УДК: 004.89
https://doi.org/10.25198/2077-7175-2022-6-69
ИНТЕЛЛЕКТУАЛЬНАЯ МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ИНТЕНСИВНОСТИ ДВИЖЕНИЯ ТРАНСПОРТНЫХ СРЕДСТВ НА ПЕРЕКРЕСТКЕ
И. П. Болодурина1, Л. М. Анциферова2, Л. С. Гришина3
Оренбургский государственный университет, Оренбург, Россия
1 e-mail: ipbolodurina@yandex.ru
2 e-mail: antsiferova_68@mail.ru
3 e-mail: grishina_ls@inbox.ru
Аннотация. Активное развитие парка транспортных средств способствует увеличению загруженности транспортных сетей и требует построения новых систем определения мест перегрузки, а также разработки способов разрешения сложившихся проблем. Особое место в данной области занимает ранняя оценка состояния транспортных сетей, которая позволяет своевременно принять меры по их модификации. В связи с этим, исследования в области прогнозирования основных показателей транспортного потока с целью выявления перегрузок транспортных сетей приобрели высокую актуальность. Использование технологий интеллектуального анализа данных, включая методы многомерной линейной регрессии, позволят построить прогнозные модели для исследования характеристик транспортного потока. Цель исследования. Построить модель прогнозирования интенсивности движения на перекрёстке методами машинного обучения для эффективного принятия решений при управлении транспортным потоком. Научная новизна данного исследования заключается в разработке модели многомерной регрессии для прогнозирования интенсивности движения с учетом контроля переобучения на основе открытых данных о наблюдениях за количеством транспортных средств на четырех различных участках перекрёстка. Методы. Для прогнозирования интенсивности движения транспортного потока использована модель многомерной линейной регрессии. В качестве методов повышения эффективности прогнозирования использованы подходы к регуляризации Ridge, Lasso и ElasticNet. Результаты. Построена модель прогнозирования интенсивности движения транспортного потока. В рамках экспериментального исследования проведена оценка эффективности применения методов регуляризации, а также сравнительный анализ точности прогнозирования модели на основе исходных и нормализованных данных. Заключение. Наименьшую среднеквадратичную ошибку на тестовых данных показала модель многомерной линейной регрессии с регуляризацией Ridge. Разработанная модель позволяет спрогнозировать количество транспортных средств, проходящих в единицу времени. Полученные результаты позволят заранее выявлять места транспортной сети с повышенной нагрузкой для оптимизации движения транспортных средств на различных перекрестках УДС. Результаты проведенного исследования имеют высокую практическую значимость, так как могут быть внедрены в существующие системы управления дорожным движением для эффективного принятия решений при управлении транспортным потоком. Направление будущих исследований включает в себя практическую апробацию прогнозной модели в реальных условиях, а также рассмотрение ансамблевых методов машинного обучения для повышения точности при прогнозировании основных показателей транспортного потока.
Ключевые слова: транспортный поток, интенсивность движения, системы управления дорожным движением, методы машинного обучения, многомерная линейная регрессия, регуляризация.
Благодарности: работа выполнена при поддержке гранта Российского фонда фундаментальных исследований (№ 20-07-01065 «А»), а также стипендии Президента Российской Федерации для молодых ученых и аспирантов (№ СП-3652.2021.5).
Для цитирования: Болодурина И. П., Анциферова Л. М., Гришина Л. С. Интеллектуальная модель прогнозирования интенсивности движения транспортных средств на перекрестке // Интеллект. Инновации. Инвестиции. — 2022. — № 6. — С. 69–78, https://doi.org/10.25198/2077-7175-2022-6-69.
