CC BY
131
дешщ ШШ'1
-Ш
Н. И. Коваленко
Извлечение знаний для интеллектуальных транспортных систем
Показано, что информационная потребность интеллектуальных транспортных систем требует получения знаний как информационного ресурса. (функционирование интеллектуальной транспортной системы невозможно без обеспечения технологиями извлечения знаний, причем для интеллектуальной транспортной системы нужны не просто знания, а геознания или пространственные знания.
Показано различие между информационной потребностью информационных систем и информационной потребностью интеллектуальных транспортных систем. Ряд их этапов одинаков, но число и качественный состав различаются, а некоторые этапы свойственны только интеллектуальным технологиям.
Раскрываются особенности информационно-когнитивного подхода к формированию знаний. В информационных технологиях этот подход применяется для решения информационных задач, связанных со сбором, обработкой хранением и представлением информации или интегрирующей все названные процессы. В аспекте управления в информационных технологиях этот подход реализует поддержку принятия решений.
Показано,что геознание,как особый вид знания,является обязательным ресурсом для интеллектуальной транспортной системы. Геознания или геоинформационные знания ,которые получают на основе сбора количественной информации ,ее обработки и анализа являются структурно согласованными в количественном и качественном отношениях.
Ключевые слова: знания, интеллектуальные транспортные системы, философия информации, управление, геознание, когнитивные модели
N. I. Kovalenko
Extraction of knowledge for intelligent transport systems
It is shown that the information need of intelligent transport systems requires gaining knowledge as an information resource. The operation of the intelligent transport system is not possible without the technology of knowledge discovery,and intelligent transport systems need not just knowledge, but geoknowledge or spatial knowledge.
Shows the difference between the information needs of information systems and information needs of intelligent transport systems. The series of stages is the same, but the number and composition vary ,and some stages are peculiar only to intelligent technology.
Special features of informational-cognitive approach to knowledge creation. In information technology this approach is used to solve information problems associated with the collection, processing, storage and presentation of information or integrating all these processes. In the aspect of management in information technology this approach implements decision support.
It is shown that geoknowledge as a special kind of knowledge that is required for intelligent transport systems. Geoknowledge or GIS knowledge, which is obtained on the basis of qualitative information,its processing and analysis are structurally consistent in quantitative and qualitative terms.
Key words: knowledge, intelligent transport systems, philosophy , management, geoknowledge , cognitive models.
Введение
нтеллектуальные транспортные системы (ИТС) — новый вид сложных систем, применяемых для управления Цранспортными потоками [1]. В качестве основных технологий в ИТС применяют интеллектуальные технологии в сочетании с информационными технологиями. Особенность этих систем в применении методов геоинформатики [2], геореференций [3] и пространственных моделей [4]. Технологическая особенность этих систем в применении космических технологий как опорного средства для управления [5]. Информационная особенность этих систем состоит в требовании наличия подсистем поддержки. Это такие подсистемы как система координатного обеспечения и система информационно-ресурсного обеспечения. Система информационно-ресурсного обеспечения включает технологии получения знаний для ИТС.
Следует отметить, что информация в «сыром» [6] виде или в виде первичных данных не используется в информационных и интеллектуальных системах. Для использования информации в этих системах ее необходимо преобразовать
Сравнение под,
в информационные''ресурсы. ОёновуЧнфЗ'рШ-:; ционных ресурсов составляют информационные модели [7] и интеллектуальные модели. Основу информационных моделей составляют информационные единицы в виде неделимых сущностей [8]. Основу интеллектуальных моделей [9] составляют информационные единицы и интеллектуальные единицы, в виде правил информационного взаимодействия информационных единиц.
Таким образом, функционирование ИТС невозможно без обеспечения технологиями извлечения знаний, причем извлечение знаний имеет свою специфику. Эта специфика состоит в том, что для ИТС нужны не просто знания, а геознания [10] или пространственные знания [11].
