Алгоритмы и программные средства системного анализа критических ситуаций для управления дорожным движением тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Лапковский, Роман Юрьевич

  • Лапковский, Роман Юрьевич
  • кандидат технических науккандидат технических наук
  • 2013, Саратов
  • Специальность ВАК РФ05.13.01
  • Количество страниц 125
Лапковский, Роман Юрьевич. Алгоритмы и программные средства системного анализа критических ситуаций для управления дорожным движением: дис. кандидат технических наук: 05.13.01 - Системный анализ, управление и обработка информации (по отраслям). Саратов. 2013. 125 с.

Оглавление диссертации кандидат технических наук Лапковский, Роман Юрьевич

СОДЕРЖАНИЕ

Стр.

ВВЕДЕНИЕ

1. ОБЗОР И АНАЛИЗ СУЩЕСТВУЮЩИХ МОДЕЛЕЙ И МЕТОДОВ ИССЛЕДОВАНИЯ ДОРОЖНОГО ДВИЖЕНИЯ

1.1. Обзор и анализ известных подходов к описанию сложных систем

1.2. Обзор и анализ известных подходов к исследованию

дорожного движения

1.3. Анализ проблемы обеспечения безопасности дорожного движения

1.4. Постановка задачи исследования

2. МНОГОУРОВНЕВАЯ ДЕКОМПОЗИЦИЯ ДОРОЖНО-ТРАНСПОРТНЫХ СИСТЕМ НА ОСНОВЕ ПРИЧИННО-СЛЕДСТВЕННОГО ПОДХОДА

2.1. Исследование особенностей применения причинно-следственных комплексов при анализе сложных систем

2.2. Понятие причинно-следственной сети

2.3. Пространственно-территориальная декомпозиция

2.4. Объектная декомпозиция

2.5. Временная декомпозиция

2.6. Результаты по разделу

3. РАЗРАБОТКА МОДЕЛИ ДОРОЖНОГО ДВИЖЕНИЯ

НА ПЕРЕКРЕСТКАХ ДОРОЖНО-ТРАНСПОРТНЫХ СИСТЕМ В ФОРМЕ ПРИЧИННО-СЛЕДСТВЕННОЙ СЕТИ

3.1. Разработка структуры и состава причинно-следственной сети

3.2. Построение моделирующих звеньев причинно-следственной сети

3.3. Построение служебных звеньев причинно-следственной сети

3.4. Результаты по разделу

4. ПРИМЕНЕНИЕ РАЗРАБОТАННЫХ МОДЕЛЕЙ ДОРОЖНОГО ДВИЖЕНИЯ ДЛЯ ПОВЫШЕНИЯ ЕГО БЕЗОПАСНОСТИ

4.1. Разработка методики оценки возможных причин критических ситуаций в дорожном движении

4.2. Разработка методики выбора действий по повышению безопасности дорожного движения

4.3. Построение программно-информационного комплекса реализации предложенных методик, моделей и алгоритмов

4.4. Анализ результатов моделирования дорожного движения

на перекрестке дорожно-транспортной системы

4.5. Результаты по разделу

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ

Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Введение диссертации (часть автореферата) на тему «Алгоритмы и программные средства системного анализа критических ситуаций для управления дорожным движением»

ВВЕДЕНИЕ

Актуальность работы. Транспортные системы в настоящее время играют важнейшую роль в экономике как отдельных предприятий, так и государств в целом, осуществляя значительную долю перевозок грузов и пассажиров. Они представляют собой сложные человеко-машинные системы, включающие транспортные инфраструктуры, транспортные средства, водителей, пешеходов и другие составляющие дорожного движения, а также множество влияющих на него факторов, таких как погодные, климатические, правовые, психологические и др. К основным особенностям таких систем следует отнести разветвленность структуры, разнородность состава и ключевую роль человека на всех этапах их функционирования. В разработку такого класса систем большой вклад внесли A.A. Большаков, В.Н. Бурков, Н.П. Бусленко, С.Н. Васильев, В.А. Виттих, Ю.И. Клыков, В.В. Клюев, В.В. Кульба, А.Г. Мамиконов, Д.А. Новиков, Д.А. Поспелов, Г.С. Поспелов, И.В. Прангишвили, А.Ф. Резчиков, C.B. Смирнов, В.А. Твердохлебов, А.Д. Цвиркун и другие ученые.

Одной из основных проблем транспорта на сегодняшний день является низкий уровень безопасности. По данным Госавтоинспекции, за 2012 год на дорогах РФ произошло 203597 дорожно-транспортных происшествий, в результате которых погибли 27991 человек, а 258618 получили ранения1. Поддержание высокого уровня безопасности дорожного движения требует постоянного контроля и модернизации транспортной системы.

Среди отечественных и зарубежных работ, посвященных системному анализу и математическому моделированию дорожного движения, следует отметить работы М.Б. Афанасьева, Д. Газиса, A.B. Гасникова, Б.С. Кернера, В.В. Козлова, Г.И. Клинковштейна, А.Б. Куржанского, Е.В. Мерлова, К. Ней-гела, В.В. Семенова, Ф. Хейта, В.И. Швецова и других ученых. Рассмотренные в

1 Официальный сайт Госавтоинспекции МВД России: Сведения о показателях состояния безопасности дорожного движения. - URL: http://www.gibdd.ru/stat/ (дата обращения: 03.02.2013).

них модели описывают сложные штатные ситуации, но не позволяют в большинстве случаев исследовать отдельные дорожно-транспортные происшествия и приводящие к ним критические ситуации. Это связано с тем, что существующие модели не позволяют достаточно подробно описать сложные причинно-следственные зависимости и индивидуальные особенности участников движения. Они применяются, как правило, для различных задач управления трафиком, где требуется оперировать потоками транспортных средств. Известные «микроскопические» модели являются более подробными, так как рассматривают отдельные транспортные средства. Но и они не позволяют конструктивно учесть взаимосвязи между разнородными компонентами дорожного движения (водители, транспортные средства, светофоры и др.). При этом в достаточной степени не учитываются состояние человека (реакция, зрение и др.), погодный (видимость, осадки и др.) и дорожный (сцепление с дорогой, ее повреждения и др.) факторы.

В связи с этим известные программные средства ориентированы на исследование штатных режимов дорожного движения. В них отсутствует комплексный анализ ситуации в целом, что является необходимым для исследования критических ситуаций, которые играют важную роль при решении задач поиска причин дорожно-транспортных происшествий, управления дорожным движением, модернизации и проектирования дорожно-транспортных сетей.

Это делает актуальной разработку новых моделей и методов описания дорожного движения, позволяющих осуществлять комплексный анализ различных дорожных ситуаций, особенно критических, необходимый для поиска причин их возникновения и решения других задач управления дорожным движением для повышения его безопасности.

Цель работы - разработка алгоритмов и программных средств системного анализа критических ситуаций для управления дорожным движением с целью повышения его безопасности.

Объект исследования - дорожное движение.

Предмет исследования - алгоритмы и программные средства системного анализа критических ситуаций для управления дорожным движением.

Задачи исследований:

- системный анализ дорожно-транспортных систем с целью выделения доминантных компонентов, процессов и внешних факторов, определяющих дорожное движение, а также выявления связей между ними;

- разработка математической модели дорожного движения, основанной на его причинно-следственной декомпозиции, позволяющей описывать критические дорожные ситуации, обусловленные множеством разнородных взаимосвязанных факторов в дорожно-транспортных системах;

- разработка методик оценки возможных причин критических ситуаций в дорожно-транспортных системах и выбора эффективных действий по их устранению для повышения безопасности дорожного движения;

- разработка программно-информационного комплекса по анализу и оценке причин критических ситуаций на перекрестках дорожно-транспортных систем.

Методы и средства исследования. В основу исследований положены методы системного анализа, теории множеств, теории графов, теории причинно-следственных комплексов, математического моделирования и объектно-ориентированного проектирования.

Научная новизна работы заключается в следующем:

- на основе системного анализа дорожно-транспортных систем предложены методы их многоуровневой декомпозиции и построения модели дорожного движения в форме динамической причинно-следственной сети, что позволяет интегрировать модели разнородных компонентов дорожного движения в рамках единого целого;

- разработан алгоритм дискретно-событийного анализа, основанный на выделении особых состояний компонентов дорожного движения, что позволяет эффективно решать задачу синхронизации их функционирования во времени;

- предложена модель дорожного движения на перекрестках и программные средства ее реализации, отличающиеся объединением в рамках причинно-следственной сети отдельных моделей: поведения водителя, транспортного средства, светофора и дорожных условий, что позволяет системно решать задачи анализа критических дорожных ситуаций и их прогнозирования;

- предложена методика оценки возможных причин критических ситуаций на перекрестках для систем поддержки принятия решений по их поиску, отличающаяся учетом большого числа взаимосвязанных факторов и событий, определяющих дорожное движение.

Достоверность и обоснованность полученных результатов и рекомендаций обеспечивается корректным применением методов системного анализа, теории множеств, теории графов, теории причинно-следственных комплексов, математического моделирования, объектно-ориентированного проектирования; широкой апробацией результатов исследований на научных конференциях разного уровня и публикацией в печати; согласованностью реальных данных с данными, полученными путем моделирования.

Выносимые на защиту результаты. В соответствии с целью работы получены следующие результаты, выносимые на защиту:

- метод разработки моделей дорожного движения в форме динамической причинно-следственной сети, объединяющей отдельные его компоненты в рамках единой системы, основанный на многоуровневой декомпозиции дорожно-транспортных систем;

- алгоритм дискретно-событийного анализа, организующий совместное функционирование и взаимодействие моделей отдельных компонентов дорожного движения;

- модель дорожного движения на перекрестках дорожно-транспортных систем и программные средства ее реализации, основанные на построении причинно-следственной сети;

- методика оценки возможных причин критических ситуаций на перекрестках дорожно-транспортных систем для систем поддержки принятия решений по их поиску.

Практическая значимость работы. Разработано программное обеспечение для анализа дорожного движения на перекрестках дорожно-транспортных систем при различных дорожных ситуациях и транспортных потоках, положенного в основу оценки возможных причин критических ситуаций для повышения безопасности дорожного движения.

Реализация и внедрение результатов исследований. Основные результаты диссертационной работы являются составной частью фундаментальных научных исследований, выполняемых Институтом проблем точной механики и управления РАН (№ гос. регистрации 01201156340). Получено 2 свидетельства о регистрации электронных ресурсов. Результаты диссертационной работы использованы в ГИБДД ГУ МВД РФ по Саратовской области и ООО «Объединение «Саратовские дороги», что подтверждено соответствующими документами.

Полученные результаты нашли применение также в лекционных курсах, лабораторных работах, курсовых и дипломных проектах для студентов специальности 22.02.00 «Автоматизированные системы обработки информации и управления» в Саратовском государственном техническом университете имени Гагарина Ю.А.

Апробация работы. Основные результаты работы докладывались и обсуждались на 7-й научно-технической конференции «Мехатроника, автоматизация, управление» (Санкт-Петербург, 2010); научной конференции «Компьютерные науки и информационные технологии» (Саратов, 2010); научных кон-

ференциях молодых ученых «Presenting Academic Achievem-ents to the World» (Саратов, 2010, 2011); Международной заочной научной конференции «Технические науки: теория и практика» (Чита, 2012); Международной заочной научно-практической конференции «Актуальные вопросы современной информатики» (Коломна, 2012); 7-й Международной научно-практической конференции «Перспективы развития информационных технологий» (Новосибирск, 2012); 12-й Международной научной конференции «Интеллект и наука» (Железно-горек, 2012); 25-й Международной научной конференции «Математические методы в технике и технологиях» (Саратов, 2012); 4-й Всероссийской конференции молодых ученых «Россия молодая» (Кемерово, 2012); международной научной конференции «Компьютерные науки и информационные технологии» (Саратов, 2012); научных семинарах лаборатории системных проблем управления и автоматизации в машиностроении Института проблем точной механики и управления РАН (Саратов, 2009-2013).

Публикации. По теме диссертационной работы опубликовано 14 печатных работ, в том числе 3 в ведущих рецензируемых изданиях, рекомендованных ВАК РФ, получено 2 свидетельства о регистрации электронных ресурсов. Личный вклад автора заключается в разработке аппарата причинно-следственных сетей, алгоритма дискретно-событийного анализа, варианта декомпозиции дорожно-транспортных систем, модели дорожного движения на перекрестках, методики оценки причин критических ситуаций и их реализации в виде программно-информационного комплекса.

Структура и объем диссертации. Диссертационная работа состоит из введения, четырех разделов, заключения, списка использованной литературы и приложения. Общий объем работы составляет 125 страниц, включая 25 рисунков, 4 таблицы, 4 страницы приложения. Список использованной литературы включает 164 наименования.

1. ОБЗОР И АНАЛИЗ СУЩЕСТВУЮЩИХ МОДЕЛЕЙ И МЕТОДОВ ИССЛЕДОВАНИЯ ДОРОЖНОГО ДВИЖЕНИЯ

1.1. Обзор и анализ известных подходов к описанию сложных систем

С развитием вычислительной техники моделирование играет все большую роль в исследовании и анализе различных процессов. Становится возможным получать значительные объемы информации о поведении исследуемой системы, проводить разнообразные вычисления за поразительно короткие сроки, не прибегая к натурным экспериментам. Это осуществляется за счет математической модели системы, которая позволяет с заданной точностью эмитировать поведение реальной системы и получать необходимые данные.

Несмотря на многочисленные исследования и обширное использование математических моделей во всех отраслях человеческой деятельности, строгого определения понятия моделирования еще не выделено. Выдвинуто несколько достаточно удачных попыток выделить наиболее существенные черты моделей [1-6]. Согласно A.A. Ляпунову, моделирование - это опосредованное практическое или теоретическое исследование объекта, при котором непосредственно изучается не сам интересующий нас объект, а некоторая вспомогательная искусственная или естественная система (модель):

- находящаяся в объективном соответствии с познаваемым объектом;

- способная замещать его в определенных отношениях;

- позволяющая получить при её исследовании информацию о самом моделируемом объекте.

