Параллельный алгоритм для оценки живучести транспортных систем тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Со Мое Аунг

• Со Мое Аунг
• кандидат наук
• 2019

Оглавление диссертации кандидат наук Со Мое Аунг

Обозначения и сокращения

Введение

ГЛАВА 1. ТРАНСПОРТНЫЕ СИСТЕМЫ

1.1 Интеллектуальные транспортные системы

1.1.1 Назначение ИТС

1.1.2 Показатели эффективности транспортной системы

1.1.3 Примеры реализации ИТС

1.2 Транспортная инфраструктура Мьянмы

1.2.1 Секторы транспортной инфраструктуры Мьянмы

1.2.2 Магистральная дорожная сеть Мьянмы

1.2.3 Инфраструктура автомобильных дорог Мьянмы

1.2.4 Парк транспортных средств в Мьянме

1.2.5 Безопасность дорожного движения в Мьянме

1.2.6 Оценка возможности развития транспортной отрасли

1.2.7 Инфраструктура крупных городов Мьянмы

Выводы по главе

ГЛАВА 2. МЕТОДЫ АНАЛИЗА ТРАНСПОРТНЫХ СЕТЕЙ

2.1 Характеристические параметры сложных систем

2.2 Многоцелевая оптимизация общественной транспортной сети

2.2.1 Нелинейная модель оптимизации транспортной сети

2.3 Локальные цели оптимизации работы транспортных систем

2.3.1 Аналитические модели общественного транспорта

2.3.2 Проблемы оптимизации транспортной сети

2.3.3 Связь между спросом и предложением на услуги общественного транспорта

2.4 Использование GPS и GIS в управлении транспортными системами

2.4.1 Возможности глобальной системы позиционирования

2.4.2. Географическая информационная система

2.5 Алгоритм анализа устойчивости транспортных систем

2.5.1 Матричная модель транспортной сети

2.5.2 Алгоритм оценки достижимости узлов транспортной сети

Выводы по главе

ГЛАВА 3. ПРИЛОЖЕНИЕ ДЛЯ АНАЛИЗА ЖИВУЧЕСТИ ТРАНСПОРТНОЙ СЕТИ

3.1 Схема алгоритма оценки живучести сети

3.2 Последовательная реализация алгоритма

3.2.1 Основные процедуры

3.3 Тестовый фрагмент транспортной сети

3.5 Моделирование транспортной сети в AnyLogic

3.5.1 Модель сети для тестового примера

3.5.2 Результаты моделирования

3.6 Параллельная реализация алгоритма

Выводы по главе

ГЛАВА 4. АНАЛИЗ ТРАНСПОРТНОЙ СЕТИ МЬЯНМЫ

4.1 Модель транспортной сети Мьянмы

4.2 Результаты анализа живучести сети

4.3 Исследование эффективности параллельной реализации алгоритма .... 102 Выводы по главе

Заключение

Приложение. Акт о внедрении результатов работы

Список литературы

Обозначения и сокращения

АБР Азиатский банк развития

АСЕАН Ассоциация государств Юго-Восточной Азии

ВВП Валовый внутренний продукт

ВОЗ Всемирная организация здравоохранения

ВОП Время ожидания пассажиров

ДАД Департамент автомобильных дорог

ЖТС Живучесть транспортной системы

ИТС Интеллектуальные транспортные системы

МСМ Министерство строительства Мьянмы

МФК Международная финансовая корпорация

РБМ Регион большого Меконга

СУТС Системы управления транспортным средством

ТС Транспортная система

Введение диссертации (часть автореферата) на тему «Параллельный алгоритм для оценки живучести транспортных систем»

Введение

Актуальность проблемы. Транспортные системы не случайно называют кровеносной системой государства. От их устойчивого функционирования зависят все отрасли экономики, жизнь людей. Несмотря на значительные успехи в развитии авиации и скоростного железнодорожного транспорта, автомобильный транспорт продолжает играть ведущую роль в обеспечении мобильности населения и логистических потребностей промышленности. Разрабатываются новые системы управления транспортными сетями, позволяющие минимизировать влияние дорожных происшествий на пропускную способность сети. Проблема становится актуальной и для развивающихся стран, где урбанизация и использование автотранспорта быстро увеличиваются. Существующие системы управления не могут обеспечить взаимодействие всех сторон процесса транспортировки, поскольку создавались как автономные подсистемы. Альтернативным решением является создание интеллектуальных транспортных систем (ИТС), обеспечивающих возможность не только сбора информации о состоянии сети, но и ее анализа и распространения между всеми компонентами транспортной системы. Важнейшей особенностью ИТС является то, что циркулирующая в ней информация позволяет оптимизировать работу не отдельных элементов, а всей системы в целом [15].

