автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Модели, методы и программные средства построения сложных адаптивных систем дорожного движения

Алюшин Сергей Александрович

МОДЕЛИ, МЕТОДЫ И ПРОГРАММНЫЕ СРЕДСТВА ПОСТРОЕНИЯ СЛОЖНЫХ АДАПТИВНЫХ СИСТЕМ ДОРОЖНОГО ДВИЖЕНИЯ

05.13.11 - математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей

05.13.01 - системный анализ, управление и обработка информации (в информационных системах)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва - 2011 г.

4843553

Работа выполнена в Национальном исследовательском ядерном университете «МИФИ».

Научный руководитель:

кандидат технических наук, доцент Ильинский Николай Иванович

Официальные оппоненты:

доктор технических наук, профессор Хорошевский Владимир Фёдорович, Учреждение Российской академия наук Вычислительный центр им A.A. Дородницына РАН

кандидат технических наук, доцент Тарасов Валерий Борисович, Московский государственный технический университет имени Н.Э. Баумана

Ведущая организация:

Федеральное государственное унитарное предприятие «Государственный научно-исследовательский институт авиационных систем»

Защита диссертации состоится "21" февраля 2011 г. в 15 часов 00 минут на заседании диссертационного совета Д 212.130.03 в Национальном исследовательском ядерном университете «МИФИ» по адресу: 115409, г. Москва, Каширское шоссе, 31.

С диссертацией можно ознакомиться в библиотеке НИЯУ МИФИ.

Отзывы на автореферат, заверенные гербовой печатью организации, просьба направлять по указанному адресу в двух экземплярах не позднее, чем за две недели до защиты.

Автореферат разослан '¡НО " января 2011 г.

Ученый секретарь диссертационного совета д.т.н., профессор

О

Леонова Н.М.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования

В настоящее время во всех экономически развитых странах, в том числе и в России, интенсивно развивается индустрия по разработке компьютерных тренажеров для самых различных областей промышленности и техники. Не стало исключением и автомобильное направление, что отражается в Федеральной целевой программе по повышению безопасности дорожного движения в 2006-2012. Эта программа предлагает следующие мероприятия, так или иначе связанные с компьютерными тренажерами: разработка тренажеров для образовательных учреждений, оснащение современным оборудованием федеральных образовательных учреждений, оснащение тренажерной техникой для профессионального тренинга водителей и др. Дополнительным стимулом к развитию отрасли является программа, разработанная ГИБДД и Минобрнауки РФ, по увеличению числа часов обучения на тренажерах при подготовке водителей легковых автомобилей. Все это связано с дорожным движением, характеризующимся растущей сложностью дорожной обстановки, возросшей стоимостью дорожно-транспортных происшествий и недостаточным уровнем подготовки водителей.

Системы имитации, в которых дорожное движение присутствует в качестве объекта моделирования, варьируются по применяемым подходам и парадигмам, лежащим в основе разрабатываемых моделей. При этом выбор последних напрямую зависит от области применения получаемых результатов моделирования.

К настоящему моменту разработано множество моделей для решения различных задач в области имитации дорожного движения. Традиционно модели дорожного движения классифицируются по уровню детализации на макроскопические, микроскопические и мезоскопические. Отнесение модели к одному из классов определяет возможные области ее применения. В макроскопических моделях дорожное движение представляется в виде потока частиц. Такие модели оперируют агрегированными данными и позволяют исследовать характеристики дорожного потока на участках большой площади. В микроскопических моделях транспортные потоки образуются в результате взаимодействия отдельно моделируемых участников дорожного движения. Эти модели обеспечивают детальную имитацию передвижений и поведения участников движения. В мезоскопических моделях отдельные участники дорожного движения представляются на высоком уровне детализации, а их поведение и взаимодействия описываются на низком уровне. Основным применением таких моделей служат области, требующие микроскопического представления участников движения на территориях с большой площадью.

Применение микроскопических моделей обеспечивает в высокой степени точную имитацию динамики и поведения участников дорожного движения. Основной областью применения детальной имитации отдельных участников движения с их последующей визуализацией являются тренажеры вождения.

Проведенные в данной работе исследования показывают, что на применение микроскопических моделей в обучающих системах реального времени накладываются дополнительные требования по реалистичности. Существующие методы имитации динамической дорожной обстановки позволяют эффективно решать только отдельные задачи данной области, не принимая во внимание необходимость одновременного удовлетворения двум взаимосвязанным критериям производительности и реалистичности.

Представление имитируемой системы реального мира в виде сложной адаптивной системы (САС) позволяет разработчику применить агентно-ориентированный подход (АОП). Поведение полученной многоагентной системы определяется свойствами САС и имитируется с помощью компьютерного моделирования на основе построенных агентных моделей.

В работе для решения поставленной задачи дорожное движение рассматривается как САС, а агентно-ориентированный подход и клеточные автоматы (КА) используются для построения микроскопических и мезоскопических моделей соответственно. Данный подход направлен на обеспечение моделирования, удовлетворяющего ключевым показателям реалистичности и производительности.

Объект и предмет исследования. Объектом, исследования является построение сложных адаптивных систем дорожного движения. Предметом исследования являются модели автономных адаптивных агентов, их архитектура и методы взаимодействия, применяемые для построения имитационных систем. Построение моделей и методов рассматривается с точки зрения их применения в тренажерных системах с визуализацией в режиме реального времени.

Целью диссертационной работы является разработка моделей, методов и программных средств построения сложных адаптивных систем дорожного движения. Использование результатов исследования должно обеспечить моделирование поведения самоорганизующихся систем (дорожного движения) при применении в приложениях, критичных с точки зрения вычислительных ресурсов и реалистичности моделируемого поведения.

Для достижения цели в работе решены следующие задачи:

• исследованы современные методы и средства имитации поведения САС, существующие системы моделирования поведения дорожного движения в тренажерных системах и их характеристики;

• предложены требования для оценки пригодности системы имитации поведения САС в тренажерных системах;

• разработана модель представления адаптивного агента и среды его функционирования, удовлетворяющие определенным выше требованиям;

• разработаны методы взаимодействия агентов и методы разрешения конфликтов при имитации дорожного движения;

• разработана имитационная система, осуществляющая компьютерное моделирование поведения САС при имитации дорожного движения в тренажерах вождения;

• экспериментально проверены разработанные модели, методы и программные средства.

Методы исследования. При разработке математического обеспечения в работе использованы методы искусственного интеллекта в теории агентов, имитационного моделирования, теории графов, теории клеточных автоматов и теории сложных систем. При разработке программного обеспечения используются методы объектно-ориентировашюго программирования, методы программирования в распределенных вычислительных системах, функционирующих в режиме реального времени, технология разработки программного обеспечения и шаблоны проектирования.

Научная новизна работы заключается в следующем:

1. Предложена оригинальная модель автономного адаптивного агента, удовлетворяющая предложенным требованиям применимости в тренажерах вождения.

2. Предложен комплексный подход к построению системы имитации сложной адаптивной системы, основанный на интеграции агентно-ориентированного подхода и моделей на основе клеточных автоматов.

3. Разработаны модели поведений агента при имитации системы дорожного движения.

4. Предложен метод определения и разрешения конфликтов на основе прогнозируемых пространственно-временных характеристик агентов.

5. Разработано программное обеспечение на базе предложенных моделей, позволяющее имитировать дорожное движение с реалистичными характеристиками.

Достоверность результатов обеспечивается подтверждением теоретических результатов экспериментальными данными, разработанной и практически реализованной системой имитации дорожной обстановки, публикацией результатов в печати, апробацией на научно-технических конференциях и семинарах, а также внедрением результатов в практическую деятельность организаций, занимающихся подготовкой водителей транспортных средств.

Практическая значимость. Разработанные модели и методы построения сложных адаптивных систем со свойством самоорганизации позволяют моделировать поведение сложных систем реального мира при использовании в приложениях, критичных к вычислительной сложности и реалистичности восприятия.

Реализация результатов диссертации. Результаты, полученные в работе, были реализованы в виде "Системы моделирования дорожного движения" (свидетельство о государственной регистрации программы для ЭВМ № 2008610186). Внедрение данной системы производилось в ряде тренажерных систем, таких как:

• комплекс тренажеров ЛиАЗ-5256/6212, установленный в ГУЛ "Мосгортранс" (свидетельство о государственной регистрации программы для ЭВМ № 2008610185 и патент на полезную модель №70981);

• тренажеры ВАЗ-2110 (РОСТО (ДОСААФ));

• тренажеры Урал-4320, (минская военная академия Республики Беларусь);

• тренажеры KAMA3-4350/5350 (РОСТО (ДОСААФ), свидетельство о государственной регистрации программы для ЭВМ №2008615052);

• комплекс тренажеров ВАЗ-2110 (Федеральной службы охраны РФ).

Основные научные результаты, выносимые па защиту:

1. Обобщенная архитектура автономного адаптивного агента, удовлетворяющая сформулированным требованиям в части спецификации агента как составного элемента системы имитации.

2. Комплексный подход к имитации дорожного движения на основе интеграции агектно-ориентированного подхода и моделей на основе клеточного автомата.

3. Модели поведений агента в рамках предложенной абстрактной архитектуры агента при имитации поведения системы дорожного движения.

4. Метод определения и разрешения конфликтов на основе прогнозируемых пространственно-временных характеристик агентов.

5. Программная реализация системы моделирования реалистичного дорожного движения в режиме реального времени.

Апробация результатов. По теме диссертации сделаны доклады на следующих семинарах и конференциях:

• Научные сессии МИФИ 2005-2010 (г. Москва, 2005-2010 гг.).

• XV-XVII1 Международные научно-технические семинары "Современные технологии в задачах управления, автоматизации и обработки информации" (г. Алушта, 2006-2009 гг.).

• III Международная научно-практическая конференция "Информационные технологии в образовании, науке и производстве" (г. Серпухов, 2009 г.).

• VII Курчатовская молодежная научная школа (г. Москва, 2009 г.).

• IV Научно-практическая конференция "Совершенствование системы подготовки и допуска водителей к участию в дорожном движении -важнейшая составная часть в обеспечении безопасности дорожного движения" (г. Москва, 2009 г.).

• Научно-практическая конференция на тему "Новые требования к автошколам и совершенствование системы подготовки водителей" (НИИАТ, г. Москва, 2009 г.).

• I Всероссийский молодежный инновационный конвент (г. Москва, 2008 г.).

