Избор и локација сензора на транспортним мрежама применом метода операционих истраживања

Abstract

За правилну примену и функционисање концепта ИТС-а (Интелигентних транспортних система) неопходни су поуздани уређаји који обезбеђују податке о саобраћајним показатељима. Без правовремених података у реалном времену није могуће доносити адекватне управљачке одлуке. У том смислу, сензори саобраћајног тока, као део система детекције, кључни су део ИТС-а. Доносиоци одлука имају могућност избора типа сензора из широког опсега технологија од којих свака има своје предности, али и недостатке. Досадашња светска искуства показују да не постоји једна врста сензора која би задовољила све потребеса којима се суочавају ИТС. У дисертацији су анализирана два проблема у вези са сензорима саобраћајног тока. Први проблем који је разматран је развој методолошког оквира за рангирање и избор конкретне сензорске технологије за потребе прикупљања података о саобраћајном току. Разматране су различите интересне групе и захтеви које они постављају пред систем детекције, анализиран је и агрегиран велики скуп релевантних критеријума који су укључени у процес доношења одлуке. Представљени модел заснован је на групном доношењу одлука (енгл. Group decision making) у оквиру Фази аналитичко хијерархијског процеса (енгл. Fuzzy Analytic-Hierarchy Process – Фази AHP) где је оцењивање аспеката одлуке, као и свих алтернативних сензорских технологија по свим критеријумима представљено троуглстим фази бројевима. Критеријуми су сврстани у четири групе: користи (енгл. Benefits), могућности (енгл. Opportunities), трошкови (енгл. Costs) и ризици (енгл. Risks), који чине тзв. BOCR аспекте одлуке. Предложени Фази AHP-BOCR модел је општи и може бити примењен на различитим транспортним мрежама и у различитим окружењима. Методолошки оквир је тестиран на студији случаја одабира сензора за мерење брзине са становишта доносилаца одлуке из различитих интересних група. Фази оцене алтернатива по критеријумима су добијене из релевантне литературе, а оцене самих критеријума, као и BOCR аспеката одлуке су евалуиране од стране 13 екперата из ове области из три интеренсе групе. Као коначни резултат спровођења модела евалуације свакој сензорској технологији се придружује јединствена оцена која представља меру квалитета ове сензорске технологије у односу на то колико је прихватљив доносиоцу одлуке из одређене интересне групе. Други проблем који је разматран у дисертацији је одређивање најподобнијих локација сензора на деоници пута за потребе процене времена путовања. Број инсталираних сензора утиче на тачност процењеног времена путовања. Што је више сензора постављено, процењени подаци ће бити тачнији. Са друге стране, потребна средства која треба уложити за набавку и одржавање инсталираних уређаја су ограничена, те је у интересу управљача пута да уложи што мање средстава, односно да постави што мањи број сензора. Модел одређивања локација сензора који је преузет из литературе минимизира кумулативну релативну грешку процене времена путовања, и узима у обзир финансијска ограничења која се огледају у броју постављених сензора на деоници пута. Модел, такође, омогућава и да се установи које локације сензора су веома значајне са становишта оцене времена путовања, те је за њих неопходно често вршити проверу исправности како не би дошло до одступања оцењеног времена путовања од њене стварне вредности. За решавање проблема лоцирања сензора на деоници пута у дисертацији је коришћена метахеуристика Оптимизација колонијом пчела (енгл. Bee Colony Optimization - BCO), и то њена варијанта заснована на побољшању решења, BCOi. Проблем лоцирања сензора је у досадашњој литератури решаван конструктивном варијантом ове метахеуристике, BCOc. BCOi метахеуристика је оригинално развијена како би се превазишли неки неповољни резултати добијени код неколико комбинаторних проблема на које је примењена конструктивна варијанта BCOc. Бољи резултати BCOi били су мотив за коришћење ове метахеуристике приликом решавања проблема одређивања локација сензора на транспортним мрежама. Решење проблема је тестирано на реалним подацима студије случаја на деоници пута E-763 у Републици Србији. Извршена је анализа утицаја броја постављених сензора и њихових локација на релативну грешку процене времена путовања. BCOi метахеуристика је достигла довољно добра решења за прихватљиво време рада рачунара. Резултати добијени коришћењем BCOi метахеуристике упоређени су потом са резултатима добијеним коришћењем метахеуристике Симулираног каљења (Simulated annealing – SA). У погледу брзине извршавања алгоритма BCOi је надмашила алгоритам Симулираног каљења, док је у упоредивом времену рада алгоритма BCOi постизала боља решења за проблеме већих димензија.

