Приложение А. Базовые понятия и подходы транспортного моделирования

Приложение А. Базовые понятия и подходы транспортного моделирования

А.1 Классификация методов моделирования транспортных потоков

За все время развития теории транспортных потоков появилось множество способов математического описания процессов поведения как потоков в целом, так и отдельных автомобилей и их взаимодействия между собой и транспортной инфраструктурой. Многие методы получили широкое распространение на практике для моделирования поведения транспортных потоков с целью прогнозирования и оценки их параметров. Существующие методы моделирования используют различный математический аппарат, основываются на различных допущениях, имеют различную степень детализации и, соответственно, обладают различными способностями, недостатками и преимуществами.

Ключевым классификационным признаком является способ описания объекта моделирования. Объектом моделирования является транспортный поток, и с точки зрения способа его описания можно выделить модели формирования спроса (travel demand models) и модели непосредственно транспортных потоков (traffic flow models). Первый тип моделей дает только количественную характеристику - объем движения или уровень спроса с разделением по различным видам транспорта, а второй описывает взаимосвязи внутренних параметров потока и показателей работы участков УДС. Вторым основным классификационным признаком является тип транспорта и корреспонденций, с этой точки зрения разделение идет на модели пассажирских и грузовых корреспонденций, а также модели пешеходных потоков.

С точки зрения подхода к описанию процесса формирования людских и материальных потоков, модели формирования спроса можно разделить на агрегированные и дезагрегированные.

Агрегированная модель оценивает объем поездок исходя из обобщенных параметров каждого транспортного района, таких как количество жителей, структура населения, число мест приложения труда, уровень автомобилизации, транспортная подвижность населения, наличие и характеристики грузообразующих объектов и т.д.

Дезагрегированные модели или модели цепочек действий (activity-based models) предполагают, что транспортные потребности жителя определяются его необходимостью принимать участие в некоторой деятельности в различное время и в различных местах. Каждое домохозяйство или даже отдельный житель рассматривается, как единица способная принимать решения. Конкретное транспортное поведение определяется исходя из стремления минимизировать затраты и максимизировать выгоды от различной деятельности. В данном типе моделей применяется математический аппарат методов условной оптимизации и теории дискретного выбора.

Модели непосредственно транспортных потоков - это математические модели, такие как гидродинамические, кинетические, клеточные автоматы, следования за лидером и т.д. Сами по себе такие модели не применяются на практике в чистом виде, а используются в качестве математической основы в специальных программных комплексах.

Описание транспортного потока разделяется на:

- агрегированное (макро-), оперирующее общими параметрами (скорость, плотность, интенсивность);

- дезагрегированное (микро-), где учитываются закономерности движения отдельных автомобилей или их небольших групп.

По способу получения информации о транспортном потоке модели делятся на:

- аналитические модели, которые основаны на теоретических и эмпирических зависимостях между параметрами транспортного потока и транспортной инфраструктуры;

- имитационные модели, которые стремятся описать и воспроизвести во времени процессы движения транспортных потоков и их взаимодействия с транспортной инфраструктурой.

Таким образом, с рассмотренных позиций модели транспортных потоков делятся на:

- аналитические макромодели,

- аналитические микромодели,

- имитационные макромодели,

- имитационные микромодели.

Аналитические макромодели представляют собой статическое распределение потоков по сети исходя из зависимостей скорости и плотности потока, полученных на основе фундаментальной диаграммы. Такой тип используется также в классической 4-х шаговой процедуре и присутствует во всех программных пакетах для транспортного планирования (ЕММЕ, CUBE, VISUM и др.).

Аналитические микромодели - это более детальное описание зависимостей, основанное на теории транспортных потоков. Такой подход используется, как правило, в программных продуктах, предназначенных для анализа локальных объектов (перекрестков, участков магистралей, развязок, круговых пересечений), к ним относятся, например, SIDRA INTERSECTION, HCS, ARCADY и т.п.

Имитационные макромодели описывают динамику развития ситуации на участке транспортной сети в терминах потоков в целом или "пачек" автомобилей. Такой подход характерен для программных продуктов по оптимизации режимов светофорного регулирования (TRANSYT, SATURN, SYNCHRO и др.).

Имитационные микромодели воспроизводят динамику движения транспортных потоков учитывая поведение и условия движения каждого транспортного средства. Наиболее известные представители программного обеспечения, реализующие этот подход: VISSIM, AIMSUN, PARAMICS и пр.

