CC BY
6
Разработка системы поддержки принятия решений на основе рассуждения по прецедентам по оценке безопасности участка транспортной системы города
Н.М. Рашевский, И.Е. Руденко, Д.А.Соколов, В.А. Феклистов, О.А. Якунин Волгоградский Государственный Технический Университет, Волгоград
Аннотация: В статье представлен подход к разработке системы поддержки принятия решений, основанной на рассуждении по прецедентам, для оценки безопасности участка транспортной системы города. Для хранения базы прецедентов предлагается использование OWL-онтологии. Использование онтологического подхода позволяет более точно интерпретировать предметную область, а также со временем позволит расширить и дополнить информацию о прецеденте. Определена структура прецедента. Приводится архитектура онтологии: классы, свойства и экземпляры. Приведен пример заполнения онтологии прецедентами, на примере города Волгограда. Предложена мера близости для сравнения прецедентов. Рассмотрена процедура добавления новых прецедентов в базу знаний. С помощью разработанной системы поддержки принятия решений можно проводить оценку безопасности, как отдельных участков дорог, так и всей транспортной инфраструктуры города.
Ключевые слова: онтология, рассуждение по прецедентам, транспорт, безопасность на транспорте.
Введение
Комплексные программы повышения эффективности транспортной системы являются очень дорогостоящими, и муниципальные власти должны быть уверены в эффективности их реализации [1-3]. Поэтому актуальной является проблема организации поддержки принятия решений в области управления развитием городской транспортной системы [4-6]. Решить эту задачу можно с помощью различных подходов и систем, в данной работе предлагается использовать систему поддержки принятия решений на основе рассуждения по прецедентам. Данная система должна упростить процесс оценки безопасности участка дороги.
Системы рассуждений по прецедентам создается на основе онтологии с использованием средств Protégé 3.4.4 и JColibri2.
Разработка онтологии транспортной системы города На основании исследования предметной области и извлечения из нее
знаний [7-8], а также рекомендуемых подходов по проектированию [9-10], была разработана онтология в системе Protégé 3.4.4.
Для определения области и масштаба онтологии ответим на следующие вопросы:
1. Какую область будет охватывать онтология?
2. Для чего мы собираемся использовать онтологию?
3. На какие типы вопросов должна давать ответы информация в онтологии?
4. Кто будет использовать и поддерживать онтологию?
В данной работе будет разрабатываться онтология: безопасность участка транспортной системы города, на примере города Волгограда.
Выделим следующие типы участка дороги:
- ровный участок;
- ровный участок с пешеходным переходом;
- перекрёсток;
- перекрёсток с пешеходным переходом.
Разрабатываемая онтология может использоваться в различных приложениях, которые будут для предлагаемых решений показывать эффективность транспортной системы города Волгограда.
В данной области, мы можем задать следующие вопросы для проверки компетентности:
1. Чему равна эффективность транспортной системы в заданном году?
2. Чему равна аварийность при определенной эффективности транспортной системы?
3. Чему равна смертность в дорожно-транспортных происшествиях без пешеходов?
Данная онтология может использоваться в администрации городов, например, Волгограда и Волгоградской области, в управлении
государственной инспекции безопасного дорожного движения, а также в общественных организациях.
Классы онтологии приведены на рисунке 1.
Asserted Hierarchy owl Thing
Average_speed С о u nt_dtp_wit h_d e a d С о u nt_dtp_with_p e d e stri a n Count_violations_pdd Distance Quality_road Quality_road_equiprnent Quality_road_mark Quality_road_sign Traffic_safe1y Traffi c_s afety_s itu ati о n Type_road
Рис. 1. - Классы онтологии
*
Классы:
Average_speed - «Средняя скорость».
Count_dtp_with_dead - «Количество ДТП со смертельным исходом». Count_dtp_with_pedestrian - «Количество ДТП с участием пешеходов». Count_violations_pdd - «Количество нарушений ПДД». Distance - «Средняя дистанция между автомобилями». Quality_road - «Качество дорожного полотна». Quality_road_equipment - «Качество дорожного оборудования» Quality_road_mark - «Качество дорожной разметки». Quality_road_sign - «Качество размещения дорожных знаков». Traffic_safety - «БДД на участке дороги». Traffic_safety_solution - Прецедент. Type_road - «Тип участка дороги».
