Skip to content

SoldatovDaniil/carStreamModeling

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

22 Commits
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Управление конфликтными транспортными потоками в классе циклических алгоритмов

Описание проекта

Данный проект представляет собой выпускную квалификационную работу бакалавра, посвященную анализу и оптимизации управления конфликтными транспортными потоками на перекрестке в рамках циклических алгоритмов светофорного регулирования. Работа сочетает теоретическое исследование вероятностных свойств системы и практическую реализацию имитационной модели на Python.

Ключевые особенности

  • Имитационное моделирование: Реализована комплексная модель транспортных потоков на перекрестке

  • Оптимизация параметров: Разработан алгоритм поиска оптимальных длительностей фаз светофора

  • Исследование влияния параметров: Проанализировано влияние интенсивности потоков и их структуры на работу системы

Структура проекта

Основные модули

  • modeling.py - Моделирование входных потоков (Пуассона и Бартлетта)

  • system.py - Реализация логики работы системы (очереди, обслуживание)

  • streamModeling.py - Связующий модуль для взаимодействия компонентов

  • optimize.py - Алгоритмы оптимизации параметров управления

Численное исследование:

  • Областей существования стационарного режима

  • Влияния интенсивности входных потоков

  • Влияния длительности мигания зеленого света

  • Влияния параметров потока Бартлетта

Ключевые результаты

Доказано, что процесс управления является однородной марковской цепью

Получены рекуррентные соотношения для одномерных распределений

Разработана эффективная имитационная модель на Python

Найдены квазиоптимальные параметры управляющего алгоритма

Построены области существования стационарного режима для различных сценариев

Установлено влияние параметров потока Бартлетта на оптимальное поведение системы

Используемые технологии

  • Язык программирования: Python 3.x

  • Библиотеки: NumPy, Matplotlib, Seaborn, Pandas

  • Методы: Теория массового обслуживания, Марковские процессы, Имитационное моделирование

Применение результатов

Результаты работы могут быть использованы для:

Оптимизации светофорного регулирования на перегруженных перекрестках

Анализа транспортных потоков с пачечной структурой

Проектирования адаптивных систем управления дорожным движением

Дальнейшее развитие

Реализация адаптивных алгоритмов управления

Учет дополнительных факторов (пешеходные потоки, общественный транспорт)

Интеграция с системами мониторинга дорожного движения в реальном времени

Работа выполнена в Нижегородском государственном университете им. Н.И. Лобачевского, 2025 г.

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages