Микропроцессоры в интеллектуальных транспортных системах: улучшение потока трафика и безопасности

Оригинальное название: The Quiet Revolution Under the Road

Каждый день миллионы пассажиров перемещаются по перекресткам, сливаются на шоссе и стоят в очереди на платные площади, не замечая, что молчаливый интеллект работает под асфальтом. Этот интеллект построен на микропроцессорах — крошечных кремниевых мозгах, которые стали бьющимся сердцем интеллектуальных транспортных систем (ITS). Эти компактные вычислительные устройства больше не являются просто логическими чипами в контроллерах движения; теперь они образуют распределенную нервную систему, которая собирает, обрабатывает и действует на данные в режиме реального времени. От снижения заторов до предотвращения столкновений микропроцессоры в ITS меняют то, как города перемещают людей и товары. В этой статье исследуется, как эти компоненты обеспечивают современное управление движением, конкретные технологии, которые они позволяют, и как будет выглядеть следующее поколение умных, безопасных дорог.

Основная роль микропроцессоров в ITS

Проще говоря, интеллектуальная транспортная система опирается на цикл обратной связи: чувство, процесс, действие. Микропроцессоры находятся в центре этого цикла. Они встроены в придорожные устройства, контроллеры дорожных сигналов, датчики обнаружения транспортных средств, знаки переменного сообщения и даже в самих транспортных средствах. Их основная задача состоит в преобразовании необработанных данных - подсчета транспортных средств, показания скорости, погодные условия - в действенные команды, которые корректируют время сигнала движения, вызывают оповещения об инцидентах или связываются с подключенными автомобилями.

Современные микропроцессоры ITS не являются одноцелевыми чипами. Они представляют собой конструкции системы на чипе (SoC), которые интегрируют несколько ядер, выделенные блоки обработки сигналов и интерфейсы связи. Эта интеграция позволяет им обрабатывать несколько задач одновременно: декодирование видеопотоков с камер пересечения, запуск адаптивных алгоритмов управления и отправка обновлений в центральный центр управления трафиком, все в течение миллисекунд.

Решения в реальном времени на пересечении

Рассмотрим типичный четырехсторонний перекресток, оборудованный адаптивным сигналом движения. Микропроцессор в контроллере принимает данные от встроенных в тротуар индуктивных петлевых детекторов, радарных датчиков, отслеживающих приближающиеся транспортные средства, а иногда и камер, классифицирующих типы транспортных средств. Он обрабатывает этот вход с помощью алгоритмов, которые предсказывают время прибытия и длину очереди. Исходя из логики, микропроцессор регулирует продолжительность зеленого света, чтобы минимизировать остановки и задержки. Это требует времени отклика в секунду — задержка даже в полсекунды может вызвать ненужное холостое движение и пропущенную координацию между соседними перекрестками. Этот уровень реагирования возможен только потому, что современные микропроцессоры могут выполнять миллионы инструкций в секунду, оставаясь достаточно энергоэффективными, чтобы работать в герметичных придорожных шкафах с минимальным охлаждением.

Обработка края против централизованного контроля

Исторически, контроллеры трафика отправляли необработанные данные на центральный сервер для анализа. В этой модели введены задержки и единичные точки отказа. Сегодня возможности микропроцессора на краю позволяют локально обрабатывать. Контроллер может запускать адаптивный алгоритм локально, только сообщая сводную статистику или оповещения об аномалиях в облако. Эта краецентричная архитектура снижает потребности в пропускной способности связи и позволяет системе продолжать функционировать даже при потере сетевого подключения. Например, во время отключения сети микропроцессор-оборудованный контроллер в центре Лос-Анджелеса продолжает работать над собственным планом координации сигналов на основе последних исторических данных, сохраняя поток трафика до восстановления связи.

Сбор данных и слияние датчиков

Микропроцессоры в ITS отвечают за первый критический шаг: сбор и интерпретацию данных с разнопланового массива датчиков. Качество управления трафиком напрямую зависит от точности и своевременности этих данных.

