Оптимізація режимів роботи вантажівок на дальніх маршрутах із інтегрованим прогнозуванням плану і профілю дороги
Автор: Гамрат Андрій Васильович
Кваліфікаційний рівень: магістр
Спеціальність: Автомобільний транспорт
Інститут: Інститут механічної інженерії та транспорту
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Основна мотивація цієї магістерської роботи полягає в тому, щоб зробити внесок у процес розробки інноваційного розрахункового модуля, який використовується для прогнозування потреби транспортного засобу в енергії (Джоуль/км) уздовж ділянки дороги. Це зроблено шляхом оцінки продуктивності двох існуючих та математично різних моделей прогнозування швидкості для транспортних засобів. Метою дослідження цієї магістерської роботи є перевірка та оцінка ефективності двох моделей прогнозування швидкості, розроблених SINTEF Technology and Society. Швидкісна модель, також відома як модель EFFEKT, є традиційною регресійною швидкісною моделлю, розробленою на основі середніх швидкостей ділянок, і інтегрована в поточну версію інструменту аналізу витрат EFFEKT 6.6. Розподіл швидкостей транспортних засобів є фактором, який впливає на можливість виконання бажаної програми руху конкретного транспортного засобу. Оскільки мова йде про прогнозування швидкості для конкретного учасника транспортного потоку, то є доцільним виявити залежність цих величин. Найбільш ефективним засобом дослідження учені вважають імітаційні експерименти. Щоб мати можливість порівняти виміряні профілі швидкості з прогнозованими профілями швидкості, набори даних були усереднені в межах 25-метрових ділянок вздовж дороги та представлені кожні 12,5 м. Ця довжина ділянки пов’язана з принципом розрахунку в рамках процедури SINTEF, пов’язаної з ухилом, і в цьому дослідженні розглядалася як зручна. Прогнозовані профілі швидкості, отримані безпосередньо з обох моделей швидкості, можна розглядати як профілі швидкості, дозволені процедурою моделі в кожній точці вздовж дороги для даної вхідної геометрії. Щоб покращити вигляд профілів швидкості на переходах, що характеризуються зміною будь-якого геометричного параметра складної траси, профілі швидкості обробляються модулем поведінки водія, який оцінює необхідне прискорення або уповільнення для досягнення зміни швидкості між Pi та Pi + видимий діапазон уздовж профілю швидкості. Середнє значення прогнозованих даних швидкості з моделі швидкості EFFEKT ближче до середнього значення швидкості з польових даних. Ці статистичні вимірювання разом із графіком кореляції на малюнку 2.6 показують, що модель швидкості SINTEF у більшому масштабі має здатність відображати швидкість, що впливає на зміни вхідних параметрів, ніж процедура EFFEKT. Незважаючи на те, що профіль швидкості з процедури EFFEKT краще корелює з виміряним профілем швидкості, це дослідження показало, що процедура EFFEKT грубо спрощує швидкість, що впливає на зміни вхідних параметрів, коли використовується стандартне рівняння лінійної регресії. Швидкість переміщення транспортних засобів по магістралі відображається автоматом як відносна величина. Її числове значення залежить від швидкості автомобіля-спостерігача (АС). Для оцінювання якості керування транспортним засобом при наявності динамічного прогнозу швидкості застосовано такі показники, як абсолютне сумарне відхилення від оптимальної програми DV по швидкості, та відхилення від запланованого розкладу поїздки ?Т по часу. Залежності DV від W мають чітко виражений кусково-неперервний характер. Наявність стрибків графіків пояснюється не тільки кратністю значень горизонту планування W і довжини маршруту Lmax, а й тим, що залежність DV(W) явище переходу кількості інформації в якість. Так, при збільшенні W поле змінних величин V також зростає, що дає змогу вибрати програму руху на дистанції W, що є ближчою до оптимальної Vi(x). Однак, зростання W знижує вірогідність потоку даних доти, поки отриманий обсяг інформації стосовно Vmax(x) вимушує прийняти взагалі неадекватне рішення. Подальше зростання горизонту W обумовлює необхідність корекції контролю швидкості. Якість керування за показником DV покращується. Так відбувається до наступної якісної зміни. Таким чином, розриви функції DV(W) пояснюються переростанням кількості інформації в якість, яка відбувається для визначених значень горизонту прогнозування. Результати ІМ відкривають нові можливості для впровадження ІТС на автомагістральних дорогах. Це проявляється у виявлених явищах прийому і використання інформаційних потоків. Головною закономірністю процесу керування АТЗ в умовах міжміських перевезень є те, що оптимальний обсяг прогнозованої інформації, якою має бути забезпечений водій, залежить від дорожніх і транспортних умов. 1. Baffet G., Charara A., Dherbomez G., An observer of tire-road forces and friction for active security vehicle systems. Mechatronics, IEEE/ASME Transactions on, vol. 12, no. 6, pp. 651–661, 2007. 2. Bevly D. M., Ryu J., Gerde J. C. Integrating ins sensors with GPS measurements for continuous estimation of vehicle sideslip, roll, and tire cornering stiffness. Intelligent Transportation Systems, IEEE Transactions on, vol. 7, no. 4, pp. 483–493, 2006. 3. Clarridgea A. Analysis of a cellular automata on model for car traffic with a slow-to-stop rule I / Adam Clarridgea, Kai Salomaab // Proceedings of the 14th International Conference on Implementation and Application of Automata. - 2009. – Режим доступу: http://homepage.rub.de/ning.wu/pdf/ca_14isttt.pdf. 4. Danchuk V., Bakulich O., Svatko V. An Improvement in Ant Algorithm Method for Optimizing a Transport Route with Regard to Traffic Flow. Procedia Engineering. 2017. №187. P. 425 - 434. 5. Englund C., Meyer G., Beiker S. (eds) [et al.] Technologies for Road Vehicle Automation. Road Vehicle Automation 4. Lecture Notes in Mobility. Springer, 2018. 266 р. Режим доступу : https://link.springer.com/chapter/10.1007/978-3-319-60934-8_15. 6. Freight Data from Intelligent Transportation System Devices / [Hallenbeck M., McCormack E., Nee J., Wright D.]. – WA-RD 566.1, Washington State Department of Transportation. – 2003. – 117. – Режим доступу: https://www.wsdot.wa.gov /research/reports/fullreports/566.1.pdf. 7. Hac A., Simpson M. D. Estimation of vehicle side slip angle and yaw rate. SAE Technical Paper, Tech. Rep., 2000. Hashchuk P., Pelo R. Optimal laws of gear shift in automotive transmissions. Econtechmod. 2018. Vol. 7, № 2. P. 59 – 69.