Концепция ИТС нацелена на решение проблемы предоставления эффективных, дешевых, энергосберегающих транспортных услуг в сетях следующего поколения. Используя передовые транспортные технологии, ИТС изменяют отношения между транспортными средствами, дорожными сетями и людьми, делая систему организации дорожного движения более эффективной, удобной, и безопасной. Однако для эффективного решения новых задач необходим и новый алгоритмический подход. Он может основываться на широком использовании параллельных вычислительных систем, которые обеспечивают не только оперативность управления, но и повышают обоснованность принимаемых решений.

В качестве такого подхода в работе предложено использовать анализ живучести транспортной сети, который позволит выделить те ее фрагменты, которые оказывают наибольшее влияние на доступность всех узлов сети. Если представить модель транспортной сети в виде ориентированного графа, ребра которого характеризуют временные параметры, а не расстояния между узлами, как в классической модели, то это упростит процедуру поиска критических путей и анализ живучести сети.

Комплексность и значимость задач, решаемых системами управления транспортом, определяют актуальность исследований в области их совершенствования. В работе проанализирована возможность использования параллельных вычислений в интеллектуальных системах управления транспортом. Доказано, что параллельный алгоритм анализа живучести транспортных сетей может быть использован для получения прогнозных оценок доступности ее узлов.

Цель работы состоит в разработке новых методов анализа транспортных сетей для повышения эффективности работы интеллектуальных транспортных систем.

Для достижения поставленной цели в работе решены следующие основные задачи:

1. Проведен анализ основных направлений развития систем управления транспортной инфраструктурой.

2. Выделены основные критерии, являющиеся целевыми функциями систем управления транспортной инфраструктурой.

3. Обоснована необходимость разработки новых подходов, ориентированных на использование в интеллектуальных транспортных системах.

4. Разработан новый подход к анализу транспортных сетей, базирующийся на оценке их живучести.

5. Разработан алгоритм и параллельное приложение для анализа живучести транспортных сетей.

6. Проведена верификация программы путем сравнения полученных результатов с результатами моделирования в среде ЛпуЬо§ю.

7. На примере анализа федеральной транспортной сети Мьянмы доказана практическая эффективность предлагаемого подхода.

Объект и предмет исследования. Объектом исследования в настоящей диссертации являются системы управления транспортной инфраструктурой.

Предмет исследования составляют алгоритмы оценки параметров транспортных сетей.

Методы исследования. При решении поставленных в диссертации задач были использованы положения теории вероятностей, теории графов, имитационное моделирование и параллельное программирование.

Научная новизна диссертационного исследования заключается в научном обосновании нового подхода к повышению эффективности управления транспортными системами, и состоит в следующем:

1. Предложен новый подход к анализу транспортных сетей, основанный на оценке их живучести, и позволяющий определять критические сегменты сети, изменение характеристик которых, в наибольшей степени влияет на её пропускную способность.

2. Показано, что использование параметра живучести сети в качестве одного из критериев эффективности транспортной сети, позволяет расширить функциональность интеллектуальных транспортных систем.

3. Разработан алгоритм оценки живучести транспортной сети.

4. Разработана параллельная реализация алгоритма и проведены исследования ее эффективности для глубины анализа от 1 до 3. Экспериментально доказано, что приложение может использоваться в интеллектуальных транспортных системах, как для оперативного управления, так и для выбора оптимальных вариантов совершенствования транспортной инфраструктуры.

Практическая значимость. Предложенный в работе алгоритм оценки живучести транспортных сетей является одним из подходов к решению актуальной задачи повышения эффективности использования ресурсов сети, а также многокритериального выбора вариантов совершенствования транспортной инфраструктуры. Проведенные исследования параллельного приложения подтвердили возможность его практического использования в интеллектуальных транспортных системах.

Достоверность полученных результатов и выводов базируется на корректном использовании общепринятых математических методов, современных технологий моделирования и программирования, подтверждается проведенными вычислительными экспериментами.

Внедрение результатов. Предложенный в диссертационной работе подход к решению оптимизационной задачи используется при изучении курса «Параллельное и распределенное программирование» в Институте МПСУ МИЭТ.

Результаты, выносимые на защиту.

1. Результаты анализа методов управления транспортными системами, показавшие, что основными критериями при поиске оптимальных режимов являются временные параметры, зависящие от характеристик сегментов сети.

2. Метод анализа транспортных сетей, основанный на оценке их живучести и позволяющий выделить критические сегменты сети, изменение характеристик которых, ограничивает её пропускную способность.

3. Алгоритм оценки живучести транспортной сети и его параллельная реализация в виде многопоточного приложения.

