WWW.OS.X-PDF.RU
БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Научные публикации
 

Pages:   || 2 | 3 |

«ПРИМЕНЕНИЕ КЛЕТОЧНЫХ АВТОМАТОВ К МОДЕЛИРОВАНИЮ АВТОТРАНСПОРТНЫХ ПОТОКОВ Омск 2012 Д.Ю. Долгушин, Т.А. Мызникова ...»

-- [ Страница 1 ] --

Д. Ю. Долгушин, Т. А. Мызникова

ПРИМЕНЕНИЕ КЛЕТОЧНЫХ

АВТОМАТОВ К МОДЕЛИРОВАНИЮ

АВТОТРАНСПОРТНЫХ ПОТОКОВ

Омск 2012

Д.Ю. Долгушин, Т.А. Мызникова

ПРИМЕНЕНИЕ КЛЕТОЧНЫХ

АВТОМАТОВ К МОДЕЛИРОВАНИЮ

АВТОТРАНСПОРТНЫХ ПОТОКОВ

Омск • 2012

Министерство образования и науки РФ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Сибирская государственная автомобильно-дорожная академия (СибАДИ)»

Д.Ю. Долгушин, Т.А. Мызникова

ПРИМЕНЕНИЕ КЛЕТОЧНЫХ АВТОМАТОВ

К МОДЕЛИРОВАНИЮ АВТОТРАНСПОРТНЫХ

ПОТОКОВ

Монография Омск СибАДИ УДК 519.713.6:656.05 ББК 32.815:39.808.03 Д 64

Рецензенты:

канд. техн. наук, доц. Е. Т. Гегечкори (ОмГТУ);

канд. техн. наук, доц. А. М. Пуртов (ОФ ИМ СО РАН) Монография одобрена редакционно-издательским советом академии.

Долгушин Д.Ю., Мызникова Т.А.

Д 64 Применение клеточных автоматов к моделированию автотранспортных потоков: монография / Д. Ю. Долгушин, Т. А. Мызникова. – Омск: СибАДИ, 2012.

– 112 с.



ISBN 978-5-93204-625-8 В монографии описывается разработанная на основе теории клеточных автоматов модель автотранспортного потока, принимающая во внимание его структуру, состояние дорожного покрытия и скоростные ограничения, способная адекватно представлять ситуацию на дороге; обобщён опыт, накопленный в моделировании технических, социальных, экономических, биологических объектов с использованием клеточных автоматов. Описаны разработанная многофакторная модель автотранспортных потоков, программный инструментарий для моделирования потоков автомашин, проведённое натурное обследование структуры и интенсивности автотранспортных потоков, а также осуществлённая на его основе калибровка модели и проверка её адекватности.

С применением разработанной модели проведено моделирование практических ситуаций: исследование проблемных участков УДС г. Омска и оценка объёмов выбросов загрязняющих веществ.

Монография представляет интерес для студентов, аспирантов как математических, так и инженерных специальностей, а также специалистов в области математического моделирования.

Табл. 20. Ил. 25. Библиогр.: 63 назв.

ISBN 978-5-93204-625-8 © ФГБОУ ВПО «СибАДИ», 2012

ОГЛАВЛЕНИЕ

СПИСОК СОКРАЩЕНИЙ

ВВЕДЕНИЕ

1. СОСТОЯНИЕ ВОПРОСА И ЗАДАЧИ ИССЛЕДОВАНИЯ...... 12

1.1. Основы теорииклеточных автоматов

1.2. Моделирование дорожного движения

1.2.1. Переменные и обозначения

1.2.2. Однополосные модели

1.2.2.1. Правило 184

1.2.2.2. Модель Нагеля–Шрекенберга

1.2.2.3. Модель медленного старта

1.2.3. Многоклеточные модели

1.2.3.1. Модель Хелбинга–Шрекенберга

1.2.3.2. Модель стоп-сигнала

1.2.3.3. Модель Кернера–Клёнова–Вольфа

1.2.4. Многополосные модели

1.2.4.1. Однонаправленные модели

1.2.4.2. Двунаправленные модели

Выводы

2. РАЗРАБОТКА МОДЕЛИ ДОРОЖНОГО ДВИЖЕНИЯ............ 32

2.1. Однонаправленная многополосная модель

2.1.1. Перестроения

2.1.1.1. Определение необходимости смены полосы движения... 35 2.1.1.2. Определение возможности смены полосы движения...... 36 2.1.2. Передвижение

2.2. Пространственно-временные и фундаментальные диаграммы модели

2.3. Модель улично-дорожной сети

2.3.1. Перекрёстки

2.3.2. Узлы

2.4. Светофоры

2.5. Нерегулируемые пешеходные переходы

2.6. Программная реализация модели

2.6.1. Хранение и загрузка информации об улично-дорожной сети... 48 2.6.2. Визуализация модели дорожной сети

2.6.3. Применение параллельных вычислений к моделированию дорожного движения

2.7. Оценка адекватности модели

2.7.1. Обработка данных

2.7.2. Определение скорости транспортных средств

2.7.2.1. Пример использования

2.7.2.2. Применимость метода

2.7.3. Определение параметров и калибровка модели.................. 57 2.7.4. Анализ адекватности модели

2.7.4.1. Условия проведения экспериментов

2.7.4.2. О статистическом методе анализа данных

2.7.4.3. Моделирование движения по маршруту

Выводы

3. ПРИМЕНЕНИЕ МОДЕЛИ К РЕШЕНИЮ ПРАКТИЧЕСКИХ

ЗАДАЧ

3.1. Оценка схем организации дорожного движения

3.1.1. Замена покрытия трамвайного переезда

3.1.2. Установка светофора на нерегулируемом перекрёстке............. 74 3.1.3. Установка светофора на нерегулируемом переходе........... 75

3.2. Оценка выбросов загрязняющих веществ автотранспортом.......... 77 3.2.1. Методика оценки выбросов загрязняющих веществ.......... 77 3.2.2. Расчёт выбросов движущегося автотранспорта.................. 78 Выводы

ЗАКЛЮЧЕНИЕ

Библиографический список

Приложение 1

Приложение 2

Приложение 3

Приложение 4

Приложение 5

Приложение 6

Приложение 7





СПИСОК СОКРАЩЕНИЙ

– автобус с бензиновым двигателем;

АБ

– автобус с дизельным двигателем;

АД

– грузовой автомобиль грузоподъёмностью до 3 т ГБ3с бензиновым двигателем;

– грузовой автомобиль грузоподъёмностью более ГБ3+ 3 т с бензиновым двигателем;

– грузовой автомобиль с двигателем, работающим ГГ на сжатом или сжиженном газе;

– грузовой автомобиль с дизельным двигателем;

ГД

– загрязняющее вещество;

ЗВ

– клеточный автомат;

КА

– легковой автомобиль с бензиновым двигателем;

ЛБ

– легковой автомобиль с дизельным двигателем;

ЛД

– организация дорожного движения;

ОДД

– улично-дорожная сеть.

УДС

ВВЕДЕНИЕ

Современный этап развития компьютерного моделирования сложных систем сопровождается все увеличивающимися возможностями аппаратных и программных средств вычислительной техники, что позволяет реализовывать алгоритмы, требующие больших вычислительных мощностей. К таким алгоритмам относятся и алгоритмы на основе теории клеточных автоматов, позволяющие моделировать технические, социальные, экономические, биологические и другие объекты.

