На правах рукописи

Погребняк Максим Анатольевич

Моделирование движения транспортных потоков

Специальность 1.2.2 — Математическое моделирование, численные

методы и комплексы программ

Автореферат
диссертации на соискание учёной степени
кандидата физико-математических наук

Ярославль — 2025
Работа выполнена на кафедре математического моделирования математи­
ческого факультета ФГБОУ ВО «Ярославский государственный универси­
тет им. П. Г. Демидова».
Научный руководитель: Кащенко Илья Сергеевич
доктор физико-математических наук, доцент,
ФГБОУ ВО «Ярославский государственный
университет им. П. Г. Демидова», заведующий
кафедрой математического моделироавния

Официальные оппоненты: Галкин Валерий Алексеевич

доктор физико-математических наук, про­
фессор, Сургутский филиал ФГАУ «Фе­
деральный научный центр НИИСИ НИЦ
Курчатовский институт», директор
Караваев Анатолий Сергеевич
доктор физико-математических наук, профес­
сор, ФГБОУ ВО «Саратовский национальный
исследовательский государственный универ­
ситет им. Н. Г. Чернышевского», заведую­
щий кафедрой динамического моделирования
и биомедицинской инженерии
Ведущая организация: ФГБНУ «Федеральный исследователь­
ский центр Институт прикладной физики
им. А. В. Гапонова-Грехова Российской акаде­
мии наук»

Защита состоится «22» мая 2025 г. в 14 ч. 40 мин. на заседании

диссертационного совета 24.2.340.16 при ФГАОУ ВО «Националь­
ный исследовательский Нижегородский государственный университет
им. Н. И. Лобачевского» по адресу: 603022, г. Нижний Новгород, пр. Га­
гарина, д. 23.
С диссертацией можно ознакомиться в библиотеке ФГАОУ ВО «Наци­
онального исследовательского Нижегородского государственного универ­
ситета им. Н. И. Лобачевского» и на официальном сайте организации
https://diss.unn.ru
Автореферат разослан « » 2025 г.
Ученый секретарь
диссертационного совета
24.2.340.16,
канд. физ.-мат. наук Бирюков Руслан Сергеевич
Общая характеристика работы
Актуальность темы исследования

Автомобили занимают важное место в современной жизни каждого

человека. С каждым годом их количество увеличивается, что приво­
дит к перегрузкам на городских магистралях, увеличению числа пробок
и росту количества дорожно-транспортных происшествий. С ростом горо­
дов и расширением транспортной инфраструктуры задача эффективного
управления транспортными потоками приобретает критическую важность
для обеспечения устойчивости и безопасности городской среды1 .
Улучшение ситуации на дорогах требует мер, реализация которых
может потребовать значительных финансовых ресурсов, поскольку суще­
ствующие методы анализа транспортных систем зачастую не обеспечивают
достаточной эффективности из-за высокой стоимости и трудностей с про­
гнозированием2 .
Математическое моделирование транспортных потоков являет­
ся мощным инструментом для повышения эффективности управления
транспортными системами. Оно позволяет не только анализировать су­
ществующие транспортные сети, но и разрабатывать новые. Внедрение
таких моделей способствует улучшению транспортной инфраструктуры,
более эффективной оценке различных систем управления дорожным дви­
жением и формированию новых подходов к планированию и эксплуатации
транспортных сетей.
Моделирование движения транспорта применимо не только для
планирования и улучшения транспортных систем, но также и для оп­
тимизации логистических процессов и прогноза транспортного спроса,
что, в свою очередь, ведет к улучшению в управлении транспортными
системами и повышению общей эффективности транспортных сетей. Ис­
пользование моделирования помогает снизить затраты, минимизировать
риски и повысить эффективность транспортных систем, что в конечном
итоге улучшает качество жизни в городах.
В настоящее время проводится множество исследований, направ­
ленных на изучение, оптимизацию и создание математических моделей
движения транспортного потока3 .
1 , Traffic Flow Theory: An Introduction with Exercises / V. L. Knoop. TU
Delft2 Open, 2021. 267 p.
Knoop V. L.

,
Вучик В. В. Транспорт в городах, удобных для жизни / В. В. Вучик. М. : Альпина
PRO, 2023. 676 с.
3 , Various aspects of development of algorithms for the traffic flow model
based on cellular automata theory / A. A. Chechina // Keldysh Institute preprints. 2024.
Chechina A. A.

No. 23. P. 1—31; Mitigating traffic oscillation through control of connected automated vehi­
cles: A cellular automata simulation / Y. Wang [et al.] // Expert Systems with Applications.
2024. Vol. 235. P. 121275; Empirical study of the effects of physics-guided machine learning
3
 Большое количество исследований в этой области отражает воз­
растающую потребность в точных и действенных методах организации
транспортных систем. Математическое моделирование транспорта приоб­
ретает все большее значение, превращаясь в ключевой инструмент для
решения актуальных задач в организации дорожного движения и обеспе­
чения устойчивости транспортной инфраструктуры.
Все вышеперечисленное позволяет сделать вывод об актуальности
и перспективности выбранного автором диссертации направления иссле­
дований.

