Старый добрый советский светофор имеет два режима: работает и не работает. Его первая оптимизация — добавить в реле ночной и дневной режимы. Вторая — такая же: добавить утренний, вечерний и дневной, отличающиеся разными задержками таймера переключения ламп. И дальше — всё. Дальше нужны датчики и внешние потоки информации либо вообще связная сеть.

Самый простой пример того, что можно сделать, имея банальную индукционную петлю на дороге или инфракрасный датчик, — не переключать светофор на то направление, где сейчас никого нет. Это очень удобно в схеме «большая основная дорога через город и много второстепенных».

Но мы пошли чуть дальше: в городе Новомосковске (120 тысяч жителей) поставили на светофоры камеры, поменяли все контроллеры и связали всё это в одну сеть. Бюджет у города небольшой, поэтому правила пока эвристические без всякого космоса вроде data mining и машинного обучения, светофорных объектов не очень много (потому что даже поставить 21 камеру уже дорого), но мы смогли добиться вполне конкретных результатов.

Скорость прохождения перекрёстков с нашими «умными светофорами» и обычных перекрёстков рядом увеличилась. Мы научились приоритизировать поток машин утром на крупный завод, считать и обрабатывать транзитные фуры и даже замахнулись на ГЛОНАСС-датчики «скорой», чтобы убирать возможные заторы перед ними.


Интерфейс платформы управления движением.

Как вообще можно бороться с пробками

Есть три базовых подхода по тому, что можно делать с транспортными коллапсами:

1. Расширять дороги и строить новую инфраструктуру — самый дорогой способ.
2. Точнее регулировать движение: за счёт множества оптимизаций легко выиграть пять–семь процентов, при определённых редких условиях — 25–35 % скорости потока.
3. Уменьшать количество машин: это системы общественного транспорта и попытки сделать въезд в города платным (или же косвенно — платные парковки).

Хочу сразу обратить внимание, что «умные светофоры», соединённые в сеть координированного движения, решают не только задачи «чтобы пробок было меньше», но и более специфические. Например, в нашем примере Новомосковска одна из важных задач — чтобы все доехали до завода с утра вовремя. Мы можем создать условия, когда оптимизация ведёт к пропусканию именно этого потока. И аналогично в опытах с приоритизацией «скорой помощи» очевидно, что средняя скорость потока снизится, но машина со срочным пациентом (и все рядом с ней, поскольку мы оперируем кластерами размером примерно с квартал) пройдёт на восемь-девять минут быстрее.

Что за проблемы могут быть в небольшом городе?

Транспортные коллапсы свойственны не только мегаполисам, но и малым городам. Многие наши города перестраивались и перепроектировались по принципам 60-х годов. Инфраструктура дорог просто не была готова к потокам 2010-х. Конечно, чем меньше город, тем меньше обычно вы стоите в пробке, но если можно выиграть 10–15 % времени пути (это практический пример) — то почему бы и нет? Это позволит не расширять дорогу там, где ещё расширить физически невозможно, и это позволит получить ещё массу всякой пользы.

В нашем случае город находится между М4 и М5, и коллапсы бывают как внутри него, так и на выезде. Выезд имеет достаточную пропускную способность, но там случаются ДТП. Внутри города проблемы создают транзитный поток и часы пик.

Конечно, можно поставить побольше постовых (которые фактически как раз принимают те самые решения, которые мог бы делать «умный светофор»), но это не в тренде министерства да и просто экономически нецелесообразно. И тут мы оказываемся в удивительной ситуации, когда маленький город с маленьким бюджетом может решить часть проблемы. В мегаполисе для АСУДД нужна обширная сеть управляемых объектов, да и проблемы там скорее от тотальной перегрузки, чем от неоптимального управления потоками. А вот в городах до 200–300 тысяч жителей основные дороги автоматизируются очень просто. И очень дёшево. Что сыграло решающую роль, конечно. Отдельно отмечу, что сначала администрация очень переживала из-за того, что будет нужен новый специалист для управления и обслуживания АСУДД: это незапланированный «лишний» сотрудник. Однако, по максимуму автоматизировав поддержку принятия решения за счёт интеграции в городскую интеллектуальную платформу, нам хватило просто обучить существующего сотрудника.

Давайте уже к делу. Что за железо, софт, и что они делают?

Самое важное — каждый светофорный объект имеет контроллер и может иметь какие-то датчики, чаще всего в нашем случае — камеру. Благодаря специализированному ПО видеокамеры распознают регистрационные знаки транспортных средств, определяют плотность и среднюю скорость потока. Собранные данные передаются на контроллер, который принимает решения по сокращению или продлению длительности зелёного сигнала светофора. Дальше накопленная за пятиминутный интервал статистика передаётся в центральный пункт для обработки. После анализа статистических данных система автоматически принимает решение о включении нужных программ координации на светофорных объектах. Так автоматический режим позволяет эффективно управлять транспортными потоками, повышая качество «зелёных волн». При этом остаётся возможность ручного управления светофорными объектами для приоритетного проезда транспортных средств экстренных и специальных служб («зелёная улица»).