Практические результаты исследований были представлены на следующих выставках:

• XI-XII Международный салон промышленной собственности "Архимед" (Москва, 2008-2009 гг.).

• IX-X Международная выставка "Высокие технологии XXI века" (Москва, 2008-2009 гг.).

• Международный салон вооружения и военной техники (Москва, 2008г.).

• XIV Московская промышленная выставка (Москва, 2008г.).

• Международный автотранспортный форум 2008 (Москва, 2008г.).

• Дни Москвы в республике Башкортостан (Уфа, 2008г.).

• I Всероссийский молодежный инновационный конвент (Москва, 2008г.).

• Проект "Фабрика мысли" телеканал 'ТВ Центр" (Москва, 2009г.).

• IX Московский международный салон инноваций и инвестиций (Москва, 2009г.).

• Выставка "Инновационный потенциал южного административного округа г. Москвы" (Москва, 2009г.).

• Выставка Всероссийской научно-практической конференции АНО "Научно-методический центр подготовки водителей" (Москва, 2009г.).

• IX Всероссийская выставка научно-технического творчества молодежи НТТМ-2009 (Москва, 2009г.).

Публикации. Основные научные результаты диссертации опубликованы в 27 научных работах, в том числе 7 работ в журналах, включенных ВАК РФ в перечень ведущих рецензируемых изданий.

Структура и объем работы. Диссертация содержит четыре главы, введение и заключение, 93 рисунка, 7 таблиц, 2 приложения. Общий объем без приложений: 145 с. Список использованных источников содержит 150 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении дано обоснование актуальности, определены цели и задачи работы.

В первой главе поставлена задача имитации системы дорожного движения в тренажерах вождения. Показано, что одним из основных факторов, влияющим на реалистичность восприятия дорожного движения является поведение компьютерно-управляемых объектов, в частности, их взаимодействие друг с другом. Обоснованы и сформулированы основные

требования, которым должны удовлетворять системы имитации дорожного движения, показано покрытие существующими моделями и системами сформулированных требований, выявлены недостатки существующих моделей и систем.

Из проведенного анализа следует, что существующие в настоящее время системы моделирования дорожного движения не в полной мере удовлетворяют сформулированным требованиям. Реализация указанных требований должна основываться на новых подходах, эффективных вычислительных процессах, которые позволили бы моделировать большое количество разнородных объектов с детализированным представлением агентов в реальном масштабе времени и повышали бы реалистичность поведения (взаимодействия), в частности, в случаях неформального поведения и адаптивности к действиям обучаемого.

Показано, что дорожное движение является САС и предложено при его моделировании использовать аппарат теории САС. Из анализа свойств САС следует, что внутренняя структура элемента САС и правила взаимодействия элементов САС между собой являются основными для определения поведения САС, реализации реалистического поведения имитируемого дорожного движения, в частности самоорганизации движения.

Эффективный вычислительный процесс при моделировании поведения

САС целесообразнее организовать с использованием агентно-

ориентированного подхода. Данный подход позволяет использовать

компьютерные системы и распределенные вычислительные сети различной

конфигурации и вычислительной мощности в зависимости от уровня

сложности моделируемой САС. Дня оценки уровня сложности САС в работе

■(го /.(«)

введена относительная мера сложности Clyll = /(/»(£,),«(/,), J]G, ^Oi), где

Ы> Ы)

п(Е) - количество элементов системы; п(1) - количество связей между элементами системы; Ci - сложность i-ro элемента системы; Сг; - сложность i-ой связи системы.

В качестве примера для САС дорожного движения микрорайона Северное Чертаново и г. Москвы полученные оценки сложности составляют соответственно: ciJtl = /(Ю'ДО'ДО'ДО7), C[>s2=/(106,10,)107,10").

Предложено использовать также термодинамическую меру сложности, как величину обрабатываемой системой информации в каждый момент времени.

Выделены основные свойства, которыми должен обладать агент дорожного движения, как элемент САС:

- Взаимодействие со средой. Восприятие среды при помощи сенсоров и воздействие на нее посредством своих исполнительных механизмов.

- Мотивация на основе целей. При функционировании в среде агент пытается достичь поставленные цели. Эти цели могут выглядеть различным

образом: достижение локальных или конечных состояний, максимизация своей полезности или удержание своего состояния в желаемых рамках.

- Интеллект агента. Возможность агента обрабатывать информацию и вырабатывать действия на основе локальной информации.

- Адаптивная динамика. Способность агента адаптироваться к изменяющейся среде посредством умения ассоциировать действия с текущей ситуацией и/или посредством прогнозирования будущих состояний.

Выделены свойства системы дорожного движения как среды функционирования агентов: частично наблюдаемая, стохастическая, последовательная, динамическая, непрерывная, многоагентная. В частности показано, что дорожное движение является распределенной в пространстве и времени С АС.

Анализ известных BDI (Belief-Desire-Intension), гибридных и реактивных архитектур агентов показал, что выделенные свойства агента могут быть реализованы на основе реактивной модели при соответствующей доработке последней.

Наиболее значимыми для агентов являются локальные связи и локальные взаимодействия как в текущий момент времени, так и в ближайший будущий интервал времени. На основе данного утверждения предложен эффективный подход к организации вычислений в рамках агентно-ориентированного подхода, основанного на применении модели клеточного автомата.

