 |
BMe Kutatói pályázat |
|
Baross Gábor Közlekedéstudományok Doktori Iskola
BME Közlekedésmérnöki és Járműmérnöki Kar, Közlekedésautomatikai Tanszék
Témavezető: Dr. Varga István
Közúti forgalom modellezése és intelligens irányítása
A kutatási téma néhány soros bemutatása
A közúti motorizáció folyamatos növekedése és a velejáró
externális következmények egyre nagyobb kihívások elé állítják a
közlekedéstervezőket és forgalomirányítókat. A példa
kedvéért: ma már nem elég, ha egy jelzőlámpa
detektorok segítségével forgalomfüggően képes üzemelni. A fenntartható
közlekedés és az élhető városi környezet biztosításához átfogó stratégia
megvalósítására és hálózati szintű irányításra van szükség, amelynek alapjait a
megfelelő forgalommodellezés és -előrebecslés jelentik. A kutatási témám
legfontosabb részeit a városi forgalom becslése, modellezése, valamint robusztus
és optimális irányítása teszik ki.
A kutatóhely rövid bemutatása
Kutatásaimat a BME Közlekedésautomatikai Tanszék Közúti Közlekedésirányítási Laborjában végzem. Aktív szerepet vállalunk a BME Kutatóegyetemi Programjában, a JKL-P4 projekt koordinátoraiként, illetve a JKL-P4-T1 téma kutatóiként. Jó kapcsolatot ápolunk a szakma piaci szereplőivel, ennek köszönhetően számos laboreszköz áll rendelkezésünkre: forgalomirányító-gépek, jelzőfejek, PLC-k, forgalomirányító-központi kliens. 2011-ben TÁMOP-os laborfejlesztési támogatást nyertünk, amiből változtatható jelzésképű táblákat, mikro-, illetve makroszkopikus forgalomszimulátorokat (VISSIM/VISUM) szereztünk be.
A kutatás történetének, tágabb kontextusának bemutatása
Az intelligens és adaptív közúti forgalomirányítás gyakorlatilag egy klasszikus szabályozási kört valósít meg: mérés/becslés, szabályozás, beavatkozás (1. ábra). Egy ilyen rendszer megvalósításához elengedhetetlen az úthálózati állapotok megfelelő ismerete, modellezhetősége. Sokfajta mérési technológia létezik, de az általánosan elmondható, hogy a közúti forgalom mérése komplex és meglehetősen költséges feladat, amelyhez terepi berendezések, kommunikációs rendszer és, célszoftverek szükségesek. Az úthálózat forgalmasabb részein minden városban igyekeznek hatékony mérőrendszert kialakítani. Az ideális azonban az lenne, ha minden útszakaszról rendelkeznénk információval (például hurokdetektorból, kamerából vagy fedélzeti egységből származó adat). A probléma egyik újszerű megközelítése a mobiltelefon-hálózati események felhasználásán keresztül történő forgalmi mérés és becslés. Ezért is választottam egyik kutatási témámnak a mobiltelefon-hálózati események felhasználását a városi forgalom mérésére. Ehhez kapcsolódóan 2011 tavasza óta kutatás-fejlesztési együttműködésben vagyunk a Nokia Siemens Networks Kft-vel utazásiidő-becslő algoritmus fejlesztése céljából.
1. ábra: Szabályozási kör a közúti közlekedésben
Amennyiben a hálózat állapotai ismertek, modellalapú irányítás valósítható meg. A másik kutatási témám ennek megfelelően a városi hálózat optimális forgalomszabályozása. Természetesen számos - már működő - módszer áll rendelkezésre e területen, amelyek irányítási célja általában a kapacitáskihasználás növelése és egyéb közlekedési jellemzők javítása. Ugyanakkor a forgalmi modell pontatlansága vagy a mérőrendszer hibái okozhatnak bizonytalanságokat a rendszerben, amelyek „elrontják” az optimális szabályozást. Kutatásom célja olyan robusztus szabályozó algoritmus megvalósítása, amely az előbbi célok mellett képes a rendszer bizonytalanságainak kezelésére is.
