Keywords
autonomous vehicles (AV)
connected autonomous vehicles (CAV)
AI methods
fuzzy sets
situational control
linear programming
unmanned aerial vehicle (UAV)
How to Cite
Abstract
as autonomous vehicles become common, we need a simulation model for a mixed traffic flow. The proposed model can be used to assess the impact of autonomous vehicles on the traffic flow, and to manage the future traffic. The existing models for human-driven vehicles are insufficient. Such models are usually adapted by halving the driver reaction speed and distance to the vehicle ahead to simulate an autonomous vehicle. Much of the current research is focused on connected vehicles. This study considers some approaches to the simulation of mixed traffic flows and traffic prediction, the management of the entire transportation network, autonomous surface vehicles and aircraft (collision avoidance, route planning, and navigation). The existing strategies are categorized and suggestions for further developments are made.
References
Куржанский А. Б., Куржанский А. А., Варайя П. Роль макромоделирования в активном управлении транспортной сетью. Труды МФТИ. 2010;2:4(8):100–118. Режим доступа: https://cyberleninka.ru/article/n/rol-makromodelirovaniya-v-aktivnom-upravlenii-transportnoy-setyu.
Кригер Л. С. Интеллектуальная система поддержки принятия решений при управлении движением общественного транспорта. Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2012;2:150–155. EDN: PAJWZX. Режим доступа: https://www.elibrary.ru/item.asp?id=17839437.
Баранов Л. А., Балакина Е. П., Сидоренко В. Г. Безопасное диспетчерское управление в условиях использования интеллектуальных беспилотных систем управления движением городского внеуличного транспорта. Проблемы управления безопасностью сложных систем : Материалы XXIX международной научно-практической конференции, Москва, 15 декабря 2021 года. Москва: Институт проблем управления им. В.А. Трапезникова РАН, 2021. С. 329–336. DOI: 10.25728/iccss.2021.63.40.051. EDN: LUEHUG. Режим доступа: https://elibrary.ru/item.asp?id=47534022.
Субботин Б. С. и др. Теоретические и концептуальные представления о взаимодействии человека с системами искусственного интеллекта в транспортной экосистеме. Москва : Московский автомобильно-дорожный государственный технический университет (МАДИ); 2021. 146 с. ISBN: 978-5-7962-0284-5. EDN: ZTJNZM. Режим доступа: https://www.elibrary.ru/item.asp?id=47696343.
Антонов В. О., Гурчинский М. М., Петренко В. И., Тебуева Ф. Б. Метод планирования траектории движения точки в пространстве с препятствием на основе итеративной кусочно-линейной аппроксимации. Системы управления, связи и безопасности. 2018;1:168–182. Режим доступа: http://sccs.intelgr.com/archive/2018-01/09-Antonov.pdf.
Максимов Н. А. Модель планирования группового полета и взаимодействия беспилотных летательных аппаратов (БПЛА) в условиях деградации группы. Научно-технический вестник Поволжья. 2019;6:24–29. EDN: LVTBNQ. Режим доступа: https://www.elibrary.ru/item.asp?id=41114714.
Mohmmadsina S. Microscopic Simulation Analysis of Connected and Autonomous Cars and Trucks at a Freeway Merge Area. Electronic Theses and Dissertations. 2021. Режим доступа: https://scholar.uwindsor.ca/etd/8613.
Gora P., Katrakazas C., Drabicki A., Islam F., Ostaszewski P. Microscopic Traffic Simulation Models for Connected and Automated Vehicles (CAVs) – State-of-the-art. Procedia Computer Science. 2020;170:474–481. DOI: 10.1016/j.procs.2020.03.091.
Milicevic Z. M., Bojkovic Z. S. From the Early Days of Unmanned Aerial Vehicles (UAVs) to Their Integration into Wireless Networks. Military Technical Courier. 2021;69:4:941–962. DOI: 10.5937/vojtehg69-33571.
Friedrich B. The Effect of Autonomous Vehicles on Traffic. Autonomous Driving. Springer, Berlin, Heidelberg. 2016:317–334. DOI: 10.1007/978-3-662-48847-8_16.
Lu Q., Tettamanti T., Hörcher D., Varga I. The Impact of Autonomous Vehicles on Urban Traffic Network Capacity: an Experimental Analysis by Microscopic Traffic Simulation. Transportation Letters. 2020;12(8):540–549. DOI: 10.1080/19427867.2019.1662561.