В литературе все чаще встречается понятие мезомоделей, как особого подхода к моделированию транспортных потоков. Однако определение такого подхода весьма расплывчато и нет единого мнения в вопросе, какой именно математический аппарат соответствует этому подходу. Мезоскопические модели рассматривают единичные транспортные средства, но описывают их движение и взаимодействие на основании статистических, агрегированных зависимостей. Мезомодели также могут быть аналитическими и имитационными.

Важным признаком классификации является назначение математических моделей транспортных потоков. Назначение, с точки зрения практического применения и решения конкретных задач, появляется у моделей только в составе специальных программных комплексов. Таким образом, классифицировать по назначению представляется возможным только готовое программное обеспечение для моделирования транспортных потоков. С этой позиции программные продукты делятся на применяемые для:

- предварительного (скетч) планирования, в т.ч. досетевые методы;

- стратегического планирования (прогнозирования);

- тактического планирования и управления (макро и мезо модели);

- планирования работы отдельных видов транспорта (грузовой, ТОП, такси и др.);

- детального анализа движения потоков (микро и мезо моделирование);

- оптимизации параметров координированного светофорного регулирования, в т.ч. в АСУДД;

- расчета геометрических параметров и параметров регулирования на отдельных перекрёстках;

- анализа движения пешеходных потоков;

- оценки уровня безопасности движения.

Стоит отметить, что в последнее время наблюдается тенденция объединения инструментов для решения нескольких задач в едином программном комплексе или взаимосвязанном семействе продуктов одного разработчика. Также появляется много программных модулей стыковки между распространенными продуктами различного назначения для упрощения процесса ввода и обмена данными. Таким образом, отнесение многих программных продуктов к одной из перечисленных категорий по назначению оказывается затруднительным.

Для практических задач наиболее подходящим является разделения на категории по двум классификационным признакам:

- на основе подходов моделирования (макро-, мезо-, микро-);

- по принципу моделирования (аналитический и имитационный).

При этом, мезо подход, ввиду неопределенности его границ, следует рассматривать как вспомогательный и рекомендовать к применению совместно с одним из других подходов или как альтернативу при отдельном обосновании.

В таблице А.1 приведены сводные данные о классификации моделей транспортных потоков.

Таблица А.1 - Результирующая классификация моделей транспортных потоков

Подход моделирования	Класс точности	Функциональность и назначение	Производительность	Примеры ПО
Макро аналитический	низкий	Прогноз перераспределения потоков на крупных сетях. Модели стратегического планирования и тактические модели.	очень высокая	EMME, TransCAD, VISUM, AIMSUN (v8), CUBE
Макро имитационный	средний	Прогноз перераспределения потоков с учетом фактора времени. Приближенная оценка показателей качества работы УДС. Задействование в контуре оптимизации параметров регулирования.	высокая	TRANSYT, SATURN, SYNCHRO, LinSig
Микро аналитический	высокий	Анализ показателей работы отдельных перекрестков, небольших участков магистралей.	высокая	SIDRA INTERSECTION, HCS, ARCADY
Микро имитационный	очень высокий	Детальный анализ показателей работы отдельных перекрестков, магистралей, небольших и средних сетей.	низкая	VISSIM, AIMSUN, PARAMICS, CORSIM
Мeзо аналитический	средний	Анализ показателей работы отдельных перекрестков, магистралей, небольших, средних и крупных сетей.	очень высокая	н/д
Мезо имитационный	высокий	Анализ показателей работы отдельных перекрестков, магистралей, небольших, средних и крупных сетей.	средняя	AIMSUN, CONTRAM, DYNAMIT-P VISSIM (v8)

Также в задачах проектирования ОДД часто возникает необходимость моделирования пешеходных потоков. Описание динамики поведения пешеходов - это отдельное направление, основанное на принципиально иных закономерностях. В отличие от транспортных потоков у пешеходов нет полос движения, четких правил поведения, меньшие физические габариты, в плотных потоках допускается физический контакт и т.д. Среди моделей пешеходных потоков также встречаются макро и микроуровни, применяются аналитические и имитационные подходы. Наиболее известными являются:

- модель магнетических сил (Magnetic Force Model);

- модель социальных сил (Social Force Model);

- клеточные модели (Benefit Cost Cellular Model) и др.

