Пробки с комментариями онлайн: Дорожная ситуация (пробки и события) — Яндекс.Карты. Справка

Пробки в Москве и области сейчас онлайн на карте – Яндекс • Пробки

Пробки в Москве и Московской области онлайн на интерактивной карте Яндекса

Москва — столица Российской Федерации, самый крупный по численности населения город страны.
По данным Росстата, численность постоянного населения Москвы на начало 2020 года составляет 12 692 466 человек.

Москва является бизнес-центром России и основным городом размещения государственных органов власти федерального уровня (кроме Конституционного суда РФ). В Москве сходятся крупнейшие и наиболее протяженные федеральные автодороги и автомагистрали.
В связи с загруженностью дорог и большим количеством пробок в Москве активно развивался метрополитен, который на данный момент занимает 6 место в мире по интенсивности использования.

Пробки в Москве и меры борьбы с ними

История транспортных заторов в российской столице берет свое начало еще в 90-х. Рост числа автотранспорта в Москве продолжается по из года в год: начиная с 2000 года за 12 лет рост числа автомобилей составил почти 58% и составил 4,5 млн единиц.

Резкий рост автомобильного парка в столице закономерно привел к большому количеству дорожных пробок. Московские власти разработали и внедрили ряд мер по сокращению заторов: строятся новые развязки и обходные дороги, введен запрет на въезд грузовых автомобилей в город, ограничено движение легковых автомобилей по центральным улицам Москвы. Кроме того, реализовываются крупные проекты дорожной инфраструктуры Москвы: проведена реконструкция кольцевой автодороги (МКАД), введено в эксплуатацию Третье транспортное кольцо (ТТК), ведется строительство Четвертого транспортного кольца.

Одной из причин дорожных пробок является динамичность дорожной обстановки, которая зависит от дня недели, времени суток, погодных условий и других обстоятельств. В связи с этим, с 2016 года внедряется адаптивная система светофорного регулирования движения на дорогах, которая уже действует на 4 значимых автодорогах: Алтуфьевское шоссе, Пятницкое шоссе, улицы Шереметьевская и Свободы.

Ситуацию на Каширском Шоссе (от просп. Пролетарский до ул. Борисовские пруды) частично удалось решить за счет сужения полос движения, превратив 4 полосы в 5. Такое решение позволило увеличить пропускную способность на данном участке дороги в часы пик на 19%. Подобный опыт позже был применен и на перекрестке улиц Тропаревской и Вернадского.

Самый высокий рост пропускной способности отмечен в результате добавления полос движения на дороге по ул. Липецкой до одноименного путепровода через МКАД — 33%.

Дополнительные меры по борьбе с пробками реализованы на следующих улицах: Ленинградский и Волгоградский проспекты, Каширское, Воробьевское, Алтуфьевское и Бесединское шоссе, Большая Тульская, Широкая, Липецкая и Люблинская улицы, проезд Дежнёва. Спроектированы и построены новые повороты, съезды и развороты. Частью мер стала установка интерактивных экранов, на которых водители могут увидеть наличие пробок онлайн, однако большинство автолюбителей используют карты Яндекса и других сервисов для получения информации о дорожной ситуации.

Только в 2020 году Москве удалось вырваться из пятерки мировых лидеров по количеству пробок, оставив в лидерах Бангалору, Мумбаи и Пуну в Индии, а также филиппинские Манилу и Боготу.

Источник: Wikipedia

Пробки онлайн на карте Яндекс

Карта Яндекс пробки Москва и область

 

---

Загруженность дорог Москвы, Московской области и других городов России онлайн.
Пробки сейчас в Москве на карте Яндекс, места ДТП и места проведения дорожных работ.

Пробки на дорогах в реальном времени на карте Яндекс в городах

Москва,
Москва и область,
МКАД,
Петербург, Питер, СПБ,
Алматы,
Барнаул,
Брянск,
Волгоград,
Воронеж,
Владивосток,
Владимир,
Екатеринбург, Иваново,
Ижевск,
Иркутск,
Казань,
Калининград,
Кемерово,
Киров,
Кострома,
Краснодар,
Красноярск,
Киев,
Лакинск, Минск,
М4 Дон,
М5 Урал,
Новосибирск,
Нижний Новгород,
Одесса,
Омск,
Пермь,
Ростов на Дону,
Рязань,
Самара,
Саратов, Симферополь,
Тверь,
Тольятти,
Тула,
Тюмень,
Улан Удэ,
Ульяновск,
Уфа,
Хабаровск,
Харьков,
Челябинск,
Ярославль.

 

---

Удобный просмотр городских маршрутов с помощью карт Яндекс пробки, мониторинг загруженности шоссе Москвы, Московской области и любого другого города России.
Четкое понимание ситуации на дорогах города дает водителю возможность обойти пробки и добраться до места назначения в самый короткий срок. Яндекс, предоставляет уникальную возможность слежения за загруженностью трасс онлайн в любом населенном пункте. С помощью карты на мониторе компьютера или телефона можно в любой момент узнать о дорожной ситуации в своем городе, определить удобный маршрут следования.

Максимальная экономия времени нахождения в пути это качество услуг сервиса Яндекс пробки.

Автомобильные заторы часто воруют драгоценные минуты времени у владельцев авто. Жители мегаполисов могут умудриться попасть в них несколько раз за день, ведь количество машин на дорогах большое и каждый автомобилист после приобретения машины уже вряд ли будет ездить на другом виде транспорта. С сервисом Яндекс пробки на карте значительно экономится куча времени, а поездка превращается в интересное путешествие без помех.

Виртуальная карта помогает вовремя разглядеть все помехи на пути, интенсивность загруженности дорог Москвы, пригородных районов. Уникальность сервиса в том, что он работает круглосуточно, предоставляя своим пользователям необходимую информацию в любой момент. Действуют постоянные обновления информации о загруженности любого шоссе, поэтому риск оказаться в пробке из-за устаревших новостей полностью исключается.

Удобный сервис навигационных карт обеспечивает водителей транспортных средств необходимым инструментом, который служит вспомогательным средством в борьбе с обходом заторов. Качество услуг сервиса Яндекс проверено многими благодарными автомобилистами. Простой способ проверки маршрута делает дорогу безопаснее, дает возможность существенно быстрее добраться до конечной цели.

Сокращение расхода бензина, времени и нервов на дорогу с помощью сетевого сервиса Яндекс пробки наиболее важно зимой, когда проезд транспорта может быть затруднен из-за снега.

Такие мегаполисы, как Москва, отличает высокий темп жизни и движения. Дорожные маршруты могут быть перезагружены большим потоком транспорта, особенно в часы пик когда люди едут на работу либо возвращаются домой. Достаточно посмотреть по карте Яндекса пробки сейчас в Москве, чтобы быть в курсе всех последних событий на улицах этого города. Помимо Москвы, картой выводятся на экран все другие населенные пункты и их районы.

Дорожная онлайновая навигация упрощает маршрут, облегчает водителю такси задачу доставить своего пассажира на место быстро и с комфортом. Пользоваться ей легко, каждый может открыть браузер, найти в нем сайт с картой Яндекс, просмотреть все дорожные полотна, отметить удобные маршруты. Среди плюсов такого способа обойти помехи стоит отметить сокращение расхода бензина, который ощутимо и бесполезно тратится при попадании в пробку.

Дорожные карты в сети являются полезным средством для автомобилистов. Они оказывают неоценимую помощь каждому владельцу машины в продвижении по городским центральным дорогам. Именно центральные части города чаще всего подвергаются большому наплыву транспорта в дневные и вечерние часы. Легкий поиск свободного пути в онлайн помогает сэкономить время и реализовать большее число задач, поставленных в этот день.

Пробки в Саратове онлайн | Саратов 24

Водители уже давно ощутили на печальном опыте, что узкие улочки Саратова не адаптированы к потоку транспорта: ехать можно в одну-две полосы, много дорог с односторонним движением, парковок в центральной части практически нет. Сегодня пробки в Саратове по-прежнему обыденное явление, особенно в утренние и вечерние часы пик. Колонны автомашин растягиваются на многие километры, а карта Яндекс упорно демонстрирует красные 8 или 9 баллов.

Посмотреть пробки в Саратове в режиме онлайн

Сократить время в пути поможет наш сервис, который оценивает пробки в Саратове онлайн. Яндекс покажет водителям пробки в Саратове и подскажет как проложить маршрут в объезд. Ведь затрудненное движение на одной улице отнюдь не означает, что точно также загружены и соседние магистрали. Персональный маршрут можно скорректировать в любой момент, сверяясь с данными онлайн-сервиса. Для удобства, все события, которые происходят на выбранной дороге, отмечаются соответствующим цветом.

Конечно, пробки в Саратове существенно портят людям жизнь, ведь они крадут время, которое можно было бы провести с семьей, друзьями, сходить на тренировку или мастер-класс. Вместо этого горожанам приходится часами простаивать в дорожных заторах. В сложившейся ситуации главное — сохранять спокойствие. Пробки есть в любом крупном городе. Есть только один способ не попадать в них — найти работу, школу, детский сад рядом с домом и никуда не ездить. Но это получается далеко не у всех. Так что остается принять пробки в Саратове как данность и не поддаваться эмоциональным психозам.

Как проверить есть ли пробки в Саратове?

Пользоваться сервисом Яндекс очень просто — достаточно найти нужную улицу на карте области, и сразу появится вся необходимая информация: наличие на маршруте следования аварий, индекс загруженности дороги, скорость движения по ней автомобилей.

Быстро ориентироваться в выгруженных данных позволяет цветная схема: красные стрелки — сильные пробки в Саратове онлайн, желтые — небольшие заторы, зеленые — пробки в Саратове нет. Хуже всего, если увидели темно-коричневые линии, значит дорога перекрыта со всех сторон.

Обращаться к системе можно не только, когда Вы уже в пути. Карта помогает готовиться к поездке заранее. Прежде чем выйти из дома или офиса, даже если собираетесь ехать на общественном транспорте, откройте сервис «Пробки в Саратове онлайн» и оцените дорожную ситуацию в области в режиме реального времени. На основе полученной информации можно построить оптимальный маршрут.

еще удобнее, еще информативнее / Блог компании 2ГИС / Хабр

2ГИС Онлайн обновился в очередной раз! Мартовское обновление привносит несколько полезных изменений.

Во-первых, часы работы компаний в справочнике теперь показываются в более простом и удобном виде.

Ранее пользователям выдавалась таблица с графиком работы организации на всю неделю, даже если этот график был один и тот же во все дни. Новое представление позволило нам отказаться от этого, за исключением самых сложных случаев. По статистике 2ГИС, компаний, работающих ежедневно по одному и тому же графику – 30%, а компаний, имеющих обеденный перерыв – 9%. Почти 95% организаций имеют не более трёх режимов работы (пн-пт, сб, вс). Таким образом, в подавляющем большинстве случаев новая форма представления удобнее старого расписания.

Кроме того, появились подсказки ко времени работы организаций. Благодаря им, вы можете увидеть, работает ли организация в текущий момент, и если нет, как скоро она начнет это делать. Мы также учли обеденные перерывы и выходные дни: непосредственно в карточке организации можно увидеть, что обед заканчивается через 15 минут, или что сегодня выходной и учреждение закрыто.

Карточка организации, работающей по простому графику

Карточки организаций со сложным графиком работы почти не изменились

А во-вторых, сервис «Пробки» обновился и получил пару интересных возможностей.