В то же время вопросами построения и классификации математических моделей начали заниматься очень давно и к настоящему времени опубликовано большое количество работ по данной тематике [7-13].

В них рассматриваются подходы, основанные на сетях Петри, которые успешно используются при моделировании параллельных процессов [14, 15].

К числу наиболее современных подходов к моделированию сложных систем следует отнести моделирование агентов, позволяющее на основе задания поведения отдельных объектов получать модель всей системы в целом [16, 17].

Достаточно часто для описания информационных систем, связанных с тем или иным видом обслуживания, применяются специфические модели. Предполагается, что система имеет ряд обслуживающих линий (каналов), которые выполняют определенный набор задач. В систему на имеющиеся свободные линии поступают заявки на обработку [18, 19].

Одним из наиболее известных подходов описания процессов функционирования сложных систем является агрегативный подход, предложенный Н.П. Бусленко. Система представляется множеством связанных агрегатов, изменяющих свое состояние во времени под внешними воздействиями. Благодаря общности подхода, он хорошо применим для широкого круга задач. Однако ряд сложностей с организацией взаимодействия элементов системы существенно затрудняют практическое применение подхода в чистом виде [9, 11].

К классу общих моделей также можно отнести гибридные системы, объединяющие в себе как непрерывные, так и дискретные методы [20-22]. Большой вклад в развитие вычислительной техники, автоматных и непрерывно-дискретных моделей внес В.М. Глушков [21, 23].

Несмотря на все достоинства и многочисленные приложения рассмотренных моделей, каждая из них, как правило, ориентирована на свой круг задач и объектов моделирования. Многие из них являются эквивалентными в смысле сводимости друг к другу [11]. Однако при рассмотрении сложных систем, состоящих из большого числа разнородных составляющих, становится затруднительно выбрать наиболее подходящий подход. Это обуславливается тем, что каждый из них охватывает лишь одну из составляющих системы, в то время как

совершенно не подходит для других. К таким системам относятся и человеко-машинные системы, в которых присутствует человеческий фактор, который является одним из наиболее сложных для моделирования.

В то же время в последнее десятилетие широкое развитие получил причинно-следственный подход к построению моделей. Благодаря общности понятий причины и следствия, становится возможным объединять в рамках одной модели разнообразные объекты и процессы. Одним из формальных аппаратов данного подхода является аппарат теории причинно-следственных комплексов (ПСК), формализующий причинно-следственные зависимости в виде структуры причинно-следственных звеньев (ПСЗ). Основные положения теории были заложены А.Ф. Резчиковым и В.А. Твердохлебовым, при этом основывались на многолетнем опыте работ таких ученых как В.М. Глушков, В.В. Вагнер, Ман Ф.-К., Якобе К. и др. [23-26] Позднее были опубликованы работы по развитию данного направления как [27-31].

В настоящее время хорошо разработаны методы программирования, позволяющие эффективно реализовывать сложные и абстрактные алгоритмы, реализующие те или иные модели. Применение объектно-ориентированного программирования позволяет на уровне языка программирования описывать объекты системы, их структуру и взаимосвязи. Это делает возможным производить их эффективную разработку в короткие сроки [32-38].

1.2. Обзор и анализ известных подходов к исследованию дорожного движения

Первыми из задач, положивших начало развитию моделирования транспортных потоков, явилось изучение пропускной способности магистралей и их пересечений. Одним из первых в 1912 году задачами планирования структуры дорожно-транспортной сети (ДТС) на основе математических моделей закономерностей дорожного движения занимался профессор Г.Д. Дубелир [39].

Однако исследования в области моделирования транспортных потоков начали формироваться в рамках отдельной математической дисциплины только в начале 50-х годов XX века. Появились первые макроскопические модели, разработанные М. Лайтхиллом и Дж. Уиземом, которые основывались на подобии потока автомобилей потоку сжимаемой жидкости. Модель опиралась на закон сохранения количества автомобилей и существование функциональной зависимости между интенсивностью потока и его плотностью [40-42].

Первая попытка обобщения результатов различных исследований транспортных потоков и их выделения в виде самостоятельного раздела прикладной математики сделана Ф. Хейтом [43].

В последующие годы сформировавшееся научное направление продолжало расширяться, появлялось большое число работ, посвященных расширению и уточнению полученных результатов, публиковались также и новые подходы к описанию дорожного движения. К ним можно отнести микроскопические модели, рассматривающие поведение каждого автомобиля, модели следования за лидером, описывающие движение сразу групп автомобилей и др. [39].

На сегодняшний день сформировалось достаточно много подходов к описанию движения транспортных средств (ТС). Такое большое их разнообразие связано, в первую очередь, с актуальностью проблемы исследования транспортной системы, а также с обилием проблем и задач в этой области. Сложность исследуемой системы не позволяет построить универсальную модель, поэтому, как правило, каждая из современных моделей дорожного движения ориентирована на решение определенного круга задач. Это обстоятельство и определяет разделение моделей на классы [43-47].

Макроскопический подход. Одним из наиболее полных и разработанных классов моделей является класс макромоделей. Макроскопические модели основаны на том предположении, что транспортный поток является непрерывным (подобно текущей через трубу жидкости). В данном подходе, как правило,

не рассматривается детальный состав потока и поведение конкретных его единиц, исследуются только общие показатели, такие как плотность, скорость и др.

Основным преимуществом макроскопических моделей является их математическая компактность, они могут быть представлены системой дифференциальных уравнений, которая может быть решена с использованием разработанного математического аппарата и не требует больших вычислительных ресурсов. Этот подход основан на разработках в области моделирования и анализа гидродинамических систем, которые, однако, предназначены для систем, состоящих из однородных элементов с предсказуемым поведением [45, 48]. Однако транспортный поток, в отличие от потока жидкости, имеет ряд серьезных особенностей. В первую очередь, это неоднородность, все элементы потока различные, причем по целому ряду факторов. Во-вторых, это достаточно сильная непредсказуемость (неустойчивость) поведения элементов потока. В-третьих, транспортный поток может находиться в различных фазовых состояниях, каждое из которых имеет свои особенности и требует пересмотра системы уравнений. Все это делает макроскопический подход к моделированию транспортного потока достаточно грубым и неточным, особенно при рассмотрении небольших фрагментов ДТС.

Несмотря на некоторые ограничения и условности макроскопического подхода, существует целый ряд работ, посвященных разработке и внедрению макромоделей. Основным классом задач, которые позволяют решать макроскопические модели транспортного потока, являются задачи управления дорожным движением. Существует большое количество работ, в которых на основе макромоделей с привлечением различных вспомогательных математических, статистических и других аппаратов описываются принципы управления дорожным движением [49-56]. В США, штат Калифорния, рядом ученых во главе с А.Б. Куржанским и П. Варайя разработана и внедрена целая система распреде-

ления трафика с помощью управления светофорами въездов и выездов на междугородних автострадах [57-60].

К макроскопическому подходу можно отнести методы оптимизации работы светофоров, регулирующих движение на перекрестке. В большинстве работ перекресток рассматривается как система массового обслуживания, при этом оптимизируются такие показатели как средняя длина очереди, среднее время обслуживания и другие [61-64].

Необходимо отметить ряд выдающихся научных результатов Б.С. Кернера конца XX века, который на основе большого количества эмпирических данных показал, что можно выделить три фазы транспортного потока, а не две, как это было известно ранее, а также выявил ряд макроскопических зависимостей для этих фаз потока [65-68].

Это открытие заставило пересмотреть ряд существующих подходов к моделированию, поскольку они не описывали выявленные закономерности движения транспорта. В настоящее время в ряде зарубежных работ предлагается для определения качества и пригодности математических моделей транспортного потока проверять насколько точно и объективно они позволяют описывать три фазы Кернера транспортного потока.

Однако, несмотря на длительность исследований, по мнению ряда ведущих специалистов по моделированию транспортных потоков проблема их перехода из одного фазового состояния в другое еще до конца не изучена [46, 65].

Таким образом, несмотря на все недостатки и ограничения, макроскопический подход находит применение во многих задачах, которые не требуют детального анализа дорожного движения. Такие задачи, как правило, рассматривают крупные единицы автотранспортной системы (АТС), такие как крупные сети дорог и магистрали. Следует также отметить, что большинство исследователей ограничивается изучением транспортного потока на отдельном прямолинейном участке, в то время как заторы и другие сложные ситуации возникают в

сложных и узких местах ДТС (перекрестки, сужения дорожного полотна, въезды и выезды).

Микроскопический подход. Другим важным классом моделей дорожного движения являются микроскопические модели, которые рассматривает транспортный поток как дискретный и описывает движение каждого автомобиля. Подход начал активно исследоваться и развиваться лишь в последние десятилетия XX века, поскольку до этого технические сложности существенно ограничивали возможности исследования и применения микроскопических моделей. Подобного рода работы реализовывались редко и в виде крупных проектов, требовавших больших затрат на вычислительную технику и разработку программного обеспечения.

Прогресс в развитии компьютеров позволил преодолеть эту сложность, что привело к подъему исследований, основанных на микроскопических моделях. Было замечено, что многие сложности в динамике поведения транспортного потока возникают из-за взаимодействия между отдельными автомобилями. Выяснилось, что сложные зависимости в поведение транспортного потока появляются даже в том случае, когда автомобилям задаются достаточно простые правила поведения [45, 48].

Микроскопические модели, по сравнению с макроскопическими, имеют более широкие возможности по форме представления и реализации. Одной из первых микроскопических моделей является модель в форме клеточных автоматов, которая продолжает развиваться также в работах современных авторов [45, 46, 69-71]. Принципиальным вопросом в моделях клеточных автоматов для описания автомобильного трафика является вопрос о том, что считать клеткой. Клеткой можно считать часть дорожной полосы, которую проезжает автомобиль за некоторое определенное время. В качестве клетки также рассматривают динамический габарит двигающихся по правилам автомобилей, в тоже время оставшиеся автомобили пытаются просочиться сквозь них.

Важную роль в моделировании автомобильного транспорта занимают имитационные микроскопические модели, чья простота, прозрачность и эффективность позволяют описывать разнообразные процессы в дорожном движении. Имитационные модели и подходы, отраженные в работах многих авторов затрагивают различные аспекты дорожного движения и ряда других факторов, влияющих на движение [72-78].

Одним из наиболее развивающихся подходов к построению микроскопических моделей автомобильного трафика является агентный подход. Агентное моделирование - это метод имитационного моделирования, исследующий поведение децентрализованных агентов и то, как такое поведение определяет поведение всей системы в целом. Основной отличительной особенностью данного подхода является то, что исследователь определяет поведение агентов на индивидуальном уровне, а глобальное поведение возникает как результат деятельности множества агентов [79-82].

Существуют также и другие подходы к микроскопическому моделированию дорожного движения. Одним из них является подход, основанный на представлении транспортных потоков в виде процессов с запретами (Exclusion Processes), которые представляют собой системы частиц, совершающих случайные блуждания и взаимодействующих по закону «исключенного объема» [83]. В ряде работ авторы рассматривают гибридные микроскопические модели, сочетающие в себе черты сразу нескольких подходов к моделированию [84].

Другие подходы. Существует также ряд разработок, занимающих среднее место между этими двумя большими классами моделей. К ним относится, например, модель следования за лидером, основанная на предположении, что центральную роль при движении группы автомобилей занимает ТС, движущееся первым. Предполагается, что оно задает скорость и режим движения всей группы автомобилей, а все остальные двигаются за ней. На основе данного

подхода опубликованы работы, рассматривающие группы автомобилей, называемые транспортными пачками [85, 86].

Отдельное место занимают модели, описывающие воздействие автомобильного транспорта на окружающую среду. В отличие от других моделей в них приоритетными являются и детально анализируются такие показатели, как количество выбросов, зона их распространения и другие параметры, относящиеся к загрязнению. Совместно с различными подходами к описанию дорожного движения в этих работах используются различные методы оценки загрязнения атмосферного воздуха, воды и почвы [87-92].

Необходимо также отметить еще один класс задач. Это задачи поиска и выбора маршрутов следования ТС. Впервые подходы к решению задач поиска различного рода маршрутов в графовых структурах появились еще до появления автомобильного транспорта. Разработано огромное число методов решения таких задач при различных условиях и критериях поиска, однако целый ряд их остался нерешенным. Автотранспортная отрасль лишь прибавила дополнительные задачи для исследователей. Большинство из этих задач связаны с особенностями транспортной системы, которые определяются ее сложностью и ее динамичностью. При анализе маршрутов движения необходимо учитывать целый ряд постоянно изменяющихся факторов, такие как дорожные условия, пробки и другие, что требует полной осведомленности о дорожной ситуации и постоянной корректировки маршрута движения. Актуальность и востребованность планирования грузопассажирских перевозок, а также бурное развитие навигационной техники послужили поводом для большого числа исследований и разработок, позволяющих в настоящее время практически любому водителю пользоваться современными навигационными системами [65, 93-97].

Системы моделирования дорожного движения. В литературе и ряде рекламных источников представлено много программных средств для решения различных транспортных задач с использованием разнообразных моделей до-

рожного движения. Все эти разработки основаны на различных подходах к моделированию и преследуют различные цели.

Следует отметить разработки, основанные на макромоделях транспортного потока и активно применяемые за рубежом для динамического управления светофорным регулированием на въездах и выездах с автострад. К таким системам относятся система TOPL (Tools for Operational Planning), Aurora RNM (Aurora Road Network Modeler), PTV Vision VISSIM и др. [60, 98-100]. Эти разработки оперируют макроскопическими показателями транспортных потоков на протяженных магистралях, что позволяет без значительных вычислительных затрат управлять дорожным движением. Однако задачи детального анализа такие системы решать не позволяют, поскольку они оперируют параметрами транспортного потока, не рассматривая отдельные ТС.

