Scientific journal
Fundamental research
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,674

PROBLEMS OF OPTIMIZATION OF FLOWS DISTRIBUTION IN THE NETWORK NODES

Naumova N.A. 1
1 Kuban State Technological University
The purpose of this article is to provide a stochastic model of network flows based on the Erlang time distribution for vehicles moving in succession, which allows us to describe the flows of high density. We used a graph representation and introduced a structure of matrices и  to store all necessary information about the network flows for analytical modelling. In this paper, the classification of network nodes is given as well as the criteria of optimization of flows distribution in the network nodes. We provide an algorithm of numerical method to find out the optimal parameters of control for the type 2 node. Using the graph representation of the model, we developed methods of determination of the optimal scheme of flows distribution within the network. The model provided – its graph representation and methods of optimization problems solutions – could be applied not only to a motor transport network but to any other network if we use a proper method of determining parameters based on the Erlang distribution.
transportation network
network flows
mathematical model
graph representation
node
optimization
1. Naumova N.A., Danovich L.M. Modelirovaniye i programmnaya realizatsiya dvizheniya avtotransportnyh sredstv po ulichno-dorozhnoy sety [Modelling and Simulation of Traffic in Transportation Networks]. Krasnodar, Izdatelskiy dom-Yug, 2011. 80 p.
2. Dombrovskiy A.N., Naumova N.A. Transportnye potoki na ulichno-dorozhnoy sety gorodov: modelirovanie i upravlenie [Traffic Flows in Urban Transportation Networks: Modelling and Control]. Krasnodar, Izdatelskiy dom-Yug, 2012. 124 p.
3. Cox D.R., Smith W.L., Queues, Methuen, London, 1961.
4. Drew D.R. Traffic Flow Theory and Control, McGraw-Hill Book Company, New York, 1968.
5. Inose H., Hamada, T., Road Traffic Control, University of Tokyo Press, Tokyo, Japan, 1975.

Стремительный рост числа автовладельцев привел к значительному повышению объемов движения, частым транспортным заторам и увеличению себестоимости автомобильных перевозок. В связи с этим проблема рационального использования существующей улично-дорожной сети путем выбора оптимальной организации движения автотранспортных средств является очень актуальной.

Для эффективного управления потоками транспортной сети города и выбора оптимальных решений по проектированию транспортных сетей необходимо учитывать широкий спектр характеристик потока. Возникающие трудности связаны с нестабильностью транспортного потока и противоречивостью критериев качества управления движением. Время проезда по конкретному маршруту складывается из задержек на перекрестках и времени движения между перекрестками. Оптимизировать время движения между двумя пунктами улично-дорожной сети можно за счет сокращения потерь времени на перекрестках. Перспективной задачей является разработка микромодели транспортной динамики в узлах сети и оценка их влияния на распределение потоков по сети.

Представление транспортной сети в виде графа

Сетью называется граф, каждой дуге которого поставлено в соответствие некоторое число. Поток на графе – это некоторая функция, заданная на дугах графа. В нашем случае поток на графе задается в виде функции плотности распределения интервалов по времени между требованиями. Будем считать распределение интервалов по времени в каждом из потоков требований (каналов) подчиненным распределению Эрланга:

Eqn18.wmf (1)

Этот закон позволяет описывать потоки достаточно высокой плотности. В частности, для транспортных потоков гипотеза о распределении интервалов по времени между подряд идущими автомобилями по закону Эрланга подтверждается при интенсивности движения по каждой полосе до 500 авт./ч.

Назовем сетевые потоки неконфликтными, если на данном участке сети они не пересекаются, и конфликтными – в противном случае. Вершинами графа будем считать узловые точки – точки, в которых либо расположены источники или потребители информации, либо происходит пересечение конфликтных потоков. То есть узловые точки образуются пересечением многоканальных магистралей.

Рассмотрим узловую точку (УТ), в которой пересечение конфликтных потоков происходит следующим образом: одна часть потоков (назовем их главными) проходит через УТ беспрепятственно; требования второй части потоков (второстепенных) ожидают возникновения достаточных интервалов по времени между требованиями главных потоков для пересечения УТ. Назовем такую УТ узловой точкой первого типа (УТ I типа).

Узловую точку (УТ), в которой для возможности ее пересечения поочередно перекрывается движение для одной из групп неконфликтных потоков на фиксированное время Ti, назовем узловой точкой второго типа (УТ II типа).

Пусть {li} – множество дуг графа, {zi} – множество вершин (узловых точек). Дуга представляет собой часть многоканальной магистрали, заключенную между двумя вершинами (узловыми точками). Присвоим магистралям сети идентификационные номера WAY_i, i ∈ N. В этом случае

Eqn19.wmf.