Отныне 2ГИС Пробки умеют показывать статистическую информацию по загруженности автодорог в зависимости от времени суток и дня недели. По умолчанию, он все так же показывает текущую ситуацию в городе (режим «Сейчас»), а новый функционал доступен при переходе в режим «Обычно». Например, если вам хотелось бы узнать, как обстоят дела с пробками в городе по вторникам в 8 утра, то вам стоит воспользоваться режимом «Обычно». В нижней части элемента управления «Пробками» теперь показывается время последнего обновления информации о ситуации на дорогах.

Режим «Сейчас»

Режим «Обычно»

Кроме того, 2ГИС Пробки теперь показывают информацию о средней скорости движения на участке улицы, на который наведен указатель мыши.

На данный момент сервис «Пробки» доступен в 2ГИС Онлайн для Новосибирска. В планах – реализация «Пробок» в мобильной версии 2ГИС и географическое развитие сервиса.

Еще одно приятное дополнение – теперь в 2ГИС Онлайн можно искать организации по их номеру телефона или адресу сайта. Поиск по номеру телефона выполняется в случае введения последовательности из более чем 4 цифр в поле «Что». Это может помочь в ситуации, когда вам необходимо узнать, из какой организации поступил звонок, если номер вам незнаком. А поиск по адресу сайта может быть удобен, например, для того, чтобы посмотреть на карте пункты выдачи товаров из интернет-магазинов.

Напоминаем, что 2ГИС Онлайн работает на API 2ГИС, новшествам в котором мы и обязаны расширением списка функций.

Попробовать эти новшества можно на maps.2gis.ru

Карта пробок в Воронеже онлайн

Актуальная информация о пробках на дорогах Воронежа и области и дорожной ситуации в городе. Вы можете составить оптимальный маршрут с учетом текущей ситуации на дорогах.

Карта пробок в Воронеже сейчас от сервиса Яндекс

Воронеж — город в европейской части России, административный центр Воронежской области. Расположен на берегах Воронежского водохранилища, реки Воронеж, в 8,5 километрах от впадения её в реку Дон, от Москвы — 534 км. Население города Воронежа — 1 032 382 чел. (2016). Вокруг Воронежа образовалась агломерация с численностью населения более 1,3 млн человек. Образует административно-территориальную единицу и муниципальное образование городской округ город Воронеж с единственным населённым пунктом в его составе.

Воронеж считается «колыбелью» русского регулярного (государственного) военно-морского флота и родиной воздушно-десантных войск.

Автомобильный транспорт и дороги

Автотранспорт Через Воронеж проходят автомагистраль М4 «Дон» (по объездной дороге) и трасса А144 регионального значения Курск — Воронеж — Саратов. Работают два автовокзала и одна автостанция: Центральный автовокзал, Левобережный автовокзал и Юго-Западная автостанция.

Источник: Wikipedia

Координаты:

51°40′18″ с. ш. 39°12′38″ в. д

Площадь:

596,51 км²

Население:

1 032 382 человек на 2016 год

Как пользоваться Яндекс Картами пробок онлайн

Карта пробок является интерактивной и показывает состояние дорожного трафика в режиме реального времени. Все дорожные события показаны онлайн. Карта не имеет границ в выборе области для показа и позволяет перетаскивать их области, а также изменять масштаб и измерять расстояния.

Основные функции Яндекс Пробок:

вся информация об уличных пробках

	Карта города Кирова

Сервис на сайте navyatke.ru представляет интерактивный дорожный справочник для кировчан. Карта Кирова покажет кратчайший маршрут и предупредит об уличных пробках.

Портал navyatke.ru содержит удобную интернет-карту с подробной детализацией вплоть до улиц и домов. Карта масштабируется, и на ней легко можно найти как отдельный адрес в незнакомом районе, так и проложить маршрут для городского или общественного транспорта.

Дороги Кирова составляют в длину 562 километра и по опыту можно сказать, что пробка может возникнуть на любом из них. Карта Кирова покажет заторы на дорогах и подскажет длину пробки и скорость, с которой движется поток автомобилей. Отдельно указаны места ДТП с описанием аварии и рекомендациям по ходу движения.

Онлайн-справочник с информацией о пробках будет полезна и тем, кто предпочитает общественный транспорт, ведь так можно посмотреть, стоит ли сегодня выходить из дома пораньше, чтобы не опоздать на работу или же дороги свободны.

Киров находится неподалёку от федеральных автомагистралей и сам по себе является крупным транспортным узлом. Поблизости проходит федеральная трасса А119, а сам город пересекают две линии Транссибирской железнодорожной магистрали. Интерактивная карта Кирова может пригодиться всем, кто приезжает в город по работе и незнаком с окрестностями.

Удачи на дорогах и будьте осторожны!

На сайте используются материалы ИА «Новости 43» (СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций, рег. номер ИА №ФС77-77150). 610017, Россия, город Киров, улица Ленина, д.102-Б, e-mail: [email protected] Редакция не несет ответственности за содержание материалов раздела «Блоги» и комментариев пользователей. Авторские блоги и комментарии пользователей выражают личное мнение авторов блогов и посетителей сайта.

Пробки Киева онлайн | infoportal.kiev.ua

Текущая ситуация на дорогах Киева сегодня в режиме online. На интерактивной карте можно смотреть дорожные события, которые происходят в Киеве сейчас в реальном времени. Данные о киевских пробках передаются на карту ежесекундно. Внимание! Быстрое обновление информации на карте происходит после перезагрузки страницы или автоматически в зависимости от поведения пользователя (активное действие или наведение курсора на любую область карты включает автообновление). Информация про скорость движения автотранспорта, дорожные работы, ДТП, поступающая на электронную карту пробок Киева предоставляется Управлением ГАИ ГУ МВД Украины в г. Киеве, а также передается с GPS приемников мобильных устройств и автомобильных навигаторов. Интернет карта-схема с заторами и происшествиями на улицах и магистралях Киева предоставлена компанией Google (Гугл).

Онлайн карта пробки Киева

Новая карта c пробками Киева Waze! Аварии, пробки онлайн ►

🔗 Карта камер 🎦 видеофиксации 🚗 скорости в ✅Киеве и 🇺🇦 Украине

При наведении курсора на интересующий отрезок пути появится информация о том, какая скорость передвижения транспорта на этом участке в данный момент. По оперативно поступающим данным можно узнать приблизительную длину пробки, тянучки, затора. Автодороги обозначены разными цветами в зависимости от загруженности: зеленый (проезд свободный, пробок нет), желтый (дорога почти свободна), красный (тянучка), темно-красный (пробка). Предупреждающие знаки показывают, в каком месте Киева дороги перекрыты полицией. По текущей информации можно быстро посмотреть, где сейчас в Киеве дороги свободны, движение затрудненное, серьезные пробки, многокилометровые пробки. Карта пробок Киева показывает общую ситуацию на всех городских улицах и автомагистралях, а также в ближайших городах-спутниках: Борисполь, Бровары, Вишневое, Вышгород, Украинка, Ворзель, Ирпень, Буча, Боярка.

Любой желающий может смотреть сейчас дорожную обстановку и пробки по наиболее загруженным направлениям в Киеве: Мост Патона, Южный мост, Проспект Победы, Мост Метро, Московский мост, Проспект Бажана, улица Крещатик, Большая Окружная дорога, Индустриальный путепровод, Броварской проспект, улица Жилянская, Почтовая площадь, Краснозвездный проспект, Воздухофлотский мост, Московский проспект, бульвар Леси Украинки, улица Елены Телиги, бульвар Перова, бульвар Дружбы Народов, улица Льва Толстого, Бессарабская площадь, улица Горького, улица Саксаганского.

Объекты, которые чаще всего ищут на Google (Гугл) карте пробок города Киева:

Улицы: ул. Воровского, ул. Фрунзе, ул. Горького, ул. Богдана Хмельницкого, ул. Бориспольская, ул. Драгоманова, ул. Васильковская, ул. Саксаганского, ул. Московская, ул. Владимирская, ул. Туманяна, ул. Соломенская, ул. Дмитриевская, ул. Мельникова, ул. Жилянская, ул. Ярославская, ул. Крещатик, ул. Закревского, ул. Артема, ул. Константиновская, ул. Героев Сталинграда, ул. Братиславская, ул. Ахматовой, ул. Бальзака, ул. Щорса, ул. Хмельницкая, ул. Леся Курбаса, ул. Гарматная, ул. Ломоносова, ул. Красноармейская (ул. Большая Васильковская), ул. Луговая, ул. Урловская, ул. Щербакова, ул. Малышка, ул. Грушевского, ул. Ревуцкого, ул. Вышгородская, ул. Чавдар, ул. Стеценко, ул. Туполева, ул. Радужная, ул. Ярославская, ул. Милославская, ул. Сикорского, ул. Киквидзе, ул. Героев Севастополя, ул. Выборгская, ул. Кирилловская, ул. Амосова, ул. Заболотного, ул. Дегтяревская, ул. Зодчих, ул. Вербицкого, ул. Порика.

Переулки: Балтийский переулок, Лабораторный переулок, Красноармейский переулок, Куреневский переулок, Нестеровский переулок, Бехтеревский переулок, Михайловский переулок, Моторный переулок, Музейный переулок, Чеховский переулок, Шевченко переулок, Карельский переулок, Волгодонский переулок, Георгиевский переулок, Тбилисский переулок, Квитневый переулок, Январский переулок, Ахтырский переулок, Радищева переулок, Артиллерийский переулок, Московский переулок, Коломиевский переулок, Чугуевский переулок, Ковальский переулок, Строителей переулок, Крестовый переулок, Магнитогорский переулок, Зоряный переулок, Крепостной переулок, Демеевский переулок, Рыльский переулок.

Новая карта пробки Киева Google! Поиск, геолокация ►  
Проспекты: Победы проспект, Московский проспект, Науки проспект, Броварской проспект, Правды проспект, Оболонский проспект, Воздухофлотский проспект, Краснозвездный проспект (Лобановского проспект), Мира проспект, Маяковского проспект, Лесной проспект, Голосеевский проспект, Бажана проспект, Свободы проспект, Комарова проспект, Сталинграда проспект, Отрадный проспект, Воссоединения проспект, Героев Сталинграда проспект, Броварской проспект, Григоренко проспект, Гагарина проспект, Ватутина проспект, Академика Глушкова проспект, Освободителей проспект.

Площади: Ленинградская площадь, Севастопольская площадь, Московская площадь, Львовская площадь, Шевченко площадь, Одесская площадь, Соломенская площадь, Интернациональная площадь, Европейская площадь, Спортивная площадь, Льва Толстого площадь, Космонавтов площадь, Почтовая площадь, Печерская площадь, Контрактовая площадь, Софийская площадь, Бессарабская площадь, Майдан Незалежности (Независимости площадь), Михайловская площадь, Вокзальная площадь, Амурская площадь, Голосеевская площадь, Площадь Космонавтов, Троицкая площадь, Дарницкая площадь, Славы площадь.

Карта Киева ОНЛАЙН. Пробки, маршруты, новые улицы и дома ►  
Бульвары: Вернадского бульвар, Давыдова бульвар, Верховного Совета бульвар, Вигуровский бульвар, Высоцкого бульвар, Дарницкий бульвар, Дружбы народов бульвар, Ивана Лепсе бульвар, Кольцова бульвар, Быкова бульвар, Леси Украинки бульвар, Перова бульвар, Марии Приймаченко бульвар, Ромена Роллана бульвар, Русановский бульвар, Шевченко бульвар, Труда бульвар, Чоколовский бульвар, Гашека бульвар.