Существуют также системы моделирования, основанные на микроскопических моделях, описывающие движение отдельных ТС. Такие системы применяются для анализа дорожного движения на отдельных фрагментах ДТС, например, для анализа пропускной способности узлов при различной их топологии и режимах работы координирующих движение средств. Среди таких систем можно отметить системы Aimsun7 и Arena [101, 102]. Эти системы оперируют более мелкими элементами, чем системы, основанные на макромоделях. Основной единицей этих систем является отдельный автомобиль, что позволяет более детально описывать дорожное движение на отдельных фрагментах ДТС. Данный подход достаточно эффективен для задач анализа дорожного движения, где требуется анализировать поток среднестатистических автомобилей в штатных условиях движения. Однако данные системы не могут с достаточной степенью подробности и точности описывать сложные дорожные ситуации, прежде всего, аварийные.

Существует довольно много программных комплексов, ориентированных на поддержку эксперта при расследовании дорожно-транспортных происшест-

вий (ДТП). К ним относятся такие системы как расчетно-текстовый редактор «AUTO-TEXT», система визуального моделирования дорожно-транспортной ситуации «Экспертиза ДТП», графический редактор для построения масштабных схем ДТП «AUTO-GRAF». Из зарубежных аналогов отмечаются такие программные средства как CARAT (Computer Assisted Reconstruction of Accidents in Traffic), PC-CRASH и её модули (PC-Rect), ANALYSER PRO и др [103]. Однако все они оказывают поддержку в большей степени в, части формирования отчетности, создании наглядных демонстрационных материалов, расчетах различных параметров движения автомобилей при аварии и т.п. В них отсутствует комплексный анализ всей ситуации в целом, что является необходимым для установления истинных причин ДТП.

Исследования частных аспектов автотранспортной системы. Помимо разработок общего подхода к описанию транспортных потоков существует масса работ, посвященных отдельным элементам АТС. Несмотря на их кажущуюся отстраненность от проблем анализа транспортного потока, они играют важнейшую роль, поскольку формируют все окружение, в котором находится поток и то, что он из себя представляет.

Существует много работ, посвященных анализу и формализации представления структуры ДТС, включающей дорожное полотно, защитные сооружения, управляющие механизмы, дорожные знаки и др. [72, 104, 105].

Следует отметить ряд публикаций, посвященных психологии водителей, их поведению и классификации по стилям вождения. Много литературы посвящено обучению и подготовке новичков в вождении автомобиля. Человеческий аспект очень важен при анализе дорожного движения, поскольку человек является ключевым звеном всех основных процессов, протекающих на дорогах, и практически всегда именно человек оказывает решающую роль на исход дорожной ситуации [106-110].

Имеются источники, в которых рассматривается ряд других аспектов АТС, таких как устройство ТС, особенности их поведения, динамики движения; технология изготовления и особенности различных элементов ДТС; различные аспекты поведения переходов; исследования по проектированию топологии ДТС, по размещению ремонтных и заправочных станций и др.

Проблемы автотранспортной системы. Автомобильный транспорт в настоящее время является самым распространенным видом транспорта, а его популярность с каждым годом продолжает расти. Число автомобилей, зарегистрированных в масштабах мира, перешло миллиардный рубеж еще в 2010 году, а уже через 20 лет эксперты прогнозируют его удвоение [111, 112].

Рост популярности автомобильного транспорта объясняется в первую очередь его гибкостью и низким уровнем зависимости от внешних факторов, несмотря на сравнительно высокую скорость перевозок. На него менее всего оказывают влияние погодные условия, повреждения путей сообщения и ТС, отключение электроэнергии и другие факторы, парализующие работу железнодорожного, воздушного, водного и других видов транспорта.

В связи с широким распространением автомобильного транспорта во всех странах мира и значительным ростом уровня автомобилизации населения все более остро встает ряд актуальных задач. Среди них задачи модернизации и проектирования узлов ДТС, задачи улучшения программ подготовки водителей, задачи разработки систем поддержки принятия решений водителем во время движения, разработки подходов к поиску причин аварийных ситуаций, задачи уменьшения влияния автомобильного транспорта на окружающую среду и др. [113]. Одной из основных проблем автомобильного транспорта является низкий уровень безопасности. Увеличение объемов автомобильных перевозок, повышающаяся сложность дорожного движения, постоянная гонка за временем день за днем делает вождение автомобиля все более и более сложным. Водители, на которых возложена вся ответственность за дорожное движение, не успе-

вают оперативно оценивать обстановку и своевременно вырабатывать адекватную реакцию на изменение условий движения. Огромную долю проблем вносят некомпетентные водители, которые часто намеренно нарушают правила дорожного движения, подвергая опасности не только свои жизни, но жизни и здоровье других людей.

Еще одной сложностью современного автомобильного транспорта является проблема постоянной гонки пропускной способности узлов ДТС за непрерывно растущим числом ТС. В результате наблюдается образование автомобильных пробок, сводящих все преимущества автомобильного транспорта на «нет». Более того, из-за простоя ТС на дорогах повышается расход энергии и топлива, что наносит экономический ущерб. А также резко возрастает количество выбрасываемых в атмосферу выхлопных газов, что негативно сказывается на экологической ситуации в мире [92, 114].

Немаловажной является проблема планирования эффективной структуры ДТС строящихся городов и районов, а также перепланировки существующих узлов сети дорог. Проблема также усложняется тем, что при этом необходимо учитывать целый набор условий и критериев, диктуемых нормативными документами и требованиями к строительству [115-117]. Также одной из проблем проектирования является поиск компромисса стоимости строительства, пропускной способности и безопасности.

На основе вышеизложенного можно сформулировать ряд приоритетных и наиболее крупных задач, решение которых необходимо для дальнейшего эффективного функционирования АТС. К ним относятся задачи построения оптимальных структур ДТС, а также конфигурации ее отдельных узлов, позволяющих повысить эффективность дорожного движения и свести к минимуму вероятность возникновения аварий; задачи прогнозирования изменения дорожной обстановки в нестандартных условиях, таких как введение нового, закрытие или перепланировка какого-либо фрагмента ДТС, повышение стоимости проез-

да по магистрали, установка новых знаков и др. Необходимо разрабатывать и внедрять системы динамического управления дорожным движением, что позволит снизить уровень пробок и повысить качество условий для движения транспорта. Следует отметить, что подобные системы уже применяются в ряде развитых стран мира. Внимание также необходимо уделять проектированию ТС, которые должны оснащаться системами поддержки принятия решений по управлению ТС и выбору маршрута, позволяющими водителю оперативно реагировать на постоянно изменяющуюся обстановку и избегать потенциально опасных ситуаций. Важно проводить тщательные расследование случившихся ДТП, для чего необходимо иметь системы поиска их причин, а также алгоритмы детального анализа причинно-следственных связей развития событий. Эти и еще ряд других задач активно рассматривались в 20-м веке и продолжают рассматриваться и сегодня.

1.3. Анализ проблемы обеспечения безопасности дорожного движения

Из всего обилия различных проблем и задач в АТС, наибольшего внимания заслуживает проблема безопасности. Следует отметить, что эта проблема является одной из наиболее острых и слабо изученных проблем автомобильного транспорта [118, 119]. В первую очередь, это связано с тем, что безопасность является одним из наиболее сложных показателей для анализа и исследования.

В тоже время по данным Госавтоинспекции МВД России за 2012 год на дорогах РФ произошло 203597 ДТП, в результате которых погибли 27991 человек, а 258618 получили ранения [120]. Являясь главным загрязнителем атмосферы большинства городов, автомобильный транспорт также косвенно, но не менее катастрофически, оказывает негативное влияние на здоровье и жизни людей. Следует также отметить и шумовое воздействие транспорта, оказывающее негативное действие на жителей прилегающих к дорогам домов [121].

Высокая маневренность и независимость делает автомобильный транспорт очень сложной, самоорганизующейся системой. Для поддержания высокого уровня безопасности требуется постоянный контроль и выработка правильных управляющих воздействий на систему (оптимизация ДТС, подготовка квалифицированных водителей, разработка более совершенных видов ТС, внедрение современных средств контроля функционирования системы и др.). Однако выбор правильных управляющих воздействий зачастую невозможен или затруднен в связи с высокой сложностью системы.

В таких сложных человеко-машинных системах иногда практически невозможно предсказать, как повлияют те или иные действия с ней на ее поведение. Обилие процессов, объектов, факторов и обратных связей делают поведение такой системы очень сложным и запутанным, а любое даже самое незначительное вмешательство может вызвать помимо необходимой реакции еще целый будет совершенно непредсказуемых побочных эффектов.

Безопасность АТС, определяется, прежде всего, безопасностью дорожного движения - состоянием данного процесса, отражающим степень защищенности его участников от ДТП и их последствий [122].

В официальной статистике обычно оценивается уровень безопасности крупных пространственно-территориальных объектов, таких как страны, области, штаты, города. А сама оценка дается в виде количества аварийных ситуаций, количества погибших и раненных за определенный промежуток времени. Существуют также и другие способы оценки безопасности, которые рассматривают более широкий круг критериев оценки безопасности, помимо числа аварий и их жертв рассматриваются: объем автопарка района, количество проехавших автомобилей, протяженность и площадь дорог, плотность населения и другие. Такие детальные методы оценки позволяют дать более объективные показатели безопасности различных фрагментов ДТС, которые можно сравнивать друг с другом [123, 124].

Все это обязывает исследователей при анализе безопасности АТС сталкиваться с анализом критических ситуаций, который является с несколько раз более сложным, чем анализ функционирования системы в обычном режиме. Под критическими ситуациями в дорожном движении будем понимать ситуации, характеризующиеся образованием таких условий и обстоятельств, которые могут привести к возникновению ДТП. Данное определение построено на основе понятий критической ситуации из смежных научных отраслей, особенностей дорожно-транспортных систем и существующей нормативно-правовой документации.

Действительно, анализ и расследование большинства аварий и катастроф, происходящих в сложных системах, занимают очень длительное время, к ним привлекаются десятки специалистов, которые шаг за шагом воссоздают картину случившегося. И практически всегда оказывается, что причина происшествия кроется сразу в нескольких совершенно разных сегментах системы и происходит порой при удивительном стечении обстоятельств. В отдельности эти обстоятельства могли бы и не вызвать ничего опасного, они могли бы даже быть нормой. Однако важно заметить, что именно их совместное появление приводит к аварии [125].

Это позволяет сделать вывод о том, что для исследования и контроля таких показателей системы как безопасность, аварийности, а также для поиска причин случившихся происшествий и прогнозирования надвигающихся требуется системный подход к анализу сложной системы. Важно рассматривать все компоненты системы в комплексе с учетом их совместного функционирования и взаимовлияния.

В настоящее время существует очень много разнообразных моделей, описывающих отдельные процессы, объекты и явления присутствующие в АТС, при этом практически не затрагивается их окружение. К ним относятся модели движения автомобиля, модели работы двигателя и тормозной системы, модели поведения водителя, модели работы светофоров, модели, описывающие сцеп-

ление колес с дорожным покрытием и другие [109, 126-130]. Важно то, что все они разрозненные, в то время как для анализа безопасности требуется именно их совместный анализ. На практике это оказывается затруднительным из-за глубочайшей разнородности подходов, описывающих различные компоненты одной системы [25].

Важность рассмотрения группы факторов, образующих дорожное движение, отмечается рядом ученых. Данная концепция сокращенно называется ВАДС - водитель-автомобиль-дорога-среда. Действительно, эти компоненты являются наиболее важными и определяющими при рассмотрении дорожного движения и в особенности фактора его безопасности [103, 125, 131-135].

Центральным звеном АТС на всех стадиях ее функционирования является человек - водитель ТС, именно на него возложена центральная роль по оперативному приему важных решений. Поэтому при построении системных моделей очень важно уделять особое внимание моделям поведения водителя. На данную тематику опубликовано много работ, однако почти полностью отсутствуют какие-либо формализации предлагаемых подходов [110, 136, 137].

Проблема безопасности является очень распространенной и охватывает почти все сферы жизни человека. Окружающий мир повсюду таит различного рода опасности, начиная от сложных и опасных технологических процессов, заканчивая скользким покрытием лестниц жилых домов. Поэтому важно подходить к решению проблем безопасности комплексно, уделяя особое внимание местам наибольшего риска возникновения опасных ситуаций и потенциальной тяжести возможных последствий.

Проблема организации безопасной среды стоит не только в АТС, а также и множестве других отраслей человеческой деятельности. К ним, прежде всего, относятся сложные и опасные производственные предприятия, такие как атомные электростанции, химические и нефтеперерабатывающие заводы, заводы по переработки оружия и др. Важность поддержания безопасности очевидна для

всех видов транспорта: автомобильный, авиационный, железнодорожный, морской, речной и др.

Следует отметить некоторые работы, в которых подробно рассматриваются аспекты безопасности таких сложных систем как атомные электростанции и авиационной транспорт [138-140].

Однако, несмотря на продолжительные исследования, современные модели и подходы к исследованию дорожного движения ориентированы лишь отдельные составляющие системы, а не на всю систему в целом. В то время как большинство критических ситуаций возникают именно при стечении множества обстоятельств различной природы.

Для поддержания безопасности дорожного движения необходимо не только проводить профилактические меры по предотвращению аварийных ситуаций, но и иметь эффективные модели и алгоритмы расследования и установления их причин, что в свою очередь поможет свести к минимуму подобные происшествия в будущем. Поиск причин критических ситуаций на сегодняшний день связан с напряженной работой групп высококвалифицированных специалистов, занимающихся расследованием. Их работа состоит в сборе многочисленной информации, связанной с аварией, ее накоплении и структурировании, получении новых фактов на основе имеющихся, построении причинно-следственной цепочки развития событий и выводе о найденных причинах. Этот процесс занимает достаточно длительное время из-за необходимости поиска вариантов развития событий, которые бы соответствовали собранной информации, что требует подключения дополнительных банков данных по различным видам учета, по статистике и т.д. Более того, приходится учитывать тот факт, что часть полученных сведений может быть ложной из-за ошибок, допущенных при их сборе и сомнительных показаний свидетелей. Таким образом, приходится проводить расследование в условиях неполных и противоречивых данных.

Существуют как объективные (сложность системы, большая протяженность автомобильных и воздушных путей и трасс, погодные условия и т.д.), так и субъективные факторы, затрудняющие расследование. Последние связаны в основном с тем, что осмотр места происшествия, составление протоколов и само расследование производится соответствующими должностными лицами. Таким образом, на каждом этапе расследования большую роль играет человеческий фактор, из-за которого появляется множество ошибок и неточностей при обработке информации.

