Гибридный алгоритм для оптимизации дорожных сетей
Ученые представили новый гибридный эволюционный алгоритм, который способен повысить пропускную способность городских дорог на 5–15%. Это достижение стало возможным благодаря сочетанию методов агентного имитационного моделирования, искусственного интеллекта и эволюционных принципов. Алгоритм анализирует множество конфигураций дорожной инфраструктуры и находит оптимальные решения, что обещает улучшение работы многоуровневых развязок и тоннелей. Результаты исследования опубликованы в журнале IEEE Access и были поддержаны грантом Российского научного фонда (РНФ).
Современные города, особенно крупные мегаполисы, обычно сталкиваются с проблемами, связанными с пробками и неэффективностью использования дорожного пространства. Традиционные методы проектирования, включая математические модели и статический анализ, часто не учитывают изменчивость транспортных потоков.
Алгоритмы на базе искусственного интеллекта могут предложить гибкие решения, так как они способны синхронизироваться с динамикой реальных потоков. Однако, большинство существующих систем фокусируются на узких аспектах, таких как управление светофорами или поиск кратчайших маршрутов, не включая в анализ общий контекст дорожной сети. Поэтому необходимы более комплексные инструменты для оценки всех ключевых аспектов.
Исследователи из Центрального экономико-математического института РАН (Москва) разработали алгоритм, который интегрирует многоагентное моделирование, теорию графов и эволюционные механизмы, такие как отбор, кроссинговер и мутации. Это позволяет находить оптимальные дорожные конфигурации, включая расположение перекрестков и эстакад. Для тестирования использовались разные модели, в том числе мини- и мезоскопические, которые точно моделируют взаимодействие транспортных средств и позволяют проверять алгоритм в реалистичных сценариях.
Эксперименты подтвердили эффективность алгоритма в повышении пропускной способности дорожной сети. Например, незначительное увеличение количества развязок на 1–5% от общей длины дорог может повысить скорость потока автомобилей на 5–15%.
«Наш алгоритм позволяет создавать эффективные многоуровневые дорожные сети, которые способны работать даже при высокой загрузке. Мы планируем развивать достижения в области сложных дорожных развязок и интеграции с элементами «умной» транспортной инфраструктуры», — делится впечатлениями профессор РАН Андраник Акопов, являющийся одним из участников проекта.