4. Результаты экспериментальных исследований, подтвердившие возможность практического использования предложенного подхода.

Апробация работы. Основные положения диссертации были представлены и обсуждались на международных, всероссийских и межвузовских научных конференциях:

1. Международная научно-практическая конференция «Актуальные проблемы науки». Тамбов, 2011.

2. Актуальные проблемы информатизации в науке, образовании и экономике. 4-я Всероссийская межвузовская научно-практическая конференция. МИЭТ, 2011.

3. XV Международная телекоммуникационная конференция молодых ученых и студентов «МОЛОДЕЖЬ И НАУКА». НИЯУ МИФИ, 2012.

4. Международная научно-практическая конференция «Актуальные научные вопросы: реальность и перспективы». Тамбов, 2012.

5. Международная научно-практическая конференция «Теоретические и прикладные проблемы науки и образования в 21 веке». Тамбов, 2012.

6. Международная научно-практическая конференция «Современные вопросы науки и образования -XXI век». Тамбов, 2012.

7. Микроэлектроника и информатика - 2012. 19-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов. МИЭТ, 2012.

8. Микроэлектроника и информатика - 2013. 20-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов. МИЭТ, 2013.

9. Международная научно-практическая конференция «Теоретические и прикладные вопросы науки и образования». Тамбов, 2013.

10. Актуальные проблемы информатизации в науке, образовании и экономике. 6-я Всероссийская межвузовская научно-практическая конференция. МИЭТ, 2013.

11. Международная заочная научно-практическая конференция «Актуальные вопросы образования и науки». Тамбов, 2013.

12. Микроэлектроника и информатика - 2014. 21-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов. МИЭТ, 2014.

13. Международная заочная научно-практическая конференция «Образование и наука: Современное состояние и перспективы развития ». Тамбов, 2014.

14. Международная заочная научно - практической конференции «Актуальные вопросы образования и науки». Тамбов, 2014.

15. Материалы Всероссийской научно-практической конференции «Информационно-телекоммуникационные системы и технологии». Кемерово, 2014.

16. Международная заочная научно-практическая конференция «Современные тенденции в образовании и науке». Тамбов, 2014.

17. Актуальные проблемы информатизации в науке, образовании и экономике. 7-я Всероссийская межвузовская научно-практическая конференция. МИЭТ, 2014.

18. Международная конференция «Инновационные подходы к решению технико-экономических проблем». МИЭТ, 2014.

19. IEEE NW Russia Young Researches in Electrical and Electronic Engineering Conference (EIConRusNW). St. Petersburg, Russia, 2015.

20. Fifth International Conference on Internet Technologies and Applications (ITA 15), Glyndwr University, Wrexham, North Wales, UK, 2015.

21. Микроэлектроника и информатика - 2015. 22-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов. МИЭТ, 2015.

22. Международная конференция « Инновационные подходы к решению технико-экономических проблем». МИЭТ, 2015.

23. Микроэлектроника и информатика -2016. 23-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов. МИЭТ, 2016.

24. VII Всероссийская научно-техническая конференция (МЭС-2016), «Проблемы разработки перспективных микро- и нано электронных систем».2016.

25. Актуальные проблемы информатизации в науке и образовании - 2018. 11-ая Всероссийская научно-практическая конференция МИЭТ, 2018. Публикации. По материалам диссертации опубликовано 15 тезисов докладов и 14 статей, в том числе 3 в журналах, входящих в перечень ВАК, 2 работы проиндексированы в Scopus и WoS.

Структура и объём диссертационной работы. Рукопись диссертационной работы, общим объемом 114 страниц, состоит из введения, четырех глав, заключения, списка литературы из 55 источников и приложения.

ГЛАВА 1. ТРАНСПОРТНЫЕ СИСТЕМЫ

Транспортные системы не случайно называют кровеносной системой экономики. Все экономически развитые страны имеют и развитую транспортную многопрофильную систему. Без транспортной инфраструктуры развитие регионов идёт крайне медленно, а зачастую и просто невозможно. Анализ эффективности работы транспорта является комплексной проблемой, поэтому их исследованием занимаются различные научные дисциплины. Традиционно транспортные сети изучаются с точки зрения теории графов, которая является разделом математики. Такая концепция предполагает представление топологии сети, как множества узлов и соединяющих их рёбер. Базовые алгоритмы теории графов позволяют анализировать весьма крупные транспортные сети даже с использованием ограниченных вычислительных мощностей. Как правило, при этом рассматриваются плоские графы, соответствующие реальной топологии элементов транспортной инфраструктуры. Следует отметить, что сложный топологический анализ при таком подходе не используется [1].

