Инструментальные средства для нейросетевого моделирования и управления транспортными потоками на перекрестках

• Автор: Григорьев, Денис Алексеевич
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Уфа
• Количество страниц: 112 с. : ил.

Оглавление
Введение

Глава 1. Анализ предметной области

1.1 Анализ ситуации на перекрестках и методов распределения потоков транспорта

1.2 Анализ классических подходов к распределению потоков транспорта

1.2.1 Метод распределения потоков транспорта на основе транспортной задачи

1.2.2 Метод распределения потоков транспорта на основе дифференциальных уравнений

1.2.3 Методы систем массового обслуживания

1.3 Анализ подходов к распределению потоков транспорта на основе искусственного интеллекта

1.3.1 Подход с применением алгоритмов нечеткой логики

1.3.2 Подход с применением нейронных сетей

1.4 Цели и задачи исследования
1.5 Выводы
Глава 2. Разработка подхода к построению информационной системы для моделирования потоков транспорта на перекрестке
2.1 Разработка требований к системе
2.2 Разработка структуры системы
2.3 Выбор и обоснование вычислительной сети для распределяемой информационной системы
2.4 Выводы
Глава 3. Моделирование распределения потоков транспорта на основе структурного и объектноориентированного анализа
3.1 Выбор методологии моделирования
3.2 Построение моделей информационной системы с помощью структурного анализа
3.3 Построение моделей для моделирующего стенда распределения потоков транспорта с помощью объектноориентированного анализа
3.4 Выводы
Глава 4. Разработка нейросетевых моделей
4.1 Анализ возможностей нейросетевых моделей и методов обучения
4.2 Анализ выбранных для исследования нейронных сетей и методов их реализации
4.2.1 Многослойный персептрон и метод обратного распространения ошибки
4.2.2 Алгоритмы обучения Хебба и Кохонена
4.3 Разработка правил выбора
4.4 Выводы
Глава 5. Анализ эффективности предлагаемого подхода
5.1 Методика исследования эффективности
5.2 Разработка программного обеспечения для моделирующего стенда
5.2.1 Разработка структуры моделирующего стенда
5.2.2 Метрическая оценка качества
5.2.3 Тестирование программного продукта
5.3 Анализ результатов экспериментальных исследований
5.4 Выводы Заключение Список литературы Приложение
Введение
Актуальность


Впервые для решения поставленной задачи использованы алгоритмы, обучения? В результате выполнения диссертационной работы автором получены следующие результаты:. Разработано- программное- обеспечение,, реализующее методику распределения потоков транспорта в условиях перекрестка произвольной конфигурации на основе нейронной сети «многослойного персептрона» и алгоритма обучения «обратного распространения ошибки», нейронной сети Кохонена И: алгоритмов обучения Кохонена и Хэбба. Проведены модельные эксперименты, которые показали, что применение' нейронных сетей к распределению потоков транспорта на перекрестках является более эффективным по сравнению/с традиционным методом и позволяет уменьшить количество транспорта перед светофором на -%. Работа велась в рамках научной работы по хоздоговорной научно-исследовательской теме "Исследование проблем развития, управления, контроля и моделирования в - сложных системах" № ИФ-ТК-/6. Работа частично поддержана грантом РФФИ 2 "Интернет-комплекс поддержки выполнения проектов фундаментальных исследований сложных систем с применением интеллектуальных технологий на. Интеграция науки и высшего образования Российской Федерации на - годы", проект П "Фундаментальные исследования« и< новые, технологии проектирования сложных технических систем". Результаты внедрены в учебный процесс УГАТУ по* изучению нейронных сетей и используются в материалах лекций, практических и лабораторных работ дисциплин / «Нейрокомпьютерные системы», «Системы искусственного интеллекта», «Теоретические основы информационных процессов» для студентов специальностей : «Математическое обеспечение и администрирование информационных систем», «Программное обеспечение вычислительной техники и автоматизированных систем», а также магистрантов > направления «Информатика и. Компьютерный анализ и интерпретация данных». Результаты внедрены в учебный процесс БАГСУ и используются в материалах лекций и лабораторных работ дисциплин; «Разработка управленческих решений», «Информационные технологии в. Основы системного анализа» по специальностям «Государственное и муниципальной управление», «Менеджмент организации». Апробация работы. Основные положения, представленные в диссертационной работе, докладывались и обсуждались на различных конференциях, в частности на VIII Всероссийской конференции с международным участием «Нейрокомпьютеры и их применение» (Москва, ), на -ом Всероссийском студенческом семинаре «Проблемы управления» (Москва, ), на юбилейной студенческой научно-теоретической конференции (Уфа, ), на международных конференциях «Computer Science and Information Technologies» (CSIT) (Патрас, Греция, ; Уфа, ). Результаты работы отражены в 6 публикациях, 3 приняты к публикации в различных изданиях. Структура и объем диссертации. Диссертация состоит из 3 страниц машинописного текста, в том числе введения, 5 глав, заключения, литературы и приложений. Глава 1. В данной главе рассматривается и обосновывается необходимость разработки информационной системы для распределения потоков транспорта на перекрестках. Рассматривается традиционный подход к данной задаче на основе автоматических- нерегулируемых светофоров. Рассматриваются другие методы распределения потоков транспорта (транспортная задача, использование нелинейных дифференциальных уравнений, использование методов систем массового обслуживания, использование алгоритмов нечеткой логики, использование нейронных сетей). Формулируется задача разработки инструментальных средств, позволяющих разработать систему распределения потоков транспорта для сети взаимосвязанных перекрестков на основе нейронной сети. Рассматривается существующая ситуация с дорожным движением. Обосновывается необходимость усовершенствования системы распределения потоков транспорта. Рассматривается особенности существующей схемы распределению потоков, транспорта с применением. В настоящее время наблюдается резкое увеличение количества автомобильного транспорта, при относительно медленном расширении дорожной сети, что приводит к значительному увеличению потери времени в автомобильных пробках.