Сравнение информационного и интеллектуального подходов Извлечение и формирование знаний для ИТС является существенным их отличием от информационных систем. Тем не менее, существует сходство между технологиями ИС и технологиями интеллектуальных систем. Сравнение между поддержкой информационных и интеллектуальных систем приводится в табл. 1
Таблица1
жки ИС и ИТС
Этап Информационная поддержка ИС Интеллектуальная поддержка ИТС
1 Сбор информации Сбор информации
2 Извлечение первичных знаний
3 Формирование информационных единиц как информационных носителей Формирование информационных единиц как информационных носителей
4 Формирование семантических информационных единиц Формирование информационных единиц как информационных носителей
5 Формирование элементарных правил (интеллектуальных единиц)
6 Формализация базовых моделей информации Формализация базовых моделей знаний
7 Формирование сложных информационных моделей Формирование сложных правил получения знаний или технологии обучения
8 Формирование знаний (получение знаний)
9 Формирование базы данных Формирование базы знаний
10 Представление информационных моделей Представление знаний
11 Когнитивное моделирование Когнитивно-интеллектуально е моделир ов ание
В таблице даны 11 основных этапов обеспечения деятельности для ИС и ИТС. Ряд этапов одинаков. Но их число и качественный состав различаются. Для информационных технологий присутствует всего 7 этапов. Этапы 1, 3, 4 одинаковы. Этапы 6, 7, 9, 10, 11 различаются. Этапы 2, 5, 8 свойственны ЦЪлько интеллектуальным технологиям.
Таблица 1 отражает тот факт, что интеллек-Вуальные модели являются разновидностью информационных моделей и содержат их в своей основе. Рассмотрим сходство и различие между некоторыми этапами.
Этап 1. Существенное сходство в том, что используются источники информации для первичного сбора. Результаты качественно разные.
Информационные технологии. Сбор информации — процесс взаимодействия исследователя с источником информации, в результате которого данные или информационные параметры становятся информационно определенными и дают информационной описание (представление) о предметной области.
Интеллектуальные технологии. Извлечение знаний — процесс взаимодействия исследовате-
Жя Щ ист8чникнй"зианйй,' в реЗУи^гаТегЮторого зйания становятся явным как структура представлений о предметной области. Задача извлечения знаний (knowledge discovery) тесно связана с компьютерной лингвистикой и обработкой текстов на естественном языке.
Этап 3-5. Существенное сходство в том, что используется одинаковый подход формализации. Формализация является важным этапом перехода от «идеального» к «реальному», от идеи к формулам и моделям, а затем и к прак-жическим технологиям [12]. Она дает возможность логического построения технологических процессов и проверки их непротиворечивости (правильности) еще до стадии практической реализации. Формализация (информации и знаний) позволяет решать задачи систематизации, классификации и формирования логических и семантических единиц. Результаты качественно разные, поскольку выбираются разные формальные системы для формализации.
Информационные технологии и интеллектуальные технологии. Формализация — представление какой-либо содержательной области (фактов, доказательств, процедур классификации, поиска информации, научных теорий) в виде формальной системы или исчисления на основе заранее определенной формальной системы.
Этап 6. Формальное сходство в процедуре формирования. Различие в том, что в информационном подходе формирование преследует цели хранения и обработки информации и построение описательной и ресурсной модели. В интеллектуальных технологиях формируются интеллектуальные модели. Цель получение новых знаний.
Информационные технологии. Формирование информационных моделей — построение формализованной, взаимосвязанной совокупности идентифицируемых и информационно определенных параметров, отражающей не только основные свойства объектов моделирования, но и наиболее существенные отношения между ними и окружающей средой
Интеллектуальные технологии. Формирование знаний — построение формализованной, взаимосвязанной совокупности идентифицируемых, информационно определенных и когнитивно связанных параметров, включающей совокупность правил вывода, отражающей не только основные свойства объектов моделирования, но латентные параметры и наиболее существенные отношения и тенденции взаимодействия.
Этап 9. Формальное сходство в процедуре формирования информационной системы хранения. Различие в том, что в информационном подходе создается база данных для накопления ресурсных моделей. В интеллектуальных технологиях создается база знаний, включающая систему вывода и накопления интеллектуальных моделей.