Современное состояние исследований

История математического моделирования транспортных потоков на­

считывает свыше ста лет. За это время было сделано множество попыток
описать поведение транспортных средств с помощью уравнений и мате­
матических закономерностей. На протяжении десятилетий эта область
активно развивалась, и сегодня математическое моделирование транспорта
является неотъемлемой частью исследований в управлении транспортны­
ми системами, способствуя оптимизации дорожного движения, повышению
его безопасности и эффективности4 .
Несмотря на значительный прогресс в исследовании этой области,
она все еще остается недостаточно изученной. Создание точных и комплекс­
ных моделей транспортных потоков требует учета целого ряд сложных
факторов. Разнообразие методов и подходов, применяемых в транспорт­
ном моделировании, а также широкий спектр задач, которые необходимо
решать для точного моделирования трафика в городской дорожной сети,
открывают множество возможностей для исследований.
В настоящее время существует множество подходов к моделированию
транспортных потоков, каждый из которых обладает как своими преиму­
ществами, так и недостатками5 .
Макромодели позволяют быстро анализировать транспортные си­
стемы на основе общих закономерностей, что делает их удобными для

on freeway traffic flow modelling: model comparisons using field data / Z. Zhang [et al.] //
Transportmetrica A: Transport Science. 2023. P. 1—28; Phase diagram in multi-phase het­
erogeneous traffic flow model integrating the perceptual range difference under human-driven
and connected vehicles environment / C. Zhai [et al.] // Chaos, Solitons & Fractals. 2024.
Vol. 182. P. 114791; , Traffic model for the dynamical behavioral study of a
traffic system imposing push and pull effects / M. Z. Hosen, M. A. Hossain, J. Tanimoto //
Hosen M. Z.

Physica A: Statistical Mechanics and its Applications. 2024. Vol. 645. P. 129816.
4 ,
Гасников А. В. Введение в математическое моделирование транспортных потоков /
А. В.5 Гасников. М. : МЦНМО, 2014. 427 с.
Недяк , А. В. Классификация методов моделирования транспортных потоков /
А. В. Недяк, О. Ю. Рудзейт, А. Р. Зайнетдинов // Вестник евразийской науки. 2019.
Т. 11, № 6. С. 78.
4
крупномасштабных исследований. Однако их недостатком является от­
сутствие учета взаимодействий на микроуровне, что снижает точность
результатов. В настоящее время макромодели применяются в задачах
управления транспортными потоками, как, например, в работах Беркли­
евской группы6 .
Мезомодели занимают промежуточное положение между макромо­
делями и микромоделями. Они используются для решения узкоспециали­
зированных задач, но их применение ограничивается небольшим числом
регулируемых параметров. Несмотря на снижение популярности, ряд
исследователей продолжает развивать мезомодели, создавая гибридные
подходы, объединяющие преимущества макромоделирования и микромо­
делирования7 .
Модели клеточных автоматов благодаря своей дискретной природе
особенно удобны для компьютерного моделирования. Однако они уступа­
ют в точности на микромасштабах, что ограничивает их применение для
детализированного анализа8 .
Вероятностные модели учитывают случайные факторы, что позво­
ляет анализировать неопределенности в транспортных потоках. Тем не
менее, их использование связано с высокой сложностью анализа и необ­
ходимостью значительных объемов данных, что ограничивает точность
и применимость результатов. Развитие и применение вероятностных мо­
делей исследуются в Нижегородском государственном университете на
базе идей, заложенных М. А. Федоткиным9 . Также исследования таких
моделей ведутся в Московском автомобильно-дорожном государствен­
ном техническом университете, где развиваются подходы, предложенные
А. П. Буслаевым10 .
6 ,
Куржанский А. Б. Роль макромоделирования в активном управлении транспорт­
ной сетью / А. Б. Куржанский, А. А. Куржанский, П. Варайя // Труды Московского
физико-технического института. 2010. Т. 2, № 4. С. 100—118.
7 Analysis and comparison of traffic flow models: a new hybrid traffic flow model vs
benchmark models / F. Storani [et al.] // European transport research review. 2021. Vol. 13,
no. 81. P. 1—16.
, Various aspects of development of algorithms for the traffic flow model
based on cellular automata theory / A. A. Chechina // Keldysh Institute preprints. 2024.
Chechina A. A.

No. 23. P. 1—31; Simulation of traffic flows based on the quasi-gasdynamic approach and the
cellular automata theory using supercomputers / V. F. Tishkin [et al.] // Computer Research
and9Modeling. 2024. Vol. 16, no. 1. P. 175—194.
Fedotkin ,M. A. Dynamic models of heterogeneous traffic flow on highways /
M. A. Fedotkin, A. M. Fedotkin, E. V. Kudryavtsev // Automation and Remote Control.
2020. Т. 81, № 8. С. 1486—1498; Федоткин ,
А. М. Циклический алгоритм с продлением
и дообслуживанием при управлении конфликтными потоками неоднородных требова­
ний / А. М. Федоткин, Н. С. Маркина // Теория вероятностей и ее применения. 2022.
Т. 10
67, № 4. С. 829—830.
Buslaev , A. P. On dynamical systems for transport logistic and communications /
A. P. Buslaev, A. G. Tatashev // Journal of Mathematics Research. 2016. Т. 8, № 4.
С. 195; ,
Buslaev A. P. Bernoulli algebra on common fractions and generalized oscillations /
A. P. Buslaev, A. G. Tatashev // Journal of Mathematics Research. 2016. Т. 8, № 3. С. 82—93.
5
 Выбранный для диссертационной работы подход базируется на мик­
роскопическом моделировании транспорта. Микроскопическое моделирова­
ние транспортных потоков в настоящее время является одним из наиболее
популярных и перспективных подходов, используемых в большом количе­
стве современных работ11 .
Микроскопический подход, позволяет с высокой точностью воспроиз­
водить поведение транспортных средств в реальных условиях, учитывая
индивидуальные характеристики водителей и особенности их движения.
Микроскопические модели подробно описывают взаимодействие между от­
дельными транспортными средствами, что обеспечивает их устойчивость
к изменению параметров и высокую точность анализа.
При микроскопическом моделировании ускорение транспортного
средства определяется функцией, которая зависит от характеристик
самого автомобиля и автомобиля, движущегося впереди. Динамика транс­
портного потока описывается системой дифференциальных уравнений,
как обычных, так и с запаздывающим по времени аргументом. Этот под­
ход позволяет детально описывать и прогнозировать транспортные потоки
в условиях городской инфраструктуры.
Большинство существующих в настоящее время моделей в основном
фокусируются на качественном описании динамических свойств транс­
портного потока. В отличие от них, в настоящей работе построена модель,
которая с высокой степенью достоверности описывает движение транспор­
та не только на качественном, но и на количественном уровне, обеспечивая
точное воспроизведение реальных процессов.