Еще одной исторической традицией является тот факт, что транспортные сети, в основном, изучаются статично. Для этой области в литературе представлены многочисленные исследования, направленные на анализ общих характеристик сетей на основе их топологии, геометрии, морфологии и транспортных потоков. При этом на разных уровнях представления сетей используются и разные алгоритмы. На глобальном уровне используется менее детальное описание сети и определяются только самые общие ее параметры, а для отдельных фрагментов может быть проведен уже гораздо более детальный анализ. Такой подход связан с особенностями регионального управления транспортными сетями и используется во многих странах.

Сегодня результаты статического анализа уже не могут удовлетворить потребности транспортной отрасли при большом трафике, зачастую превышающем

пропускные способности сегментов сети. Для эффективного управления транспортом необходим анализ сложных и динамических процессов, которые производят временные изменения в транспортной системе. Важнейшие вопросы, на которые должен ответить динамический анализ, это, во-первых, определить направление развития пространственной структуры транспортных сетей, а, во-вторых, оценить влияние нагрузки на параметры существующей инфраструктуры. Во многих случаях для подобных исследований используют методы моделирования.

Еще одной тенденцией в исследовании транспортных сетей является междисциплинарный подход к их изучению, сочетающий естественнонаучные и социально-экономические методы [1].

Анализ транспортных сетей исторически является важной частью географических исследований. Транспортные сети представляют собой весьма сложные пространственные системы. Региональная транспортная система представляет собой совокупность фрагментов, обеспечивающих перемещение между отдельными населенными пунктами или точками на карте. Движение "точка-точка" в таком представлении является основой всех видов анализируемых потоков пассажиров и грузов. В этой модели точки и связывающие их дуги, в одно, двух- или трехмерном пространстве, образуют сеть, которая и является моделью региональных транспортных систем [2].

Анализ транспортных сетей используется для определения максимальных потоков, пропускной способности и связности с помощью математического аппарата теории графов.

Единая транспортная система страны представляет собой большой и сложный комплекс, состоящий из путей сообщения для различных видов транспорта, который подразделяется на магистральный транспорт общего пользования, промышленный и городской (рис. 1).

Промышленный транспорт

Транспортная система

Магистральный транспорт

I

Городской транспорт

л Г Г 1 Г 1 Г \ г 1 г

Железнодорожный транспорт Автомобильный транспорт Воздушный транспорт Морской транспорт Речной транспорт Трубопроводный транспорт

Рис. 1 Структура единой транспортной системы Существует и разделение транспорта по видам, необходимое для эффективного управления ими (Рис. 2). В настоящей работе большее внимание будет уделено автомобильному транспорту, как наиболее распространенному виду.

Железнодорожный

Морской

Внутренний водный

Автомобильный

Воздушный

Трубопроводный

Транспорт

Транспорт общего Транспорт необщего

пользования пользования

Транспорт отраслей материального производств (промышленности,

Транспорт организаций сферы обслуживания и управления

Транспорт населенных пунктов (общественный и индивидуальный)

Рис. 2 Виды транспорта

Качество прогнозирования и планирования развития транспортной сети и инфраструктуры определяется точностью предшествующего анализа ее состояния. Материально-техническую базу транспортной системы образуют пути сообщения, транспортные узлы, подвижные технические и погрузочно-разгрузочные средства.

Важнейшим элементом транспортной системы является транспортная сеть, которая представляет собой совокупность всех путей сообщения, связывающих населенные пункты региона. Ее текущее состояние можно охарактеризовать, используя следующие показатели [3]:

1. Плотность сети:

П = 1/5 (1)

отражает транспортную обеспеченность территории, где:

5 - площадь территории, км2;

Ь - протяженность дорог, км;

П - плотность сети, 1/км.

2. Обеспеченность региона транспортной сетью или коэффициент Энгеля (КЭ), который определяется следующим образом:

КЭ = (2)

где:

Ь - протяженность транспортной сети в регионе, км;

5 - площадь территории региона, км2;

Н - численность населения региона, чел.

1.1 Интеллектуальные транспортные системы

Транспортная система, использующая инновационные разработки в моделировании и регулировании транспортных потоков, предоставляющая конечным потребителям большую информативность и безопасность, а также

качественно повышающая уровень взаимодействия участников движения, сегодня классифицируется как интеллектуальная транспортная система (ИТС) [4].

ИТС интегрирует передовую электронику, информационные технологии и последние достижения в области датчиков для управления в реальном времени дорожной инфраструктурой, пешеходными переходами, трафиком.

ИТС повышает безопасность, удобство и эффективность использования транспорта, уменьшает выбросы СО и вредное воздействие на окружающую среду, способствует экономическому развитию.

