CC BY
84
к проведению аукционов подхода будет проведено два аукциона: первый - между руководителями подразделений, второй - между специалистами подразделений выигравшего руководителя.
Таким образом, выставленный лот будет перепродан, при этом бонус в виде роста компетенции за выполнение задачи смогут получить и руководитель, и его подчиненный, являющийся конечным исполнителем. Логика распределения лота может быть изучена при помощи существующих алгоритмов поиска в P2P-сетях, таких как алгоритм «затопления» (Flooding algorithm) и алгоритм случайного блуждания (Random Walk Algorithm).
Проведенные исследования показали возможность использования модели аукциона при решении задач управления распределением ресурсов предприятия в интегрированной информационной среде с топологией P2P-сети. Применение данной модели может быть полезно при внедрении систем электронного документооборота с целью обеспечения распределения задач и поддержки принятия решений в режиме реального времени.
Литература
1. Математические модели организаций / А.А. Воронин, М.В. Губко, С.П. Мишин [и др.]: учеб. пособие. М.: ЛЕНАНД, 2008. 360 с.
2. Schoder D., Fischbach K. Peer-to-peer prospects // Communications of the ACM, 2003. Vol. 46. no. 2, pp. 27-29.
3. Lednev A. Mobile P2P taxi service // MSc Dissertation, University of Surrey. 2010. 75 p.
4. Иващенко А.В. Управление согласованным взаимодействием пользователей интегрированной информационной среды предприятия. Самара: СНЦ РАН, 2011. 100 с.
5. Иващенко А.В. Интервально-корреляционный анализ ритмичности взаимодействия в интегрированной информационной среде предприятия // Системы управления и информационные технологии, 2010. № 1 (39). С. 32-36.
6. Исаев Г.Н. Информационные системы в экономике: учеб. пособие. М.: Омега-Л, 2006. 462 с.
References
1. Voronin А.А., Gubko M.V., Mishin S.P., Novikov D.A., Matematicheskie modeli organizatsy (Mathematical Models of Organizations), Moscow, LENAND, 2008, 360 p.
2. Schoder D., Fischbach K., Peer-to-peer prospects, Communications of the ACM, 2003, Vol. 46, no. 2, pp. 27-29.
3. Lednev A., Mobile P2P taxi service. MSc Dissertation, University of Surrey, 2010, 75 p.
4. Ivashchenko A.V., Upravleniye soglasovannym vzaimo-deystviyem polzovateley integrirovannoy informatsionnoy sredy predpriyatiya (Management of Consistent Interaction of Enterprise Integrated Information Environment Users), Samara, Izd. Samara Research Center RAS, 2011, 100 p.
5. Ivashchenko A.V., Sistemy upravleniya i informatsionnye tekhnologii, 2010, no. 1 (39), pp. 32-36.
6. Isaev G.N., Informatsionnye sistemi v ekonomike (Information systems in Economics), Moscow, Omega-L, 2006, 462 p.
УДК 007.51
МОДЕЛИ УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ ПОТОКАМИ В УСЛОВИЯХ ЗАТОРА
Т.Н. Михеева, д.т.н.; С.В. Михеев, к.т.н.
