Аннотация
развитие и внедрение автономных транспортных средств требует создания модели смешанного транспортного потока. Разрабатываемая модель может использоваться для оценки влияния автопилотов на транспортный поток, а в дальнейшем – для управления транспортной сетью. Существующих моделей, созданных на основе водителей-людей, недостаточно. Модификации этих моделей сводятся к уменьшению в два раза параметров скорости реакции и дистанции до впереди идущего
транспортного средства для имитации беспилотного транспорта. Большое внимание в современных исследованиях уделяется подключению автомобилей к единой сети для обмена информацией. В статье рассмотрены подходы к моделированию смешанного транспортного потока и прогнозирования объема трафика, решению задач управления транспортной системой в целом и автономными транспортными средствами и летательными аппаратами в частности: избежания столкновений, планирования маршрута, ориентирования. Условно выделены и охарактеризованы классы этих подходов и сделан вывод о направлении дальнейших разработок.
Литература
Куржанский А. Б., Куржанский А. А., Варайя П. Роль макромоделирования в активном управлении транспортной сетью. Труды МФТИ. 2010;2:4(8):100–118. Режим доступа: https://cyberleninka.ru/article/n/rol-makromodelirovaniya-v-aktivnom-upravlenii-transportnoy-setyu.
Кригер Л. С. Интеллектуальная система поддержки принятия решений при управлении движением общественного транспорта. Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2012;2:150–155. EDN: PAJWZX. Режим доступа: https://www.elibrary.ru/item.asp?id=17839437.
Баранов Л. А., Балакина Е. П., Сидоренко В. Г. Безопасное диспетчерское управление в условиях использования интеллектуальных беспилотных систем управления движением городского внеуличного транспорта. Проблемы управления безопасностью сложных систем : Материалы XXIX международной научно-практической конференции, Москва, 15 декабря 2021 года. Москва: Институт проблем управления им. В.А. Трапезникова РАН, 2021. С. 329–336. DOI: 10.25728/iccss.2021.63.40.051. EDN: LUEHUG. Режим доступа: https://elibrary.ru/item.asp?id=47534022.
Субботин Б. С. и др. Теоретические и концептуальные представления о взаимодействии человека с системами искусственного интеллекта в транспортной экосистеме. Москва : Московский автомобильно-дорожный государственный технический университет (МАДИ); 2021. 146 с. ISBN: 978-5-7962-0284-5. EDN: ZTJNZM. Режим доступа: https://www.elibrary.ru/item.asp?id=47696343.
Антонов В. О., Гурчинский М. М., Петренко В. И., Тебуева Ф. Б. Метод планирования траектории движения точки в пространстве с препятствием на основе итеративной кусочно-линейной аппроксимации. Системы управления, связи и безопасности. 2018;1:168–182. Режим доступа: http://sccs.intelgr.com/archive/2018-01/09-Antonov.pdf.
Максимов Н. А. Модель планирования группового полета и взаимодействия беспилотных летательных аппаратов (БПЛА) в условиях деградации группы. Научно-технический вестник Поволжья. 2019;6:24–29. EDN: LVTBNQ. Режим доступа: https://www.elibrary.ru/item.asp?id=41114714.
Mohmmadsina S. Microscopic Simulation Analysis of Connected and Autonomous Cars and Trucks at a Freeway Merge Area. Electronic Theses and Dissertations. 2021. Режим доступа: https://scholar.uwindsor.ca/etd/8613.
Gora P., Katrakazas C., Drabicki A., Islam F., Ostaszewski P. Microscopic Traffic Simulation Models for Connected and Automated Vehicles (CAVs) – State-of-the-art. Procedia Computer Science. 2020;170:474–481. DOI: 10.1016/j.procs.2020.03.091.
Milicevic Z. M., Bojkovic Z. S. From the Early Days of Unmanned Aerial Vehicles (UAVs) to Their Integration into Wireless Networks. Military Technical Courier. 2021;69:4:941–962. DOI: 10.5937/vojtehg69-33571.
Friedrich B. The Effect of Autonomous Vehicles on Traffic. Autonomous Driving. Springer, Berlin, Heidelberg. 2016:317–334. DOI: 10.1007/978-3-662-48847-8_16.
