Логико-лингвистический метод выбора маршрута движения БТС с минимальной вероятностью возникновения аварийных ситуаций

Обложка

Цитировать

Полный текст

Аннотация

Формирование оптимальных законов управления движением беспилотных транспортных средств (БТС) на основе анализа сенсорных данных об окружении выбора, т. е. о параметрах окружающей среды и БТС, является неотъемлемой частью процесса формирования систем их ситуационного управления. Плохо предсказуемая изменчивость среды функционирования БТС и несовершенство средств измерений снижает возможность получения исчерпывающей информации о состоянии окружающей среды, что приводит к ситуации, когда принятие решения о маршруте движения с минимальными временем движения и вероятностью аварии производится в условиях неполной определенности. Одним из эффективных путей решения данной проблемы является использование логико-вероятностных и логико-лингвистических моделей и алгоритмов. Цель исследования заключается в разработке новых методов оптимизации маршрута движения БТС с учетом оценки вероятности аварии на основе логико-лингвистической классификации участков движения. Для достижения поставленной цели применяются следующие методы: создание строк параметров и характеристик эталонных участков движения и сопоставление их с логико-вероятностными и логико-лингвистическими параметрами и характеристиками классифицируемых участков маршрутов движения с учетом их значимости при принятии решения. На базе предложенных логико-вероятностных и логико-лингвистических методов после обработки сенсорных и статистических данных получены оценки вероятностей аварий, сформированы функционал и метод его минимизации, позволяющие повысить точность и скорость выбора оптимального маршрута движения БТС. Результаты исследований могут быть использованы в центральной нервной системе интеллектуальных роботов для классификации участков маршрутов движения, полученных на основе анализа сенсорных и статистических данных, что обеспечит повышение качества управления движением в условиях неполной определенности окружающей среды.

Об авторах

А. Е Городецкий

Институт проблем машиноведения РАН

Автор, ответственный за переписку.
Email: g27764@yandex.ru
г. Санкт-Петербург, Россия