Можно использовать разные виды датчиков: оптический кабель в дорожном полотне, индукционные петли, лазерные датчики наличия автотранспорта (похожие на приборы измерения скорости), разные датчики потока (похожие на очень упрощённые полуслепые камеры с обрезанными интерфейсами) и так далее. Но мы использовали камеры достаточного разрешения, чтобы автоматически распознавать госномера, и планируем определять тип автотранспорта (легковой, автобус, грузовой, непонятный).

В силу ограниченности бюджета мы выделили те перекрёстки (кластер регулирования на перекрёстке называется «светофорный объект»), которые оказывают наибольшее влияние на движение. Их получилось порядка 30 %, в основном как раз на дороге через город, где проходит транзитный трафик. Затем мы расставили свои устройства так, чтобы обеспечить наибольшее влияние на поток, ведь камеры можно втыкать не везде, а по данным двух перекрёстков восстанавливать состояние «слепого» перекрёстка между ними.



В итоге был определён минимальный комплект оборудования для первой части проекта. Вот что использовали, например:

Пересечение ул. Трудовые резервы — ул. Куйбышева (адресный ориентир: д. 15а, ул. Куйбышева)
Примеры конкретных моделей: контроллер, видеокамера, вариофокальный телеобъектив, другая камера (тип 2).

Что делает софт АСУДД?

Через камеры мы видим наличие транспорта, измеряем скорость потока, определяем загруженность каждой полосы. На основании этого можно принимать решения о том, как переключать светофоры.

Каждый светофор имеет failsafe-программу на контроллере для автономной работы, но в нашем внедрении основное управление идёт через центральный узел — сервер координации движения. То есть все данные стекаются в одну модель, а дальше на основе них принимается решение, как и что регулировать.

Где-то здесь я бы мог сказать слова про собираемые большие данные, про нейросети и прочие вещи, но, напомню, бюджет был строго ограничен. Поэтому мы использовали встроенные нейросети сотрудников дорожных служб. Они сидели со статистикой, аккуратно пробовали разные режимы регулирования на бумаге, а потом — на практике, и приходили к определённым выводам, что и как нужно делать. Получился набор из 24 эвристик для разных ситуаций.



Фактически первые два месяца рассчитывались (либо интуитивно подбирались) и подтверждались оптимальные длительности фаз светофоров в каждой ситуации: в туман утром, в дождь на выходных, в хорошую погоду в понедельник вечером и так далее. Нашли основные фазы для светофоров без детекторов, которые меняются четыре раза в сутки.


Видно статистику.

Какие ещё плюшки даёт такая система?

1. Камеры распознают номера. Мы передаём эти данные (как и видеопоток) в систему «Умный (Безопасный) город». И вот здесь произошла первая магия проекта: через три месяца эксплуатации мы начали слышать от местных жителей, что количество угонов в городе существенно уменьшилось. Сами сотрудники МВД, естественно, не очень хотели делиться своими профессиональными секретами, но, кажется, им очень помогли камеры на выездах из города. Я не очень понял связь между тем, что теперь они знают, куда выехала машина, и уменьшением количества угонов, но с их слов разница теперь — минимум на порядок (кроме редких случаев угона внутри города, по ним статистика не поменялась особо).
2. Увеличилась скорость движения потока. Мы сначала никак не могли понять, почему растёт только минимальная скорость движения потока, но почти не меняется максимальная. Потом провели опыты и выяснили, что двигаться при определённой погоде выше какой-то скорости просто нельзя. Есть места, где поворот должен проходиться на скорости потока 35 километров в час, а на скорости 42 уже можно улететь в кювет. Максимум там от хорошего или плохого регулирования никуда не денется. А вот минимальная скорость очень плотно зависит от качества управления движением, и она как раз стала расти.
3. Контроллеры стали «говорить» о неполадках светофоров. Раньше, если светофор не работал, его замечал какой-нибудь сознательный водитель, доезжал до дома, отзванивался куда-то в городские службы (часто не по адресу), и только на следующий день его выезжали чинить. Многие светофоры по факту проверялись сотрудниками ДПС при обычном движении по городу или постфактум при разборе ДТП, произошедшего из-за неисправности. Контроллерные светофоры знают, когда перегорает лампа, знают про сбои электроэнергии и прочее. В дашборд оператора АСУДД приходят алерты о состоянии каждого, и сразу с причиной, если удаётся её установить. Это оказалось очень полезным для города.
4. Алерты о нестандартных ситуациях. Благодаря видеопотоку и тому, что мы смогли описать все обычные ситуации на перекрёстках в виде правил, появилась возможность детектировать нестандартные ситуации вроде «автобус встал перпендикулярно полосам и всё перегородил» и прочие. На деле мы не знаем корневую причину, но оператору АСУДД генерируется алерт на рабочее место, а дальше он может либо взять ручное управление светофором, либо отправить на место сотрудников ДПС или сразу дорожных рабочих. Пока самая интересная нестандартная ситуация — стекло кожуха камеры разбили гопники (отлично на неё попавшие), и камеру сильно забрызгало грязью от лихача.
5. Тот самый поток до завода. С шести до семи часов мы пропускаем машины, которые едут туда. Это означает, что дорога до важного завода стала более предсказуемой, и опозданий должно стать меньше. Ну, по крайней мере, если до этого они были вызваны тем, что среднее время и фактическое каждый раз могли сильно отличаться. Раньше это решалось бы «зелёной волной», но наш подход даёт выигрыш и тем, кто едет по перпендикулярным к этому потоку дорогам.
6. Пересчитали весь транзитный грузовой поток. Не статистически, а прямо конкретно по «номер такой-то заехал, через 20 минут тот же номер выехал». Это оказалось очень важным для администрации, потому что, во-первых, грузовики повреждают дороги очень сильно, и от их количества зависит частота ремонтов. А во-вторых, вроде бы появился аргумент для обоснования большего бюджетирования, поскольку примерно на 60 % центральной дорогой пользуются не жители этого муниципального образования.
7. Пересчитали рабочие ТС. Для статистики по организации общественного транспорта (вроде автобусных маршрутов или железнодорожных станций) очень важно знать, сколько людей в городе ездят работать за его пределы. То же самое распознавание номеров вместе с правилом «выезжает четыре-пять раз в неделю и возвращается через 8–14 часов» позволило понять, что там в деталях и с направлениями.