(Самарский государственный аэрокосмический университет им. академика С.П. Королева (национальный исследовательский университет), mikheevati@ts-spc.ru)
Объектом управления в интеллектуальной транспортной системе является транспортный поток, обладающий стохастичностью поведения, нестационарностью, временными колебаниями характеристик. Для непрерывного потока выделяются такие режимы движения: свободный поток, групповое движение и насыщенный поток. Свободный поток имеет малую интенсивность движения. При групповом появляются взаимные помехи движению, режим движения неустойчив, небольшое увеличение групп в потоке может привести к уменьшению скорости и интенсивности движения - к насыщенному потоку. При изменении плотности до критической (плотности в условиях затора) интенсивность уменьшается от пропускной способности до нуля. В области критической плотности может существовать точка разрыва функции V=f k), что приводит к скачкообразному изменению скорости движения. Незначительное увеличение интенсивности потока может привести к ситуации, когда очередь автомобилей не умещается на перегоне и скапливается в зоне перекрестка. Неустойчивость транспортного потока в области пропускной способности и распространение возмущений в потоке приводят к разрывам в значениях его характеристик, флуктуация количества транспортных средств - к неустойчивости процесса движения в зоне пропускной способности и возникновению точки бифуркации. Выбрана теория катастроф, переход от моделей которой к моделям дорожного движения состоит в изучении потерь устойчивости, определении факторов, влияющих на скачкообразное изменение параметров, в интерпретации параметров катастрофы, построении и исследовании модели. Задача распознавания, предсказания и ликвидации предзаторной ситуации, предотвращения затора актуальна в управлении транспортными потоками.
Ключевые слова: интеллектуальная транспортная система, транспортный поток, свободный поток, групповое движение, насыщенный поток, затор, критическая плотность, точка бифуркации, теория катастроф.
TRAFFIC CONTROL MODELS IN TRAFFIC JAM CONDITION Mikheeva T.I., Ph.D.; Mikheev S.V., Ph.D. (Samara State Aerospace University, mikheevati@its-spc.ru)
Abstract. Transport stream is a controlled object in the intellectual transportation system. Such transport stream behaves stochastically, it is unstable and its features can vary in time. Continuing stream can be divided in the following traffic conditions: free stream, group stream and intensive stream. Free stream has low stream intensity. In case group stream is characterized by hindrance to traffic, the traffic is unstable; forming of such traffic groups can lead to loss of speed and traffic intensity, which means intensive stream. When the traffic density grows to the critical point, (road congestion density) the intensity drops down from the value of traffic handling capacity to zero. The area of critical density can contain point of function discontinuity V=f(k), which leads to abrupt change of the traffic speed. Little growth in traffic intensity can lead to a situation when the car queue is not able to fit into the space interval and therefore it blocks road intersection. Unstable traffic stream in relation to traffic handling capacity and spread of the stream disturbance leads to the break of its characteristics and fluctuation of amount of vehicles results into unstable traffic arrangement in relation to traffic handling capacity and development of bifurcation point Catastrophism was selected, models provided by this theory help to develop road traffic models, which include loss of stability, discovering factors that influence abrupt change of characteristics based on catastrophe parameters, construction and study of the model. Recognition, prediction, dissolution and prevention of road congestion conditions presents vital problem in the management of traffic streams.
Keywords: intelligent transportation system, traffic flow, light traffic, group movement, heavy traffic, jam, critical density, bifurcation point, catastrophe theory.
Объектом управления в интеллектуальной транспортной системе (ИТС) является транспортный поток. Будучи сложным социальным объектом, он обладает рядом характерных особенностей:
- стохастичностью поведения, связанной со сложностью объекта и наличием имманентных целей управления по отношению к основной цели;
- нестационарностью, проявляющейся во временном изменении характеристик и параметров, описывающих поведение объекта управления;
- временными колебаниями характеристик объекта, носящими устойчивый вероятностный характер с постоянными параметрами в различные временные периоды (время суток, дни недели, времена года), что связано с наличием детерминированных тенденций в движении;
- многообразием (неповторяемостью) экспериментов, проявляющимся в разнице результатов при одних и тех же управляющих воздействиях на объект.
Транспортный поток (ТП) описывается совокупностью признаков процесса движения - интенсивностью, скоростью, типовым составом, интервалами в потоке и некоторыми другими показателями.
