Вступ. Обстеження дорожнього руху (ДР) за допомогою візуальних спостережень у польових умовах залишається основним методом збору даних про інтенсивність транспортних потоків. Однак, в останні роки, зростає популярність використання програмного забезпечення для автоматизованого відеоаналізу ДР, що базується на технологіях штучного інтелекту. Такий підхід стає альтернативою традиційним методам збору даних, забезпечуючи високу ефективність і точність у вимірюванні показників ДР. За допомогою пост-обробки відеоматеріалів руху можна отримувати матриці зародження-призначення для транспортних засобів (ТЗ) конкретного типу, а також аналізувати експлуатаційні показники ДР для кожного ТЗ, що дозволяє отримати детальні дані про транспортні потоки та покращити якість планування й управління дорожньою інфраструктурою.
Проблематика. Метод використання відеоаналізу даних ДР за допомогою програмного забезпечення DataFromSky від R.C.E. systems може бути ефективно застосований для розрахунку опору у вузлах (intersection capacity analysis – ICA) в транспортній макромоделі, що створена в програмному забезпеченні PTV Visum. Однак на даний момент дослідження, які б були спрямовані на перевірку ефективності інтеграції двох зазначених технологій, не проводились.
Мета. Оцінювання можливостей програмного забезпечення для автоматизованого відеоаналізу даних ДР для моделювання опору у вузлах транспортної макромоделі.
Результати. На прикладі регульованого перехрестя вулиці В. Матусевича та проспекту Металургів у місті Кривий Ріг було встановлено, що різниця в отриманих показниках ДР, визначеними за допомогою ICA та програмного забезпечення DataFromSky є незначною, що свідчить про можливість використання результатів аналізу, здійсненого за допомогою програмного забезпечення DFS, для калібрування транспортної моделі, створеної в PTV Visum.
Висновки. До показників, які можуть бути перевірені за допомогою результатів аналізу ДР в DataFromSky, відносяться: середній загальний час очікування (затримка), середній рівень обслуговування (LOS), відношення завантаження до пропускної здатності, обсяг руху (інтенсивність транспортного потоку), фактор години пік, максимальний обсяг руху за 15 хвилин, а також долі правих і лівих поворотів. Показники черги ТЗ, які визначаються за ICA, не мають аналога в DataFromSky, але дані звіту Trajectories Movement Dynamics, який генерується у даному програмному забезпеченні, дозволяють встановити залежності між швидкістю руху, відстанню та часом у дорозі для конкретного ТЗ. Незважаючи на те, що підходи до аналізу показників транспортних потоків та транспортних розв’язок в ICA та DataFromSky мають різний рівень деталізації, результати відеоаналізу даних ДР можуть бути використані для калібрування транспортних моделей і порівняння модельних та натурних показників ДР.
