Canadian Journal of Civil Engineering, 42, 353–366. https://doi.org/10.1139/cjce-2014-0503.
61. Ozan, C., Baskan, O., Haldenbilen, S., & Ceylan, H. (2015). A modified reinforcement learning algorithm for solving coordinated signalized networks. Transport Research Part C Emerging Technology, 54, 40–55. https://doi.org/10.1016/j.trc.2015.03.010.
62. Li, Z., & Schonfeld, P. (2015). Hybrid simulated annealing and genetic algorithm for optimizing arterial signal timings under oversaturated traffic conditions. Journal of Advanced Transportation, 49, 153–170. https://doi.org/10.1002/atr.1274.
63. Gao, K., Zhang, Y., Sadollah, A., & Su, R. (2016). Optimizing urban traffic light scheduling problem using harmony search with ensemble of local search. Applied Soft Computing - Journal, 48, 359–372. https://doi.org/10.1016/j.asoc.2016.07.029.
64. Bie, Y., Cheng, S., & Liu, Z. (2017). Optimization of signal-timing parameters for the intersection with hook turns. Transport, 32, 233–241. https://doi.org/10.3846/16484142.2017.1285813.
65. Tan, M. K., Chuo, H. S. E., Chin, R. K. Y., et al. (2017). Optimization of traffic network signal timing using decentralized genetic algorithm. In 2017 IEEE 2nd international conference on automatic control and intelligent systems, I2CACIS 2017, (pp. 62–67).
66. Jovanović, A., & Teodorović, D. (2017). Pre-timed control for an undersaturated and over-saturated isolated intersection: A bee Colony optimization approach. Transportation Planning and Technology, 40, 556–576. https://doi.org/10.1080/03081060.2017.1314498.
67. Tarek, Z., Al-rahmawy, M., & Tolba, A. (2018). Fog computing for optimized traffic control strategy. Journal of Intelligent Fuzzy Systems. https://doi.org/10.3233/JIFS-18077.
68. Manandhar, B., & Joshi, B. (2018). Adaptive traffic light control with statistical multiplexing technique and p swarm optimization in smart cities. Proceedings on 2018 IEEE 3rd International Conference Comput Communication Security ICCCS, 2018, 210–217. https://doi.org/10.1109/CCCS.2018.8586845.
69. Eduardo, P., De Almeida, M., Chung, E., et al. (2017). Active control for traffic lights in regions and corridors : An approach based on evolutionary computation based on evolutionary computation. Transport Research Procedia, 25, 1769–1780. https://doi.org/10.1016/j.trpro.2017.05.140.
Тип вмісту: Master Thesis
Розташовується у зібраннях:172 — телекомунікації та радіотехніка

Файли цього матеріалу:
Файл Опис РозмірФормат 
Dyplom_Yatsiuk.pdf3,19 MBAdobe PDFПереглянути/відкрити
Авторська довідка Яцюк І.Є..docx18,22 kBMicrosoft Word XMLПереглянути/відкрити
Показати повний опис матеріалу Перегляд статистики


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора