От старого Умного перекрестка до самообучающегося.


Здесь есть статья про то, какие типы Умных светофоров бывают, но она описывает устройства прошлого века, поэтому, возможно, будет интересно узнать о технологиях сегодняшних. Итак, типы Умных светофоров, которые уже можно увидеть на перекрестках городов:

Адаптивный работает на сравнительно простых перекрестках, где правила и возможности переключения фаз совершенно очевидны. Адаптивное управление применимо лишь там, где нет постоянной загрузки по всем направлениям, иначе ему просто не к чему адаптироваться – нет свободных временных окон. Первые перекрестки на адаптивном управлении появились в США в начале 70-х годов прошлого века. К сожалению, до России они дошли только сейчас, их число по некоторым оценкам не превышает 3 000 по стране. (Часто под этим же названием понимаются обычные светофорные объекты, алгоритмы работ которых меняются в зависимости от времени суток и дней недели. С терминологией в России пока совсем плохо, здесь мы точно обсуждаем не адаптацию по времени.)

Нейросетевой – более высокий уровень регулирования движения автотранспорта. Нейронные сети учитывают сразу массу факторов, которые даже и не всегда очевидны. Их результат основан на самообучении: компьютер в прямом эфире получает данные о пропускной способности и всеми возможными алгоритмами подбирает максимальные значения, чтобы в сумме со всех сторон в комфортном режиме за единицу времени проезжало как можно больше транспортных средств. Как это делается, обычно программисты отвечают – не знаем, нейросеть – это черный ящик, но мы вам раскроем основные принципы…

(Некоторые фирмы, и даже в этом был замечен Яндекс, предлагают еще Геоинформационные светофоры. Эти декларируют использование GPS и GLONASS навигации для определения ТС общественного автотранспорта, а также спецмашин, чтобы подстраиваться под их беспрепятственное прохождение. Но мы не рассматриваем этот тип умных перекрестков уже потому, что практика показала их несостоятельность. Такое дистанционное планирование постоянно натыкается на резкие изменения в характере движения потоков, в результате чего расчеты все время претерпевают изменения и не согласуются с текущей обстановкой на перекрестке, где важна каждая доля секунды. Пока не будет доказано обратное, мы эту тему не описываем.)

Адаптивные светофоры используют устаревшую технологию подсчета автотранспорта на перекрестках: физические датчики или видеодетектор фона в определенных зонах. Емкостной датчик или индукционная петля видят ТС только в месте установки - на несколько метров, если конечно не потратить миллионы на прокладку их во всю длину проезжей части. Видеодетектор фона показывает лишь заполнение транспортными средствами дорожного полотна относительно этого полотна. Т.е. камера должна четко видеть эту площадь, что достаточно сложно на большом расстоянии из-за перспективы и сильно подвержено атмосферным помехам: даже легкая метель будет диагностироваться как наличие движения автотранспорта – фоновый видеодетектор не различает тип детекции.

Адаптивные светофоры очень боятся смещения камер - смещаются зоны детекции
картинка с сайта - производителя адаптивных светофоров
Адаптивные светофоры очень боятся смещения камер - смещаются зоны детекции картинка с сайта - производителя адаптивных светофоров

Справедливости ради надо сказать, что адаптивным светофорам и не нужны качественные данные о всех параметрах движения, повторим: они работают только в ситуациях, где правила переключения абсолютно очевидны и только на мало загруженных перекрестках. 

Нейросетевые светофоры и для распознавания объектов тоже используют нейронные сети, за счет этого они получают более информативную и супер точную картину происходящего. Эти «мозги» распознают любые образы в их любых положениях и поэтому более точно считают количество транспортных средств, делают это на гораздо большем расстоянии с одной камеры. Кроме этого, нейронные сети определяют качественный состав ТС как по типу, так и множеству других параметров. Например, длинная фура и быстрый Ferrari имеют совершенно разную манеру начала движения, что по-разному влияет на алгоритмы умного светофора. Даже постоянно забывающая трогаться на зеленый свет блондинка со знаком «У» на ТС постепенно включается в коэффициент поправки расчетов. Кроме того, нейронные сети умеют распознавать и людей, что тоже очень важно – ведь пешеходам тоже хочется пройти через дорогу. А также нейросети диагностируют более сотни других объектов от детской коляски с велосипедами до чемоданов и оружия.   

Нейросетевые светофоры видят объекты при любых ракурсах
Нейросетевые светофоры видят объекты при любых ракурсах

Нейронные сети вообще почти не имеют ограничений по точкам установки, они распознают любые объекты из любых ракурсов в любом виде и при больших перекрытиях – часто достаточно видеть лишь 15% автомобиля, чтобы понять, что это автомобиль. Соответственно, нейросетевой светофор дешевле в монтажном плане, в количестве видеокамер, длине проводов и прочих монтажных хитростях.

Нельзя не сказать про сложность юстировки камер для адаптивных светофоров, их видеодетектор жестко привязан к виду дорожного полотна. В результате ветров и вибраций от грузового автотранспорта эти видеокамеры постоянно сбиваются со своего обзора и требуют чуть ли не еженедельной подстройки, а это «вышка», люди, затраты. И ограничение движения на время работ. Нейросетевые камеры будут понимать всё происходящее до тех пор, пока хоть как-то видят дорожную обстановку, даже большие смещения для них не критичны.

Разберем подробнее, где и за счет чего эти умные светофоры позволяют повысить пропускную способность:

Пример 1. Прилегающая к трассе второстепенная дорога.

Пример применения: Прилегающая к трассе второстепенная дорога.
Пример применения: Прилегающая к трассе второстепенная дорога.

В этой конфигурации в одинаковой степени подходят оба типа светофоров: адаптивный – потому что эта ситуация абсолютно очевидна, нейросетевой – потому что он дешевле. (Почему дешевле – разберем дальше.)

Кто-то здесь скажет: - Давайте лучше построим разгоночную полосу – и светофор вообще не нужен. - Но машинам иногда надо поворачивать налево – тогда придется делать и разворотное кольцо. А у нас еще и пешеходы, которые тоже не прочь пересечь трассу – им нужно построить под- или надземный переход. Всё это потребует уже десятки миллионов рублей на строительство и миллионы на обслуживание. Поставить и обслуживать два столба с тремя лампочкам и с парой видеокамер – цифры на два порядка дешевле. Хотя… выбор есть.

Пример 2. Городской перекресток в незагруженное время.

Пример применения: Городской перекресток в незагруженное время.
Пример применения: Городской перекресток в незагруженное время.

В обычных городах мы часто сталкиваемся с ситуацией, когда стоим на красный свет в то время, как в поперечном направлении никого нет. Например, в Иванове час пик бывает только несколько часов в сутки. А ночью и вообще всех нас нервирует никому не нужное ожидание чуть ли не на каждом перекрестке. Зачем мы тратим время и бензин, а также изнашиваем тормозные колодки? Здесь постоянно приходит на ум ненормативный термин - тупой светофор.

Если по какому-то из направлений нет движения или оно быстро закончилось после включения там зеленого сигнала, светофор имеет все предпосылки – дать проезд загруженному участку. Но мы стоически ждем своей фазы!

Никакими расписаниями этот вопрос не решить, обычная логика, которая есть в любом контроллере светофорных объектов, ошибется конкретно в этот день и в это время. Хотя ручные подстройки, конечно, ведутся и какой-то эффект они приносят. Но гораздо правильнее иметь обратную связь здесь и сейчас: если видеокамеры видят, где идет транспорт, то и включить надо зеленый в этом месте. Причем, заранее – не заставляя тормозить.

Опять же подходят оба типа светофоров: адаптивный – потому что ситуация очевидна, нейросетевой чуть лучше – потому что видит транспортные средства дальше, не потребуется тормозить, ведь нам надо задолго дать команду – несколько секунд уйдет на желтый. К тому же у нас опять же есть люди. Адаптивный будет постоянно выдавать им какое-то время на переход, потому что он их не различает. Нейросетевой – будет переключать только по появлению.

Вы опять что-то хотели сказать: пешеходам можно дать кнопку. Да, только как-то это не кошерно в присутствии умного девайса. К тому же требуется определить - все ли перешли, а это может сделать только нейросетевой светофор. Адаптивный даст лишь среднестатистическое время для движения быстрым шагом. А ситуация здесь двоякая: какой-то мальчонка быстро перебежал, а какая-то бабушка будет долго ковылять. А то и вовсе пойдет отряд юнармейцев из соседней школы.

Вы еще что-то хотели сказать: в ночное время надо включать мигающий желтый на всех перекрестках! - Пробовали, уже много десятков лет. Выяснили, что в нашей стране это очень опасно. Интернет просто забит роликами автогонок, никакие измерители скорости не останавливают ночных любителей разогнаться по городским дорогам до 300 км/час. В хлам превращаются не только автомобили, люди тоже переходят дороги по ночам.

И, если мы говорим про ночной режим, нейросетевые светофоры гораздо эффективнее не только с точки зрения пропускной способности – не придется тормозить, если вы едете с нормальной скоростью, они еще и выполняют роль полицейского – могут остановить любого гонщика. Нейронные сети определяют скорость несущегося, наличие другого автотранспорта и пешеходов, которым это может угрожать, и вычисляют степень опасности. Причем, конкретно мы против превращения умного устройства в наказательный механизм. Если компьютер видит даже повышенную скорость, но не находит угрозы, то конкретно наша логика не мешает проезду, скажем так, нарушителю.

Так сделано не потому, что мы как-то не признаем закон, мы так настроили наше оборудование в качестве задела на будущее. С нашей точки зрения жесткие ограничения скоростей, в принципе, не нужны. Кому с какой скоростью и в каком месте двигаться – должен определять компьютер! Он всё просчитывает и выдает достаточно точное решение. Умный светофор должен останавливать только тех, чья скорость реально угрожает другим участникам движения. А ловить нарушителей – другая тема, для этого есть специальные устройства.

Пример 3. Постоянно загруженный перекресток.

Пример применения: Постоянно загруженный перекресток.
Пример применения: Постоянно загруженный перекресток.

Здесь, наверно, каждому понятно, что подойдет только нейросетевой светофор , потому что очевидной логики по переключению светофорных фаз просто нет: со всех сторон идет автотранспорт сплошным потоком, и кому дать приоритет?

Тем не менее, мы должны выделить какие-то временные фазы, у них есть длина. Сколько дать времени для проезда с севера на юг, чтобы прошло максимальное количество транспортных средств? Одну минуту, две, три? А может 569 секунд? Кто вот это должен сказать, какой-то очень умный человек или все-таки применить научный подход?

Мы еще ничего не рассказали, но уже услышали ваш вопрос: - Не все ли равно? – Нет, потому что движение неоднородное, мы имеем автотранспортную пружинку: при трогании потока она растягивается, при остановке сжимается. И по времени часто превышает сам процесс движения между соседними перекрестками. Чем больше остановок, тем меньше ТС пройдет в результате всего времени.

И вы сразу предлагаете: - Тогда надо дать максимально длинную фазу, чтобы не создавать частых пружин. – Правильно это было бы, если у нас не было другого направления: с востока на запад. Оно тоже требует максимальную фазу. Эта игра у нас называется «волки – овцы»: Те, кто едет – волки, а стоят – овцы.  

И вы, уже не подумавши скажете: - Давайте всем дадим поровну! – Допустим! Но сколько именно поровну? Ладно, договорились на 5 минут каждому. Но одно направление утыкается во второй перекресток, и ему эти 5 минут – как мертвому припарка, оно встает уже через 3 минуты.  Остальные две минуты перекресток просто забит еле двигающимися автомобилями. Мы теряем в скорости трафика, что тоже ведет к понижению пропускной способности.

В результате мы должны учитывать еще и скорость всех потоков в каждый момент времени. Кстати, от неё зависит и время сжатия пружин на каждом направлении: чем выше скорость была, тем дольше остановка потока. Также пружины зависят от типа автотранспорта: фура будет намного  дольше разгоняться, легковые намного быстрее, поэтому нам нужно понимать тип ТС и его размеры.

Кстати, об авариях, это еще целый комплекс вводных с тысячью неизвестных. Просчитать оптимальные режимы всех светофорных объектов – задача для компьютера, а не примитивной житейской логики. Когда на совершенно простом незагруженном перекрестке фура уронила ящик, адаптивный светофор сошел с ума. Он все время пытался пропустить загруженное направление, а это было невозможно физически. В результате в пробку встало и другое – свободное направление. 

А нейросетевой светофор просчитывает миллионы постоянно меняющихся параметров, подбирая оптимальные алгоритмы работы, в результате обеспечивает и повышение пропускной способности в любых, в том числе аварийных условиях, а также повышает безопасность: автоматически останавливает транспорт на полосах, где одно столкновение может перерасти в серийное.

 И это только 30% повышения эффективности на загруженных всегда перекрестках. Самое интересное, что эту цифру легко довести до 60%, как вам такое? Не устали стоять в пробках? Хотите ездить в два раза быстрее? Здесь уже говорили, что самая затратная часть в этом процессе – автотранспортная пружинка: на остановки и троганья уходит где-то ДО, а где-то БОЛЕЕ 50% времени.  Что, если мы не будем останавливать больше половины автотранспорта? Если к нашему Умному светофору подключить соседние Умные светофоры, то нейронная сеть получает ценную информацию: когда, где и на какой скорости движется поток, какой типа транспорта в каждом потоке, даже манеру вождения отдельных транспортных средств (помните блондинку, которую все объезжают?). Таким образом, мы уже можем убрать каждую вторую «пружинку», а то и больше.

- Видим, что у вас появились и конструктивные предложения: - А что если и пред-предыдущие светофоры завести в общую систему? – Совершенно верно, таким способом по Москве или Питеру можно ездить в разы быстрее!

А что сейчас? В больших городах построены шикарные центры АСУДД, в которых профессиональные специалисты (извините за тавтологию) управляют светофорными объектами. Они, конечно, не нажимают кнопку для каждой лампочки, но именно вручную выставляют режимы работы каждому светофору. В других городах и этого нет – просто среднестатистическое расписание. Наверно, это круто для 30-х годов! Не сегодняшнего, а прошлого века, когда на улице стоял в будке регулировщик – теперь его работа ведется удаленно.

Хотя…, человек может обыграть компьютер в шахматы! В этой игре тоже миллион неизвестных. Наверно, в АСУДД работают профи. Но сколько существует гроссмейстеров на миллион людей, которые просто умеют играть в эту игру? Все-таки в 99,999999999999…% выиграет компьютер. 

После этих слов обычно возникает тяжелая пауза – люди не любят верить в некий искусственный интеллект, уж больно часто им в нашей стране называли совершенно неинтеллектуальные вещи. Поэтому приведем пример совершенно очевидной эффективности, который понятен и интеллекту живому. Возьмем три последовательных перекрестков в обоих направлениях, расположенных на небольшом расстоянии друг от друга – скажем, в минуте езды. Если мы включим «зеленую волну» по каждому направлению, то оба пропустят транспорт за 3 минуты. Заметьте, это комфортное время ожидания для «овец». Но сейчас мы имеем пружину: два троганья и три торможенья, которые в три раза увеличивают время каждого потока и соответственно время ожидания поперечного.   

В 3 раза повышается пропускная способность на загруженных перекрестках! 

И снова вопрос: - Да, вы сделаете 3 участка, где транспорт будет летать, но весь этот поток упрется в четвертый – уже не такой умный – перекресток! – Позвольте сразу не согласиться с фразой «весь этот поток». Перегруженные перекрестки находятся в городах, обычно в их центрах, соответственно там много жилых домов, офисов, магазинов и прочих мест, куда едут люди. Т.е. за 3 участка не весть поток упрется в 4-ый перекресток, часть рассосется – опять же нейросетевая система управления может это легко рассчитать. К тому же за эту зеленую фазу мы исключаем приток других авто, т.е. мы можем заранее узнать максимальный объем ТС и соответственно вывести всех на такой участок дороги, который позволит создать приемлемую очередь перед обычным перекрестком. Т.е. заранее нужно выбирать длинные участки дорог перед старой версией светофоров. Никакого коллапса здесь не будет!