ИТС включает несколько подсистем, обеспечивающих [5]:

— мониторинг транспортного потока на автостраде;

— активное управление режимами дорожного движения;

— мониторинг безопасности туннелей, путепроводов и мостов;

— автоматический сбор и учет оплаты пользования магистралями.

1.1.1 Назначение ИТС Интеллектуальные транспортные системы могут быть определены как совокупность цифровых, телекоммуникационных и информационных технологий, интегрированных с целью повышения эффективности и безопасности транспортировки [6].

Технологии ИТС базируются на трех основных принципах: коммуникация, информация, интеграция. Сбор информации, ее интеграция, обработка и сортировка являются основными направлениями деятельности интеллектуальных транспортных систем.

Различные варианты ИТС создаются для разных категорий:

— индивидуальных автомобилистов;

— пассажирского транспорта;

— грузовых перевозок;

— органов обеспечения безопасности дорожного движения;

— органов власти.

Интеллектуальные транспортные системы оказывают влияние на все отрасли экономики, которые используют перемещение людей и товаров, делая их более эффективными и экономичными. ИТС включают в себя широкий диапазон новых инструментов, предназначенных для управления транспортными сетями и службами. Важнейшим отличием ИТС от своих предшественников является то, что информация собирается и обрабатывается в интересах транспортных субъектов, обеспечивая им в режиме реального времени достоверные сведения о текущих условиях движения, которые можно использовать для эффективного планирования. Инструменты, включенные в ИТС, дают возможность органам управления движением и транспортным операторам координировать любые принимаемые ими решения.

ИТС призван реализовать новый подход к решению транспортных проблем, построению национальных транспортных систем, эффективных как с экономической, так и с экологической точек зрения.

Основные преимущества интеллектуальных транспортных систем, определяются их воздействием на все параметры отрасли: снижение тарифов, рассредоточение трафика и повышение пропускной способности сети, оперативности управления, комфорта и безопасности [7].

ИТС позволяет значительно сократить число несчастных случаев, снизить время аварийного реагирования на чрезвычайные и аварийные ситуации.

В последние десятилетия во многих крупных городах исчерпаны или близки к исчерпанию возможности экстенсивного развития транспортных сетей. Поэтому особую важность приобретает оптимальное планирование сетей, улучшение организации движения, оптимизация системы маршрутов общественного транспорта. Решение таких задач невозможно без математического моделирования транспортных сетей. Основные задачи такого моделирования в ИТС - определение

всех параметров функционирования транспортной сети, таких как интенсивность движения, на всех фрагментах сети, объемы перевозок в сети общественного транспорта, средние скорости движения, задержки.

Общая схема моделирования работы транспортной системы включает в себя следующие взаимосвязанные задачи [8]:

- оценка общих объемов передвижений между всеми районами города или региона (расчет транспортных потоков в регионе);

- распределение транспортных потоков по конкретным путям в транспортной сети;

- расчет загрузки всех элементов сети транспортными потоками.

1.1.2 Показатели эффективности транспортной системы При оценке эффективности, как транспортного комплекса, так и его управления используют различные показатели. Поскольку ИТС является интегрированной системой, в ее отдельных подсистемах критерии эффективности могут отличаться, что переводит задачу управления в разряд многокритериальных.

На рис. 3 представлены 4 группы показателей, характеризующие различные аспекты работы транспортного комплекса [9].

Комплексная системная оптимизация показателей эффективности транспорта важна и для оценки эффективности функционирования действующих комплексов, и для обоснования проектов новых транспортных комплексов и их отдельных подсистем.

Оценка эффективности транспорта включает два аспекта:

- макроэкономическая оценка поставщиков услуг с точки зрения удовлетворения потребностей общества;

- оценка экономических интересов отдельных поставщиков транспортных услуг или обеспечивающих подразделений.

Параметры эффективности транспорта в первом и втором случаях значительно отличаются. Инструменты для расчета показателей второй группы представлены значительно шире, поскольку они являются количественными и ориентированы в основном на общепринятые экономические методики. Показатели первой группы менее унифицированы, учитывают национальные и региональные особенности, что приводит к наличию разнообразных методик их оценки [9].

1.1.3 Примеры реализации ИТС

Транспортная инфраструктура во многом определяет жизнь современного общества, особенно в развивающихся странах. Плотное движение городского транспорта порождает множество проблем в подавляющем большинстве мировых столиц. Интеллектуальные транспортные системы создаются для обеспечения управления в режиме реального времени как самим транспортом, так и обеспечивающей его работу инфраструктурой.

Цель оптимизации движения общественного городского транспорта заключается в том, чтобы повысить эффективность работы перевозчиков и качество обслуживания пассажиров.