A kutatás célja, a megválaszolandó kérdések
Mobiltelefon-hálózati események felhasználása a közlekedésben
Mobiltelefon-hálózati események anonim módon való felhasználásával lehetőség nyílik a közúti forgalom makro-szintű becslésére, ezáltal modellezésére. Mindez akár valós időben futó algoritmusként is megvalósítható, mintegy alapot adva az adaptív, intelligens forgalomirányításhoz. A GSM-hálózat (2. ábra) alapegységei a bázisállomás által lefedett cella, illetve a cellákat összefogó Location Area (LA). Ezek alakja sok mindentől függ, de sosem pontosan kör alakú. Mindenesetre az érzékeltetés kedvéért: városi hálózatban a cellák néhány száz méter, az LA-k néhány kilométer sugarúak.
2. ábra: GSM hálózat sematikusan (Küpper, 2005)
A hálózat két legjellemzőbb eseménye a Handover (HO) és a Location Area Update (LAU), amelyeket a cellák, illetve az LA-k közötti átmenetek generálnak (2. ábra). HO esemény hívásban lévő telefonok cellaváltásakor következik be. LAU eseményt pedig idle módú (bekapcsolt, de nem hívásban lévő) telefonok generálnak LA váltás esetén. A HO/LAU eseményeket a telekommunikációs hálózat operátora automatikusan rögzíti a bázisállomásokon keresztül. A kutatásom célja hatékony algoritmusok kidolgozása a HO/LAU események forgalombecslésben való felhasználhatóságára.
Robusztus városi forgalomirányítás
A hálózati szintű forgalomirányítás első modern irányításelméleti megközelítése a Linear Quadratic (LQ) módszer felhasználása volt (Diakaki et al., 1999). Ennek továbbfejlesztéseként több publikációban is megjelent a Model Predictive Control (MPC) közúti alkalmazása (Tettamanti et al., 2008, Aboudolas et al., 2009). Továbbá decentralizált irányító rendszerre épülő MPC megoldások is születtek (de Oliveira & Camponogara, 2010, Tettamanti & Varga., 2010). Ezek a teljesség igénye nélkül felsorolt módszerek nagymértékű javulást tudnak felmutatni a hagyományos lokális irányítású forgalomfüggő vagy fixprogramos forgalomirányítással szemben. Ugyanakkor nem képesek az állapotbizonytalanságok (nem mérhető járműáramlás, például parkolás, mellékutcai forgalom) kezelésére, amelyek megjelenése nem küszöbölhető ki jó minőségű mérőrendszer esetén sem (3. ábra). A kutatási célom ennek megfelelően egy robusztus tulajdonságú szabályozási stratéga megvalósítása és alkalmazhatóságának vizsgálata városi hálózat irányításához.
3. ábra: Tipikus modell-bizonytalanságok városi forgalomban: mellékutca, parkoló(ház)
Módszerek
Városi forgalom mérése és becslése mobiltelefon-hálózati események alapján
A mobiltelefon-használók a 2. ábrán bemutatott HO/LAU események által gyakorlatilag nyomot hagynak a közlekedési hálózatban. Ezek a nyomok – aggregált módon – hatékonyan felhasználhatók a forgalom becslésére akár valós idejű működésben is. A javasolt módszerem kétlépcsős. Első körben fel kell állítani a célforgalmi mátrixot a kijelölt úthálózatban. A célforgalmi vagy ún. OD (origin-destination) mátrix meghatározza a hálózat forgalmi áramlatainak nagyságát honnan-hová relációkban (4. ábra).
4. ábra: Az OD-mátrix szerkezete (Luspay et al., 2011)
Az OD-mátrix elkészítése történhet egyrészt klasszikus módszerrel (kikérdezéses forgalomfelvétel), másrészt a LAU események megfelelő rendszerezésével (Calabrese et al., 2011). A módszer második lépcsője – a közlekedésben gyakran alkalmazott – forgalmi ráterhelés, amely tipikusan a célforgalmi mátrix alapján történik. A ráterhelés jellemzően egy optimalizálási feladat, amely meghatározza a zónák közötti utazások útvonalát – forgalomnagyságokat rendelve az egyes útszakaszokhoz. A ráterheléses forgalmi előrebecsléssel könnyű feladat a lehetséges útvonalak meghatározása. Az útszakaszokhoz rendelt forgalomnagyságok azonban könnyen pontatlanná válhatnak, hiszen a ráterhelés jellemzően „csak” az OD-mátrix és az úthálózat topológiáját veszi figyelembe. A megbízhatóság javítására a HO események felhasználása adhat megoldást. Jóllehet HO eseményeket csak hívásban lévő készülékek szolgáltatnak, az összes HO rögzítésével könnyen felfedhetők a jellemző úthasználati szokások. Gyakorlatilag a forgalmi ráterheléssel előállított útvonalakra ráilleszthetők a HO eseményekkel felfedett trajektóriák. Ezzel a módszerrel már egy pontosabb becslés adható az útszakaszok forgalomnagyságára vonatkozóan.