Хотя правильно замечено, что на общую систему нейросетевого управления лучше завязывать вообще весь город. И это тоже возможно и нужно, к этому мы когда-нибудь все придем! Умные светофоры на базе нейронных сетей – это безусловное будущее для России. Ненормально бесконечно строить высотки в центре Москвы, торпедировать продажу автомобилей и при этом ездить медленнее, чем ходить пешком. Для всего развитого мира нейросетевые технологии стали уже обыденностью, и такие задачи там решаются очень быстро.      

Внедрение Умных перекрестков.
Это самый простой с точки зрения технической реализации и самый сложный с точки зрения борьбы с технократией вопрос. Достаточно поставить 4 камеры во все направления даже на уже имеющиеся опоры и в большинстве случаев можно запускаться в работу. Главным элементом Умного перекрестка является программное обеспечение. Конечно, чем больше камер, тем выше эффективность, количество подбирается путем проектирования. 

О самом сложном!
Сегодня везде уже стоят светофорные объекты прошлого века. Под них создана огромная инфраструктура с немалыми деньгами на обслуживание. Руководство регионов РФ само по себе технократично, а тут еще и передел рынка.

Есть и позитивная новость, Правительство РФ активно развивает Интеллектуальную транспортную систему, как минимум, на словах. Есть достаточно много Постановлений Правительства РФ для этого, более того выделяются деньги – хотя бы по этому Указу. Но, по нашему опыту, на местах настолько сильно сопротивляются прогрессу, что даже часто не осваивают эти средства, не смотря на то, что за это предусмотрено наказание. 

Есть еще одна новость средней позитивности: Прогресс все равно придет! Было бы неправильно думать, что деньги выделяются просто так, правительственные круги активно двигают московские фирмы, которые занимаются поставкой адаптивных светофоров. И против Москвы сопротивляться сложно, она придет и снесет всех «политиков» региона. Но новость средняя, потому что адаптивное управление – это прошлый век, оно уже 50 лет как используется в Штатах и сегодня там меняется на нейросетевое. А у нас пока только ставится устаревшее адаптивное управление перекрестками.

Чаще всего, чтобы ничего не делать, говорят: на весь город денег нет, а постепенное внедрение сломает годами выстроенную логику работы других светофоров и приведет к коллапсу, типа, если где-то транспортные потоки пойдут быстрее, в других местах всё встанет. Постоянно это слышим. Но, в городах каждый день происходят какие-то изменения с пропускной способностью: перекрываются на ремонт дороги, строятся новые, сужаются зимой улицы, устанавливаются новые светофорные объекты, меняются знаки… Ничего не привело еще к коллапсу, а наоборот – разгружает трафик. 

Установка отдельно взятого умного перекрестка равносильна постройке еще одной полосы во всех направлениях или выставлению знака «остановка запрещена» на обочинах. Такую ситуацию легко просчитать, и перестроить ближайшие светофоры, как это всегда и делалось много десятков лет. Разговоры о конце света сильно преувеличены.   

Более того, нейросетевой перекресток видит транспортный поток и на съезд, поэтому может быстро перестроиться, если понимает, что в данном конкретном направлении пускать транспорт нет смысла. 

Информативности ради, надо добавить, что через десяток лет придет еще один тип Умных светофоров - Коммуникационный. Уже сегодня в машинах марки Volvo устанавливается оборудование, способное передавать данные о себе всем заинтересованным системам управления движением. Не потребуются даже камеры. Но для этого надо, чтобы поржавели все старые модели. Хотя не исключено, что такие устройства станут обязательными - также как автолокаторы на самолетах, которые ввели после одной из воздушных авиакатастроф. До России, конечно, полезные и спасающие жизни технологии могут долго не дойти.