В литературе описаны такие реализованные примеры моделей, как модель “Жизнь”, диффузии информации, развития турбулентности и возникновения диссипативных систем в экологии, биологии, экономике и т. п. [1, 2, 3]. Нашли своё применение клеточные автоматы и в качестве концептуальных и практических моделей пространственно распределенных динамических систем, в том числе для моделирования автотранспортных потоков.

Теория транспортных потоков изучает процесс движения потоков транспортных средств по магистралям и построение уличнодорожных сетей (УДС), обеспечивающих эффективное сообщение с минимальным числом заторных ситуаций. Интенсивное развитие автомобильной промышленности и автомобилизация, наблюдаемые на протяжении последних десятилетий, обеспечили решение проблем транспортировки грузов и пассажиров. Однако положительная динамика роста автопарка с каждым годом ставит вопрос управления автотранспортными потоками всё более остро, особенно в условиях городов, поскольку их улично-дорожные сети, будучи спроектированными для более скромных потребностей, уже не способны удовлетворять спрос на передвижение.

Основными причинами, по которым движение по магистралям становится затруднённым, являются помехи, в роли которых выступают перекрёстки и пешеходные переходы. Нередко причиной заторов становятся дорожно-транспортные происшествия или ремонтные работы, частично или полностью блокирующие движение.

Нужно упомянуть и характерное для России в целом невысокое качество УДС [4], которое часто влечёт за собой вынужденное снижение скорости передвижения. Таким образом, ввиду несоответствия пропускной способности дорог потребностям их пользователей образуются пробки, для преодоления которых часто необходимо ожидать в очереди длительное время.

В любом крупном городе сегодня наблюдается проблема загрязнения окружающей среды объектами техногенного происхождения, и основным источником загрязнения, по данным статистики, признаётся именно автотранспорт, на долю которого в общем объёме выбросов загрязняющих веществ приходится в среднем 65% [5]. В то же время наибольший объём выбросов имеет место, когда автомобиль работает на холостом ходу или движется с небольшой скоростью [6], т. е. простаивает в пробках.

Одним из путей решения проблемы разгрузки УДС является организация координированного светофорного регулирования с адаптивными схемами, способными к динамическому изменению в соответствии со сложившейся ситуацией. Такое регулирование может быть достигнуто на основе оперативных данных о численности и структуре транспортного потока, для получения которых необходимо использовать специальные программно-технические средства [7, 8].

При этом отражение оперативной ситуации с помощью подобных систем в масштабе города сопряжено с необходимостью охвата устройствами наблюдения всех перекрёстков и магистралей, что не всегда возможно и экономически оправдано. Также нередко возникает потребность в определении оптимального по времени маршрута передвижения при заданных условиях (плотности движения, светофорах и т. п.), например для транспорта служб экстренного реагирования. Эти задачи можно решить, воспользовавшись средствами моделирования.

Эффективным и информативным способом моделирования движения совокупности транспортных средств по магистрали являются клеточные автоматы [9]. На основе подхода микромоделирования разработан ряд моделей [10], позволяющих отслеживать динамику как отдельно взятого автомобиля, так и потока в целом и получать исходные данные для оценки скорости движения, скорости и времени сообщения, времени простоев в пробках.

В монографии описывается разработанная на основе теории клеточных автоматов модель автотранспортного потока, принимающая во внимание его структуру, состояние дорожного покрытия и скоростные ограничения, способная адекватно представлять ситуацию на дороге как в оперативном режиме, так и для целей прогнозирования.

Для разработки модели потребовалось решить следующие задачи:

1. Изучить теорию клеточных автоматов с имеющимися практическими реализациями.

2. Разработать модель дорожного движения, учитывающую структуру потока автотранспорта, скоростные ограничения, а также влияние состояния дорожного покрытия на передвижение транспортных средств.

3. Разработать программный инструментарий для моделирования потоков автомашин.

4. Провести натурное обследование структуры и интенсивности автотранспортных потоков. Провести калибровку модели.

5. Осуществить проверку адекватности модели на основе данных опытных наблюдений.

6. Провести моделирование практических ситуаций, в том числе исследование проблемных участков УДС г. Омска и оценки объёмов выбросов загрязняющих веществ.

В работе обобщён опыт, накопленный в моделировании технических, социальных, экономических, биологических объектов с использованием клеточных автоматов, разработана многофакторная модель автотранспортных потоков. Нововведением в модели, основанной на стохастическом транспортном клеточном автомате, является учёт влияния состояния дорожного полотна на скорость передвижения транспортных средств, а также принятие во внимание локальных скоростных ограничений, устанавливаемых знаками дорожного движения. Набор правил модели включает вновь введённое правило “превышения скорости”, позволяющее более адекватно отражать скорость движения потока машин. Кроме того, разработанная модель позволяет представлять разнородный транспортный поток, образованный автомобилями различных типов (легковыми, грузовыми, автобусами), обладает переменной разрешающей способностью, делающей возможным варьирование длины ячеек автомата. Разработанная модель применена к прогнозированию дорожной ситуации; оценке задержек на участках УДС при заданных условиях; оценке возможности и целесообразности внесения изменений в структуру УДС; оценке влияния автотранспорта на экологическую ситуацию в пределах магистрали.

В первом разделе монографии проведены обзор и анализ накопленного опыта в области моделирования дорожного движения средствами клеточных автоматов.

Второй раздел содержит описание микроскопической модели дорожного движения, основанной на стохастическом многополосном транспортном клеточном автомате. Приведено формальное математическое описание модели. Построена модель УДС на основе разработанной имитационной модели.

В третьем разделе представлено натурное обследование структуры и динамики автотранспортных потоков г. Омска, проведённое с целью сбора данных о движении автомобилей в разных режимах. На основе сравнения характеристик дорожного движения, полученных в ходе опытных замеров и моделирования, показана адекватность разработанной модели. Приведены примеры применения модели к оценке целесообразности внесения изменений в проблемные участки УДС; к генерации исходных данных для оценки выбросов загрязняющих веществ на магистралях.

В приложениях приведены данные, дополняющие основное содержание работы: вспомогательные схемы и рисунки, данные натурного обследования, результаты численных экспериментов.

1. СОСТОЯНИЕ ВОПРОСА И ЗАДАЧИ ИССЛЕДОВАНИЯ

–  –  –

Идея клеточных автоматов зародилась в середине XX в. в работах независимых учёных (Конрада Цузе, Джона фон Нейман) [11, 12]. Наиболее полно она проработана известным математиком Джоном фон Нейманом [11, 13, 14].

Клеточный автомат в простейшем виде представляет собой двумерную сетку (массив) произвольного размера, образованную ячейками. Состояние сетки (конфигурация) обновляется с течением времени, причём состояние каждой ячейки в следующий момент времени зависит от состояния ближайших её соседей (смежных ячеек) и, возможно, от её собственного состояния на текущей итерации.

Количество возможных состояний ячейки конечно. Обновление конфигурации происходит параллельно, в соответствии с определёнными для данной модели правилами [11, 13].

Классический клеточный автомат обладает следующими свойствами:

1. Локальность правил – на новое состояние клетки могут повлиять только элементы её окрестности и, возможно, она сама.

