Найти

Результаты поиска

• МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ТРАНСПОРТНОГО ПОТОКА НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРЕДСКАЗАНИЯ ТРАФИКА НА ДОРОГАХ

  Аламир Хайдер Сагбан Хуссейн, Е.В. Заргарян, Ю. А. Заргарян

  124-132

  2021-08-11

  Аннотация ▼

  В связи с индустриализацией современного общества, ростом транспортных систем нашей страны, увеличения определенных необходимых для развития потребностей граждан нашей страны количество транспортных средств разных видов и типов с каждым годом продолжает увеличиваться с большой скоростью, вызывая огромные пробки на транспортных дорогах, особенно в больших городах и мегаполисах. Таким образом, прогнозирование транспортных потоков является важным и необходимым компонентом оптимального управления трафиком в современных условиях развития транспортной сети. В качестве решения этой проблемы данная статья нацелена на анализ и описание приме-нения методов искусственного интеллекта, в частности нейронных сетей, что представляет современный подход к моделированию в сложных и нелинейных ситуациях, возникаю-щих при прогнозировании модели транспортного потока. Показанный метод точности основан на разработке нейронной сети для прогнозирования дневного потока трафика. Затем ожидаемый транспортный поток сравнивается с реальным набором данных, записанным на участке дороги и предоставленным менеджером инфраструктуры. Фактически, нейронные сети способны извлекать уроки из прошлых возникших ситуаций и предсказывать будущие ситуации на транспортной сети. В этом исследовании были изучены раз-личные структуры нейронной сети, и результаты моделирования показали, что лучшие прогнозы были получены с использованием многослойной архитектуры персептрон, кото-рая имеет хорошую систему обобщения со средней общей квадратичной ошибкой 0,00927 при текущем наборе транспортных средств. Первая часть статьи посвящена определению различных концепций, относящихся к текущей области исследований, включая обзор литературы по прогнозированию трафика и нейронным сетям. Вторая часть посвящена описанию проблемы перегрузки трафика с помощью задач прогнозирования и представлению предлагаемого метода решения с акцентом на искусственные нейронные сети, как средство прогнозирования спроса и его различных структур. Затем численные эксперименты проиллюстрированы анализом результатов прогноза после формирования и тестирования различных архитектур нейронных сетей.

• ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА КОНТРОЛЯ ЗАТОРОВ НА ДОРОГАХ С ИСПОЛЬЗОВАНИЕМ КОНТРОЛИРУЕМОГО АЛГОРИТМА МАШИННОГО ОБУЧЕНИЯ НА БАЗЕ АДАПТИВНОГО IOTN

  Х.С.Х. Аламир , Е.В. Заргарян , Ю. А. Заргарян

  2023-06-07

  Аннотация ▼

  Явление заторов на дорогах возникает, когда норма спроса на дороге или на транс-
  портном объекте превышает имеющуюся пропускную способность, причем бывает двух
  видов: либо рутинная, т.е. возникает в определенные моменты времени, которые являют-
  ся пиковыми, например, на дороге, идущих или возвращающихся с работы или учебных за-
  ведений людей; либо другой тип – внезапные появившееся заторы, возникающие в резуль-
  тате дорожно-транспортного происшествия, то есть в случае аварии на дороге, либо в
  силу других форс-мажорный причин. В связи с этим для уменьшения нарастания заторов в
  городах, можно и необходимо в современных условиях жизни и развития технологий ис-
  пользовать концепцию умных систем. Она отличается множеством алгоритмов, исполь-
  зуемых в мире машинного обучения (ML) и Интернета вещей (IoT) для более точного про-
  гнозирования потока трафика в краткосрочной перспективе и выявления возможностей
  для предотвращения заторов. В современных городах могут использоваться множество
  различных датчиков для сбора информации для прогнозирования краткосрочного трафика
  на территории города и точного захвата пространственной и временной эволюции (изме-
  нения) транспортного потока. Алгоритмы, внедренные в машинное обучение, улучшают
  возможности разрабатываемой системы. Качество принимаемых решений разрабаты-
  ваемого искусственного интеллекта увеличивается при одновременном увеличении объема
  собираемых данных. В этой статье предлагается модель системы TCC-SVM для анализа
  пробок на дорогах в среде умного города. Предлагаемая модель включает в себя систему
  управления трафиком Интернета вещей (IoT), которая сообщает о заторах в определен-
  ной точке. Существующие системы управления дорожным движением становятся неэф-
  фективными из-за увеличения количества транспортных средств на дорогах. В городских
  районах пробки и аварии являются серьезной проблемой. Интеллектуальная транспортная
  система необходима для решения проблем, вызванных заторами на дорогах