еализация интеллектуального автоматического управления движением автомобильных потоков в городских зонах регулирования на основе применения нечетких моделей
(Стр. 39-45)

В статье рассматривается вопрос реализации автоматического управления движением автомобильных потоков в городских зонах регулирования на основе применения нечетких моделей. Актуальность темы статьи обусловлена проблемой управления движением автомобильных потоков в экосистеме «Умный город». Управление движением автомобильных потоков является сложной динамической задачей, для решения которой предлагается использовать методы искусственного интеллекта для обработки нечетких знаний. В статье предлагается модель системы управления автомобильными потоками на перекрестке, основанная на использование нечетких знаний. Обработки знаний в системе осуществляет модуль «Нечеткий контроллер». Входными данными для нечеткого контроллера является информация о количестве проехавших автомобилей и информация о текущей длительности фаз светофора. Нечеткий контроллер имеет количество выходных переменных, соответствующее количеству фаз светофора. Нечеткий контроллер реализован средствами аппарата нечетких множеств. Система решает следующие задачи: отслеживание увеличения трафика в зоне регулирования; отслеживание приближения плотности потока на всех улицах зоны регулирования к критической; сбор информации о заполнении дороги, отходящей от перекрестка; реализация опосредованной разгрузки участка дороги после перекрестка, реализация управления на транзитных участках города. Для увеличения эффективности модели предлагается усовершенствованный процесс управления движением в рамках одного перекрестка, который учитывает дорожные ситуации после перекрестка. Такой подход оказывает положительное влияние на трафик в зоне регулирования за счет децентрализованной структуры системы, состоящей из таких управляемых перекрестков. Также авторы реализуют в рамках предложенной модели приоритеты направлений движения. Приоритеты задаются при настройке системы на каждом из светофоров и позволяют ускорить циркуляцию трафика внутри зоны регулирования.

ОБРАЗЕЦ ЦИТИРОВАНИЯ: Морозов Е.А., Волосова А.В., Матюхина Е.Н. Реализация интеллектуального автоматического управления движением автомобильных потоков в городских зонах регулирования на основе применения нечетких моделей // Computational Nanotechnology. 2023. Т. 10. № 4. С. 39-45. DOI: 10.33693/2313-223X-2023-10-4-39-45. EDN: FXSDTS

Константинов К.С., Волосова А.В. Применение генетического алгоритма для организации работы светофоров с целью оптимизации дорожного трафика // Интернаука. 2023. № 23 (293).
Волосова А.В. Использование тензорной модели для обработки неопределенности в сложных динамических системах // Computation Nanotechnology. 2023. Т. 10. № 1. С. 79–87.
Максимычев О.И., Мезенцев К.Н., Волосова А.В. Информационно-коммуникационные технологии и элементы искусственного интеллекта в интеллектуальных транспортных системах // Мир транспорта и технологических машин. 2023. № 1-1 (80). С. 112–118.
Ostroukh A.V., Pronin C.B., Volosova A.V. et al. Parametric synthesis of quantum circuits for training perceptron neural networks // Intelligent Technologies and Electronic Devices in Vehicle and Road Transport Complex, TIRVED 2022: Conference proceedings, 2022.
Pronin C.B., Maksimychev O.I., Ostroukh A.V. et al. Creating quantum circuits for training perceptron neural networks on the pRSCIiples of Grover’s algorithm // Systems of Signals Generating and Processing in the Field of on Board Communications, SOSG 2022: Conference proceedings, 2022.
Yurchik P.F., Maksimychev O.I., Golubkova V.B., Volosova A.V. Tensor analysis of uncertainty in freight transport ULS-systems // IOP Conference Series: Materials Science and Engineering. DOI: http://dx.doi.org/10.1088/1757-899X/1159/1/012074.
Volosova A.V., Matiukhina E. Using artificial intelligence for effective decision-making in corporate governance under conditions of deep uncertainty // SHS Web of Conf. 2020. No. 89. P. 03008. DOI: 10.1051/shsconf/20208903008.
Volosova A.V., Matiukhina E., Akimov D. The use tensor method of dual networks for analysis of the transport and tourist components of sustainable development of territories // E3S Web of Conferences. 2020. No. 208. P. 05012.
Волосова А.В. Реализация автоматизированного управления дроном с использованием технологий искусственного интеллекта // Инженер и промышленник. 2022. № 4 (58).
Maksimychev O.I., Volosova A.V., Ismoilov M.I. et al. Platforms and complexes for unmanned technologies in road transport // Intelligent Technologies and Electronic Devices in Vehicle and Road Transport Complex. TIRVED 2022: Conference proceedings, 2022.
Volosova A.V., Maksimychev O.I., Ostroukh A.V. et al. Uncertainty processing by tensor algebra means in condition of movement along complex roads // Systems of Signals Generating and Processing in the Field of on Board Communications. SOSG 2022: Conference proceedings, 2022.
Kuftinova N.G., Maksimychev O.I., Ostroukh A.V. et al. Data fabric as an effective method of data management in traffic and road systems // Systems of Signals Generating and Processing in the Field of on Board Communications, SOSG 2022: Conference proceedings, 2022.

нечеткие знания, нечеткие модели, нечеткая логика, обработка нечетких знаний, искусственный интеллект, интеллектуальное автоматическое управление.