Инфв^аЩЗЯЖтШШШШ Формирование базы данных — создание системы классифицированных, структурно определенных, целостных непротиворечивых информационно-ресурсных моделей, отображающих представления о структуре предметной области
Интеллектуальные технологии. Формирование базы знаний — создание системы классифицированных, структурно и семантически определенных, целостных непротиворечивых интеллектуальных моделей, отображающих представления о структуре предметной области и специфику взаимодействия в ней, включающий механизм формирования новых знаний.
Этап 10. Существенное различие в том, что в информационном подходе представление является буквальным для ЛПР. В интеллектуальных технологиях представление означает не столько представление моделей для ЛПР, сколько дальнейшую детализацию и формализацию моделей для решения новых задач и получения новых знаний.
Информационные технологии. Представление информационных моделей — преобразование информационных моделей в форму (картографические или визуальные модели) удобную для визуального восприятия и анализа человеком
Интеллектуальные технологии. Представление знаний — структурирование знаний с целью формализации процессов решения задач в определенной проблемной области и получения нового знания. Термин "представление знания" употребляется для обозначения проблематики широкого класса междисциплинарных исследований, целью которых является создание искусственных языков (систем, программ), способных воспроизводить, хранить и перерабатывать информацию о человеческих знаниях.
Как следует из сравнения, по этому этапу имеются наибольшие различия. Особенность извлечения нового знания состоит в том, что это извлечение порождает акты извлечения низшего уровня через дополнительные механизмы - модели.
Этап 11. Когнитивное моделирование осуществляется по-разному в ИС и ИТС. В обеих вариантах оно описается на построение когнитивных моделей [13, 14]. Существенное различие в том, что в информационном подходе когнитивное моделирование включает лицо, принимающее решение (ЛПР). В интеллектуальных технологиях когнитивное моделирование осуществляется независимо от ЛПР.
Особенности информационно-когнитивного подхода к формированию знаний
Информационно-когнитивный подход к формированию знаний для ИТС основан на построении информационных ситуаций [15] и моделировании человеческих." рассуждений 116].
ход ' применяется для решения информационных задач, связанных со сбором, обработкой хранением и представлением информации или инте-Щрирующей все названные процессы. В аспекте управления в информационных технологиях Ввтот подход реализует поддержку принятия ре-Врений. При этом в основном решаются задачи первого рода [17, 18].
В интеллектуальных технологиях этот подход применяется для решения интеллектуаль -ных задач, связанных с получение знаний. При этом в основном решаются задачи второго рода [17, 18].
Под интеллектом часто понимается упрощенная модель способность мышления, рационального познания. В интеллектуальных технологиях эта способность реализуется в тройке субъект — управляющее действие — объект (СУО) или (в общем случае) в последовательности субъект — управляющее действие — субъект — управляющее действие ... — объект. В аспекте управления в интеллектуальных технологиях информационно-когнитивный подход реализует поддержку и принятие решений. Например, нейронные сети могут использоваться как для поддержки, так и для принятия решений.
Особенности и основные характеристики информационно-когнитивного подхода состоят в следующем:
Информационная неопределенность или нечет -кость. Формирование знаний не должно ограничиваться четкой информацией. На практике субъект имеет дело с информационной неопределенностью. Человеческий интеллект способен вырабатывать разумные решения в условиях неопределенности. При использовании с неполной или изменчивой информации результаты вывода — приблизительны или правдоподобны. Такие результаты, или полученные знания, именуемые модифицируемыми, могут подвергаться пересмотру, а выведенные из них заключения должны допускать возможность отказа от них.
Актуальность знаний и семантика. Построение информационных ситуаций и их интерпретация зависят от текущего состояния знаний субъекта. Это состояние, в силу динамики развития и изменчивости среды, может изменяться. Знания могут приводиться в соответствие с реальной обстановкой и это называется актуализацией.
Синтаксис. Необходимым элементом любой системы вывода является "логический блок", задача которого "состоит в поиске вывода ответа на входное сообщение, поступившее в систему" этот логический блок основан на некой совокупности правил и условий образующих синтаксис интеллектуальной системы.