2. Однородность системы – ни одна область решётки не может отличаться от другой по каким-либо особенностям правил. Однако на практике решётка оказывается конечным множеством клеток (ввиду ограниченности объёма памяти вычислительной машины). В результате могут иметь место краевые эффекты – клетки, стоящие на границе решётки, будут отличны от остальных по числу соседей. Во избежание этого вводятся периодические краевые условия.

3. Конечность множества возможных состояний клетки – это условие необходимо, чтобы для получения нового состояния клетки требовалось конечное число операций.

4. Одновременный переход в новое состояние для всех клеток

– значения во всех клетках меняются единовременно, в конце итерации, а не по мере вычисления. В противном случае порядок перебора клеток решётки оказывал бы существенное влияние на результат.

На практике при решении определённых задач возникает потребность в отказе от некоторых из перечисленных свойств.

Наиболее известным примером применения теории клеточных автоматов в науке является, вероятно, игра “Жизнь”, созданная Джоном Хортоном Конуэем в 1970 г. и опубликованная в журнале “Scientific American” в колонке “Математические игры” [15].

Основной идеей “игры” является задание начальной конфигурации и последовательное применение к ней набора правил.

Каждая клетка автомата может быть либо живой (закрашена цветом), либо мёртвой. Клетки имеют прямоугольную форму, гранича тем самым ровно с восемью соседями.

Набор правил, разработанных автором игры, отвечает следующим требованиям:

1. Не должно существовать такой начальной конфигурации, для которой доказательство возможности неограниченного роста популяции очевидно.

2. Должны существовать начальные конфигурации, которые заведомо обеспечивают неограниченный рост популяции.

3. Должны существовать простые начальные конфигурации, которые растут и меняются в течение значительного промежутка времени, прежде чем их существование не завершается одним из трёх способов:

а) полным исчезновением (из-за перенаселения или “одиночества”);

б) формированием стабильной конфигурации, которая остаётся неизменной;

в) образованием осциллирующих областей, которые повторяют свою форму через две или более итераций (периодов).

После формирования исходной конфигурации к каждой клетке одновременно применяются следующие правила:

1. Выживание – клетка с двумя или тремя соседями остаётся живой.

2. Смерть – клетка с четырьмя или более соседями погибает изза перенаселения. Клетка с одним соседом или без них погибает из-за изоляции.

3. Зарождение – пустая клетка с тремя соседями становится живой.

На рис. 1.1 приведён пример эволюции конфигураций, состоящих из трёх живых клеток [15].

Эволюция разнообразных исходных конфигураций с течением времени приводит к образованию различных фигур, получивших названия по своей форме или наблюдаемому поведению, например улей, блок (рис. 1.1, г в первой и последующих итерациях), озеро, лодка, мигалка (рис. 1.1, д), маяк, пульсар, космический корабль, пушка, паровоз и т. п. Некоторые из них остаются неизменными (устойчивыми); некоторые через определённое количество шагов повторяют свою форму и поэтому называются периодическими, при этом иногда порождая другие фигуры; некоторые постепенно угасают (рис. 1.1, а – в).

Наиболее известной периодической формой в игре “Жизнь” является глайдер, который за четыре итерации принимает начальную форму, при этом перемещаясь, в зависимости от ориентации, на одну ячейку по осям абсцисс и ординат. На рис.

1.2 приведён пример эволюции глайдера.

Несмотря на отсутствие очевидного способа применения этой игры на практике, она была принята сообществом учёных и Рис. 1.1. Эволюция трёхклеточных любителей с интересом и служила конфигураций по правилам игры предметом изучения на “Жизнь” протяжении десятилетий. Среди открытий, сделанных в ходе изучения игры, стоит отметить создание Полом Чепменом её полной, по Тьюрингу, конфигурации, способной Рис. 1.2. Эволюция глайдера теоретически производить вычисления любой сложности [16].

Также интересна работа [17], в которой приведены примеры конфигураций, способных копировать себя в неограниченных количествах, тем самым служа примером самовоспроизводящихся автоматов, о которых писал Джон фон Нейман [13].

Дальнейшую популяризацию теория клеточных автоматов получила в работах Стивена Вольфрама в 80-х гг. XX в. [18], кульминацией которых стала книга “A new kind of science” [19]. На базе обширной работы с использованием вычислительной техники Вольфрам создал классификацию клеточных автоматов как математических моделей самоорганизующихся систем. Автор применяет теорию ко многим областям науки (социологии, биологии, физике, математике и т. п.), и эта широта охвата не оставила равнодушными критиков.

Так, например, Лоренс Грей [20] указывает на недостаток строгих математических выводов и, как следствие, на сложность проверки и неубедительность примеров из области физики, приведённых в книге. Основным тезисом Грея стало следующее высказывание: “... он [Вольфрам] помог популяризовать относительно малоизвестную область математики (теорию клеточных автоматов) и невольно создал несколько детальных примеров того, как можно попасть в западню, пренебрегая математической строгостью”.

Благодаря интересу, проявленному к теории, она нашла свою нишу и в области моделирования дорожного движения. Первым примером применения концепции клеточных автоматов фон Неймана для моделирования транспортных потоков служит работа [21]. В дальнейшем разработки продолжены в работах Кая Нагеля и Майкла Шрекенберга [22, 23, 24], Бориса Кернера и Сергея Клёнова [25, 26] и других учёных [27, 28, 29, 30, 31, 32]. Работы некоторых авторов [19, 27] находили своё применение в моделировании дорожного движения, будучи созданными для совершенно иных целей.

В моделировании транспортных потоков клеточные автоматы получили специальное название – транспортные клеточные автоматы (англ. traffic cellular automata, ТКА).

–  –  –

Пусть имеется массив L, состоящий из ячеек одинаковой длины lc. Значение ширины ячеек обычно не принимается во внимание, поскольку существенно не влияет на эволюцию автомата и при этом вносит дополнительную сложность в правила обновления [33].

Измерения массива задаются параметрами M и N, определяющими его высоту (количество полос движения) и длину (протяжённость дороги) соответственно. В любой момент времени каждая ячейка может быть либо пуста, либо занята транспортным средством: ai A;

A = {ai | i [0, u]}; u N. Автомобиль может иметь длину li в одну и более ячеек (рис. 1.3).

Время t N в модели дискретно, размер шага обновления t = 1 с, что приблизительно соответствует времени реакции водителя на изменение дорожной ситуации. Позиция автомобиля задаётся двумя переменными mi и ni, которые соответствуют полосе и порядковому номеру ячейки (отсчёт берётся от левого верхнего угла).



Рис. 1.3. Многополосный транспортный клеточный автомат 3x15

–  –  –

Параметр gi (1.1) определяется как дистанция до ближайшего автомобиля на текущей полосе движения и влияет на новую скорость i-го автомобиля. Аналогично определяются параметры gli (1.2) и gri (1.3) для левой и правой полос соответственно (индексы l и r имеют одинаковый смысл для всех параметров). Параметры grbi (1.4) и glbi (1.5) характеризуют расстояние до автомобилей, идущих позади.

Последние четыре параметра принимаются во внимание при смене полосы движения.

1.2.2. Однополосные модели

1.2.2.1. Правило 184 Данное правило было предложено в работах [27, 34, 85]. С помощью правила 184 можно описывать различные процессы, протекающие в системах частиц:

1. Осаждение частиц на неровной поверхности. С каждой итерацией полости заполняются частицами, которые, осев на поверхности, остаются в этом положении без изменений.