ИТС могут быть определены как совокупность современных вычислительных систем, высокоскоростной телекоммуникации и информационных технологий, интегрированных с целью повышения эффективности и безопасности перевозок. Они включают широкий диапазон новых инструментов, разработанных для администрирования транспортных сетей. Основные преимущества ИТС определяются тем, что входящие в них компоненты оказывают комплексное влияние на управляемый объект, что приводит к снижению тарифов, рассредоточению трафика, улучшению контроля за состоянием инфраструктуры, повышению операционной эффективности и уровня безопасности движения [10].

В разных странах мира постоянно изучаются последние достижения ИТС, и принимаются решения, связанные с их развитием и совершенствованием. США, Европа и Япония - стали первыми в области разработки методов, инструментов и сфер применения интеллектуальных транспортных систем. В настоящее время в Мьянме нет инфраструктуры ИТС, поэтому при разработке планов их создания нет необходимости учитывать необходимость интеграции с уже существующими компонентами.

Таблица 1. Региональные особенности ИТС

Основные функции Азия Восточная Европа Латинская Америка

Контроль трафика Сбор ин( юрмации о текущем трафике

Управление трафиком Распространение информации о трафике

Коммерческие перевозки Сопровождение коммерческих перевозок

Управление общественным транспортом Управление автобусным движением

ГС-сагё, электронные билеты 1С-сагё, электронные билеты

Региональные функции Контроль трафика Управление попутными перевозками Контроль пересечения границ

Исходными данными для функционирования ИТС является информация о состоянии всех элементов транспортной системы - транспортных средств, дорог и потребителей.

Наиболее общими функциями ИТС можно считать следующие: контроль текущего состояния ТС, регулирование и организация дорожного движения, управление в чрезвычайных ситуациях и оптимизация процессов транспортировки.

Однако у каждого региона сформировался и свой собственный индивидуальный подход к представлению ИТС [11]. Некоторые региональные особенности представлены в Таблице 1.

Рассмотрим несколько примеров регионального внедрения ИТС. В работе [12] представлена архитектура новой системы управления общественным транспортом в Белграде. Основное внимание уделяется описанию систем связи и структур данных, необходимых для эффективной работы и управления общественным транспортом. Опыт эксплуатации ИТС позволяет авторам сделать вывод о том, что наиболее острой проблемой является предотвращение нарушения графика движения общественного транспорта. И причиной этого является алгоритмическая сложность процедуры оценки влияния последствий аварий транспортных средств, плановых и аварийных ремонтов дорожного полотна и инфраструктуры на пропускную способность сети. Без точной оценки скорости движения транспорта планирование его ритмичной работы невозможно, а наличие развитой системы связи и фиксации может только снизить остроту проблемы, но не решить ее.

Список литературы диссертационного исследования кандидат наук Со Мое Аунг, 2019 год

Список литературы

1. César Ducruet, Igor Lugo. Structure and dynamics of transportation networks: Models, methods and applications. // The SAGE Handbook of Transport Studies, SAGE, 2013, pp. 347-364.

2. Raghav. Structural Analysis of Transport Networks: Network Graphs and Types.

3. Сафронов Э.А. Транспортные системы городов и регионов. Учебное пособие. Издательство АСВ, М, 2005. - с. 272 с.

4. Интеллектуальная_транспортная_система: https://rno-its.piarc.org/en

5. Интеллектуальная транспортная система (ITS): http://www.indelta.ru/sredstva-avtomatizatsii/plk/delta-electronics-plk/programmiruemye-kontrollery-delta-electronics-ah500~xovomz.html

6. Marius Minea, Mihai-Cosmin Niculescu. Developing a Single Window Integrated Platform for Multimodal Transport Management and Logistics. // The 6th Transport Research Arena April 18-21, 2016. Transportation Research Procedia, Volume 14, 2016, pp. 1453-1462.

7. Stanciu Elena Alina. Optimization of urban road traffic in Intelligent Transport Systems. // 11th IEEE International Conference on Applied and Theoretical Electricity (ICATE). January 2013. Craiova, Romania.

8. В. И. Швецов. Оценка эффективности наружной рекламы с использованием транспортной модели. Автомат. и телемех., 2010, № 9, 152-161.

9. А. Н. Ефанов, Н. К. Румянцев. Оценка эффективности функционирования транспортной системы. Известия Петербургского университета путей сообщения, СПб., 2012г , C154-155.

10. Сое Мое Аунг. Оптимизация дорожного движения и живучесть транспортной сети. // Современное состояние и перспективы развития: сборник научных трудов по материалам Международной научно-практической конференции 31 июля 2014 г.: в 6

частях. Часть 5. Тамбов: ООО «Консалтинговая компания Юнком», 2014 г. 164 с., С. 132-133.