Прагматика. Решение задач и принятие решений всегда связано с определенной целью. Это находит свое выражение в разработках схем
вывода и получения знаний, основанных на применении целевой функции, а также в попытках моделирования вопросно-ответных отношений.
Языковое отражение методов. При получении знаний необходимости выделить когнитивные методы, которые связаны с изучением не только мыслительных процедур, но и их языкового отражения, используемого человеком при решении задач. Язык содержит отдельные символы, слова, предложения фразы. Все это можно рассматривать как различные семантические единицы, имеющие различные уровни смысловых значений
Ретроспекция. Ряд подходов получения знаний и вывода опирается на ретроспективный анализ. Решение задач при использовании ресурсных моделей представляет собой форму ретроспективной обработки информации посредством выявления и образования новых связей.
Процесс решения. Процесс решения включает два основных этапа: построение когнитивной сети (или дерева), репрезентирующей задачу и затем построение набора отношений, соединяющих сеть задачи с желаемой сетью, или сетью решения.
Построение дерева осуществляется в рабочей памяти путем выделения условий задачи. Если в качестве примера рассматривать математическую задачу, то результатом первого этапа некоторая структура в рабочей памяти, представляющая собой определенный список переменных. На втором этапе строятся связи между закодированными в структуре рабочей памяти переменными и желаемыми свойствами, составляющими решение задачи с целью соответственного преобразования информации.
Основные компоненты. Среди основных компонентов информационно-когнитивного подхода, понимаемого как процесс решения интеллектуальной задачи, можно выделить следующие:
1 Постановка вопроса, проблемы задачи на основе исходного знания
2. Выделение предметной области рассуждения. Редукция на определенном и сравнительно нешироком круге предметов и явлений, к которому непосредственно относится исходное знание.
3. Актуализация знаний о предметной области рассуждения:
4. Подбор аналогов из доступных рассуждений о данной предметной области. При этом выбор схемы зависит от исходного знания и цели рассуждения.
5. Оценка высказываний-посылок: признание их в качестве истинных или правдоподобных или несоответствующих.
6. Выбор рассуждения заключения на основе высказываний-посылок.
7 Формулировка ответа на поставленный в начале рассуждения вопрос.
Данная последовательность отображает лишь
ВрЩрЮСИуиТ рассуж-
дений. Чаще всего в реальной мыслительной ррактике рассуждение представлено в "свернутом" виде: многие его компоненты не артикулируются, а большинство мыслительных операций совершается автоматически.
Построение правил рассуждений. Представленная выше структура рассуждений отражает так называемые простейшие рассуждения. В более сложных своих проявлениях они могут содержать не одно, а несколько умозаключений. Из простых рассуждений могут складываться сложные рассуждения. Эта ситуация имеет место, если решаемая задача разбивается на ряд подзадач, процесс решения каждой из которых представляет собой простое рассуждение. Схематически это можно представить так:
задача к - задача i - ... - задача 2 - задача 1, причем первоначальное движение мысли (процедура разбиения задачи на подзадачи) идет от задачи 1 к задаче к, в то время как непосредственная процедура решения осуществляется в обратном порядке: строится рассуждение, результатом которого будет решение задачи к; полученное решение задачи к выступает исходными данными задачи ^ строится рассуждение, результатом которого будет решение задачи i и т.д. Решение задачи 1 будет составлять решение исходной задачи.
В процессе рассуждения может возникнуть потребность в получении дополнительной информации (в том числе и посредством наблюдения, измерения и т.п.), которая затем включается в состав знаний субъекта рассуждения, и т.д. Однако эмпирические процедуры не относятся к деятельности рассуждения.
Выделенные компоненты и стадии рассуждения взаимосвязаны, при этом каждый из "строительных блоков" простого рассуждения сам по себе не обладает свойствами целого (собственно рассуждения).
Геознания как особый вид знания
необходимый ИТС Выше отмечалось, что информационная потребность ИТС связана с получением новых знаний для решения задач ИТС и обеспечения ее жизнедеятельности.
