Mathematical Modeling for Intelligent Transport Infrastructure Development

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

In order to increase the reliability of feasibility studies for the development of intelligent transport infrastructure in the context of the sustainable development of megacities, it is necessary to more carefully take into account the actual operating conditions of single-level intersections of traffic flows. The solution of this problem requires the use of advanced economic and mathematical tools. The mathematical description is a modification of the fundamental results of E. Borel and F. Haight related to the simplest flow of events. Applications of this method will allow both assessing the economic feasibility of expanding the existing transport infrastructure and designing new transport facilities. This approach can be applied at the stage of the initial quantitative assessment of the feasibility of replacing a one-level intersection of traffic flows with a multi-level interchange to avoid economic losses.

About the authors

Timur G. Gataullin

New Economic Association

Author for correspondence.
Email: t.m.gataullin@mtuci.ru

Deputy Director of the Center for Digital Economy, Professor of the Department of Mathematical Methods in Economics and Management

Russian Federation, Moscow

Ekaterina S. Pleshakova

MIREA Russian Technological University

Email: espleshakova@fa.ru

Candidate of Technical Sciences

Russian Federation, Moscow

Pavel G. Bylevskiy

Moscow State Linguistic University

Email: pr-911@yandex.ru

Candidate of Philosophy, Associate Professor

Russian Federation, Moscow

Alexey V. Osipov

MIREA Russian Technological University

Email: a.v.osipov@mtuci.ru

Candidate of Physical and Mathematical Sciences

Russian Federation, Moscow

Sergey T. Gataullin

MIREA Russian Technological University; Central Economics and Mathematics Institute of the Russian Academy of Sciences