Тогда можно представить граф с помощью следующих связанных матриц:

I. Eqn20.wmf

1) № – номер строки матрицы ASTREETS соответствует номеру дуги графа, соединяющей узловые точки I и II; количество строк соответствует количеству дуг графа;

2) S1 и S2 – пересекающиеся магистрали, образующие вершину I графа;

3) S3 и S4 – пересекающиеся магистрали, образующие вершину II графа;

4) Contr – тип узловой точки;

5) Pr – наличие приоритета (главная или второстепенная магистраль);

6) Len – длина дуги между узловыми точками;

7) Col – количество потоков на дуге;

8) AL – допустимость поворота налево из направления А в вершине II;

9) AS – допустимость движения прямо из направления А вершине II;

10) AR – допустимость поворота направо из направления А вершине II;

11) λА1, λА2 и т.д. – параметр λ в направлении А;

12) kA1, kA2 и т.д. – параметр k в направлении А;

13) BL – допустимость поворота налево из направления В вершине I;

14) BS – допустимость движения прямо из направления В вершине I;

15) BR – допустимость поворота налево из направления В вершине I;

16) λВ1, λВ2 и т.д. – параметр λ в направлении В.

17) kB1, kB2 и т.д. – параметр k в направлении В.

II. Eqn21.wmf

1) № строки совпадает с номером дуги графа, соединяющей узловые точки I и II в матрице ASTREETS ;

2) S1 и S2 – пересекающиеся магистрали, образующие вершину I графа;

3) λCline1, λCline2 и т.д. –параметр λ потоков, входящих в вершину I в направлении С магистрали, пересекающей данную дугу графа в узловой точке I;

4) kC line1, kC line2 и т.д. – параметр k потоков, входящих в вершину I в направлении С магистрали, пересекающей данную дугу графа в узловой точке I;

5) λD line1, λD line2 и т.д. – параметр λ потоков, входящих в вершину I в направлении D магистрали, пересекающей данную дугу графа в узловой точке I;

6) kD line1, kD line2 и т.д. – параметр k потоков, входящих в вершину I в направлении D магистрали, пересекающей данную дугу графа в узловой точке I.

Определение оптимального распределения потоков в узловой точке

Рассмотрим следующую задачу: определить оптимальное (из множества

Eqn22.wmf

известных способов) распределение потоков для данной вершины Eqn23.wmf

Критерием оптимизации, в зависимости от преследуемой цели, может служить:

1) Eqn24.wmf – вес вершины zn (узловой точки) для потока данного направления;

2) μ(zn) – вес вершины zn (узловой точки);

3) ωM(zn) – средняя задержка требования выбранных направлений.

Для узловой точки I типа:

1) Eqn25.wmf где М – множество выбранных направлений;

2) Eqn26.wmf где Ω – множество всех направлений;

3) Eqn27.wmf где М – множество выбранных направлений.

Здесь принято обозначение: Wн – средняя задержка (в секундах) в УТ одного требования второстепенного направления в потоке с параметрами распределения λ и k:

Для узловой точки II типа:

1) Eqn28.wmf где М – множество выбранных направлений, a ∈ {1; 2};

2) Eqn29.wmf

3) Eqn30.wmf где М – множество выбранных направлений, a ∈ {1; 2}.

Здесь приняты обозначения:

Eqn31.wmf (треб.∙с.) – суммарная задержка всех требований данного потока за один цикл регулирования T = T1 + T2;

H(t) – число требований, прибывающих к данной точке дороги за интервал времени (0; t).

Пусть задана вершина Eqn23.wmf (с точностью до порядка Str1 и Str2). Информация о входящих потоках содержится в матрицах ASTREETS и BINTERSECTION.

Лемма 1. Параметры распределения Эрланга, входящих в вершину Eqn23.wmf потоков, заданы:

1) в матрице ASTREETS в строке

Eqn32.wmf – направление В;

2) в матрице BINTERSECTION в строке (BINTERSECTION)i в направлениях С и D;

3) в матрице ASTREETS в строке

Eqn33.wmf – в направлении А.

Оптимальное распределение потоков в узловой точке является решением задачи (в зависимости от преследуемой цели):

1) Eqn34.wmf

2) Eqn35.wmf

3) Eqn36.wmf

Выбор оптимальных параметров регулирования для узловой точки II типа

Поставим следующую задачу оптимизации функционирования узловой точки II типа: минимизировать суммарную часовую задержку μ(zn) всех требований в данном узле. При этом для каждого потока должно выполняться условие отсутствия затора:

Eqn37.wmf i = 1, 2, ..., n1; (2)

Eqn38.wmf j = 1, 2, ..., n2, (3)

где n1 – число потоков магистрали № 1; n2 – число потоков магистрали № 2. Кроме этого необходимо выполнение условия: T ≥ 2M, где М – минимальное время (в секундах), необходимое требованию для пересечения узловой точки II типа.

Задача математического (нелинейного) программирования имеет вид:

Eqn39.wmf (4)

Eqn40.wmf (5)

В результате следует получить оптимальные значения параметров регулирования T1, T2.