11. Xiong Zhang, Sheng Hao, Rong Wen Ge, Cooper Dave. Intelligent transportation systems for smart cities. // A progress review, Science China. Information Sciences. December 2012, Vol. 55 No. 12, pp. 2908- 2914.

12. Stanko A .Bajceti, Predrag V. Zivanovi, Slaven M.Tica, Miroslav M. Petrovi, Andrea M. Borojevi,Branko M. Milovanovi. Implementation of the New Public Transport Management System in Belgrade. //TELSIKS 2013 - IEEE 2013 11th International Conference on Telecommunication in Modern Satellite, Cable and Broadcasting Services. Nis, Serbia 16-19 October 2013. Volume 1. pp. 643-647.

13. Mahjoub Dridi, Khaled Mesghouni, Pierre Borne. Traffic control in transportation systems. //Journal of Manufacturing Technology Management, Vol. 16 Issue: 1, 2005, pp. 53-74.

14. Сое Мое Аунг. Моделирование живучести транспортных сетей. //Микроэлектроника и информатика -2013, 20-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.: МИЭТ, 2013г. 340с., C.166.

15. С.А. Лупин, Д.А. Федяшин, Ба ХлаТхан. Использование параллельных вычислений в интеллектуальной системе управления транспортными сетями. //International Journal of Open Information Technologies ISSN: 2307-8162 vol. 5, no. 2,

2017. C.9-13.

16. Aldona Jarasuniene, Laima Miliauskaite. The estimation on traffic safety problems in roads on Lithuania using ITS. //Proceedings of the 11th International Conference, Reliability and Statistics in Transportation and Communication (RelStat'11), 19-22 October 2011, Riga, Latvia, pp. 327-334.

17. Myanmar infrastructure summit. //The 4th Summit and Exhibition 20-22 March

2018.

18. Myanmar: Transport sector initial assessment, Publication Stock No. RPT125091, Cataloging-In-Publication Data, Asian Development Bank. Mandaluyong City, Philippines: Asian Development Bank, 2012.

19. Asian Development Bank. Myanmar transport sector policy note: Trunk roads. Mandaluyong City, Philippines: Asian Development Bank, 2016.

20. Myanmar Business Guide. Asian Development Bank. The Fifth edition October 2017.

21. Myanmar Transport Sector Policy Notes Asian Development Bank. ADB estimates based on Ministry of Construction data. 1 July 2016. pp. 726.

22. Nyi Nyi Swe. Country presentations of Myanmar Policies, Planning and Challenges related to Port Development and Integrated Intermodal Transport. //Capacity Building Workshop on Strengthening Integrated Intermodal Transport Connectivity for Southeast and South-Southwest Asia Bangkok, 8-9 March 2018.

23. Транспорт Мьянмы 1970-2016: http://be5.biz/makroekonomika/transport/mm.html.

24. Сое Мое Аунг. Планирование движения общественного транспорта. //Современные тенденции в образовании и науке: сборник научных трудов по материалам Международной научно практической конференции 28 ноября 2014г.: в 14 частях. Часть 9. Тамбов: ООО « Консалтинговая компания Юком », 2014г. 180с. С. 127-128.

25. Paul Oman, Ahmed Abdel-Rahim, Brian Johnson, Li-Wei, Tung. Survivability analysis of large-scale intelligent transportation system networks. // Transportation Research Record Journal of the Transportation Research Board (TRANSPORT RES REC), 2007, pp. 1-23.

26. Zhao Jing, Wang Haiyong. An optimum model on urban public traffic line network for medium city. // The 2nd International Conference on Computer Application and System Modeling, Atlantis Press, Paris, France, July 2012, pp. 1469-1471.

27. Ivana Hartmann Tolic, Goran Martinovic, Dominika Crnjac Milic. Optimization Methods in Modern Transportation Systems. // MLA 8 th Edition, Volume. 25, no. 2, 2018, pp. 627-634.

28. Avishai Ceder. Public transit planning and operation: Modeling, Practice and Behavior. // CRC Press (Boca Raton, USA), second Edition, September 2016 (Book).

29. Jonaitis, J. Planning of the amount of trains needed for transportation by rail. //Transport, 27 Oct 2010, Volume 22, Issue 2, pp. 83-89.

30. Avishai Ceder, Stephan Hassold, Blanche Dano. Approaching even-load and even-headway transit timetables using different bus sizes. // Public Transport, October 2013, Volume 5, Issue 3, pp. 193-217.

31. Vitalii Naumov. Synchronization of timetables for public bus lines using genetic algorithms and computer simulations. // International Conference on Reliability and Statistics in Transportation and Communication, 2017, volume 36, pp. 44-53.

