інтелектуальні транспортні системи

У статті викладено персоналізоване функціональне бачення архітектури інтелектуальних транспортних систем (ІТС) щодо інформування користувачів міських транспортних систем на прикладі систем ІТС центрального міста мегаполісу. Фундаментальним питанням з погляду користувачів транспорту є отримання інформації про повний функціональний спектр транспортних систем.

Проаналізовано сучасні підходи до побудови інтелектуальних транспортних систем (ІТС) з метою оптимізації міського трафіку. Особливу увагу приділено алгоритмам безмодельного навчання з підкріпленням (Q-Learning і Deep Q-Learning), що застосовуються для керування сигналами світлофорів у динамічних умовах дорожнього руху. За результатами симуляцій у середовищі SUMO доведено, що впровадження таких алгоритмів забезпечує суттєве зменшення черг на перехрестях і підвищує пропускну здатність транспортної мережі.

Інтелектуальні транспортні системи в міських умовах є одним із рішень для зменшення завантаженості транспортних засобів та кількості шкідливих викидів. Їх важливою складовою є оцінка тривалості поїздки на громадському транспорті. При цьому необхідно звертати увагу на вивченні тривалості руху автобуса (тривалості руху між зупинками та часу простою). У цій роботі автори встановили залежності тривалості перебування автобусів на зупинках залежно від попиту пасажирів. Цей час впливає на тривалість подорожі.