Спуски: Андреевский спуск, Богуславский спуск, Боричев спуск, Владимирский спуск, Врубелевский спуск, Днепровский спуск, Кловский спуск, Крутой спуск, Кудрявский спуск, Печерский спуск, Подольский спуск, Смородинский спуск, Фрометьевский спуск. Шоссе: Надднепрянское шоссе, Набережное шоссе, Брест-Литовское шоссе, Столичное шоссе, Харьковское шоссе, Железнодорожное шоссе, Стратегическое шоссе, Минское шоссе, Варшавское шоссе, Бориспольское шоссе. Другие: Днепровская набережная, Оболонская набережная, Русановская набережная, Петровская аллея, Пейзажная аллея, Тверской тупик, Большая окружная автомобильная дорога, Парковая дорога, Малая окружная дорога, Владимирский проезд.

Смотрите ситуацию на дорогах в других городах Украины: пробки Харьков, пробки Одесса.

Где можно быстро взять срочный кредит в Киеве онлайн ►

Пожалуйста, нажмите на оценку-звезду вверху страницы! Оставляйте комментарии и поделитесь в социальных сетях!

Посмотрите еще интересную и полезную информацию на сайте:

Играйте в Wacky VR Sim «Пробки» в Oculus Quest и Rift с режимом вечеринки для всей семьи

Готовы ли вы отправиться в насыщенное глобальное приключение в виртуальной реальности? Не забудьте собрать друзей!

Сегодня Vertigo Games и Little Chicken Game Company рады сообщить, что Traffic Jam теперь доступен для Oculus Quest и Rift с поддержкой перекрестных покупок. Traffic Jams — это шутливый виртуальный симулятор с дурацким подходом к управлению трафиком и режимом вечеринки, который позволит вам разделить веселье со всей семьей, друзьями и даже со своими онлайн-подписчиками.

Взгляните на режим карьеры в игре, ее причудливые перекрестки, полные неожиданных поворотов, и асимметричный многопользовательский режим в сегодняшнем трейлере:

В мире Пробки погасли все светофоры. Вам решать, как сохранить движение в условиях возмутительных событий и вопиющей дорожной ярости! Начиная с тихого уголка небольшого городка, вскоре предложения о работе начинают поступать из знаковых городов по всему миру, где вам нужно будет вести грубых пешеходов, нетерпеливых водителей и случайных метеоритов до того, как ударит дорожная ярость.Звучит просто? Подумай еще раз! В этой дурацкой игре в виртуальной реальности вас ждут монстры, (не) стихийные бедствия и до четырех друзей не из виртуальной реальности в режиме вечеринки (на диване)!

Какими бы ни были пробки, Traffic Jams поможет вам. Сочетая в себе игривый художественный стиль, полный сумасшедших карнавальных персонажей, и безумный игровой процесс, который легко освоить, но трудно освоить, Traffic Jams — это игра для всей семьи, независимо от вашего опыта работы с виртуальной реальностью. Покорите самые знаменитые и хаотичные города мира в режиме карьеры и станьте суперзвездой в сфере управления дорожным движением.

Traffic Jams также поддерживает режим вечеринки на диване, объединяющий игроков VR и не-VR в асимметричной групповой игре. До четырех друзей, не владеющих виртуальной реальностью, могут присоединиться к дорожным погромам, используя свои мобильные устройства. Управляя трафиком и событиями одним нажатием кнопки, мобильным игрокам необходимо будет тесно сотрудничать с игроком виртуальной реальности, чтобы выполнить свои задачи до истечения времени.

Пробки теперь доступен для платформ Quest и Rift с поддержкой перекрестных покупок.Наденьте гарнитуру VR, войдите в мир, полный дурацких придорожных проблем, и управляйте движением на своем пути!

Чтобы быть в курсе всех предстоящих новостей, найдите нас в Facebook, Twitter и Instagram и подпишитесь на информационный бюллетень на trafficjams-vr.com.

Пробки в киберпространстве мешают работе из дома, онлайн-классы в технологическом центре Индии

Бангалор: бенгалурцы, возможно, временно пережили печально известные пробки на дорогах, но стали жертвами пробок нового типа — на этот раз в киберпространстве.

В то время как сотни тысяч сотрудников индийского технологического центра работают из дома, а студенты посещают онлайн-классы, несколько агентств раскопали узкие дороги города. При этом рабочие повредили кабели широкополосной связи во многих местах, в результате чего поставщики услуг и абоненты пришли в негодование. Дожди только ухудшили положение. У многих профессионалов в области технологий и стартапов нет второго подключения, когда их широкополосная связь выходит из строя.

Airtel, ACT Fibernet, BSNL, Hathway и Jio являются известными поставщиками услуг проводной широкополосной связи, и временами пользователи переключались между ними только для того, чтобы понять, что источник проблемы лежит в другом месте.

Это уже было плохо, но стало еще хуже после блокировок в сочетании с дождями, остановившими работы по техническому обслуживанию и обновлению технологий, сказал один из топ-менеджеров, работающий в фирме по широкополосной связи, не желая называть его имени.

BBMP, BWSSB, Bescom и Namma Metro взяли на себя такие проекты, как расширение дорог и прокладка труб и кабелей через частных подрядчиков. Во время раскопок рабочим приходится ломать кабели, чтобы починить их, что может занять от нескольких часов до нескольких дней. Если повреждение серьезное, это либо отключит обслуживание, либо приведет к резкому падению скорости широкополосного доступа при перенаправлении трафика.

Компании, занимающиеся широкополосной связью, временно берут на себя кабели, когда рабочие их повреждают. «Мы не хотим держать их в воздухе долго, поскольку воздушные кабели уязвимы для причинения вреда. Но задержки с завершением проектов в конечном итоге приводят к отключению широкополосной связи или падению скорости », — сказал руководитель.

Соучредитель финтех-стартапа PiChain Innovations Прасанна Падманабхан сказал, что не только его фирма, но и его друзья сильно пострадали из-за частых сбоев широкополосной связи. «Нам крайне необходимо стабильное интернет-соединение, поскольку все мы работаем удаленно.Управляющий директор Jeweler CKC & Sons Винод Хаягрив сказал, что им приходится полагаться на второе соединение для резервного копирования. Сбои в работе широкополосной связи наносят ущерб повседневной деятельности его компании, и иногда они не могут предоставить клиентам правильную цену или выставить счета.

Председатель Aarin Capital TV Мохандас Пай сказал, что Бангалор плохо управляется, и несколько организаций все время роют дороги. «Похоже, постановление правительства не действует в Бангалоре. Главный министр Б.С. Едиураппа должен вмешаться и наложить мораторий на дальнейшие раскопки до тех пор, пока все незавершенные работы не будут завершены из соображений войны в ближайшие 30 дней », — сказал он.

Старший руководитель компании, специализирующейся на широкополосной связи, сказал, что BBMP принесет им пользу, если сможет назначить главного сотрудника, с которым они смогут связаться в случае возникновения проблемы. По его словам, именно отсутствие координации между различными агентствами привело к нынешнему беспорядку, и добавил, что они могут принять меры предосторожности, если BBMP уведомит поставщиков услуг, как только он очистит запрос на копание дороги.

Заместитель КМ требует вмешательства Главного Секретаря
Заместитель Главного Министра К.Н. Ашват Нараян в четверг сказал, что он попросил Главного Секретаря Т.М. Виджая Бхаскара оказать всю поддержку технологическому сектору, поскольку он является спасательным кругом для Бангалора.

«Сегодня широкополосная связь так же важна для нас, как вода. Связь должна быть нашим главным приоритетом в этой сложной ситуации », — сказал ET Нараян, который также владеет портфелем ИТ / BT.

«Мы пытаемся расширить возможности подключения не только в Бангалоре, но и по всему штату».

В письме от 1 октября он обратился к главному секретарю с просьбой о вмешательстве в BBMP, чтобы убедиться, что она не вмешивается в воздушные широкополосные кабели, поскольку большинство технических сотрудников работают из дома, а студенты учатся в Интернете.В письме Нараян сослался на недавний циркуляр BBMP с просьбой к должностным лицам удалить воздушные кабели и попросил Бхаскара дать указание BBMP провести такие действия до тех пор, пока правительство не выработает политику по этому вопросу.

Как интернет-магазины ограничивают движение на улицах города

В прошедшем праздничном сезоне, к радости ритейлеров, рекорды покупок были побиты слева и справа. Amazon установила рекорд продаж за длинные выходные в День Благодарения. Киберпонедельник достиг рекордных 7 долларов.9 миллиардов продаж. Праздничные покупки в Интернете, прогнозируемые на сумму 126 миллиардов долларов, станут небывалым рекордом.

Это также означает рекордное количество онлайн-доставок. Сильная экономика розничной торговли в этот праздничный сезон привела к 5-процентному увеличению объемов электронной коммерции в годовом исчислении, сказал профессор Хосе Ольгин-Верас, директор Центра передового опыта по устойчивым городским транспортным системам Политехнического института Ренсселера в Нью-Йорке. Это означало больше грузовиков, больше подарков и засорение дорог, чем когда-либо прежде.

Рост электронной коммерции и покупок в Интернете, а также соответствующий рост поставок, который эксперты называют городскими грузовыми перевозками, были драматическими. По словам Ольгина-Вераса, в период с 2009 по 2018 год объем городских грузовых перевозок, связанных с покупками в Интернете и электронной коммерцией, увеличился вдвое. В 2009 году на каждые 25 американцев приходилось одноразовое ежедневное подключение к Интернету. Сегодня один на каждые восемь американцев. А Ольгин-Верас говорит, что к 2023 году трафик снова удвоится.

Сегодняшние городские улицы и транспортные сети просто не предназначены для обработки этого дополнительного потока посылок и грузовых автомобилей, особенно с учетом дополнительной нагрузки, связанной с доставкой на следующий день или, в некоторых случаях, на следующий час.

«Какой процент этих доставок действительно срочно?» он говорит. «Все они должны прибыть очень быстро, чтобы уложиться в эти сроки, и это оказывает невероятное, огромное давление на систему доставки».

Эдуардо Альварес из Rhion Logistic загружает коробки в автофургон на станции доставки Amazon South Denver. 8 ноября 2018 года. Станция доставки Amazon South Denver — это пункт, где посылки отправляются в грузовиках, фургонах и автомобилях, прежде чем отправиться в конечный пункт назначения. Denver Post через Getty Images

Потребительство в один клик создает скопление

Рост электронной коммерции, все более быстрые варианты доставки и ожидание относительно мгновенного удовлетворения привели к напряжению городских улиц по всей стране в то время, когда пробки на дорогах увеличиваются. Согласно исследованию Элисон Конвей, изучающей городской транспорт и грузовые перевозки в Городском колледже Нью-Йорка, за последнее десятилетие электронная коммерция ежегодно росла на 20 процентов, и в будущем она станет еще более распространенной.По ее оценкам, к 2021 году на электронную торговлю будет приходиться 18 процентов общих продаж в США, 20 процентов продаж в Великобритании и 30 процентов продаж в Китае.

Согласно исследованию Транспортного института Техасского университета A&M, этот резкий рост объясняет, почему грузовики, которые в настоящее время составляют 7 процентов трафика США, создают 28 процентов загруженности страны.