ТП характеризуется плотностью &(/, х) (количество транспортных средств на единицу длины дороги) и средней скоростью у(/, х) I (г, х)
v (t, x ) = ■
(1)
к (/, х) '
Различают два вида средней скорости ТП: среднюю пространственную скорость у5 и среднюю временную скорость у, которые связаны следующим соотношением, выведенным для случая движения по дороге без пересечений: V ^
(2)
1 + |
J
2
где ст5 - дисперсия средней пространственной скорости; у5 - средняя пространственная скорость,
то есть средняя скорость п автомобилей, находящихся на заданном участке дороги в определенный момент времени; у1 - средняя временная скорость, то есть средняя скорость п автомобилей, проходящих через заданное сечение дороги за определенный промежуток времени.
Графическое отображение уравнения (1), в котором в качестве значения скорости используется у8, представляет собой основную диаграмму ТП (рис. 1). Диаграмма построена в виде зависимостей у=/(1) и 1=/(к) для непрерывного ТП, движущегося по дороге без пересечений. Выделяются три основных режима движения: свободный поток, групповое движение и насыщенный поток.
Свободный поток характеризуется малой интенсивностью движения, отсутствием взаимных помех движению между отдельными автомобилями, а скорость ТП - скоростью свободного движения у0. При небольшой плотности зависимость между скоростью и плотностью ослабевает. С повышением интенсивности движения до максимального значения 1с, соответствующего пропускной способности дороги, скорость у$ изменяется до величины, определяемой точкой С на основной диаграмме. В зоне В-С (рис. 1а) появляются существенные взаимные помехи движению автомобилей, в результате чего уменьшается возможность свободного обгона и образуются группы автомобилей, движущихся с приблизительно одинаковой скоростью. Режим движения в этой зоне неустойчивый, поскольку небольшое увеличение групп в потоке может привести не только к уменьшению скорости у8, но и к переходу в область С-Б, то есть к снижению интенсивности движения. Поток в области Б-Е принято называть насыщенным.
Характерной чертой насыщенного коллективного потока является сильный разброс величины ускорений (замедлений) относительно среднего значения.
Критическая плотность потока кс — это значение, до которого с увеличением плотности к возрастает интенсивность I. При изменении плотности потока от кс до ^ - плотности потока в
> к V,, (м/сек.)
АI (авт./сек.)
С
I (авт./сек.)
Примечание: а) зависимость у,=/(1), б) зависимость 1=/(к).
Рис. 1. Основная диаграмма ТП
к (авт./м)
условиях затора - интенсивность уменьшается от максимального значения пропускной способности 1С до нуля. Скорость кинематической волны при заторной плотности определяется функциональной формой зависимости между скоростью и плотностью. В области критической плотности может существовать точка разрыва функции V=Дk), что приводит к скачкообразному изменению скорости движения. Тангенс угла а наклона вектора, проведенного из начала координат к точке, лежащей на кривой !=Дк), соответствует физическому значению скорости V, в данной точке (рис. 1 б).
Классификация фаз движения ТП основана на классификации состояний вещества: газообразное, жидкое, твердое.
1. Свободный поток. Транспортная сеть не загружена, и водители придерживаются желаемой скорости, свободно меняя полосу движения. На этой стадии движение транспортных средств (ТС) сопоставимо с потоком свободных частиц.
2. Синхронизированный поток. Транспортная сеть переполняется, водители теряют возможность свободного маневра и вынуждены согласовывать свою скорость со скоростью потока. Движение подобно потоку воды.
3. Широкие перемещающиеся заторы. ТС и их группы подобны кусочкам льда, движущимся в потоке жидкости.
4. Старт-стопное движение. При большом скоплении ТС движение ТП приобретает прерывистый характер. На этой стадии ТП можно уподобить потоку замерзающей воды: ТС становятся на какой-то промежуток времени как бы примерзшими к какой-либо точке улично-дорожной сети (УДС).
Рассмотрим механизм образования затора (рис. 2). Пусть на рассматриваемом перегоне длиной Ь находится очередь из Q единиц транспорта, ожидающих права проезда через перекресток Бр и работа этого перекрестка обеспечивает пропуск по-
тока от к то есть ^ I(/> С(пропускная
о
способность перекрестка больше интенсивности прибывающего на него ТП).
