Вынужденные пропускать встречный поток, машины, поворачивающие на перекрестках налево, нередко выстраиваются в большие пробки. Кроме того, они закрывают целую полосу, которую в противном случае можно было использовать для движения прямо. Такая блокировка тоже влияет на образование заторов на дорогах. Однако, найти оптимальный путь решения такой проблемы непросто.

При запрете поворота налево на некоторых перекрестках, градостроителям важно найти баланс между производительностью перекрестков и увеличением расстояния, которое нужно проехать для желаемого поворота. Возможностей для такого планирования так много, что найти самую лучшую без применения специальных компьютерных алгоритмов практически невозможно.

В новом исследовании ученые усовершенствовали эвристические алгоритмы, которые используют специальные ярлыки для поиска решений. В своем изначальном виде такие программы могут лишь приближаться к оптимальным решениям логистических проблем, но не обязательно дают самый лучший вариант. Поэтому в новой работе авторы объединили два существующих эвристических алгоритма для создания нового гибридного подхода.

Первый из них основан на инкрементном обучении — он произвольно отбирал потенциальные конфигурации и распознавал самые лучшие варианты. После этого другой — байесовский — алгоритм оптимизации анализировал этот новый набор вариантов и определял, как введение ограничений влияет на трафик на соседних перекрестках. Байесовская оптимизация объединяет исходную информацию о проблеме и обновляет ее с течением времени по мере получения новых данных. Это позволяет получить решение, близкое к идеальному.

В наиболее эффективных конфигурациях алгоритм чаще запрещал левые повороты в центре города и разрешал их чаще на периферии. Хотя этот метод был применен к обобщенной сети, полученные результаты могут быть использованы в качестве отправной точки для реальных моделей трафика с возможностью настройки алгоритмов в зависимости от конкретного города — динамики его транспортных потоков и существующей дорожной сети.

Статья исследователей опубликована в журнале Transportation Research Record.