Robusztus MPC-alapú forgalomirányítás
A bizonytalansággal terhelt városi forgalom irányításának újszerű megközelítése lehet a robusztus MPC (Model Predictive Control) alkalmazása. A módszer gyakorlatilag egy minimax optimalizálás megvalósítása predikciós horizonton (Löfberg, 2003). A minimax forgalomszabályozás lényege, hogy úgy próbálja minimalizálni a lámpák előtti sorhosszt, hogy közben a maximális – potenciálisan megjelenő – bizonytalanságot veszi figyelembe. Mindez egy mozgó horizonton történik. Azaz, a szabályozó több mintavételi időre előre megjósolja a várható állapotokat (sorhossz) és a hozzájuk tartozó – kiadandó – optimális zöldidőket. Az adott lépésben természetesen mindig csak a legelső horizontra számított zöldidők jutnak érvényre, majd a rendszer „továbbgördül” egy lépést, és ismételten számol (5. ábra).
5. ábra: A prediktív irányítás elve
Eddigi eredmények
Mobiltelefon-útvonal illesztése HO adatok és forgalmi ráterhelés alkalmazásával
A kutatási téma első eredményét már publikálták (Tettamanti et al., 2012). A cikk gyakorlatilag a fent bemutatott módszer előkészítését jelentő útvonal-illesztési módszert ismerteti. A mobiltelefon-cellák megfelelő modellezésére az ún. Voronoi-mozaikolás módszerét alkalmaztam (Candia et al., 2008), amelyhez csak a bázisállomások koordinátáira van szükség (6. ábra).
6. ábra: Voronoi-mozaikolás mobiltelefon-cellák modellezésére
A módszert egy budapesti tesztmérés eredményeit felhasználva mutatom be. A készülék HO eseményei által „megjelölt” cellákat a forgalmi ráterhelésből kapott útvonalakra illesztettem. A potenciális útvonalak közül az fedte fel a legvalószínűbb trajektóriát, amely a legkisebb négyzetes eltérést adta (7. ábra).
7. ábra: A legkisebb eltérést mutató útvonal (Path 4) a kezdő és a végpont között
Valós idejű robusztus forgalomirányítás városi hálózatban
A fentebb ismertetett robusztus MPC stratégiát valós adatok felhasználásával VISSIM szimulátor segítségével validáltam. Budapest VI. kerületének egy nagyobb részét alapul véve készítettem el egy teszthálózatot (8. ábra). A szabályozó algoritmust MATLAB-ban implementáltam, amely gyakorlatilag egy SDP optimalizálási feladat megoldását jelenti. A teljes szimulációs keretrendszer zárt hurokban foglalja magába a forgalomszimulációt, mérést és szabályozást (Tettamanti & Varga, 2012). A bizonytalanságokat a mellékutcák és a parkolóházak forgalma jelentette a szimulációban. Az eredmények igazolják a robusztus stratégia létjogosultságát (a közlekedési paraméterek ~10-30%-os javulása a hagyományos irányításhoz képest). A stratégia felhasználásával olyan zárthurkú forgalomirányítás valósítható meg, amely képes a rendszerre ható nem mérhető zavarások mellett is az optimális zöldidő-kiosztási feladatot valós időben, adaptív módon ellátni. Alkalmazásával tovább növelhető a városi forgalomáramlás hatásfoka, megelőzhető a torlódások kialakulása. A módszer elméleti leírását a Forgalomirányítás c. szakkönyvben is publikáltam, amelynek társszerzője vagyok (Luspay et al., 2011).
8. ábra: Budapest VI. kerületi teszthálózat
Várható impakt, további kutatás
A Nokia Siemens Networks Kft-vel folytatott kutatás-fejlesztési munkánk egyik várható eredménye a közösen beadott találmányunk („Method and system for real-time travel time calculation in road traffic network using radio signalling data”), amelynek társszerzője vagyok. A találmány jelenleg elbírálás alatt áll. A TRC folyóiratban szintén elbírálás alatt áll egy cikkünk. További 2012-es impaktok: részvétel a MITIP nemzetközi konferencián (Tettamanti et al., 2012, Tettamanti & Varga, 2012), elfogadott publikációk az Acta Polytechnica Hungarica (Tettamanti et al., 2012) és a Periodica Polytechnica (Tettamanti & Varga, 2012) folyóiratokban.