Если длина дороги ЬQ, занимаемая очередью на перегоне, не больше длины перегона, то есть если ЬQ<Ь, работа перекрестка протекает нормально. Однако незначительное увеличение интенсивности ТП либо сбой в работе светофорной сигнализации перекрестка Sj могут привести к ситуации, когда Ь^>Ь, то есть очередь автомобилей, проезжающих через перекресток Sj, не умещается на перегоне (/, ]) и скапливается в зоне перекрестка Б. Это немедленно ведет к нарушению нормального функционирования перекрестка Б, на конфликтующих направлениях которого скапливаются ТС. Возникает положительная обратная связь по потоку, и затор лавинообразно распространяется на участок сети.
Заторы подразделяются на случайные и систематические, то есть характеризующиеся периодичностью во времени и устойчивостью в пространстве. Установлено, что весь интервал целесообразно разделить на два подынтервала, в каждом из которых управляющие воздействия различны. Оптимальность регулирования движения достигается путем использования циклов и
3
фаз светофорного регулирования разной длительности.
Неустойчивость ТП в области пропускной способности и распространение возмущений в нем приводят к разрывам в значениях его характеристик. Теоретическое и экспериментальное изучение многими исследователями механизма резкого изменения скорости позволило установить, что при приближении к уровню пропускной способности увеличивается вероятность резкого снижения интенсивности и скорости движения. При обработке экспериментальных данных об изменении характеристик ТП в точке Ьс фиксируется падение скорости от верхней границы к нижней (рис. 3), при этом вероятность резкого снижения характеристик ТП возрастает от 10 % при интенсивности движения, составляющей 75 % от максимальной, до 90 % при уровне пропускной способности.
Ь.
K (авт./м)
Стабильный поток Нестабильный поток
Рис. 3. Разрывная диаграмма транспортного потока
Первые предположения о возможности возникновения разрывов в зависимостях между интенсивностью, плотностью и скоростью высказаны Л. Эдаем в 1961 г. Для описания разрывов используются макромодели, имеющие разрыв в точке Ьс: одна модель - для низкой плотности Ь<ЬС, другая - для высокой к>Ьс. Наибольшее применение нашли следующие типы разрывных макромоделей:
I = к^ 1п
(V) ■
I = у0к (1 - ехр (
к < к
к > к„.
(3)
Флуктуация количества ТС приводит к неустойчивости процесса движения в зоне пропускной способности и к возникновению точки бифуркации. В этой связи основным направлением реализации полученных знаний выбрана теория катастроф. Переход от моделей теории катастроф к моделям дорожного движения состоит в изучении потерь устойчивости, определении факторов, влияющих на скачкообразное изменение параметров, в интерпретации параметров катастрофы, построении и исследовании модели.
Одной из важнейших функций ИТС является предотвращение транспортных заторов. По мере роста затор не только останавливает движение первоначально вовлеченных в него ТП, но и влияет на потоки на других улицах. Поэтому задача управления - предупреждение и возникновения, и распространения заторов. Проблема управления насыщенными ТП осложняется тем, что трудно локализовать заторы в границах их первоначального возникновения.
Затор - особая ситуация на УДС, при которой среднее время задержки Б ТС превышает длительность цикла Т.
Заторы могут быть разовыми (случайными) и систематическими (устойчивыми). Причиной возникновения разовых заторов являются случайные факторы, например, ДТП, аварийно-восстановительные работы на УДС и т.д. Для систематических заторов характерны периодичность во времени и устойчивость в пространстве. Такие заторы возникают на определенных направлениях движения на одних и тех же участках УДС в определенные интервалы времени, чаще всего в часы пик.