Рассмотрены методы взаимодействия агентов в САС. Метод неявного взаимодействия агентов обеспечивает высокую с точки зрения вычислительных ресурсов производительность системы. Проанализированы известные методы разрешения конфликтов в многоагентной системе имитации дорожного движения.

Во второй главе описаны теоретические основы построения системы имитации САС дорожного движения.

Предложена модель обобщенной архитектуры агента как составного элемента САС (см. рис. 1). Данная модель агента отличается от известных дополнительными функциональными блоками для реализации основных требований, предъявляемых к имитации САС в режиме реального времени. Данная модель включает следующие основные функции.

Функция наблюдения за средой see учитывает выработанные предположения при следующей итерации наблюдения: see: Е X Fut —» Per, где Е - множество состояний среды, Fut - множество будущих состояний агента, Per - множество перцепций.

Функцию next, которая отображает внутреннее состояние I и перцепции Per на внутреннее состояние: next: I х Per —¥ I.

Pispalcher

—^ resolve ^

Ae

"Л m Per

■c

see

Fut

forecast

J

desACri

у

±У

desAcr>

-4

>

Рис. 1. Обобщенные архитектуры агента Ag, среды функционирования Env, централизованного объекта Dispatcher.

Функцию forecast, которая на основе текущего состояния объекта строит предположение о его будущих пространственно-временных характеристиках: forecast: I —> Fat.

■ Введено понятие фактора среды F; = < Or, Рп >, где F| - фактор i-ro поведения агента, Or с; О - объекты i-ro фактора, PF; с Р - свойства объектов i-ro фактора.

Поведение агента на фактор F; будет записываться в виде: actionF;: Ir desAcpf, где Ir £ I - внутренние состояния агента, содержащие информацию об i-ом факторе; desAcFi - желаемое действие агента на фактор

Fi.

Функция control вырабатывает желаемое контролируемое действие desAcc на основе текущего состояния агента I и множества желаемых состоянийGc: control: IхGc—>desAcc.

N

Функция выбора текущего действия select: (J des Ас п —> Ac.

Пробег агента в среде г - есть последовательность чередующихся состояний среды и действий агента. Множество всех возможных пробегов агента Ag в среде Env есть R(Ag, Env). lF - предикатная спецификация. *Р(г) обозначает, что пробег re R удовлетворяет

Задача функционирования агента в среде формулируется как задача достижения цели при условии соблюдения ограничений и записывается в

виде: существуют множества G с Е и В с Е такие, что Щг) истинно тогда и только тогда, когда существует ее G такое, что е е г и для любого Ъ а В мы имеем Ъ <Zr для любого reR(Ag, Env).

На основе предложенной модели разработан механизм неявного взаимодействия двух агентов. В рассматриваемом случае действия, выполняемые одним агентом над внешней средой, становятся доступны для восприятия второму агенту.

Предложенная обобщенная архитектура агента для решения задачи имитации дорожного движения позволяет реализовать множество различных поведений агента (следования, перестроения, обгона по встречной, соблюдения управляющих сигналов, соблюдения разметки, следования по маршруту). Выбор результирующего воздействия осуществляется на основе приоритетов, вырабатываемых каждым поведением. Для определения приоритетов в конфликтных ситуациях предложен метод разрешения конфликтов в многоагентной системе имитации дорожного движения, основанный на имеющихся прогнозируемых пространственно-временных характеристиках, построенных с помощью линейной интерполяции и который характеризуется сложностью 0(пг), где п - количество агентов, участвующих в конфликте. Данный подход является предпочтительнее известных методов со сложностью 0(п3).

Реализация механизма разрешения конфликтов в многоагентной системе, основанной на предложенной обобщенной архитектуре агента с неявным взаимодействием, определяет необходимость использования централизованного управления для координации действий участников дорожного движения в конфликтных ситуациях. Предлагается в многоагентной системе внести централизованный объект - диспетчер, доступный для взаимодействия со всеми агентами (см. рис. 1). При определении возникновения конфликтной ситуации на основе пересечения будущих пространственно-временных характеристик агент запрашивает разрешение конфликта у диспетчера. Основной функцией диспетчера является resolve, которая на основе текущего состояния среды Е, множества правил Rui и будущей пространственно-временной характеристики агента Fut вырабатывает множество Res, задающее относительные приоритеты агентов друг над другом: resolve: Е X Fut X Rui —» Res.

Выработанные приоритеты используются агентом при пересчете своего состояния: next: I х Per х Res —» I.

Проведена оценка сложности Q7S функционирования разработанной

системы в режиме реального времени: fc (m,v,At,R,q) = 0

Íí> 1=1 ■V-R1-q

Ы

где

m — количество значимых поведении агента; w¡ — алгоритмическая сложность

обработки одного объекта ьм поведением; у - средняя скорость движения потока участников дорожного движения для всех зон интереса; Д1 - время пересчета одного агента; К - радиус зоны интереса; ч - количество зон интереса.

Показано, что изменение любого из параметров не позволяет сократить сложность системы, без потери реалистичности системы. Это определяет необходимость разработки новых подходов к моделированию, позволяющих имитировать большое количество динамических объектов в режиме реального времени в условиях ограниченных вычислительных ресурсов.