Отмечалось, что информационные потребности ИТС существенно отличаются от информационных потребностей многих информационных и интеллектуальных систем. Они включают потребности в общей пространственной и временной информации и информации о ситуации объекта управления. Они включают специальные потребности, определяемые характером решаемых задач, спецификой транспортного объекта, характером перевозок и особенностью управления, а также масштабом ¡перемещения транспортного средства. Такая специфика неизбежно приводит к потребности щовоЕО" типа йййШййлМА ИТС которое назы-
ваютт^еознанием [9]. Гешй1ние связанос геоинформатикой.
Развитие транспортных систем также связано с геоинформатикой как наукой, связывающей пространственные отношения различных объектов с другими видами информации. Эта связь широко используется в транспортной сфере для контроля, управления и координации транспортных потоков. Развитие интеллектуальных транспортных систем связано с одной стороны с областью искусственного интеллекта, с другой с изучением пространственных аспектов перемещения, взаимного положения и состояния подвижных объектов. В этом аспекте развитие методов искусственного интеллекта в геоинформатике служит основой создания ИТС и представляет интерес для специалистов в сфере транспорта, искусственного интеллекта и самой геоинформатики.
Геоинформатика обладает свойством инте-грированности [19]. Подходы, применяемые в геоинформатике. являются совокупностью подходов применяемых в разных науках. Как междисциплинарная наука она дает возможность многоаспектного обобщения и анализа различных явлений, включая задачи искусственного интеллекта. Одной из основных задач геоинформатики является получение новых знаний. Это сближает методы искусственного интеллекта и методы геоинформатики.
Геоинформатика связывает комплексные методы обработки информации (в первую очередь социально-экономической) с различными областями знания и их практического применения.
Среди различных задач, в геоинформатике решаются следующие задачи, сближающие ее с методами искусственного интеллекта и способствующие его развитию:
Комплексное извлечение знаний об окружающем мире;
Дополнительная обработка информации с целью получения знаний;
Получение новых знаний с использованием пространственно-временной информации;
Использование пространственных отношений для формирования и получения знаний.
Геоинформатика оперирует с геоинформацией и геоданными, интегрирующими разные виды информации. Это расширяет возможности комплексного анализа и импакт-анализа при изучении и применении методов искусственного интеллекта (ИИ) [20].
Для получения знаний в геоинформатике применяют дополнительные методы: это визуальное моделирование, основанное на ассоциативных связей графики и информации в базе данных; процедуры оверлея, реализующие возможности теоретико-множественных процедур и логических операций с пространственно-координированной информацией. Это создает возможность нового качества в представлении знаний.
Геоинф'ОрМзтикаЧйозволЯе^^троитБ^'мвдеЯи социально экономических явлений в реальном пространстве с учетом пространственных, временных и отнологических отношений. Именно ■Эти модели позволяют выявлять скрытые зависимости и тем самым извлекать знания в сложных ситуациях, которые человек с помощью своего естественного интеллекта не всегда в состоянии понять и тем более развить ситуацию в будущее.
Использование пространственных отношений позволяет получать новый вид знания геоинформационное знание, или геознание [9]. В связи с этим представляет интерес сравнение геознания как геоинформационного знания с географическим знанием, что являлось предметом исследований ряда ученых.
Геознание, это знание, дополнение содержательной информацией о влиянии пространственных отношений на различные виды знания и информации. За рубежом существует понимание различия между геознанием и географическим знанием. В работе [21] дано следующее определение географическое знание — индивидуальный ментальный запас знаний человека: о географических фактах, о пространственной окружающей среде, о географических отношениях - полученных из наблюдения, из личной навигации, и из вторичных источников, таких как словесные описания, карты, и тексты; часто классифицируемый в декларативное, процедурное, и конфигурационное географическое знание.
Географическое знание представляется чаще на вербальном уровне общения иногда с использованием топографических карт. Из этого следует, что географическое знание выражается в первую очередь в описательных качественных категориях.
В отличие от географического, геоинформационное знание — объективный, независимый от отдельного человека, набор знаний, выраженный в количественных и в качественных критериях, о географических фактах, о пространственной окружающей среде, о пространственных отношениях, полученных на основе измерений, на основе анализа, на основе обработки и интеграции информации [9].