Эти прогнозы означают больше боксов, больше грузовиков, больше остановок и больше заторов. В то время как города пробуют многочисленные политические рецепты по уменьшению пробок, кажущийся неизбежным рост городского транспортного потока создает особенно сложную проблему.Было бы просто указать пальцем на розничных торговцев, говорит Ольгин-Верас, но проблема многогранна: потребительский спрос, неправильное планирование транспортировки, устаревшие правила дорожного движения и неадекватная инфраструктура доставки — все это усугубляет проблему.

«Односторонние подходы имеют серьезные ограничения», — говорит он. «У сложных проблем нет простых решений».

Shutterstock

Почему объединение пакетов не всегда означает меньше трафика

Если все пакеты, подпрыгивающие сзади одного грузовика для доставки, представляют собой потенциальную поездку по магазинам, не означает ли это, что меньше машин направляется в магазины и торговые центры? Разве объединение наших пакетов не должно означать меньше трафика и заторов?

Часто это может быть правдой, говорит Барбара Иванова, директор лаборатории городских грузовых перевозок Вашингтонского университета в Сиэтле, исследовательского проекта, частично финансируемого розничными торговцами и перевозчиками, такими как UPS и Costco. Электронная коммерция определенно может сократить количество поездок, но она также создает намного больше остановок, что вызывает множество проблем с дорожным движением в густонаселенных городских районах. У таких перевозчиков, как UPS, DHS, почтовое отделение, а также службы доставки, работающие с такими розничными торговцами, как Amazon, плотные графики. Им также часто необходимо доставлять посылки в огромных многоквартирных домах или коммерческих офисах.

Сложите частые остановки на узких городских улицах, которые не были предназначены для погрузочных станций, которые могут блокировать другие способы использования городских улиц, например велосипедные дорожки, и время, необходимое для поиска офиса или квартиры в многоэтажном доме. здания, и становится ясно, как даже небольшое количество грузовиков может начать мешать движению транспорта.Исследование, проведенное в Лондоне профессором Гетеборгского университета Майклом Брауном, показало, что почти половина посылок, доставленных в офисы и коммерческие помещения, на самом деле предназначалась для того, чтобы работники забирали домой, что добавило к подавляющему количеству посылок, поступающих на стойки регистрации.

Исследование

Urban Freight Lab показало, что половина грузовиков, доставляющих товары в центр Сиэтла, была вынуждена припарковаться в неразрешенных местах или дважды припарковаться на оживленных улицах. Энн Гудчайлд, одна из коллег Иванова и директор-основатель центра логистики и транспортировки цепочки поставок UW, также обнаружила, что от 80 до 90 процентов времени водители, занимающиеся доставкой, проводят пешком, выслеживая отсутствующих жителей квартиры и находя нужный офис.Сокращение времени ожидания и частоты доставки стало сегодня самой большой проблемой для операторов связи.

Надлежащее оформление билетов и отговорка водителей службы доставки задерживаться не в том месте улицы может показаться простым решением. Но это слишком упрощенно, говорит Иванов, имея дело с симптомом, а не с общим состоянием городской транспортной сети.

«Некоторые города и выборные должностные лица занимают позицию, что они собираются чертовски применять законы и водителей билетов, и они будут вести себя хорошо», — говорит она. «Но вы не видите, что это меняет их поведение. Это не меняет того факта, что им нужен час, чтобы сделать все поставки для 80-этажной башни ».

Короче говоря, инфраструктура для отправки посылок — интернет-магазины, огромные логистические сети складов и грузовиков, а также местные службы доставки — хорошо налажена, поддерживается в хорошем состоянии и готова к дальнейшему развитию. Инфраструктура для получения пакетов требует большой работы и еще большего анализа. В настоящее время, между доставкой еды и покупками в Интернете, менее чем за десять лет возникла чрезвычайно сложная логистическая инфраструктура, которую города почти не отслеживают, пытаясь сократить трафик.

Решения

Улучшение системы городских грузовых перевозок требует работы на многих уровнях. Как сказал Гудчайлд Curbed, города выкладывали карты и планы общественного транспорта до бума онлайн-покупок. Когда Urban Freight Lab наметила систему доставки Сиэтла, включая переулки, выяснилось, что это единственный город в США или ЕС, который создал такой всеобъемлющий ресурс для планировщиков.

«Это похоже на систему общественного транспорта, в которой вы не планировали автобусные остановки», — говорит она.

Города могут начать с решения проблемы у обочины. Создание более целостного дизайна проезжей части, например добавление большего количества вырезов для бордюров (ступенчатые пандусы между тротуаром и улицей) и больших зон погрузки, чтобы водителям-перевозчикам было легче находить место и доступ к зданиям, не мешая другим участникам дороги.

Система общественных шкафчиков пилотируется лабораторией Urban Freight Lab в Сиэтле. Предоставлено городской грузовой лабораторией

Ольгин-Верас также утверждает, что города должны указывать не только, где, но и когда должны происходить поставки.Невероятные часы доставки или сдвиг во времени при высадке грузовиков могут значительно сократить проблемы с парковкой и заторы.

Другое решение — сократить количество остановок с общественными шкафчиками. В то время как Amazon и другие компании создали впечатляющую сеть шкафчиков для розничной торговли и опций вывоза у обочины, по-настоящему общедоступный шкафчик, доступный для всех, не только сократит время, которое водители доставки проводят из своих грузовиков, но и устранит проблемы с пиратством на крыльце. .

Недавно Urban Freight Lab тестировала свою систему общественных шкафчиков в многоэтажных зданиях Сиэтла. По словам Иванова, исследование, проведенное с использованием шкафчиков, сокращает время, которое UPS проводит в 64-этажной башне, на 70 процентов. Лаборатория собирается начать более крупное испытание в центре Сиэтла, используя грант в 1,5 миллиона долларов для создания системы общественных шкафчиков, нацеленных на остановки общественного транспорта, чтобы упростить получение посылок на ходу.

Наконец, в дополнение к сокращению задержек и сбросов, некоторые перевозчики хотят уменьшить количество транспортных средств доставки.В Сиэтле и Питтсбурге, штат Пенсильвания, UPS тестирует, как модифицированные электрические велосипеды с грузоподъемностью 400 фунтов могут помочь ускорить поставки в густонаселенные районы — идея, которую компания уже опробует в Европе с 2012 года. UPS может расширить это направление по всей стране. если это будет многообещающим, по словам пресс-секретаря Кристен Петрелла.

Одним из главных преимуществ покупок в Интернете было быстрое удовлетворение при одновременной экономии времени и усилий. Резкое увеличение городских грузовых перевозок, а также побочные эффекты электронной коммерции для окружающей среды лопнули этот пузырь.Но при лучшем планировании и совместных усилиях можно сдержать каскад картонных коробок.

«Судя по всему, грузовые перевозки не используются в городском планировании, и это проблема», — сказал Гудчайлд Curbed. «Большинство людей смотрят на общественный транспорт и мобильность, но, похоже, они не живут в физическом мире. Как они могут планировать целые улицы, если слова «доставка груза» [не] используются? »

Америка тратит миллиарды только на то, чтобы ухудшить трафик — Streetsblog USA

Феномен индуцированного спроса — не новость для читателей Streetsblog.Но новый отчет «Транспорт для Америки» показывает именно , насколько на самом деле глупо расширение полосы движения.

По данным группы, 100 крупнейших урбанизированных районов США добавили колоссальные 30 511 миль новых автострад в период с 1993 по 2017 год. Если вам интересно, это означает, что наша дорожная сеть растет более быстрыми темпами, чем наша реальная численность населения человек.

И вот что интересно: трафик на самом деле стал на хуже за эти 24 года (что, как бы это сказать, в некотором роде противоречит цели, почему налогоплательщики вообще тратили эти деньги).

Просто скажите: если бы вы купили на 42% больше еды, но в итоге проголодались на 144%, вы, вероятно, сильно разозлились бы. Источник: Транспорт для Америки.

Не стоит удивляться, что это произошло. Как говорят эксперты, по крайней мере, с 1960-х годов, чем больше миль мы проложим, тем больше водителей выйдет из каркаса, чтобы заполнить их, — и годы между 1993 и 2017 годами, безусловно, не были исключением.

Конечно, многие американцы в течение этого периода выполняли множество низкооплачиваемых работ в качестве водителей Uber, но этого недостаточно, чтобы объяснить , что — своего рода скачок.Потому что мы расширили наши дороги. Транспортным транспортом в Америку.

Итак, резюмируем: американцы потратили кучу денег только на то, чтобы ухудшить автомобильный трафик, и в течение последних трех лет все еще поступают квитанции, которые, вероятно, не намного лучше.

Но о каких именно деньгах мы говорим?

Мы говорим 500 миллиардов долларов . И это именно то, что гласит, что платило — местные транспортные агентства так сильно вмешались в эти бессмысленные проекты, что T4A не смогла точно учесть их убытки.

Задержитесь на секунду, чтобы просто подумать о том, сколько автобусов, велосипедных дорожек и тротуаров можно было бы вложить 500 миллиардов долларов в каждый город Америки. Черт возьми, за это можно было бы заплатить за линию метро на Второй авеню Нью-Йорка в 111 раз, а это самый дорогой поезд, например, когда-либо.

[Простите, мы теряем сознание от ярости.]

Хорошо, но подождите, это еще не все!

Мы также должны заплатить , чтобы поддерживать всего того дурацкого асфальта, который мы купили сейчас. Навсегда — или пока мы не станем умнее и не вырвем все это из земли.

T4A немного уменьшил масштаб и посмотрел, сколько дорог вся страна построила в период с 2009 по 2017 год, а затем умножил это на средние годовые затраты на обслуживание дорожного покрытия.

К сожалению, большинство американцев знают, как дорого содержать машину в рабочем состоянии. Но поддерживать дорогу, по которой ходит машина, в хорошем состоянии, тоже недешево. Источник: Транспорт для Америки.

Но Streetsblog, спросите вы, может быть, оно того стоило! Может быть, мой город был волшебным исключением из правила индуцированного спроса!

Спойлер: нет, не было.

Уф, грубый прорыв, Баффало. Источник: Транспорт для Америки.

Но Streetsblog, вы говорите. Я живу в Покипси, и я никогда не сижу в пробке! Здесь больше никто не живет, и у нас все еще есть все эти протяженные дороги, так что я могу ехать так быстро, как хочу! Это круто!

Ох, классная история, Безумный Макс, но … вы когда-нибудь подсчитывали, сколько времени на самом деле вам нужно, чтобы добраться до того места, куда вы собираетесь в своем городе? Потому что эти статистические данные Техасского транспортного института нам не кажутся такими уж хорошими:

Кроме того, ничего против Покипси, но… учитывая выбор между застреванием в машине в бывшей «китовой столице США» и прогулкой по Бурбон-стрит, проведя некоторое время в пробке, это не совсем соревнование.Источник: Транспорт для Америки.

И на всякий случай, если вам нужно освежиться, сведение к минимуму заторов не означает отличное место для жизни.

Я имею в виду, предполагаю , возможно, бедняга, идущий с сумкой с продуктами посреди пяти полос магистрального движения, живет своей лучшей жизнью, но … не стал бы он на немного счастливее, если бы он был настоящий «15-минутный город» вместо того, чтобы смотреть в решетку радиатора пикапа?

Источник: хорошие люди из Transportation for America, которые действительно хотят вас сжечь.