Среди программных продуктов можно выделить Legion, Myriad II, Mass Motion, блок пешеходного моделирования VISWALK в составе VISSIM и др.

Наиболее подходящей и наиболее адекватно и точно описывающей поведение пешеходов моделью в настоящее время является модель социальных сил. Рекомендуется использовать программные продукты на основе данного типа моделей в практике разработки проектов ОДД.

В современных условиях актуальным является также вопрос моделирования велосипедных потоков, особенно в условиях смешанного движения с автомобилями и пешеходами. Анализ современных публикаций показал, что для моделирования велосипедных потоков многими авторами предпринимались попытки адаптировать как модели, используемые для моделирования движения автомобилей (следования за лидером, клеточные автоматы), так и модели движения пешеходов (модели социальных сил). Ни один из подходов не дал удовлетворительных результатов по воспроизведению реального поведения велосипедистов. В литературе отмечается необходимость продолжения исследований в этом направлении и включения функционала моделирования велосипедных потоков в программные пакеты моделирования дорожного движения. Некоторые из современных программных продуктов позволяют моделировать велосипедное движение на основе тех же моделей, что и для автомобильных потоков, однако, как уже было отмечено, достоверность результатов такого моделирования не может быть гарантирована.

А.2 Основные принципы функционирования микромоделей транспортных потоков

К микромоделям транспортных потоков относятся модели, описывающие транспортный поток на уровне отдельных автомобилей или их небольших групп. Аналитическая микромодель представляет собой одну или несколько математических зависимостей, полученных в результате анализа эмпирических данных на основе различных подходов теории транспортных потоков или на основе теории систем массового обслуживания. Такая модель жестко связывает входные параметры с результатами расчета.

При имитационном моделировании динамические процессы системы-оригинала подменяются процессами, имитируемыми алгоритмом модели, с соблюдением тех же соотношений длительностей, логических и временных последовательностей, как и в реальной системе. Имитационное моделирование на микроуровне позволяет максимально точно оценить результирующие показатели качества работы сети, такие как уровень задержек, средняя скорость, число остановок, уровень загрузки и т.д.

На рисунке А.1 изображена обобщенная диаграмма процесса имитационного моделирования, который состоит из следующих этапов.

1. Формулирование проблемы и планирование операций: распознавание природы задачи определение требований к отысканию ее решения.

2. Сбор данных и формирование модели: получение эмпирических свидетельств характеристиках поведения системы, выдвижение гипотез и преобразование их терминах соответствующего формального представления.

3. Контроль адекватности модели, т.е. проверка того, что ответы на вопросы типа "А что, если...", адресуемые модели, могут быть признаны верными.

4. Трансляция модели в форму компьютерной программы.

5. Проверка функционирования компьютерной программной модели.

6. Выработка проектных решений по преобразованию вопросов "А что, если..." в формат вычислительных экспериментов. Определение процедур выборки данных для целей статистического анализа и получения надлежащих ответов на вопросы.

7. Проведение имитационных компьютерных экспериментов и анализ результатов.

Основой имитационной микромодели дорожного движения является набор субмоделей описывающих определенные аспекты поведения водителей. К ним относятся: модель следования за лидером, модель смены полос, модель выбора безопасного промежутка в потоке, модель выбора скорости, модель слияния с потоком, модель обгонов.

Структуру имитационной микромодели можно представить через взаимодействие элементов системы ВАДС (водитель-автомобиль-дорога-среда).

Водитель. Данный элемент системы содержит вышеописанные модели поведения при движении в потоке (следования за лидером, смены полосы, выбора разрыва в потоке и т.д.), также учитывается присущее водителю время реакции, желаемая скорость движения, степень соблюдения ограничения скоростного режима и другие поведенческие характеристики.

Автомобиль. Элемент автомобиль описывается в основном физическими габаритами (длина и ширина), тягово-скоростными характеристиками, принадлежностью к какому-либо классу, пассажировместимостью и т.д.

Дорога. В рамках данного элемента системы описываются все параметры инфраструктуры, организации и управления движением. Сюда входят геометрические параметры УДС (число и ширина полос, радиусы поворотов, уклоны и т.д.), параметры ОДД (направления по полосам, запрет маневров, ограничение скорости, выделенные полосы и т.д.), параметры управления (режимы светофорного регулирования, параметры работы АСУДД и ИТС).

