Сравнительное исследование эффективности кольцевых пересечений для высокоавтоматизированных транспортных средств

Введение. В связи со стремительным развитием высокоавтоматизированных транспортных средств (ВАТС) становится всё более актуальным вопрос адаптации существующей дорожной инфраструктуры для обеспечения их бесперебойной и безопасной работы. Кольцевые пересечения, благодаря своей способности сокращать количество потенциальных аварийных ситуаций и повышать общую безопасность по сравнению с обычными перекрёстками, рассматриваются как вариант повышения безопасности дорожного движения, однако не являются существенными в плане повышения пропускной способности и оптимизации движения.
Материалы и методы. Данная работа посвящена сравнительной оценке эффективности использования ВАТС на кольцевых пересечениях. В статье рассматриваются достоинства ВАТС, их воздействие на транспортный поток и анализируются результаты моделирования на микро- мезоуровне с помощью программного обеспечения SUMO, демонстрируется влияние различных конфигураций кольцевых пересечений на движение в потоке пилотируемых и беспилотных транспортных средств.
Результаты. Результаты моделирования показали, что применение кольцевых пересечений для движения чистого потока ВАТС неэффективно. Несмотря на то, что кольцевые пересечения позиционируются как способ повышения безопасности дорожного движения за счет исключения конфликтных точек пересечения и замены их на точки переплетения, алгоритмический проезд перекрестков ВАТС не предполагает возникновения опасных ситуаций, так как конфликты решаются заранее. Наиболее важным фактором для увеличения пропускной способности ВАТС на перекрестке является ширина дорожного полотна. На данный момент точные количественные показатели влияния ширины дорожного полотна на пропускную способность ВАТС не установлены, однако можно выделить такие важные аспекты, как возможность равномерного движения потока без остановок, характерных для пилотируемых автомобилей, и, как следствие, более плотное движение колонн ВАТС.
Обсуждение и заключение. Полученные в рамках исследования выводы могут служить основой для оптимизации существующей транспортной инфраструктуры и формирования рекомендаций по созданию перекрёстков, приспособленных к условиям автономного движения, а также для дальнейших исследований, направленных на повышение пропускной способности различных видов пересечений дорог в условиях высокой автоматизации транспортного потока.

1. Подопригора Н.В. Алгоритмы диагностирования конструктивных систем высокоавтоматизированных транспортных средств // Мир транспорта и технологических машин. 2023. №. 4-1 (83). С. 3–8. DOI: https://doi.org/10.33979/2073-7432-2023-4-1(83)-3-18

2. Грошев А.М., Тумасов А.В. Беспилотные транспортные средства: настоящее и будущее // Транспортные системы. 2016. №. 2. С. 68.

3. Stern R.E. et al. Dissipation of stop-andgo waves via control of autonomous vehicles: Field experiments // Transportation research part C: emerging technologies. 2018. Т. 89. С. 205–221.

4. Пырнова О.А., Зарипова Р.С. Автономные машины и искусственный интеллект // Информационные технологии в строительных, социальных и экономических системах. 2020. №. 3. С. 46–49.

5. Голов Е.В. Фактор скорости в системе безопасности дорожного движения // Вестник гражданских инженеров. 2021. № 3(86). С. 139–148.

6. Солодкий А.И. Проектирование экономически эффективной улично-дорожной сети городов // Вестник. Зодчий. 21 век. 2013. № 1(46). С. 078–081.

7. Солодкий А.И., Черных Н.В. Повышение уровня обслуживания дорожного движения на улично-дорожной сети городов // Техника и технология транспорта. 2019. № S(13). С. 70.

8. Schwarting W., Alonso-Mora J., Rus D. Planning and Decision-Making for Autonomous Vehicles. Annual Review of Control, Robotics, and Autonomous Systems. 2018. Vol. 1. P. 187–210.

9. Rios-Torres J., Malikopoulos A.A. A Survey on the Coordination of Connected and Automated Vehicles at Intersections and Merging at Highway On-Ramps // IEEE Transactions on Intelligent Transportation Systems. 2017. Vol. 18, No. 5. P. 1066–1077.

10. Levin M.W., Boyles S.D. Effects of Autonomous Vehicle Ownership on Trip, Mode, and Route Choice // Transportation Research Record: Journal of the Transportation Research Board. 2016. No. 2565. P. 1–9.

11. Talebpour A., Mahmassani H.S. Influence of Connected and Autonomous Vehicles on Traffic Flow Stability and Throughput // Transportation Research Part C: Emerging Technologies. 2016. Vol. 71. P. 143–163.

12. Chen D., Ahn S., Chitturi M., Noyce D.A. Towards Vehicle Automation: Roadway Capacity Formulation for Traffic Mixed with Regular and Automated Vehicles // Transportation Research Part B: Methodological. 2017. Vol. 100. P. 196–221.

13. Dresner K., Stone P. A Multiagent Approach to Autonomous Intersection Management // Journal of Artificial Intelligence Research. 2008. Vol. 31. P. 591–656.

14. Zhou M., Jin S., Wang H. Simulation-Based Evaluation of Automated Vehicles in a Mixed Traffic Environment // Transportation Research Part C: Emerging Technologies. 2017. Vol. 82. P. 290–307.

15. Milakis D., van Arem B., van Wee B. Policy and Society Related Implications of Automated Driving: A Review of Literature and Directions for Future Research // Journal of Intelligent Transportation Systems. 2017. Vol. 21, No. 4. P. 324–348.

16. Куверин И.Ю., Гусев С.А., Зернов А.А., Блинов Д.Г. Моделирование однополосного транспортного потока беспилотных автомобилей на основе теории следования за лидером // Автоматика на транспорте. 2024. Т. 10, №. 2. С. 166–177. DOI: https://doi.org/10.20295/2412-9186-2024-10-02-166-177

17. Быков Н.В. Моделирование кластерного движения беспилотных транспортных средств в гетерогенном транспортном потоке // Компьютерные исследования и моделирование. 2022. Т. 14, №. 5. С. 1041–1058. DOI: https://doi.org/10.20537/2076-7633-2022-14-5-1041-1058