Итак, давайте еще раз рассмотрим:

• Строительство полос движения и новых дорог для автомобилей не устраняет пробки.
• Строительство полос движения и новых дорог для автомобилей стоит безумных денег.
• Строительство полос движения и новых дорог делает города более опасными для не водителей.
• … и даже если вы * действительно * увидите, что заторы уменьшились, все эти автоцентрические дороги сделают ваш город печальным и хромым.

Знаете сомневающегося? Отправьте им одну из этих иллюстраций и сообщите, что #InducedDemandSucks.

Сколько смартфонов нужно, чтобы попасть в пробку?

Картографические онлайн-сервисы

обладают множеством функций, которые их предшественники, работающие на бумажных носителях, просто не могли себе представить. Добавляя метаданные для местных достопримечательностей, предприятий и соответствующих обзоров, и даже данные о трафике в реальном времени, они могут предоставлять больше информации, чем когда-либо прежде, а также, соответственно, формировать поведение человека. [Саймон Векерт] решил исследовать эту концепцию с помощью небольшой нахальной хитрости.

На фото: все, что нужно, чтобы создать пробку на Google Maps!

Взлом нацелен на способ, которым Google собирает данные о трафике в реальном времени для отображения на Google Maps. Когда пользователи загружают приложение, Google берет данные о местоположении с отдельных телефонов, отслеживая их, пока они едут по дорогам. Большое количество пользователей, медленно едущих по дороге, указывают на интенсивное движение, поэтому Google будет отображать соответствующие предупреждения на своих картах и ​​перенаправлять пользователей на альтернативные пути.

Чтобы осуществить взлом, [Саймон] поместил 99 смартфонов в удобную тележку, таща их за собой, пока он медленно шел по ряду улиц.В видео это накладывается на данные карты Google, записанные в то время. Приложение обновляет карты оранжевыми и красными линиями вдоль дорог, по которым [Саймон] ехал со своими 99 воображаемыми водителями, что указывает на пробку.

Мы хотели бы знать, использовал ли [Саймон] 99 отдельных SIM-карт с доступом к данным, или же взлом был совершен с использованием точки доступа Wi-Fi для более дешевого доступа в Интернет. В комментариях Reddit отмечается, что Google, скорее всего, быстро разработает методы предотвращения такого дурачества в будущем.Несложно заметить, что 99 отдельных пользователей, сообщающих об одном и том же местоположении и скорости одновременно, было бы тривиально отфильтровывать из мониторинга трафика в будущем.

Это одновременно и комментарий о силе, которую мы придаем этим приложениям в нашей жизни, и отличная демонстрация того, как легко с такими системами можно шутить. Впервые мы сообщили о мониторинге трафика Google в 2009 году, когда эта технология только зарождалась. Видео после перерыва.

Evolution Regularity Mining и метод контроля пропускной способности городских повторяющихся дорожных заторов: обзор литературы

Чтобы понять статус-кво периодических городских заторов на дорогах, текущие результаты повторяющихся заторов на дорогах и контроль стробирования рассматриваются с трех аспектов: идентификация транспортных заторов , прогнозирование тенденций развития и управление воротами городской дорожной сети.Выделяются три аспекта текущих исследований: (a) Большинство текущих исследований основано на статистическом анализе исторических данных, в то время как идентификация перегрузок выполняется путем сбора параметров трафика небольшого масштаба. Таким образом, исследования загруженности глобальной сети городских дорог отсутствуют. Идентификация ситуации и неспособность эффективно предупредить или даже избежать заторов на дорогах до того, как формы перегрузки не будут рассмотрены; (b) корреляционные исследования загруженности городской сети автомобильных дорог неадекватны, особенно в отношении глубокого обучения и учета пространственно-временной корреляции для прогнозирования тенденций развития загруженности; и (c) отсутствуют количественные методы исследования, динамическое определение зон контроля пропускной способности и эффективные меры противодействия дорожным заторам.Что касается недостатков текущих исследований, представлены шесть направлений исследований, которые могут быть изучены в будущем.

1. Введение

В последние годы, с быстрым развитием социальной экономики, противоречие между ограниченной пропускной способностью городских сетей автомобильных дорог и быстрорастущим спросом на перевозки стало все более острым. В связи со значительным увеличением количества автотранспортных средств заторы на дорогах увеличиваются из-за ограниченных ресурсов проезжей части, что снижает комфорт и удобство передвижения для многочисленных жителей.Проблема заторов на дорогах вызвала широкую озабоченность в обществе и стала важным сдерживающим фактором, влияющим на развитие национальной экономики [1–3]. Основываясь на предыдущих исследованиях, визуализация перегрузки трафика может быть достигнута с помощью анализа сети совместной работы с использованием в общей сложности 248 ключевых слов с 1975 по 2019 год, как показано на рисунке 1. Каждый узел представляет ключевое слово, а размеры узла указывают количество опубликованных статей. Связи между двумя узлами представляют собой сотрудничество, а большая ширина связи представляет собой более тесное сотрудничество.

Как показано на Рисунке 1, заторы на дорогах в городских районах в основном бывают двух типов: эпизодические и повторяющиеся. Случайные заторы обычно вызываются внезапными происшествиями, такими как особые события, дорожно-транспортные происшествия и временное регулирование дорожного движения, в то время как периодические заторы обычно возникают из-за периодического транспортного потока. По сравнению со случайными скоплениями доля периодических скоплений больше, но процессы их образования, распространения и рассеивания подчиняются определенным правилам.Во временном измерении времена формирования и рассеивания скопления часто имеют одно и то же временное окно, тогда как в пространственном измерении местоположение скопления, направление распространения и диапазон рассеяния имеют высокую степень сходства [4-7] . Следует постоянно оценивать временную и пространственную эволюцию повторяющихся заторов, и это правило следует применять для активного управления потоком трафика в перегруженной зоне.

Дополнительные альтернативы могут быть использованы для исследования заторов на дорогах с внедрением передовых технологий и методов.Наступление эры больших данных и применение транспортных средств GPS и технологии беспроводной связи обеспечивает получение массивных данных о заказах и данных о траекториях движения для анализа загруженности городского транспорта. Эти данные могут быть интегрированы с традиционными данными обнаружения транспортных потоков, а соответствующие временные и пространственные характеристики могут быть извлечены с помощью технологии интеллектуального анализа данных для выполнения углубленного анализа характеристик транспортного потока. Этот процесс можно использовать для эффективного определения перегрузки и выявления временной и пространственной корреляции и эволюции состояния перегрузки, что играет важную роль в формулировании схем управления трафиком и управлении перегрузкой.

2. Исследование статуса выявления заторов на дорогах

Определение заторов на дорогах может эффективно уменьшить заторы на дорогах за счет своевременной и точной оценки состояния трафика для всей дорожной сети, определения перегруженных участков дороги на основе результатов оценки и предоставления соответствующей информации для руководство автомобильным путешествием. В последние годы многие ученые посвятили свои исследования выявлению заторов на дорогах. Один из традиционных методов заключался в использовании данных катушки и данных видеомониторинга для определения режима перегрузки [8].С развитием беспроводной связи и технологии позиционирования, алгоритмы распознавания заторов на дорогах, основанные на данных GPS, получили широкое распространение [9]. Тао и др. [10] оценили загруженность участков дороги путем сбора данных GPS мобильных телефонов в реальном времени. Carli et al. [11] и Xu et al. [12] использовали данные шины GPS для определения заторов в городских дорожных сетях. Лю и др. [13] проанализировали зону скопления транспорта и характеристики ее пространственного и временного распределения с использованием данных о траектории руления.Анбароглу и др. [14] предложили методологию обнаружения NRC для поддержки точного обнаружения NRC на крупных городских дорожных сетях. Wang et al. [15] представили тестирование реальных данных оценщика состояния дорожного движения на автомагистралях в реальном времени, уделяя особое внимание его адаптивным возможностям. Хоссейн и Абдельгани [16] предложили систему оценки и прогнозирования состояния сети трафика в реальном времени со встроенными возможностями поддержки принятия решений для управления сетью трафика. Система предоставила администраторам сети трафика возможность оценивать текущее состояние сети, прогнозировать динамику перегрузки и создавать эффективные схемы управления трафиком для повторяющихся и разовых ситуаций перегрузки.Менеджер сети трафика использовал механизм метаэвристического поиска для построения схем путем интеграции большого количества различных стратегий управления. Хотя эти методы в принципе просты, добиться непрерывного охвата большинством современных устройств обнаружения сложно. Таким образом, определение состояния трафика без обнаружения напрямую недоступно. Когда распределение устройств обнаружения движения (например, автобусов и такси) слишком мало или неравномерно, плотность транспортного потока на участке дороги не может быть точно оценена; таким образом, невозможно эффективно распознать ситуацию перегрузки.

В последние годы, с развитием коммуникационных технологий и технологий хранения, были собраны и сохранены различные данные о местоположении, что дает новые идеи для исследований в области транспорта. На основе этих массивных данных о траектории многие ученые провели множество исследований традиционных транспортных проблем, которые стали противоречивыми. Sarvi et al. [17] получили и проанализировали пять уровней состояний работы дорожной сети, отслеживая траекторию движения плавающего автомобиля во времени и пространстве.Hu et al. [18] получили характеристики распределения активности руления по данным GPS. Принимаются характеристики распределения времени, такие как включение рабочих дней, выходных, географическое распределение, время пассажиров велосипеда и частота пассажиров, а также характеристики пространственного распределения, такие как дальность поиска пустого места, пробег пассажиров и местоположения верхних и нижних пассажиров. Эти характеристики служат руководством для определения и прогнозирования спроса на такси в городе. Yu et al. [19] предложили использовать модель Маркова и метод нейронной сети BP для обнаружения состояния перегрузки кампуса.Результаты экспериментов показали, что оба метода могут обнаруживать перегрузку кампуса, а метод на основе нейронной сети BP может обеспечить более высокую точность и более стабильную производительность. Нго [20] предположил, что появление Uber повлияло на индустрию такси, окружающую среду, способы передвижения и поведение вождения. Uber заменяет некоторые маршруты такси и сокращает свою долю рынка на 10–40%, сокращая количество владельцев автомобилей и повышая эффективность поездок, но может снизить среднюю скорость и увеличить выбросы углекислого газа.Ли и др. [21] собрали данные о расходах на топливо, социально-экономических характеристиках городов, характеристиках дорожных транспортных систем, количестве полос движения, количестве пассажиров и состоянии заторов в 87 регионах США за 11 лет и проанализировали различия во времени, когда Uber вошел в разные регионы. После того, как Uber вышел на рынок, проблема пробок на дорогах в этом районе значительно уменьшилась. Goves et al. [22] представили результаты после применения искусственного интеллекта, особенно искусственных нейронных сетей, для оценки условий дорожного движения через 15 минут после предоставления текущей / исторической информации о дорожном движении.Duret et al. [23] предложили основанную на модели структуру для оценки состояния трафика с использованием эйлеровых и лагранжевых данных. Формулировка лагранжевого пространства, которая была принята в качестве базовой модели трафика, обеспечивает подходящие свойства для получения эйлеровой и лагранжевой внешней информации. Предлагаются три независимых метода для обращения к эйлеровым данным, лагранжевым данным и комбинации обоих типов данных.