Среда. В понятие среды в имитационном моделировании входит воздействие на транспортные потоки погодных условий в части ограничения видимости и снижения сцепных качеств покрытия. Эти факторы приводят к снижению скорости движения и увеличению дистанции между автомобилями.

Таким образом, программные комплексы микромоделирования имитируют движение транспортных потоков на уровне взаимодействия элементов системы ВАДС. Это позволяет максимально точно оценить результирующие показатели качества работы участков дорожной сети.

В современных программных комплексах для микромоделирования транспортных потоков в стандартной комплектации, как правило, имеется возможность выбора нескольких разновидностей моделей, а также возможность загрузки пользователем любой другой модели.

В процессе имитации функционирования исследуемой системы, как при эксперименте с самим оригиналом, фиксируются определенные события и состояния, по которым вычисляются затем необходимые характеристики качества функционирования изучаемой системы (уровень задержек, средняя скорость, число остановок, уровень загрузки и т.д.). Каждый эксперимент с моделью имеет в основе некоторое случайное число, определяющее дальнейшее развитие событий в модели. Статистически достоверные результаты могут быть получены только путем усреднения результатов по нескольким репликациям (прогонам) модели. Число прогонов определяется в соответствии с положениями теории планирования эксперимента.

Используемые в программных комплексах микромоделирования субмодели имеют ряд параметров, которые могут быть изменены для более точного воспроизведения местных особенностей движения потоков в процессе калибровки модели. Число таких параметров в программных комплексах достигает нескольких десятков, и каждый из них оказывает определенное влияние на результат моделирования. Выбор того или иного значения каждого параметра требует наличия глубокого понимания теоретический и математической базы используемого программного продукта. В этой связи метод имитационного микромоделирования, а в особенности этап калибровки модели, предъявляют наивысшие требования к уровню квалификации специалистов.

А.3 Основные принципы функционирования моделей транспортного спроса и макромоделей транспортных потоков

Сферой использования макромоделей, в основном, является стратегическое и тактическое планирование развития транспортной системы и оценка масштабных проектов по ОДД, оказывающих влияние на движение транспортных потоков на значительной территории. Ключевая задача моделирования на таком уровне - расчет изменений спроса по видам транспорта, по времени совершения поездки и по маршрутам движения. Для первоначальной оценки спроса используются модели формирования транспортного спроса. На основе функционального анализа территории, социально-экономических данных и поведенческих характеристик населения такие модели позволяют оценить параметры транспортного спроса и представить его в виде матриц корреспонденций с разбивкой по целям поездок, категории пользователей и времени совершения поездок. Процесс расчета транспортного спроса и результирующих потоков по сети исторически сложился в последовательность действий, получившую название "классическая четырехшаговая процедура (модель)" (рисунок. А.2). Основой построения модели является деление территории моделирования на транспортные районы, гомогенные с точки зрения функциональной роли и транспортной доступности. Второй, не менее важной составляющей, является модель транспортного предложения - набор графов имеющихся транспортных и маршрутных сетей со всеми присущими им атрибутами (длина, пропускная способность, разрешенная скорость, наличие регулирования, остановочных пунктов, парковки и т.д.).

Модель транспортного предложения даёт представление о возможностях существующей транспортной инфраструктуры исследуемой территории с требуемой степенью точности. При этом требования к степени детализации данных о транспортном предложении определяются собственно объектом моделирования и конкретным кругом задач, для решения которых строится транспортная модель.

На выходе модель транспортного предложения формирует первичные матрицы затрат - таблицы, содержащие обобщенные оценки временных, денежных затрат и прочих затрат на перемещение между каждой парой транспортных районов в свободных условиях.

На этапе генерации поездок (Шаг 1) производится оценка суммарных объемов прибытия и отправления в каждом транспортном районе. Оценка объемов прибытия и отправления производится отдельно по каждой цели (слою) передвижений на основе следующих данных:

- данные о пространственном размещении населения и других объектов создания и притяжения передвижений, относящихся к определенной цели;

- данные о подвижности населения, то есть среднее количество поездок с данной целью, совершаемых в течение суток.

Для оценки объемов прибытия и отправления могут использоваться различные методы, такие как:

- регрессионные модели;

- перекрестная классификация;

- модели дискретного выбора.

На выходе первого шага получаются заготовки матриц корреспонденций, у которых правый столбец и нижняя строка заполнены значениями суммарного числа отправлений и прибытия по каждому району.

