Предложена имитационная компьютерная модель гетерогенного транспортного потока, основанная на подходе клеточных автоматов. В модели присутствуют три типа агентов — участников дорожного движения: транспортные средства, управляемые человеком, беспилотные и девиантные транспортные средства. В основе динамики движения лежат правила поведения, сформулированные в усовершенствованной модели S-NFS. Предложены и проанализированы три правила поведения девиантных агентов: два правила связаны с перестроением, и одно — с намеренным снижением скорости. Показано, что при средней плотности транспортного потока на него в основном влияют девиантные транспортные средства. Рассмотрена задача выявления девиантного поведения в транспортных потоках с использованием нейронных сетей. Исследование проводилось на созданной обучающей выборке, которая получена с помощью разработанной имитационной модели. Наблюдения в выборке включали в себя данные о скорости отслеживаемого транспортного средства, относительных положениях и скоростях соседних транспортных средств, а также информацию о перестроениях. Эти данные организованы в виде матриц, что позволило эффективно внедрить их в архитектуру нейронной сети. Полученные результаты демонстрируют, что нейронные сети, даже с относительно простой архитектурой, эффективно классифицируют транспортные средства в потоке и выявляют их девиантное поведение, что подчеркивает перспективность применения нейронных сетей в интеллектуальных транспортных системах
Идентификаторы и классификаторы
- SCI
- Физика
Для решения задачи обнаружения девиантных БАТС на основе анализа поведения агентов в транспортных потоках предлагаются методы машинного обучения с использованием рекуррентных нейронных сетей [13]. Эти методы анализируют последовательные положения и действия всех участников транспортного потока в течение определенного времени. Такой анализ позволяет выявлять агентов, чье поведение отличается от большинства. Сходные методы [14] применяются для обнаружения аномалий в других сложных динамических системах, таких как информационные системы [15].
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Pan Y., Wu Y., Xu L., et al. The impacts of connected autonomous vehicles on mixed traffic flow: a comprehensive review. Phys. A: Stat. Mech. Appl., 2024, vol. 635, art. 129454. DOI: 10.1016/j.physa.2023.129454
2. Guo X.-Y., Zhang G., Jia A.-F. Study on mixed traffic of autonomous vehicles and human-driven vehicles with different cyber interaction approaches. Veh. Commun., 2023, vol. 39, art. 100550. DOI: 10.1016/j.vehcom.2022.100550
3. Abdeen M.A.R., Yasar A., Benaida M., et al. Evaluating the impacts of autonomous vehicles’ market penetration on a complex urban freeway during autonomous vehicles’ transition period. Sustainability, 2022, vol. 14, no. 16, art. 10094. DOI: 10.3390/su141610094 EDN: VSNEYW
4. Muhammad T., Kashmiri F.A., Naeem H., et al. Simulation study of autonomous vehicles’ effect on traffic flow characteristics including autonomous buses. J. Adv. Transp., 2020, vol. 2020, no. 1, art. 4318652. DOI: 10.1155/2020/4318652
5. Baek S.K., Minnhagen P., Bernhardsson S., et al. Flow improvement caused by agents who ignore traffic rules. arXiv preprint arXiv:0901.3513. DOI: 10.48550/arXiv.0901.3513
6. Devyatkov V.V., Alfimtsev A.N. Selective covariance-based human localization, classification and tracking in video streams from multiple cameras. BIOSTEC 2018- BIOINFORMATICS, 2018, vol. 3, pp. 81-88. DOI: 10.5220/0006538100810088 EDN: VBIKWC
7. Chowdhury M.F., Biplob M.R.A., Uddin J. Real time traffic density measurement using computer vision and dynamic traffic control. ICIEV and icIVPR, 2018, pp. 353-356. DOI: 10.1109/ICIEV.2018.8641039
8. Buch N., Velastin S.A., Orwell J. A review of computer vision techniques for the analysis of urban traffic. IEEE Trans. Intell. Transp. Syst., 2011, vol. 12, no. 3, pp. 920-939. DOI: 10.1109/TITS.2011.2119372
9. Popov A.Y., Ibragimov S.V., Malyshev S.A. Multiple objects association system for the smart city. ElConRus, 2021, pp. 2211-2216. DOI: 10.1109/ElConRus51938.2021.9396415 EDN: UMGAGO