Предлагается комплексный подход к имитации САС, основанный на интеграции микроскопических и мезоскопических моделей на основе клеточного автомата. Он позволяет осуществить моделирование большего числа компьютерно-управляемых объектов при одних и тёх же вычислительных ресурсах.

В качестве модели для имитации пешеходных потоков на основе клеточного автомата предлагается использовать одноклеточную модель на основе регулярной шестиугольной решетки. Это позволяет обеспечить большее число возможных направлений движения пешеходов и как следствие более естественные перемещение агентов на плоскости.

Оценкой динамической сложности клеточного автомата Сса является:

Гс {т,г,М) = 0

Д/

где т - количество локальных правил перехода; у, -

алгоритмическая сложность ¡-го правила; А1 - такт работы автомата; г = -Я , где Я, - радиус зоны интереса; К < - радиус зоны моделирования на основе КА. График зависимости сложности моделирования комплексной системы в зависимости от радиуса зоны интереса представлен на рисунке 2.

о я* к» и

Рис. 2. График зависимости сложности моделирования комплексной системы в зоне интереса от радиуса этой зоны.

В третьей главе описана разработка программной реализации системы имитационного моделирования дорожного движения.

Разработана модель данных для представления дорожной обстановки на основе ориентированного графа. Граф состоит из двух слоев: топологического - для представления пространственных характеристик дорожкой сети и логического - для представления семантических свойств.

Первый слой задается в виде ориентированного графа: й-, = < V,, К. >, где V, - множество топологических вершин., соответствующих пространственным точкам виртуального мира; - множество

топологических ребер, определяющих наличие проезжей части между топологическими узлами.

Второй слой задается в виде ориентированного графа: 0| = < V], Кл >, где V) с "л - множество логических вершин, базирующихся на топологических вершинах; К| - множество логических ребер, определяющих наличие логического участка дороги между логическими узлами.

На основе последнего введены модели представления перекрестков (см. рис. 3): С1 = < Ун, Кп >, где Уц с У| - множество логических вершин, образующих ¡-ый перекресток; Я;, с - множество логических ребер, соединяющих узль; перекрестка.

Описана модель представления таких объектов правил дорожного движения, как дорожные знаки, разметка и светофоры.

Рис. 3. Представление Т-обрагшого перекрестка в виде двухслойного ориентированного графа.

Разработан метод представления синтетического окружения в виде клеточного автомата. Данный метод использует в качестве основы существующую модель дорожной сети. К ребрам графа осуществляется привязка одного клеточного автомата, а для их связи используется узел обработки, который содержит буферный клеточный автомат. В целях

повышения реалистичности модель клеточного автомата использует шестигранные ячейки (см. рис. 4).

Рис. 4. Сеть клеточного автомата при представлении дорожной сети города.

Поскольку разработанный агент обладает возможностью выполнения контролируемого поведения, была разработана модель представления обучающих упражнений, которые содержат сценарии поведения агентов. Сценарий представляется в виде последовательности условие-действие, где каждый последующий акт сценария выполняется только в случае удовлетворения заданным условиям.

Разработанные модели представления дорожной сети, объектов правил дорожного движения и упражнений в масштабах города содержат достаточно большое число элементов. В соответствии с предложенными моделями была разработана схема базы данных.

Разработана модель представления агента в двумерном пространстве на основе капсульного представления (рис.5). Данная модель упрощает расчеты по определению расстояния между агентами.

Из предложенной обобщенной архитектуры агента следует, что восприятие осуществляется через сенсоры с учетом прогнозируемых пространственно-временных характеристик. В качестве представления подобных характеристик предлагается использовать поликапсулы -упорядоченное множество взаимосвязанных капсул. При реализации модели агента в дорожном движении были использованы передний сенсор, задний сенсор и боковые сенсоры (рис. 5).

Описана структура реализации агента, состоящая из трех основных компонент. Логический компонент реализует предложенную обобщенную архитектуру агента. Физический компонент реализует физическую модель динамики агента. Визуальный компонент - реализует визуальный образ представления агента в виртуальном окружении.

Рис. 5. Восприятие среды агентом с помощью логической карты.

Разработанная система моделирования дорожного движения написана и скомпилирована с использованием среды Microsoft Visual Studio 2005 на языке С++. Исходники системы включают более 2,5 мегабайт программного кода. При разработке системы использовались основные принципы объектно-ориентированного подхода. В частности активно использовались концепция наследования для построения древообразной структуры используемых классов, а так же многочисленные шаблоны проектирования.

Ядро системы, осуществляющее обработку потока событий, использует чередуемую интерпретацию времени, при которой поток событий обрабатывается последовательно, даже если несколько событий имеют одинаковое время получения.

Особенностью построения системы является работа в распределенной системе моделирования, использующей методы формирования общего виртуального пространства и совместного использования нескольких тренажеров для обучения.

Подготовка данных для проведения компьютерного моделирования осуществляется с помощью разработанного инструментального средства визуального редактирования дорожной сети города - "Дорожный редактор". Основными функциями разработанного инструментального средства являются: визуализация и редактирование топологии дорожной сети, расположения и свойств дорожных знаков, расположения и сценариев работы светофоров, дорожной разметки, вспомогательных элементов дорожной сети, логической информации о дорожной карте, обучающих упражнений и их сценариев, базы данных дорожной сети, генерация дорожной сети города по данным GPS-карт, VRML-сцены дорожной сети города, визуализация трехмерного представления местности города.