И. Л Тарасова

Институт проблем машиноведения РАН

Email: g17265@yandex.ru
г. Санкт-Петербург, Россия

В. Г Курбанов

Институт проблем машиноведения РАН

Email: vugar_borchali@yahoo.com
г. Санкт-Петербург, Россия

Список литературы

  1. Евтодьева М.Г., Целицкий С.В. Беспилотные летательные аппараты военного назначения: тенденции в сфере разработок и производства // Пути к миру и безопасности. - 2019. - № 2 (57). - С. 104-111.
  2. Divis, D.A. Military UAV Market to Mop $83B // Inside Unmanned Systems. 24.04.2018. URL: http://insideunmannedsystems.com/military-uav-market-to-top-83b.
  3. Li, C. Artificial Intelligence Technology in UAV Equipment // 2021 IEEE/ACIS 20th International Fall Conference on Computer and Information Science (ICIS Fall). - Xi’an, China, 2021. - P. 299-302. - doi: 10.1109/ICISFall51598.2021.9627359.
  4. Xia, C. and Yudi, A. Multi - UAV Path Planning Based on Improved Neural Network // 2018 Chinese Control and Decision Conference (CCDC). - Shenyang, China, 2018. - P. 354-359. - doi: 10.1109/CCDC.2018.8407158.
  5. Varatharasan, V., Rao, A.S.S., Toutounji, E., et al. Target Detection, Tracking and Avoidance System for Low-cost UAVs using AI-Based Approaches // 2019 Workshop on Research, Education and Development of Unmanned Aerial Systems (RED UAS). - Cranfield, UK, 2019. - P. 142-147. - doi: 10.1109/REDUAS47371.2019.8999683.
  6. Zheng, L., Ai, P., and Wu, Y. Building Recognition of UAV Remote Sensing Images by Deep Learning // IGARSS 2020 - 2020 IEEE International Geoscience and Remote Sensing Symposium. - Waikoloa, HI, USA, 2020. - P. 1185-1188. - doi: 10.1109/IGARSS39084.2020.9323322.
  7. Zhang, Y., McCalmon, J., Peake, A., et al. A Symbolic-AI Approach for UAV Exploration Tasks // 2021 7th International Conference on Automation, Robotics and Applications (ICARA). - Prague, Czech Republic, 2021. - P. 101-105. - doi: 10.1109/ICARA51699.2021.9376403.
  8. Аггарвал Ч. Нейронные сети и глубокое обучение: учебный курс. Пер. с англ. - СПб.: Диалектика, 2020. - 752 с.
  9. Kim, H., Ben-Othman, J., Mokdad, L., et al. Research Challenges and Security Threats to AI-Driven 5G Virtual Emotion Applications Using Autonomous Vehicles, Drones, and Smart Devices // IEEE Network. - 2020. - Vol. 34, no. 6. - P. 288-294. - doi: 10.1109/MNET.011.2000245.
  10. Ким М.Л., Костеренко В.Н., Певзнер Л.Д. и др. Система автоматического управления траекторным движением шахтного беспилотного летательного аппарата // Горная промышленность. - 2019. - № 3 (145). - С. 60-64.
  11. Кутахов В.П., Мещеряков Р.В. Управление групповым поведением беспилотных летательных аппаратов: постановка задачи применения технологий искусственного интеллекта // Проблемы управления. - 2022. - № 1. - С. 67-74.
  12. Долгий П.С., Немыкин Г.И., Думитраш Г.Ф. Беспилотное управление транспортными средствами // Молодой ученый. - 2019. - № 8.2 (246.2). - С. 13-15.
  13. Власов С.М., Бойков В.И., Быстров С.В., Григорьев В.В. Бесконтактные средства локальной ориентации роботов. - СПб.: Университет ИТМО, 2017. - 169с.
  14. Gorodetskiy A.E., Tarasova I.L., Kurbanov V.G. Reduction of Logical-Probabilistic and Logical-Linguistic Constraints to Interval Constraints in the Synthesis of Optimal SEMS / In: Smart Electromechanical Systems. Group Interaction. Eds. Gorodetskiy Andrey E., Tarasova Irina L. / Studies in Systems, Decision and Control. - Springer International Publishing, 2019. - Vol. 174. - P. 77-90. - doi: 10.1007/978-3-319-99759-9_7.
  15. Москвин В.А. Риски инвестиционных проектов. - М.: Курс: ИНФРА-М, 2016. -320 с.
  16. Решетняк Е.И. Методы оценки инвестиционных рисков в бизнес-планировании // БIЗНЕС ИНФОРМ. - 2017. - №12. - С.189-194.
  17. Попова А.Ю. Оценка риска инвестиционного проекта. // Научный журнал КубГАУ. - 2006. - №19. - С. 73-98.
  18. Кулик Ю. А., Волович В. Н., Привалов Н. Г., Козловский А. Н. Классификация и качественная оценка рисков инновационных проектов // Записки Горного института. - 2012. - Т. 197. - С.124-128.
  19. Ведмедь И.Ю. Анализ количественных методов оценки рисков инвестиционных проектов// «Вероятностные математические модели экономических процессов»: XII конференция «Российские регионы в фокусе перемен»: Сборник трудов. - Екатеринбург, 2017. - С. 52-61.
  20. Королькова Е.М. Риск-менеджмент: управление проектными рисками. - Тамбов: ФГБОУ ВПО «ТГТУ», 2013. - 159 с.
  21. Миркин Б.Г. Проблема группового выбора. - М.: Наука, 1974. - 256 с.
  22. Соложенцев Е.Д. Управление риском и эффективностью в экономике: логико-вероятностный подход. - СПб.: Изд-во СПбГУ, 2009. - 242 с.
  23. Gorodetskiy, A.E., Tarasova, I.L., Kurbanov, V.G. Classification of Images in Decision Making in the Central Nervous System of SEMS / In: Smart Electromechanical Systems. Behavioral Decision Making. Eds. Andrey E. Gorodetskiy, Irina L. Tarasova / Studies in Systems, Decision and Control. - Springer Nature Switzerland AG, 2021. - Vol. 352. - P. 187-196. - DOI: http://doi/org/10.1007/978-3-030-68172-2-15
  24. Городецкий А. Е., Курбанов В. Г., Тарасова И. Л. Способ классификации изображений: Патент РФ № 2756778. Зарег. 05.10.2021.
  25. Городецкий А.Е., Тарасова И.Л. Нечеткое математическое моделирование плохо формализуемых процессов и систем. - СПб:. Изд-во Политехн. ун-та, 2010. - 335 c.
  26. Gorodetskiy, A.E., Tarasova, I.L., Kurbanov, V.G. Assessmentof UAV Intelligence Based on the Results of Computer Modeling/ In: Smart Electromechanical Systems. Eds. Andrey E. Gorodetskiy, Irina L. Tarasova / Studies in Systems, Decision and Control. - Springer Nature Switzerland AG, 2022. - Vol. 419. - P. 105-116. - DOI: http://doi/org/10.1007/978-3-030-97004-8_8.
  27. Жегалкин И.И. Арифметизация символической логики // Математический сборник. - 1928. - Т. 35. - Вып. 3-4. - С. 311-377.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».