CC BY
40
УДК (004.83:519.816):656(1-21)
Л.С. Кригер, И.Ю. Квятковская
формализация типовых ситуации в задачах управления движением общественного транспорта
Стабильность работы городского общественного транспорта находится в прямой зависимости от нарушений движения транспортного процесса.
Типовые ситуации, сложившиеся на дороге в процессе функционирования общественного транспорта, характеризуются большим количеством факторов, представленных вербально. Поэтому для формализации данного типа ситуации необходимо применение методов искусственного интеллекта [1]. Наиболее подходящим математическим аппаратом описания таких факторов являются нечеткие множества.
Нечеткие факторы, характеризующие ситуацию, неопределенность внешней среды (реакция участников движения на сложившуюся ситуацию, слабопрогнозируемые последствия применяемых воздействий), недостаточная достоверность информации о ситуации, качественный характер ее описания и управляющих воздействий не позволяют строить систему управления рассматриваемого объекта на основе традиционного подхода с использованием математической модели. Поэтому возникает необходимость построения системы управления не на основе модели объекта, а на модели управления им.
С точки зрения достижения эффективного управления движением общественного электротранспорта и процессом доставки пассажиров наиболее подходящим методом управления является ситуационный подход на основе нечеткой логики (нечеткое ситуационное управление). Главную роль играет понятие ситуации как набора значений признаков, описывающих состояние объекта управления в некоторый момент времени. Все возможные состояния объекта управления описываются набором типовых ситуаций, каждая из которых представляет собой совокупность лингвистических значений признаков.
Представим ситуацию, сложившуюся в процессе функционирования городского электротранспорта в виде нечеткой ситуации [3]:
£ = {(Ц, (Я)/ Я >},у е У, (1)
где ц£ (у) = цЦ ) - функция принадлежности 106
лингвистической переменной (фактора) у 1, характеризующего ситуацию £ .
Детализируем представление ц(у):
Ц,(У) = ((Цц.(у)Т)/Т])},] еZ, /
е J,
(2)
где Т] -]-й терм терм-множества 1-й лингвистической переменной у{; цц ( ) (Т) - функция принадлежности у л.
Ограниченный набор нечетких ситуаций может описывать практически бесконечное число состояний объекта управления. Ситуационный уровень управления движением троллейбусов включает в себя три основных блока (рис. 1).
Таким образом, состояние объекта управления представляется в виде нечеткой ситуации, которая сравнивается со всеми типовыми ситуациями, хранящимися в решающей таблице. Определяется типовая нечеткая ситуация, близкая входной нечеткой ситуации. После чего информация об этой типовой нечеткой ситуации поступает в блок принятия решений, где определяются управляющие воздействия.
В качестве примера типовой нечеткой ситуации рассмотрим «Опоздание», которое характеризуется двумя факторами: «Скорость движения» ум и «Состояние препятствий на маршруте» 8Р . Обозначим у! = , у2 = 5 .
Рис. 1. Уровни ситуационного управления
Пусть У = {у1, у2} - набор факторов, характеризующих типовую нечеткую ситуацию 5, терм-множества лингвистических переменных у и ^ 2 Т = 7, 71, Т?1, Т,1, Т1, Т1, Т1}, Т2 = {ТД Т22, Т32, Т42, Т52, Т62, Т72} задаются в виде
5 =
|((0/ BND) ,0,8/ MND) ,0,6/ SND) ,0,2/ N) ,0/ SPD) ,0/ MPD) ,0/ LPD) / я), [(0/ BND) ,0/ MND) ,0,2/ SND) ,0,4/ N) ,0,6/ SPD) ,0,8/ MPD) ,1/ LPD) / y2
{BND,MND, SND, N, SPD,MPD, LPD} , где B -большое, M - среднее, S - малое, D - отклонение, в N - отрицательном, P - положительном направлении от N - нормального значения. Тогда одна из возможных ситуаций «Опоздание»:
(3)
Для определения состояния объекта управления необходимо сравнить входную нечеткую ситуацию 50 с каждой нечеткой ситуацией из некоторого набора типовых нечетких ситуаций
Я = {51 , S2, } '
Эталонные ситуации строятся таким образом, что каждая из них покрывает некоторое число возможных входных ситуаций и является объединением этих ситуаций. Ограниченный набор эталонных нечетких ситуаций позволяет описать неограниченное число состояний анализируемой системы [3].