2. Взаимное уничтожение движущихся навстречу друг другу частиц и античастиц. Первые формируются “на стыке” пустых клеток, последние – между непустыми. Остальные вариации формируют “фон” и не играют роли в общей картине. При столкновении частицы и античастицы исчезают, оставляя за собой лишь фон.

3. Простейшая модель транспортного потока, в которой автомобили (частицы) движутся в одном направлении, останавливаясь и продолжая движение в зависимости от наличия автомобилей впереди. Из-за существования такой сферы применения модели она получила дополнительное название – правило транспортного потока (англ. traffic rule).

Поскольку данная модель является наиболее простым примером применения клеточных автоматов к моделированию транспортного потока и служит основой для других, более сложных, рассмотрим её подробнее: состояние автомата описывается с помощью одномерного массива ячеек, каждая из которых содержит одно из значений – 0 или 1. На каждом шаге к автомату применяется набор правил, приведённый в табл. 1.1.

Таблица 1.1 Таблица переходов для правила 184

–  –  –

Для упрощения представления динамики отдельных машин в потоке чёрным цветом обозначена группа из десяти последовательно двигающихся автомобилей. По оси абсцисс отражены ячейки автомата. Чёрным цветом закрашены ячейки, содержащие автомобили. Ось ординат представляет время, беря начало в левом верхнем углу. Приведённые изображения показывают эволюцию фрагмента автомата, включающего область из 300 ячеек, в течение 150 итераций. На рис. 1.4, a плотность ячеек равна 25%, на рис. 1.4, б

– 50%, на рис. 1.4, в – 75%.

Правило 184 – детерминированный клеточный автомат, что означает отсутствие элемента вероятности в правилах перехода. Это отражается на пространственно-временных диаграммах наличием постоянных шаблонов (наклонных линий различной ширины, образованных пустыми и плотно заполненными областями автомата), проявляющихся после некоторого числа итераций.

1.2.2.2. Модель Нагеля–Шрекенберга Модель, разработанная немецкими учёными Каем Нагелем и Майклом Шрекенбергом, представляет собой развитие стохастического одномерного клеточного автомата, предназначенного для моделирования дорожного движения [22].

Формулировка исходной модели Нагеля–Шрекенберга для однополосного движения заключается в следующем [22]: пусть имеется одномерная сетка, каждая ячейка которой может быть либо свободна, либо занята автомобилем.

Размер ячейки принимается равным 7,5 м, что соответствует пространству, занимаемому автомобилем в неподвижном потоке (например, в пробке). Переменные ni и vi – координата и скорость i-го автомобиля соответственно; g i ni 1 l i ni – дистанция до лидирующего автомобиля; li – длина i-го автомобиля, в случае данной модели всегда равная единице. Скорость может принимать одно из (vmax+1) допустимых целочисленных значений vi 0, 1, 2,, vmax.

На каждом временном шаге t состояние всех автомобилей в системе обновляется в соответствии со следующими правилами (здесь и в дальнейшем для описания правил обновления используется аппарат логики высказываний):

1. Ускорение – если vi vmax, то скорость i-го автомобиля увеличивается на единицу; если vi = vmax, то скорость не изменяется:

vi (t ) min(vi (t 1) 1, vmax ). (1.8)

2. Торможение – если новая скорость равна или больше расстояния до впереди идущего автомобиля, то значение скорости приравнивается к этому расстоянию:

vi (t ) min(vi (t ), g i (t 1)). (1.9)

3. Случайные возмущения – c заданной вероятностью p водитель уменьшает скорость:

if (t ) p then vi (t ) max(vi (t ) 1, 0). (1.10)

4. Движение – изменение положения автомобиля на сетке автомата в соответствии со вновь вычисленной скоростью:

ni (t ) ni (t 1) vi (t ). (1.11) Первое правило (1.8) отражает общее стремление всех водителей ехать с максимальной скоростью, второе (1.9) – гарантирует отсутствие столкновений со впереди идущими автомобилями. Элемент стохастичности, учитывающий случайности в поведении водителей и прочие вероятностные факторы, вносится третьим правилом (1.10), где переменная [0, 1) – случайная величина, распределённая равномерно. Четвёртое правило (1.11) определяет количество ячеек, на которое продвинется автомобиль за одну итерацию.

В работе [22] показано, что применение дискретного подхода к моделированию транспортных потоков эффективно с точки зрения вычислительной скорости. Также модель воспроизводит переход транспортного потока из ламинарного состояния в стартстопное движение, что свойственно моделям, основанным на гидродинамическом подходе.

1.2.2.3. Модель медленного старта Рассмотренные выше модели дорожного движения, равно как и их аналоги, имеют недостаток – они не способны воспроизводить явление резкого спада пропускной способности и эффект гистерезиса при переходе к фазе синхронизованного потока. Причина этого кроется в нестабильности поведения заторов, которая обусловлена слишком быстрым оттоком автомобилей [33, 36]. Для получения более реалистичной картины ситуации на дороге необходимо добиться, чтобы интенсивность оттока автомобилей из затора была меньше интенсивности притока. Это свойство может быть достигнуто путём введения задержки ускорения автомобиля с нулевой скоростью. Модели, включающие такие задержки, получили название моделей медленного старта (англ. slow-to-start).

В работе [37] предложена модель на базе правила 184, включающая задержку автомобилей, находящихся в состоянии покоя.

Основным мотивом к введению такого свойства является то, что обычный автомобиль, движущийся с высокой скоростью, может достаточно быстро остановиться, но, чтобы набрать прежнюю скорость, потребуется значительно больше времени. В модели Такаясу [37] машины начинают движение только после того, как движение начинает лидер и впереди образуется свободное пространство.

Набор правил для модели представлен ниже:

1. Торможение:

if vi (t 1) g i (t 1) then vi (t ) g i (t 1). (1.12)

2. Запаздывающее ускорение:

if vi (t 1) 0 and g i (t 1) 2 then vi (t ) 1. (1.13)

3. Движение:

ni (t ) ni (t 1) vi (t ). (1.14) Из правил следует, что автомобиль будет двигаться со скоростью 1 ячейка/с (правило 184) до тех пор, пока не возникнет необходимость остановиться согласно правилу (1.12). Возобновление движения возможно только при наличии впереди достаточного интервала gi в две или более ячейки (1.13). Таким образом, модель реализует запаздывающее ускорение, которое оказывает влияние только на машины с нулевой скоростью. Движение машин осуществляется по правилу (1.14).

В дальнейшем модель была усовершенствована путём введения вероятности срабатывания правила медленного старта при наличии впереди интервала в одну ячейку и вероятности замедления, делающей возможными случайные остановки машин в потоке [38].

В работе [39] модель медленного старта исследована на предмет пространственно-временных характеристик дорожного движения и показана роль введения этого правила для адекватного моделирования фазовых переходов, свойственных автотранспортным потокам.

–  –  –

Однополосные модели идеально подходят для моделирования однородного по составу транспортного потока, что подразумевает одинаковые технические характеристики и соответственно скорости автомобилей. Введение разных по скоростным характеристикам автомашин (например, легковых и автобусов) на однополосную дорогу с течением времени приведёт к формированию колонн, во главе которых будут двигаться наиболее медленные транспортные средства [47]. В то же время дорожному движению свойственна гетерогенность потока, равно как и наличие на большинстве дорог более одной полосы движения в каждом направлении. Поэтому логичным развитием однополосных моделей дорожного движения стали многополосные модели с возможностью перестроений.