На этапе распределения поездок по зонам (Шаг 2) происходит расчет значений во всех остальных ячейках матрицы корреспонденций, т.е. числа поездок между каждой парой районов отправления/прибытия. С математической точки зрения задача распределения общего числа генерируемых в каждом районе поездок по остальным районам с соблюдением баланса суммарных значений отправления и прибытия имеет бесконечное число решений. Для получения результатов, которые отражают реальную ситуацию необходимо учитывать данные обследований транспортного поведения и фактических потоков, а также использовать специальные методы расчета. Наиболее адекватные результаты расчета межрайонных корреспонденций дает так называемая гравитационная модель: корреспонденция из одного района в другой будет тем больше, чем больше емкости районов прибытия и отправления, и чем ближе друг к другу расположены эти районы. При этом близость или дальность районов понимается не в географическом, а в транспортном смысле, в виде некоторой комплексной оценки быстроты и удобства передвижения по транспортной сети. Значения дальности или стоимости сообщения между каждой парой районов отправления/прибытия берутся из матрицы затрат, полученной в результате анализа модели транспортного предложения.

Еще одним распространенным методом расчета межрайонных корреспонденций является энтропийная модель, которая представляется в форме нелинейной оптимизационной задачи математического программирования. Качество результатов расчета с помощью энтропийной модели напрямую зависит от точности и полноты задания априорных условий по предпочтениям пользователей в перемещениях.

Этап расчета матриц корреспонденций является наиболее важным с точки зрения достоверности конечных результатов моделирования. Несмотря на то, что современные программные комплексы, как правило, имеют удобные встроенные средства расчета матриц корреспонденций, для их правильного использования необходимо иметь понимание теоретических положений, которые изложены в специальной литературе.

Таким образом, на выходе шага 2 должны быть получены матрицы корреспонденций для каждого слоя передвижений с разбивкой по времени суток при необходимости.

На этапе разделения поездок по видам транспорта (Шаг 3) происходит оценка того, какие виды транспорта (способы поездки) будут использоваться для реализации полученных на предыдущем шаге межрайонных корреспонденций. На выбор способа совершения поездки влияют как объективные параметры самой поездки, так и субъективные ощущения конкретного пользователя. Факторы, влияющие на выбор пользователем способа поездки, делятся на 3 группы:

- характеристики данного вида транспорта (в первую очередь скорость сообщения, надежность выполнения графика движения, дальность пешеходных подходов, продолжительность ожидания, связанного с необходимостью пересадки, стоимость поездки, а также уровень комфорта, безопасность, возможность телефонных разговоров во время поездки, доступ к Internet и т.п.);

- социально-экономический статус пользователя (наличие личного автомобиля, уровень дохода, состав семьи, деловые или социальные задачи, требующие автомобиля до, после или в рабочее время и т.п.);

- характеристики поездки (цель поездки, время ее выполнения, наличие стоянки и ее стоимость в пункте назначения, наличие попутчиков и их количество и т.п.).

Распределение межрайонных корреспонденций по доступным видам транспорта осуществляется на основе эмпирически полученных зависимостей или с помощью моделей, основанных на вероятностном дискретном выборе. В качестве критерия выбора используется максимизация полезности для пользователя или минимизация его затрат.

На выходе шага 3 получаются матрицы межрайонных корреспонденций для каждого способа передвижения.

На этапе распределения поездок по маршрутам (Шаг 4) оценивается нагрузка на транспортную сеть. Корреспонденции, которые по расчетам будут реализованы на индивидуальном автомобильном транспорте распределяются по возможным маршрутам следования. Наиболее распространенный в мировой практике подход к моделированию распределения потоков в транспортной сети основан на концепции "равновесного распределения потоков", сформулированной в 1952 г. профессором Уордропом. Равновесное распределение - это распределение автомобильных потоков по различным альтернативным путям в сети, возникающее в результате стремления всех участников движения уменьшить обобщенную цену своей поездки в сети с ограниченной пропускной способностью. В результате выбора всеми участниками движения (на основании предшествующего опыта) оптимальных путей, возникает распределение, в котором уже ни один участник не может так изменить свой путь, чтобы уменьшить его обобщенную цену (время движения). Время поездки по каждому маршруту определяется на основе макромодели транспортного потока, реализованной в виде функции отражающей зависимость времени проезда по участку от нагрузки на этот участок (CR или VDF функции).