Цели и задачи исследования

Основная цель работы заключается в создании математической мо­

дели движения транспортных потоков, ее численном и аналитическом
исследовании, а также в разработке специализированного программного
комплекса для моделирования движения транспортного потока в различ­
ных дорожных ситуациях.

11 , Modeling the asymmetry in traffic flow (a): Microscopic approach / H. Xu,

H. Liu, H. Gong // Applied Mathematical Modelling. 2013. Vol. 37, no. 22. P. 9431—9440;
Xu H.

, Modeling the asymmetry in traffic flow (b): macroscopic approach / H. Liu, H. Xu,
H. Gong // Applied Mathematical Modelling. 2013. Vol. 37, no. 22. P. 9441—9450;
Liu H.

, Car-following model with explicit reaction-time delay: linear stability anal­

ysis of a uniform solution on a ring / V. V. Kurtc, I. E. Anufriev // Mathematical Models
Kurtc V. V.

and Computer Simulations. 2017. Vol. 9. P. 679—687; , Multi-anticipative

car-following model with explicit reaction-time delay / V. V. Kurts, I. E. Anufriev, D. O. Tr­
Kurts V. V.

ufanov // Matematicheskoe modelirovanie. 2021. Vol. 33, no. 5. P. 35—46; , Analysis

and improvement of car-following stability for connected automated vehicles with multiple
Li S.

information uncertainties / S. Li, B. Zhou, M. Xu // Applied Mathematical Modelling. 2023.

Vol. 123. P. 790—809.
6
Для достижения поставленной цели решаются следующие задачи.
1. Построить новую математическую модель движения транспорт­
ного потока в виде системы дифференциальных уравнений с за­
паздывающим по времени аргументом. Для модели определить
диапазоны значений для всех параметров, а также провести ана­
лиз устойчивости равномерного режима движения.
2. Для построенной модели разработать ряд модификаций: смоде­
лировать ситуацию, когда на дороге присутствуют различные
ограничения скорости; смоделировать учет прогноза динамики
движения впередиидущего транспортного средства, а также про­
вести моделирование взаимодействия двух транспортных потоков.
3. На основе предложенной математической модели разработать про­
граммный комплекс для моделирования динамики транспортного
потока в различных сценариях.
4. Собрать данные наблюдения за реальными транспортными пото­
ками и работой светофоров. На основе собранных данных провести
верификацию и анализ разработанной модели.

Научная новизна результатов

Научная новизна результатов состоит в следующем.

1. Построена новая математическая модель движения транспортного
потока в виде системы дифференциальных уравнений с запаз­
дыванием, которая позволяет с высокой точностью описывать
движение транспортных средств, отражая происходящие в реаль­
ности процессы. Отличительной особенностью модели является
разделение движения автомобиля на две фазы: разгон и тормо­
жение, которые связаны между собой через релейную функцию.
2. С помощью численных и численно-аналитических методов опреде­
лены диапазоны значений всех параметров модели.
3. Для модели предложен ряд модификаций, которые позволяют
моделировать новые дорожные ситуации, такие как учет различ­
ных скоростных режимов, прогнозирование динамики движения
впередиидущего транспортного средства, а также моделирование
взаимодействия двух транспортных потоков.
4. На основе модели создан программный комплекс, позволяю­
щий моделировать динамику транспортного потока на участках
транспортной сети в различных дорожных ситуациях, включая
однополосное движение, проезд через произвольное количество
светофоров, движение с учетом прогнозирования, движение по
участкам с разной разрешенной скоростью, а также многополосное
7
 движение с учетом перестроений. Собрана база данных пропуск­
ной способности светофоров, используемая для верификации как
модели, так и программного комплекса.
5. С помощью программного комплекса проведено численное модели­
рование транспортного потока в различных дорожных сценариях.
Результаты моделирования с высокой степенью точности сов­
падают с данными наблюдений за реальными транспортными
потоками.

Теоретическая и практическая значимость исследований

С теоретической точки зрения новая математическая модель и ее рас­

ширения представляют интерес как основа для создания новых подходов
к моделированию движения автотранспорта. Учет различных стратегий
поведения транспортного потока и реализация их в виде программного
комплекса представляют интерес для анализа и моделирования реальных
транспортных сетей.
С практической точки зрения новая математическая модель и про­
граммный комплекс могут служить основой для интеллектуальных
транспортных систем городов и использоваться, как для прогнозирова­
ния движения потоков, так и для обеспечения возможности управления
ими в режиме реального времени. Они также могут использоваться для
решения задач при планировании новой и модернизации уже существу­
ющей дорожно-транспортной инфраструктуры, повышая эффективность
и надежность транспортных систем. Разработанная модель обладает
универсальностью и может быть адаптирована для решения задач в раз­
личных сценариях, включая логистику и управление другими видами
транспортных потоков, например, движением беспилотных летательных
аппаратов в ограниченном воздушном пространстве.