Например, в протоколе осмотра места ДТП фиксируются лишь длины тех отрезков, которые важны с точки зрения инспектора и могут быть неоднозначно интерпретированы. В таких условиях сделать точный вывод затруднительно.

Поэтому поиск причин возникновения критических ситуаций, поломок и аварий является на сегодняшний день сложной и актуальной задачей.

Существует множество методов поиска неисправностей в «простых» системах и достаточно «простых» частях сложных систем, что позволяет описать и проанализировать все части этой системы отдельно друг от друга. Однако часто оказывается, что причины неправильного функционирования сложной системы кроются не в какой-либо одной части системы, а сразу во многих, а также в характере их взаимодействия. Выявить такие причины можно, лишь рассматривая всю систему в целом, с учетом взаимодействия и взаимовлияния всех ее частей.

Подобную задачу позволяют решать методы, основанные на общих моделях описания сложных систем, которые позволяют охватить не только составные части системы по отдельности, но и всю систему с учетом всевозможных взаимосвязей между составляющими.

Это обусловливает необходимость дальнейших исследований в данном направлении и разработки моделей, охватывающих все компоненты системы, включая человеческий фактор. Построение таких моделей требует применения подходов, основывающихся на общих понятиях, которые позволят связать ме-

жду собой большое количество разнородных составляющих системы. Среди них ТС, водители, ДТС, пешеходы, погодные и дорожные условия и др.

Одним из таких подходов является причинно-следственный подход, предложенный А.Ф. Резчиковым и В.А. Твердохлебовым, который и определил выбор темы, целей и задач диссертационной работы [25, 141].

1.4. Постановка задачи исследования

На основе обзора и анализа работ по описанию сложных систем, подходов к исследованию дорожного движения установлено, что дорожно-транспортные системы представляет собой сложные человеко-машинные системы, основными особенностями которых являются разветвленность структуры, разнородность состава и ключевая роль человека на всех этапах их функционирования.

Показано, что ключевой проблемой при их исследовании на сегодняшний день является низкий уровень безопасности дорожного движения.

Рассмотренные в ряде работ макроскопические модели описывают штатные дорожные ситуации и не учитывают или недостаточно полно учитывают критические ситуации. Это связано с тем, что эти модели не позволяют с требуемым для практики уровнем подробности описать сложные причинно-следственные зависимости и индивидуальные особенности участников дорожного движения.

Микроскопические же модели являются более подробными, так как рассматривают отдельные ТС. Но и они не позволяют конструктивно учесть взаимосвязи между разнородными компонентами дорожного движения (водители, ТС, светофоры и др.), так как в достаточной степени не учитывают состояние человека, погодный и дорожный факторы.

В связи с этим, известные в настоящее время программные средства, используемые при расследовании ДТП, оказывают поддержку лишь в части формирования отчетности, создании наглядных демонстрационных материалов, рас-

четах различных параметров движения ТС при аварии и т.п. В них отсутствует комплексный анализ всей ситуации в целом, что является необходимым для установления истинных причин ДТП.

Вышеизложенное делает чрезвычайно необходимым и актуальным разработку новых моделей и методов описания дорожного движения, позволяющих осуществлять анализ различных дорожных ситуаций, а особенно критических, необходимый для решения задач управления дорожным движением с целью повышения уровня его безопасности.

Для оценки уровня безопасности дорожного движения предлагается использовать показатель аварийности, оцениваемый отношением количества ТС, попавших в ДТП, к общему числу ТС, въехавших на исследуемый фрагмент ДТС.

Решение поставленной задачи предлагается разбить на этапы. На первом этапе на основе системного анализа дорожно-транспортных систем выполняется их декомпозиция, направленная на выделение доминантных компонентов, процессов и внешних факторов, определяющих дорожное движение, а также выявление связей между ними. При этом предлагается использовать подход, основанный на использовании причинно-следственный комплексов.

Так как причинно-следственный комплекс представляет собой статическую структуру, то для описания динамики дорожного движения, на втором этапе, осуществляется построение формальной динамической модели дорожного движения, основанной на результатах декомпозиции системы, выполненной на первом этапе. Для синхронизации функционирования отдельных компонентов этой модели предложен специальный алгоритм, организующий процесс их взаимодействия во времени.

На третьем этапе осуществляется построение модели дорожного движения на одном из наиболее сложных, распространенных и опасных фрагментов ДТС -регулируемом перекрестке. Эта модель строится на основе интеграции моделей

отдельных компонентов дорожного движения в рамках единого целого, что позволяет описать критические дорожные ситуации, обусловленные множеством разнородных взаимосвязанных факторов в дорожно-транспортных системах.

На четвертом этапе на основе предложенных моделей дорожного движения разработаны методики оценки возможных причин критических ситуаций в дорожно-транспортных системах и выбора эффективных действий по их устранению. Эти методики, положенные в основу систем поддержки принятия решений для экспертов при расследовании ДТП, позволяют осуществлять выбор эффективных действий по модернизации ДТС и управлению дорожным движением, направленных на повышение его безопасности.

Пятый этап заключается в разработке на основе предложенных моделей и методик программно-информационного комплекса, позволяющего осуществлять исследования различных дорожных ситуаций, в том числе критических, а также выполнять оценку возможных причин их возникновения.

2. МНОГОУРОВНЕВАЯ ДЕКОМПОЗИЦИЯ ДОРОЖНО-ТРАНСПОРТНЫХ СИСТЕМ НА ОСНОВЕ ПРИЧИННО-СЛЕДСТВЕННОГО ПОДХОДА

Транспортные системы распространены по всему миру и являются сложными человеко-машинными системами, состоящими из огромного числа узлов и включающие множество компонентов, протекающих в них процессов и внешних факторов. Исследования систем таких масштабов и сложности является очень сложной задачей, поэтому предлагается разбить задачу исследования всей системы на ряд частных задач, охватывающих отдельные составляющие всей системы.

Важно отметить, что задачей исследования является анализ безопасности дорожного движения, что требует глубины и точности описания процессов, протекающих в системе, а также учета их влияния друг на друга.

Любая сложная человеко-машинная система состоит из огромного числа разнородных составляющих, которые тесно связаны друг с другом. Все эти составляющие имеют различную природу и, как следствие, описываются различными моделями, которые оперируют своими объектами и понятиями. Несовместимость понятий не позволяет напрямую формализовать взаимовлияние компонентов друг на друга, даже, несмотря на то, что связь выглядит простой.

Одним из решений является использование причинно-следственного подхода для объединения разнородных компонентов в рамках одной системы. Это становится возможным благодаря общности подхода, который оперирует понятиями причины и следствия, являющихся универсальными для описания связей между разнородными процессами, протекающими в системе.

2.1. Исследование особенностей применения причинно-следственных комплексов при анализе сложных систем

Построение причинно-следственной модели предлагается выполнять, основываясь на подходе с применением ПСК, предложенного чл. корр. РАН, д. т. н., проф. Резчиковым А.Ф. и д.т.н., проф. Твердохлебовым В.А. Структура комплекса строится на основе декомпозиции исследуемой системы и представляет собой структуру связанных между собой ПСЗ (рис. 1), отражающих необходимые причинно-следственные зависимости.

Рис. 1. Структура причинно-следственного звена

Каждое звено представляется группой причины (причина и условие), группой следствия (следствие и изменившиеся условия) и ядром. Ядро описывает соответствующую причинно-следственную зависимость, формируя группу следствия по заданной группе причины. При этом задаваться ядро может произвольным способом: формулой, уравнением, алгоритмом, нейронной сетью и др.

Теория ПСК также дает отправную точку для основных принципов декомпозиции, выделяя в сложной системе шесть основных классов ее компонентов и процессов: командно-информационный (график, инструкция, правило, сигнал, стимул, желание, распоряжение и т.п.), человеческое звено (исполните-

ли, специалисты, водители, пассажиры, пешеходы и т.п.), оборудование (ТС, приборы, регулирующие механизмы и т.п.), энергообеспечение (топливо, электроэнергия, продукты питания и т.п.), материалы (сырье, комплектующие, грузы, ГСМ и т.п.), внешние условия (погода, климат, дорожные условия и т.п.). На основе этих шести базовых компонентов, путем их всевозможных сочетаний, могут получаться новые компоненты, обладающие новыми характеристиками и свойствами.

Данный подход к декомпозиции с выделением шести основных классов процессов несколько расширяет и обобщает известный в дорожном движении подход ВАДС, выделяя основные объекты, участвующие в движении, и факторы, влияющие на него (рис. 2).

Для дорожного движения можно конкретизировать шесть классов компонентов и процессов в следующем виде: командно-информационный (правила дорожного движения, сигналы управляющих движением объектов и др.), человеческое звено (водители, пешеходы, персонал дорожных служб и служб правопорядка), оборудование (ТС, оборудование по управлению дорожным дви-

жением, ремонтное и строительное дорожное оборудование, навигационное оборудование, связь и др.), энергообеспечение (снабжение топливом, электроэнергией и др.), материалы (расходные материалы для эксплуатации ТС и другого оборудования, сырье для ремонта и построения сетей дорог и др.), внешние условия (дорожные, погодные, правовые, климатические, геологические, культурологические и другие условия).

Подход с использованием ПСК позволяет решить ряд задач декомпозиции и построения моделей сложных систем. Однако он описывает лишь общую структуру системы и статические причинно-следственные зависимости в цепочке событий во времени, не предоставляя формального аппарата для построения полной модели и ее реализации с помощью вычислительной техники.

При реализации моделей ПСК на ЭВМ возникает ряд трудностей, не позволяющих использовать рассматриваемый подход с достаточной эффективностью. Заметим, что трудности возникают именно на этапе глубокой декомпозиции и редко появляются на этапе поверхностной. Отметим основные из указанных трудностей.

Первая трудность при построении ПСК сложных систем возникает, когда необходимо описать обратную связь между компонентами системы. Заметим, что обратная связь между компонентами систем присутствует практически повсеместно. Описание обратной связи требует циклических конструкций в ПСК, что недопустимо. Дело в том, что модель ПСК статична, при поступлении и наличии сигнала на входных терминалах комплекса сразу же изменяются сигналы на всех внутренних и выходных терминалах. Таким образом, обратная связь может образовать противоречие между сигналами прямой и обратной связей. Поэтому применение обратных связей требует каких-либо надстроек над классической теорией ПСК.

Одним из наиболее частых применений обратной связи является описание циклических операций. Это те операции, которые выполняются некоторое

количество раз до тех пор, пока это требуется. Такой процесс можно было бы описать последовательной цепочкой однотипных ПСЗ, где каждое из них описывает одну итерацию процесса, однако на практике это невозможно из-за того, что количество итераций цикла зависит от входных данных и на этапе проектирования ПСК неизвестно. Следовательно, неизвестно и то, какое количество последовательных ПСЗ необходимо использовать.

Примером необходимости циклической конструкции может быть описание действий оператора по управлению каким-либо устройством. Оператор наблюдает за состоянием устройства, на основе наблюдений оказывает какое-либо управляющее воздействие, далее снова наблюдает за изменившимся состоянием и снова оказывает новое воздействие и т.д. Данный процесс будет повторяться снова и снова, пока не будет достигнуто желаемое состояние устройства. Повторение действий наблюдения и последующего управления образует цикл, описывающий обратную связь в системе устройство-оператор. Число итераций такого цикла полностью зависит от личных качеств и навыков оператора, технических параметров устройства и целей процесса управления, потому не может быть предугадано заранее.

Другая трудность применения ПСК заключается в том, что даже сравнительно небольшие системы имеют огромное число параметров функционирования, что влечет за собой значительно число разнотипных элементов групп причины и следствия. На практике представление всего этого многообразия с помощью подмножества множества всех возможных состояний является очень громоздким решением. Необходимо составить множество всех возможных состояний всех элементов системы и всех их комбинаций. Для сложных систем эта задача практически не выполнима, а обработка информации ядрами в таком виде очень затруднительна.

2.2. Понятие причинно-следственной сети

Для решения ряда проблем, возникающих при построении и реализации моделей сложных систем с применением ПСК, предлагается аппарат причинно-следственных сетей (ПСС) [142-146].

Причинно-следственный подход с использованием ПСС сохраняет основные идею, элементы и понятия теории ПСК (ПСЗ, группы причин и следствий, связи, классы процессов), однако вносит ряд усовершенствований в принципы взаимодействия звеньев.

Причинно-следственная сеть определяется тройкой

N = (H,L,E),

где H = {hx,...,hn} - множество ПСЗ; L = {/,,...,/„,} - множество связей между звеньями; Е - {е,,...,ег} - множество классов элементарных событий.

Звенья ПСС H имеют такую же структуру, как и звенья ПСК - представляется двумя терминалами группы причины, двумя терминалами группы следствия и ядром, описывающим связь между ними.

Каждая связь из множества L задается тройкой

/, =(А\й",г),

где И&Н - начальное звено (из которого исходит связь); h"eH - конечное звено (к которому заходит связь); г е {ЕС,ЕС\,С2С,С2С\} - атрибут, определяющий участвующие в связи терминалы на звеньях И, h". ЕС - из терминала следствия в терминал причины; ЕС\ - из терминала следствия в терминал условия 1; С2С - из терминала условия 2 в терминал причины; С2С1 - из терминала условия 2 в терминал условия 1.

Каждый элемент множества классов элементарных событий Е задается рядом атрибутов, описывающих индивидуальные характеристики данного класса событий, а также областью их допустимых значений. Конкретные эле-

ментарные события (с заданными значениями атрибутов) являются основными единицами взаимодействия между звеньями ПСС.

ПСС может быть представлена в виде графа, отражающего структуру звеньев и связи между ними (рис. 3).

