Swarm Intelligence Algorithm of Traffic

Cover Page

Cite item

Full Text

Abstract

The problem of modeling the routes of self-driving vehicles in a traffic flow in which there are no collisions is being solved. A new swarm algorithm based on a microscopic model of traffic flow is proposed, which ensures the movement of agents without collisions. Changes in several optimality criteria during the operation of the algorithm are considered, such as: average speed of agents, throughput, number of lane changes. The boundaries of the effective values of the hyperparameters of the algorithm are estimated. At certain density parameters and push/pull coefficients in the traffic flow, free flow and an improvement in the values of the optimization criteria are observed.

About the authors

Olga P. Bobrovskaya

Surgut State University; Surgut Branch of the Research Institute for System Research of the Russian Academy of Sciences

Author for correspondence.
Email: o-bobrovskaya@mail.ru

Engineer; Teaching Assistant

Russian Federation, Surgut; Surgut

Taras V. Gavrilenko

Surgut State University; Surgut Branch of the Research Institute for System Research of the Russian Academy of Sciences

Email: taras.gavrilenko@gmail.com

Candidate of Technical Sciences, Associate Professor; Deputy Director

Russian Federation, Surgut; Surgut

Valery A. Galkin

Surgut State University; Surgut Branch of the Research Institute for System Research of the Russian Academy of Sciences

Email: val-gal@yandex.ru

Doctor of Physical and Mathematical Sciences, Professor of the Department of Applied Mathematics; Director

