УДК 656.056

НЕЙРОННЫЕ СЕТИ КАК ПОВЫШЕНИЕ КАЧЕСТВА УПРАВЛЯЮЩЕЙ СИСТЕМЫ УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ ПОТОКАМИ

О.В. Сорокина, аспирант, Ю.В. Сорокина, аспирант

Пензенский государственный университет архитектуры и строительства

г. Пенза

Система управления может рассматриваться как совокупность двух систем – объекта управления и управляющей системы [1]. Применительно к дорожному движению в роли объектов управления выступают транспортные и пешеходные потоки.

Традиционно все методы управления дорожного движения делятся на [2]:

- регулирование движения (связанные с работой светофорной сигнализацией);

-организация движения (все остальные мероприятия).

Остановимся более подробно на регулировании дорожного движения светофорной сигнализацией. Регулирование - это частный метод управления дорожного движения (от лат. «regulare» - подчинять определённому порядку, правилу, упорядочивать), заключающийся в поддержание параметров движения в заданных пределах [3].

Проведение исследований, направленных на совершенствование организации дорожного движения, повышения эффективности движения транспортных потоков на основе оптимизации режимов работы светофорных объектов, заключающихся в принятии решений в реальном времени с помощью последних разработок в области кибернетики обусловило актуальность статьи.

Цель работы состоит в повышении качества управляющей системы путём применение нейронной сети в управлении транспортным потоком для регулирования дорожного движения.

На рисунке 1 представлена диаграмма, иллюстрирующая связь нейросетевых систем с некоторыми другими многопроцессорными архитектурами [4].

Преимущества нейросетевого подхода заключаются в следующем:

- параллелизм обработки информации;

-единый и эффективный принцип обучения;

-надёжность функционирования;

-способность решать неформальные задачи [5].

Проблемы, решаемые с помощью искусственных нейронных сетей:

-классификация образов;

-кластеризация;

-аппроксимация функции;

-прогноз;

-оптимизация;

-память, адресуемая по содержанию;

-управление и т.д [6].

Рисунок 1.Диаграмма, иллюстрирующая связь нейросетевых систем с некоторыми другими многопроцессорными архитектурами

FAN – процессор с распространением возбуждения

В соответствии с целями, которые ставит перед собой исследователь (учёный) подбирается тип нейронной сети. С помощью нейронной сети можно определить основные параметры светофорной сигнализации по интенсивности транспортного потока при условии минимальной задержки транспортных средств на изолированном перекрёстке.

В общей классификации методов управления транспортными потоками нейронные сети можно отнести к адаптивным методам, так как они позволяют реализовывать управление в реальном времени. Однако, нейронные сети относятся к отдельному виду адаптивных методов по свой биологической составляющей (нейронные сети – упрощённый биологический нейрон). Интерес к нейронным сетям возник в 19 веке. В настоящее время применяется в экономике, здравоохранении, рекламе и других областях. Сегодня нейронные сети уверенно проникают в нашу жизнь, к примеру, развлекательный робот AIBO – электронная самообучающаяся собака с элементами искусственного интеллекта, выпускаемая Sony[5].

Литература

1. Информатика: Энциклопедический словарь для начинающих/ составитель Поспелов Д.А. – М.: Педагогика – Пресс, 1994 – 352 с.

2. Ю.А. Кременец. Технические средства организации дорожного движения: учеб. для вузов/ Ю.А. Кременец, М.П. Печерский, М.Б. Афанасьев.- М.: ИЦК «Академкнига», 2005. - 279 с.

3. Советский энциклопедический словарь/гл.редактор А.М. Прохоров, М, Советская энциклопедия, 4-е изд. 1986 г. – 1600 с.

4. Левченко Е.Б. Искусственные нейронные сети: элементы и архитектуры// Нейрокомпьютер как основа мыслящих ЭВМ. - 1993. - с. 151- 166.

5. Кальченко Д. Нейронные сети: не пороге будущего//Компьютер Пресс. – 2005. - №5. - с. 86 - 90.

6. Володин В.М. и др. Методы искусственного интеллекта: искусственные нейронные сети: учебное пособие/ Володин В.М., Гудашёв В.А., Донской Д. А., Слепцов Н.В. – Пенза: Издательство ПГУ, 2004 – 184 с.