Рис. 3. Пример структуры причинно-следственной сети

Как упоминалось ранее, несмотря на идентичность структур ПСС и ПСК, существует ряд различий, которые в первую очередь связаны с принципом взаимодействия звеньев. При использовании ПСК набор данных в терминалах группы причины ПСЗ может быть трактован как сигнал, сформированный другими звеньями или переданный как входной с внешних терминалов ПСК. Сигнал во всех узлах ПСК не изменяется во времени до тех пор, пока не изменится его входной сигнал. После подачи событий на вход ПСС данные в терминалах всех ее звеньев неоднократно изменяются на протяжении всего времени работы сети. При этом события-причины воздействуют на звенья, в результате чего формируются события-следствия. Это позволяет снять ограничение на применение обратной связи в структуре сети.

Рассмотрим подробнее принцип организации взаимодействия между звеньями в ПСС. В сложных системах каждую секунду происходит огромное число разнообразных событий. Каждое из них формируется одним объектом системы и оказывает влияние ряд других объектов, изменяя их состояние и заставляя самим генерировать новые события. При построении модели реальной системы учесть все события невозможно, поэтому выделяется ряд наиболее важных и значимых из них с точки зрения задачи. Выделенные элементарные

события представляют собой основную рабочую единицу ПСС. Множество всевозможных элементарных событий удобно разбить на классы, группирующие их по схожести природы и структуры.

Звенья в ПСС отражают те или иные объекты описываемой системы, а связи между звеньями отражают характер взаимосвязи между этими объектами. Таким образом, ПСЗ описывают поведение соответствующих объектов, изменяя их состояние и формируя новые элементарные события в ответ на события, поступившие к ним от других звеньев.

Функционирование звена ПСС можно представить следующим образом:

1. Поступление элементарных событий в терминалы группы причины, которые при этом формируют очереди (е1 ,...,еи).

2. Анализ накопленных очередей. Если в группе причины находятся необходимые для формирования следствия события, то срабатывает заложенный в ядре функционал. На терминалах группы следствия формируется новые события, которые в соответствии со связями передаются другим звеньям

3. Переход к пункту 1 и дальнейшее накопление очередей.

Здесь ех,...,еу/ е Е, е1,...,еи - поступившие события (события-причины), еи+1,...,е№ - новые события (события-следствия).

На рис. 4 представлен пример участка ПСС, состоящий из трех звеньев: Ни Н2, Я3.

Рис. 4. Перемещение элементарных событий по связям причинно-следственной сети

Звено Н\ срабатывает, когда появляется причина, описываемая событием о\, звено Н3 срабатывает, когда появляются две причины е! и е2.

Допустим, на вход поступает событие еь по связям оно попадает как причина в звено Я] ив звено Нъ. Звено Н\, в ответ на причину формирует следствие &2 и выходное условие е3. е2 попадает в звено и добавляется в список причин звену //3. Заметим, что звено //3 вырабатывает следствие только тогда, когда в его списке причин появятся две причины е\ и е2.

2.3. Пространственно-территориальная декомпозиция

АТС является сложной человеко-машинной системой, что, прежде всего, выражается в ее сложной структуре и разнородном составе. Это не позволяет проводить анализ сразу всей системы целиком. Для упрощения и структуризации анализа необходимо выполнить декомпозицию - процесс разделения системы на ряд более простых взаимодействующих подсистем.

Существует огромное число работ, посвященных исследованию дорожного движения. В каждой из них рассмотрение проводится с разных сторон, с точки зрения разных задач, которые по разному определяют подходы к декомпозиции и выделению наиболее значимых элементов системы. Одни подходы предлагают оперировать единичными автомобилями, другие оперируют сразу группами или даже целыми транспортными потоками, при этом достаточно часто из виду теряются такие важные факторы, как погодные условия или пешеходы, несмотря на то, что они зачастую играют важную роль в развитии дорожной ситуации. Однако все принципы декомпозиции преследуют общую цель, согласно которой следует выбрать такие компоненты системы, между которыми происходит минимум взаимодействия или это взаимодействие достаточно простое и прозрачное. При этом выделенные компоненты образуют наиболее замкнутые и самостоятельные подсистемы.

В данной работе предлагается подход к базовой (общей для большого круга задач) декомпозиции глобальной АТС и построению ПСС на ее основе. При этом остается возможность выбора доминантных компонентов и связей в зависимости от решаемых задач. Помимо подхода к декомпозиции, также предлагается механизм синхронизации функционирования моделей выделенных компонентов системы по времени. Это позволяет разработчикам сфокусироваться непосредственно на проектировании отдельных элементов системы, а не на проблемах их связи друг с другом. Таким образом, формализовав основные типы взаимосвязей между компонентами, подход позволяет каждому разработчику осуществлять проектирование своего набора компонентов, не обладая какой-либо информацией о других составляющих системы.

В связи с широкой пространственной распределенностью ДТС, предлагается на первом шаге выполнить ее пространственно-территориальную декомпозицию. При этом исследуемая ДТС представляется в виде совокупности взаимосвязанных сетей меньшего размера. В качестве примера можно привести разделение городской сети на сети районов, микрорайонов и развязок. Несмотря на то, что компоненты декомпозиции представляют собой довольно схожие подсистемы, они все же имеют ряд существенных различий. Главным отличием является разница в структуре - практически невозможно найти два различных района с идентичной структурой ДТС, не говоря о городах и регионах. Кроме того, существуют значительные различия в правилах дорожного движения на разных территориях, свои погодные, геологические и культурные особенности. Водитель, при перемещении из одного региона в другой, соответственным образом меняет свое поведение, что должно быть учтено моделью.

Нижним уровнем пространственно-территориальной декомпозиции является совокупность базовых фрагментов ДТС. Таким образом, исследуемая ДТС может быть представлена в виде сложной древовидной структуры, листьями которой являются базовые ее фрагменты. Под базовыми понимаются обобще-

ния наиболее распространенных групп фрагментов, например, перекрестки, прямые участки дороги, повороты, различного рода переезды, переправы, мосты и тоннели и др.

В качестве примера можно выделить следующие уровни иерархии ДТС: области, города, районы, микрорайоны, базовые участки (рис. 5).

Области

Города

Районы

Микрорайоны

Базовые участки

Балаково Саратов Маркс Энгельс

\

Октябрьский р-н , Заводской р-н ,

«Комбайн» п. Комсомольский * «Радуга» »

Рис. 5. Элемент схемы пространственно-территориальной декомпозиции ДТС

На каком бы уровне декомпозиции ДТС ни рассматривалась, она представляет собой самостоятельную систему, взаимодействующую с другими системами своего уровня. Допустим, имеются ДТС города А и города В. Пока транспорт движется внутри городов, они представляют собой абсолютно самостоятельные системы, когда ТС совершает поездку из города А в город В, то происходит их взаимодействие - город А влияет на город В. Аналогичным образом взаимодействие осуществляется и на других уровнях - в момент перехода ТС из одного фрагмента дорожной сети в другой.

2.4. Объектная декомпозиция

Выделив на основе пространственно-территориальной декомпозиции ряд базовых фрагментов ДТС, необходимо производить их дальнейшую декомпозицию, поскольку даже отдельные фрагменты являются достаточно сложными элементами. Однако дальнейшая декомпозиция производится в другой плоскости - объектной.

Для осуществления объектной декомпозиции базовых фрагментов ДТС необходимо выделить основные объекты, участвующие в движении или существенным образом влияющие на него. Для различных базовых фрагментов набор таких объектов может различаться, например, на железнодорожном переезде присутствуют такие объекты, как поезда, железнодорожные пути, в то время как на простых прямых участках они отсутствуют. Существуют также ряд объектов, присутствующих на любом базовом фрагменте ДТС - как правило, это объекты, непосредственно формирующие движение, например, ТС. Фрагменты, на которых никогда не бывает ТС, изначально бессмысленно приписывать к ДТС.

Каждый из таких выделенных объектов выполняет определенные функции в системе: водитель управляет ТС, ТС осуществляет движение, светофор координирует движение, погодные условия влияют на условия движения (коэффициент сцепления колес с дорогой, видимость и др.). В ходе движения объекты оказывают влияние друг на друга, в результате чего меняется их поведение и изменение системы в целом.

В качестве примера рассмотрим типичный регулируемый светофором перекресток. Наиболее важными элементами, участвующими в дорожном движении являются ТС, водители и пешеходы. На процесс движения существенным образом влияют управляющие элементы (светофор, знаки, разметка, регулировщики), дорожная обстановка (препятствия, окружающая обстановка, погодные условия). Красный сигнал светофора оказывает влияние на водителя, води-

тель решает тормозить и оказывает влияние на свой автомобиль, автомобиль снижает скорость и оказывает влияние на дорожную обстановку, которая в свою очередь влияет на водителей, которые ее наблюдают.

2.5. Временная декомпозиция

Важную роль в многоуровневой декомпозиции дорожно-транспортных систем занимает декомпозиция по времени, которая заключается в разбиении процесса моделирования на ряд временных интервалов. Она реализуется совместно с другими видами декомпозиции и дополняет их, а специальный алгоритм дискретно-событийного анализа (алгоритм синхронизации) обеспечивает координацию процессов функционирования моделей взаимодействующих компонентов во времени [145-147].

Основной идеей предлагаемого алгоритма является предположение о том, что в какие-то небольшие промежутки времени каждый компонент системы функционирует автономно, или, по крайней мере, влияние других компонентов постоянно. Тогда время функционирования каждого из компонентов можно разбить на ряд временных интервалов между моментами его взаимодействия. Такие моменты называются особыми состояниями, а точки на оси времени особыми точками.

На рис. 6 представлен участок схемы функционирования трех компонентов с двумя точками взаимодействия. Как можно видеть, для каждого компонента декомпозиция по времени выполнена по-разному: различные количества и длины промежутков. В момент времени ^ третий компонент оказал влияние на второй, для них эта точка является особой и разбивает время автономного функционирования на два интервала. В тоже время для первого и четвертого компонентов точка особой не является, так как указанное взаимодействие никак на них не влияет. Аналогичным образом происходит и в момент времени /2,

только эта точка является особой для других двух компонентов - второго и четвертого, так как именно между ними происходит взаимодействие. На первом и третьем компонентах оно не отражается.

-•-•-►

t\ 12 Время

Декомпозиция до времени А д

Рис. 6. Участок схемы функционирования четырех компонентов

Если в качестве компонентов рассматривать АТС отдельных городов, то точками взаимодействия будут моменты времени, в которые автомобили перемещаются из одного города в другой.

Важной задачей является синхронизация процесса моделирования по времени, которое, прежде всего, заключается в правильном выборе особых точек для каждого из компонентов. Если для компонента, инициирующего взаимодействие, вычислить время до предстоящего взаимодействия не составляет трудности, то для принимающей стороны это весьма затруднительно. Основная трудность заключается в том, что в принимающем компоненте не содержится и не может содержаться сведений о том, в какой момент времени на нее окажет воздействие другой компонент. Поэтому информацию об особой точке необходимо получать заранее - перед тем, как осуществлять моделирование двух участвующих в связи компонентов.

Для решения задачи поиска особых точек предлагается использовать специальный алгоритм дискретно-событийного анализа, который координирует процесс моделирования каждого компонента дорожного движения с учетом корректности моделирования системы в целом. Для его реализации необходи-

мо, чтобы модели отдельны компонентов реализовывали две основные функции: производили расчет времени до своего ближайшего взаимодействия на любой другой компонент; моделировали функционирование компонентов на заданном координирующим механизмом промежутке времени. Общий вид алгоритма представлен блок-схемой (рис. 7).

Рис. 7. Общий вид алгоритма дискретно-событийного анализа

В результате структуру декомпозиции можно представить в виде древовидной структуры, каждый узел которой представляет собой единицу декомпозиции (рис. 8).

Пространственно-террпторпальная~ декомпозиция

Объектная декомпозиция

Структурная связь Причинно-следственная связь

^ - мировая АТС;

(1и с12, </3, </4, с15, ¿/<ь (1-1, ... - крупные пространственно-территориальные единицы (страны, города, районы и т.д.); п\, П2, ... - базовые фрагменты, из которых состоит ДТС (прямые участки, стоянки, перекрестки, мосты и т.д.); /и /2, /з, /4, ... - участвующие в движении объекты, а также факторы, существенно влияющие на него (водители, транспортные средства, светофоры, пешеходы, погодные явления, дорожные условия и т.д.)

Декомпозиция по времени

и

и

1+1

ш

Вре.мяу

Рис. 8. Общий вид дерева декомпозиции исследуемой дорожно-транспортной системы

Важно отметить, что эффективность такого подхода заключается в том, что узел декомпозиции, построенный на основе данного механизма, достаточно легко реализует две рассмотренные функции для использования их узлом верхнего уровня. Это позволяет осуществлять связь между механизмами синхронизации отдельных узлов на разных уровнях дерева декомпозиции, поскольку процедура взаимодействия подсистем автоматически обеспечивается механизмом синхронизации и не требует дополнительного описания в рамках конкретных моделей. Поэтому механизм синхронизации применяется одновременно на всех уровнях декомпозиции системы, связывая их между собой и формируя единую взаимосвязанную среду синхронизации и управления моделированием.

Таким образом, рассмотренная декомпозиция по времени и специальный алгоритм дискретно-событийного анализа позволяет решить задачу организации моделей отдельных компонентов системы во времени на всех уровнях ее декомпозиции, освобождая модели предметной области от необходимости решения задач организации взаимосвязей между собой.

2.6. Результаты по разделу

Рассмотрен подход к построению моделей сложных человеко-машинных систем на основе теории ПСК, который позволяет объединять в рамках единого целого модели разнородных компонентов, процессов и воздействующих на них факторов. Показаны основные недостатки этого подхода, которые проявляются на этапе глубокой декомпозиции системы и при реализации алгоритмов на вычислительных средствах. Предложен формальный аппарат ПСС, отличающийся от ПСК принципом организации связей между ПСЗ. Это позволяет создавать динамические модели сложных систем, описывающие обратные связи в них и формализующие взаимодействия между компонентами системы в виде классов элементарных событий.

На основе причинно-следственного подхода предложен вариант декомпозиции дорожно-транспортной системы, объединяющий в себе модели разнородных компонентов дорожного движения с учетом воздействия на него различных внешних факторов. При этом выделено три признака декомпозиции - пространственно-территориальный, объектный и временной.