Для распознавания входная ситуация сравнивается с эталонными на нечеткое включение.
В качестве меры для определения степени близости нечеткой ситуации "0 нечеткой ситуации е Я е К = {1, 2, ..., Щ}) можно использовать:
степень нечеткого включения нечеткой ситуации 50 в нечеткую ситуацию 5;
степень нечеткого равенства 50 и ;
степень нечеткой общности 50 и .
Определяясь некоторой мерой близости, задаются некоторые нечеткие отношения между ситуациями, в частности, между ситуациями "0 и 5, (/ е К), а также между типовыми ситуациями из набора Я. Выберем в качестве базового способа сравнения ситуаций нечеткое включение ситуации. Степень включения ситуации в ситуацию обозначается v(", )и определяется выражением v(5^, 5:) = & v(ц,
уеУ
Величина v(цs¡ (у), Ц/ (у)) является степенью включения нечеткого множества (у) в нечеткое множество Ц/ (у).
Ситуация 5 нечетко включается в ситуацию 5-, 5: с 5. если степень включения и ■У & -
5- не меньше некоторого порога включения 1ппс е [0,6; 1], определяемого условиями управления, т. е V(5{, 5 -) > 1Ппс. Иначе говоря, ситуация 5 нечетко включается в ситуацию 5: , если нечеткие значения признаков ситуации 5. нечетко включаются в нечеткие значения соответствующих признаков ситуации 5-.
Пусть на вход пришла ситуация вида
5 =
[((0,9/ BND) ,0,7/ MND) ,0,5/ SWD) ,0,1/ N) ,0 / SPD) ,0 / MPD) ,0 / LPD) / y1 [(0/ BND),0/MND),0,4/ SND),0,6/ N),0,7/ SPD),0,9/MPD),1/ LPD) / y2
Вычислим V(5,5') = 0,5 . Это означает, что ситуация 5' не включается в ситуацию 5 , следовательно база типовых ситуаций требует корректировки. В качестве алгоритма коррекции базы типовых ситуаций для систем управления можно предложить тривиальный алгоритм, представленный на рис. 2.
После распознавания типа ситуации путем определения степени близости текущей и эталонной ситуации, возникает необходимость принятия решения, т. е. выбора управляющего воздействия.
Процесс принятия решений системы управления основывается на построении таблицы соответствия между всеми возможными ситуациями и некоторым набором управляющих решений, раз-
мер которой определяется количеством ситуаций и зависит от степени конкретизации значений признаков [2].
Рис. 2. Алгоритм коррекции базы типовых ситуаций
Допустим, управляющие решения по факторам заданы следующими терм-множествами:
I/?,1 - «сильно увеличить», Я^ - «немного увеличить», Я13 - «не изменять» 1
Я\ - «немного уменьшить», Л5 - «сильно уменьшить»
/?2 - Ц2 - «устранить», В^ - «не устранять»}.
