Информационная поддержка построения транспортной инфраструктуры на основе нейросетевых и эволюционных моделей

• Автор: Сапрыкина, Ольга Валерьевна
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2015
• Место защиты: Самара
• Количество страниц: 201 с. : ил.

ОГЛАВЛЕНИЕ

ПЕРЕЧЕНЬ УСЛОВНЫХ СОКРАЩЕНИЙ

ВВЕДЕНИЕ

1. АНАЛИЗ ТРАНСПОРТНОЙ ИНФРАСТРУКТУРЫ:

СОВРЕМЕННЫЕ НАУЧНЫЕ НАПРАВЛЕНИЯ, РЕШЕНИЯ И ОСНОВНЫЕ ЗАДАЧИ

1.1. Принципы проектирования улично-дорожной сети

1.2. Статические и динамические модели транспортной инфраструктуры „

1.3. Классификация методов многокритериальной оптимизации

1.4. Модели решения транспортных задач

1.5. Технологии проектирования транспортной инфраструктуры

1.6. Постановка задачи поиска оптимальной конфигурации уличнодорожной сети
1.7. Основные выводы
2 СИНТЕЗ ЕДИНОГО ИНФОРМАЦИОННОГО ПРОСТРАНСТВА
ТРАНСПОРТНОЙ ИНФРАСТРУКТУРЫ
2.1 Декомпозиция предметной области «Управление транспортной
инфраструктурой»
2.2 Базовые элементы транспортной инфраструктуры
2.2.1 Модель улично-дорожной сети
2.2.2 Модель транспортного района
2.3 Синтез агрегационных объектов
2.3.1 Модель агрегационного объекта
2.3.2 Модель социального интеллектуального объекта
2.3.3 Модель функционирования агрегационных объектов
2.4 Методы предварительной обработки данных
2.4.1 Метод экстрагирования транспортных районов
2.4.2 Графоаналитический метод расчета точек дислокации
2.4.3 Метод интеграции матриц корреспонденций
2.4.4 Метод распределения транспортных потоков
2.4.5 Кластерный анализ участков улично-дорожной сети
2.5 Основные выводы и результаты
3 РЕШЕНИЕ ЗАДАЧИ ОПТИМИЗАЦИИ КОНФИГУРАЦИИ
УЛИЧНО-ДОРОЖНОЙ СЕТИ МЕТОДАМИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА
3.1 Моделирование транспортных потоков
3.2 Представление социального интеллектуального объекта в системе
моделирования
3.2.1 Архитектура социального интеллектуального объекта
3.2.2 Жизненный цикл социального интеллектуального объекта
3.2.3 Моделирование реактивного поведения
3.3 Нейросетевой метод прогноза характеристик транспортной
инфраструктуры
3.4 Меметический алгоритм оптимизации
3.5 Основные выводы и результаты
4 СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ О ДИСЛОКАЦИИ ОБЪЕКТОВ ТРАНСПОРТНОЙ ИНФРАСТРУКТУРЫ
4.1 Архитектура, функциональность и варианты использования
интеллектуальной системы
4.2 Задачи системы поддержки принятия решений

4.3 Структура программного комплекса
4.4 Система хранения данных
4.5 Инструментальные средства исследования конфигурации уличнодорожной сети
4.6 Разработка и реализация методики исследований
4.7 Исследование конфигурации улично-дорожной сети
4.8 Основные выводы и результаты
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
Приложение А. Классификация планировочных схем
Приложение В. Классификация задач оптимизации на графах
Приложение С. Прогноз интенсивности транспортных потоков
Приложение D. Методика оценки характеристик улично-дорожной сети... 189 Приложение Е. Акты реализации

• образовывать цели;
• нести определенные обязательства и предоставлять услуги;
• обладать собственными ресурсами, обеспечивающими автономию;
• воспринимать внешнюю среду и строить её частичное представление с помощью навыков и умений;
• прогнозировать изменения среды;
• обучаться и эволюционировать;
• самоорганизовываться.
Согласно взаимодействию агентов с внешней средой, многоагентные модели разбиваются на:
• реактивные — системы объектов, где каждый объект имеет собственную задачу, но решает её по общему методу, при этом в системе отсутствует централизованное управление;
• когнитивные - несколько интеллектуальных объектов под централизованным управлением решают единственную задачу.
Реактивные и когнитивные агенты обладают различными характеристиками, представленными в таблице 1.2 [107, 137, 139, 163, 183, 199]. Реактивные агенты недостаточно интеллектуальны и при взаимодействии с окружающей средой обычно не включают прогноз ситуаций, обработку полученных знаний, планирование действий. Системы с когнитивными агентами отличаются низким быстродействием и имеют ограничение на количество агентов. Кроме того, ни реактивные, ни когнитивные системы не дают возможности наделить агента индивидуальными характеристиками, а также функцией социального поведения в среде ему подобных. Исходя из этого, рационально использовать особый вид агента, который будет сочетать в себе положительные стороны агентов реактивной и когнитивной систем и представлять собой социальный индивид, движимый личной или коллективной выгодой, в рамках, определённых собственным габитусом. Понятие габитуса определяет систему прочных приобретенных предрасположенностей, предназначенных для