В этой связи актуальной в управлении ТП, не допускающем возникновения затора, является задача распознавания, предсказания и ликвидации предзаторной ситуации. Решение проецируется на область устранения причин, вызывающих перегрузки узких участков УДС, путем перераспределения ТП. Система управления ТП должна своевременно в определенных точках УДС информировать водителей о возможности попадания в затор и рекомендовать какие-либо объездные маршруты следования, позволяющие обойти перегруженный участок сети.
Зоны неустойчивости поведения ТП, существующие в области пропускной способности, незатухающие возмущения скорости приводят к разрывам в значениях характеристик ТП. В этих случаях ТС в потоке вынуждены неоднократно трогаться с места и останавливаться. Небольшие изменения интенсивности движения распространяются вдоль потока ТС в виде кинематических волн, которые могут накладываться друг на друга и вызывать появление ударных волн, создающих большие перепады скорости в сторону ее уменьшения. Ударные волны распространяются против движения и образуются на участках с пониженной пропускной способностью - в узких местах.
Будем полагать, что плотности соседних участков 6х и 6^ УДС различны. Обозначим плотность и скорость движения на участках 6х и 6^
соответственно через Ь и Ьп и у, и уп. Если у„ -скорость движущейся границы между участками
6х и 6 ^, то, исходя из закона сохранения, имеем
у - уп )к„ = у - у,)к,.
(4)
Решая уравнение относительно vw I, - К
получим
. у,к,- УпК
' к - к
к - К
(5)
где ^ и 1п - интенсивность движения на участках 6х и 6^ соответственно.
Для малых изменений плотности к скорость Vй передвижения граничной точки определяется
й &I
уравнением (4), то есть V = — ,
йк
Vй = V + к—.
йк
(6)
Для модели Гриншилдса величины vw и V определяют по формулам:
(
1 —
к» кг
к
V
= V
1_ 2к - — у
-2v.
(7)
(8)
Из уравнения (8) следует, что скорость граничной точки Vй при пренебрежимо малом изменении к (или V) удовлетворяет условиям
Vй < 0
Vй > 0
при
при
, к— к > — 2
, к— к < —
или
или
V < ^,
2
V > —.
(9)
При распространении ударной волны в ТП
, к— _
часть волны к = — будет двигаться назад - в на-2
правлении, противоположном движению потока, другая часть волны - вперед, в направлении потока. При образовании ударной волны происходят резкие изменения плотности вплоть до разрыва, автомобили вынуждены замедлять скорость или останавливаться.
Для свободного режима движения ТП можно использовать экспоненциальную зависимость скорости от плотности. В подтверждение метода, учитывающего наличие разрывов, определены три зоны: постоянной скорости, постоянной интенсивности, а также зона постоянного изменения интенсивности в зависимости от плотности. В первой зоне скорость ТС определяется состоянием самой УДС, а интенсивность соответствует предъявляемым к УДС требованиям. Во второй зоне ожидаются сбои в режиме движения: средняя скорость падает, в то время как интенсивность можно поддерживать на высоком уровне. В третьей зоне (старт-стопное движение) скорость и интенсивность падают, что само по себе может являться определением затора. Затор возникает в том случае, когда в транспортной сети на некоторых перегонах образуются очереди, длина которых ЬQ оказывается больше длины Ь соответствующих перегонов. Поэтому управление в вынужденном режиме движения прежде всего должно быть на-
правлено на создание таких условий движения, при которых удовлетворяются ограничения ЬQ<Ь для всех перегонов УДС.
Рассмотрим УДС ©^0, содержащую N участков 6х, каждый из которых обладает имманентными свойствами: уникальным номером патЬегвеЫ={1, 2, ..., и}, интенсивностью /г и др. Будем считать известными параметры УДС, ТП и алгоритмы работы светофорной сигнализации. Анализ снимков интенсивности / ■ позволяет заблаговременно выявить зоны, в которых наблюдаются режимы перенасыщенного движения.