Методология и методы исследования

Новая математическая модель движения транспортного потока раз­

работана на основе микроскопического метода, который описывает каж­
дый автомобиль как отдельную частицу с уникальными характеристиками
скорости и целей движения. Микроскопический подход обеспечивает более
точное описание динамики транспортных потоков, хотя требует значитель­
ных вычислительных ресурсов.
В основе новой математической модели лежит система дифференци­
альных уравнений с запаздывающим по времени аргументом. Запаздыва­
ние обосновано, в первую очередь, временем реакции водителя.
8
 Численное исследование модели проведено с использованием метода
Рунге-Кутты четвертого порядка, адаптированного для решения диффе­
ренциальных уравнений с запаздывающим аргументом.
Для визуализации и создания графических материалов, используе­
мых в диссертации, применялась система для современных технических
вычислений Wolfram Mathematica. Визуализация также была выполнена
с помощью специально разработанного программного комплекса, который
был реализован на языке программирования C# версии 10.0.0 с исполь­
зованием библиотеки Windows Forms. Программный комплекс основан
на методе Рунге-Кутты четвертого порядка, адаптированном для уравне­
ний с запаздыванием.

Достоверность полученных результатов

Достоверность полученных результатов подтверждается корректным

применением численных методов и вычислительных алгоритмов, а также
тщательной проверкой наблюдаемых данных
Результаты численного моделирования и аналитических расчетов
демонстрируют высокую степень согласованности с закономерностями,
наблюдаемыми в реальных транспортных потоках.

Апробация результатов исследования

Основные результаты работы докладывались на ряде научных кон­

ференций и семинаров.
1. Международные научные конференции студентов, аспирантов
и молодых ученых «Ломоносов-2020, 2022, 2023, 2024» (Москва,
Россия, 2020-2024).
2. International Scientific Students’ Conference Science Drive 2021, 2022
(Ярославль, Россия, 2021-2022).
3. 74, 75, 76 Всероссийские научно-технические конференции сту­
дентов, магистрантов и аспирантов высших учебных заведений
с международным участием (Ярославль, Россия, 2021-2023).
4. Путь в науку. Математика (Ярославль, Россия, 2021-2024).
5. Международная конференция «Математические идеи П. Л. Чебы­
шева и их приложения к современным проблемам естествознания»,
приуроченная к 200-летию со дня рождения великого русского ма­
тематика, академика П. Л. Чебышева (Сургут, Россия, 2021).
6. Integrable systems & nonlinear dynamics (ISDN–2021, 2022, 2023,
2024) (Ярославль, Россия, 2021-2024).
7. Всероссийская научно-практическая конференция им. Жореса Ал­
ферова (Санкт-Петербург, Россия, 2021, 2023).
9
 8. 64, 65, 66 Всероссийские научные конференции МФТИ (Москва,
Россия, 2021-2024).
9. XI Международная научно-практическая конференция студентов
и аспирантов «Казанские научные чтения студентов и аспирантов
имени В. Г. Тимирясова-2021» (Казань, Россия, 2021).
10. II Международная научно-практическая конференция «Инжини­
ринг: теория и практика» (Пинск, Беларусь, 2022).
11. Международная конференция «Дифференциальные уравнения
и оптимальное управление», посвященная 100-летию со дня рож­
дения академика Евгения Фроловича Мищенко (Москва, Россия,
2022).
12. The 9th International Conference on Differential and Functional
Differential Equations (Москва, Россия, 2022).
13. Международная конференция по дифференциальным уравнениям
и динамическим системам 2022, 2024 (Суздаль, Россия, 2022, 2024).
14. XXI International Conference Foundations & Advances in Nonlinear
Science (Минск, Беларусь, 2022).
15. XX, XXI научные школы «Нелинейные волны — 2022, 2024» (Ниж­
ний Новгород, Россия, 2022, 2024).
16. Современные методы теории краевых задач. Понтрягинские чте­
ния XXXIV, XXXV (Воронеж, Россия, 2023, 2024).
17. XV Международная конференция «Фундаментальные и приклад­
ные проблемы математики и информатики» (Махачкала, Россия,
2023).
18. Международная научная конференция «Уфимская осенняя мате­
матическая школа — 2023» (Уфа, Россия, 2023),
19. Научный семинар ЯрГУ (Ярославль, 2024),
20. Научный семинар ННГУ (Нижний Новгород, 2024).
21. Научный семинар СГУ (Саратов, 2024).

Публикации
Основные результаты по теме диссертации изложены в 40 печатных из­
даниях, 4 из которых изданы в журналах, рекомендованных ВАК [1—4],
Зарегистрирована 1 база данных [5]. Зарегистрировано 3 программы для
ЭВМ [6—8].

Основные положения и результаты, выносимые на защиту

1. Построена новая математическая модель транспортного потока

в виде системы дифференциальных уравнений с запаздыванием,
которая позволяет с высокой степенью точности описывать дви­
жение транспортных средств в различных дорожных ситуациях,
включая однополосное движение, движение через произвольное
10
 количество светофоров, движение с учетом прогнозирования, дви­
жение по участкам с разной разрешенной скоростью, а также
многополосное движение с учетом перестроений.
2. Предложены численные и численно-аналитические методы оценки
диапазонов значений параметров модели.
3. Разработан ряд модификаций модели, которые включают: си­
туацию, когда на дороге присутствуют различные ограничения
скорости; учет прогноза динамики движения впередиидущего
транспортного средства, а также моделирование взаимодействия
двух транспортных потоков.
4. Создан программный комплекс для моделирования динамики
транспортного потока в различных сценариях. Собрана база
данных пропускной способности светофоров, используемая для ве­
рификации, как модели, так и программного комплекса.
5. С помощью программного комплекса получены результаты числен­
ного моделирования движения транспортного потока в различных
сценариях. Проведена оценка пропускной способности некоторых
участков дорожной сети, включая светофоры, ограничения скоро­
сти, дорожные препятствия и узкие места.