Типы датчиков и как микропроцессоры с ними справляются

Индуктивные детекторы Loop

Это проводные петли, встроенные в тротуар, которые обнаруживают изменения индуктивности при прохождении транспортного средства. Микропроцессор интерпретирует сигнал для подсчета транспортных средств, измерения скорости (с использованием парных петлей) и классификации длины транспортного средства. В то время как детекторы петли надежны, они требуют калибровки. Современные микропроцессоры могут запускать сложные алгоритмы фильтрации для устранения ложных подсчетов от эхо мотоцикла или поворота транспортных средств.

Видеокамеры

Видеообнаружение становится все более распространенным явлением. Камера передает поток данных изображения на микропроцессор, работающий с алгоритмами компьютерного зрения. Процессор идентифицирует транспортные средства, велосипеды и пешеходов в режиме реального времени, отслеживает их траектории и классифицирует их. Это требует значительной вычислительной мощности - часто требуя выделенных нейронных процессоров в SoC для запуска легких моделей глубокого обучения без перегружения основного процессора.

Радар и LiDAR

Для продвинутых приложений, таких как помощь в движении пересечения, радар и датчики LiDAR обеспечивают точные данные о дальности и скорости. Микропроцессоры объединяют эти данные с входами камеры для создания единого слоя обнаружения объектов. Этот синтез датчиков является вычислительно интенсивным; он требует синхронизации нескольких потоков данных и вероятностных алгоритмов для обработки окклюзий и ложных срабатываний.

Слияние данных на практике

Хорошо спроектированный микропроцессор ITS не просто обрабатывает каждый датчик самостоятельно; он объединяет выходы в единую модель ситуационной осведомленности. Например, если радар обнаруживает транспортное средство, приближающееся к пересечению на высокой скорости, и камера подтверждает его положение, микропроцессор может предсказать, будет ли транспортное средство, вероятно, работать на красном свете. На основе этого прогноза, он может задержать начало конфликтующих зеленых фаз, чтобы избежать столкновения. Этот вид слияния в реальном времени возможен только с обработкой с низкой задержкой на краю, которую теперь поставляют микропроцессоры.

Управление сигналами трафика: от фиксированных таймеров до адаптивных сетей

Микропроцессоры превратили сигналы трафика из простых систем на основе таймера в адаптивные, коммуникационные узлы. В унаследованной системе планы времени сигнала были предварительно запрограммированы и изменены только через запланированные интервалы. Сегодня микропроцессоры позволяют использовать адаптивные системы управления в реальном времени, такие как SCOOT (Split Cycle Offset Optimization Technique) и RHODES (Real-Time Hierarchical Optimized Distributed Effective System).

Как работает адаптивный контроль

Адаптивная система использует сеть микропроцессорных контроллеров. Каждый контроллер контролирует спрос на трафик на своем пересечении и делит показатели производительности с соседними контроллерами. Микропроцессор запускает алгоритмы оптимизации, которые вычисляют идеальную длину цикла, разделение (распределение зеленого времени) и смещение (наведение относительно соседних сигналов) для текущих условий. Поскольку алгоритмы работают непрерывно, система может реагировать на внезапные изменения, такие как спортивное событие, выходящее из строя или закрытие полосы движения из-за строительства, в течение нескольких секунд.

Например, в городе Питтсбург адаптивная система под названием Surtrac сократила время в пути на 25% и время ожидания на 40% с помощью контроллеров, управляемых микропроцессором, которые взаимодействуют друг с другом. Микропроцессор каждого перекрестка запускает децентрализованный алгоритм, который ведет переговоры со своими соседями, создавая скоординированные планы, которые сокращают задержки без затрат на центральный компьютер.

Координированное управление коридорами

На крупных артериях микропроцессоры координируют несколько сигналов для создания зеленых волн — прогрессивных зеленых огней, которые позволяют взводам транспортных средств проходить без остановки. Достижение зеленой волны требует точного времени: микропроцессор знает среднюю скорость взвода и соответствующим образом корректирует смещения. Если школьный автобус останавливается в середине блока и значительно снижает среднюю скорость, микропроцессор может динамически смещать смещения, чтобы предотвратить сгруппировку и обратный отскок очереди.

Повышение безопасности за счет вмешательства в режиме реального времени

Управление сигналами движения связано не только с эффективностью, но и с критически важной системой безопасности. Микропроцессоры позволяют приложениям безопасности реагировать быстрее, чем это когда-либо могли сделать операторы.