Бобровская О. П., Гавриленко Т. В., Галкин В. А. Модель транспортного потока, основанная на взаимодействии частиц с потенциалом действия. Вестник КРАУНЦ. Физ.-мат. науки. 2022;40:3:72–87. DOI: 10.26117/2079-6641-2022-40-3-72-87.
Бердоносов В. Д., Журавлёв Д. О. Математическая модель взаимного движения беспилотных летательных аппаратов. Информационные технологии и математическое моделирование в управлении сложными системами: электрон. науч. журн. 2020;3(8):11–21. DOI:10.26731/2658-3704.2020.3(8).11-21.
Журавлев Д. О. Разработка и реализация алгоритмов предотвращения столкновения беспилотных летательных аппаратов, находящихся в едином воздушном пространстве. Молодые ученые – Хабаровскому краю : Материалы XXII краевого конкурса молодых ученых и аспирантов, Хабаровск, 14–20 января 2020 года. Хабаровск: Тихоокеанский государственный университет. 2020:106–112. EDN: LHUQVO. Режим доступа: https://elibrary.ru/item.asp?id=42914355.
Kvetny R., Borshchova I. Collision Avoidance Algorithm for Unmanned Aerial Vehicles. Scientific Works of Vinnytsia National Technical University. 2011;1:9. EDN: PYXDNV. Режим доступа: https://elibrary.ru/item.asp?id=18959470.
Дьяченко А. А. Задача формирования строя в группе БПЛА. Известия ЮФУ. Технические науки. 2012;3. Режим доступа: https://cyberleninka.ru/article/n/zadacha-formirovaniya-stroya-v-gruppe-bpla.
Михайлов Н. А. Разработка алгоритма перестроения группы беспилотных летательных аппаратов для уменьшения заметности. Труды МАИ. 2017;96:22. EDN: ZWUHIH.
Walker P., Amraii S., Chakraborty N., Lewis M., Sycara K. Human Control of Robot Swarms with Dynamic Leaders. 2014 IEEE/RSJ International Conference on Intelligent Robots and Systems, Chicago, IL, USA. 2014:1108–1113. DOI: 10.1109/IROS.2014.6942696.
Khatib O. Real-Time Obstacle Avoidance for Manipulators and Mobile Robots. Int J Robot Res. 1986;5(1):90–98. Режим доступа: https://khatib.stanford.edu/publications/pdfs/Khatib_1986_IJRR.pdf.
Chang K., Xia Y., Huang K. UAV Formation Control Design with Obstacle Avoidance in Dynamic Three-Dimensional Environment. SpringerPlus. 2016;5:1124. Режим доступа: https://doi.org/10.1186/s40064-016-2476-y.
Brown G. Beyond Phase Transitions: an Algorithmic Approach to Flocking Behavior. Department of Physics and Astronomy, Brigham Young University. 2017.78 p.
Михайлов И. И., Кухтяева В. Р. Разработка алгоритма автономного движения беспилотного летательного аппарата. Микроэлектроника и информатика – 2016 : Материалы научно-технической конференции, Зеленоград, 20–22 апреля 2016 года. Зеленоград: Национальный исследовательский университет «Московский институт электронной техники». 2016:104–108. EDN: WBXUXP. Режим доступа: https://www.elibrary.ru/item.asp?id=26226563.
Zatmeh-Kanj S., Toledo T. Car Following and Microscopic Traffic Simulation Under Distracted Driving. Transp. Res. Rec. 2021;2675(8):643–656. DOI: 10.1177/03611981211000357.
Хуссейн А. Х. С., Заргарян Е. В., Заргарян Ю. А. Модель прогнозирования транспортного потока на основе нейронных сетей для предсказания трафика на дорогах. Известия ЮФУ. Технические науки. 2021;6(223):124–132. DOI: 10.18522/2311-3103-2021-6-124-132.
Төлеби Г., Курманходжаев Д. Прогнозирование потока транспортных средств на основе оффлайн обученной искусственной нейронной сети. Вестник Казахстанско-Британского технического университета. 2019;16(2):170–174. Режим доступа: https://vestnik.kbtu.edu.kz/jour/article/view/140.