Исследование интенсивности транспортных потоков методами машинного обучения для интеллектуальных транспортных систем
Аннотация
Показано, что эффективность интеллектуальных транспортных систем в городских агломерациях зависит от возможностей их программно-аппаратных комплексов по анализу интенсивности транспортных потоков. При этом на сегодняшний день с использованием нейронных сетей данный параметр считают по видеопотоку, моделируют для прогноза. Такую модель нельзя считать универсальной, так как она обучена с учетом узкого набора данных. Предлагается универсальный метод прогноза интенсивности транспортного потока на основе исследований алгоритмов машинного обучения.
Об авторах
Н. Г. Шешера
Дальневосточный государственный университет путей сообщения (ДГУПС)
Россия
Россия
Николай Г. Шешера, канд. техн. наук, старший научный сотрудник.
И. Н. Пугачев
Хабаровский федеральный исследовательский центр Дальневосточного отделения РАН; Дальневосточный государственный университет путей сообщения (ДГУПС)
Россия
Россия
Игорь Н. Пугачев, д-р техн. наук, заместитель директора по научной работе; профессор кафедры изысканий и проектирования железных и автомобильных дорог.
Д. Е. Григоров
Дальневосточный юридический институт МВД России имени И. Ф. Шилова
Россия
Россия
Денис Е. Григоров, начальник кабинета специальных дисциплин кафедры информационного и технического обеспечения ОВД.
Список литературы
1. Пугачев И. Н., Скрипко П. Б., Шешера Н. Г. Программный подход к комплексному сбору и подготовки данных об интенсивности движения транспортных средств, погодных условий и естественной освещенности в часовых интервалах // T-Comm: Телекоммуникации и транспорт. 2023. Т. 17. № 10. С. 43–51.
2. Пугачев И. Н., Шешера Н. Г., Григоров Д. Е. Использование инструментов современных библиотек Python по работе с географическими координатами для решения задач безопасности дорожного движения // Транспорт Азиатско-Тихоокеанского региона. 2024. № 3(40). С. 60–66.
3. Жук А. Ю., Саблин С. Ю., Скрыпников А. В. и др. Исследование математической модели рельефа местности при проектировании автомобильных дорог // Системы. Методы. Технологии. 2021. № 2 (50). С. 88–93.
4. Голов Е. В., Сорокина Е. В., Евтюков С. С. Проблемные вопросы использования спутниковой навигации при оценке состояния факторов «Дорога» и «Среда» в системе ВАДС // Вестник гражданских инженеров. 2022. № 4 (93). С. 141–150.
5. Пугачев И. Н., Шешера Н. Г., Григоров Д. Е. Определение эффективных широт интервалов влияния температурных режимов на интенсивность транспортного потока с использованием ранговой корреляции Спирмена // T-Comm: Телекоммуникации и транспорт. 2024. Т. 18. № 3. С. 34–40.
6. Болодурина И. П., Анциферова Л. М., Гришина Л. С. Интеллектуальная модель прогнозирования интенсивности движения транспортных средств на перекрестке // Интеллект. Инновации. Инвестиции. 2022. № 6. С. 69–78.
7. Зацерковный А. В., Нурминский Е. А. Нейросетевой анализ транспортных потоков городских агломераций на основе данных публичных камер видеообзора // Компьютерные исследования и моделирование.2021.Т.13.№ 2.С.305–318.
8. Mazloumi E., Rose G., Currie G., Moridpour S. Prediction intervals to account for uncertainties in neural network predictions: methodology and application in bus travel time prediction // Eng. Appl. Artif. Intell. 2011. № 24(3). Pp. 534–542.
9. Донченко Д. С., Садовникова Н. П., Парыгин Д. С. Прогнозирование степени тяжести последствий ДТП с использованием методов машинного обучения // Вестник Воронежского института высоких технологий. 2019. № 13(4).
10. Habib M., Bashir B., Alsalman A., Bachir H. Evaluating the accuracy and effectiveness of machine learning methods for rapidly determining the safety factor of road embankments // Multidiscipline Modeling in Materials and Structures. 2023. Vol. 19. № 5. Pp. 966–983.
Рецензия
Для цитирования:
Шешера Н.Г., Пугачев И.Н., Григоров Д.Е. Исследование интенсивности транспортных потоков методами машинного обучения для интеллектуальных транспортных систем. Транспорт Российской Федерации. Журнал о науке, практике, экономике. 2025;(3):31-36.
For citation:
Sheshera N.G., Pugachev I.N., Grigorov D.E. Studying Traffic Flow Intensity Using Machine Learning for Intelligent Transport Systems. Transport of the Russian Federation. 2025;(3):31-36. (In Russ.)
Просмотров:
6
Послать статью по эл. почте 