На основе данных о плавающих автомобилях с точностью до 5 минут, Zhang et al.[24] установили трехуровневый дискриминантный индекс постоянной загруженности, а именно: индекс стробирования заторов, индекс отношения длительности временных барьеров и индекс частоты встречаемости, а также скрининг участков дороги с периодически перегруженными дорогами в ГИС. Основываясь на данных о плавающих автомобилях такси и путем преобразования времени в пути по участку, скорости участка и средней скорости, Лю [25] построил индекс эксплуатации дорожного движения в Шэньчжэне, а затем оценил состояние движения городской дорожной сети. Gao et al. [26] представили модель оценки дорожных заторов, основанную на нечетком аналитическом иерархическом процессе, основанном на трех параметрах скорости, плотности и потока, определили уровень дорожных заторов и предложили механизм раннего предупреждения о пиках дорожных заторов.Чжу [27] использовал объединенные данные текущих данных потока трафика и данные прогнозирования потока трафика в качестве входных данных для распознавания состояния трафика и построил метод распознавания состояния трафика, который основан на нечетких средствах C и интегрированном классификаторе FCM, а также состоянии трафика. признание. Выходы выражаются в трех состояниях: «низкая насыщенность», «средняя насыщенность» и «квазинасыщенность». Яо и Чжан [28] предложили алгоритм распознавания состояния перегрузки, основанный на нечеткой логике, который основан на нечетком всеобъемлющем алгоритме оценки.Алгоритм объединил три основных параметра транспортного потока, а именно степень занятости, плотность и время в пути, чтобы получить три новых характеристических переменных: уровень обслуживания, относительную плотность и относительное время в пути. Алгоритм использует трапециевидную функцию для вычисления степени членства и оценивает состояние перегрузки трафика в соответствии со степенью членства. Ju et al. [29] использовали данные о траектории движения GPS такси для построения метода оценки мобильности городских дорог на основе скорости движения и индекса времени в пути и провели подробный анализ в Шэньчжэне.Цзи [30] разработал систему количественной оценки загруженности городских дорог, основанную на комбинации индекса состояния дорожного движения в пространстве (участок дороги, площадь и дорожная сеть) и времени (в реальном времени, часовой пояс, день и др.) В Шанхай из трех аспектов: уровень перегрузки, распределение перегрузки, тенденция перегрузки. Jiang et al. [31] применили главную дорогу в качестве объекта исследования и разделили состояние загруженности городских дорог на пять уровней: заблокированный, перегруженный, более загруженный, относительно ровный и незаблокированный.Что касается перекрестка и участка дороги, в качестве показателей оценки были выбраны такие факторы, как насыщенность, среднее соотношение скоростей на перекрестке, плотность и средняя задержка парковки. Модель анализа охвата данных была создана для оценки состояния движения на основных городских дорогах. Основываясь на данных отслеживания индекса трафика с 2007 по 2014 год в Пекине, Чжан [32] сравнил индекс трафика дорожной сети рабочего дня на конец года ограниченного года. Наблюдение за ростом загруженности трафика в условиях ограниченной политики остается неизменным.Ren et al. [33] выбрали параметры средней максимальной длины очереди, насыщения, средней задержки транспортного средства и коэффициента скорости, которые были наиболее чувствительными и легко определяемыми для изменения состояния дорожного движения на перекрестках в городе в качестве оценочного индекса. Для выбранного оценочного индекса был выбран алгоритм Relief, было выполнено определение веса и разработана комплексная дискриминантная модель, основанная на нечеткой кластеризации FCM. Был предоставлен пример, демонстрирующий, что модель может объективно и эффективно оценивать состояние движения на городских перекрестках.Чжэн и Ян [34] сравнительно проанализировали преимущества и недостатки различных индикаторов оценки загруженности дорог, включая индекс дорожного движения, который был впервые предложен Шанхаем в 2002 году. Моделирование взвешенной оценки учитывает дополнительные комплексные факторы; однако процесс расчета более сложен. Jiang et al. [35] предложили две улучшенные модели оценки средней скорости на основе данных GPS такси для проблемы, для которой существующая модель оценки средней скорости участка дороги и удовлетворение требований низкой стоимости и высокой точности были трудными.Проверка на примере показала, что точность двух улучшенных моделей на 1,5% и 19,7% выше, чем у традиционной модели без увеличения стоимости. Хуанг и Сюй [36] проанализировали данные GPS такси для оценки транспортного потока в дорожной сети в реальном времени, выбрали несколько алгоритмов нечеткого вывода для прогнозирования загруженности дорог, времени в пути и вероятности заторов, а также предложили структуру анализа для динамического прогнозирования дорожные заторы. Zhang et al. [37] оценили среднее время прохождения участка дороги как для больших выборок данных GPS, так и для небольших выборок, а также рассчитали доверительный интервал и достоверность.Небольшая разница между результатами анализа и оценочными значениями измеренных данных показывает применимость метода исследования для оценки среднего времени в пути на участке дороги. Лу и др. [38] интегрировали данные GPS о перекрестках городской транспортной сети и такси, приняв макроскопические базовые карты и обобщенные макроскопические базовые карты в городских дорожных сетях. Yu et al. [39] предложили модель ближайшего соседа K , основанную на измерении времени, измерении времени сегмента восходящего потока, измерении времени сегмента нисходящего потока и модели пространственно-временных параметров для прогнозирования краткосрочного транспортного потока с использованием данных GPS такси.Используя данные GPS массового такси в качестве источника данных, Guo et al. [40] идентифицировали дороги и извлекли информацию о скорости транспортного средства с помощью метода граничного прямоугольника, установили подчиненную дискриминантную модель затора на основе средней скорости движения и успешно определили перегруженный участок дороги в определенной области Шэньчжэня. Wu et al. [41] сгруппировали точки GPS-трека транспортных средств на основе алгоритма кластеризации плотности и определили стробирование интервала расстояния, стробирование временного интервала и стробирование скорости между первой точкой данных GPS и последней точкой данных GPS, чтобы определить перегруженные участки дороги.Надь и Саймон [42] представили подробное описание методов прогнозирования трафика для интеллектуальных городов и представили обзор существующих источников данных и моделей прогнозирования.

Однако большинство существующих исследований направлено на улучшение моделей и алгоритмов с использованием данных трафика из одного источника и сосредоточено на анализе и прогнозировании состояния трафика в перегруженных участках или регионах. Отсутствуют исследования больших данных о дорожном движении из разных источников для перегруженности городской дорожной сети.

3.Состояние исследования закономерности эволюции заторов на дорогах

Анализ закономерностей развития перегрузок на дорогах называется возможными условиями дорожного движения в течение определенного периода времени после получения информации о дорожном движении и алгоритма прогнозирования. Алгоритм делится на две категории: обычный алгоритм и алгоритм прогнозирования на основе больших данных. Что касается алгоритма прогнозирования тенденции развития перегрузки, то с 1960-х годов многие ученые применяли традиционные модели прогнозирования к алгоритму прогнозирования тенденции перегрузки, и были проведены многочисленные исследования, которые здесь не описаны.В последние годы, с развитием технологии больших данных, многие ученые применяли теории и методы, связанные с большими данными, для прогнозирования тенденций развития перегрузок и постоянно совершенствовали и обновляли методы для повышения точности прогнозов. Недавние результаты включают самоорганизующиеся нечеткие нейронные сети [43], спектральный анализ [44], опорную векторную регрессию [45], алгоритм GA-BP [46], стохастическую адаптивную фильтрацию Калмана [47], анализ хаотических временных рядов [48], поддержка векторной машины и модели слияния пространственно-временных данных [49], улучшенная модель временных рядов [50], модель, основанная на нейронной сети BP и системе нечеткого вывода [51], а также комбинированные модели [52].Что касается глубокого обучения, Куремото и др. [53] применили прогнозирование временных рядов на основе сетевой модели с глубоким доверием, которая ограничивает машину Больцмана. Хуанг и др. [54] интегрировали обучение многозадачности в сетевую структуру глубокой уверенности для прогнозирования трафика в будущем. Lyv et al. [55] предложили модель прогнозирования перегрузки, основанную на глубоком обучении, с использованием составного самокодировщика для изучения общих характеристик потока трафика и обучения модели в соответствии с методом жадного разделения на слои.Ma et al. [56] объединили машину Больцмана с ограниченной глубиной с моделью рекуррентной нейронной сети, чтобы предсказать эволюцию перегрузки в крупномасштабных сетях трафика. Кошки и др. [57] разработали метод получения преимуществ от увеличения пропускной способности с помощью динамической и стохастической модели назначения транзита. Модель была встроена в комплексную основу для оценки проекта. В существующих исследованиях основное внимание уделяется получению внешних характеристик состояния движения дорожной сети, но отсутствует детальное обсуждение механизма формирования и внутренних причин макроскопического состояния дорожного движения для дорожной сети, которое не подходит для формулирования управления движением, и мер контроля для решать проблемы заторов на уровне дорожной сети.

4. Состояние исследований в области управления воротами в городской дорожной сети

Управление воротами — это практический метод управления движением для дорожной сети, как показано на Рисунке 2. Этот метод часто используется в условиях перенасыщенного движения, на участках проезжей части или проезжей части. сети, склонные к перегрузке трафика. Принцип состоит в том, чтобы ограничить текущий контроль на главном перекрестке в основной зоне контролируемой дорожной сети, а затем ворота дорожной сети преобразуются в ворота перекрестка, чтобы сбалансировать распределение трафика и уменьшить заторы.В настоящее время управление воротами стало новой технологией управления дорожной сетью. Многие исследователи начали исследовать стробирующий контроль как совместную сеть стробирующего контроля между продуктивными авторами; страны исследования показаны на Рисунке 3. Wood et al. [58] впервые применили метод управления стробированием к транспортному полю и экспериментировали с логикой управления стробированием в SCOOT. Согласно результатам, когда все критические пересечения управляются стробированием, существует только одно критическое пересечение стробированием.Когда лимит превышен, 20% пропускной способности предоставляется шлюзовому потоку трафика.