Russian Federation, Surgut; Surgut

References

  1. Kuznecov A.V. Kratkij obzor mnogoagentnyh modelej [Brief overview of multi-agent models]. Upravlenie bol'shimi sistemami: sbornik trudov [Large Systems Management: Proceedings]. 2018. V. 71. P. 6–44.
  2. Kravchenko P.S., Omarova G.A. Mikroskopicheskie matematicheskie modeli transportnyh potokov. Analiticheskij obzor [Microscopic mathematical models of traffic flows. Analytical review] // Problemy informatiki [Problems of Informatics]. 2014. V. 1. No 22. P. 24–31. URL: https://cyberleninka.ru/article/n/mikroskopicheskie-matematicheskie-modeli-transportnyh-potokov-analiticheskiy-obzor (accessed January 24, 2023).
  3. Chetverushkin B. N., Trapeznikova M. A., Furmanov I. R., Churbanov N. G. Makroi mikroskopicheskiye modeli dlya opisaniya dvizheniya avtotransporta na mnogopolosnykh magistralyakh [Macroand microscopic models for describing the movement of vehicles on multi-lane highways] // Trudy MFTI [Trudy MIPT]. 2010. V. 4. URL: https://cyberleninka.ru/article/n/makro-i-mikroskopicheskie-modeli-dlya-opisaniya-dvizheniya-avtotransporta-namnogopolosnyh-magistralyah (accessed January 31, 2023).
  4. Ma Z. at al. Performance assessment and exhaustive listing of 500+ nature-inspired metaheuristic algorithms. Swarm and Evolutionary Computation. 2023. V. 77. P. 101248.
  5. Himani K., Girdhar A. Swarm Intelligence and Flocking Behavior. IJCA Proceedings on International Conference on Advancements in Engineering and Technology (ICAET 2015). 2015. V. 10. P. 9–12.
  6. Kuliev E.V., Shcheglov S.N., Pantelyuk E.A., Kulieva N.V. Adaptivnyj algoritm stai seryh volkov dlya resheniya zadach proektirovaniya [An adaptive algorithm for a pack of gray wolves for solving design problems] // Izvestiya YUFU. Tekhnicheskie nauki [Izvestiya SFU. Technical science]. 2017. V. 7. No. 192. URL: https://cyberleninka.ru/article/n/adaptivnyy-algoritm-stai-seryh-volkov-dlya-resheniya-zadach-proektirovaniya (accessed January 31, 2023).
  7. Dyulicheva Yu.Yu. Algoritmy roevogo intellekta i ih primenenie dlya analiza obrazovatel'nyh dannyh [Swarm intelligence algorithms and their application for the analysis of educational data] // Otkrytoe obrazovanie [Open education]. 2019. V. 23. No 5. P. 33-43.
  8. Alalvan A.R.D., Lihuta V. I., Kislov L. S. Nekotorye aspekty ispol'zovaniya algoritma kukushki v obuchenii i upravlenii robotami [Some Aspects of Using the Cuckoo Algorithm in Teaching and Controlling Robots] // Nauka. Informatizaciya. Tekhnologii. Obrazovanie: Materialy XII mezhdunarodnoj nauchno-prakticheskoj konferencii [Science. Informatization. Technologies. Education: Proceedings of the XII International Scientific and Practical Conference]. 2019. P. 402–408.
  9. Lebedev B.K., Lebedev O.B., Lebedeva E.M. Raspredelenie resursov na osnove gibridnyh modelej roevogo intellekta [Resource distribution based on hybrid models of swarm intelligence] // Nauchno-tekhnicheskij vestnik informacionnyh tekhnologij, mekhaniki i optiki [Scientific and technical bulletin of information technologies, mechanics and optics]. 2017. V. 17(6). P. 1063-1073.
  10. Carmelo J. A. at al. A novel search algorithm based on fish school behavior. 2008 IEEE International Conference on Systems, Man and Cybernetics, Singapore. 2008. P. 2646–2651.
  11. Chastikova V.A., Druzhinina M.A., Kekalo A.S. Issledovanie effektivnosti algoritma poiska kosyakom ryb v zadache global'noj optimizacii [Investigation of the efficiency of the fish school search algorithm in the problem of global optimization] // Sovremennye problemy nauki i obrazovaniya [Modern problems of science and education]. 2014. V. 4. URL: https://science-education.ru/ru/article/view?id=14142 (accessed October 21, 2022).
  12. Chen J., Cai H., Wang W. A new metaheuristic algorithm: car tracking optimization algorithm. Soft Comput. 2018. V. 22. P. 3857–3878.
  13. Savsani P., Savsani V. Passing vehicle search (PVS): A novel metaheuristic algorithm. Applied Mathematical Modelling. 2016. V. 40. No 5–6. P. 3951–3978.
  14. Zhong Y., Lin J., Wang L., Zhang H. Discrete comprehensive learning particle swarm optimization algorithm with Metropolis acceptance criterion for traveling salesman problem. Swarm and Evolutionary Computation. 2018. V. 42. P. 77-88.
  15. Martynova Yu.A., Martynov Ya.A. Formalizaciya zadachi organizacii marshrutnyh setej gorodskogo passazhirskogo transporta [Formalization of the task of organizing route networks of urban passenger transport]. Internetjournal «NAUKOVEDENIE». 2014. V. 6.
  16. Santwana P., Anjali M. P., Kedar H. Traffic Management Using Swarm Intelligence and Route Selection Using Android Application. International Journal of Engineering and Innovative Technology (IJEIT). 2015. V. 5. No 6. P. 59-63.
  17. Teodorović D. Swarm intelligence systems for transportation engineering: Principles and applications. Transportation Research Part C. 2008. V. 16. No 6. P. 651–667.
  18. Walker P., Saman A. A., Chakraborty N., Lewis M., Sycara K. Human Control of Robot Swarms with Dynamic Leaders. IEEE International Conference on Intelligent Robots and Systems. 2014. P. 1108–1113.
  19. Virágh C. et al. Flocking algorithm for autonomous flying robots. Bioinspiration & Biomimetics. 2014. V.9. No 2. P. 025012.
  20. Altshuler Y. Recent Developments in the Theory and Applicability of Swarm Search. Entropy. 2023 V. 25. No 5. P. 710.
  21. Operators and functioning of FSS // Fish School Search (FSS Algorithm): сайт. – URL: https://fbln.me/fss/operators/operators/ (accessed April 21, 2023).
  22. Bobrovskaya O. P., Gavrilenko T.V., Galkin V. A. Model' transportnogo potoka, osnovannaya na vzaimodeystvii chastits s potentsialom deystviya [Transport flow model based on interaction of particles with action potential] // Vestnik KRAUNC. Fiz.-mat. Nauki [Bulletin of KRAUNC. Phys. math. Sciences]. 2022. V. 40. No 3. P. 72-87.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

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».