Построим матрицы отношений, описывающих воздействие управляющих решений Я1 = {Д1,Я^,Я^,Я\,Я1,} на фактор у1:
т;1 т 1 } тз1 т 1 4 т1 т1 т 1 7 т;1 т 1 } тз1 т 1 4 т1 т1 т 1
т;1 0 0 0,1 0,} 0,3 0,5 1 т;1 0 0,1 0,4 1 0,1 0 0
т} 0 0 0,1 0,} 0,4 0,7 1 т} 0 0 0,4 1 0,5 0 0
тз1 0 0 0,} 0,4 0,6 0,8 тз1 0 0 0 0,4 1 0,з 0,1
м; 3 м; 3
0 0 0 0,5 0,7 0,8 т41 0 0 0 0 0,4 1 0,з
т1 0 0 0 0 0,7 0,8 1 т1 0 0 0 0 0 0,7 1
т1 0 0 0 0 0 0,9 1 т61 0 0 0 0 0 0 1
т; 0 0 0 0 0 0 1 т71 0 0 0 0 0 0 1
т;1 т 1 } тз1 т 1 4 т1 тб1 т 1 т;1 т 1 } т1 т 1 4 т1 т1 т 1 7
т; 1 0,1 0 0 0 0 0 т;1 1 0 0 0 0 0 0
т 1 0,1 1 0,1 0 0 0 0 т1 } 1 0,1 0 0 0 0 0
} т1 0 0,1 1 0,1 0 0 01 тз1 0,6 1 0,1 0 0 0 0
мз 3 м 4 3
0 0 0,1 1 0,1 0 04 т41 0 0,} 1 0,6 0 0 0
т1 0 0 0 0,1 1 0,1 0 т1 0 0 0,} 1 0,7 0 0
т1 0 0 0 0 0,1 1 0,1 т61 0 0 0 0,1 1 0,6 0
т; 0 0 0 0 0 0,1 1 т71 0 0 0 0 0,1 1 0,5
т;1 т 1 } т1 т 1 4 т; т1 т 1 7
т;1 0,1 0 0 0 0 0 0
т 1 1 0 0 0 0 0 0
} тз1 1 0,} 0 0 0 0 0
м 1 3
1 "т1 0,1 1 0,} 0 0 0 0
т1 0 0,1 1 0,} 0,1 0 0
т1 0 0 0,1 1 0,} 0 0
т; 0 0 0 0,1 1 0,1 0
Построим матрицы отношений, описывающих воздействие управляющих решений Д2 = {Я;, Я22} на фактор у}:
т; т1 } т1 т1 4 т1 т1 т1 7 т;1 т1 } т1 т1 4 т1 т1 т1 7
т; 0 0 0 0 0 0,8 1 т;1 1 0 0 0 0 0 0
т1 0 0 0 0 0,8 1 0 т} 0 1 0 0 0 0 0
тз1 0 0 0 0,8 1 0 0 } тз1 з 0 0 1 0 0 0 0
з м}
т1 0 0 0,8 1 0 0 0 } =П 0 0 0 1 0 0 0
т; 0 0,8 1 0 0 0 0 т1 0 0 0 0 1 0 0
т; 0,8 1 0 0 0 0 0 т1 0 0 0 0 0 1 0
т; 1 0 0 0 0 0 0 т1 0 0 0 0 0 0 1
Рис. 3. Нечеткая ситуационная сеть
Управляющие решения задают некоторые преобразования значений признаков, каждому '-му терму управляющих решений ставится в соответствие матрица отношений М'., которая описывает силу воздействия управляющего решения на значение данного признака.
Целевая ситуация в данном случае определяется исходя из анализа степеней предпочтения управляющих решений. Для постановки целевой ситуации необходимо построить нечеткую ситуационную сеть (рис. 3), где 5'(' е I = {1, 2, ..., п}) - эталонные нечеткие ситуации; Я.(- е Р = {1, 2, ...,/}) - управляющие решения; а(^,Я ) - степень предпочтения применения управляющего решения Я. в ситуации по сравнению с другими возможными решениями из множества Я = {Я1, Я2, ..., }.
Степени предпочтения управляющих решений в каждой ситуации либо неизменны и определяются экспертным опросом, либо некоторым образом зависят от ситуации и определяются предпочтительным решением в данной ситуации. Управляющее решение, соответствующее текущей ситуации, представляет собой последовательность решений, необходимых для перехода от текущей ситуации к целевой по «оптимальному маршруту» в нечеткой ситуационной сети. Вывод решения разбивается на постановку цели (целевой ситуации) и построение стратегии управле-
ния, соответствующую оптимальному переводу объекта в целевое состояние.
Данная нечеткая ситуационная сеть представляет собой нечеткий ориентированный взвешенный граф, вершины которого соответствуют эталонным нечетким ситуациям, дуги взвешены управляющими решениями, необходимыми для перехода по ситуациям, и степенями предпочтения этих решений.