Геоинформационное знание представляется в виде разнообразных информационных продуктов, таких как цифровые модели, цифровые карты, каталоги координат, динамические временные модели, пространственные модели, топологические модели и т.д. Геоинформационное знание часто классифицируется как декларативное, процедурное, и конфигурационное ге^знание. Оно выражается в первую очередь в количественных значениях качественных ка-¡рерорий.
Исторически географические знания появились раньше геоинформационных. Геогра-
фические знания получают из процедурных и вторичных источников, поэтому они более качественны, чем количественны [21]. Это определяет их структурную несогласованность между качественными и количественными характеристиками
Геознания или геоинформационные знания, которые получают на основе сбора количественной информации, ее обработки и анализа являются структурно согласованными в количественном и качественном отношениях. Вопрос структурной согласованности в геоинформационных знаниях присутствует всегда.
Географические методы часто используют качественные оценки, в то время как геоинформационные методы опираются и на количественные оценки и связанные с ними качественные понятия.
Еще одно различие между географическими и геоинформационными категориями выявили Смит и Марк [22]. Ими выявлено, что «географическое» и «визуальное» на карте являются различными понятиями для многих людей и особенно для студентов. Категория «географическое понятие» имела самую низкую степень согласованности с тем, что эта категория означает на практике. Очевидно, что термин визуальный является в реальной практике более широко употребляемым, чем термин географический.
Географические категории часто являются обобщениями. Например, достаточно часто термин «географические координаты» используют как обобщение астрономических и геодезических координат. В других случаях термином «географическими» заменяют термин «геодезические». Например, в ГИС географической сеткой называют сетку широт и долгот, полученную с помощью геодезических измерений и в геодезических проекциях.
Значительная неопределенность географических категорий является результатом существования диапазона интерпретации референций места и диапазона пограничных значений пространственно-координатного отпечатка таких референций. В то же время «Четкость» категорий обычно используется в ГИС для определения пространственных особенностей, где нет никаких неточностей в определении границ местоположения.
Важной характеристикой геознания является геореференция [3, 21]. Геореференция — соотнесение информации с географическим фактором, является одним из новых подходов к классификации, организации и информационному поиску. В формальном плане геореференция может быть рассмотрена, как результат использования пространственных отношений в аспекте поиска и получения информации и знаний.
По существу геореференция является формой! геознания и может служить инструментом для получения нового знания и геознания. Георефе-!
ренция выражает пространственные Отношения, ¡РХ* многообразие и неоднозначность. Она раз-ЦИчными способами используется в ИС и ГИС. Геореференция используется в двух аспектах в ¡Пространственном и лингвистическом. Идентифицирующая геореференция опирается на три вида отношений — указание, именование и обозначение [3, 21].
Заключение
Интеллектуальные системы на транспорте позволяют получать оперативные решения за короткие сроки, в течение которых человек не в состоянии выработать решение [22]. Интеллектуальность систем на транспорте проявляется в возможности получения новых решений и на-
копление опыта с занесением его в базы знаний. Интеллектуальность систем на транспорте проявляется в возможности решения комплексных задач, уровень сложности которых исключает возможность их решения человеком. Геознания являются необходимыми знаниями для работы ИТС.
Представление знаний о времени и пространстве в интеллектуальных системах [23]. Поэтому создание и применение интеллектуальных транспортных систем должно опираться не только на методы искусственного интеллекта, но и на методы и теоретические положения геоинформатики, в частности на получение и применение геознаний.
ЛИТЕРАТУРА
1. Fujise M. et al. Intelligent transport systems // Wireless Communication Technologies: New Multimedia Systems. Springer US, 2002. pp. 171-200.
2. Романов И.А Применение методов геоинформатики при анализе инновационных проектов на железнодорожном транспорте // Науки о Земле. 2012. № 3. С. 26-28.
3. Майоров А.А., Цветков В.Я. Геореференция как применение пространственных отношений в геоинформатике // Геодезия и аэрофотосъемка. 2012. № 3. С. 87-88.
4. Цветков В.Я., Маркелов В.М. Пространственный ситуационный анализ // Вестник МГТУ МИРЭА. 2013. №1 (1). С. 103116.