Вне области предполагаемых заторов выделим некоторое количество участков Qf, на которых будет измеряться интенсивность движения /г с дискретностью Д/. Снимок интенсивностей в момент времени /-Д/ в зоне предполагаемого затора позволяет определить значение интенсивности, которое сложится к моменту времени I на дуге ëi графа УДС:
(10)
где а{ и а0 - коэффициенты.
Суммирование ведется по всем участкам УДС, не принадлежащим зоне предполагаемых заторов. Для прогнозирования интенсивностей /г (/) в областях, подверженных заторам, в системе управления необходимо хранить и периодически обновлять значения коэффициентов а{ и а0, входящих в уравнение регрессии. По вычисленным значениям
/г (I) и при известных режимах работы светофорных объектов несложно вычислить длины очереди ЬQ ТС на перегонах в момент времени /.
Если при прогнозировании окажется, что Ьд>Ь, это будет означать возможность появления затора на перегоне к моменту времени /. Транспортную ситуацию, возникшую в момент времени /-Д/, назовем предзаторной.
Литература
1. Автомобильные перевозки и организация дорожного движения: Справочник / В.У. Рэнкин, П. Клафи, С. Халюерт [и др.]. М.: Транспорт, 1981. 592 с.
2. Арнольд В.И. Теория катастроф. М.: Наука. Глав. ред. Физматлит, 1990. 128 с.
3. Артынов А.П., Кондратьев Г.А. Управление взаимодействием транспортных систем. М.: Наука, 1986. 197 с.
4. Вероятностные и имитационные подходы к оптимизации автодорожного движения / А.П. Буслаев, А.В. Новиков, В.М. Приходько [и др.]. М.: Мир, 2003. 368 с.
5. Зырянов В.В., Кочерга В.Г. Моделирование транспортных потоков на городской сети // Организация и безопасность дорожного движения в крупных городах. СПб: СПб ГАСУ, 2006. С. 193-197.
6. Семенов В.В. Математическое моделирование динамики транспортных потоков мегаполиса. М.: ИПМ РАН, 2004.
7. Михеева Т.И. Структурно-параметрический синтез интеллектуальных транспортных систем. Самара: СНЦ РАН, 2008. 380 с.
V = V
1=1
S. Mikheeva T.I., Mikheev S.V. Model of zone control of traffic flows I Computer Science and Information Technologies II Proceedings of the 10th International Workshop. Vol. 2. Antalya, Turkey, 200S. pp. 121-12S.
9. Моделирование процессов управления транспортными потоками / Т.И. Михеева, С.В. Михеев, KA. Рудаков [и др.] II Aктуальные проблемы автотранспортного комплекса: межвуз. сб. науч. стат. Самара, СГТУ, 2010. С. 205-211.
References
1. Rankin V.U., Clough P., Hulbert S., Avtomobilnye pere-vozki i organizatsiya dorozhnogo dvizheniya (Handbook: Tracing and traffic management), Moscow, Transport, 19S1, 592 p.
2. Arnold V.I., Teoriya katastrof (Catastrophe Theory), Moscow, Nauka, 1990, 12S p.
3. Artynov A.P., Kondratyev G.A., Upravlenie vzaimodey-stviem transportnykh system (Transport System Interface Management), Moscow, Nauka, 19S6, 197 p.
4. Buslaev A.P., Novikov A.V., Prikhodko V.M., Tata-shev A.G., Yashina М^., Veroyatnostnye i imitatsionnye podkhody k optimizatsii avtodorozhnogo dvizheniya (Probabilistic and Simu-
lation Approaches to Road-Transport Traffic Optimizing), Moscow, Mir, 2003, 368 p.
5. Zyryanov V.V., Kocherga V.G., Organizatsiya i bezopas-nost dorozhnogo dvizheniya v krupnykh gorodakh, St. Petersburg, St. Petersburg Gos. Arkhit.-Stroit. Univ., 2006, pp. 193-197.
6. Semenov V.V., Matematicheskoe modelirovanie dinamiki transportnykh potokov megapolisa (Mathematical Simulation of Traffic Stream Dinamics of Megapolis), Moscow, Keldysh Institute of Applied Mathematics, 2004.