1.2.4.1. Однонаправленные модели В работах [23, 48] описаны наборы правил, позволяющие осуществлять перестроения. Обновление в таких моделях проводится в два этапа:

1. Определяются необходимость и возможность смены полосы для каждого автомобиля. Если манёвр необходим и осуществим, происходит перемещение машины вбок. Перемещение может производиться как влево, так и вправо в зависимости от ширины дороги и текущей полосы движения.

2. На каждой полосе проводится независимое обновление в соответствии с правилами для однополосной модели.

Этапы проводятся последовательно, и конфигурация, полученная после процедуры смены полос, используется при вычислении новых скоростей.

Первая формулировка модели [48] допускала при образовании определённой конфигурации появление т.н. “эффекта пинг-понга”, который заключается в синхронной смене полос автомобилями. Этот недостаток был устранён путём введения элемента вероятности в правило принятия решения о смене полосы [23, 49].

Смена полосы в общем случае может быть осуществлена при выполнении следующих условий:

(1.33) g i (t 1) d (t 1).

(1.34) g oi (t 1) d o (t 1).

(1.35) g obi (t 1) d ob (t 1).

(1.36) (t ) p c.

Здесь переменные g oi и g obi соответствуют расстоянию до автомобилей впереди и позади на смежной полосе. Параметры do и dob задают расстояния до других машин впереди и позади, при наличии которых принимается решение о смене полосы. Условия обеспечивают безопасность перестроения: первое (1.33) позволяет избежать столкновений со впереди идущими машинами, следующие два – с машинами на смежных полосах. Наконец, с вероятностью pc водитель принимает окончательное решение о смене полосы (1.36).

Благодаря стохастичности манёвра исключается “эффект пинг-понга ”.

В многополосных моделях, включающих три и более полосы, применение набора правил для двухполосной модели приводит к столкновениям ввиду т.н. конфликта распределения (англ. scheduling conflict). Коллизии могут возникнуть, когда два автомобиля передвигаются по крайним полосам трёхполосной дороги, имеют одну скорость и координату n и синхронно принимают решение о перестроении на свободную среднюю полосу. Избежать подобных столкновений можно двумя способами: 1) предоставлением приоритета одному из претендующих автомобилей или 2) введением очерёдности правых и левых перестроений, например, разрешая смену полосы на правую только по чётным итерациям, а на левую – по нечётным.

Кроме того, отмечаются ситуации, при которых автомобили на смежных полосах передвигаются с одинаковой скоростью, при этом блокируя более быстрые машины, идущие позади, и порождая колонны на двух и более полосах [50].

1.2.4.2. Двунаправленные модели Продолжением развития многополосных однонаправленных моделей стали модели, позволяющие движение в обоих направлениях двухполосной дороги [31]. При этом обгоны по встречной полосе могут быть разрешены как для обеих полос, так и только для одной или запрещены вовсе. Ключевым параметром такой модели является локальная плотность, под которой следует понимать плотность машин впереди автомобиля (i+1), который водитель i собирается обогнать.

Алгоритм обгона должен учитывать различные обстоятельства, как то: водитель не должен замедляться при совершении обгона; если впереди появился встречный автомобиль, водитель должен немедленно занять свою полосу. В действительности манёвр обгона не предпринимается, пока водитель не убедится в безопасности его совершения, поэтому для оценки такой возможности используется понятие локальной плотности: если она достаточно низка, вероятность успешного завершения обгона увеличивается, и водитель пробует совершить манёвр; если локальная плотность велика, количество обгонов сокращается.

В работе [31] отмечено три типа заторов, которые возникают в модели: обычный стартстопный режим; затор, вызванный “неаккуратным” манёвром обгона, блокирующий одну из полос;

прекращение движения на обеих полосах при симметричных обгонах.

В качестве примера такой модели служит автомат, образованный сеткой шириной в две полосы и произвольной длины.

Каждая ячейка может находиться в одном из состояний, где 0 представляет пустую клетку, ±1 – остановившуюся машину, ±2 – машину со скоростью 1 и т.д. Состояния с отрицательными значениями соответствуют автомобилям, движущимся справа налево.

Обновление ведётся аналогично многополосной модели в два тапа:

1. Принимается решение о смене полосы (даже если условия допустимости обгона удовлетворены, обгон совершается только с определённой вероятностью, заданной соответствующим параметром pc). 2. Ко всем ячейкам применяется модифицированный набор правил передвижения.

Эксперименты с моделью показали её адекватность эмпирическим данным [31]. В частности, в работах [31, 51] показано соответствие полученных на основе модели данных о потоке на текущей полосе как функции потока встречной полосы с этой же зависимостью, наблюдавшейся на аналогичных двухполосных дорогах Австралии и Канады.

Выводы

На протяжении десятилетий исследователи изучают закономерности движения потоков автомобилей по магистралям.

По уровню детальности рассматриваемого объекта результаты этой работы разделяют на три обширных класса моделей:

макромодели (аналогия с динамикой жидкости, газа);

мезомодели (модели распределения вероятностей, распределения временных интервалов);

микромодели (следование за лидером, клеточные автоматы).

Каждый класс таких моделей имеет свои достоинства и недостатки, а также наиболее подходящую область применения.

Подход макромоделирования основывается на нескольких исходных допущениях, как то: равновесное состояние потока и взаимнооднозначная зависимость скорости и плотности потока. Равновесие между притоком и оттоком автомобилей с магистрали можно наблюдать в повседневной жизни, но только на дорогах без пересечений. Для второго допущения средняя скорость потока в каждый момент времени должна соответствовать равновесному значению при данной плотности автомобилей на дороге. В то же время опытные данные показывают отсутствие однозначной зависимости и невозможность её описания непрерывной кривой [26].

Поэтому часть исследователей отказались от непрерывных моделей, рассматривая их как слишком грубые [35]. С другой стороны, использование макромоделей для получения сводных данных о потоке, таких как скорость и плотность на заданном участке дороги, делает их привлекательными для крупномасштабного моделирования.

Мезомодели занимают промежуточное положение между макрои микромоделями. Уровень детализации, на котором они рассматривают поток автомобилей, позволяет, не прибегая к моделированию движения индивидуальных машин, учесть особенности поведения водителей и получить более реалистичную картину ситуации на дороге.

В микромоделях автотранспортный поток складывается из взаимодействия множества отдельных машин и позволяет проследить динамику как потока автомобилей в целом (на основе средних величин скорости, плотности, потока), так и каждого автомобиля.

Применение клеточных автоматов в моделировании дорожного движения является новым и перспективным направлением.

Как отмечают исследователи, для клеточных автоматов характерны высокая вычислительная скорость и эффективность, которая является прямым следствием следующих их свойств [40]:

1. Деление пространства на ячейки, идентичные по характеристикам.

2. Конечность набора возможных состояний ячеек.

3. Дискретность времени в представлении модели и параллельность обновления конфигурации автомата.

4. Глобальность применения правил обновления, основанных на ограниченных взаимодействиях между ячейками. Под ограниченностью понимается конечность числа соседних ячеек, которые принимаются во внимание при обновлении.