Применение нечеткого ситуационного управления для формирования управляющего воздействия на основе информации о текущей ситуации чрезвычайно актуально при возникновении аварийных ситуаций на дороге в процессе движения общественного транспорта.
Таким образом, нечеткое ситуационное управление движением общественного транспорта на основе нечеткого включения ситуаций, возникающих в процессе эксплуатации транспорта, позволяет увеличить экономическую эффективность работы транспортных предприятий (за счет снижения эксплуатационных затрат вследствие принятия решений на основе реальной дорожной ситуации), а также повысить удовлетворенность пассажиров качеством предоставляемых услуг, которое определяется своевременным прибытием транспорта на остановочный пункт.
СПИСОК ЛИТЕРАТУРЫ
1. Аверкин, А.Н. Нечеткие множества в моделях управления и искусственного интеллекта [Текст] /
А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун [и др.]. -М.: Наука, 1986. -312 с.
4
2. Борисов, В.В. Нечеткие модели и сети [Текст] / В.В. Борисов, В.В. Круглов, А.С. Федулов. -М.: Горячая линия - Телеком, 2007. -284 с.
3. Мелихов, А.Н. Ситуационные советующие системы с нечеткой логикой [Текст] / А.Н. Мелихов, Л.С. Бернштейн, С.Я. Коровин. -М.: Наука, 1990. -272 с.
УДК 004.413.4
Ю.А. Голуб, А.О. Новиков, Д.А. Логинова
анализ принципов формирований баз данных
для мониторинга и оценки процессов наукоемкого
кластерного развития
Кластерный подход представляет собой формы территориально-отраслевой организации производства, способствующей реализации инновационных предпринимательских проектов экономического развития, обусловливающих си-нергетический эффект взаимодействия с научными, проектными институтами при заинтересованном участии государственных и муниципальных органов управления. Кластерный подход позволяет создать эффективную экономику на местах, ориентированную на активизацию и коммерциализацию научных открытий и изобретений, производство конкурентной наукоемкой продукции, что будет способствовать обеспечению позитивных структурных сдвигов в экономике Российской Федерации в целом.
Кластер характеризуется составом участников и конечным продуктом, при этом также необходим количественный анализ кластера на основе сбора статистической и документальной информации о нем.
Статистическое исследование состоит из углубленного исследования с использованием специфических статистических данных и источников по выявлению количества работников и предприятий сектора предполагаемого кластера, темпов роста предприятий, включая количество новых предприятий за определенный промежуток времени, а также увеличение оборота и экспортных продаж. Оно также содержит данные о статистической концентрации фирм в кластере по сравнению с общим количеством фирм сектора в регионе и государстве.
Документальное исследование включает более специфические данные и источники по потенциаль-
ному кластеру. Основными источниками являются экономические отчеты, аналитические статьи, политики, стратегии. Документальное исследование также содержит информацию об инновационной составляющей кластера. Инновации - комплексное понятие, включающее в себя как сами новые технологии, так и инновации в образовательных и социальных процессах, при этом определяющим фактором является исследовательская кооперация. Уровень такой кооперации как раз и выявляет документальное исследование.
По завершению сбора статистических и документальных данных полученную информацию необходимо перепроверить через индивидуальные опросы участников кластера.
Известно, что наукоемкие процессы кластера обладают определенными свойствами и показателями. Для поиска «узкого места» необходимо иметь точную оценку процессов, а также механизм их взаимосвязанного прогнозирования и надежных методик мониторинга [5, 6].
Таким образом, актуальной задачей является оценка инновационного потенциала промышленного кластера. Цель оценки инновационного потенциала - определение направлений инновационного развития, обеспечивающих возможности перехода научно-производственных предприятий на выпуск конкурентоспособной продукции при существенном повышении устойчивости и гибкости предприятия по отношению к переменам во внешней среде. По результатам оценки групп показателей инновационного потенциала предприятия можно сделать вывод о том, какие аспекты функционирования предприятия, влияющие на инновационный потенциал, нуждаются в улучше-