Предложен алгоритм дискретно-событийного анализа, позволяющий выделять особые состояния функционирования моделей отдельных компонентов дорожного движения и обеспечивать их взаимодействие во времени.

3. РАЗРАБОТКА МОДЕЛИ ДОРОЖНОГО ДВИЖЕНИЯ НА ПЕРЕКРЕСТКАХ ДОРОЖНО-ТРАНСПОРТНЫХ СИСТЕМ В ФОРМЕ ПРИЧИННО-СЛЕДСТВЕННОЙ СЕТИ

Построение модели глобальной ДТС является очень сложной задачей, требующей проведения большого количества работ и постоянной поддержки. Однако, как упоминалось выше, вся система представляет собой сложную структуру связанных базовых фрагментов ДТС. Поэтому предлагается рассмотреть модель одного из таких фрагментов - типичного регулируемого перекрестка со светофором. Данный выбор обуславливается его относительной сложностью и распространенностью в городской ДТС. Модель перекрестка строится на основе предложенного подхода к декомпозиции в виде ПСС [148-152].

3.1. Разработка структуры и состава причинно-следственной сети

На первом этапе построения модели фрагмента перекрестка ДТС применяется объектная декомпозиция, которая позволяет выделить наиболее важные функциональные компоненты. В рамках разрабатываемой модели предлагается выделить четыре основных составляющих: водители, ТС (будут рассматриваться только автомобили), светофор, дорожные условия (форма и качество дорожного полотна, разметка, погодные условия и другие элементы окружения водителей, которые они могут наблюдать). Каждый из выделенных компонентов в ходе своего функционирования оказывает влияние на некоторые другие компоненты и наоборот.

Систему взаимовлияний можно представить в виде графа (рис. 9). Связь 1 описывает ситуацию, когда водитель наблюдает за дорожной обстановкой из окна автомобиля - т.е. наблюдаемые дорожные условия оказывают воздействия на водителя. Связь 2 описывает ситуацию, когда водитель управляет автомобилем: поворачивает руль, нажимает на педали и др. Связь 3 описывает воздействие ТС на дорожные условия, под которым пони-

мается, прежде всего, изменение положения автомобиля на дороге. Связь 4 описывает влияние светофора на дорожные условия, например при изменении сигнала светофора изменяются дорожные условия, позволяя одним водителям продолжить движения, а другим нет.

Таким образом, объект «Дорожные условия» является центральным элементом декомпозиции, замыкая на себе другие объекты и предоставляя участникам движения исчерпывающую информацию о дорожной обстановке. Дальнейшее дополнение модели предлагается осуществлять добавлением новых объектов и связыванием их с объектом дорожных условий.

Рис. 9. Схема взаимодействия функциональных компонентов дорожного движения на перекрестке ДТС

В результате получается ПСС с четверкой моделирующих звеньев и набором служебных звеньев, координирующих процесс моделирования (рис. 10).

Моделирующие звенья Служебные звенья Взаимодействие

моделирующих звеньев

Рис. 10. Структура причинно-следственной сети, моделирующей движение на перекрестке

Для построения ПСС, моделирующей перекресток, необходимо каждому из компонентов объектной декомпозиции системы поставить в соответствие ПСЗ, описывающее поведение соответствующего объекта. Если число компонентов объектной декомпозиции известно и неизменно, то число компонентов декомпозиции по времени на этапе построения модели неизвестно и не может быть найдено, так как оно коренным образом зависит от входных данных. Для решения данной проблемы предлагается использовать циклическую конструкцию, каждой итерацией которой будет моделирование функционирования системы на очередном промежутке времени.

Структура ПСС для моделирования дорожного движения на перекрестке состоит из двух типов звеньев: моделирующих и служебных. Моделирующие звенья описывают соответствующие компоненты объектной декомпозиции системы, а служебные звенья осуществляют декомпозицию по времени, синхронизируя тем самым процесс работы моделирующих звеньев.

Взаимодействие всех звеньев сети осуществляется по средствам элементарных событий. Поэтому перед тем как рассматривать отдельные находящиеся в ядрах ПСЗ модели, укажем все используемые сетью классы элементарных событий (табл. 1).

Каждый класс событий определяется совокупностью его свойств и множествами их возможных значений, при этом каждое свойство может иметь подчиненные свойства. Конкретное событие заданного класса задается конкретными значениями этих свойств. Для обозначения свойств в рамках событий, а также подчиненных свойств используется символ «.». Например для обозначения свойства «а» у события «е» используется запись «е.а».

Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Лапковский, Роман Юрьевич

ЗАКЛЮЧЕНИЕ

1. Рассмотрен подход к построению моделей сложных человеко-машинных систем на основе теории ПСК и показаны его основные недостатки. Предложен формальный аппарат ПСС, отличающийся от ПСК принципом организации связей между ПСЗ. Это позволяет создавать динамические модели сложных систем, описывающие обратные связи в них и формализующие взаимодействия между компонентами системы в виде классов элементарных событий.

На основе системного анализа предложен вариант декомпозиции дорожно-транспортной системы, объединяющий в себе модели разнородных компонентов дорожного движения с учетом воздействия на него различных внешних факторов. При этом выделено три признака декомпозиции - пространственно-территориальный, объектный и временной.

2. На основе декомпозиции дорожно-транспортной системы с использованием аппарата ПСС построена модель одного из наиболее сложных и распространенных базовых фрагментов городской ДТС - регулируемого перекрестка. Построены модели отдельных компонентов дорожного движения данного фрагмента: модель поведения водителя, учитывающая его личные качества и состояние; модель ТС, определяющая зависимости параметров движения от его характеристик; модели работы светофора и дорожных условий, интегрированные в динамическую ПСС, организующую их совместное функционирование.

Построена совокупность взаимосвязанных служебных звеньев, реализующая алгоритм дискретно-событийного анализа для синхронизации функционирования моделирующих звеньев во времени.

3. На основе использования модели дорожного движения предложена методика оценки возможных причин критических ситуаций для систем интеллектуальной поддержки принятия решений, которая позволяет автоматизировать процесс анализа информации и уменьшить влияние человеческого фактора на результаты поиска причин ДТП. Разработанная причинно-следственная модель дорожного движения позволяет выполнять анализ различных вариантов развития событий и исключать невозможные, а также ситуации, которые не согласуются с данными о происшествии.

Предложена методика выбора действий по повышению безопасности дорожного движения на фрагменте ДТС, основанная на разработанной причинно-следственной модели, позволяющая оценить показатель аварийности при применении тех или иных действий. Выбор действий с минимальной оценкой аварийности обеспечивает повышение безопасности дорожного движения.

Выполнен анализ результатов вычислительных экспериментов в виде графических зависимостей уровня аварийности от индивидуальных свойств водителей ТС при различных плотностях транспортного потока. Также изучены зависимости аварийности и средней длины очереди ТС на перекрестках в зависимости от режима работы светофора и покрытия дорожного полотна.

4. Предложена структура и состав программно-информационного комплекса по анализу движения на перекрестках дорожно-транспортных систем и оценке возможных причин критических ситуаций на них. Получены свидетельства ИНИПИ РАО ОФЭР о регистрации электронных ресурсов №18020 (по проектированию причинно-следственных комплексов) и №18084 (по моделированию дорожного движения на перекрестке).

5. Результаты диссертационной работы использованы в ГИБДД ГУ МВД РФ по Саратовской области, ООО «Объединение «Саратовские дороги», а также в учебном процессе и в отчетах о НИР Института проблем точной механики и управления РАН (№ гос. регистрации 0120 0 803005).

Список литературы диссертационного исследования кандидат технических наук Лапковский, Роман Юрьевич, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Новик И.Б. О философских вопросах кибернетического моделирования. М.: Знание, 1964. 293 с.

2. Советов Б.Я., Яковлев С.А. Моделирование систем: учеб. для вузов 3-е изд., перераб. и доп. М.: Высш. шк., 2001. 343 с.

3. Самарский A.A., Михайлов А.П. Математическое моделирование: Идеи. Методы. Примеры. 2-е изд., испр. М.: Физматлит, 2002. 320 с.

4. Мышкис А.Д. Элементы теории математических моделей. - 3-е изд., испр. М.: КомКнига, 2007. 192 с.

5. Севостьянов А.Г., Севостьянов П.А. Моделирование технологических процессов: учебник. М.: Легкая и пищевая промышленность, 1984. 344 с.

6. Математическое моделирование // Википедия: свободная энциклопедия. URL: http://ш.wikipedia.org/wiki/Maтeмaтичecкoe_мoдeлиpoвaниe (дата обращения: 01.09.2011).

7. Поспелов Д.А. Логико-лингвистические модели в системах управления. М.: Энергоиздат, 1981. 232 е., ил.

8. Теряев Е.Д., Филимонов Н.Б., Петрин К.В. Мехатроника как компьютерная парадигма развития технической кибернетики // Мехатроника, автоматизация, управление. М.: Новые технологии, 2009. № 6. С. 2-10.

9. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1968. 356 с.

10. Губарь Ю.В. Введение в математическое моделирование. Курс лекций. / Интернет университет. URL: http://www.intuit.ru/department/calculate/ intromathmodel/ (дата обращения: 02.09.2011).

11. Парийская Е.Ю. Сравнительный анализ математических моделей и подходов к моделированию и анализу непрерывно-дискретных систем // Электронный журнал: Дифференциальные уравнения и процессы управления. 1997. №1, с. 91-120. Систем, требования: Adobe Acrobat Reader. URL: http://www.neva.ru/journal (дата обращения: 07.12.2010).

12. Цвиркун А.Д. Основы синтеза структуры сложных систем. М.: Наука, 1982. 200 с.

13. Бусленко В.Н. Автоматизация имитационного программирования сложных систем: учебное пособие. М.: Наука, 1977. 240 с.

14. Питерсон Дж. Теория сетей Петри и моделирование систем. М.: Мир, 1984. 263 с.

15. Лескин A.A., Мальцев П.А., Спиридонов A.M. Сети Петри в моделировании и управлении. Л.: Наука, 1989. 133 с.

16. Борщев A.B. Практическое агентное моделирование и его место в арсенале аналитика // Exponenta PRO. №3-4 (7-8), 2004. Систем, требования: Adobe Acrobat Reader. URL: http://www.xjtek.ru/file/183 (дата обращения: 02.08.2012).

17. Карпов Ю.Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5. СПб.: БХВ-Петербург, 2005. 400 с.

18. Клейнрок Л. Теория массового обслуживания. М.: Машиностроение, 1979. 432 с.

19. Бочаров П.П., Печинкин A.B. Теория массового обслуживания. М.: РУДН, 1995. 529 с.

20. Точилин П.А. Задачи достижимости и синтеза управлений для гибридных систем: Диссертация на соискание ученой степени к.ф-м.н. М.: МГУ. 1999. 102 с. URL: http://www.referun.com/n/zadachi-dostizhimosti-i-sinteza-upravleniy-dlya-gibridnyh-sistem (дата обращения: 21.07.2012).

21. Программное обеспечение моделирования непрерывно-дискретных систем / Под ред. В.М. Глушкова. М.: Наука, 1975.

22. Maler О.: Hybrid Systems and Real-World Computations. France, June 1992. Систем, требования: Adobe Acrobat Reader. URL: http://www-verimag.imag.fr/~maler/Papers/realw.pdf (дата обращения: 06.05.2011).

23. Глушков В.М. Синтез цифровых аппаратов. М.: Физматгиз, 1962. 435 с.

24. Вагнер B.B. Теория отношений и алгебра частичных отображений. // Теория полугрупп и её приложения. Саратов: Изд-во Сарат. ун-та, 1965. С. 3-178.

25. Резчиков А.Ф., Твердохлебов В.А. Причинно-следственные модели производственных систем. Саратов: Изд-во «Научная книга», 2008. 137 с.

26. Эббинхауз Г.-Д., Якобе К., Ман Ф.-К., Хермес Г. Машины Тьюринга и рекурсивные функции. М.: Изд-во «Мир», 1972. 264 с.

27. Безопасность критических инфраструктур: математические и инженерные методы анализа и обеспечения / Под. ред. B.C. Харченко. Харьков: Изд-во Национальный аэрокосмический университет им. Н.Е.Жуковского, 2011. 641 с.

28. Резчиков А.Ф., Твердохлебов В.А. Причинно-следственные комплексы взаимодействий производственных процессов // Проблемы управления. 2010. №3. С. 51-59.

29. Резчиков А.Ф., Иванов A.C., Домнич B.C. Анализ аварий в человеко-машинных системах с использованием моделей причинно-следственных связей // Мехатроника, автоматизация, управление. 2009. № 7. С. 30-35.

30. Домнич B.C. Модели и алгоритмы поиска причин аварийных ситуаций при формовании листового стекла: Автореферат диссертации на соискание ученой степени к. т. н. Саратов, 2011. 16с.

31. Безродный A.A. Системный анализ, модели и методы управления процессами и объектами в сетях автозаправочных станций: Автореферат диссертации на соискание ученой степени д. т. н. Саратов, 2011. 16 с.

32. Архангельский А.Я. Delphi 2006. Справочное пособие. Язык Delphi, классы, функции Win32 и .NET. М.: Изд-во: Бином-Пресс, 2006. 1152 с.

33. Шпак Ю.А. Разработка приложений в Delphi 2005/2006. М.: Изд-во: МК-Пресс, 2006. 544 с.

34. Гради Буч. Объектно-ориентированный анализ и проектирование с примерами приложений на С++. М.: Изд-во: Бином-Пресс, 1998. 560 с.

35. Кнут Д. Искусство программирования, Т. 1. Основные алгоритмы. 3-е изд. М.: «Вильяме», 2006. 720 с.

36. Кнут Д. Искусство программирования, Т. 2. Получисленные алгоритмы. 3-е изд. М.: «Вильяме», 2007. 832 с.

37. Кнут Д. Искусство программирования, Т. 3. Сортировка и поиск. 2-е изд. М.: «Вильяме», 2007. 824 с.

38. Кнут Д. Искусство программирования, Т. 4, выпуск 4. Генерация всех деревьев. История комбинаторной генерации. М.: «Вильяме», 2007. 160 с.