М Инженерный вестник Дона, №7 (2022) ivdon.ru/ru/magazine/arcliive/n7y2022/7802
Свойства классов онтологии: Класс Traffic_safety_solution: - has_average_speed
- has_count_dtp_with_
- has_count_dtp_with_pedestrian
- has_count_violations_pdd
- has_distance
- has_quality_road
- has_quality_road_equipment
- has_quality_road_mark
- has_quality_road_sign
- has_traffic_safety
- has_type_road
Определение структуры прецедента Структура прецедента определяется как кортеж, см. формулу 1.
P = <У, Cd, Cp, F, D, Qr, Qe, Qrm, Qrs, ^ K> , (1)
где:
P - прецедент (участок транспортной инфраструктуры города). V - значение из множества «Средняя скорость».
Cd - значение из множества «Количество ДТП со смертельным исходом».
Cp - значение из множества «Количество ДТП с участием пешеходов».
F - значение из множества «Количество нарушений ПДД».
D - значение из множества «Средняя дистанция между автомобилями».
Qr - значение из множества «Качество дорожного полотна».
Qe - значение из множества «Качество дорожного оборудования».
Qrm - значение из множества «Качество дорожной разметки».
Qrs - значение из множества «Качество размещения дорожных знаков».
J - значение из множества «БДД на участке дороги».
K - значение из множества «Тип участка дороги».
Наполнение онтологии прецедентами
Затем в онтологию были добавлены прецеденты, фрагмент данных приведен в таблице 1.
Таблица 1 - Прецеденты
Traffic_s afety_situ ation Avera ge_sp eed Dis tan ce Count_dt p_with_ dead Count_dtp _with_pede strian Count_vi olations pdd Quali ty ro ad Quality_r oad_equip ment Quality _road_ mark Quality _road_ sign Traffi c_saf ety Type_ro ad
vodniki 80 45 2 8 874 0.6 0,5 0,4 0,7 0,32 perekres tok
stroitel 60 35 3 5 874 0.6 0.5 0.4 0.7 0,34 perekres tok_s_ pesh
kanal_im _lenina 60 45 0 1 346 0.6 0.9 0.4 0.8 0,62 perekres tok_s_ pesh
vtorcher met 100 40 3 8 560 0.6 0.5 0.4 0.8 0,37 rovny
Построение системы рассуждений на основе прецедентов
В качестве метода получения прецедента используется метод выборки на основе n самых похожих прецедентов. Данный метод использует алгоритм k ближайших соседей для того, чтобы определить прецеденты, наиболее близкие к прецеденту, описанному пользователем. Для определения меры близости выбрана функция Equal. Веса всех атрибутов равны 1. Система работает в консольном режиме.
В данной системе реализуется параметрическая адаптация. Исходя, из различия прецедента исследуемой ситуации и полученного наиболее близкого прецедента, рассчитывается различие между данными прецедентами. И эта разница учитывается при выдаче результата (БДД участка дороги), путем сложения с результатом наиболее подходящего прецедента. Атрибуты нового прецедента берутся из прецедента исследуемой ситуации. Система сохраняет результирующий прецедент в файл result.txt.
Заключение
Система поддержки принятия решения на основе рассуждений по прецедентам является достаточно простой в реализации, имеет большой выбор мер близости, а также возможность адаптации под конкретную предметную область. В статье предложена архитектура онтологии для хранения прецедентов с оценками безопасности участков транспортной инфраструктуры города, приведен пример заполнения ее прецедентами. Определена мера близости.
В дальнейшем данную онтологию можно наполнить прецедентами для других типов участков дороги, а также провести отдельное исследование по выбору более подходящей меры близости выбора прецедента, что позволит системе работать более эффективно.
Благодарности
Исследование выполнено за счет гранта Российского научного фонда № 22-11-20024, https://rscf.ru/project/22-11-20024/, и Волгоградской области. Авторы выражают благодарность коллегам по кафедре "Цифровые технологии в урбанистике, архитектуре и строительстве" ИАиС ВолгГТУ, принимавшим участие в разработке проекта.
Литература:
1. Криволапова О.Ю. Анализ эффективности проектов совершенствования транспортной сети // Инженерный вестник Дона. 2012. №2. URL: ivdon.ru/ru/magazine/archive/n2y2012/830.