The proper ITS (Intelligent Transport Systems) concept implementation and operation requires reliable devices that provide traffic data. Without well-timed real-time data, it is not possible to make adequate management decisions. Traffic flow sensors, as part of the detection system that provide real-time data, are a key part of ITS. Decision makers have to choose the type of sensor from a wide range of technologies, each with its own advantages and disadvantages. World experience so far shows that there is no one type of sensor that meets all the needs of ITS. Two problems associated with traffic flow sensors have been analyzed in the dissertation. The first problem discussed the dissertation is the development of a decision making framework for the sensor technology evaluation and selection for the purpose of collecting traffic flow data. Various stakeholders were considered and the requirements they set for the detection system. Large set of relevant criteria included in the decision making process were analyzed and aggregated. The criteria were classified into four groups: Benefits, Opportunities, Costs and Risks, so called BOCR merits of the decision making. The model presented is based on Group decision making and Fuzzy Analytic-Hierarchy Process (Fuzzy AHP), where evaluation of hierarchy elements such as BOCR merits, different criteria, as well as sensor technology alternatives, were represented by triangular fuzzy numbers. The proposed Fuzzy AHP-BOCR model is general and can be applied across transport networks and environments. The decision making framework was tested on a case study of selecting speed sensors from the perspective of decision makers from different stakeholders. Fuzzy criteria evaluations of the alternatives were obtained from the relevant literature, and the evaluations of the criteria themselves as well as the BOCR merits were evaluated by 13 experts in the field, from three stakeholders. As a final result of the implementation of the evaluation model, each sensor technology is associated with a unique rate that represents a quality measure of this sensor technology from the point of view of acceptability by the decision maker from a particular stakeholder. Another problem discussed in the dissertation is the determination of the most appropriate sensor locations on the road section for the purposes of estimating travel time. The number of sensors installed affects the accuracy of the estimated travel time. The more sensors are placed, the more accurate the data will be. Otherwise, the resources required to purchase and maintain installed devices are limited, and it is in the interest of the road controller to invest as little as possible and to install as few sensors as possible. The sensor location model taken from the literature minimizes the cumulative relative travel time estimation error, and takes into account the financial constraints reflected in the number of sensors placed in the road section. The model also makes it possible to identify which sensor locations are very significant from the point of view of the travel time estimation, and it is necessary for them to check the correctness frequently so that the estimated travel time does not deviate from its real value. The Bee Colony Optimization (BCO) metaheuristic was used to solve the sensor location problem in the section of the dissertation, and its variant based on solution improvement, BCOi. The problem of sensor location has been addressed in the literature so far by the constructive variant of this metaheuristic, BCOc. BCOi metaheuristics was originally developed to overcome some unsatisfying results obtained from several combinatorial problems to which the constructive variant BCOc was applied. Better BCOi results were a motiveating factor for using this metaheuristic when solving sensor location issues on transportation networks. The solution to the problem was tested on real case study data on a section of the E-763 road in the Republic of Serbia. The effect of the number of sensors and their locations on the relative travel time estimation error was analyzed. BCOi metaheuristics has come up with good enough solutions for acceptable computer running times. The results obtained using BCOi metaheuristics were then compared with the results obtained using the Simulated Annealing (SA) metaheuristics. In terms of the execution speed of the algorithm, BCOi outperformed the SA algorithm, while in comparable operating time the BCOi algorithm achieved better solutions to larger scale problems.