ИНТЕЛЛЕКТУАЛЬНАЯ ТРАНСПОРТНАЯ ГЕОИНФОРМАЦИОННАЯ ПЛАТФОРМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО ОРГАНИЗАЦИИ ДОРОЖНОГО ДВИЖЕНИЯ

INTELLIGENT TRANSPORT GEOINFORMATION PLATFORM FOR DECISION-MAKING SUPPORT FOR TRAFFIC MANAGEMENT

Elena Chekina

postgraduate Student, Department of Organization and Management of Transportation, Samara National Research University named after Academician S.P. Korolev,

Russia, Samara

Tatiana Mikheeva

Doctor of Technical Sciences, Professor, Department of Organization and Management of Transportation on Transport, Samara National Research University named after Academician S.P. Korolev,

Russia, Samara

АННОТАЦИЯ

В статье описывается информационная транспортная геоинформационная платформа поддержки принятия решений по организации дорожного движения, основывающаяся на данные средств сбора и обработки данных о транспортных средствах и дорожной инфраструктуре. Интеллектуальность информационной транспортной геоинформационной платформы обеспечивается наличием нейросетевых технологий, гибридизацией методов моделирования, экспертной системой дислокации.

ABSTRACT

The article describes an information transport geoformation platform for decision-making support for the organization of traffic, based on data from means of collecting and processing data on vehicles and road infrastructure. The intelligence of the information transport geoinformation platform is provided by the presence of neural network technologies, hybridization of modeling methods, and an expert dislocation system.

Ключевые слова: автомобильный транспорт, улично-дорожная сеть, организация дорожного движения, интеллектуальная транспортная система, геоинформационная система, информационная платформа, цифровая модель, оптимизация дислокации.

Keywords: road transport, road network, traffic management, intelligent transport system, geoinformation system, information platform, digital model, location optimization.

Согласно действующей в России национальной программе «Цифровая экономика», одним из одним из приоритетных направлений государственной политики является развитие и цифровизация дорожно-транспортного комплекса страны путем внедрения интеллектуальных транспортных систем (ИТС) [1], в рамках которого предусматривается установка множества средств сбора и обработки данных о транспортных средствах и дорожной инфраструктуре с целью принятия решений, таких как детекторы транспортного потока, адаптивные (умные) светофоры, средства автоматической фиксации нарушений ПДД и т.д.

Развитие интеллектуальной дорожной инфраструктуры, информационных технологий и систем связи, внедрение подключенных и автоматизированных транспортных средств возможно на базе информационной транспортной геоинформационной платформы [2,3].

Интеллектуальная транспортная геоинформационная платформа ITSGIS, основываясь на данных передвижной дорожной лаборатории, благодаря новейшим разработкам на базе машинного зрения, нейросетевого анализа, LiDAR технологий, определяет и классифицирует объекты на дороге – светофоры, дорожные знаки, дорожное полотно, и их текущее состояние, и заносит их на электронную карту геоинформационной платформы, получая, таким образом, «цифровой двойник» улично-дорожной сети [4].

Всесторонний многомерный и интеллектуальный анализ полученного цифрового двойника позволяет интеллектуальной транспортной геоинформационной платформе осуществлять поддержку принятия решения проектировщиками дорожного движения при выборе варианта проектирования транспортных узлов.

Интеллектуальность транспортной геоинформационной платформы ITSGIS обеспечивается комбинацией нейросетевых технологий и гибридизации нескольких методов моделирования [5].

Использование нейросетей обоснованно, так как нейросетевые технологии универсальны для решения специфических задач из разных проблемных областей, в том числе в управлении транспортными процессами. Один нейроимитатор может решить многие нестандартные задачи, при этом отпадает необходимость в использовании специализированных приложений для каждой специфической задачи.