Избегание столкновений на перекрестках

Одним из наиболее перспективных приложений безопасности является предотвращение столкновений на перекрестке. Микропроцессор отслеживает скорости и траектории с датчиков. Если он обнаруживает, что два транспортных средства, вероятно, прибудут на перекресток одновременно с конфликтующих подходов, он может продлить красный свет или отсрочить зеленый, чтобы предотвратить перекрытие. Некоторые системы также активируют предупреждающие знаки или предупреждения о флэш-маяках для водителей. Исследования Министерства транспорта США показывают, что такие системы могут уменьшить столкновения на перекрестке до 40 процентов.

Подробнее о стандартах V2X см. в спецификации SAE J2735.

Преимущества микропроцессорных ITS

Преимущества развертывания микропроцессоров в транспортных системах выходят далеко за рамки более плавных поездок.

• Улучшенный поток трафика: Адаптивное управление сокращает среднее время в пути на 15-30% в пилотных исследованиях. Устраняя ненужные остановки, расход топлива и износ транспортных средств снижаются.
• Повышение безопасности: Обнаружение конфликтов в реальном времени и упреждение аварий в чрезвычайных ситуациях могут предотвратить тысячи аварий, связанных с пересечением. Национальное управление безопасности дорожного движения По данным Национальной администрации безопасности дорожного движения, примерно четверть всех смертей от пересечения приходится на долю аварий; микропроцессорные вмешательства непосредственно нацелены на эту статистику.
• Экологические преимущества: Дымный поток трафика означает меньшее время простоя и меньшее ускорение. Снижение выбросов CO2, NOx и твердых частиц способствует более чистому воздуху в городских районах.
• Эффективность затрат: Микропроцессоры позволяют городам делать больше с существующей инфраструктурой. Вместо того, чтобы строить новые дороги, они могут оптимизировать текущие. Расходы на техническое обслуживание также снижаются, потому что диагностика на основе края позволяет техникам удаленно идентифицировать неисправные датчики или контроллеры.
• Дискретное планирование: Богатые наборы данных, собранные микропроцессорными системами, информируют о долгосрочном планировании перевозок. Инженеры по транспорту могут анализировать количество поворотов, профили скорости и длину очередей, чтобы решить, где добавить поворотные полосы, отрегулировать ограничения скорости или установить пешеходные переходы.

Проблемы и соображения

Хотя микропроцессоры раскрыли огромный потенциал, их развертывание в ITS не лишено препятствий.

Сила обработки vs. потребление энергии

Большинство придорожного оборудования работает на солнечных панелях или с ограниченной мощностью сети. Высокопроизводительные микропроцессоры, которые могут запускать модели ИИ, потребляют значительную энергию. Инженеры должны сбалансировать вычислительные возможности с тепловым дизайном и временем автономной работы. Будущие проекты могут полагаться на специализированные ускорители ИИ, которые используют гораздо меньше энергии на вывод, чем процессоры общего назначения.

Задержка и надежность

Приложения безопасности требуют детерминированного времени отклика. Микропроцессор, который обрабатывает алгоритм обнаружения столкновений за 200 миллисекунд, может быть слишком медленным, чтобы предотвратить сбой. Жесткие операционные системы реального времени и аппаратная обработка (с использованием FPGA или выделенных ASIC) являются областями активных исследований для обеспечения задержки на микросекундном уровне.

Кибербезопасность

По мере того, как контроллеры трафика становятся связанными, они становятся потенциальными целями для кибератак. Компрометированный микропроцессор может использоваться для нарушения трафика или создания опасностей. Безопасная загрузка, зашифрованные коммуникации и механизмы обновления в воздухе теперь являются важными особенностями микропроцессоров ITS. Национальный институт стандартов и технологий опубликовал руководящие принципы для обеспечения безопасности интеллектуальных транспортных систем.

Для дальнейшего чтения стандартов и архитектур, которые делают эти системы возможными, обратитесь к таким ресурсам, как Информационный бюллетень ITS от DOT США и IEEE Транзакции на интеллектуальных транспортных системах .