Поделиться
В Петербургском Политехе создают цифровую платформу для интеллектуального управления транспортом будущего
Исследователи Санкт-Петербургского политехнического университета Петра Великого (СПбПУ) представили прототип цифровой платформы для анализа данных транспортных систем с применением гибридного искусственного интеллекта. Разработка, получившая название «Поланис», призвана стать гибким инструментом для принятия решений по развитию и управлению транспортной инфраструктурой, включая внедрение высокоавтоматизированных видов транспорта. Внедрение платформы в городское хозяйство в будущем позволит сокращать время в пути и снижать экологическую нагрузку от транспорта. Исследование выполняется в рамках реализации федеральной программы «Приоритет-2030». Об этом CNews сообщили представители СПбПУ.
В современном мире, пронизанном разнообразными транспортными сетями, все острее становится проблема как оперативного управления транспортными потоками, так и планирования развития транспортных систем. Это особенно актуально с учетом повсеместного появления высокоавтоматизированных и беспилотных видов транспорта. Для того, чтобы транспортная система работала как часы и оперативно подстраивалась под динамичные изменения (например, на ДТП, стихийные заторы или плановый ремонт дорог), отрасли нужен диспетчер по аналогии с авиационным. С учетом огромного количества персональных автомобилей, а также множества различных видов общественного транспорта роль диспетчера может взять на себя только специализированная программа, способная обрабатывать десятки и сотни тысяч различных сигналов каждую секунду. Такую систему разрабатывают ученые Петербургского Политеха.
Исследователи презентовали демонстрационный прототип платформы «Поланис». Она включает в себя модули оптимизации имитационных моделей транспортных систем с применением технологий искусственного интеллекта, генерации обучающих выборок для машинного обучения на базе имитационных моделей транспортных систем. Платформа на основе гибридного искусственного интеллекта и данных геоинформационных систем способна проводить глубокий анализ больших данных транспортных систем и оптимизировать транспортные потоки. Разработка также обладает системой поддержки принятия решений по развитию дорожной инфраструктуры, в том числе в сложных климатических условиях.
«Особенность предлагаемого нами подхода в комбинации взаимодополняющих методов анализа больших массивов данных. Каждый, кто хоть раз использовал нейросети, мог заметить, что искусственный интеллект может ошибаться и генерировать ошибочную информацию. В нашей же системе использованы имитационно-обоснованные нейронные сети – подход, аналогичный PINN (физически-информированные нейронные сети). Это означает, что логика поведения платформы задана разработанной нами имитационной моделью. Она не позволяет платформе предлагать нереалистичные сценарии управления, т.е. нарушать реально существующие «физические законы». Нейросетевой же компонент позволяет системе видеть статистические важные совпадения в большом массиве данных. Благодаря этому платформа с минимальными вычислительными мощностями анализирует данные, а также предугадывает транспортную обстановку. Также система постоянно самообучается», — сказала руководитель проекта, заведующий лабораторией «Промышленные системы потоковой обработки данных» Передовой инженерной школы «Цифровой инжиниринг» Марина Болсуновская.
Платформа «Поланис» предназначена для комплексного планирования развития транспортных систем городов и регионов. Ее внедрение позволит повысить качество транспортного обслуживания населения, сократить время в пути и снизить экологическую нагрузку. По сравнению с аналогами разработка обладает преимуществами в возможности обработки мультимодальных данных из различных источников и их объединения в общую геоинформационную базу, а также наличием функций предиктивной и прескриптивной аналитики. Точность определения координат объектов дорожной обстановки системой достигает пяти см, а вероятность их детектирования — до 0,95.
Важной особенностью проекта является его масштабируемость и кросс-отраслевой потенциал. Ключевая идея ученых — создание универсальной цифровой платформы-экосистемы для управления цифровыми моделями в различных отраслях. Помимо транспорта, платформа тестируется для решения задач в энергетике, нефтегазовой отрасли, биомедицине и сейсморазведке. В перспективе планируется интеграция на платформу цифровых моделей для этих и других областей. Также результаты исследований будут использованы при разработке национальных стандартов в сфере ИИ.
Поделиться
Короткая ссылка