(a) Сеть соавторства между продуктивными авторами
(b) Сеть сотрудничества между странами исследования
(a) Сеть соавторства между продуктивными авторами
(b) Сеть сотрудничества между странами исследования

Однако, когда загруженность дорожной сети демонстрирует сложные характеристики распределения, эффекты методов не могут быть оптимизированы.В дорожной сети со сложными условиями движения единый региональный пограничный контроль может быть неэффективным, и необходимо рассмотреть меры, которые могут контролировать несколько регионов. Aboudolas и Geroliminis [59] предложили многоуровневый метод управления для регулирования обратной связи в сложной области с использованием отдельной базовой сетевой схемы дорожной сети. Недостатком этого метода является то, что граница многослойной области фиксируется. По мере распространения динамического развития перегрузок транспортный поток может вторгаться в единую область, что делает его неэффективным.Keyvan-Ekbatani et al. [60] предложили двухуровневую стратегию управления стробированием, состоящую из двух контроллеров с обратной связью. В этом исследовании рассматривается область, которая включает ядро ​​начальной перегрузки трафика в качестве первого уровня и должна предотвращать перегрузку сети с помощью управления стробированием. По мере увеличения перегрузки трафика граница расширенной части сети становится второй границей управления стробированием. Однако эти методы исследуются после возникновения перегрузки; таким образом, реализуется только пассивное управление трафиком.Пассивный характер этого контроля не способствует действительному контролю метода контроля стробирования. Чтобы преодолеть эту слабость, Гал-Цур и др. [61] предложили метод управления дорожной сетью пригородных городских улиц. Контролируя входящий поток контрольной зоны в пределах пропускной способности ключевого перекрестка, этот метод может эффективно предотвратить образование заторов. Однако это применимо только к городским сетям заторов с одним критическим перекрестком. Zhang et al. [62] предложили метод управления, который может эффективно разрешить тупиковую ситуацию в дорожной сети.Кумулятивное количество трафика дорожной сети было применено в качестве переменной состояния, и было построено уравнение состояния макропотока дорожной сети с перегрузкой, чтобы перегружать дорожную сеть. Совокупное количество транспортных средств достигает оптимального значения, и контроль Bang-Bang является оптимальным методом управления для максимизации пропускной способности дорожной сети. Ли [63] предложил метод пограничного контроля, позволяющий удерживать трафик дорожной сети близким к насыщению, ограничивая объем трафика, который входит в дорожную сеть.Этот метод может эффективно повысить эффективность движения дорожной сети. В сочетании с измеренными и смоделированными данными транспортного потока в городе Куньшань Ляо [64] исследовал характеристики загруженности городской дорожной сети на основе макроскопической базовой карты, построил модель управления воротами и выполнил оценку производительности на основе программирования MATLAB. среда. Ян и др. [65] попытались определить перенасыщенный участок дороги, измерили степень корреляции между двумя перекрестками и установили модель вычисления степени корреляции.Было выполнено разделение зоны блокировки, переходной зоны, нормальной зоны и диссипативной зоны, а также предложен метод динамического разделения на подобласти управления движением в перенасыщенном состоянии. Саидманеш и Геролиминис [66] исследовали пространственно-временные отношения между перегруженными ссылками, наблюдая распространение перегрузки с макроскопической точки зрения и определяя критические очаги перегрузки, которые могут помочь в разработке периферийных стратегий управления. Ахмед и Хавас [67] представили систему управления трафиком, которая может работать автономно для обработки различных граничных условий повторяющихся и непериодических перегрузок, приоритета транзитного сигнала и условий блокировки нисходящего потока для повышения общей производительности и эффективности транспортных средств транспортной сети.Шеу и Ян [68] исследовали интегрированную систему управления движением на автомагистралях, которая координирует как динамическое ценообразование, так и стратегии управления съездом с целью динамического управления заторами на автомагистралях. Предлагаемая методология интегрированного динамического управления дорожными сборами и съездом построена в основном на принципах стохастических подходов к оптимальному управлению. Логи и Ричи [69] описали систему, основанную на знаниях в реальном времени (KBS) для поддержки принятия решений персоналом центра управления дорожным движением при выборе интегрированных планов управления дорожным движением после возникновения разовых перегрузок на автострадах и магистральных сетях.Уникальность системы, которая упоминается как TCM, заключается в способности сотрудничать с оператором, обрабатывая различные источники входных данных и предполагаемых знаний и предоставляя объяснение своего процесса рассуждений. Эффективный алгоритм выбора планов управления определяет альтернативные ответы управления трафиком. Ло [70] разработал новую формулировку управления сигналом светофора, используя метод смешанного целочисленного программирования. Формулировка учитывала динамический трафик, использовала динамический спрос на трафик в качестве входных данных и использовала преимущество конвергентного численного приближения к гидродинамической модели транспортного потока.Формула «автоматически» подстраивается под различные условия движения. Lo et al. [71] разработали формулировку динамического управления движением, которая называется динамической оптимизацией управления сигналом перекрестка (DISCO). В формулировке учитывалась вся фундаментальная диаграмма и фиксировались явления трафика, такие как ударные волны и динамика очереди. В качестве динамического подхода формулировка выводила планы динамической синхронизации для изменяющихся во времени шаблонов трафика. Boillot et al. [72] представили алгоритм управления городским движением в реальном времени CRONOS и оценили перекресток, сравнив две эталонные стратегии управления: локальную стратегию и централизованную стратегию.Результаты показали высокие преимущества CRONOS для общей задержки по сравнению с двумя контрольными стратегиями управления, а также были получены преимущества для общего количества остановок и процента остановок, особенно по сравнению с локальной стратегией. Keyvan-Ekbatani et al. [73] представили недавно разработанное понятие сетевой фундаментальной схемы для городских сетей, чтобы улучшить мобильность в условиях насыщенного трафика посредством применения мер стробирования на основе соответствующей структуры управления с обратной связью.Keyvan-Ekbatani et al. [74] исследовали управление пропускной способностью городских заторов на основе фундаментальных схем сокращенной оперативной сети. Городская сеть Ханьи, Греция, использовалась в качестве испытательного полигона для исследований в реалистичной среде микроскопического моделирования. Dahal et al. [75] предложили интеллектуальную систему управления дорожным движением (ITCS), основанную на подходе координированных агентов, чтобы помочь человеку-оператору центра управления дорожным движением управлять текущим состоянием дорожного движения. Castro et al. [76] предложили адаптивную биологически вдохновленную нейронную сеть, которая получала состояние системы и могла изменять поведение схемы управления и порядок фаз семафоров вместо фаз на основе префиксов.Проведенный анализ показал, что модель была устойчивой к различным начальным условиям и имела быструю адаптацию между состояниями равновесия системы. Однако идея этих исследований заключается в том, как быстро эвакуировать транспортный поток после заторов. Таким образом, часто возникает задержка управления сигналом светофора.

5. Текущие проблемы

Анализ существующей литературы указывает, по крайней мере, на три проблемы в отношении метода определения закономерности эволюции и метода контроля пропускной способности периодических городских заторов на дорогах, которые обсуждаются здесь.

(1) С быстрым развитием больших данных трафика для идентификации состояния трафика стали доступны различные данные из нескольких источников, такие как данные о плавающих автомобилях, неструктурированные видеоданные и данные Интернета. Однако большинство текущих исследований основаны только на исторических данных о трафике. На основе статистического анализа идентификация заторов осуществляется путем сбора параметров, скорости, плотности, объема трафика и задержки транспортного средства в небольшом диапазоне. В этом подходе отсутствует идентификация условий заторов в глобальной сети автомобильных дорог города и не удается эффективно предупредить или даже избежать заторов до того, как они будут сформированы.Кроме того, существующие исследования игнорируют закон формирования перегрузки, определяют состояние перегрузки только на основе индикаторов оценки состояния трафика или параметров потока трафика и редко используют данные о трафике из нескольких источников для изучения закона развития перегрузки и методов управления стробированием.

(2) Большинство исследований по прогнозированию тенденций развития заторов сосредоточено на анализе и прогнозировании состояния дорожного движения на перегруженных участках или территориях дорог, а исследования корреляции заторов городской сети дорог отсутствуют.Что касается времени и пространства заторов, некоторые ученые приняли метод пространственно-временной автокорреляции, но результаты анализа данных отличаются от фактического состояния трафика. Методы сконцентрированы на улучшении классических моделей или поверхностного обучения, например нейронных сетей и поддержки векторной регрессии. Благодаря успешному применению глубокого обучения в распознавании языков, распознавании изображений, распознавании видео и многозадачном обучении связанные результаты использования глубокого обучения и учета пространственно-временной корреляции для прогнозирования тенденций развития перегрузки не были расширены.

(3) Существующие исследования по управлению движением в перегруженных районах нацелены на эвакуацию после возникновения заторов, которые применимы только к эффективному уходу. Некоторые ученые приняли метод стробирующего контроля для активного контроля, но граница контроля определяется качественным анализом. Таким образом, необходимы количественные методы для динамического определения зоны контроля стробирования, принятия теории стробирования для активного контроля и разблокировки потока трафика, который еще не прибыл, чтобы быстро устранить заторы на дорогах.

6. Исследовательский проспект

6.1. Использование данных о дорожном движении из разных источников для изучения закономерности эволюции повторяющихся городских заторов на дорогах

С развитием эпохи «Интернет +» и строительством умных городов источники данных о дорожном движении варьируются от исходного метода сбора вручную до исходного метода с катушками и радиолокационными датчиками, а затем с текущим плавучим средством и методом измерения портативного оборудования. Объем получаемых данных увеличивается, и информация становится все более обширной, что обеспечивает отличную базу данных для идентификации перегрузки и прогнозирования тенденций перегрузки [77–81].В режиме реального времени получают большое количество высокочастотных, высокоточных, пространственно-временных корреляционных данных о траектории транспортного средства и данных обнаружения транспортных потоков. Эти данные содержат обширную информацию, которая может описать текущую ситуацию сложных транспортных систем. Эти данные дают людям возможность раскрыть закон эволюции транспортных заторов и научным образом контролировать транспортный поток [82–91].

Унифицированная предварительная обработка и оценка качества данных выполняются для данных (вместе называемых данными обнаружения транспортного потока), собранных с помощью наборов данных траектории из нескольких источников (включая большие данные для автобусов, круизных такси, сетевых такси и экспресс-треков), микроволнового транспортного средства детекторы и оборудование для распознавания номеров видео, а затем объединяются с ГИС для завершения преобразования координат и сопоставления карт.

Столкнувшись со сложной структурой городской дорожной сети, метод уточнения пространственного разделения сетки принят для анализа плотности и состояния дорожного движения в регионе, с акцентом на технологии генерации сетей и методы определения размера сети. Тензорная модель используется для объединения данных траектории из нескольких источников и данных обнаружения транспортного потока. С помощью тензорной модели описания JavaScript Object Notation (JSON) собранные данные могут быть переданы на платформу управления данными через платформу сбора данных.JSON можно использовать для описания основных атрибутов, атрибутов функций и атрибутов содержимого модели.

Поскольку тензорная модель может представлять исходные характеристики неструктурированных данных, полуструктурированных данных и структурированных данных, а также реализовывать слияние и представление разнородных данных из нескольких источников в высоком и многомерном пространстве, JSON имеет преимущества масштабируемости, быстрого индексации и легкости; таким образом, он подходит для описания тензорной модели. Таким образом, в этом документе предполагается использовать тензорную модель описания JSON для передачи собранных данных на платформу управления данными через платформу сбора данных, а затем описать основные атрибуты, атрибуты функций и атрибуты содержимого модели через JSON.Модель опрашивается оператором запроса JAQL, чтобы проверить выполнимость модели. Базовый процесс показан на рисунке 4.

6.2. Использование макроскопической фундаментальной диаграммы (MFD) и сверточной нейронной сети (CNN) для определения повторяющейся перегрузки трафика

Путем построения модели распознавания перегрузки трафика в сети область повторяющейся перегрузки может быть определена как одна или несколько повторяющихся сеток перегрузки, устанавливаемых смежными друг к другу в космосе.Модель идентификации повторяющейся области перегрузки может быть разработана на основе алгоритма кластеризации.

Традиционные трехпараметрические характеристики потока трафика извлекаются в сетке, а различные параметры классифицируются и визуально анализируются. Связь между скоростью ячейки сети и транспортным потоком исследуется с помощью MFD, а результаты сравниваются с фактической структурой дорожной сети, чтобы исследовать изменяющиеся характеристики транспортного потока и процесс создания, развития и рассеивания транспортных заторов.

Путем построения трехпараметрических характеристик сетевого потока трафика и определения индекса транспортной загруженности данные о траектории транспортного средства и обнаружении транспортного потока разделяются, извлекаются и собираются для четкого описания процесса генерации, развития и рассеивания загруженность трафика и вычислить три параметра потока трафика в сети и индекс загруженности трафика в сети. Согласно этим данным, графики предполагается преобразовывать в изображения с интервалом 30 или 60 секунд.

