Аннотації

Інтелектуальна система керування трафіком великого міста: концепт онтології «моделі рішень»

Автор(и):
Мазуренко Р. В., Єременко Б. М.
Автор(и) (англ)
Mazurenko R., Yeremenko B.
Дата публікації:

10.05.2024

Анотація (укр):

Проблема транспортних заторів досі лишається актуальною для транспортної системи багатьох великих міст на різних континентах. Роботу спрямовано на формування онтолого-керованої технології, що базується на використанні наявних засобів отримання даних, інформаційних ресурсах, моделях прогнозування трафіку великих міст і управлінні дорожнім рухом на базі цих прогнозів. Саме тому в цій роботі велика увага приділяється дослідженню інноваційних рішень проблеми оптимізації руху транспорту мережею доріг міста з використанням великих даних, моделей штучного інтелекту і технологій інтернету речей. При цьому визначено основні аспекти, які вимагають втручання людини в розробку еталонної онтології домену «Дорожній рух». Наукова новизна роботи полягає в створенні концепту онтології «Моделі рішень», яка згодом стане основою інформаційної інтелектуальної технології ефективного управління дорожнім рухом у великих містах. Ця розробка має вирішальне значення для вирішення проблем транспортних заторів шляхом розумного розподілу транспортних потоків мережею доріг міста, оскільки вона уніфікує представлення знань. Це дає змогу уникнути нечіткої невизначеності в розумінні даних та суттєво спростити інтеграцію різних джерел і методів збору даних із системою керування дорожнім рухом. Основну увагу сфокусовано на схему формування гібридної моделі рішень, що на рівні керування світлофорами визначають керуючі дії системи. Також визначено задачі, які будуть розв’язувати моделі штучного інтелекту, і показано можливість використання алгоритму мурашиних колоній в задачі пошуку найкоротшого шляху.

Анотація (рус):

Анотація (англ):

The problem of traffic jams is still relevant for the transport system of many large cities on different continents. The work is aimed at the formation of an ontologically controlled technology, which is based on the use of available means of data production, information resources, modelling of traffic forecasting of large cities and traffic management based on these forecasts. That is why it pays great attention to the research of innovative solutions to the problem of optimizing traffic through the city network using big data, artificial intelligence models, and Internet of Things technologies. At the same time, the main aspects that require human intervention in the development of the reference ontology of the “Road Traffic” domain are defined. The scientific novelty of the work arises in the creation of the ontology concept “Decision Model”, which will later become the basis of intelligent informational technology for effective traffic management in large cities. This development is crucial for solving traffic congestion problems by intelligently distributing traffic flows through the city road network, as it unifies the knowledge representation. The attention is focused on the scheme of formation of a hybrid model of decisions, which are at various stages of execution of the control actions of the system. The task that will be solved by the artificial intelligence model is defined. The possibility of using the ant colony algorithm to find the shortest path is also shown.

Література:

  1. Nguyen H. P., Nguyen P. Q. P., Bui V. D. Applications of Big Data Analytics in Traffic Management in Intelligent Transportation Systems. JOIV: International Journal on Informatics Visualization. 2022. Vol. 6, no. 1–2. P. 177. URL: https://doi.org/10.30630/joiv.6.1-2.882.
  2. Culita, J., Caramihai, S. I., Dumitrache, I., Moisescu, M. A., & Sacala, I. S. (2020). An Hybrid Approach for Urban Traffic Prediction and Control in Smart Cities. Sensors, 20 (24), 7209. URL: https://doi.org/10.3390/s20247209.
  3. Ahmed Hamza, M., Alsolai, H., S. Alzahrani, J., Alamgeer, M., Mahmoud Sayed, M., Sarwar Zamani, A., Yaseen, I., & Motwakel, A. (2022). Intelligent Slime Mould Optimization with Deep Learning Enabled Traffic Prediction in Smart Cities. Computers, Materials & Continua, 73 (3), 6563–6577. URL: https://doi.org/10.32604/cmc.2022.031541.
  4. Joo, H., Ahmed, S. H., & Lim, Y. (2020). Traffic signal control for smart cities using reinforcement learning. Computer Communications, 154, 324–330. URL: https://doi.org/10.1016/j.comcom.2020.03.005.
  5. Neelakandan, S., Berlin, M. A., Tripathi, S., Devi, V. B., Bhardwaj, I., & Arulkumar, N. (2021). IoT-based traffic prediction and traffic signal control system for smart city. Soft Computing, 25 (18), 12241–12248. URL: https://doi.org/10.1007/s00500-021-05896-x.
  6. An IoT Based Intelligent Traffic Management System and Its Implementation on Cupcarbon for Smart Cities. (2021). International Journal of Emerging Trends in Engineering Research, 9 (11), 1387–1394. URL, https://doi.org/10.30534/ijeter/2021/049112021.
  7. Jiang, J. (2021). Intelligent City Traffic Scheduling Optimization Based on Internet of Things Communication. Wireless Communications and Mobile Computing, 2021, 1–10. URL: https://doi.org/10.1155/2021/7823982.
  8. TomTom traffic index. Ranking 2024. URL: https://www.tomtom.com/en_gb/traffic-index/ranking/.
  9. Скрипаль А. Удар по дорогах України: 25 тис. км зруйновано, більшість об’єктів доведеться будувати з нуля, 2023, URL: https://trans.info/ua/udar-po-dorogah-ukrayini-25-tis-km-zruynovano-bilshist-obyektiv-dovedetsya-buduvati-z-nulya-324170.
  10. Kitchin, R. (2013). The Real-Time City? Big Data and Smart Urbanism. SSRN Electronic Journal. URL: https://doi.org/10.2139/ssrn.2289141.
  11. Hou, Q., Leng, J., Ma, G., Liu, W., & Cheng, Y. (2019). An adaptive hybrid model for short-term urban traffic flow prediction. Physica A: Statistical Mechanics and its Applications, Vol. 527, 121065. https://doi.org/10.1016/j.physa.2019.121065.
  12. Aqib, M., Mehmood, R., Alzahrani, A., Katib, I., Albeshri, A., & Altowaijri, S. M. (2019). Smarter Traffic Prediction Using Big Data, In-Memory Computing, Deep Learning and GPUs. Sensors, 19 (9), 2206. URL: https://doi.org/10.3390/s19092206.
  13. Mazurenko, R. & Yeremenko, B. (2023). Intelligent Road Transport Flow Management System: Basic Ontology Concepts. Management of Development of Complex Systems, 55, 192–197, dx.doi.org\10.32347/2412-9933.2023.55.192-197.
  14. Mazurenko R., Yeremenko B. and Morozov V. "Development of Intelligent Traffic Control System Project," 2022 International Conference on Smart Information Systems and Technologies (SIST), Nur-Sultan, Kazakhstan, 2022, pp. 1-6, doi: 10.1109/SIST54437.2022.9945759.
  15. Yeremenko, B., Mazurenko, R., Stetsyk, O., & Buhrov, A. (2023). Intelligent Management of Traffic Flows in Large Cities. In TRANSBALTICA XIII: Transportation Science and Technology (pp. 33–42). Springer International Publishing.URL: https://doi.org/10.1007/978-3-031-25863-3_4.
  16. Касім А. М. Онтолого-керований геопортал для моделювання задач навігації та  управління різнотипними рухомими об’єктами, Матеріали ХIІ Міжнародної науково-практичної конференції «Глушковські читання», 26 жовтня 2023 року, с. 61–64.
  17. Neuhaus, F., & Hastings, J. (2022). Ontology development is consensus creation, not (merely) representation. Applied Ontology, 1–19. URL: https://doi.org/10.3233/ao-220273.
  18. Pashko, A., Oleshko, T., & Biesiedina, S. (2022). Stochastic Algorithms for Optimization of the Path of Robotic Systems. In Lecture Notes in Networks and Systems (pp. 227–236). Springer International Publishing. URL: https://doi.org/10.1007/978-3-031-03877-8_20.

 

References:

  1. Nguyen, H. P., Nguyen, P. Q. P., Bui, V. D. (2022). Applications of Big Data Analytics in Traffic Management in Intelligent Transportation Systems. JOIV: International Journal on Informatics Visualization, 6, 1–2, 177. URL: https://doi.org/10.30630/joiv.6.1-2.882.
  2. Culita, J., Caramihai, S. I., Dumitrache, I., Moisescu, M. A. & Sacala, I. S. (2020). An Hybrid Approach for Urban Traffic Prediction and Control in Smart Cities. Sensors, 20 (24), 7209. URL: https://doi.org/10.3390/s20247209.
  3. Ahmed Hamza, M., Alsolai, H., S. Alzahrani, J., Alamgeer, M., Mahmoud Sayed, M., Sarwar Zamani, A., Yaseen, I. & Motwakel, A. (2022). Intelligent Slime Mould Optimization with Deep Learning Enabled Traffic Prediction in Smart Cities. Computers, Materials & Continua, 73 (3), 6563–6577. URL: https://doi.org/10.32604/cmc.2022.031541.
  4. Joo, H., Ahmed, S. H., & Lim, Y. (2020). Traffic signal control for smart cities using reinforcement learning. Computer Communications, 154, 324–330. URL: https://doi.org/10.1016/j.comcom.2020.03.005.
  5. Neelakandan, S., Berlin, M. A., Tripathi, S., Devi, V. B., Bhardwaj, I. & Arulkumar, N. (2021). IoT-based traffic prediction and traffic signal control system for smart city. Soft Computing, 25 (18), 12241–12248. URL: https://doi.org/10.1007/s00500-021-05896-x.
  6. An IoT Based Intelligent Traffic Management System and Its Implementation on Cupcarbon for Smart Cities. (2021). International Journal of Emerging Trends in Engineering Research, 9 (11), 1387–1394. URL, https://doi.org/10.30534/ijeter/2021/049112021.
  7. Jiang, J. (2021). Intelligent City Traffic Scheduling Optimization Based on Internet of Things Communication. Wireless Communications and Mobile Computing, 1–10. URL: https://doi.org/10.1155/2021/7823982.
  8. TomTom traffic index. Ranking 2024. URL: https://www.tomtom.com/en_gb/traffic-index/ranking/.
  9. Skripal A. (2023). Blow to the roads of Ukraine: 25 thousand km destroyed, most of the objects will have to be built from scratch, 2023, URL: https://trans.info/ua/udar-po-dorogah-ukrayini-25-tis-km-zruynovano-bilshist-obyektiv-dovedetsya-buduvati-z-nulya-324170
  10. Kitchin, R. (2013). The Real-Time City? Big Data and Smart Urbanism. SSRN Electronic Journal. URL: https://doi.org/10.2139/ssrn.2289141.
  11. Hou, Q., Leng, J., Ma, G., Liu, W. & Cheng, Y. (2019). An adaptive hybrid model for short-term urban traffic flow prediction. Physica A: Statistical Mechanics and its Applications, 527, 121065. https://doi.org/10.1016/j.physa.2019.121065.
  12. Aqib, M., Mehmood, R., Alzahrani, A., Katib, I., Albeshri, A. & Altowaijri, S. M. (2019). Smarter Traffic Prediction Using Big Data, In-Memory Computing, Deep Learning and GPUs. Sensors, 19 (9), 2206. URL: https://doi.org/10.3390/s19092206.
  13. Mazurenko, R. & Yeremenko, B. (2023). Intelligent Road Transport Flow Management System: Basic Ontology Concepts. Management of Development of Complex Systems, 55, 192–197. dx.doi.org\10.32347/2412-9933.2023.55.192-197.
  14. Mazurenko, R., Yeremenko, B. and Morozov, V.  (2022). Development of Intelligent Traffic Control System Project. 2022 International Conference on Smart Information Systems and Technologies (SIST), Nur-Sultan, Kazakhstan, pp. 1-6, doi: 10.1109/SIST54437.2022.9945759.
  15. Yeremenko, B., Mazurenko, R., Stetsyk, O. & Buhrov, A. (2023). Intelligent Management of Traffic Flows in Large Cities. In TRANSBALTICA XIII: Transportation Science and Technology (pp. 33–42). Springer International Publishing.URL: https://doi.org/10.1007/978-3-031-25863-3_4.
  16. Kasim, A.M. (2023). Ontologo-controlled geoportal for modeling problems of navigation and control of different types of moving objects, Materials of the XI International Scientific and Practical Conference "Glushkov Readings," October 26, 2023, pp. 61-64.
  17. Neuhaus, F. & Hastings, J. (2022). Ontology development is consensus creation, not (merely) representation. Applied Ontology, 1–19. URL: https://doi.org/10.3233/ao-220273.
  18. Pashko, A., Oleshko, T. & Biesiedina, S. (2022). Stochastic Algorithms for Optimization of the Path of Robotic Systems. Lecture Notes in Networks and Systems, 227–236. URL: https://doi.org/10.1007/978-3-031-03877-8_20.