Аналогично проводятся расчеты объемов и маршрутов движения грузовых корреспонденций. Маршрутные транспортные средства не участвуют в распределении и принимаются как фоновые потоки.

В результате расчета распределения поездок по маршрутам появляются новые значения времени проезда между транспортными районами, что может существенно повлиять на распределение поездок по районам. Для учета возможных изменений необходимо провести несколько итераций расчета начиная со второго шага описанной процедуры.

Приведенная последовательность расчета является наиболее общим случаем решения задачи определения транспортного спроса и нагрузки на УДС. Конкретные программные продукты могут иметь свои дополнения и особенности проведения таких расчетов. Дополнительную информацию и более подробное описание можно найти в специальной литературе.

А.4 Основные принципы оптимизации параметров светофорного регулирования

В процессе развития технологий расчета параметров светофорного регулирования сформировалось два основных подхода: расчетный и оптимизационный.

Расчетный метод основывается на эмпирических формулах, позволяющих оценить параметры регулирования, при которых будут обеспечены наилучшие условия движения. Такие формулы были выведены по результатам различных исследований. Наибольшее распространение получили модели, учитывающие как детерминированные, так и вероятностные свойства транспортного потока. Наиболее известной является формула Вебстера, она широко используется на практике по всему миру, но имеет свои ограничения. Одна из формул расчета задержки, наиболее точно учитывающих условия движения на регулируемом перекрестке, была представлена в американском руководстве по пропускной способности дорог (НСМ 1994 - Highway Capacity Manual). Сравнительное тестирование аналитических моделей НСМ 2000, CCG 1995 и формулы Вебстера, показало, что в условиях малонасыщенного потока оценки задержек имеют приблизительно одинаковые результаты. Вместе с тем, оценки задержек по методике НСМ 1994 занижены, особенно это проявляется при уровне насыщения подхода v/c > 1. Формула Вебстера при уровне загрузки v/c > 1 теряет смысл, работоспособными остаются модели НСМ 2010, НСМ 1994 и CCG 1995.

При выводе формул для определения показателей уровня обслуживания на перекрестке допускались гипотезы, упрощающие аналитические выводы, но ослабляющие практическую применимость моделей. Таким образом, используемые в настоящее время аналитические алгоритмы и модели не всегда выдают адекватную оценку задержек транспортных средств на регулируемых перекрестках. В условиях транспортных потоков высокой плотности расчеты по различным формулам приводят к совершенно различным результатам. Кроме того, аналитические формулы применимы только для отдельных перекрестков и не позволяют рассчитать параметры координированного управления.

Второй подход заключается в поиске наилучших параметров регулирования при помощи алгоритмов оптимизации, при этом оценка параметров производится с использованием некоторой модели. Результаты, полученные оптимизационным методом, во многом зависят от качества модели, используемой в контуре оптимизации.

В качестве критерия оптимизации может выступать минимизация суммарной задержки транспортных средств, выравнивание загрузок транспортных направлений, минимизация задержек всех участников движения, минимизация объема эмиссии выхлопных газов и др.

Наиболее распространенным методом оптимизационного расчета параметров светофорного регулирования является алгоритм TRANSYT (TRAffic Network StudY Tool), разработанный TRL (Великобритания) в начале 70-х годов и продолжающий совершенствоваться до настоящего времени. В рамках метода реализуется итерационный процесс взаимодействия двух основных структурных блоков: имитационной модели и оптимизатора. Имитационная модель позволяет на основании сведений о текущих значениях параметров регулирования, информации о транспортных потоках и временах проезда между стоп-линиями рассчитать значение критерия оптимальности. Оптимизатор изменяет значения параметров регулирования, анализируя полученное значение критерия оптимальности и реализуя заданную пользователем стратегию. Стратегия поиска наилучших параметров регулирования в TRANSYT представляет собой сочетание метода случайного поиска с градиентным спуском, а также использует генетический алгоритм в одной из последних версий.

Таким образом, в процессе разработки проектов АСУДД в городских условиях, где основным средством воздействия на транспортный поток являются светофорные объекты, моделирование может использоваться при расчете параметров регулирования в рамках метода TRANSYT и ему подобных. Для детальной оценки результатов расчета следует использовать имитационное микромоделирование. Для оценки работы магистральных АСУДД наилучшим инструментом также является микромоделирование.