Клюшин А.Ю. (klalex@inbox.ru) - Тверской государственный технический университет (доцент), Тверь, Россия, кандидат технических наук, Кузнецов В.Н. (is@tstu.tver.ru) - Тверской государственный технический университет, г. Тверь, Россия, доктор технических наук, Кучерявых В.В. (is@tstu.tver.ru) - Управление ГИБДД УВД по Тверской области | |
Ключевые слова: интеллектуальная система, нечеткий анализ, нечеткая логика, принятие решений, искусственный интеллект, безопасность дорожного движения |
|
Keywords: intellectual system, intelligence artificial, fuzzy logic, decision making, artificial intelligence, safety of traffic |
|
|
Рост автомобильного парка России значительно опережает темпы дорожного строительства. При чрезмерной загруженности дорог транспортными средствами скорость их движения, особенно в крупных городах, снижается настолько, что автомобиль полностью утрачивает одно из своих важнейших достоинств – динамичность, кроме того, увеличивается количество ДТП. Безопасность дорожного движения (ДД) относится к наиболее приоритетным задачам развития страны. Государства мира рассматривают обеспечение безопасности населения как важный элемент обеспечения национальной безопасности и стараются найти технические и организационные средства и методы для ее решения [1]. В связи с этим следует отметить, что - применение новых компьютерных и телекоммуникационных технологий в информатизации деятельности по обеспечению безопасности ДД является одним из важных приоритетов в развитии транспортной инфраструктуры региона; - мероприятия, направленные на снижение аварийности и улучшение организации движения транспорта и пешеходов, в значительной степени могут быть решены интеллектуальными системами, созданными на основе современных информационных технологий. Скоростное и безопасное движение в современных городах обеспечивается за счет выполнения комплекса мероприятий архитектурно-планировочного и организационного характера. К архитектурно-планировочным мероприятиям относятся строительство новых и реконструкция существующих дорог, многоуровневые транспортные развязки, подземные и надземные пешеходные переходы, объездные дороги для отвода транзитных транспортных потоков и т.д. Они требуют значительных капиталовложений и не всегда осуществимы. Организационные мероприятия способствуют упорядочению движения на уже существующей дорожной сети. В реализации таких мероприятий особая роль принадлежит внедрению технических средств регулирования с применением ЭВМ, средств автоматики, телемеханики, диспетчерской связи и телевидения для управления движением в масштабах крупного района или целого города. В развитых странах интенсивно ведутся работы по созданию сложных АСУ ДД. Сегодня городские АСУ ДД – это зачастую системы управления лишь светофорной сигнализацией, а не транспортными потоками. Для светофорных объектов, объединенных в единую сеть с выводом информации в центр управления АСУ ДД, расчет управляющих параметров выполняется вручную. Для дорожной сети составляется расписание работы светофоров, которое учитывает суточные, недельные и сезонные колебания характеристик транспортного потока. Оператору доступна лишь информация о состоянии светофорных объектов (исправен/неисправен) и текущих режимах работы светофоров. Режимы могут переключаться автоматически по расписанию или по команде оператора АСУ ДД. Недостаток в том, что для оператора нет оперативной обратной связи. Транспортный поток как объект управления обладает крайне неприятными с точки зрения управления свойствами. На него оказывают непосредственное влияние самые разные случайные события: дорожные работы на отдельных участках, ДТП, резкие колебания погоды, изменение условий видимости и состояния дорожного покрытия. Это приводит к несоответствию режима работы светофора реальной обстановке на перекрестке. Затор, возникший на одном перекрестке, немедленно распространяется по всей дорожной сети. АСУ ДД работает следующим образом: данные о параметрах транспортных потоков собираются детекторами и телекамерами, передаются в центр управления АСУ ДД и обобщаются, а потом на основе полученных данных рассчитываются режимы работы светофоров. АСУ ДД также может выводить сообщения о ДТП, заторах, пробках на информационные табло или передавать на мобильные терминалы различных служб и частных пользователей. Опыт зарубежных стран показывает, что внедрение подобных систем, в том числе с применением интеллектуальных технологий, без строительства дополнительных дорог может обеспечить повышение пропускной способности до 25 %. За рубежом уже длительное время используют технические средства автоматической фото- и видеофиксации административных правонарушений, причем сейчас на основе автоматизированных систем (повышение вероятности выявления фактов нарушения скоростного режима, освобождение ДПС от рутинной работы по протоколированию, снижение обращений в судебные органы по оспариванию фактов нарушения правил ДД). Например, автоматизированные системы контроля скорости движения могут обеспечить снижение количества ДТП на треть. Информация обрабатывается в созданных региональных и национальных центрах. С учетом зарубежного опыта Департаментом отдела безопасности ДД МВД России разработана