Содержание работы
Во введении обосновывается актуальность исследований, проводи­
мых в рамках диссертационной работы, формулируется цель, ставятся
задачи работы, излагается научная новизна и практическая значимость.
В последующих главах работы сначала детально рассматривается постро­
ение математической модели, затем ее усовершенствование и применение
для моделирования реальных ситуаций.
Первая глава диссертационной работы посвящена обширному обзо­
ру литературы, посвященной моделированию транспортных потоков.
Раздел 1.1 представляет собой исторический обзор различных моде­
лей транспортного потока. В подразделе 1.1.1 рассматриваются первые
математические модели транспортных потоков, которые заложили основу
для последующих исследований. В подразделе 1.1.2 рассматриваются
модели, разработанные в эпоху ранних компьютеров. В подразделе 1.1.3
рассматриваются современные математические модели транспортных по­
токов, разработанные с использованием передового математического аппа­
рата и новейших технологий.
Раздел 1.2 посвящен подробному обзору классических методов и мо­
делей движения транспортных потоков. В подразделе 1.2.1 обсуждаются
макроскопические модели, которые рассматривают транспортные потоки
как непрерывную среду и описывают общие закономерности движения.
11
Подраздел 1.2.2 охватывает мезомодели, которые занимают проме­
жуточное положение между макроскопическими и микроскопическими
подходами, объединяя элементы обоих методов. Подраздел 1.2.3 посвя­
щен моделям клеточных автоматов, описывающим транспортные потоки
на дискретной сетке с использованием условной дискретизации простран­
ства и времени. В подразделе 1.2.4 рассматриваются вероятностные
модели, которые учитывают случайные факторы и неопределенности
в поведении водителей. Подраздел 1.2.5 посвящен микроскопическим мо­
делям транспортных потоков, которые описывают взаимодействие между
отдельными автомобилями, что позволяет наиболее точно воспроизводить
реальное поведение транспортных потоков.
Вторая глава диссертации посвящена разработке новой математи­
ческой модели транспортного потока, основанной на микроскопическом
подходе и концепции следования за лидером.
Раздел 2.1 посвящен построению модели. Модель имеет вид системы
дифференциальных уравнений с запаздывающим по времени аргументом
и описывает движение 𝑁 ∈ N транспортных средств. Для каждого транс­
портного средства с номером 𝑛 ≥ 1 в потоке за 𝑥𝑛 (𝑡) обозначено положение
переднего бампера в момент времени 𝑡, а за 𝑥˙ 𝑛 (𝑡) и 𝑥 ¨𝑛 (𝑡) его скорость
и ускорение, соответственно.
Новая математическая модель имеет вид:
⎧
⎨𝑥
⎪ ¨1 (𝑡) =𝑅1 [𝑎1 (𝑣𝑚𝑎𝑥,1 − 𝑥˙ 1 (𝑡))] − (1 − 𝑅1 )𝐻1 ,
¨𝑛 (𝑡) =𝑅𝑛 [𝑎𝑛 (𝑃𝑛 − 𝑥˙ 𝑛 (𝑡))] − (1 − 𝑅𝑛 )𝐻𝑛 ,
𝑥 (1)
𝑥𝑛 (𝑡) = 𝜆𝑛 , 𝑥˙ 𝑛 (𝑡) = 𝑣𝑛 , для 𝑡 ∈ [−𝜏𝑛 , 0],
⎪
⎩

где 𝑅𝑛 представляет собой релейную функцию следующего вида:

{︃
1, если ∆𝑥𝑛 > (𝜏𝑛 + 𝜏𝑏,𝑛 )𝑥˙ 𝑛 (𝑡) + 𝑥˙ 2𝑛 (𝑡)/2𝜇𝑔 + 𝑙𝑛 ,
𝑅𝑛 =
0, если ∆𝑥𝑛 ≤ (𝜏𝑛 + 𝜏𝑏,𝑛 )𝑥˙ 𝑛 (𝑡) + 𝑥˙ 2𝑛 (𝑡)/2𝜇𝑔 + 𝑙𝑛 ,
которая описывает переключение между режимами «разгон-торможение».
Уравнение ∆𝑥𝑛 = 𝑥𝑛−1 (𝑡 − 𝜏𝑛 ) − 𝑥𝑛 (𝑡) описывает расстояние между сосед­
ними транспортными средствами, где для первого транспортного средства
𝑥˙ 0 (𝑡 − 𝜏1 ) = 𝐿, где 𝐿 — расстояние, которое первое транспортное средство
преодолеет перед остановкой (возможно, 𝐿 = ∞). Параметр 𝜏𝑛 описывает
время реакции водителя, а 𝜏𝑏,𝑛 — время срабатывания тормозной системы.
Величины 𝜇 и 𝑔 обозначают коэффициент трения скольжения и уско­
рение свободного падения, соответственно. Параметр 𝑙𝑛 представляет
собой сумму безопасного расстояния между двумя соседними транс­
портными средствами и длины впередиидущего транспортного средства
𝑙𝑛 = 𝑙𝑠𝑎𝑓 𝑒 + 𝑙𝑣𝑒ℎ,𝑛−1 (𝑙𝑣𝑒ℎ,0 = 0). Коэффициент 𝑎𝑛 > 0 описывает
обратную зависимость времени согласования скоростей между двумя со­
седними транспортными средствами и зависит от их мощностей. Параметр
12
𝑣𝑚𝑎𝑥,𝑛 > 0 является максимальной желаемой скоростью, а 𝑃𝑛 — логисти­
ческая функция вида:
𝑣𝑚𝑎𝑥,𝑛 − 𝑉𝑛
𝑃𝑛 = + 𝑉𝑛 ,
1 + exp[𝑘𝑛 (−∆𝑥𝑛 + 𝑆𝑛 )]
которая описывает регулировку скорости транспортного средства относи­
тельно впередиидущего. Функция 𝑉𝑛 имеет следующий вид:

𝑉𝑛 = min (𝑥˙ 𝑛−1 (𝑡 − 𝜏𝑛 ), 𝑣𝑚𝑎𝑥,𝑛 ) для 𝑛 > 1, 𝑉1 = 0

и вводится для учета ограничения скорости транспортного средства 𝑣𝑚𝑎𝑥,𝑛 .

