Введение

Системы оценки и прогнозирования движения (TrEPS) могут улучшить условия движения и сократить задержки в поездках, облегчая лучшее использование имеющихся мощностей. Эти системы используют доступные и новые компьютерные, коммуникационные и управляющие технологии для мониторинга, управления и контроля транспортной системы. Они также предоставляют различные уровни информации о дорожном движении и путешествиях пользователям системы, включая многих поставщиков услуг ITS, чтобы путешественники могли своевременно принимать обоснованные решения о поездках.

Необходимость в TrEPS

Успех внедрения технологий ITS в значительной степени зависит от наличия своевременных и точных оценок преобладающих и возникающих условий движения. Таким образом, существует большая потребность в "системе прогнозирования движения". Необходимая система заключается в использовании передовых моделей трафика для анализа данных, особенно данных о трафике в режиме реального времени, из разных источников для оценки и прогнозирования условий движения, чтобы можно было реализовать проактивные стратегии передовых систем управления трафиком (ATMS) и передовых систем информации о путешественниках (ATIS) для достижения различных целей управления, управления и эксплуатации трафика.

Соединенные Штаты

В США в 1994 году научно-исследовательский отдел FHWA начал исследовательский проект по динамическому назначению трафика (DTA), чтобы удовлетворить потребность в системе прогнозирования трафика и помочь решить сложные проблемы управления и управления трафиком в динамической среде ITS. Основная цель данного исследования - разработать развертываемую систему оценки и прогнозирования движения в реальном времени (TrEPS), чтобы удовлетворить информационную потребность в контексте ITS. В октябре 1995 года два параллельных исследовательских контракта были заключены с Массачусетским технологическим институтом (MIT) и Техасским университетом в Остине (UTX) с последующей разработкой и поддержкой в Университете Мэриленда (UMD). Каждая команда должна была разработать прототип TrEPS, демонстрирующий его потенциал для возможности применения в режиме реального времени. После трех лет интенсивных исследований и разработок были разработаны два прототипа TrEPS. Два прототипа TrEPS, разработанных MIT и UTX/UMD, называются DynaMIT R и DYNASMART X соответственно. Обе системы являются системами DTA, основанными на моделировании.

Франция

Во Франции Национальный центр информации о дорожном движении (CNIR) руководит, координирует и контролирует работу семи региональных центров координации и информации о дорожном движении (CRICR). Он публикует прогнозы, которые доступны на сайте www. Бизона Футе. оборудование. - Да, сэр. fr/en/ и широко упоминаются в радио и телевизионных передачах. Советы "Bison Futé", как называется эта услуга, хорошо известны и существуют уже несколько десятилетий.

Китай

В Китае Университет Сиан Цзяотун (XJTU) инициировал аналогичный проект исследования DTA на основе моделирования в 2000 году с последующей разработкой и поддержкой в Академии наук Шаньдуна после 2004 года. Доктор Йонг Лин является руководителем проекта, а Хоубинг Сонг - первым участником проекта. После шести лет интенсивных исследований и разработок в 2006 году был разработан один прототип TrEPS. Общий прототип TrEPS, разработанный доктором Линь и его командой, состоящей из более чем 20 членов, называется DynaCHINA (Динамическая последовательная гибридная информация, основанная на назначении сети).

Сингапур

Сингапур впервые в мире применил практическое применение цен на загрузку в 1975 году - Сингапурскую систему лицензирования. Благодаря техническим достижениям в области электронного сбора, обнаружения и видеонаблюдения, Сингапур в 1998 году модернизировал свою систему. (см. Электронное дорожное ценообразование Сингапура) В целях улучшения механизма ценообразования и введения в реальном времени переменных цен Управление наземного транспорта Сингапура совместно с IBM провело пилотный проект с декабря 2006 года по апрель 2007 года с помощью инструмента оценки и прогнозирования трафика, который использует исторические данные о трафике и в режиме реального времени передает информацию о состоянии потока из нескольких источников, чтобы прогнозировать уровни загруженности на час вперед. Благодаря точной оценке преобладающих и возникающих условий движения, эта технология, как ожидается, позволит устанавливать переменные цены, а также улучшить общее управление движением, включая предоставление информации заранее, чтобы предупредить водителей о предстоящих условиях и о ценах, взимаемых в тот момент. Результаты пилотного испытания показывают, что общий результат прогнозирования превышает 85 процентов точности. Кроме того, когда было доступно больше данных, в часы пик, средняя точность поднялась почти или выше 90 процентов.