5. Савиных В.П. Использование методов дистанционного зондирования для управления транспортом // Науки о Земле. 2012. № 2. С. 58-61.
6. Tsvetkov V.Ya. Information field. Life Science Journal. 2014. № 11(5). рр. 551-554.
7. Цветков В.Я. Информационная модель как основа обработки информации в ГИС // Геодезия и аэрофотосъемка. 2005. № 2. С. 118-123.
8. V. Ya. Tsvetkov. Information Units as the Elements of Complex Models // Nanotechnology Research and Practice. 2014. Vol.(1). № 1. pp. 57-64.
9. Luo J. et al. Intelligent model-based diagnostics for vehicle health management // AeroSense 2003. - International Society for Optics and Photonics. 2003. С. 13-26.
10. Кулагин В.П., Цветков В.Я. Геознание: представление и лингвистические аспекты // Информационные технологии. 2013. № 12. С. 2-9.
11. Antony Galton. Spatial and temporal knowledge representation // Earth Science Informatics. 2009. September. Vol. 2. Issue 3, pp.169-187.
12. Соловьёв И.В. Идеальное, формальное, материальное - в информационных сообщениях // Перспективы науки и образования. 2014. № 1. С. 51-55.
13. Tsvetkov V.Ya. Cognitive information models. Life Science Journal. 2014. № 11(4). рр. 468-471.
14. Майоров А.А. Пространственное когнитивное моделирование // Перспективы науки и образования. 2014. № 1. С. 33-37.
15. V. Ya. Tsvetkov. Information Situation and Information Position as a Management Tool // European Researcher, 2012, Vol.(36), № 12-1, pp. 2166-2170.
16. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь, 1989. 184 с.
17. V. Ya. Tsvetkov. Multipurpose Management // European Journal of Economic Studies. 2012. Vol.(2), № 2. pp. 140-143.
18. Цветков В.Я. Когнитивные аспекты построения виртуальных образовательных моделей// Перспективы науки и образования. 2013. № 3. С. 38-46.
19. Майоров А.А. Состояние и развитие геоинформатики // Науки о Земле. 2012. № 3. С. 11-16.
20. Савиных В.П., Цветков В.Я. Развитие методов искусственного интеллекта в геоинформатике // Транспорт Российской Федерации. 2010. № 5. С. 41-43.
21. Linda L. Hill. Georeferencing: The Geographic Associations of Information. Massachusetts Institute of technology. 2009. 272 p.
22. Smith B., Mark D. M. Geographical categories: An ontological investigation // International Journal of Geographical Information Science. 2001. № 15 (7). pp. 591-612.
23. Коваленко Н.И. Система ведения путевого хозяйства с учетом ресурсосбережения и совершенствования структуры его подразделений. Самара: СамИИТ, 2000. 110 с.
24. Кандрашина Е.Ю., Литвинцева Л.В., Поспелов Д.А. Представление знаний о времени и пространстве в интеллектуальных системах. М.: Наука, 1989. 328 c.
REFERENCES
1. Fujise M. et al. Intelligent transport systems // Wireless Communication Technologies: New Multimedia Systems. Springer US, 2002. pp. 171-200.
2. Romanov I.A Application of methods of Geoinformatics at the analysis of innovative projects in rail transport. Nauki o Zemle -Earth Science, 2012, no. 3, pp. 26-28 (in Russian).
3. Maiorov A.A., Tsvetkov V.Ia. Georeference as the use of spatial relations in Geoinformatics. Geodeziia i aerofotos"emka - Geodesy and aerial photography, 2012. № 3. pp. 87-88.
4. Tsvetkov V.Ia., Markelov V.M. Spatial situational analysis. Vestnik MGTUMIREA, 2013, no. 1 (1), pp. 103-116 (in Russian).
5. Savinykh V.P. The use of remote sensing methods for transport management. Nauki o Zemle - Earth Science, 2012, no. 2, pp. 58-61 (in Russian).
;6.. Tsvetkov V.Ya. Information field. Life Science Journal, 2014, no. 11(5), pp. 551-554.