Коэффициент 𝑘𝑛 > 0 представляет собой скорость роста логистической
функции, описывая насколько плавно водитель транспортного средства
подстраивает свою скорость относительно скорости впередиидущего. Па­
раметр 𝑆𝑛 логистической кривой имеет вид:

𝑆𝑛 = (𝜏𝑛 + 𝜏𝑏,𝑛 )𝑥˙ 𝑛 (𝑡) + 𝑥˙ 2𝑛 (𝑡)/2𝜇𝑔 + 𝑙𝑛 + 𝑠𝑛 ,

где коэффициент 𝑠𝑛 равен расстоянию, пройденному за 𝜏𝑛 времени со ско­

ростью сближения: 𝑠𝑛 = 𝜏𝑛 ∆𝑥˙ 𝑛 , где ∆𝑥˙ 𝑛 = 𝑥˙ 𝑛−1 (𝑡 − 𝜏𝑛 ) − 𝑥˙ 𝑛 (𝑡) — разница
скоростей двух соседних автомобилей (𝑥˙ 0 (𝑡 − 𝜏1 ) = 0). Функция 𝐻𝑛 пред­
ставляет собой функцию скачка вида:
⎧ (︂ )︂2 (︂ )︂2
∆𝑥˙ 𝑛 ∆𝑥˙ 𝑛
если 𝑞𝑛 𝑥˙ 𝑛 (𝑡) ≤ 𝜇𝑔,
⎪
⎪𝑞𝑛 𝑥˙ 𝑛 (𝑡)
⎪ ,
⎨ ∆𝑥𝑛 − 𝑙𝑛 ∆𝑥𝑛 − 𝑙𝑛
𝐻𝑛 = (︂ )︂2
∆𝑥˙ 𝑛
если 𝑞𝑛 𝑥˙ 𝑛 (𝑡)
⎪
⎩𝜇𝑔, > 𝜇𝑔,
⎪
⎪
∆𝑥𝑛 − 𝑙𝑛
которая описывает торможение транспортного средства. Коэффициент 𝑞𝑛
показывает интенсивность торможения.
В начальный момент времени автомобили едут со скоростью 𝑣𝑛
и располагаются на расстоянии 𝜆𝑛 друг от друга, причем 𝜆𝑛 < 𝜆𝑛+1 и вы­
полняется неравенство 𝜆𝑛 − 𝜆𝑛+1 > (𝜏𝑛 + 𝜏𝑏,𝑛 )𝑣𝑛 + 𝑣𝑛2 /2𝜇𝑔 + 𝑙𝑛 + 𝜏𝑛 𝑣𝑛
(𝜆1 может быть любым).
На рисунке 1 изображены графики изменения скорости и расстояния
для нескольких одинаковых автомобилей, двигающихся согласно моде­
ли (1). Эти графики демонстрируют динамику движения автомобилей,
начиная с разгона и заканчивая остановкой перед препятствием. Видно,
как автомобили постепенно увеличивают свою скорость, затем, по мере
приближения к препятствию, начинают замедляться и останавливаются
на безопасном расстоянии.
Раздел 2.2 посвящен определению значений параметров математи­
ческой модели (1). Параметры модели определены на основе физических
законов, действующего законодательства Российской Федерации и логиче­
ских соображений. Все параметры модели выражены в системе СИ для
13
 а) б)
Рис. 1 — Графики изменения скорости (а) и расстояния (б) для модели (1)
при значениях параметров: 𝜏𝑛 = 0.5, 𝜏𝑏,𝑛 = 0.1, 𝑎𝑛 = 0.5, 𝑞𝑛 = 0.14,
𝑣𝑚𝑎𝑥,𝑛 = 16.7, 𝑙𝑠𝑎𝑓 𝑒,𝑛 = 1, 𝑙𝑣𝑒ℎ,𝑛 = 4, 𝑔 = 9.8, 𝜇 = 0.6, 𝑘𝑛 = 0.5, 𝐿 = 500.

обеспечения точности в расчетах и согласованности с физическими вели­

чинами.
В разделе 2.3 описывается определение диапазонов значений пара­
метров 𝑎𝑛 , 𝑞𝑛 , и 𝑘𝑛 . В подразделе 2.3.1 определяется диапазон значений
параметра 𝑎𝑛 , который отвечает за согласование скоростей между соседни­
ми транспортными средствами. Подраздел 2.3.2 рассматривает диапазон
значений параметра 𝑞𝑛 , который характеризует интенсивность торможения
автомобилей в потоке. Подраздел 2.3.3 посвящен определению диапазона
значений параметра 𝑘𝑛 , который описывает скорость адаптации водителя
транспортного средства к скорости впередиидущего автомобиля. Значения
всех параметров модели представлены в таблице.
Раздел 2.4 посвящен анализу устойчивости режима равномерного
движения автомобилей в рамках предложенной модели (1). В этом режи­
ме все транспортные средства двигаются с одинаковой скоростью 𝑣𝑚𝑎𝑥
на расстояниях ∆𝑐𝑛 = 𝑐𝑛−1 − 𝑐𝑛 друг от друга, где 𝑐𝑛 — убывающая
последовательность. Для любой такой убывающей последовательности 𝑐𝑛
существует всегда устойчивое решение системы (1) вида: 𝑥𝑛 (𝑡) = 𝑐𝑛 +𝑣𝑚𝑎𝑥 𝑡.
Устойчивость такого решения зависит от знаков выражений:

𝑑𝑛 = −𝜏𝑛 𝑣𝑚𝑎𝑥 + ∆𝑐𝑛 − 𝑙𝑛 .

