Обґрунтування вибору швидкості руху автотранспортного засобу на міжміській дорозі
Автор: Слюсарчик Олександр Віталійович
Кваліфікаційний рівень: магістр
Спеціальність: Автомобільний транспорт
Інститут: Інститут механічної інженерії та транспорту
Форма навчання: денна
Навчальний рік: 2023-2024 н.р.
Мова захисту: українська
Анотація: Робота присвячена вибору послідовності режимів керування дорожніх вантажних транспортних засобів. Критерієм вибору є досягнення найбільш енергоощадного руху вантажівки. Обмеження стосується вчасного прибуття у кінцевий пункт маршруту. Дослідження базуються на теоретичній моделі оптимального керування рухомим дорожнім об’єктом з використанням принципу максимуму. Припускалось, що дорожні умови, які створюють певний опір руху, є відомі на досяжний горизонт прогнозування. При рівні сучасних телекомунікаційних технологій вірогідний прогноз дорожніх і транспортних умов досягає 700-800 м автостради. Дотримується умова відсутності дисипації енергії руху через примусове гальмування. На відміну від відомих досліджень враховано, що транспортні умови також можуть бути мінливими. Вільний рух автомобіля може бути перерваний перешкодами на автостраді. У цьому випадку попередньо вибраний цикл, що складається з фаз розгону і вільного кочення, має бути замінено на коротший. Новий цикл має забезпечити зниження швидкості до необхідної в місці й у час, коли виникла перепона на дорозі. З’ясовано, що сума властивостей усіх циклів може бути не гіршою, ніж властивості одного безперешкодного циклу. Показано, що горизонт і точність прогнозування дорожніх і транспортних умов мають бути достатніми для того, щоб найкоротший оптимальний цикл керування з необхідною фазовою траєкторією поміщався в реально задані часові рамки. Дослідження проведено як для горизонтальних ділянок автомагістралі, так і для горбистої дороги на прикладі ділянки автостради Е-471. Ключові слова: режим руху, програма руху, профіль дороги Список використаних джерел 1. Lai W. K., Kuo T. H., Chen C. H. Vehicle speed estimation and forecasting methods based on cellular floating vehicle data. Applied Sciences. 2016. Vol.6 (2), P.47. 2. Balid W., Tafish H., Refai H. H. Intelligent vehicle counting and classification sensor for real-time traffic surveillance. IEEE Transactions on Intelligent Transportation Systems, 2017. Vol. 19 (6). P. 1784-1794. 3. Qiu T. Z., Lu X. Y., Chow A. H., Shladover S. E. Estimation of freeway traffic density with loop detector and probe vehicle data. Transportation Research Record. 2010. Vol. 2178 (1). P. 21-29. 4. Barros J., Araujo M., Rossetti R. J. Short-term real-time traffic prediction methods: A survey: 2015 International Conference on Models and Technologies for Intelligent Transportation Systems. IEEE.2015, June. PP. 132-139. 5. Волков В. П., Грицук І. В., Грицук Ю. В., Шурко Г. К., Волков, Ю. В. Особливості формування методики застосування класифікації умов експлуатації транспортних засобів в інформаційних умовах ITS. Вісник НТУ ХПІ. 2017. № 14 (1236). С.10-20ю 6. Ye F., Hao P., Qi X., Wu, G., Boriboonsomsin K., Barth M. J. Prediction-based eco-approach and departure at signalized intersections with speed forecasting on preceding vehicles. IEEE Transactions on Intelligent Transportation Systemsю 2017. Vol. 20(4). 1378-1389. DOI 10.1109/TITS.2018.2856809 7. He Z. Research based on high-fidelity NGSIM vehicle trajectory datasets: A review. Research Gate.2017. P. 1-33.