В четвертой главе приведены результаты апробации и внедрения предлагаемых моделей, методов и программных средств.

Реализованная система моделирования использована в ряде тренажеров для обучения вождению, таких как: комплексный тренажер вождения легкового автомобиля ВАЗ-2110, тренажер вождения грузовых автомобилей КАМАЗ-5350 и УРАЛ-4320, комплексный тренажер вождения автобуса ЛиАЗ-5256, о чем свидетельствуют полученные акты о внедрении, свидетельства о регистрации программы для ЭВМ и патенты на полезные модели. Полученные результаты демонстрировались на многих профильных выставочных мероприятиях.

Проведенный анализ свойств микроскопического поведения системы показал, что поведение агентов в различных динамических ситуациях соответствует заложенным правилам. В качестве эксперимента агент помещался в такие дорожные условия, где на первое место выходили различные факторы его поведения.

Экспериментальная оценка метода разрешения конфликтов проводилась в определенных типовых ситуациях проезда регулируемых и нерегулируемых перекрестков. Полученные результаты показывают отсутствие заторов на дорогах в течение длительных промежутков времени, что говорит о том, что агенты выходят из конфликтов, сохраняя транспортный поток.

Проведенный сбор статистической информации о ходе функционирования системы показал незначительные отклонения в теоретических и экспериментальных данных для общей (суммарной) сложности агента и для динамической сложности функционирования агента. В рассматриваемых случаях расхождения вызваны топологическими особенностями дорожных участков проведения экспериментов.

Анализ свойств высокоуровневого поведения системы проводился на основе сопоставления экспериментальных данных с теоретическими зависимостями такими, как фундаментальная диаграмма трапспортного потока (рис. 6) и диаграмма процесса следования за лидером (рис. 7). Полученные результаты показывают наличие метастабильных состояний при переходе между состоянием свободного дорожного движения и состоянием движения с заторами.

С целью выявления свойства самоорганизации в системе имитации поведения сложной адаптивной системы проведен ряд экспериментов с различным набором правил поведения агентов. Было показано, что система агентов с более широким набором правил на участках с неравномерным движением, таких как перекрестки и участки с препятствиями на дороге, демонстрирует лучшие показатели производительности. В частности это характеризуется повышенной величиной транспортного потока, что свидетельствует о наличие свойства самоорганизации в этой системе.

Рис. 6. Фундаментальная диаграмма (1-величина транспортного потока, машин/сек.; р - плотность движения машин, машин/площадь участка)

дх, м

Рис. 7. График зависимости разницы координат машин от разницы их скоростей при следовании за лидером.

Выполненная оценка сложности показала эффективность предложенного комплексного подхода к построению систем имитации поведения САС. В определенных условиях выигрыш в производительности составляет 42% при выполнении высоких требований к реалистичности поведения системы (рис. 8).

Рис. 8. Зависимость сложности MAC от радиуса зоны моделирования.

Таким образом, было показано, что разработанная система имитации сложных адаптивных систем удовлетворяет всем требованиям, предъявляемым к подобным системам и сформулированным в первой главе.

В заключении отражены основные результаты, полученные в данной работе.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В представленном исследовании решена задача разработки моделей, методов и программных средств построения сложных адаптивных систем дорожного движения. В результате работы:

1. Проведено исследование С АС дорожного движения и существующих систем, осуществляющих их моделирование. Сформирован перечень требований, предъявляемых к системам имитации САС в тренажерах вождения реального времени. В результате анализа показано, что в настоящий момент не существует систем, которые полностью удовлетворяют заявленным требованиям. Показана целесообразность построения САС дорожного движения на основе АОП с использованием компьютерного моделирования.

2. Предложена обобщенная архитектура автономного адаптивного агента, удовлетворяющая требованиям, предъявляемым к системам имитации САС в тренажерах вождения реального времени. Обоснован метод неявного взаимодействия агентов, повышающий эффективность работы системы.

3. Разработаны модели поведений агента, используемые для наполнения предложенной обобщенной архитектуры при моделировании САС дорожного движения. Реализованы такие поведения агента как: следование за лидером, перестроение, обгон по встречной полосе, соблюдение управляющих сигналов, соблюдение разметки, следование по маршруту.

4. Предложен метод определения и разрешения конфликтов на основе прогнозируемых пространственно-временных характеристик агентов.

5. Предложен комплексный подход к построению САС дорожного движения на основе интеграции микроскопических и мезоскопических моделей, позволяющий осуществлять моделирование большего числа компьютерно-управляемых объектов при одних и тех же вычислительных ресурсах. Данный подход позволяет разрабатывать модели, одновременно удовлетворяющие ключевым показателям эффективности и реалистичности.

6. Созданы программные средства, реализующие разработанные модели и методы для построения САС дорожного движения, что подтверждается свидетельствами о государственной регистрации программы для ЭВМ и патентом на полезную модель. Компоненты полученной архитектуры инвариантны по отношению к предметной области и могут быть использованы при построении различных САС.