Сформулирована и доказана следующая теорема.

2
Теорема 1. Если для ∀𝑛 выполняется неравенство 𝑑𝑛 > 𝑣𝑚𝑎𝑥 /2𝜇𝑔 , то
равномерный режим движения устойчив. Если хотя бы при одном каком­
2
то 𝑖 выполняется неравенство 𝑑𝑖 ≤ 𝑣𝑚𝑎𝑥 /2𝜇𝑔 , то равномерный режим
движения неустойчив.

Третья глава диссертации посвящена расширению математической

модели транспортного потока с учетом ее адаптации к более сложным
и реалистичным условиям движения. Рассмотрены три направления улуч­
шения.
14
Таблица 1 — Параметры модели (1)
Параметры Диапазон Единица
Краткое описание
модели значений СИ
𝜏 время реакции водителя [0.2, 2.5] с
время срабатывания
𝜏𝑏,𝑛 [0.1, 0.6] с
тормозной системы
𝜇 коэффициент трения [0, 1] б/р
ускорение
𝑔 9.8 м/с2
свободного падения
𝑙𝑣𝑒ℎ,𝑛 длина автомобиля ≥2 м
𝑙𝑠𝑎𝑓 𝑒,𝑛 безопасное расстояние ≥1 м
максимальная
𝑣𝑚𝑎𝑥,𝑛 ≥0 м/с
желаемая скорость
𝑎𝑛 коэффициент ускорения [0.31, 0.92] 1/с
𝑞𝑛 коэффициент торможения (0, 1/𝜇𝑔] с2 /м
коэффициент
𝑘𝑛 (0, 1] 1/м
логистического роста
Раздел 3.1 описывает моделирование движения на участках доро­
ги с различными скоростными режимами. Для этого участок разбивается
на 𝑀 ∈ N интервалов, причем для каждого интервала 𝑚 и транспорт­
ного средства 𝑛 определяется индивидуальная желаемая максимальная
скорость.
Раздел 3.2 посвящен моделированию движения с учетом про­
гнозирования поведения впередиидущих транспортных средств. В этом
расширении модели транспортное средство 𝑛 учитывает динамику движе­
ния 𝑛 − 2 автомобиля, и на его основе прогнозирует поведение 𝑛 − 1.
Раздел 3.3 исследует взаимодействие двух параллельных транс­
портных потоков. Это расширение предназначено для моделирования
движения по многополосным дорогам, где транспортные средства могут
влиять друг на друга. Расширение позволяет моделировать движение с уче­
том перестроений между полосами.
Четвертая глава диссертационной работы демонстрирует приме­
нение разработанной математической модели для анализа различных
дорожных ситуаций и оценки ее практической ценности для управления
транспортными потоками. В качестве инструмента используется специ­
ально созданный программный комплекс, который позволяет проводить
симуляции и оценивать эффективность стратегий управления транспорт­
ными потоками на реальных дорожных участках.
Раздел 4.1 описывает процесс сбора данных, необходимых для
верификации модели. Сюда входят параметры движения транспортных
15
средств, данные о пропускной способности светофоров и наблюдения
за транспортным потоком. Все данные структурированы в виде базы дан­
ных для последующего анализа и использования в моделировании.
Раздел 4.2 посвящен описанию архитектуры программного комплек­
са, разработанного для симуляции различных дорожных сценариев.
Подраздел 4.2.1 описывает режим работы программы «Начало
движения и остановка», моделирующий ситуации старта и остановки ав­
томобилей. Также здесь проводится оценка максимальной пропускной
способности дорожного участка в зависимости от предельно допустимой
скорости.
Подраздел 4.2.2 рассматривает сценарий программы «Режим
работы одного светофора», моделирующий светофорное регулирование
движения на дороге. Приводится анализ результатов моделирования
и их сравнение с реальными данными работы светофоров.
Подраздел 4.2.3 описывает сценарий программы «Режим работы
нескольких светофоров», исследующий моделирование движения автомо­
билей через произвольное количество последовательно расположенных
светофоров. Проводится сравнительный анализ результатов моделирова­
ния движения автомобилей через реальные и смоделированные светофоры.
Подраздел 4.2.4 посвящен режиму работы программы «Движение
на участках с ограничениями скорости», который предназначен для мо­
делирования движения автомобилей на дорогах с разными скоростными
интервалами. Здесь рассматриваются два сценария: постепенное снижение
скорости через несколько интервалов и резкое торможение, с анализом их
влияния на пропускную способность.
Подраздел 4.2.5 описывает режим работы программы «Движение
с небольшим замедляющим препятствием», позволяющий моделировать
влияние мелких дорожных неровностей, таких как «лежачие полицей­
ские», трамвайные пути и другие элементы инфраструктуры, на транс­
портный поток. Проводится анализ влияния небольших участков дороги
с разной скоростью движения на пропускную способность транспортного
потока.
Подраздел 4.2.6 посвящен режиму работы программы «Движение
с учетом прогнозирования по прямой», где моделируется поведение ав­
томобилей с прогнозированием движения впередиидущих транспортных
средств. Здесь проводится сравнение количества автомобилей, проходящих
через участок, для моделей с прогнозированием и без него при различных
значениях параметра 𝜏𝑛 .
Подраздел 4.2.7 описывает режим работы программы «Движение
с учетом прогнозирования через светофор», который предназначен для
моделирования движения автомобилей с прогнозированием на светофоре.
Также анализируется пропускная способность реальных и смоделирован­
ных светофоров при учете прогнозирования.
16
 Подраздел 4.2.8 рассматривает режим работы программы «Дви­
жение по двум полосам без взаимодействия», который предназначен для
моделирования транспортного потока на двух параллельных полосах без
взаимодействия между ними. Проводится анализ пропускной способности
различных участков за разные временные периоды, рассчитанные при фик­
сированных значениях параметра 𝜏𝑛 .
Подраздел 4.2.9 описывает режим работы программы «Движе­
ние с учетом перестроения», моделирующий ситуацию взаимодействия
потоков, когда транспортные средства совершают перестроение из одного
потока в другой. В этом подразделе приводится моделирование и анализ
явления, известного как «плавающая пробка».
Подраздел 4.2.10 посвящен режиму работы программы «Движение
с учетом перестроения через узкое место» предназначен для моделирова­
ния эффекта «бутылочного горлышка». В этом подразделе исследуется
влияние сужения дороги на пропускную способность, включая анализ трех
сценариев: движение одного потока, два независимых потока и полное пе­
рестроение одного потока в другой.
В заключении подведены итоги всей работы и описаны возможные
направления дальнейших исследований.
Приложения диссертационной работы включают дополнительные
материалы, иллюстрирующие и подтверждающие основные результаты
исследования, а также обеспечивающие практическую применимость раз­
работанных моделей и программного обеспечения.
Приложение А содержит свидетельство о государственной реги­
страции базы данных «TrafficFlowDatabase», содержащей информацию
о пропускной способности светофоров.
Приложение Б содержит свидетельство о государственной реги­
страции программного комплекса «Программный комплекс для моделиро­
вания движения транспортного потока в различных дорожных ситуациях».
Приложение В предоставляет эмпирические данные о количестве
автомобилей, проезжающих по улице Магистральной в городе Ярославле
(координаты: 57.636941, 39.793694) за одну минуту.
Приложение Г включает фрагменты исходного кода разработанно­
го программного комплекса.