10. Baulin F.B., Buryi E.V. Feature extraction techniques for LIDAR range profile based object recognition. Comput. Opt., 2021, vol. 45, no. 6, pp. 934-941. DOI: 10.18287/2412-6179-CO-891 EDN: XCWMJY
11. Fitasov E.S., Legovtsova E.V., Pal’guev D.A. Experimental estimation of the projection method of the Doppler filtering of radar signals when detecting air objects with low radial velocities. Radiophys. Quantum El., 2021, vol. 64, no. 4, pp. 300-308. DOI: 10.1007/s11141-021-10132-5 EDN: UXUTKU
12. Saprykin Y., Ryazntsev V., Smirnov A. Application of neural networks to the analysis of time series data in the recognition of driver fatigue. ITNT, 2021. DOI: 10.1109/ITNT52450.2021.9649427 EDN: WCENXY
13. Hochreiter S., Schmidhuber J. Long short-term memory. Neural Comput., 1997, vol. 9, no. 8, pp. 1735-1780. DOI: 10.1162/neco.1997.9.8.1735
14. Suyatinov S.I., Buldakova T.I., Vishnevskaya J.A. Identification of situations based on synergetic model. SUMMA, 2021, pp. 509-514. DOI: 10.1109/SUMMA53307.2021.9632207 EDN: WEYPXQ
15. Sakulin S., Alfimtsev A., Kvitchenko K., et al. Network anomalies detection approach based on weighted voting. IJISP, 2022, vol. 16, no. 1. DOI: 10.4018/IJISP.2022010105
16. Nagel K., Schreckenberg M. A cellular automaton model for freeway traffic. J. Phys. I France, 1992, vol. 2, no. 12, pp. 2221-2229. DOI: 10.1051/jp1:1992277
17. Kerner B.S., Klenov S.L. A microscopic model for phase transitions in traffic flow. J. Phys. A: Math. Gen., 2002, vol. 35, no. 3, pp. L31-L43. DOI: 10.1088/0305-4470/35/3/102 EDN: LHEUMP
18. Kokubo S., Tanimoto J., Hagishima A. A new cellular automata model including a decelerating damping effect to reproduce Kerner’s three-phase theory. Phys. A: Stat. Mech. Appl., 2011, vol. 390, no. 4, pp. 561-568. DOI: 10.1016/j.physa.2010.10.027
19. Tanimoto J., Futamata M., Tanaka M. Automated vehicle control systems need to solve social dilemmas to be disseminated. Chaos Solitons Fractals, 2020, vol. 138, art. 109861. DOI: 10.1016/j.chaos.2020.109861
20. Kukida S., Tanimoto J., Hagishima A. Analysis of the influence of lane changing on traffic-flow dynamics based on the cellular automaton model. Int. J. Mod. Phys. C, 2011, vol. 22, no. 3, pp. 271-281. DOI: 10.1142/S012918311101621X EDN: YCIJHV
Выпуск
Другие статьи выпуска
Описана методика тестирования нового программного обеспечения EliSa, предназначенного для моделирования аксиально-симметричных электронных пушек, построенного на базе метода контрольных объемов на неструктурированных сетках и метода частиц в ячейке. Методика состоит из двух этапов. На первом этапе численные результаты, полученные с помощью программного обеспечения OperaFEA для планарной пушки Пирса, сопоставляются с результатами точного аналитического решения для оценки погрешности численного метода решения задачи траекторного анализа, реализованного в OperaFEA. На втором этапе численные результаты траекторного анализа и вольтамперные характеристики, полученные для аксиально-симметричной пушки с применением EliSa, сопоставляются с результатами, полученными с помощью OperaFEA для той же модели. Это позволяет оценить погрешность численного моделирования электронного потока с нулевым фазовым объемом, поскольку определенная на первом этапе погрешность в OperaFEA, не превышает 0,5 %. Сравнение вольтамперных характеристик, рассчитанных с помощью EliSa, с характеристиками, рассчитанными с использованием программного обеспечения EOS2, разработанного в конце 70-х годов прошлого века, показывает, что программное обеспечение EliSa демонстрирует повышение точности более чем на порядок П