Все данные системы складываются, и когда-нибудь их можно будет обрабатывать более сложными методами. Сейчас, например, трафик рабочей смены внутри города оценивался людьми и для оптимизации, и для оценки нужного количества и частоты автобусов, но можно будет ещё делать это постоянно автоматически. Плюс данные пригодятся для планирования расширения дорог в городе и в регионе, когда это понадобится.

Эксперименты

• На сервер координации дорожного движения заводим данные о расположении машин экстренных служб, сейчас — «скорой помощи». Они передают свои координаты ГЛОНАСС, а у самих служб есть статусы: просто движется, на вызов, и если это «скорая» — можно вытащить срочность и адрес. Зная цель движения, мы можем поднять приоритет на том плече движения, которое используется «скорой» на вызове: это не значит, что мы включим зелёный на всём пути её движения, а значит лишь то, что сможем частично расчистить за счёт естественного движения дорогу впереди. В наших моделях часто перевести на зелёный пару светофоров по маршруту на 15 секунд раньше может означать решение проблемы — успеть прибыть, не останавливая при этом весь остальной город. И, главное, для этого не нужен оператор. Пока застряли в согласованиях с разными службами: к сожалению, здесь нужно «подружить» очень много ведомств, а это медленно.
• При необходимости можно с лёгкостью развернуть систему фотовидеофиксации нарушений правил дорожного движения на перекрёстках, добавив камеры и используя существующую инфраструктуру.
• Начали использовать детекторы движения для определения пешеходов. Есть в городе один проблемный нерегулируемый переход, где часто происходят ДТП вечером и ночью. Проблема в том, что он находится в парковой (лесной) зоне на въезде в город, где скорость движения транспорта ещё магистральная, и почти всегда пустой, но нет-нет да кто-то и выскочит (трафик где-то 800 человек за сутки). А водители уже привыкают не снижать скорость перед ним. Пробовали накопать «лежачих», сделать знаки поярче, осветить переход получше, но не дало нужного результата. Мы сделали огромный светильник с надписью «ВНИМАНИЕ, ПЕШЕХОД!» сверху на удалении и включаем его при наличии пешехода. Можно подключить туда что угодно: и проектор сетки, и софит на пешехода, и болларды даже, как в Амстердаме, но у нас пока в эксперименте — табло.

Итог:

• На всех 12 светофорных объектах установлены умные контроллеры, управляются из АСУДД. 30 % перекрёстков, и все въезды-выезды в город оснащены видеодетекцией транспорта, есть сервер координации движения (увы, пока недублированный).
• Минимальная скорость потока увеличилась на 4 км/ч. Оптимизирован поток в часы пик.
• По неофициальным данным, снизилось число угонов.
• Город получил точную возможность учитывать рабочий и транзитный транспорт.
• Представители городских служб обучены самостоятельно работать с системой и развивать её. Администратор системы — человек, который со стороны города вошёл в команду внедрения. Он использует ноутбук для доступа к управлению через сервер АСУДД.
• Система в эксплуатации уже около полугода и продолжает развиваться.

Вот здесь пресс-релиз. Если вы захотите рассказать об этом кому-то из специалистов по дорожному движению в своём городе, то, пожалуйста, просто скиньте ссылку на Хабр и сразу — на мою почту VBabiy@technoserv.com, можно посылать вопросы по системе, про бюджеты и сроки.