39. Семенов В.В. Математическое моделирование автотранспортных потоков: обзорный реферат. М., 2003. 26 с. Систем, требования: Adobe Acrobat Reader. URL: http://www.trizland.ru/trizba/pdf-books/IPMreview.pdf (дата обращения: 07.12.2011).

40. Козлов В.В. Введение // Труды МФТИ, Т. 2. 2010. № 4. С. 3-5.

41. Lighthill M.J., WhithamG.B. On kinematic waves: A Theory of traffic flow on long crowded roads // Proc. Roy. Soc. A., T. 229, № 1178. 1955. C. 281-345.

42. Уизем Дж. Линейные и нелинейные волны. М.: Мир, 1977. 638 с.

43. Хейт. Ф. Математическая теория транспортных потоков. М.: Изд-во «Мир», 1966. 286 с.

44. Gazis, Denos С. Traffic theory. New York: Kluwer Academic Publishes,

2002.

45. Семенов В.В. Математическое моделирование автотранспортных потоков. 2004. 44 с. Систем, требования: Adobe Acrobat Reader. URL: http://www.twirpx.com/file/559981/ (дата обращения: 06.05.2011).

46. Nagel К., Wagner R., Woesler R. Still flowing: Approaches to traffic flow and traffic jam modeling. 2003. URL: http://or.journal.informs.org/content /51/5/68 l?cited-by=yes&legid=opres;51/5/681 (дата обращения: 06.05.2011).

47. Швецов В.И. Математическое моделирование транспортных потоков // Автоматика и телемеханика, № 11. 2003. С. 3-46.

48. Четверушкин Б.Н., Трапезникова М.А., Фурманов И.Р., Чурбанова Н.Г. Макро- и микроскопические модели для описания движения автотранспорта на многополосных магистралях // Труды МФТИ, Т. 2. 2010. № 4. С. 163-168.

49. Брегеда С.Ю. Управление безопасностью дорожного движения на основе моделей регулирования транспортными потоками: Диссертация на соискание ученой степени к. т. н. Воронеж, 2010. 139с.

50. Алиев A.C., Стрельников А.И., Швецов В.И., Шершевский Ю.З. Моделирование транспортных потоков в крупном городе с применением к московской агломерации // Автоматика и телемеханика. 2005. № 11. С. 113-125.

51. Смирнов H.H., Киселев А.Б., Никитин В.Ф., Кокорева A.B. Математическое моделирование движения автотранспортных потоков методами механики сплошной среды. Двухполосный транспортный поток: модель Т-образного перекрестка, исследование влияния перестроений транспортных средств на пропускную способность участка магистрали // Труды МФТИ, Т. 2. 2010. №4. С. 141-151.

52. Кокорева A.B. Гидродинамические модели автотранспортных потоков: Диссертация на соискание ученой степени к. ф.-м. н. М.: МГУ, 2007. 123 с.

53. Бережной A.B. Исследование влияния управляющих параметров моделей транспортных потоков на эффективность управления городским дорожным движением: Автореферат диссертации на соискание ученой степени д. инж. н. Рига, 2008. 43 с.

54. Семенов В.В. Смена парадигмы в теории транспортных потоков: препринт ИПМ им. М.В. Келдыша. М., 2006. 32 с. Систем, требования: Adobe Acrobat Reader. URL: http://www.twiфx.com/file/641930/ (дата обращения: 06.05.2011).

55. Холодов Я.А., Холодов A.C., Гасников A.B., Морозов И.И., Тарасов В.Н. Моделирование транспортных потоков - актуальные проблемы и перспективы их решения // Труды МФТИ, Т. 2. 2010. № 4. С. 152-162.

56. Морозов И.И. Численное исследование транспортных потоков на основе гидродинамических моделей: Автореферат диссертации на соискание ученой степени к. ф.-м. н. М., 2011. 22с.

57. Kurzhanskiy A., Varaiya P. Active Traffic Management on Road Networks: A Macroscopic Approach // Philosophical Transactions of Royal Society, Part A, 2010.

58. Kurzhanskiy A., Muralidharan A. Macroscopic Modeling of Multiple Vehicle Types and Freeway with HOV Lanes. Working paper, 2009.

59. Kurzhanskiy A., Kwon J. Varaiya P. Aurora Road Network Modeler // 12th IF AC Symposium on Control in Transportation Systems, 2009.

60. Куржанский А.Б., Куржанский A.A., Варайя П. Роль макромоделирования в активном управлении транспортной сетью // Труды МФТИ, Т. 2. 2010. №4. С. 100-118.

61. Иослович И., Гутман П., Махалель Д., Хаддад Ж. Синтез оптимального управления транспортными потоками на перекрестке при учете ограничений на длину очереди // Автоматика и телемеханика. 2011. № 9. С. 39-48.

62. Андронов Р.В. Моделирование очередей на регулируемых пересечениях улично-дорожной сети крупного города в условиях плотных транспортных потоков: Автореферат диссертации на соискание ученой степени к. т. н. Тюмень, 2007. 21 с.

63. Вытяжков Д.В. Целевой поиск управляющих параметров светофорной сигнализации в автоматизированной системе управления дорожным движением // Сборник научных трудов СевКавГТУ. Серия «Естественнонаучная». №1. Ставрополь, 2004. Систем, требования: Adobe Acrobat Reader. URL: http://science.ncstu.ru/articles/ns/07/14.pdf/file_download (дата обращения: 06.04.2011).

64. Голуб Д.И. Метод статической оптимизации циклов светофорного регулирования // Сборник научных трудов СевКавГТУ. Серия «Экономика». 2007. №5. Систем. требования: Adobe Acrobat Reader. URL: http://science.ncstu.rU/articles/econom/2007_05/lO.pdf/file_download (дата обращения: 06.04.2011).

65. Гасников A.B., Кленов С.Л., Нурминский Е.А., Холодов Я.А., Шам-рай Н.Б. Введение в математическое моделирование транспортных потоков: учеб. пособие / под ред. A.B. Гасникова. М.: МФТИ, 2010. 362 с.

66. Кленов C.J1. Теория Кернера трех фаз в транспортном потоке - новый теоретический базис для интеллектуальных транспортных технологий // Труды МФТИ, Т. 2. 2010. № 4. С. 75-89.

67. Kerner В.S. Introduction to Modern Traffic Flow Theory and Control. Berlin: Springer, 2009.

68. Лубашевский И.А., Гусейн-заде Н.Г., Гарнисов К.Г. Макроскопические фазовые состояния автотранспортного потока в туннелях // Труды института общей физики им. A.M. Прохорова. Т. 65. 2009. С. 50-68.

69. Долгушин Д.Ю. Многофакторное моделирование автотранспортных потоков на основе клеточных автоматов: Автореферат диссертации на соискание ученой степени, к. т. н. Омск, 2011. 20 с.

70. Nagel К., Schreckenberg М.А Cellular automation model for freeway traffic // J. Phys. I France. 1992. V. 2, N. 2221.

71. Бугаев A.C., Буслаев А.П., Таташев А.Г., Яшина M.B. Оптимизация частично-связных потоков в детерминированно-стохастической модели // Труды МФТИ, Т. 2. 2010. № 4. С. 35-44.

72. Сергеева К.Ф. Анализ и оптимизация транспортных потоков с помощью моделирования. Систем, требования: Adobe Acrobat Reader. URL: http://masters.donntu.edu.ua/2005/kita/shapovalova/library/sergeeva.pdf (дата обращения: 13.05.2011).

73. Воронин B.E., Куранцева B.C. Оптимизация управления транспортными системами с использованием имитационного моделирования. URL: http://www.gpss.ru/immod07/doklad/65.html (дата обращения: 06.05.2011).

74. Соловьев С.В., Гринкруг Л.С., Цой Р.И. Имитационное моделирование: Учеб. пособие. М.: Издательство «Академия естествознания», 2008.

75. Макарова И.В., Хабибуллин Р.Г., Шубенкова К.А. Совершенствование управления транспортными потоками города с использованием имитационного моделирования // 4-я Всероссийская научно-практическая конференция по имитационному моделированию ИММОД 2009. СПб, 2009. URL: http://www.xjtek.ru/anylogic/articles/83/ (дата обращения: 26.01.2011).

76. Шеннон Р. Имитационное моделирование - искусство и наука. М.: Мир, 1978.418 с.

77. Малыханов A.A., Кумунжиев К.В., Черненко В.Е. Среда имитационного моделирования транспортных систем // 4-я Всероссийская научно-практическая конференция по имитационному моделированию ИММОД 2009. СПб, 2009. URL: http://www.xjtek.ru/anylogic/articles/74/ (дата обращения: 26.01.2011).

78. Мазур В.А., Мазур Н.И. Система управления транспортными потоками на основе имитационной модели городской дорожной сети. Омск: Издательство СибАДИ, 2009.

79. Lämmer S., Helbing D. Self-control of traffic lights and vehicle flows in urban road networks // Journal of Statistical Mechanics: Theory and Experiment. 2008. №4.

80. Панасюк Я.С. Мультиагентное моделирование потоков транспортных средств с автоматизированными управляющими системами на борту // Труды 52-й научной конференции МФТИ. Ч. 5. Т. 2. 2009. С. 92-95.

81. Панасюк Я.С., Малых В.А., Мануйлов В.А., ДудиновИ.К., Черняк Г.М. Агентное моделирование автотранспортных потоков // Труды 53-й научной конференции МФТИ. Ч. 5. 2010. С. 130-131.

82. Мануйлов В.А., Малых В.А. Исследование кластерной системы в рамках симулятора потоков транспортных средств. // Труды 53-й научной конференции МФТИ. Ч. 5. 2010. С. 120-122.

83. Бланк М.J1. Синхронно обновляемые процессы с запретами в моделях транспортных потоков // Труды МФТИ, Т. 2. 2010. № 4. С. 22-30.

84. Ахмадинуров М.М. Моделирование движения автомобилей с помощью гибридных систем // Молодой ученый. 2011. № 5. Т. 1. С. 28-31.

85. Федоткин М.А., Кудрявцев Е.В.. Управляющие системы и механизм образования транспортных пачек на магистралях с интенсивным движением. // Проблемы теоретической кибернетики. Метариалы XVI Международной конференции (Нижний Новгород, 20-25 июня 2011г.) / Под ред. Ю.И. Журавлева. Нижний Новгород: Изд-во Нижегородского госуниверситета, 2011. С. 503-507.

86. Федоткин М.А., Рачинская М.А.. Исследование математической модели трафика автомобилей на основе подхода Ляпунова-Яблонского // Проблемы теоретической кибернетики. Метариалы XVI Международной конференции (Нижний Новгород, 20-25 июня 2011г.) / Под ред. Ю.И. Журавлева. Нижний Новгород: Изд-во Нижегородского госуниверситета, 2011. С. 508-512.

87. Колесов Г.В. Средства и технологии оценки загрязнения городской воздушной среды автотранспортными потоками: Автореферат диссертации на соискание ученой степени к. т. н. Тюмень, 2004.

88. Епифанцев Б.Н., Михайлов Е.М. Экология мегаполисов: математическая модель движения автотранспорта в городских условиях // Инженерная экология. 1998. №3. С. 37-42.

89. Епифанцев Б.Н., Михайлов Е.М. Прогнозирование загрязнения воздуха городским автотранспортом // Математические структуры и моделирование: Сб. науч. тр. Омск: ОмГУ, 1999. Вып.З. С. 90-95.

90. Луканин В.Н., Буслаев А.П., Трофименко Ю.В., Яшина М.В. Автотранспортные потоки и окружающая среда: Учеб. пособие для вузов / Под ред. В.Н. Луканина М.: ИНФРА-М, 1998. 408 с.

91. Михайлов Е.М. Разработка метода контроля загрязнения окружающей среды автотранспортом. Диссертация на соискание ученой степени к. т. н. Омск: ОмГТУ, 2000. 121 с.

92. Миляев В.Б., Шатилов P.A., Столярова С.А., СеляковаА.Н. Динамика выбросов загрязняющих веществ в атмосферный воздух Российской Федерации с 1990 по 2009г. и прогноз выбросов до 2030г. С. 4-16.

93. Бобрик П.П. Обоснование гравитационной модели транспортных корреспонденций при помощи закона убывающей предельной полезности // Труды МФТИ, Т. 2. 2010. № 4. С. 31-34.

94. Гасников A.B., Гасникова Е.В. О возможной динамике в модели расчета матрицы корреспонденций (А. Дж. Вильсона) // Труды МФТИ, Т. 2. 2010. № 4. С. 45-54.

95. Нурминский Е.А., Шамрай Н.Б. Прогнозное моделирование автомобильного трафика Владивостока // Т Труды МФТИ, Т. 2. 2010. № 4. С. 119-129.

96. Швецов В.И. Алгоритмы распределения транспортных потоков // Автоматика и телемеханика. 2009. № 10. С. 148-157.

97. Васильева Е.В., Игудин Р.В., Лившиц В.Н. Оптимизация планирования и управления транспортными системами. М.: Транспорт, 1987. 208 с.

98. Официальный сайт проекта «Tools for Operational Planning (TOPL)». URL: http://path.berkeley.edu/topl (дата обращения: 17.10.2011).

99. Официальная страница проекта Aurora Road Network Modeler (Aurora RNM). URL:http://code.google.com/p/aurorarnm (дата обращения: 17.10.2011).

100. Официальный сайт программного обеспечения для работы с транспортными данными и интеллектуального управления транспортными потоками в реальном времени PTV Vision. URL: http://www.ptv-vision.ru (дата обращения: 17.10.2011).

101. Официальный сайт систем моделирования от Transport simulation systems. URL: http://www.aimsun.com (дата обращения: 17.10.2011).

102. Официальный сайт программного обеспечения «Arena». URL: http://www.arenasimulation.com (дата обращения: 17.10.2011).

103. Мерлов Е.В., Осокин С.А. Применение компьютерных технологий в расследовании и экспертизе дорожно-транспортных происшествий // Вестник ВФ МАДИ (ГТУ), Вып. 2. Чебоксары, 2006.