Заключение
В рамках диссертационной работы проведено комплексное исследова­
ние развития транспортного моделирования, включая обзор исторических
этапов и анализ современных методов и подходов к моделированию транс­
портных потоков.
17
 Основные достижения работы включают.
1. Разработку новой математической модели транспортного потока,
в виде системы дифференциальных уравнений с запаздывающим
по времени аргументом. В процессе построения модели были
определены единицы измерения для параметров и установлены
диапазоны их значений. Также был проведен анализ устойчивости
равномерного режима движения.
2. Разработку ряда расширений для предложенной модели. Расшире­
ния включают учет различных скоростных режимов, прогнозиро­
вание динамики движения впередиидущих транспортных средств,
а также моделирование взаимодействия двух транспортных пото­
ков.
3. Создание программного комплекса на основе предложенной мате­
матической модели для моделирования транспортных потоков на
локальных участках транспортной сети в различных сценариях.
4. Сбор данных о реальных транспортных потоках и работе све­
тофоров для верификации модели и оценки ее применимости
в реальных условиях.

Публикации автора по теме диссертации

В изданиях из списка рекомендованных ВАК и индексируемых
в международных базах данных

1. Погребняк, М. А. Моделирование движения транспортного потока /

М. А. Погребняк // Математическое моделирование. — 2022. — Т. 34,
№ 10. — С. 95—109.
2. Погребняк, М. А. Оценка параметров в модели транспортного потока /
М. А. Погребняк // Математическое моделирование. — 2024. — Т. 36,
№ 1. — С. 131—140.
3. Погребняк, М. А. Моделирование движения транспортного потока на
участках с различными скоростными режимами / М. А. Погребняк //
Теоретическая и математическая физика. — 2024. — Т. 220, № 2. —
С. 339—349.
4. , Traffic flow model considering the dynamics prediction of
the leading vehicle / M. Pogrebnyak // Physica A: Statistical Mechanics
Pogrebnyak M.

and its Applications. — 2024. — Vol. 649. — P. 129946.

Зарегистрированные базы данных

5. Свидетельство о гос. регистрации базы данных. «TrafficFlowDatabase»:

база данных пропускной способности светофоров / М. А. Погреб­
няк. — № 2024622039 ; заявл. 26.07.2024 ; опубл. 14.08.2024, 2024622315
(Рос. Федерация).
18
Зарегистрированные программы для ЭВМ

6. Свидетельство о гос. регистрации программы для ЭВМ. Про­

грамма для моделирования движения транспортного потока
«TrafficFlowSimulation» версия 1.0 / М. А. Погребняк. — № 2023610182 ;
заявл. 09.01.2023 ; опубл. 19.01.2023, 2023611363 (Рос. Федерация).
7. Свидетельство о гос. регистрации программы для ЭВМ. Про­
грамма для моделирования движения транспортного потока
«TrafficFlowSimulation» версия 2.0 / М. А. Погребняк. — № 2024611506 ;
заявл. 24.01.2024 ; опубл. 02.02.2024, 2024612637 (Рос. Федерация).
8. Свидетельство о гос. регистрации программы для ЭВМ. Программ­
ный комплекс для моделирования движения транспортного потока в
различных дорожных ситуациях / М. А. Погребняк. — № 2024667948 ;
заявл. 26.07.2024 ; опубл. 14.08.2024, 2024669058 (Рос. Федерация).

19
 Погребняк Максим Анатольевич
Моделирование движения транспортных потоков

Автореф. дис. на соискание ученой степени канд. физ.-мат. наук

Подписано в печать 18.03.2025. Заказ №

Формат 60 ×84/16. Тираж 100 экз.

Отдел оперативной печати ЯрГУ

150003, г. Ярославль, ул. Советская, 14