7. Mikheeva T.I., Strukturno-parametricheskiy sintez in-tellektualnykh transportnykh system (Structured and Parametric Synthesis of Intelligent Transport Systems), Samara, Research Center RAS, 2008, 380 p.
8. Mikheeva T.I., Mikheev S.V., Model of zone control of traffic flows. Computer Science and Information Technologies. Proc. of the 10th International Workshop, Vol. 2, Antalya, Turkey, 2008, pp. 121-128.
9. Mikheeva T.I., Mikheev S.V., Rudakov I.A., Chugu-nov I.A., Mezhvuzovskiy sbornik nauchnykh statey «Aktualnye problemy avtotransportnogo kompleksa», Samara, SGTU, 2010, pp. 205-211.
УДК 007.51
НЕЙРОСЕТЕВЫЕ МОДЕЛИ РАЗНОРОДНЫХ ПРОСТРАНСТВЕННО-КООРДИНИРОВАННЫХ ДАННЫХ
Т.И. Михеева, д.т.н.; О.Н. Сапрыкин; С.В. Михеев, кт.н.
(Самарский государственный аэрокосмический университет им. академика С.П. Королева (национальный исследовательский университет), mikheevati@its-spc.ru)
Рост автомобильного парка, значительно опережающий темпы дорожного строительства, актуализирует использование интеллектуальных транспортных систем для повышения эффективности управления транспортной инфраструктурой урбанизированной территории. Требуется создание интеллектуальных транспортных систем, одновременно охватывающих массивы разнородных данных и использующих нейросетевые и геоинформационные технологии для информационной поддержки и высокой эффективности процесса управления. Под эффективностью понимается снижение аварийности и повышение пропускной способности улично-дорожной сети. Транспортная инфраструктура - сложная система взаимодействующих объектов улично-дорожной сети, технических средств организации дорожного движения и транспортного потока. Аналитические подсистемы геоинформационной системы интегрируют пространственно-координированные данные и методы извлечения знаний о географических сущностях, свойствах объектов и связях. При поиске скрытых закономерностей в пространственно-координированных данных используется свойство нейронных сетей - возможность аппроксимировать любую характеристику с заданной точностью. В онтологии транспортной инфраструктуры выделены группы сущностей с тесными контекстно -зависимыми семантическими связями. Для каждой группы онтологий разработаны методы предварительной обработки данных, приводящие массив разнотипных исходных данных в форму, оптимальную для решения поставленной задачи с использованием нейросетей. Для решения каждой из поставленных задач определена оптимальная архитектура многослойного персептрона. Показана достаточность одного скрытого слоя и разработана методика нахождения оптимального числа нейронов в скрытом слое на основе комплексного использования внешних критериев и средне-квадратического отклонения значений зависимых параметров. Метод, реализующий процесс построения дважды многорядной нейронной сети с активными нейронами, позволяет синтезировать нелинейную структуру многопараметрической регрессионной модели.
Ключевые слова: транспортная инфраструктура, урбанизированная территория, нейросетевые модели, разнородные пространственно-координированные данные, интеллектуальные транспортные системы, самоорганизация многослойного персептрона.
NEURAL MODELS OF HETEROGENEOUS SPATIAL COORDINATED DATA Mikheeva T.I., Ph.D.; Saprykin O.N.; Mikheev S. V., Ph.D. (Samara State Aerospace University, mikheevati@its-spc.ru) Abstract. Vehicle park grows much faster than the road construction work pace and it creates the need for use of intellectual transportation system in order to increase management efficiency of transportation infrastructure in the urban area. Intellectual transportation systems are required that can embrace heterogeneous array data and use neural and geoinformational technologies with information support and high performance of the management system. Performance means reduction of crush rate and increase of traffic handling capacity concerning transportation network. Transportation infrastructure presents