32. Liujiang Kang , Jianjun Wu, Huijun Sun, Xiaoning Zhu , Ziyou Gaob. A case study on the coordination of last trains for the Beijing subway network. // Transportation Research Part B: Methodological, Volume 72, February 2015, pp. 112-127.

33. Abdul Kadar Muhammad Masum, Mohammad Shahjalal, Md. Faisal Faruque, Md. Iqbal Hasan Sarker. Solving the Vehicle Routing Problem using Genetic Algorithm. //International Journal of Advanced Computer Science and Applications (IJACSA). Vol. 2, No. 7, 2011, pp. 126-131.

34. Avishai Ceder. Bus Timetables with Even Passenger Loads as Opposed to Even Headway. // Transportation Research Record: Journal of the Transportation Research Board (2001), Volume: 1760, Issue: 1, pp. 3-9.

35. Avishai Ceder. Designing public transport networks and routes. //Advanced Modeling for Transit Operations and Service Planning, 2002, pp. 59 - 91.

36. Wei Zeng, Chi-Wing Fu ,Stefan Müller Arisona ,Alexander Erath, Huamin Qu. Visualizing mobility of public transportation system. // IEEE Transactions on Visualization and Computer Graphics ,Volume: 20, Issue:12, Dec. 31 , 2014, pp. 1833 - 1842.

37. Marin, A. Urban rapid transit network design. // In International Conference on Industrial Engineering and Systems Management Marrakech, 2005, pp. 16-19.

38. Luigi De Giovanni, Géraldine Heilporn, Martine Labbe. Strengthened formulations and valid inequalities for single delay management in public transportation. //Transportation Science, INFORMS, In press. 16 Nov 2018, pp. 1-30.

39. N. Thilagavathi, G.N.Mallikarjuna Rao. Global positioning system in transportation planning. // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. 34, Part XXX, June 2017, pp. 1-6.

40. Claramunt C., Jiang B., Bargiela A. A new framework for the integration, analysis and visualization of urban traffic data within geographic information systems. // Transp. Res. Part C Emerg. Technol. 2000, Vol. 8, pp.167-184.

41. Wang X. Integrating GIS, simulation models, and visualization in traffic impact analysis. // Compute. Environ. Urban Syst. 2005, Vol. 29, pp. 471-496.

42. JianXun Cui, Feng Liu, Davy Janssens, Shi An,Mario Cools. Detecting urban road network accessibility problems using taxi GPS data. // Journal of Transport Geography, Volume 51, 2016, P. 318, pp. 147-157.

43. Сое Мое Аунг, Ба Хла Тхан. Алгоритм анализа транспортных сетей. //Микроэлектроника и информатика - 2015. 22-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.: МИЭТ, 2015. - 380 c., C. 198.

44. Сое Мое Аунг. Использование матричной модели для оптимизации маршрутов городского общественного транспорта. // Актуальные проблемы информатизации в науке, образовании и экономике - 2014.7-я Всероссийская межвузовская научно-практическая конференция. М.: МИЭТ, 2014. - 192с., С. 123.

45. Лупин С.А, Сое Мое Аунг. Матричная модель дорожной сети. //Международная конференция «Инновационные подходы к решению технико-экономических проблем»: сборник трудов.- М.:МИЭТ, 2014, - 292 с., С. 243-245.

46. Сое Мое Аунг, Ба Хла Тхан. Алгоритмические аспекты задачи анализа графовых моделей. // Микроэлектроника и информатика -2014. 21-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.: МИЭТ, 2014, - 280 c., C. 170.

47. Лупин С.А., Посыпкин М.А. Технологии параллельного программирования. //Учебное пособие. Москва, ИД «ФОРУМ»: ИНФРА-М, 2007, 205 с.

48. алгоритм_ Дейкстры: https://habr.com/ru/post/111361/

49. Лупин С.А., Сое Мое Аунг, Ньян Вин Хтет, Аунг Зо Найнг. Задача поиска критических путей в транспортной инфраструктуре. // Международная заочная научно-практическая конференция «Актуальные вопросы образования и науки», Сборник научных трудов. Ч. 5. Тамбов: Изд-во ТРОО «Бизнес-Наука-Общество», 2013, - 163 с., С. 72-73.

50. Sergey Lupin, Soe Moe Aung, Ba Hla Than,Vic Grout. Algorithmic Aspects of Transport System Survivability Analysis. // Fifth International Conference on Internet Technologies and Applications (ITA 15) (8th - 11th September 2015, Glyndwr University, Wrexham, Wales, UK), - pp. 71-75.

51. https://www.arenasimulation.com/

52. https://extendsim.com

53. https://www.anylogic.com/

54. https://www.simpian.de/en/software-2/automod

55. https://promodel.com