концепция создания автоматизированной системы фиксации административных правонарушений с применением специальных технических средств. Цель – повышение уровня безопасности ДД. Опыт использования технических средств в некоторых регионах страны показал необходимость использования в субъектах РФ региональных центров обработки информации, интегрированных в информационную систему ГИБДД. Применение приборов фото- и видеофиксации в Тверской области, несомненно, оказывает положительное влияние на безопасность ДД. Сейчас информация о правонарушениях поступает с фото- и видеофиксаторов сотрудникам, ответственным за ее сохранность, и размещается на жестких дисках компьютеров. Схема работы автоматической видеофиксации нарушений правил ДД в Тверской области следующая: · выявление нарушения с помощью стационарного или передвижного комплекса видеофиксации, работающего в автоматическом режиме; · снятие информации с комплекса видеофиксации вручную; · сопоставление БД выявленных нарушений ПДД с базой принадлежности транспортного средства; · распечатка постановлений по делам об административных правонарушениях; · подготовка к отправке постановлений и фотографий автомобиля-нарушителя, создание реестра корреспонденции; · отправка документов заказной корреспонденцией владельцу транспортного средства; · оплата нарушителем административного штрафа в банке; · поступление информации об оплате штрафа в Госавтоинспекцию. Предполагается, что в ближайшее время система видеофиксации нарушений правил ДД будет функционировать в автоматическом режиме. Структуру интеллектуальной информационной системы можно представить так, как изображено на рисунке. БД может создаваться, например, в Delphi, а БЗ при помощи программной экспертной системы CLIPS, которая является одной из наиболее широко используемых экспертных систем благодаря своей скорости, эффективности и бесплатности. Как и другие экспертные системы, CLIPS имеет дело с правилами и фактами. Различные факты могут сделать правило применимым. Применимое правило затем допускается. Факты и правила создаются предварительным объявлением, как показано в примере [2]: (deffacts trouble_shooting (car_problem (name ignition_key) (status on)) (car_problem (name engine) (status wont_start)) (car_problem (name headlights) (status work)) )(defrule rule1 (car_problem (name ignition_key) (status on)) (car_problem (name engine) (status wont_start)) => (assert (car_problem (name starter) (status faulty)) ) Далее, применяя мягкие методы и нечеткую логику, целесообразно использовать модель нечеткого описания управления безопасностью критериев и оценки эффективности. Пусть z – сообщение, r – способ действий, f – результат, fÎF – целевое множество; zÎZ – множество допустимых сообщений, rÎR – множество допустимых способов действий; mF(f) – функция принадлежности f нечеткому целевому множеству F, mZ(z) – функция принадлежности z нечеткому множеству Z, mR(r) – функция принадлежности r нечеткому множеству R; fÎF®mF(f), zÎZ®mZ(z), rÎR®mR(r); ((z,r)®f)®m®((z,r)®f), m®((z,r)®f) – функция принадлежности суждения о причинно-следственном отношении (z,r)®f; (z,r)®mZ,R(z,r), mZ,R(z,r) – функция принадлежности существования z и r одновременно, тогда (1) ; ; , (2) где (r,z)ÎR´Z; mi(fi) – функция принадлежности fi целевому множеству Fi; – допустимое значение функции принадлежности суждения о том, что цель максимально достигнута. Цель – выбрать группе ЛПР такое значение управляющего решения, которое обеспечивает максимальное значение функции принадлежности суждения о том, что цель группы достигнута относительно целевой функции всей группы, равной произведению функций принадлежности суждений о том, что целевая функция соответствующего ЛПР равна ее максимальному значению. Итак, АСУ ДД требуют развития технических и программных средств, которые смогут выпол- нять мониторинг, автоматическое распознавание и регистрацию различных ситуаций, а именно: 1) определение характеристик транспортного потока: адаптивное управление ДД с помощью светофоров; 2) обнаружение заторов, пробок и ДТП – ускорение реагирования соответствующих служб; 3) определение фактов грубого нарушения правил ДД с последующим автоматическим наведением телекамеры на автомобиль и распознаванием его регистрационного номера: сохранение видеоролика, фиксирующего нарушение правил ДД и распознанный регистрационный номер; 4) обнаружение объектов, вызывающих резкое ухудшение дорожно-транспортной обстановки: принятие решения о направлении к месту события эвакуаторов или дорожных служб. В дальнейшей работе целесообразно использовать реинжиниринг традиционной структуры ДД региона с целью создания интеллектуальной системы безопасного движения, выбор и обоснование методов искусственного интеллекта для прогнозирования аварийных ситуаций в области ДД. Внедрение новых информационных технологий в целом создает реальную предпосылку для повышения эффективности безопасности ДД. Литература 1. Новиков Д.А., Суханов А.Л. Модели и механизмы управления научными проектами в вузах. М.: Ин-т упр. образованием РАО, 2005. 2. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. СПб: БХВ-Петербург, 2003. |
http://swsys.ru/index.php?page=article&id=2644&lang=&lang=ru&like=1 |
|