Третье свойство идеально подходит для применения параллельных вычислений. Согласно закону Амдала, при увеличении количества вычислительных машин, задействованных в решении параллельной задачи, можно получить значительный прирост производительности [52]. Таким образом, при наличии достаточных ресурсов клеточные автоматы могут быть использованы для полномасштабного моделирования УДС крупных городов и даже регионов [53].

Важным является вопрос о вкладе автотранспорта в выброс загрязняющих веществ (ЗВ). Существующие методики подсчёта выбросов автомобилей опираются на такие показатели, как количественный и типовой составы потока машин, средняя скорость, время простоя в пробке, длина очереди и т. п. [6]. Автомобили делятся на различные типы, в соответствии с этим делением объём выбросов также индивидуален для каждого типа (например, легковые машины, работающие на бензине, дизельном топливе или природном газе и т. д.). Дифференциация потока автомашин в аналитических моделях сопряжена со значительными трудностями, на сегодняшний день не существует моделей, позволяющих различать автомобили в потоке [33]. Также немаловажно учесть влияние состояния дорожного покрытия на движение машин, что особенно актуально для российских дорог. Модели на основе клеточных автоматов предоставляют необходимую основу для решения этих задач.

2. РАЗРАБОТКА МОДЕЛИ ДОРОЖНОГО ДВИЖЕНИЯ

В этом разделе представлена разработанная микромодель потока автомобилей на основе стохастического многополосного транспортного клеточного автомата. Приведены особенности правил обновления автомата, показаны принципы моделирования УДС.

2.1. Однонаправленная многополосная модель Пусть дана сетка размером M N, где M – число полос дороги, а N – её длина в ячейках. Длина одной ячейки lc R; lc 0 выражается в метрах и является базовым параметром модели, определяя её разрешающую способность. Под разрешающей способностью понимается степень дискретизации линейного пространства автоматом, т. е. соответствие размера отдельной ячейки участку дороги определённой длины. В дальнейшем будет использоваться значение lc =5,5 м (таким образом, максимальная возможная плотность составляет 182 авт./км). На этом массиве в произвольном порядке располагаются транспортные средства a A; |A| = u; u N (см. пункт 1.2.1). Позиция в массиве задаётся двумя индексами: n и m (n, m N) для полосы и расстояния от начала соответственно.

Любой автомобиль имеет уникальный в пределах модели параметр id N, предназначенный для его идентификации. Каждая машина принадлежит к определённому типу ci N (табл. 2.1). Длина машины li зависит от её типа и выражается в виде l (c ) li int i, (2.1) l c где функция int округляет значение аргумента до ближайшего целого;

функция l(ci) N определяет длину автомобиля в зависимости от его типа. Последняя функция реализована в виде таблицы соответствия, сопоставляющей тип машины и её длину (целое число ячеек).

Значения функции l(ci) приведены в табл. 2.1.

Каждый автомобиль может двигаться со скоростью, соответствующей его техническим возможностям.

Иными словами, максимальная скорость vi max определяется принадлежностью транспортного средства ai к определённому типу:

vi max vm (ci ), (2.2) где vi max – максимальная скорость автомобиля; vm(ci) N – функция определения максимальной скорости i-й машины в зависимости от её типа ci, подобно функции определения длины автомобиля, vm производит поиск по таблице соответствия типа и максимальной скорости (ячеек/с, я/с). Возможные значения приведены в табл. 2.1.

Таблица 2.1 Основные параметры автомобилей

–  –  –

В основе разделения дорожных участков по эксплуатационному состоянию лежат требования ГОСТ-50597-93 [54]. Так, индекс 1 соответствует участку дороги с наличием просадок и выбоин, превышающих предельные размеры (15 см в длину, 60 см в ширину, 5 см в глубину) и занимающих площадь 2,5 м2 и более на каждые 1000 м2 дороги. К участкам дорог с индексом 2 относятся такие, для которых общая площадь повреждённого полотна не превышает установленные нормы. Соответственно сегменты с индексом 3 находятся в эксплуатационном состоянии, обеспечивающем безопасность дорожного движения при перемещении с максимальной разрешённой скоростью, а с индексом 0 – закрыты для движения.

Параметр vmax представляет максимальную разрешённую скорость передвижения (например, ограничение скорости движения по населённому пункту – 60 км/ч). На некоторых участках дороги разрешённая скорость может быть снижена из-за сложности их прохождения, наличия зон повышенной вероятности появления пешеходов и т.д. Для выделения таких участков служит параметр локального ограничения скорости vl max(m, n) N; vl max(m, n) vmax (m и n – полоса и порядковый номер ячейки).

Кроме того, дороги могут различаться по покрытию, например грунтовому или асфальтовому, при этом дороги последнего типа имеют преимущество перед грунтовыми [55]. Для индикации наличия на дороге асфальтового покрытия используется логическая переменная rs со значением T и значением F – для грунтового.

Обновление автомата производится последовательно, в два этапа:

1. Сначала определяются необходимость и возможность смены полосы для каждого автомобиля. Если манёвр необходим и осуществим, происходит перемещение машины вбок. Перемещение может производиться как влево, так и вправо – например, при перестроении из средней полосы трёхполосной дороги. Таким образом, оценка необходимости и возможности манёвра ведётся на двух смежных полосах, если ширина дороги и текущее положение автомобиля позволяют это сделать. Этап реализуется на основе текущей конфигурации в виде параллельного обновления.

2. На каждой полосе проводится независимое обновление в соответствии с правилами для однополосной модели. Здесь используется конфигурация, полученная на первом этапе.

На скорость движения и решение о смене полосы оказывают влияние несколько факторов:

более медленные машины, двигающиеся впереди;

локальные скоростные ограничения, устанавливаемые знаками дорожного движения;

эксплуатационное состояние дорожного покрытия (следует отметить, что оно не всегда одинаково для всех полос, поэтому данный фактор также влияет на решение о смене полосы).

–  –  –

Манёвр перестроения происходит с вероятностью pc (или при явно заданном с помощью переменных CLT или CRT стремлении машины двигаться по определённой крайней полосе). Бинарный оператор mod выделяет остаток от деления своих аргументов и применяется для разделения левых и правых перестроений – это исключает появление “конфликта распределения” (см. 1.2.4.1).

Введение элемента вероятности в принятие решения о смене полосы обеспечивает отсутствие “эффекта пинг-понга” (там же).

2.1.2. Передвижение Передвижение машин по сетке автомата производится по классическим правилам однополосной модели [22], дополненным возможностью учёта локальных скоростных ограничений и рекомендованных скоростей для участков с заданными индексами состояния дорожного полотна.

Следует также принять во внимание возможности, представленные в одно- и многополосных моделях с правилом медленного старта и стоп-сигнала, поскольку эти дополнения позволяют более адекватно отразить динамику потока автотранспорта (см. 1.2.2).

Определение новой скорости и перемещение автомобилей происходит по следующим правилам:

1. Ускорение:

if (t ) p sts and v i (t 1) 0 and g i (t 1) d sts (2.18) then v i (t ) 0.

v i min(v i (t), v i (t 1) 1, v max, vl max (m i (t ), ni (t 1)), (2.19) v rec ( s( mi (t ), ni (t 1))), v m (c i )).

