RU 
EN 
CN 
ES 
Результаты исследования
Результаты научных исследований выполнения этапа 1
За счет средств гранта:
- Определение и обоснование направления исследований и разработок, выполняемых по проекту.
Был проведен анализ современных направлений исследований и программных средств, посвященных решению задачи краткосрочного прогнозирования параметров транспортных потоков и построению маршрутов движения в детерминированных и стохастических транспортных сетях, с использованием личного и городского общественного транспорта. На основе проведенного анализа были выбраны направления исследований в области разработки алгоритмов моделирования транспортных потоков, в т.ч. с использованием «больших данных», а также направления исследований в области построения рекомендательных систем, учитывающих пользовательские предпочтения в выборе маршрута движения. - Разработка математических и вычислительных имитационных моделей, используемых при описании и моделировании транспортных потоков в детерминированных и стохастических транспортных сетях.
Было проанализировано более 70 работ, посвященных краткосрочному прогнозированию параметров транспортных потоков, были рассмотрены имитационные модели, используемые для статического и динамического прогнозирования транспортных потоков. После проведенного анализа была разработана модель для прогнозирования динамики транспортных потоков в транспортной сети с использованием актуальных и статистических данных, основанная на модели адаптивной комбинации элементарных прогнозов. - Разработка и экспериментальные исследования алгоритмов краткосрочного прогнозирования параметров транспортных потоков на основе технологии «больших данных» с использованием данных реального времени и архивных данных о состоянии транспортных потоков.
Была разработана распределённая пространственно-временная модель краткосрочного прогнозирования транспортного потока, основанная на методе k ближайших соседей. Описание пространства признаков в данной модели формируется на основе пространственных и временных характеристик транспортных потоков в пространственно компактной области транспортной сети. Для распределённой обработки большого объёма информации была использована модель MapReduce, реализованная в фрэймворке с открытым исходным кодом Apache Spark. Экспериментальные исследования, проведённые по данным движения транспорта в г. Самаре, показали, что представленная модель обладает высокой точностью прогнозирования и временем работы, достаточным для прогнозирования в режиме реального времени. - Разработка программного модуля, реализующего алгоритм краткосрочного прогнозирования параметров транспортных потоков на основе технологии «больших данных» с использованием данных реального времени и архивных данных о состоянии транспортных потоков.
Разработанный алгоритм прогнозирования был реализован в составе программного модуля с помощью фреймворка Apache Spark, использующего модель распределённых вычислений MapReduce.
За счет средств индустриального партнера:
- Анализ современной научно-технической литературы.
В ходе выполнения работ был проведен обзор современной научно-технической литературы по проблеме построения статических и адаптивных маршрутов движения в детерминированных и стохастических транспортных сетях с использованием личного и городского общественного транспорта на основе рекомендательных систем, учитывающих пользовательские предпочтения в выборе маршрута. Было проанализировано более 70 работ, выбраны направления исследований в области построения рекомендательных систем, учитывающих пользовательские предпочтения в выборе маршрута движения. - Проведение патентных исследований.
Основным объектом исследования в патентном поиске являются модели, методы, приборы и устройства, способы и технологии, связанные с построением маршрута движения транспортного средства и разработкой навигационных устройств, способам формирования и управления транспортными потоками, созданием имитационных моделей движения транспортных и пешеходных потоков. В исследовании представлены 15 зарубежных и отечественных патентов. После проведения патентного исследования было принято решение о проведении научного исследования по разработке алгоритма нахождения кратчайшего пути в стохастической зависящей от времени транспортной сети с использованием платформы высокопроизводительных вычислений.