104. Михеева Т.П. Структурно-параметрический синтез систем управления дорожно-транспортной инфраструктурой: Автореферат диссертации на соискание ученой степени д. т. н. Самара, 2007. 33 с.

105. Михеев C.B. Методы и средства проектирования систем управления дорожным движением: Автореферат диссертации на соискание ученой степени к. т. н. Самара, 2003.

106. Брауэр В. Психология водителя: человек водит машину так же, как он живет. URL: http://www.bbc.co.Uk/russian/international/2010/l 1/10110l traf fic_jams_psychologist.shtm (дата обращения: 02.11.2010).

107. Цыганков Э.С. Профессиональная подготовка водителей. М.: Изд-во «Эксмо», 2006. 336 с.

108. Ваганов В.И., Пинт A.A. Езжу без аварий. М.: Изд-во «Римис», 2009. 256 с.

109. Евдокимов Н.М. Поведение водителя в экстремальных ситуациях. СПб.: Изд-во «Сизова», 2005. 32 с.

110. Каминский А.Ю. 100 способов избежать аварии. Спецкурс для водителей категории В. М.: Изд-во «Эксмо», 2010. 288 с.

111. Sperling D., Gordon D., Schwarzenegger A. Two Billion Cars: Driving Toward Sustainability. USA: Oxford University Press, 2009. 320c.

112. SPERLING D. Surviving Two Billion Cars: Transforming Vehicles, Fuels, and Mobility. URL: http://www.almaden.ibm.com/institute/2009/resources /2009/presentations/DanielSperling-Almadenlnstitute2009 .pdf (дата обращения 04.07.2011).

113. Нерадько A.B. Проблемы автомобильного транспорта и пути их решения // Журнал-каталог «Транспортная безопасность и технологии». 2005. №4.

114. Ежегодник выбросов загрязняющих веществ в атмосферу городов и регионов российской федерации за 2009 год. / Под ред. к. ф.-м. н В.Б. Миляева. СПб, 2010. 559 с.

115. ГОСТ Р 52289-2004. Технические средства организации дорожного движения. Правила применения дорожных знаков, разметки, светофоров, дорожных ограждений и направляющих устройств .

116. ГОСТ Р 50597-93. Автомобильные дороги и улицы. Требования к эксплуатационному состоянию, допустимому по условиям обеспечения безопасности дорожного движения.

117. ГОСТ 23457-86. Технические средства организации дорожного движения. Правила применения.

118. Этлухов O.A. Аспекты управления автотранспортными системами в новых условиях хозяйствования // Управление экономическими системами: электронный научный журнал. 2011. №12. URL: http://uecs.ru/ predprinematelstvo/item/894-2011-12-22-11-15-38 (дата обращения 05.08.2011).

119. Глумов В.М., Земляков С.Д., Карибский A.B., КрутоваИ.Н., Рут-ковский В.Ю., Цвиркун А.Д. Построение генеральной схемы организационной системы управления // Автоматика и телемеханика. 1996. № 12. С. 124-144.

120. Официальный сайт Госавтоинспекции МВД России: Сведения о показателях состояния безопасности дорожного движения. - URL: http://www.gibdd.ru/stat/ (дата обращения: 03.02.2013).

121. Ганжа O.A., Косицына Э.С. Особенности формирования шумового режима городских транспортных пересечений // Интернет-вестник ВолгГА-СУ. Политематическая сер. 2007. Вып. 2. Систем, требования: Adobe Acrobat Reader. URL: http://vestnik.vgasu.ru/attachments/2-3-6_0507.pdf (дата обращения: 06.04.2011).

122. Федеральный закон «О безопасности дорожного движения» №196-ФЗ от 10.12.1995 (ред. от 01.12.2007).

123. Отраслевой дорожный методический документ: «Рекомендации по обеспечению безопасности движения на автомобильных дорогах». Утверждено распоряжением Минтранса России № OC-557-p от 24.06.2002.

124. ВСН 25-86 Указания по обеспечению безопасности движения на автомобильных дорогах, МИНАВТОДОР РСФСР, М.: «ТРАНСПОРТ», 1988.

125. Коллинз Д., Моррис Д. Анализ дорожно-транспортных происшествий. М.: Транспорт, 1971. 128 с.

126. Кушвид Р.П., Горобцов A.C., Карцов С.К. Развитие теории управляемости автомобиля на базе пространственных компьютерных моделей. М.: «Издательство Машиностроение-1», 2004. 136 с.

127. Кременец Ю.А., Печерский М.П., Афанасьев М.Б. Технические средства организации дорожного движения / М.: Изд-во ИКЦ «Академкнига», 2005. 279 с.

128. Хусаинов А.Ш. Селифонов В.В. Теория автомобиля. Конспект лекций. Ульяновск: УлГТУ, 2008. 121 с.

129. Тарасник В.П. Теория движения автомобиля: Учебник для вузов. СПб.: БХВ-Петербург, 2006. 478 с.

130. Швецов В.Л., Прохоров A.B., Ильин И.В. Транспортные модели в системе государственного управления // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. СПб.: СПбГПУ, 2009. №85. С. 20-27.

131. Акимов A.B., Тарабакин B.C., Шендеровский И.М. Принципы разработки микропроцессорной системы прогнозирования ДТП при минимизации рисков, вызванных неадекватными действиями водителя // Материалы международной научно-технической конференции ААИ «Автомобиле- и тракторостроение в России: приоритеты развития и подготовка кадров», посвященной 145-летию МГТУ «МАМИ», 2010.

132. Сегеда C.B., Девочкин O.B. Система для информационной поддержки водителя ТС // Материалы международной научно-технической конференции ААИ «Автомобиле- и тракторостроение в России: приоритеты развития и подготовка кадров», посвященной 145-летию МГТУ «МАМИ», 2010.

133. Сегеда C.B., Девочкин О.В. Компьютерная модель системы ВАДС // Материалы международной научно-технической конференции ААИ «Автомобиле- и тракторостроение в России: приоритеты развития и подготовка кадров», посвященной 145-летию МГТУ «МАМИ», 2010.

134. Клинковштейн Г.И., Афанасьев М.Б. Организация дорожного движения: Учеб. для вузов. 5-е изд., перераб. и доп. М: Транспорт, 2001. 247 с.

135. Сербиновский Б.Ю., Чефранова О.В. Концептуальные положения построения новой системной модели транспортно-дорожного комплекса // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. Краснодар: КубГАУ, 2010. №55(01). С. 1-14. URL: http://ej.kubagro.ru/2010/01/pdf/14.pdf (дата обращения: 04.02.2011).

136. Антонов А. ИлюхинА. Надежность водителя // Фактор риска. №1(9). 2006.URL: http://www.extrimdrive.ru/Nadezhnost-voditelya.html (дата обращения: 07.02.2011).

137. Богданов М.В. Развитие профессионально-важных качеств водителей автотранспорта средствами и методами подготовки спортсменов-автогонщиков: Автореферат диссертации на соискание ученой степени к. пед. н. СПб., 2010.

138. Новожилов Г.В., НеймаркМ.С., Цесарский Л.Г. Безопасность полета самолета: концепция и технология. М.: МАИ, 2007. 196 с.

139. Актуальные вопросы предупреждения чрезвычайных ситуаций. Под общей редакцией В.А. Акимова / МЧС России. М.: ФГУ ВНИИ ГОЧС (ФЦ), 2010. С. 47-73.

140. Бегун В.В., Горбунов О.В., Каденко И.Н., Письменный Е.Н., Зе-нюк А.Ю., Литвинский Л.Л. Вероятностный анализ безопасности атомных станций (ВАБ). Киев, 2000. 568 с.

141. Резчиков А.Ф., Твердохлебов В.А. Математические модели дискретных производственных процессов на основе причинно-следственных отношений // Информационные технологии в науке, производстве и социальной сфере: сб. науч. тр. / Под ред. Акад. Ю.В.Гуляева. Саратов: «Научная книга», 2005. С. 41-48.

142. Lapkovsky R. The modification of the model of a cause-effect complex // Представляем научные достижения миру. Естественные науки: материалы науч. конф. молодых ученых «Presenting Academic Achievements to the World». Саратов: Изд-во Сарат. ун-та, 2010. С. 72-76.

143. Иванов А.С., Лапковский Р.Ю., УковД.А. Причинно-следственный комплекс в моделировании человеко-машинных систем // Компьютерые науки и информационные технологии: материалы науч. конф. Саратов: Изд-во Сарат. ун-та, 2010. С. 57-63.

144. Иванов А.С., Лапковский Р.Ю., УковД.А. Причинно-следственный подход к моделированию происшествий в мехатронных человеко-машинных системах // Мехатроника, автоматизация, управление -МАУ-2010: тр. 7-й науч.-технич. конф. с междунар. участием. М.: Новые технологии, 2010. С. 192-194.

145. Иванов А.С., Лапковский Р.Ю., УковД.А. Филимонюк Л.Ю. Кибернетический подход к моделированию разнородных процессов в мехатронных системах // Мехатроника, автоматизация, управление. 2011. № 1. С. 16-20.

146. Lapkovsky R. The processes synchronization in the model of cause-effect complexes // Представляем научные достижения миру. Естественные науки: Материалы науч. конф. молодых ученых «Presenting Academic Achievements to the World». Саратов: Изд-во Сарат. ун-та, 2011. Вып. 2. С. 46-50.

147. Лапковский Р.Ю. Причинно-следственный подход для анализа безопасности сложных систем // Технические науки: теория и практика: материалы междунар. заоч. науч. конф. Чита: Изд-во Молодой ученый, 2012. С. 127-130.

148. Лапковский Р.Ю. Иванов A.C., ИващенкоВ.А. Причинно-следственный подход к моделированию движения на сложных участках дорожно-транспортной сети // Управление большими системами. Вып. 35. М.: ИПУ РАН. 2011. С. 283-303.

149. Лапковский Р.Ю. Построение системы моделирования дорожного движения в автотранспортной системе /Р.Ю. Лапковский // Математические методы в технике и технологиях - ММТТ-25: сб. тр. XXV Междунар. науч. конф.: в Ют. Т. 8. Секция 12 / под общ. ред. А.А.Большакова. Волгоград: Волгогр. гос. техн. ун-т, 2012. С. 104-106.

150. Иванов A.C., ИващенкоВ.А., Лапковский Р.Ю. Причинно-следственный подход к моделированию автотранспортной системы // Компьютерные науки и информационные технологии: материалы междунар. науч. кофн. Саратов: Издат. центр «Наука», 2012. С. 119-121.

151. Лапковский Р.Ю. Построение системы моделирования дорожного движения // Интеллект и наука: труды XII междунар. науч. конф. / под общ. ред. A.B. Хныкина. Красноярск: Центр информации, 2012. С. 138-139.

152. Лапковский Р.Ю. Моделирование дорожного движения для задач анализа его безопасности // Актуальные вопросы современной информатики: материалы междунар. заоч. науч.-практич. конф. Коломна: Московский государственный областной социально-гуманитарный институт, 2012. С. 167-171.

153. Мухин О.И. Курс лекций «Моделирование систем» // Подразделение Регионального центра информатизации и Пермского областного центра новых информационных технологий. URL: http://stratum.ac.ru/textbooks /modelir/contents.html (дата обращения: 04.06.2012).

154. Лукьянов B.C., СлесаревГ.В. Проектирование компьютерных сетей методами имитационного моделирования: Учеб. пособие / ВолгГТУ. Волгоград, 2001. 72с.

155. Бочаров П.П., Печинкин A.B. Теория массового обслуживания. М.: Изд-во РУДН, 1995. 529 с.

156. Иванов A.C., Лапковский Р.Ю., Уков Д.А. Филимонюк Л.Ю. Причинно-следственный подход к расследованию аварийных ситуаций в человеко-машинных системах // Мехатроника, автоматизация, управление. 2012. № 2. С. 38-43.

157. Лапковский Р.Ю. Причинно-следственный подход к поиску причин дорожно-транспортных происшествий // Перспективы развития информационных технологий: сб. материалов VII междунар. науч.-практич. конф. / под общ. ред. С.С. Чернова. Новосибирск: Изд-во НГТУ, 2012. С. 72-76.

158. Лапковский Р.Ю. Причинно-следственный подход к выбору мероприятий по повышению безопасности дорожного движения // Сборник докладов студентов, аспирантов и профессорско-преподавательского состава университета. По результатам IV Всероссийской, 57 научно-практической конференции молодых ученых «РОССИЯ МОЛОДАЯ» / отв. ред. В.Ю. Блю-менштейн, КузГТУ. Кемерово, 2012. С. 314-316.

159. Лапковский Р.Ю. Программа для моделирования дорожного движения на регулируемом перекрестке с помощью причинно-следственной сети. CarMovingPSK v.3.0 // Хроники объединенного фонда электронных ресурсов «Наука и образование». №3 (34), март 2012. С. 37-38.

160. Лапковский Р.Ю. Программа для проектирования структуры причинно-следственных комплексов. CCLM v. 1.2 // Хроники объединенного фонда электронных ресурсов «Наука и образование». №3 (34), март 2012. С. 15.

161. Свидетельство о регистрации электронного ресурса № 18020 ИНИПИ РАО ОФЭРНиО. Объединённый фонд электронных ресурсов «Наука и образование»: Программа для проектирования структуры причинно-следственных комплексов. ССЬМ у.1.2 / Р.Ю. Лапковский, дата регистрации 15.03.2012.

162. Свидетельство о регистрации электронного ресурса № 18084 ИНИПИ РАО ОФЭРНиО. Объединённый фонд электронных ресурсов «Наука и образование»: Программа для моделирования дорожного движения на регулируемом перекрестке с помощью причинно-следственной сети. СагМоун^РЭК у.3.0 / Р.Ю. Лапковский, дата регистрации 29.03.2012.

163. Петров В.В. Автоматизированные системы управления дорожным движением в городах: Учебное пособие. Омск: Изд-во СибАДИ, 2007. 104 с.

164. Столяров В.В. Теория риска в судебно-технической экспертизе дорожно-транспортных происшествий с участием пешеходов (+АВ8): монография. Саратов: Сарат. гос. техн. ун-т, 2010. 344 с.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.