Алгоритм численного решения задачи (4–5) зададим как релаксационный процесс – процесс построения последовательных приближений M1, M2, ..., Mk, ... таких, что Mi ∈ Ω и Z(Mk+1) < Z(Mk).

1-й шаг. Задаем начальные значения:

Eqn41.wmf

и 

Eqn42.wmf

и значения для завершения алгоритма εp = 0,01; εT = 0,5; εZ = 0,1.

2-й шаг. Находим численно (например, методом половинного деления) решение уравнения Eqn43.wmf, соответствующего условию Eqn44.wmf

3-й шаг. Проверяем выполнение остальных неравенств системы ограничений:

Eqn45.wmf i = 1, 2, ..., n1;

Eqn46.wmf j = 1, 2, ..., n2.

4-й шаг. Если условия шага 3 выполнены, вычисляем Eqn47.wmf и переходим к шагу 5.

Если условия шага 3 не выполнены, то находим численно (например, методом половинного деления) решение T*1 уравнения Eqn48.wmf соответствующего условию Eqn49.wmf; проверяем выполнение остальных неравенств системы ограничений:

Eqn50.wmf i = 1, 2, ..., n1;

Eqn51.wmf j = 1, 2, ..., n2.

Затем вычисляем Eqn47.wmf и переходим к шагу 5.

5-й шаг. Приняв T = T*1 (начальное значение Eqn52.wmf) находим численно решение Eqn53.wmf уравнения:

Eqn54.wmf

Тогда новое значение Eqn55.wmf.

6-й шаг. Повторяем шаги 2–4 до тех пор, пока ΔZ < εz, Δp < εp, ΔT < εT.

Автором доказано, что последовательные приближения отвечают условиям сходимости к оптимальному решению M0:

Eqn56.wmf

Определение критических значений параметров распределения Эрланга для узловой точки II типа

Как отмечено выше, «затор» в УТ II типа не образуется при выполнении условий (2‒3). В случае распределения интервалов по времени по закону Эрланга (1) данные условия равносильны следующей системе неравенств:

Eqn57.wmf (6)

Так как

Eqn58.wmf,

то приближенное решение системы относительно параметра λ (при известном параметре k) следующее:

Eqn59.wmf (7)

При необходимости значение параметра λ распределения Эрланга для каждого из потоков, гарантирующее отсутствие «заторов» в УТ II типа, может быть найдено численными методами с любой степенью точности путем решения (соответственно) уравнения:

Eqn60.wmf

или

Eqn61.wmf (8)

Определение оптимальной (из числа заданных) схемы распределения потоков по сети

Пусть задан подграф {zn}n∈V, подлежащий реорганизации. Возможные варианты реорганизации распределения потоков на сети должны быть отражены в матрицах (ASTREETS)i и (BINTERSECTION)i , i ∈ K.

Если цель реорганизации – сведение к минимуму задержек в узловых точках, то критерий оптимизации – сумма весов узловых точек:

Eqn62.wmf

Оптимальная схема распределения потоков по сети является решением задачи:

Eqn63.wmf

Если цель реорганизации – оптимизация движения потоков по данному маршруту (V, D) сети, то в качестве целевой функции следует взять

Eqn64.wmf

– вес маршрута, то есть время, затраченное на прохождение данного маршрута.

Здесь Eqn65.wmf – вес вершины zn (узловой точки) для потока данного направления;

μi(lj) – вес дуги lj для потока данного направления;

D – множество дуг маршрута;

V – множество вершин маршрута.

Тогда оптимальная схема распределения потоков является решением следующей задачи:

Eqn66.wmf

Заключение

Рассмотренные выше оптимизационные задачи базируются на гипотезе о распределении интервалов по времени между следующими подряд требованиями по закону Эрланга. Для транспортных потоков адекватность данной гипотезы проверена автором экспериментально. В работах [1–2] подробно рассматривается построение математической модели, построенной на гипотезе об эрланговском распределении интервалов по времени и ее аналитической реализации. Одной из положительных сторон модели является минимальное количество исходных данных, требующихся для расчетов показателей качества функционирования сети. Предложенное в данной работе граф-представление транспортной сети позволяет решать задачи по оптимизации распределения сетевых потоков. При наличии базы данных для конкретного участка улично-дорожной сети, построенной в соответствии со структурой матриц ASTREETS и BINTERSECTION, нетрудно осуществить компьютерную реализацию алгоритмов решения этих задач, например, в среде DELPHI.

Рецензенты:

Атрощенко В.А., д.т.н., профессор, декан факультета компьютерных технологий ФГБОУ ВПО «Кубанский государственный технологический университет» Министерства образования и науки РФ, г. Краснодар;

Видовский Л.А., д.т.н., профессор, заведующий кафедрой вычислительной техники и автоматизированных систем управления ФГБОУ ВПО «Кубанский государственный технологический университет» Министерства образования и науки РФ, г. Краснодар.

Работа поступила в редакцию 07.11.2012.