МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
Архив статей журнала
Работа посвящена проблеме планирования маршрутов судов на акваториях с интенсивным движением. В условиях насыщенного трафика навигационная безопасность может быть обеспечена только при координации движения судов и реализации ими определенной схемы движения. В статье рассматривается задача планирования маршрута таким образом, чтобы он соответствовал практике судоходства, сложившейся в конкретном районе. Предлагаемый в работе метод планирования маршрутов основан на кластеризации данных о движении судов. Выделенные кластеры представляют собой области в трех- или четырехмерном фазовом пространстве с близкими значениями скоростей и курсов судов, на основе которых формируется граф возможных маршрутов. Особенностью подхода к построению графа является уменьшение числа вершин и ребер за счет моделирования выделенных кластеров охватывающими многоугольниками. В работе показано, что во многих случаях могут использоваться не только вогнутые, но и выпуклые многоугольники, что может дополнительно уменьшить мощность графа. В статье дается метрика расстояния между точками в фазовом пространстве, по которой ведется кластеризация данных, обсуждаются проблемы выбора параметров метрики и алгоритма кластеризации. Отмечается перспективность использования алгоритма DBSCAN. Работа сопровождается расчетами планируемых маршрутов судов на данных реальной акватории (Сангарский пролив). Приводятся результаты кластеризации данных о движении, выделения местоположения кластеров путем построения охватывающих многоугольников, вычисления маршрута судна. Отмечается, что рассматриваемая задача может быть актуальна в контексте перспективного развития автономного судовождения. В этом случае рассчитанный маршрут судна будет соответствовать движению других судов, находившихся на акватории ранее. Это позволит снизить вероятность возникновения опасных ситуаций при движении автономного судна в общем судопотоке.
Работа посвящена созданию аппаратно-программного прототипа беспилотного транспортного средства и изучению вариантов его архитектуры в попытке создать универсальное стандартное решение для такого типа устройств. Рассматривается задача управления беспилотником таким образом, чтобы имелась возможность гибкого переключения источников управляющих команд и алгоритмов управления. Для этого подсистемы генерации и исполнения управляющих команд связываются посредством очереди сообщений, что дает возможность комбинировать автономный и дистанционно управляемый режим работы беспилотника. Предлагается метод генерации управляющих команд при следовании объекта по программной траектории, основанный на нейронной сети. Входными данными сети являются координаты программной траектории и текущее состояние объекта, а выходными - управляющие воздействия. В работе описывается аппаратная и программная составляющая устройства автомобильного типа, архитектура системы его управления, структура нейронной сети, возможные подходы к ее обучению. Обсуждается создание обучающей выборки как на моделируемых, так и на реальных данных о движении, что позволяет беспилотному устройству «обучаться» разным стилям вождения. Приводятся результаты экспериментов с различными обучающими выборками, которые демонстрируют практическую применимость предложенного метода управления. Уделено внимание аспектам структуры нейронной сети, включая выбор количества слоев и нейронов. Указано на возможность использования «промежуточных» точек программной траектории для улучшения свойств движения объекта. В целом делается вывод о перспективности применения нейронных сетей в управлении беспилотниками, в тех случаях, когда требуется комбинирование и гибкое переключение алгоритмов управления.