2. Торможение:

bi 0.

if (t) p sa and vi (t - 1) 0 and vi 1 (t 1) 0 and g i (t 1) d sa (2.20) and (bi 1 (t 1) 1 or vi 1 (t 1) vi (t 1)) then vi (t ) vi 1 (t 1), bi (t ) 1.

if vi (t ) g i (t 1) then vi (t ) g i (t 1), bi (t ) 1. (2.21)

3. Случайное замедление:

if ( (t ) p and (vi(t 1) 1 or SSA) (2.22) then vi (t ) max(vi (t ) 1, 0).

4. Превышение скорости:

if (t ) p s and vi (t 1) v l max ( mi (t ), ni (t 1)) and v i (t 1) 1 g s (t 1) and v i (t 1) 1 v m (c i ) (2.23) then vi (t ) v i (t 1) 1.

5. Движение:

n i (t ) ni (t 1) v i (t ). (2.24) Выражение (2.18) задействует правило медленного старта с вероятностью psts и при условии, что скорость текущей машины равна нулю и дистанция до впереди идущего транспортного средства gi не больше расстояния dsts. В формуле (2.19) наряду со стремлением машины к движению с максимально возможной скоростью [если скорость не ограничена правилами, следующим пределом увеличения скорости становится техническая возможность машины, выраженная функцией vm(ci)] отражена рекомендованная скорость на участке с заданным состоянием дорожного покрытия vrec(s(m, n)).

С помощью выражения (2.20) включается правило упреждающего изменения скорости, или пространственного упреждения (англ. spatial anticipation): с вероятностью psa и при условии, что текущий автомобиль движется и машина впереди находится в пределах дистанции dsa, движется с меньшей скоростью или тормозит (bi+1+1(t 1) = 1), текущий автомобиль адаптирует скорость к скорости лидера. При этом включается стоп-сигнал текущего автомобиля. Если новое значение скорости автомобиля превышает расстояние до впереди идущей машины gi, то, согласно выражению (2.21), во избежание столкновения скорость принимается равной этому расстоянию, иначе остаётся неизменной.

Параметр dsa представляет собой продольный динамический габарит машины и составляет пространство, занимаемое движущимся автомобилем, равное сумме его длины и интервала между задней точкой переднего и передней точкой заднего транспортных средств, следующих друг за другом [56]. При наличии этой дистанции водитель имеет возможность двигаться без вынужденного замедления ввиду помех впереди.

Согласно правилу 3, с вероятностью p автомобиль уменьшает свою скорость на единицу (2.22), что вносит случайный элемент в поведение водителей. Следует обратить внимание на параметр SSA, который, если имеет значение истины, предотвращает случайную остановку машины, двигающейся со скоростью 1 я/с. Если SSA = F, правило принимает классический вид, разрешающий случайную остановку с вероятностью p.



Pages:   || 2 | 3 |
Похожие работы:

«Обзор прессы и электронных СМИ 04.12.12 г. Обзор прессы ® Поиск оптимальных решений в управлении вагонопотоками ® «Первая грузовая компания» не будет повышать ставки для грузоотправителей в начале 2013 года ® TRACECA облегчит железнодорожное сообщение от Китая до Босфора ® Назначения в ТОП-менеджменте ОАО РЖД ® Совет директоров «Роснефти» вновь возглавил Александр Некипелов Прогнозы ® ТРАНСПОРТ И ЛОГИСТИКА: Риски и перспективы ® ТРАНСПОРТ И ЛОГИСТИКА: глава «Газпромбанк Лизинг» Максим...»

«НЕЗАВИСИМЫЙ АНАЛИЗ ПУТЕЙ ТРАНСПОРТИРОВКИ УГЛЕВОДОРОДНОГО СЫРЬЯ С КОВЫКТИНСКОГО ГАЗОКОНДЕНСАТНОГО МЕСТОРОЖДЕНИЯ В.А. Каширцев, А.Г. Коржубаев, А.П. Садов, А.А. Сирина, М.В.Власов, В.В.Неронов, А.И.Прасолова, Н.И.Тульская, С.С.Чернянский, И.В. Филимонова, В.Н. Харитонова, Л.В. Эдер, Н.Л. Жуковская, Е.М.Инешин, М.В. Рагулина, С.П. Тюхтенева Москва – Новосибирск – Иркутск ОГЛАВЛЕНИЕ 1. ВВЕДЕНИЕ 1.1. СОВРЕМЕННОЕ СОСТОЯНИЕ ВОПРОСА 1.2. ОБЩИЙ ОБЗОР РАССМАТРИВАЕМЫХ СЦЕНАРИЕВ 2. КЛЮЧЕВЫЕ ФАКТОРЫ И...»

«2014 Информационноаналитический дайджест №1 1 – 14 января 2014 г. Дайджест мировых новостей логистики №1 1 – 14 января 2014 г.НОВОСТИ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА Началась опытная эксплуатация первых казахстанских грузовых электровозов серии КZ-8А Корейцы примут участие в реализации амбициозных проектов ВКО Российские железные дороги снизили погрузку зерна на 2,8% Туркменистан по железной дороге к глобальной интеграции Новый маршрут сообщением Алматы-Талдыкорган Из-за схода вагонов грузового...»

«Федеральное агентство по образованию Сибирская государственная автомобильно-дорожная академия (СибАДИ) Л.В. Эйхлер, О.В. Фалалеева РАЗРАБОТКА МОДЕЛИ УПРАВЛЕНИЯ ПОСТОЯННЫМИ ЗАТРАТАМИ ГРУЗОВОГО АВТОТРАНСПОРТНОГО ПРЕДПРИЯТИЯ Монография Омск Издательство СибАДИ УДК 338.47 ББК 65.9(2)373 Э 34 Рецензенты: д-р экон. наук, проф. М.В. Могилевич (ОмГТУ); канд. экон. наук, доц. Е.С. Семёнова (СибАДИ) Монография одобрена редакционно-издательским советом СибАДИ. Эйхлер Л.В., Фалалеева О.В. Э 34 Разработка...»

«Logistics Processes and Motorways of the Sea II ENPI 2011 / 264 459 Логистические процессы и морские магистрали II Проект мастер-плана «LOGMOS» – Приложение 9.1 Обзор страны АЗЕРБАЙДЖАН Октябрь 2013 г. Проект осуществляется Проект финансируется Европейским Союзом Egis International / Dornier Consulting Page 1 of XX Inception Report Логистические процессы и морские магистрали II СОДЕРЖАНИЕ ВВЕДЕНИЕ НАЦИОНАЛЬНАЯ ТРАНСПОРТНАЯ ПОЛИТИКА ЗАКОНОДАТЕЛЬНАЯ БАЗА В ОБЛАСТИ ТРАНСПОРТА НАЦИОНАЛЬНАЯ ПОЛИТИКА...»

«ЭКОНОМИКА ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА УДК 35.073.5 Практика построения рискориентированной системы внутреннего контроля и аудита в ОАО «Российские железные дороги» В статье рассматриваются принципы и практика построения единой риск-ориентированной системы внутреннего контроля и аудита в ОАО «РЖД», которая является важнейшим инструментом управления компанией и одним из необходимых условий обеспечения эффективности ее экономической деятельности, финансовой устойчивости, повышения инвестиционной...»