7. TsvetkovV.Ia. Information model as a basis for information priiilsing in GIS. Gëtàaeziia i aerofattbs"emka -Geodeyund aerial phOtOgraphy, 2005, no. 2, pp. 118-123 (in Russian).
8. V. Ya. Tsvetkov. Information Units as the Elements of Complex Models. Nanotechnology Research and Practice, 2014, Vol.(1), nd| 1, pp. 57-64 (in Russian).
9. Luo J. et al. Intelligent model-based diagnostics for vehicle health management. AeroSense 2003 - International Society for Optics and Photonics, 2003, pp. 13-26.
10. Kulagin V.P., Tsvetkov V.Ia. Geoknowledge: representation and linguistic aspects. Informatsionnye tekhnologii - Information technology, 2013, no. 12, pp. 2-9 (in Russian).
11. Antony Galton. Spatial and temporal knowledge representation. Earth Science Informatics, 2009, September, Vol. 2, Issue 3, pp.169-187.
12. Solov'ev I.V Perfect, formal, material - in informational messages. Perspektivy nauki i obrazovaniia - Perspectives of science and education, 2014, no. 1, pp. 51-55 (in Russian).
13. Tsvetkov V.Ya. Cognitive information models. Life Science Journal, 2014, no. 11(4), pp. 468-471.
14. Maiorov A.A. Spatial cognitive modeling. Perspektivy nauki i obrazovaniia - Perspectives of science and education, 2014, no. 1. pp. 33-37 (in Russian).
15. V. Ya. Tsvetkov. Information Situation and Information Position as a Management Tool. European Researcher, 2012, Vol.(36), no. 12-1, pp. 2166-2170.
16. Pospelov D.A. Modelirovanie rassuzhdenii. Opyt analiza myslitelnykh aktov [Modeling reasoning. Experience of analysis of mental acts]. Moscow, Radio i sviaz' Publ., 1989. 184 p.
17. V. Ya. Tsvetkov. Multipurpose Management. European Journal of Economic Studies, 2012, Vol.(2), no. 2, pp. 140-143 (in Russian).
18. Tsvetkov V.Ia. Cognitive aspects of building a virtual educational models. Perspektivy nauki i obrazovaniia - Perspectives of science and education, 2013, no. 3, pp. 38-46 (in Russian).
19. Maiorov A.A. State and development of Geoinformatics. Nauki o Zemle - Earth Science, 2012, no. 3, pp. 11-16 (in Russian).
20. Savinykh V.P., Tsvetkov V.Ia. Development of artificial intelligence methods in Geoinformatics. Transport Rossiiskoi Federatsii -Transport of the Russian Federation, 2010, no. 5, pp. 41-43 (in Russian).
21. Linda L. Hill. Georeferencing: The Geographic Associations of Information. Massachusetts Institute of technology. 2009. 272 p.
22. Smith B., Mark D. M. Geographical categories: An ontological investigation. International Journal of Geographical Information Science, 2001. no. 15 (7), pp. 591-612.
23. Kovalenko N.I. Sistema vedeniia putevogo khoziaistva s uchetom resursosberezheniia i sovershenstvovaniia struktury ego podrazdelenii [System keeping track facilities, taking into account resource and improving the structure of its departments]. Samara, SamIIT Publ., 2000. 110 p.
24. Kandrashina E.Iu., Litvintseva L.V, Pospelov D.A. Predstavlenie znanii o vremeni i prostranstve v intellektualnykh sistemakh [Representation of knowledge about time and space in intelligent systems]. M.: Nauka Publ, 1989. 328 p.
Информация об авторе
Коваленко Николай Иванович
(Москва, Россия) Профессор, доктор технических наук Профессор кафедры «Путь и путевое хозяйство» Московский государственный университет путей сообщения (МГУПС (МИИТ)) E-mail: kni50@mail.ru
Information about the author
Kovalenko Nikolai Ivanovich
(Moscow, Russia) Professor, Doctor of Technical Sciences Professor of the Department «The path and track facilities»
Moscow State University of Railway Engineering E-mail: kni50@mail.ru
