Научный архив: статьи

Статья описывает применение технологии сценарного прогнозирования на основе когнитивного моделирования для оценки вариантов развития объектов городской среды, относящихся, в том числе, к культурному наследию. Приводятся особенности управления имущественным комплексом и территорией муниципальных образований, требующего учета широкого спектра исходных данных о состоянии объектов территории. Сформулированы основные причины, обусловливающие разрушение культурно-исторических объектов. Определены факторы эффективности проведения реставрационных мероприятий. Представлена когнитивная модель развития реставрационных проектов, на основе которой рассмотрен ряд сценариев по преобразованию объекта городской среды, позволяющих оценить эффективность предлагаемых мероприятий.

Статья описывает разработанный алгоритм расчета параметров, необходимых для классификации застройки на морфотипы в соответствии с методикой Space Matrix, представленной в работе Space, Density and Urban Form, для классификации городской застройки и последующего изучения ее функциональных возможности с решением задач в различные эволюционные периоды развития отдельных урбанизированных территорий. Использование QGIS позволит применять указанный алгоритм для широкого круга лиц и оптимизировать временные затраты на расчет различных характеристик.

В статье рассмотрены вопросы анализа организации городского пространства для оценки его способности обеспечить потребности жителей и выполнение требуемых функций. Исследуются подходы к оценке качества урбанизированной территории с акцентом на подходах к оценке территориальной доступности и уровня обеспеченности территории какими-либо объектами, а также к оценке плотности объектов на единицу площади или населения. Рассмотрены проблемы структуризации урбанизированной территории для задач анализа ее обеспеченности на основе административных границ, регулярных сеток квадратов, гексагонов или треугольников или по элементам планировочной структуры города (кварталы, микрорайоны, земельные участки, здания и др.). Предложена иерархическая модель урбанизированного пространства, представленная в виде трех систем: уличные блоки, земельные участки и здания.

В статье проанализированы современные тенденции применения технологий виртуализации в музейно-выставочной сфере. Описывается разработка концепции программно-информационного решения для создания цифровой экспозиции объектов территории, предполагающей создание трехмерных интерактивных моделей локаций, включающих культурно-исторические памятники и их контекстное окружение. Предложена программная архитектура проекта цифровой экспозиции, подход к выбору объектов виртуального показа и формированию дополнительного пользовательского опыта. Продемонстрирована реализация нескольких связанных виртуальных сцен на основе достопримечательностей Волгоградской области: Лютеранской церкви XIX в. в селе Верхний Еруслан и Верхнеерусланского шлюзового моста через реку Еруслан в Старополтавском районе. Показаны этапы создания 3D-моделей центральных объектов экспозиции, прочих компонентов, их локаций, а также интерактивного функционала сцен.

В настоящей статье рассматриваются аспекты применения методов машинного обучения к существующим способам моделирования поведения интеллектуальных агентов для обеспечения возможности агентам повысить показатели своей эффективности в моделях конкуренции. Практическая значимость исследования представлена разработкой подхода к моделированию поведения интеллектуальных агентов, за счет которого можно повысить эффективность их функционирования в таких сферах деятельности, как компьютерные игры, разработка беспилотных летательных аппаратов и поисковых роботов, изучение городской и транспортной мобильности, а также в прочих сложных системах. Проведен обзор существующих методов машинного обучения (обучение с подкреплением, глубокое обучение, Q-обучение) и способов моделирования поведения агентов (модель на правилах, конечно-автоматная модель поведения, деревья поведения). Выбрана наиболее подходящая к задаче комбинация метода обучения и модели поведения: деревья поведения и обучение с подкреплением. Средствами Unity реализована тестовая платформа, разработаны модели поведения четырех основных архетипов агентов, которые должны соревноваться в задаче сбора ресурсов в условиях ограниченного времени. Реализован обученный агент с помощью средств Unity ML и TensorFlow. На базе тестовой платформы проведена серия экспериментов в различных условиях: ограниченность, изобилие, среднее количество ресурсов. В рамках эксперимента тестировалась способность разработанной модели поведения интеллектуального агента выигрывать в условиях конкуренции с агентами, снабженными различными вариантами традиционных моделей поведения на базе деревьев поведения. Оценены работоспособность и преимущества использования разработанной модели поведения. Проанализированы результаты эксперимента, сделаны выводы относительно потенциала выбранной комбинации методов.