7. Работоспособность предложенных моделей и методов подтверждена при внедрении тренажеров вождения с использованием разработанных программных средств в таких организациях, занимающихся подготовкой водителей, как ГУП "Мосгортранс", РОСТО (ДОСААФ), минская военная академия Республики Беларусь, Федеральная служба охраны РФ, что подтверждается соответствующими актами. Результаты внедрения и эксплуатации показали, что использование разработанных средств позволяет осуществлять моделирование САС в приложениях, критичных с точки зрения вычислительных ресурсов и реалистичности восприятия.

Результаты работы показывают, что поставленную цель разработки моделей, методов и программных средств построения сложных адаптивных систем дорожного движения можно считать выполненной. Практическое внедрение разработанных программных средств подтвердило теоретические разработки, предложенные в данной работе, и показало их применимость к решению поставленной задачи.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Алюшин С. А. Система управления движением транспортных средств в городском потоке // Научная сессия МИФИ-2006. Сборник научных трудов. - М.: МИФИ, 2006. - Т. 2. - С. 64-65.

2. Алюшин С. А. Методология принятия решений для управления движением автономных объектов при моделировании городского движения // Современные технологии в задачах управления, автоматики и обработки информации: Труды XV Международного научно-технического семинара (Алушта, 2006 г.). - М.: МИФИ, 2006. - С. 24.

3. Алюшин С. А. Моделирование динамической дорожной обстановки на основе мультиагентного подхода // Научная сессия МИФИ-2007. Сборник научных трудов. - М.: МИФИ, 2007. - Т. 2. - С. 14-15.

4. Алюшин С. А. Построение системы управления движением транспортных средств на основе гибридной модели принятия решений // Современные технологии в задачах управления, автоматики и обработки информации: Труды XVI Международного научно-технического семинара (Алушта, 2007 г.). - М.: МИФИ, 2007. - С. 5-6.

5. Алюшин С. А. Неявное взаимодействие в системе гетерогенных агентов при имитации динамической дорожной обстановки // Научная сессия МИФИ-2008. Сборник научных трудов. - М.: МИФИ, 2008. - Т. 11. - С. 94-95.

6. Алюшин С. А. Ситуационное моделирование динамической дорожной обстановки в тренажерах вождения // Современные технологии в задачах управления, автоматики и обработки информации: Труды XVII Международного научно-технического семинара (Алушта, 2008 г.). — СПб.: ГУАП, 2008. - С. 109.

7. Алюшин С. А. Синтез адаптивного поведения группы гетерогенных объектов на примере имитации динамики транспортного потока // Научная сессия МИФИ-2009. - М.: МИФИ, 2009. - 4.2. - С. 111-112.

8. Алюшин С. А. Построение логической карты местности на основе данных векторных карт / С. А. Алюшин, Н. В. Хасанов // Научная сессия МИФИ-2009.-М.: МИФИ, 2009,-4.2.-С. 113-114.

9. Алюшин С. А. Применение модели клеточного автомата для моделирования пешеходного движения с гетерогенными участниками / С. А. Алюшин, Д. А. Козловцев // Научная сессия МИФИ-2009. - М.: МИФИ, 2009. ~Ч. 2-С. 115-116.

10. Алюшин С. А. Комплексный подход к имитации дорожного движения / С. А. Алюшин, Н. И. Ильинский // В мире научных открытий. -Красноярск, 2009. - №2 - С. 31-43.

11. Алюшин С. А. Интеграция микроскопических и мезоскопических моделей при имитации дорожного движения / С. А. Алюшин, Н. И. Ильинский // Программные продукты и системы. - Тверь, 2009. - №2. -С. 190-193.

12. Алюшин С. А. Применение современных информационных технологий при обучении вождению / С. А. Алюшин, Н. И. Ильинский // Сборник трудов III Международной научно-практической конференции "Информационные технологии в образовании, науке и производстве". -Серпухов, 2009. - Ч. 1. - С. 219-221.

13. Алюшин С. А. Автоматическое размещение динамических объектов на логической дорожной карте в режиме реального времени / С. А. Алюшин, Н. В. Хасанов // Современные технологии в задачах управления, автоматики и обработки информации: Труды XVIII Международного научно-технического семинара (Алушта, 2009 г.) - М.: МИРЭА, 2009. -С. 225.

14. Алюшин С. А. Моделирование дорожного движения как сложной адаптивной системы при разработке компьютерных тренажеров обучения вождению / С. А. Алюшин., Н. И. Ильинский /I Информационные технологии в проектировании и производстве. - 2009. - № 4. - С. 92-95.

15. Алюшин С. А. Моделирование дорожного движения на основе многоагентного подхода при разработке тренажеров для обучения вождению Н Сборник аннотаций работ 7-ой Курчатовской молодежной научной школы. - 2009. - С. 93.

16. Алюшин С. А. Особенности моделирования поведения компьютерно-управляемых объектов в обучающих системах реального времени Н Научная сессия НИЯУ МИФИ-2010, Аннотации докладов. - М.: НИЯУ МИФИ, 2010. - Т.З. - С. 35.

17. Алюшин С. А. Моделирование городского движения на основе сети клеточных автоматов / С. А. Алюшин, Д. А. Козловцев // Научная сессия НИЯУ МИФИ-2010. Аннотации докладов. - М.: НИЯУ МИФИ, 2010. -Т.З.-С. 36.