Рассмотрено использование метода нелинейного программирования при решении задачи восстановления сигналов. Предполагается, что входной сигнал представлен в виде взвешенной суммы элементов заданного базиса, после чего коэффициенты разложения определены методами численной оптимизации из условия наилучшего соответствия выходам системы. Решена задача восстановления перегрузок летательного аппарата, для которого известны углы ориентации и проекции скорости в нормальной земной системе координат. Проведено сравнение полиномов Чебышева и эрмитовых кубических сплайнов в качестве базиса для представления сигналов, приведены их преимущества и недостатки при численном решении выбранной задачи. Применен модифицированный метод Ньютона для определения коэффициентов разложения. Оценено влияние различных видов погрешностей измерений на точность решения. Рассмотрены погрешности в оценках проекций скоростей, распределенные по нормальному закону, постоянные погрешности при определении скоростей и углов рыскания, граничных условий для перегрузок. Предлагаемый метод не подвержен влиянию постоянных погрешностей в проекциях скорости, а погрешности граничных условий перегрузок оказывают ограниченное влияние на точность решения, в основном сконцентрированное в начале и конце участка. Качество решения ухудшается при внесении случайных шумов в проекции скорости и постоянных погрешностей в угол рыскания, что позволило сравнить выбранные способы аппроксимации сигналов. Численный эксперимент показал, что полиномы Чебышева в общем случае позволили добиться более точной аппроксимации сигнала, чем эрмитовы кубические сплайны, несмотря меньшее число параметров
Приведен численный метод оценки птицестойкости остекления кабин летательных аппаратов, основанный на использовании аппарата теории планирования эксперимента и регрессионного анализа. Приведены результаты оценки птицестойкости остекления (изделий конструкционной оптики) в виде полиномиальной зависимости численного значения напряжения растяжения материала остекления от комплекса входных независимо действующих факторов (скорости полета летательного аппарата, массы птицы и угла встречи с преградой). Опыт разработки, создания, испытаний и эксплуатации изделий остекления самолетов подтверждает необходимость исследований в таком научно-практическом направлении. Численно соударения птиц с элементами самолетных конструкций, выступающих в набегающий воздушный поток, исследуются давно и успешно. В “машинном” эксперименте, в соответствии с теорией планирования эксперимента, воспроизведено одновременное изменение всех факторов. Проведено исследование о пригодности методического и алгоритмического обеспечения процедур оценки птицестойкости остекления кабин летательных аппаратов на всех этапах испытаний, включая государственные, а также возможности использования указанного метода, позволяющего оптимизировать сам процесс испытаний при выполнении критериев ротатабельного центрального композиционного планирования эксперимента. Наличие значимых коэффициентов при взаимодействиях факторов и квадратичных значениях факторов указывает на правильность выбора формы аппроксимирующего уравнения и ротатабельного центрального композиционного планирования второго порядка в качестве плана эксперимента. Предложено использовать аппроксимационную модель соударения птицы с остеклением кабин летательных аппаратов для решения задач оценки птицестойкости конструкции и рекомендовать ее заинтересованным предприятиям и организациям к практическому применению
Проанализированы результаты разбора нештатных ситуаций, возникающих при передаче информации по магистральному последовательному интерфейсу при летно-конструкторских испытаниях ряда современных космических аппаратов. Предложены общие требования к протоколам взаимодействия. Выявлено, что к нештатным ситуациям приводит отсутствие в бортовых вычислительных системах следующих функций: установки признака “Абонент занят”, проверки командного слова на допустимость, работы с командами управления “Передать ответное слово”, “Установить оконечное устройство в исходное состояние”, с контрольными суммами, сбором и накоплением диагностической информации, локализацией места отказа. Рассмотрены неисправности, возникающие при взаимодействии бортовых вычислительных систем и центрального бортового компьютера по магистральному последовательному интерфейсу, описаны их проявления. Приведен перечень сообщений взаимодействия по магистральному последовательному интерфейсу, необходимых для локализации и устранения неисправностей. Определены требования по сбору и накоплению диагностической информации, взаимодействию центрального бортового компьютера с вычислительными системами бортового комплекса управления. Отмечено, что при контроле на заводах-изготовителях бортовых вычислительных систем необходима проверка устойчивости на пороговых значениях сигналов и взаимодействия бортовых вычислительных систем и центрального бортового компьютера при наличии неблагоприятных факторов (сбоев и отказов), возникающих при работе по магистральному последовательному интерфейсу