«ФЕДЕРАЛЬНОЕ АГЕНТСТВО ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ» (МИИТ) СОГЛАСОВАНО: УТВЕРЖДАЮ: Выпускающая кафедра Проректор – директор роат Зав. кафедрой _ (подпись, Ф.И.О.) (название института, подпись, Ф.И.О.) «_» 20 г. «_» 20 г. Кафедра_ Учет, анализ и аудит_ (название кафедры) Автор _Павлова Анна Николаевна_ (ф.и.о., ученая степень, ученое...»

«Наземные транспортные системы 11 НАЗЕМНЫЕ ТРАНСПОРТНЫЕ СИСТЕМЫ Автомобильный транспорт УДК 621.113 А.М. Грошев1, Г.М. Корчажкин2 ПОЛВЕКА В АВАНГАРДЕ АВТОМОБИЛЬНОГО ТРАНСПОРТА НИЖЕГОРОДСКОГО ПОЛИТЕХА Нижегородский государственный технический университет им. Р.Е. Алексеева1, Ассоциация автомобильных перевозчиков Нижегородской области2 Цель данного аналитического исследования – представить этапы становления образования в области автомобильного транспорта в НГТУ им. Р.Е. Алексеева. Указанная...»

«ПОСОЛСТВО НА РЕПУБЛИКА БЪЛГАРИЯ В ТАШКЕНТ СЛУЖБА ПО ТЪРГОВСКО-ИКОНОМИЧЕСКИТЕ ВЪПРОСИ Приложение ПОСТАНОВЛЕНИЕ КАБИНЕТА МИНИСТРОВ РЕСПУБЛИКИ УЗБЕКИСТАН ОБ УТВЕРЖДЕНИИ ПРАВИЛ ПЕРЕВОЗКИ ГРУЗОВ АВТОМОБИЛЬНЫМ ТРАНСПОРТОМ В РЕСПУБЛИКЕ УЗБЕКИСТАН (Собрание законодательства Республики Узбекистан, 2014 г., № 32, ст. 401) В соответствии с Законом Республики Узбекистан «Об автомобильном транспорте» и во исполнение постановления Президента Республики Узбекистан от 15 июля 2013 года № ПП-2003 «Об...»

«ПРАВИТЕЛЬСТВО РОССИЙСКОЙ ФЕДЕРАЦИИ РАСПОРЯЖЕНИЕ от 11 июня 2014 г. N 1032-р Утвердить прилагаемые изменения, которые вносятся в Транспортную стратегию Российской Федерации на период до 2030 года, утвержденную распоряжением Правительства Российской Федерации от 22 ноября 2008 г. N 1734-р (Собрание законодательства Российской Федерации, 2008, N 50, ст. 5977). Председатель Правительства Российской Федерации Д.МЕДВЕДЕВ Том I Утверждены распоряжением Правительства Российской Федерации от 11 июня...»

«ДОНЕЦКАЯ НАРОДНАЯ РЕСПУБЛИКА ЗАКОН ОБ АВТОМОБИЛЬНОМ ТРАНСПОРТЕ Принят Народным Советом Председатель Донецкой Народной Республики Народного Совета 21 августа 2015 года Донецкой Народной (Постановление №I-302П-НС) Республики А.Е. Пургин Настоящий Закон определяет принципы организации и деятельности автомобильного транспорта. РАЗДЕЛ I ОБЩИЕ ПОЛОЖЕНИЯ ОРГАНИЗАЦИИ И ДЕЯТЕЛЬНОСТИ АВТОМОБИЛЬНОГО ТРАНСПОРТА Глава 1. Общие принципы деятельности автомобильного транспорта Статья 1. Определение основных...»

«ФЕДЕРАЛЬНОЕ АГЕНТСТВО ВОЗДУШНОГО ТРАНСПОРТА (РОСАВИАЦИЯ) ДАЛЬНЕВОСТОЧНОЕ МЕЖРЕГИОНАЛЬНОЕ ТЕРРИТОРИАЛЬНОЕ УПРАВЛЕНИЕ ВОЗДУШНОГО ТРАНСПОРТА ФЕДЕРАЛЬНОГО АГЕНТСТВА ВОЗДУШНОГО ТРАНСПОРТА ПРИКАЗ « 23 » июля 2015 г. № 190 г. Хабаровск О состоянии безопасности полетов в авиапредприятиях, подконтрольных Дальневосточному межрегиональному территориальному управлению воздушного транспорта Федерального агентства воздушного транспорта в первом полугодии 2015 года Анализ состояния безопасности полетов в...»

«BRIDGES NETWORK МОС Т Ы Аналитика и новости о торговле и устойчивом развитии ВЫПУСК 6 – СЕНТЯБРЬ 2014 Торговля услугами – новые возможности для роста и развития ВОПРОСЫ РАЗВИТИЯ Будущие вызовы для торговли услугами: что нужно знать развивающимся странам? ПЛЮРИЛАТЕРАЛЬНОЕ СОГЛАШЕНИЕ Мысли вслух о плюрилатеральном соглашении по торговле услугами РЕГИОНАЛЬНЫЕ СОГЛАШЕНИЯ Торговля услугами в соглашении о Трансатлантическом торговом и инвестиционном партнерстве ТРАНСПОРТНЫЕ УСЛУГИ Перспективы...»

«Н.Г. Гавриленко ОСОБЕННОСТИ ЦИКЛИЧЕСКОГО РАЗВИТИЯ ТРАНСПОРТНОГО КОМПЛЕКСА РОССИИ Омск 2011 Министерство образования и науки РФ ФГБОУ ВПО «Сибирская государственная автомобильно-дорожная академия (СибАДИ)» Н.Г. Гавриленко ОСОБЕННОСТИ ЦИКЛИЧЕСКОГО РАЗВИТИЯ ТРАНСПОРТНОГО КОМПЛЕКСА РОССИИ Монография Омск СибАДИ УДК 656 ББК 39 Г 12 Рецензенты: д-р экон. наук, проф. А.Е. Миллер (ОмГУ); д-р экон. наук, проф. В.Ю. Кирничный (СибАДИ) Монография одобрена редакционно-издательским советом СибАДИ....»

«Май-июнь ’2014 ВЕСТИ ГИПРОДОРНИИ • ЕЖЕМЕСЯЧНОЕ КОРПОРАТИВНОЕ ИЗДАНИЕ ОАО «ГИПРОДОРНИИ»• В ЭТОМ НОМЕРЕ: НОВАЯ РЕДАКЦИЯ ТРАНСПОРТНОЙ СТРАТЕГИИ РОССИИ ДО 2030 ГОДА Стр.5 ГИПРОДОРНИИ: НОВОЕ НА ФЕДЕРАЛЬНОЙ АВТОМАГИСТРАЛИ М-4 «ДОН» Стр.7 8 ОТРАСЛЕВЫЕ ВЫСТАВКИ Стр.17-19 •WWW.GIPRODOR.RU • НОВОСТИ ОТРАСЛИ поблагодарил ветеранов за героические подвиги и ПАМЯТЬ ДОРОЖНИКОВ ПОЧТИЛИ огромную работу, проделанную в непростые послевоенные годы. ОАО «ГИПРОДОРНИИ» в 7 мая 2014 года сразу на двух площадках около...»





Загрузка...


 
2016 www.os.x-pdf.ru - «Бесплатная электронная библиотека - Научные публикации»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.