Ученые разработали гибридный эволюционный алгоритм, который позволяет оптимизировать пропускную способность городских дорог на 5–15%. Система сочетает в себе методы агентного имитационного моделирования, искусственный интеллект и биологические принципы, что позволяет находить самые эффективные варианты расположения дорожной инфраструктуры. Разработка будет полезна для проектирования более удобных дорожных сетей, включая многоуровневые развязки и тоннели. Результаты исследования опубликованы в журнале IEEE Access.
Современные города, особенно мегаполисы, испытывают растущие транспортные проблемы — пробки и неэффективное использование дорожного пространства. Традиционные методы проектирования дорожных сетей часто не учитывают динамику транспортных потоков. Поэтому внедрение алгоритмов на основе искусственного интеллекта, которые могут предложить более адаптивные решения для оптимизации дорожной инфраструктуры, становится все более актуальным.
Ученые из Центрального экономико-математического института РАН разработали гибридный генетический алгоритм, который сочетает многоагентное моделирование и эволюционные принципы. Система ищет оптимальные решения, используя механизмы, аналогичные тем, что существуют в биологии — например, отбор и кроссинговер. Это позволяет анализировать структуру транспортного потока, предсказывать заторы и предлагать оптимальные конфигурации для новых дорог.
Исследователи создали серию моделей различной сложности для тестирования системы, включая как простейшие перекрестки, так и сложные трехуровневые развязки. Эксперименты показали, что алгоритм может повысить скорость потока транспорта на 5–15% при увеличении количества дорожных развязок всего на 1–5% от общей длины дороги.
«Наш алгоритм позволяет проектировать многоуровневые и многосвязные дорожные сети, способные эффективно функционировать даже в условиях высокой нагрузки. В будущем такие решения помогут уменьшить пробки и улучшить комфорт передвижения по дорогам», — комментирует профессор Андраник Акопов, главный научный сотрудник лаборатории Динамических моделей экономики и оптимизации.
В текущих условиях городского планирования, когда транспортные сети оказываются под постоянным давлением, внедрение умных и эффективных алгоритмов становится критически важным. Ожидается, что дальнейшее развитие данной разработки откроет новые возможности для оптимизации более сложных участков дорожной сети, включая «умные» светофоры и инфраструктуру для беспилотного транспорта.