Современное развитие оптических неинвазивных методов диагностики в медицине требует разработки рабочих мер, имитирующих свойства реальных биотканей, хранящих и воспроизводящих единицы измеряемых величин для калибровки приборов и обеспечения единства измерений. Разработана рабочая мера, имитирующая пульсирующий кровоток в коже, для настройки и калибровки приборов оптической флоуметрии и фотоплетизмографии. Основу рабочей имитационной меры составляет полимердиспергированная жидкокристаллическая пленка с функциями электрооптического модулятора. Принцип работы пленки заключается в выравнивании жидких кристаллов при подаче на нее напряжения, уменьшении рассеивающих свойств и увеличении тем самым коэффициента пропускания. Это позволяет моделировать переменную составляющую фотоплетизмографического сигнала, обусловленную пульсацией крови. На основе классической двухпотоковой модели Кубелки — Мунка проведен теоретический расчет оптических потоков, вышедших с поверхности рабочей имитационной меры и регистрируемых приборами. Показано, что оптический поток, обратно рассеянный от рабочей имитационной меры, сопоставим с оптическим потоком от реальной кожи, а диапазон изменения глубины модуляции воспроизводимого сигнала превышает таковой для сигналов от кожи. Разработан электронный блок управления модулятором, программируемый в среде LabView на компьютере. Показана способность меры воспроизводить сигналы на разных гармониках в диапазоне значений частоты 0…10 Гц для имитации разных форм пульсовых волн, что делает ее пригодной для калибровки датчиков диагностических приборов
Рассмотрена возможность создания оптической схемы приемного канала лазерного локатора, работающего в широком спектральном диапазоне с высоким разрешением. В целях минимизации влияния хроматических аберраций и аберраций других типов на качество изображения выбрана модификация зеркальной системы Грегори — схема Корша с асферическими главным, вторичным и третьим зеркалами, обеспечивающая высокие оптические показатели в широком спектральном диапазоне. Приведены расчеты конструктивных параметров и оптических характеристик. Выполнена оценка качества изображения, соответствующего поставленной задаче, — получить размеры пятна рассеяния в плоскости изображения, близкие к дифракционному пределу. Оптимизация полученной оптической схемы позволила существенно уменьшить значения ее основных аберраций — кривизны поля и дисторсии. Высокое качество изображения и оптические характеристики полученной оптической схемы позволяют расширить функции лазерного локатора для оценки температуры факела летательных аппаратов методом анализа стоксовой и антистоксовой компонент излучения, рассеянного от пламени, в спектральных диапазонах колебательных переходов основных углеводородов, содержащихся в авиационном топливе. Полученные значения температуры являются дополнительными параметрами идентификации объекта при его обнаружении бортовым лазерным локатором Просьба ссылаться на эту статью следующим образом: Аникьев А. А., Барышников Н. В., Якубовский С. В. Приемный оптический канал лазерного локатора с функцией дальномера и спектроанализатора.
Статистика статьи
Статистика просмотров за 2026 год.
Издательство
- Издательство
- МГТУ им. Н.Э. Баумана
- Регион
- Россия, Москва
- Почтовый адрес
- 105005, г. Москва, вн. тер. г. муниципальный округ Басманный, ул. 2-я Бауманская, д. 5, с. 1
- Юр. адрес
- 105005, г. Москва, вн. тер. г. муниципальный округ Басманный, ул. 2-я Бауманская, д. 5, с. 1
- ФИО
- Гордин Михаил Валерьевич (Ректор)
- E-mail адрес
- bauman@bmstu.ru
- Контактный телефон
- +7 (499) 2636377
- Сайт
- https://bmstu.ru/