Використання штучного інтелекту та алгоритмів теорії графів для регулювання трафіку транспортних засобів

П.К. Ніколюк, д-р фіз.-мат. наук, О.В. Зелінська, канд. техн. наук.

Донецький національний університет ім. Василя Стуса
Україна, 21021, Вінниця, вул. 600-річчя, 21
тел. +38(096)0113638, e-mail: Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.
тел. +38(096)6702918, e-mail: Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.

Èlektron. model. 2025, 47(1):40-52

https://doi.org/10.15407/emodel.47.01.040

АНОТАЦІЯ

Принциповим питанням міського трафіку є час проїзду транспортного засобу (ТЗ) по вибраному маршруту. Зрозуміло, що цей час треба зробити мінімальним для кожного водія. У великому місті таких водіїв може бути понад мільйон. Базовим елементом а заодно і базовою проблемою регулювання трафіку у мегаполісі є окреме перехрестя. Саме цей об’єкт, де перетинаються міські дороги, є і основною причиною а також і джерелом заторів. Тому першочергово необхідно здійснити інтелектуальну регуляцію проїзду ТЗ через окреме перехрестя. Організувавши ефективний рух через такий об’єкт, досягнемо високої ефективності трафіку по всьому місту. Існує цілий спектр підходів до вирішення проблеми регулювання трафіку через перехрестя. Важливим напрямком є використання комп’ютерного моделювання на основі методів штучного інтелекту (ШІ). Запропонова­но модель перехрестя та алгоритм реалізації проїзду автомобілів через такий об’єкт на основі ШІ, що дозволяє оптимізувати трафік. Запропоновано другий важливий аспект оптимізації трафік-процесу, що базується на моделюванні міської транспортної мережі з допомогою орієнтованого непланарного зваженого мультиграфа. Для оптимізації проїз­ду кожного ТЗ по вибраному маршруту використовуються алгоритми теорії графів.

КЛЮЧОВІ СЛОВА:

міський трафік, штучний інтелект, транспортний засіб, тео­рія графів.

СПИСОК ЛІТЕРАТУРИ

1. Yao H., Li X., Li Q., Yu C. Safety aware neural network for connected and automated vehicle operations // Transportation Research Part E: Logistics and Transportation Review, 2024, 192, 103780, DOI: 10.1016/j.tre.2024.103780.
2. Bharadiya J. Artificial Intelligence in Transportation Systems a Critical Review // Ame­rican Journal of Computing and Engineering, 2023, Vol. 6, Is. 1, pp. 35—45, DOI: 10.47672/ajce.1487.
3. Liang X., Guler S., Gayan V. An equtable traffic signal control scheme at isolated inter­sections using Connected Vehicle technology // Transp. Research Part C, 2020, Vol. 110, pp. 8—97. DOI: 10.1016/j.trc.2019.11.005
4. Majid , Lu C., Karim H. An integrated approach for dynamic traffic routing and ramp metering using sliding mode control // J. of Traffic and Transportation Engineering (English Edition), 2018, Vol. 5, DOI: 10.1016/j.jtte.2017.08.002
5. Boguto D.G., Kadomskiy K.K., Nikolyuk P.K., Pidgurska A.I. Algorithm of intelligent urban traffic // Bulletin of V. Karazin Kharkiv National University, Series “Mathematical Modeling. Information Technology. Automated Control System”, 2019, Vol. 42, pp. 12— Режим доступу: https://cutt.ly/uPR3J6w
6. Porwal S., Khamesra J., Gupta R. et. al. Density based smart traffic control and mana­ge­ment system // Journal of Emerging Technologies and Innovative Research, 2021, Vol. 8, Is. 10, pp. 416— DOI: 10.1729/Journal.28283
7. Tao T., Qian S. Do Smart Loading Zones help reduce traffic congestion? A causal ana­lysis in Pittsburgh // Transportation Research Part E, 2024, Vol. 192, 103796, DOI: 1016/j.tre.2024.103796
8. Rahimipour S., Moeinfar R., Hashemi S. Traffic prediction using a self-adjusted evolu­tio­nary neural network //J. Mod. Transport, 2019,Vol. 27, pp. 306—316, DOI: 1007/ s40534-018-0179-5
9. Zargiannaki E., Tzouras P., Antoniou E. et. al. Assessing the impacts of traffic calming at net­work level: A multimodal agent-based simulation // Journal of traffic and transportation engi­neering (English edition), 2024, Vol. 11, No 1, pp. 41—54, DOI: 10.1016/j.jtte. 01.003.
10. Chetan G., Tushar N., Vinit P. et. al. Applying Advanced Technology For Traffic Management System // IOSR Journal of Mechanical and Civil Engineering, 2021, 18, Is. 4, pp. 8—12, DOI: 10.9790/1684-1804030812.
11. Ganga B., Nagamani K. Implementation of intelligent traffic management system using IoT // International Journal of Electrical Engineering and Technology, 2020, Vol. 11, Is. 5, pp. 22—30, DOI: 10.34218/ijeet.11.5.2020.003.
12. Godson S., Monday O., Oluwaseun E. et. al. Smart Transportation System for Solving Urban Traffic Congestion // Review of Computer Engineering Studies, 2020, Vol. 7, No. 3, 55—59, DOI: 10.18280/rces.070302.
13. Olayode I., Du B., Severino A. et. al. Systematic literature review on the applications, impacts, and public perceptions of autonomous vehicles in road transportation system // Journal of traffic and transportation engineering (English edition), 2023, Vol. 10, No. 6, pp. 1037—1060, DOI: 10.1016/j.jtte.2023.07.006.
14. Hoang A., Walton N., Hai L. Optimal decentralized signal control for platooning in connected vehicle networks // Transportation Research Part C, 2024, Vol. 167, article 104832, DOI: 10.1016/j.trc.2024.104832.
15. Nikolyuk P., Neskorodieva T., Fedorov E. et. al. Intellectual algorithm implementation for megacity traffic management // CEUR Workshop proceedings, Information Technology and Interactions. 2021, V. 2845, pp. 400—408. Режим доступу: https://ceurspt.wikidata.dbis.rwth-aachen.de/Vol-2845/Paper_37.html.

Повний текст: PDF