2. Фаткинс И.С., Зимин В.К., Об оценке эффективности транспортной системы, как открытой сложной системы // Вестник Российского государственного аграрного заочного университета. 2018. №30(35). С. 44-50.
3. Сарбаев. С.Ш., Моделирование оценки эффективности транспортных систем // Инновационные технологии на транспорте: образование, наука, практика. 2018. С. 277-281.
4. Днепров М.Ю., Повышение эффективности транспортных систем в процессе формирования «Умных городов» // Университетские чтения 2021. Пятигорск. Пятигорский государственный университет. 2021. С. 20-26.
5. Ембулаев В.Н., Теоретические основы и методы управления транспортной системой крупного города. Владивосток. Дальнаука. 2004. 212 С.
6. Зырянов В.В., Семчугова Е.Ю., Скрынник А.М., Применение информационных технологий при повышении мобильности и обеспечении транспортной безопасности // Инженерный вестник Дона. 2012. №4. URL: ivdon. ru/ru/magazine/archive/n4p 1y2012/1083.
7. Кадасев Д.А., Зюзина Н.Н., Воронин Н.В., Центр организаций дорожного движения в управлении транспортной системой региона // Информационные технологии в моделирование и управлении: подходы, методы, решения. 2021. С. 244-249.
8. Кульцова, М.Б., Садовникова, Н.П., Дмитриенко, Д.В., Рашевский, Н.М. Комплексный анализ транспортной системы Волгограда // Известия Волгоградского государственного технического университета. 2013. Т. 18. № 22(125). С. 72-77.
9. Jain, Vishal & Singh, Mayank. Ontology Development and Query Retrieval using Protégé Tool. International Journal of Intelligent Systems and Applications. 2013 V. 5. No. 9. Pp. 67-75.
10. Noy, N. & McGuinness, Deborah. Ontology Development 101: A Guide to Creating Your First Ontology. 2001. URL: corais.org/sites/default/files/ontology_development_101_aguide_to_creating_your _first_ontology.pdf.
References:
1. Krivolapova O.Yu. Inzhenernyj vestnik Dona, 2012, №2. - URL: ivdon.ru/ru/magazine/archive/n2y2012/830.
2. Fatkins I.S., Zimin V.K. Vestnik Rossijskogo gosudarstvennogo agrarnogo zaochnogo universiteta. 2018. №30(35). Pp. 44-50.
3. Sarbaev. S.Sh., Innovacionny'e texnologii na transporte: obrazovanie, nauka, praktika. 2018. Pp. 277-281.
4. Dneprov M.Yu., Povy'shenie e'ffektivnosti transportny'x sistem v processe formirovaniya «Umny'x gorodov». Universitetskie chteniya 2021. Pyatigorsk. Pyatigorskij gosudarstvenny'j universitet. 2021. Pp. 20-26.
5. Embulaev V.N., Teoreticheskie osnovy' i metody' upravleniya transportnoj sistemoj krupnogo goroda. [Theoretical foundations and methods of managing the transport system of a large city]. Vladivostok. Dal'nauka. 2004. 212 P.
6. Zy'ryanov V.V., Semchugova E.Yu., Skry'nnik A.M. Inzhenernyj vestnik Dona. 2012. №4. URL: ivdon.ru/ru/magazine/archive/n4p1y2012/1083.
7. Kadasev D.A., Zyuzina N.N., Voronin N.V. Informacionny'e texnologii v modelirovanie i upravlenii: podxody', metody', resheniya. 2021. Pp. 244-249.
8. Kul'czova, M.B., Sadovnikova, N.P., Dmitrienko, D.V., Rashevskij, N.M. Izvestiya Volgogradskogo gosudarstvennogo texnicheskogo universiteta. 2013. T. 18. № 22(125). Pp. 72-77.
9. Jain, Vishal & Singh, Mayank. International Journal of Intelligent Systems and Applications. 2013 V. 5. No. 9. Pp. 67-75.
10. Noy, N. & McGuinness, Deborah. Ontology Development 101: A Guide to Creating Your First Ontology. 2001. URL: corais.org/sites/default/files/ontology_development_101_aguide_to_creating_your _first_ontology.pdf.
