Автомобильные пробки на дорогах в Москве

В Перми научились предсказывать пробки до их появления

Система прогноза пробок создана в рамках программы «Приоритет 2030». Она уже прошла тестирование на реальных дорогах России и не имеет аналогов.
Автор Наука Mail
Автомобильная пробка
Новая методика помогает предотвращать дорожные заторыИсточник: Аргументы и факты

Транспортные заторы в крупных городах не только снижают качество жизни, но и угрожают экологии. Современные методы анализа трафика — фиксация средней скорости, плотности и интенсивности потока — помогают настраивать светофоры и проектировать развязки, но не позволяют прогнозировать пробки заранее.

Ученые Пермского Политеха создали уникальный инструмент для прогнозирования автомобильных заторов до их возникновения — аналогов ему нет в России и за рубежом. Разработка выполнена в рамках программы «Приоритет 2030» и опубликована в журнале «Интеллект. Инновации. Инвестиции».

Как сообщила пресс-служба университета порталу Наука Mail, в основе инструмента — данные с уличных комплексов фото‑ и видеофиксации. Ученые проанализировали информацию с камер за месяцы и годы и выделили две составляющие трафика: предсказуемую (часы пик, разница между рабочими и выходными днями) и случайную (колебания скорости, замедления и ускорения машин).

Автомобильный затор в городе
Методика помогает оптимизировать работу светофоров и снизить число пробокИсточник: Агентство городских новостей «Москва»

Разработанная методика и компьютерная программа обрабатывают поступающие данные: изучают информацию за промежутки от нескольких минут до часа, оценивают загруженность и чувствительность потока к случайным событиям. Программа вычисляет показатель среднего времени проезда между рубежами контроля. Если он превышает среднесуточное значение, риск затора растет: даже небольшое торможение может остановить движение.

Результат работы модели — график изменения среднего времени проезда за 5−30 минут. По нему определяют одно из четырех состояний потока: свободное движение, начало затора, его развитие или сформировавшаяся пробка. Инструмент прогнозирует вероятность затора за 20−40 минут до его образования по скорости роста среднего времени проезда участка.

Тестирование на реальных дорогах одного из городов России подтвердило работоспособность программы. Ее данные полностью совпали с информацией сервиса «Яндекс. Пробки» для тех же участков и временных промежутков. При этом разработка ПНИПУ имеет преимущество: она оценивает риск затора до его визуального проявления, а данные «Яндекс. Пробок» (собираемые от водителей с навигаторами) могут быть неполными и запаздывать.

Инструмент предназначен для городских служб, транспортных инженеров и проектировщиков. Например, если методика показывает риск затора на перекрестке через 10−15 минут, службы могут увеличить время разрешающего сигнала светофора или направить регулировщика. Методика особенно полезна при дорожных ремонтах и строительстве, потому что поможет вовремя принять меры для минимизации риска аварий и перегрузки дорог. Созданная отечественная методика перспективна для импортозамещения в сфере интеллектуальных транспортных систем.

Ранее Наука Mail рассказывала о том, что новый чип для беспилотных авто реагирует на опасность в 4 раза быстрее человека.