При обращении к большому количеству данных графа традиционные методы моделирования не могут адекватно описать пространственные и временные характеристики данных. По этой причине мы можем использовать преимущества сверточной нейронной сети в задачах распознавания изображений и временных рядов, комбинируя остаточную нейронную сеть для повышения эффективности и точности обучения и создания пространственно-временной модели эволюции перегрузки, а также выполнения глубокий анализ возникновения, развития и рассеивания скопления, чтобы выявить закон эволюции скопления.

В соответствии с тремя параметрами сетевого потока трафика и на основе структурного механизма сверточной нейронной сети может быть создана модель пространственно-временного анализа повторяющихся транспортных заторов в городской дорожной сети. Используя пространственно-временную остаточную модель сети, можно исследовать правила эволюции параметров потока сетевого трафика и индекса перегрузки сетевого трафика в целевой области.

6.3. Использование теории глубокого обучения для прогнозирования тенденции развития повторяющихся перегрузок в дорожной сети

Модель прогнозирования тенденций развития повторяющихся перегрузок трафика в сети может быть построена с использованием алгоритма глубокого обучения для прогнозирования тенденции развития перегрузок на дорогах.

Состояние загруженности каждой проезжей части сети имеет пространственную корреляцию. Таким образом, модель прогнозирования, которая учитывает только характеристики целевого участка, не может гарантировать точность прогнозирования. Для повышения точности прогнозирования модель прогнозирования тенденции перегрузки, основанная на данных из нескольких источников, может быть построена с учетом пространственно-временной корреляции. Метод временного тренда, метод корреляции top- k и метод соседства top- k могут использоваться для улучшения входных характеристик модели прогнозирования.Предлагается объединение информации из нескольких источников с помощью теории сетей глубокого доверия, основанной на ограниченной машине Больцмана. Структура показана на рисунке 5.

6.4. Изучение метода управления пропускной способностью на основе прогнозируемой модели управления

Целью управления пропускной способностью является снижение степени загруженности дорожной сети за счет активного управления спросом на трафик на граничном пересечении дорожной сети для эффективного сокращения продолжительности дорожных заторов. и снизить вероятность перенасыщения дорожной сети.Конкретный контент фокусируется на методе определения домена управления стробированием в соответствии с состоянием развития перегрузки сетевого трафика. Математическая модель задачи управления пропускной способностью трафика может быть построена в соответствии с принципом прогнозируемого управления моделью и ограничениями состояния сетевого трафика, а также должна быть исследована стратегия реализации стробирования.

Model Predictive Control (MPC) имеет преимущества превосходной эффективности и надежности, которые могут эффективно устранять неопределенности и нелинейность процесса управления и устранять ограничения различных переменных в процессе управления.Следовательно, с макроскопической точки зрения проблема заторов дорожной сети может быть преобразована в математическую модель, основанную на сети характеристик заторов и на принципе прогнозируемого управления моделью [92–100].

6.5. Исследование метода управления воротами интеллектуальной транспортной системы на основе данных краудсорсинга

С ростом популярности мобильного Интернета, автомобильных устройств и смартфонов путешественники могут легко получать доступ и загружать динамические данные о транспортных средствах, которые имеют полную электронную систему который собирает данные о двигателе, шасси, скорости и давлении в шинах [101–106].Данные о вождении автомобиля, собранные автомобильной электронной системой, передаются в центр обработки данных через мобильный Интернет, что решает проблему сбора данных, связанных с автомобилем. Кроме того, путешественники могут добровольно предоставлять начальные и конечные данные каждой поездки, данные о бронировании поездки, срочность и временную стоимость. Данные, собранные с помощью этой модели краудсорсинга, называются данными краудсорсинга. Использование этой модели краудсорсинга для сбора данных не только позволяет собирать большие объемы данных, но также решает проблему чрезмерных затрат на сбор данных [107–111].После завершения сбора данных изолированные данные связываются, обмениваются друг с другом и социализируются для создания настоящих больших данных. Центр обработки данных интеллектуальной транспортной системы использует собранные большие данные для анализа и интеллектуального анализа данных, чтобы обеспечить интеллектуальную диспетчеризацию, стробирование и управление запросами в системе управления трафиком, что, как ожидается, поможет выявлять и смягчать частые пробки на дорогах.

6.6. Исследование метода управления воротами в ситуациях с подключенными и автономными транспортными средствами

Интернет транспортных средств (IoV) — важная подсистема, которая объединяет Интернет вещей (IoT) с интеллектуальной транспортной системой, которая может реализовать восприятие состояния и информацию сбор данных о внешней среде транспортного средства с помощью различных датчиков, GPS и других датчиков.Использование современных и надежных средств связи, в соответствии с соответствующим протоколом связи, позволяет осуществлять обмен информацией через сеть инфраструктуры людей-транспортных средств. С помощью компьютерных технологий, полные специальные функции приложения, такие как выпуск информации, управление движением в реальном времени и маршруты путешествий в реальном времени, могут реализовать интеллектуальный мониторинг, планирование и управление людьми, транспортными средствами и дорогами. Благодаря совершенствованию искусственного интеллекта, сенсорного обнаружения и других технологий, автономные транспортные средства стремительно развиваются.В сетевой среде транспортного средства беспилотный автомобиль может обмениваться данными с придорожными объектами и системой управления регионального центра в режиме реального времени, а также получать в режиме реального времени информацию о дорожной сети, состоянии транспортного потока и состоянии нисходящих дорожных сигналов в продвигать. Регулировка скорости производится вовремя, чтобы транспортное средство могло плавно проезжать через сигнализационные перекрестки.

С помощью описанных сценариев метод управления воротами системы городского движения может быть реализован в ситуации подключенных и автономных транспортных средств, а перспективные технические результаты могут быть использованы для устранения ограничений традиционного управления городскими сигналами.Путем оценки параметров характеристик трафика в некоторых подключенных и автономных средах транспортных средств должны быть построены алгоритмы онлайн- и автономной оценки для восстановления информации о транспортных средствах в дорожной сети и оценки параметров трафика. Алгоритм управления пропускной способностью системы дорожного движения в случае подключенных и автономных транспортных средств может быть сконструирован таким образом, чтобы удовлетворять требованиям к управлению сигналом в различных сценариях, и можно получить набор решений управления сигналом для будущих подключенных и автономных транспортных средств.

7. Выводы

В настоящее время заторы на дорогах распространились из крупных городов в средние и малые города. Хотя многие ученые провели многочисленные исследования этой проблемы, определить механизм эволюции заторов сложно, поскольку городская транспортная система представляет собой сложную и обширную систему. Поэтому эффект от блокировки не очень оптимистичный. Противоречие между ограниченной пропускной способностью городской сети автомобильных дорог и быстро растущим спросом на перевозки становится все более острым; таким образом, часто возникают пробки на дорогах.

Многочисленные исследования были выполнены по выявлению транспортных заторов, прогнозированию тенденций развития транспортных заторов и управлению воротами сети городских дорог при периодических городских заторах, и были достигнуты плодотворные результаты. Изучив соответствующую литературу, авторы обнаружили три недостатка существующих исследований и определили направление исследований, которое может быть исследовано в будущем.

С развитием коммуникационных технологий и умных городов в режиме реального времени собирается большое количество высокочастотных, высокоточных, пространственно-временных данных о траекториях транспортных средств и данных обнаружения транспортных потоков.Эти данные содержат обширную информацию, которая может описать рабочую ситуацию сложных транспортных систем, в то время как эта информация дает людям возможность определять эволюцию транспортных заторов и научно контролировать движение. Высокоточные данные о траектории и данные обнаружения транспортных потоков объединяются для создания алгоритма распознавания повторяющихся заторов на дорогах городской дорожной сети. Сверточную нейронную сеть можно использовать для подробного описания всего процесса развития перегрузки дорожной сети, а алгоритм глубокого обучения можно использовать для прогнозирования заторов и изучения эволюционной закономерности повторяющихся заторов на дорогах.Периодическая проблема загруженности дорожной сети трансформируется в проблему оптимального управления. Учитывая, что целью является минимальное общее время прохождения дорожной сети, можно использовать теорию прогнозирующего управления на основе модели для построения модели оптимизации управления пропускной способностью, и можно получить схему управления пропускной способностью для проблемы заторов на дорогах. Результаты могут оказать сильную поддержку при планировании городских дорог, распространении информации о дорожном движении и управлении периодически возникающими заторами.

Доступность данных

Данные, использованные для подтверждения результатов этого исследования, включены в статью.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов в отношении публикации этой статьи.

Благодарности

Это исследование совместно финансировалось Национальным фондом естественных наук Китая (№ 71861023), Программой гуманитарных и социальных наук Министерства образования Китая (№№ 18YJC630118; 18YJAZH067), Фондом естественных наук провинции Чжэцзян ( Нет.LQ19E080003), Фонд естественных наук муниципалитета Нинбо (№ 2018A610127), Фонд философии и социальных наук провинции Чжэцзян Китая (№№ 18NDJC107YB; 19NDJC119YB), Фонд фундаментальных исследований для центральных университетов (HUST: 2018KFY 100YXJJ001) и Молодежный фонд Программа обучения талантов Университета Ланьчжоу Цзяотун и проект ключевых исследований и разработок в провинции Шаньдун (2018GGX105009).

Может ли город быть свободным от пробок?

Конечно, это не новая проблема.Во время автомобильного бума 1960-х годов у градостроителей было одно, казалось бы, очевидное решение: строить больше и более широкие дороги. Но это не сработало. Чем больше построено дорог, тем больше машин они привлекают. В Калифорнии, например, исследование 1997 года показало, что новый дополнительный транспортный поток заполнит до 90% любого увеличения пропускной способности шоссе всего за пять лет.

В то время как каждый город — будь то Лондон, Пекин или Нью-Йорк — имеет свой уникальный набор проблем с дорожным движением, есть несколько общих проблем: многие люди настаивают на том, чтобы водить собственный автомобиль, вместо того, чтобы ездить вместе или использовать велосипед; до трети автомобилей на дорогах — это водители, ищущие место для парковки; а также человеческий фактор: большинство из нас просто не очень эффективные водители.

Итак, какое решение? Некоторые специалисты по планированию дорожного движения делают ставку на объединенные полосы движения, больше возможностей для парковки и езды и улучшенный общественный транспорт, чтобы уменьшить заторы. Некоторые города прибегли к менее изощренным методам, таким как запрет на вождение автомобилей в определенные дни, чередование автомобилей с номерными знаками, заканчивающимися, скажем, четными или нечетными числами.

Агрессия против робости

Но понимание того, что в первую очередь вызывает заторы, может быть первым шагом.Очевидными источниками являются узкие места на дорогах и огромное количество автомобилей. Однако некоторые пробки возникают спонтанно, возможно, из-за «эффекта бабочки», когда один водитель внезапно переключает полосу движения, что приводит к тому, что машины позади него внезапно тормозят, и эффект ряби быстро движется по шоссе.

Исследование, проведенное Технологическим институтом Джорджии в Атланте, обвинило сочетание агрессивных водителей — слишком быстрых и слишком близко к впереди идущей машине — и робких водителей, которые оставляют большие пробелы в движении; оба типа заставляют других водителей тормозить, в результате чего возникает еще большая рябь, останавливающая движение.

No related posts.