Email: s.t.gataullin@mtuci.ru

кандидат экономических наук

Russian Federation, Moscow; Moscow

References

  1. Ouallane, A.A., Bahnasse, A., Bakali, A., Talea, M. Overview of Road Traffic Management Solutions based on IoT and AI // Procedia Computer Science. Vol. 198, 2022. P. 518 − 523. https://doi.org/10.1016/j.procs.2021.12.279.
  2. Shamlitskiy, Y., Popov, A., Saidov, N., Moiseeva, K. Transport Stream Optimization Based on Neural Network Learning Algorithms (XIII International Conference on Transport Infrastructure: Territory Development and Sustainability) // Transportation Research Procedia. Vol. 68, 2023. P. 417 − 425. https://doi.org/10.1016/j.trpro.2023.02.056.
  3. Degrande, T., Vannieuwenborg, F., Verbrugge, S., Colle, D. Deployment of Cooperative Intelligent Transport System infrastructure along highways: A bottom-up societal benefit analysis for Flanders // Transport Policy. Vol. 134, April 2023. P. 94-105. https://doi.org/10.1016/j.tranpol.2023.02.013.
  4. Korablev, V., Gugutishvili, D., Lepekhin A., Gerrits B. Developing a Traffic Management System Architecture Model // Transportation Research Procedia. Vol. 54, 2021. P. 918 − 926. https://doi.org/10.1016/j.trpro.2021.02.147.
  5. Bhouri, N., Aron, M., Lebacque, J. P, Haj-Salem, H. Effectiveness of travel time reliability indicators in the light of the assessment of dynamic managed lane strategy // Journal of Intelligent Transportation Systems. Vol. 21, Issue 6, 2017. P. 492 − 506. https://doi.org/10.1080/15472450.2017.1327815
  6. Wang, Z., Delahaye, D., Farges, J.-L., Alam S. Complexity optimal air traffic assignment in multi-layer transport network for Urban Air Mobility operations // Transportation Research Part C: Emerging Technologies. Vol. 142, September 2022, 103776. P. 1 − 23. https://doi.org/10.1016/j.trc.2022.103776
  7. Gorodokin, V., Zhankaziev, S., Shepeleva, E., Magdin, K., Evtyukov, S. Optimization of adaptive traffic light control modes based on machine vision (International conference of Arctic transport accessibility: networks and systems) // Transportation Research Procedia. Vol. 57, 2021. P.241 − 249. https://doi.org/10.1016/j.trpro.2021.09.047
  8. Glushkov, A., Shepelev V., Slobodin, I., Zhankaziev, S., Myachkov K. Construction of a System for Dynamic Monitoring of Pollutant Emissions by Transport Flows // Transportation Research Procedia. Vol. 68, 2023. P. 543 − 550. https://doi.org/10.1016/j.trpro.2023.02.074
  9. Tahaei, H., Afifi, F., Asemi, F., Zaki, F., Anuar, N. B. The rise of traffic classification in IoT networks: A survey // Journal of Network and Computer Applications. Vol. 154, 15 March 2020, 102538. P. 1 − 20. https://doi.org/10.1016/j.jnca.2020.102538
  10. Oumaima, E. J., Jalel, B. O., Veronique V. A stochastic mobility model for traffic forecasting in urban environments // Journal of Parallel and Distributed Computing. Vol. 165, July 2022. P. 142 − 155. https://doi.org/10.1016/j.jpdc.2022.03.005
  11. Ibili, F., Owolabi A. O., Ackaah, W., Massaquoi, A. B. Statistical modelling for urban roads traffic noise levels // Scientific African. Vol. 15, March 2022, e01131. P. 1 − 9. https://doi.org/10.1016/j.sciaf.2022.e01131
  12. Rosero, F., Fonseca, N., Mera, Z., López, J.-M. Assessing on-road emissions from urban buses in different traffic congestion scenarios by integrating real-world driving, traffic, and emissions data // Science of The Total Environment. Vol. 863, 10 March 2023, 161002. P. 1 − 17.
  13. Harrou, F., Zeroual, A., Hittawe, M. M., Sun, Y. Chapter 2 − Road traffic modeling // Road Traffic Modeling and Management. Using Statistical Monitoring and Deep Learning. 2022. P. 15 − 63. https://doi.org/10.1016/B978-0-12-823432-7.00007-0
  14. Guchenko, M., Sokhin, N., Skalsky, A., Bartuška, L., Čejka., J. Research of Prognostic Abilities of Local Model of Controlled Process for Traffic Forecasting // Transportation Research Procedia. Vol. 44, 2020. P. 78 − 85. https://doi.org/10.1016/j.trpro.2020.02.012
  15. Glushkov, A., Shepelev, V., Vorobyev, F., Mavrin, A., Marusin, A., Evtykov, A. Analysis of the intersection throughput at changes in the traffic flow structure // Transportation Research Procedia. Vol. 57, 2021. P. 192 − 199. https://doi.org/10.1016/j.trpro.2021.09.042
  16. Abbracciavento, F., Zinnari, F., Formentin, S., Bianchessi, G., Savaresi, S. M. Multi-intersection traffic signal control: A decentralized MPC-based approach // IFAC Journal of Systems and Control. Vol. 23, March 2023, 100214. P. 1 − 10. https://doi.org/10.1016/j.ifacsc.2022.100214
  17. Rudskoy, A., Ilin, I., Prokhorov, F. Digital Twins in the Intelligent Transport Systems // Transportation Research Procedia. Vol. 54, 2021. P. 927 − 935. https://doi.org/10.1016/j.trpro.2021.02.152
  18. Castaneda, K., Sanchez, O., Herrera, R. F., Pellicer, E., Porras H. BIM-based traffic analysis and simulation at road intersection design // Automation in Construction. Vol. 131, November 2021, 103911. P. 1 − 14. https://doi.org/10.1016/j.autcon.2021.103911
  19. Lu, X., Wang, H. Z. J., Zhang, M., Zhou, C., Zhang, H. Modeling impacts of the tunnel section on the mixed traffic flow: A case study of Jiaodong’ao Tunnel in China // Physica A: Statistical Mechanics and its Applications. Vol. 603, 1 October 2022, 127840. P. 1 − 18. https://doi.org/10.1016/j.physa.2022.127840
  20. Mfenjou, M. L., Ari, A. A. A., Abdou, W., Spies, F., Kolyang. Methodology and trends for an intelligent transport system in developing countries // Sustainable Computing: Informatics and Systems. Vol. 19, September 2018. P. 96 − 111. https://doi.org/10.1016/j.suscom.2018.08.002
  21. Jena, S., Patro S., Dutta M., Bhuyan, P.K. Assessment of service quality at unsignalized intersections using traffic simulation and computational intelligence // Transportation Letters. Vol. 14, Iss. 4, May 2022, P. 365 − 377. https://doi.org/10.1080/19427867.2020.1868179
  22. Osipov, A.; Pleshakova, E.; Gataullin, S.; Korchagin, S.; Ivanov, M.; Finogeev, A.; Yadav, V. Deep Learning Method for Recognition and Classification of Images from Video Recorders in Difficult Weather Conditions. Sustainability 2022, 14, 2420. https://doi.org/10.3390/su14042420
  23. Spirin, I.V. Organization and management of passenger road transport. In Transportation Organization and Transport Management; Academy: Moscow, Russia, 2005; p. 396.
  24. Borel E., Sur l'emploi du Théorème de Bernoulli pour Faciliter le Calcul d'un Infinité de Coefficients, Application au Probleme de L' attente a un Guichet, Compt. rend. acad. sci. Paris, 214, 452-456 (1942)
  25. Saaty, Thomas L. Elements of queueing theory: with applications. Vol. 34203. New York: McGraw-Hill, 1961.
  26. Haight, Frank A. Mathematical theories of traffic flow. 1965.
  27. Ivanyuk, V. Forecasting of digital financial crimes in Russia based on machine learning methods. J Comput Virol Hack Tech (2023). https://doi.org/10.1007/s11416-02300480-3
  28. Stack Exchange Network [Electronic resource]: Mathematics https://math.stackexchange.com/questions/1332413/comparing-two-exponential-randomvariables(accessdate 07/31/2023).

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».