Гибридизация в транспортной геоинформационной платформе ITSGIS состоит в одновременном использовании нескольких моделей и методов для обработки информации об одной группе объектов. Суть такого подхода основана на базе того, что любая сколь угодно сложная модель реального объекта всегда будет примитивнее и проще оригинала, и только его многогранное изучение с последующей интеграцией получаемых результатов позволит обрести необходимые знания или приблизиться к оптимальному решению. А поскольку невозможно предугадать, какой вариантов проектирования даст лучшие показатели параметров эффективности дорожного движения при текущих и прогнозных условиях, в ITSGIS реализована возможность объединения типовых решений [6].

Технологии интеллектуальной транспортной геоинформационной платформы ITSGIS, использующие нейросети, позволяют объединить несколько задач: распознавание образов, классификацию, выдачу типовых решений. При этом, нейросеть гибка по отношению к внешним факторам, таким как возникновение теней или положение камеры. Обнаруженные с помощью нейронной сети технические средства организации дорожного движения (ТСОДД) классифицируются по типам (дорожный знак, дорожная разметка, ограждение, буфер дорожный, освещение, остановка) с учетом их номера, высоты установки, типоразмера и т.д.

Встроенная в интеллектуальную транспортную геоинформационную платформу ITSGIS экспертная система [7] реализует на электронной карте типовые решения по организации дорожного движения, согласно ГОСТ Р 52289-2019, что позволяет избежать ошибок, связанных с человеческим фактором. В местах концентрации ДТП и очагах аварийности, транспортных узлах со сложной планировкой, проектировщик подбирает предлагаемые и смоделированные системой варианты проектирования, наиболее благоприятным образом позволяющие решить транспортную проблему (обеспечение безопасности, минимизация времени проезда на участке, дорожный затор и т.д.)

Внедрение цифровых интеллектуальных технологий в управление и развитие транспортной инфраструктурой позволит обеспечить высокую скорость доступа к информации по многокритериальному запросу. Предлагаемая интеллектуальная транспортная геоинформационная платформа позволит сформировать комплексную единую платформу хранения и обработки цифровой модели улично-дорожной сети, вырабатывать качественные решения по организации дорожного движения с учетом всех изменений на территории и удовлетворяющие множеству критериев. Применение данной платформы возможно как одного из модулей единой платформы управления транспортной системой города.

Список литературы:

1. Медникова, О.В. Цифровая трансформация в сфере транспорта и логистики / О.В. Медникова, Т.Б. Матвиевская [Текст] // Вестник Академии знаний. — 2021. — № 4 (45). — С. 204-210.
2. Егоров, С.В. Мировой и российский опыт применения интеллектуальных транспортных систем / С В. Егоров, П.В. Шационок, А.И. Ерпылева, Д.И. Жарков [Текст] // Транспортное дело России. — 2020. — № 4. — С. 130-136.
3. Щукина, В.Н. Предпосылки создания технологии интеллектуальной трехмерной информационной платформы городской территории (ИТИПГТ) / В.Н. Щукина, А.Н. Антипова, Ю.Е. Голякова [Текст] // Московский экономический журнал. — 2020. — № 3. — С. 308-320.
4. Чекина, Е.В. Построение цифровых двойников автомобильных дорог в среде интеллектуальной транспортной геоинформационной системы / Е. В. Чекина [Текст] // IT & Transport / ИТ & Транспорт: сб. науч. статей. — Самара: Интелтранс, 2021. — С. 88-92.
5. Михеева, Т.И. Системный анализ объектов транспортной инфраструктуры в геоинформационной среде / Т.И. Михеева [Текст] // Программные продукты и системы. — 2018. — Т.31. — №1. — С. 12-18.
6. Михеев, С.В. Цифровая визуализация сетецентрического геопространственного зонирования и управления транспортной инфраструктурой / С.В. Михеев, Е.В. Чекина, Т.И. Михеева [Текст] // Перспективные информационные технологии (ПИТ 2020). Труды Международной научно-технической конференции. — Самара: Издательство Самарского научного центра РАН, 2022. — С. 262-267.
7. Имамутдинов, А.Н. Веб-ориентированная информационная система дислокации объектов транспортной инфраструктуры / А.Н. Имамутдинов, Н.А. Остроглазов, О.К. Головнин [Текст] // Известия Самарского научного центра РАН. — 2016. — № 4-4. — С. 739-743.