Lu Q., Tettamanti T., Hörcher D., Varga I. The Impact of Autonomous Vehicles on Urban Traffic Network Capacity: an Experimental Analysis by Microscopic Traffic Simulation. Transportation Letters. 2020;12(8):540–549. DOI: 10.1080/19427867.2019.1662561.
Бобровская О. П., Гавриленко Т. В., Галкин В. А. Модель транспортного потока, основанная на взаимодействии частиц с потенциалом действия. Вестник КРАУНЦ. Физ.-мат. науки. 2022;40:3:72–87. DOI: 10.26117/2079-6641-2022-40-3-72-87.
Бердоносов В. Д., Журавлёв Д. О. Математическая модель взаимного движения беспилотных летательных аппаратов. Информационные технологии и математическое моделирование в управлении сложными системами: электрон. науч. журн. 2020;3(8):11–21. DOI:10.26731/2658-3704.2020.3(8).11-21.
Журавлев Д. О. Разработка и реализация алгоритмов предотвращения столкновения беспилотных летательных аппаратов, находящихся в едином воздушном пространстве. Молодые ученые – Хабаровскому краю : Материалы XXII краевого конкурса молодых ученых и аспирантов, Хабаровск, 14–20 января 2020 года. Хабаровск: Тихоокеанский государственный университет. 2020:106–112. EDN: LHUQVO. Режим доступа: https://elibrary.ru/item.asp?id=42914355.
Kvetny R., Borshchova I. Collision Avoidance Algorithm for Unmanned Aerial Vehicles. Scientific Works of Vinnytsia National Technical University. 2011;1:9. EDN: PYXDNV. Режим доступа: https://elibrary.ru/item.asp?id=18959470.
Дьяченко А. А. Задача формирования строя в группе БПЛА. Известия ЮФУ. Технические науки. 2012;3. Режим доступа: https://cyberleninka.ru/article/n/zadacha-formirovaniya-stroya-v-gruppe-bpla.
Михайлов Н. А. Разработка алгоритма перестроения группы беспилотных летательных аппаратов для уменьшения заметности. Труды МАИ. 2017;96:22. EDN: ZWUHIH.
Walker P., Amraii S., Chakraborty N., Lewis M., Sycara K. Human Control of Robot Swarms with Dynamic Leaders. 2014 IEEE/RSJ International Conference on Intelligent Robots and Systems, Chicago, IL, USA. 2014:1108–1113. DOI: 10.1109/IROS.2014.6942696.
Khatib O. Real-Time Obstacle Avoidance for Manipulators and Mobile Robots. Int J Robot Res. 1986;5(1):90–98. Режим доступа: https://khatib.stanford.edu/publications/pdfs/Khatib_1986_IJRR.pdf.
Chang K., Xia Y., Huang K. UAV Formation Control Design with Obstacle Avoidance in Dynamic Three-Dimensional Environment. SpringerPlus. 2016;5:1124. Режим доступа: https://doi.org/10.1186/s40064-016-2476-y.
Brown G. Beyond Phase Transitions: an Algorithmic Approach to Flocking Behavior. Department of Physics and Astronomy, Brigham Young University. 2017.78 p.
Михайлов И. И., Кухтяева В. Р. Разработка алгоритма автономного движения беспилотного летательного аппарата. Микроэлектроника и информатика – 2016 : Материалы научно-технической конференции, Зеленоград, 20–22 апреля 2016 года. Зеленоград: Национальный исследовательский университет «Московский институт электронной техники». 2016:104–108. EDN: WBXUXP. Режим доступа: https://www.elibrary.ru/item.asp?id=26226563.
Zatmeh-Kanj S., Toledo T. Car Following and Microscopic Traffic Simulation Under Distracted Driving. Transp. Res. Rec. 2021;2675(8):643–656. DOI: 10.1177/03611981211000357.
Хуссейн А. Х. С., Заргарян Е. В., Заргарян Ю. А. Модель прогнозирования транспортного потока на основе нейронных сетей для предсказания трафика на дорогах. Известия ЮФУ. Технические науки. 2021;6(223):124–132. DOI: 10.18522/2311-3103-2021-6-124-132.
Төлеби Г., Курманходжаев Д. Прогнозирование потока транспортных средств на основе оффлайн обученной искусственной нейронной сети. Вестник Казахстанско-Британского технического университета. 2019;16(2):170–174. Режим доступа: https://vestnik.kbtu.edu.kz/jour/article/view/140.