Mindkét bemutatott kutatásom folytatását tervezem azok kiterjesztésével. Egyrészt szeretném megvizsgálni, hogy milyen további – mobiltelefon-hálózati eseményekre épülő – közlekedési alkalmazást lehet megvalósítani, illetve hogyan lehet az így nyert adatokat más forrásból származó információkkal (például detektoros mérések) hatékonyan integrálni. A másik célom a robusztus városi forgalomszabályozási algoritmus elosztott rendszerben való működtetésének kutatása.
Új kutatások támogatásához tanszékünk két pályázatot adott be tavasszal: egy OTKA pályázatot az Óbudai Egyetemmel és egy EIT ICT Labs pályázatot az ELTE-vel közösen, amelyek nagy mértékben épülnek a fentebb részletezett kutatásokra.
Saját publikációk
Luspay, T., Tettamanti, T., Varga I.: Forgalomirányítás, Közúti járműforgalom modellezése és irányítása. Typotex Elektronikus Kiadó Kft. ISBN 978-963-279-665-9, 2011.
Tettamanti, T., Varga, I., Kulcsár, B., Bokor, J.: Model predictive control in urban traffic network management. In 16th Mediterranean Conference on Control and Automation, pages 1538–1543, Ajaccio, Corsica, France, 2008. CD ISBN: 978 1 4244 2505 1.
Tettamanti, T., Varga, I.: Distributed traffic control system based on model predictive control, Periodica Polytechnica ser. Civil. Eng., Budapest, Hungary, 2010, Vol. 54/1. pp. 3-9. doi: 10.3311/pp.ci.2010-1.01
Tettamanti, T., Demeter, H., Varga, I.: Route choice estimation based on cellular signaling data, Acta Polytechnica Hungarica, Vol 4, 2012, in press
Tettamanti, T., Varga, I.: Development of road traffic control by using integrated VISSIM-MATLAB simulation environment. Periodica Polytechnica ser. Civil. Eng., Budapest, Hungary, 2012, Vol. 56., in press
Tettamanti, T., Ludvig, Á., Varga, I.: Travel time estimation in urban road traffic networks based on radio signaling data, MITIP, Budapest, 2012
Tettamanti, T., Varga, I.: Urban road traffic estimation based on cellular signaling data, MITIP, Budapest, 2012
Linkgyűjtemény
BME Közlekedésautomatikai Tanszék
BME Kutatóegyetemi Program JKL-P4 kutatási projekt
Forgalmi ráterhelés (Wikipedia)
Közúti Közlekedésirányítási Labor
Linear Quadratic Regulator (LQR)
Mobiltelefon-hálózat (Wikipedia)
Model Predictive Control (MPC) (Wikipedia)
Voronoi-mozaikolás (Wikipedia)
Hivatkozások
Aboudolas, K., Papageorgiou, M., Kouvelas, A., Kosmatopoulos, E.: A rolling-horizon quadratic-programming approach to the signal control problem in large-scale congested urban road networks. Transportation Research Part C: Emerging Technologies, 18(5):680–694, 2010. Applications of Advanced Technologies in Transportation: Selected papers from the 10th AATT Conference
Calabrese, F., Di Lorenzo, G., Liang, L., Ratti, C.: Estimating Origin-Destination flows using mobile phone location data. 2011, Pervasive Computing IEEE, 10(4):36-44.
Candia, J., González, M. C., Wang, P., Schoenharl, T., Madey, G., Barabási, A.-L.: Uncovering individual and collective human dynamics from mobile phone records. Journal of Physics A: Mathematical and Theoretical, 41(22):224015, 2008.
Diakaki, C., Papageorgiou, M., Aboudolas, K.: Traffic-responsive urban network control using multivariable regulators. In International Conference on Modeling and Management in Transportation, Vol. 2, pp. 11-16, Poznan/Cracow, 1999.
Küpper, A.: Location-based Services. John Wiley & Sons, 2005.
Löfberg, J.: Minimax approaches to robust model predictive control. Ph.D. thesis. Linköping University, Sweden, 2003.
de Oliveira, L. B., Camponogara, E.: Multi-agent model predictive control of signaling split in urban traffic networks. Transportation Research Part C: Emerging Technologies, 18(1):120-139, 2010. Information/Communication Technologies and Travel Behaviour; Agents in Traffic and Transportation