Архив публикаций

Тезисы

XVI-ая конференция

Применение самоорганизующихся нейронных сетей в интеллектуальных транспортных системах

Сапрыкин О.Н.

Самарский государственный аэрокосмический университет им. академика С. П. Королёва, Россия, 443086, г. Самара, Московское шоссе, 34, тел.: 335-18-26, E-mail: SaprykinON@mail.ru

Интеллектуальные транспортные системы (ИТС) предназначены для решения проблем автоматизации управления дорожным движением. Многие из технологических решений построения ИТС основаны на геоинформационных системах (ГИС), которые позволяют хранить объекты в соответствующей форме и наглядно отображать их. Для комплексного решения задач ИТС необходимо разработать комплекс, состоящий из совокупности моделей и алгоритмов, способных адекватно отразить процессы, происходящие на улично-дорожной сети города и предсказать их поведение в будущем. Модель с подобными характеристиками можно создать при помощи самоорганизующихся нейронных сетей.

Самоорганизационное моделирование основано на предположении о том, что ин-формация о взаимной корреляции переменных скрыта в их экспериментальных значе-ниях. В теории самоорганизующихся нейронных сетей существуют течения, разви-вающиеся параллельно:

• многорядные нейронные сети на основе модели МакКаллока-Питтса с эво-люционирующей архитектурой;

• дважды многорядные самоорганизующиеся нейронные сети с активными нейронами на основе метода группового учета аргументов.

Несмотря на отличия перечисленных течений, можно выявить одинаковые со-ставляющие: предварительный выбор исходной модели, механизм мутации моделей и отбор моделей. Однако методы, реализующие перечисленные пункты, в каждом из на-правлений различаются.

При решении прикладных задач в рамках ИТС встает задача предварительной об-работки (препроцессинга) пространственно-координированных данных. Задача пре-процессинга в силу своей специфичности может быть решена только в частных случаях и не имеет общего решения. Один из способов решения задачи предварительной обработки – построение матрицы источник-рецептор F. Матрица F состоит из множества функций f_ij, зависящих от удаленности i-го рецептора (зависимого объекта) от j-го источника (независимого объекта), а также от множества параметров зависящих от предметной области, и влияющих на значение рецептора.

Описанные подходы легли в основу «Автоматизированной системы идентификации зависимостей в пространственно-координированных данных». Система является частью ИТС, на которую возложена часть функциональности интеллектуального ана-лиза. Применение системы позволит более эффективно проводить мероприятия по улучшению движения на улицах города.

• открыть в PDF формате