ARTIFICIAL INTELLIGENCE AND DECISION MAKINGARTIFICIAL INTELLIGENCE AND DECISION MAKINGИскусственный интеллект и принятие решений2071-859426974410.14357/20718594230406SJCXCNComputational IntelligenceВычислительный интеллектResearch ArticleSwarm Intelligence Algorithm of TrafficРоевой алгоритм транспортного потокаBobrovskayaOlga P.БобровскаяОльга Павловна
Russian Federation

Engineer; Teaching Assistant

инженер; ассистент

o-bobrovskaya@mail.ruGavrilenkoTaras V.ГавриленкоТарас Владимирович
Russian Federation

Candidate of Technical Sciences, Associate Professor; Deputy Director

кандидат технических наук, доцент кафедры автоматизированных систем обработки информации и управления; заместитель директора

taras.gavrilenko@gmail.comGalkinValery A.ГалкинВалерий Алексеевич
Russian Federation

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

доктор физико-математических наук, профессор кафедры прикладной математики; директор

val-gal@yandex.ruSurgut State UniversityСургутский государственный университетSurgut Branch of the Research Institute for System Research of the Russian Academy of SciencesСургутский филиал Научно-исследовательского института системных исследований РАН15122023458701211202412112024Copyright ©; 2023, ФИЦ ИУ РАНCopyright ©; 2023,2023ФИЦ ИУ РАНhttps://journals.rcsi.science/2071-8594/article/view/269744

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.

Решается задача моделирования маршрутов автопилотируемых транспортных средств в транспортном потоке, при котором отсутствуют их столкновения. Предлагается новый роевой алгоритм, основанный на микроскопической модели транспортного потока, обеспечивающий движение агентов без столкновений. Рассматривается изменение в процессе работы алгоритма нескольких критериев оптимальности, таких как: средняя скорость агентов, пропускная способность, количество перестроений. Оцениваются границы эффективных значений гиперпараметров алгоритма. При определенных параметрах плотности и коэффициентах отталкивания/притяжения в транспортном потоке наблюдаются свободный поток и улучшение значений критериев оптимизации.

swarm intelligenceswarm algorithmmicroscopic model of traffic flowagentfish school algorithmроевой интеллектроевой алгоритммикроскопическая модель транспортного потокаагенталгоритм косяка рыбThe publication was made within the framework of the state assignment of the Research Institute for System Research of the Russian Academy of Sciences (Implementation of fundamental scientific research GP 47) on the theme № 0580-2021-0007 ‘Development of methods of mathematical modelling of distributed systems and corresponding calculation methods’Публикация выполнена в рамках государственного задания ФГУ ФНЦ НИИСИ РАН (Выполнение фундаментальных научных исследований ГП 47) по теме № 0580-2021-0007 «Развитие методов математического моделирования распределенных систем и соответствующих методов вычисления»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.Кузнецов А.В. Краткий обзор многоагентных моделей // Управление большими системами: сборник трудов. 2018. № 71. С. 6–44.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).Кравченко П.С., Омарова Г.А. Микроскопические математические модели транспортных потоков. Аналитический обзор // Проблемы информатики. 2014. № 1 (22). С. 24–31.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).Четверушкин Б.Н. и др. Макрои микроскопические модели для описания движения автотранспорта на многополосных магистралях // Труды МФТИ. 2010. № 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.Ma Z. at al. Performance assessment and exhaustive listing of 500+ nature-inspired metaheuristic algorithms // Swarm and Evolutionary Computation. 2023. V. 77. P. 101248.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.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.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).Кулиев Э.В. и др. Адаптивный алгоритм стаи серых волков для решения задач проектирования // Известия ЮФУ. Технические науки. 2017. № 7 (192). С. 28–38.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.Дюличева Ю.Ю. Алгоритмы роевого интеллекта и их применение для анализа образовательных данных // Открытое образование. 2019. № 23 (5). С. 33–43.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.Алалван А.Р.Д., Лихута В. И., Кислов Л. С. Некоторые аспекты использования алгоритма кукушки в обучении и управлении роботами // Наука. Информатизация. Технологии. Образование: Материалы XII международной научно-практической конференции. 2019. С. 402–408.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.Лебедев Б.К., Лебедев О.Б., Лебедева Е.М. Распределение ресурсов на основе гибридных моделей роевого интеллекта // Научно-технический вестник информационных технологий, механики и оптики. 2017. № 17(6). С. 1063–1073.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.Carmelo J. A. at al. A novel search algorithm based on fish school behavior // 2008 IEEE International Conference on Systems, Man and Cybernetics. 2008. P. 2646-2651.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).Частикова В.А., Дружинина М.А., Кекало А.С. Исследование эффективности алгоритма поиска косяком рыб в задаче глобальной оптимизации // Современные проблемы науки и образования. 2014. № 4.Chen J., Cai H., Wang W. A new metaheuristic algorithm: car tracking optimization algorithm. Soft Comput. 2018. V. 22. P. 3857–3878.Chen J., Cai H., Wang W. A new metaheuristic algorithm: car tracking optimization algorithm // Soft Comput. 2018. V. 22. P. 3857–3878.Savsani P., Savsani V. Passing vehicle search (PVS): A novel metaheuristic algorithm. Applied Mathematical Modelling. 2016. V. 40. No 5–6. P. 3951–3978.Savsani P., Savsani V. Passing vehicle search (PVS): A novel metaheuristic algorithm // Applied Mathematical Modelling. 2016. V. 40. No 5–6. P. 3951–3978.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.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.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.Мартынова Ю.А., Мартынов Я.А. Формализация задачи организации маршрутных сетей городского пассажирского транспорта // Интернет-журнал «НАУКОВЕДЕНИЕ». 2014. № 6.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.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.Teodorović D. Swarm intelligence systems for transportation engineering: Principles and applications. Transportation Research Part C. 2008. V. 16. No 6. P. 651–667.Teodorović D. Swarm intelligence systems for transportation engineering: Principles and applications // Transportation Research Part C. 2008. V. 16. No 6. P. 651–667.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.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.Virágh C. et al. Flocking algorithm for autonomous flying robots. Bioinspiration & Biomimetics. 2014. V.9. No 2. P. 025012.Virágh C. at al. Flocking algorithm for autonomous flying robots // Bioinspiration & Biomimetics. 2014. V. 9. No. 2. P. 025012.Altshuler Y. Recent Developments in the Theory and Applicability of Swarm Search. Entropy. 2023 V. 25. No 5. P. 710.Altshuler Y. Recent Developments in the Theory and Applicability of Swarm Search // Entropy. 2023. V. 25. No 5. P. 710.Operators and functioning of FSS // Fish School Search (FSS Algorithm): сайт. – URL: https://fbln.me/fss/operators/operators/ (accessed April 21, 2023).Operators and functioning of FSS // Fish School Search (FSSAlgorithm): сайт – URL: https://fbln.me/fss/operators/operators/ (дата обращения: 21.04.2023).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.Бобровская О.П., Гавриленко Т.В., Галкин В.А. Модель транспортного потока, основанная на взаимодействии частиц с потенциалом действия // Вестник КРАУНЦ. Физ.-мат. науки. 2022. Т. 40. № 3. C. 72–87.