Название статьи или книги, фамилия автора, DOI

Модель влияния неблагоприятных погодных условий на загруженность транспортной сети

Р.С. Ехлаков1, В.А. Судаков2

научная статья УДК 519.673+519.711+004.942 Страницы: 122-128 doi.org/10.18127/j20700970-202404-16

  1. 1 Финансовый университет при Правительстве Российской Федерации (Москва, Россия)
  2. 2 Финансовый университет при Правительстве Российской Федерации (Москва, Россия); Институт прикладной математики им. М.В. Келдыша РАН (Москва, Россия)

Аннотация

Постановка проблемы. На точность прогнозирования транспортных потоков на дорогах влияет множество факторов, таких как дорожно-транспортные происшествия и неблагоприятные погодные условия. Влияние погодных условий на такие характеристики транспортного потока, как средняя скорость, объем и плотность автомобилей на дороге, почти не исследованы. Неблагоприятные погодные условия, в том числе снегопад, дождь, туман и др., оказывают негативное влияние на поведение водителей. Поэтому при прогнозировании транспортных потоков следует как можно точнее учитывать неблагоприятные погодные условия.

Цель. Провести анализ влияния неблагоприятных погодных условий на среднюю скорость и загруженность в транспортной сети, а также повысить эффективность прогнозирования загруженности с учетом влияния погодных условий.

Результаты. Представлены графики зависимостей между средней скоростью автомобилей, плотностью транспортных потоков и количеством автомобилей на маршруте. Разработана модель влияния неблагоприятных погодных условий на загруженность транспортной сети на основе глубокого обучения с механизмом внутреннего внимания для увеличения производительности при работе с большими наборами данных.

Практическая значимость. Результаты исследования могут послужить отправной точкой для дальнейшего изучения проблемы с целью добиться высокой точности прогнозирования загруженности дорог с учетом негативных погодных условий.

Поступила
04.10.2024
Одобрена
18.10.2024
Принята
29.10.2024

Для цитирования

Ехлаков Р.С. , Судаков В.А. Модель влияния неблагоприятных погодных условий на загруженность транспортной сети // Нелинейный мир. 2024. Т. 22. № 4. С. 122–128. DOI: https://doi.org/10.18127/j20700970-202404-16

Список источников
  1. Pan Y.Y., Zhu Z.Y., Shen P.Y., Gu T.T., Zhang W.W. Highway traffic accident features and analysis of effect and adverse weather conditions in Zhejiang province. Highway. 2013. V. 58. № 12. P. 157–160.
  2. Liu Q.C., Liu T., Cai Y.F., Xiong X.X., Jiang H.B., Wang H., Hu Z.N. Explanatory prediction of traffic congestion propagation mode: A self-attention based approach. Physica A 573. 2021. DOI: http://dx.doi.org/10.1016/j.physa.2021.125940.
  3. Zhang W.B., Feng Y.Y., Lu K., Song Y.H., Wang Y.H. Speed prediction based on a traffic factor state network model. IEEE Trans. Intell. Transp. Syst. 2021. V. 22 (5). P. 3112-3122. DOI: http://dx.doi.org/10.1109/TITS.2020.2979924.
  4. Ekhlakov R., Andriyanov N. Multicriteria Assessment Method for Network Structure Congestion Based on Traffic Data Using Advanced Computer Vision. Mathematics. 2024. V. 12. Is. 555. ISSN 2227-7390. DOI: https://doi.org/10.3390/ math12040555.
  5. Meng M., Toan T.D., Wong Y.D., Lam S.H. Short-term travel-time prediction using support vector machine and nearest neighbor method. Transp. Res. Rec. 2022. V. 2676 (6). P. 353–365. DOI: http://dx.doi.org/10.1177/03611981221074371.
  6. Zhang W.S., Yao R.H. Traffic flow parameters estimation based on spatio-temporal characteristics and hybrid deep learning. J. Transporat. Syst. Eng. Inform. Technol. 2021. V. 21 (1). P. 82–89. DOI: http://dx.doi.org/10.16097/j.cnki.1009-6744.2021.01.013.