18. Алюшин С. А. Графический редактор базы данных дорожной сети для поддержки процесса разработки системы имитации дорожного движения

/ С. А. Алюшин, Е. С. Биятов // Научная сессия НИЯУ МИФИ-2010. Аннотации докладов. - М.: НИЯУ МИФИ, 2010.-Т.З.-С.41.

19. Алюшин С. А. Разработка системы выполнения динамических сценариев упражнений в тренажерах вождения / С. А. Алюшин, Н. В. Хасанов // Научная сессия НИЯУ МИФИ-2010. Аннотации докладов. - М.: НИЯУ МИФИ, 2010.-Т. 3,-С. 41.

20. Алюшин С. А. Анализ работы голосового детектора стресса в акустических шумах / С. А. Алюшин, А. В. Алюшин, М. В. Алюшин // Естественные и технические науки. - 2010. - №1. - С. 283-288.

21. Алюшин С. А. Многоагентный подход к анализу нейросетей большой размерности / С.А. Алюшин, A.B. Алюшин // Естественные и технические науки.-2010.-№1.-С. 313-315.

22. Алюшин С. А. Клеточный автомат для управления многоагентной нейросетыо / С. А. Алюшин, А. В. Алюшин // Естествешше и технические науки. - 2010. -№3. - С. 370-372.

23. Алюшин С. А. Синхронизация агентов в системе с двумерной топологией / С. А. Алюшин, А. В. Алюшин // Естественные и технические науки. -2010.-№3,-С. 373-375.

24. Алюшин С. А. Структура дорожной сети при агентно-ориентированном моделировании Дорожного движения / С. А. Алюшин, Н. И. Ильинский // Информационные технологии в проектировании и производстве. — 2010. — №2.-С. 100-104.

25. Алюшин С. А. Особенности моделирования поведения компьютерно-управляемых объектов в обучающих системах реального времени // Научная сессия НИЯУ МИФИ-2010. Аннотации докладов. - М.: НИЯУ МИФИ, 2010. - Т.З. - С. 35.

26. Алюшин С. А. Синхронизация агентов в сложной адаптивной системе с двумерной топологией / С. А. Алюшин, А. В. Алюшин // Материалы VII Всероссийской школы-конференции молодых ученых «Управление большими системами» (Пермь, 2010 г.). - 2010. - С. 203-207.

27. Алюшин С. А. Управление многоагентной нейросетыо на основе клеточного автомата // Материалы VII Всероссийской школы-конференции молодых ученых «Управление большими системами». -Пермь, 2010.-С. 208-210.

Подписано в печать:

19.01.2011

Заказ № 4858 Тираж - 120 экз. Печать трафаретная. Типография «11-й ФОРМАТ» ИНН 7726330900 115230, Москва, Варшавское ш., 36 (499) 788-78-56 www.autoreferat.ru

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ.

1. ИМИТАЦИЯ ПОВЕДЕНИЯ СЛОЖНЫХ АДАПТИВНЫХ СИСТЕМ ДОРОЖНОГО ДВИЖЕНИЯ.

1.1 Имитация дорожного движения.

1.1.1 Классы существующих моделей.

1.1.2 Компьютерные тренажерные системы.

1.1.3 Компьютерно-управляемые объекты как основная составляющая визуального окружения.

1.1.4 Особенности имитации дорожного движения в тренажерных системах.

1.1.5 Анализ существующих систем имитации дорожного движения.

1.2 Анализ особенностей сложных адаптивных систем.

1.2.1 Понятие сложной адаптивной системы.

1.2.2 Свойства сложной адаптивной системы.

1.2.3 Самоорганизация определяет поведение сложной адаптивной системы.

1.2.4 Меры сложности.

1.2.5 Дорожное движение как сложная адаптивная система.

1.3 Методы моделирования сложных адаптивных систем.

1.3.1 Моделирование сложных адаптивных систем на основе агентных моделей.

1.3.2 Свойства автономных агентов.

1.4 Моделирование дорожного движения как сложной адаптивной системы.

1.4.1 Применение агентно-ориентриованного подхода к моделированию дорожного движения.

1.4.2 Архитектуры автономных агентов.

1.4.3 Методы взаимодействия агентов.

1.4.4 Методы разрешения конфликтов.

1.4.5 Моделирование дорожного движения на основе клеточного автомата.

1.5 Постановка задачи диссертационного исследования.

2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ СИСТЕМЫ ИМИТАЦИИ СЛОЖНОЙ АДАПТИВНОЙ СИСТЕМЫ ДОРОЖНОГО ДВИЖЕНИЯ.

2.1 Архитектура автономного адаптивного агента.

2.1.1 Модель агента и среды функционирования.

2.1.2 Модель адаптивного агента.

2.1.3 Спецификация задачи агента в среде.

2.1.4 Дополнительные требования к агенту.

2.1.5 Взаимодействие агентов.

2.1.6 Разрешение конфликтов.

2.2 Поведение автономного адаптивного агента в дорожном движении.

2.2.1 Факторы и поведения.

2.2.2 Выбор результирующего воздействия.

2.2.3 Алгоритм определения приоритетов в конфликтных ситуациях.

2.2.4 Оценка сложности модели автономного адаптивного агента.

2.3 Разработка комплексного подхода к имитации сложных адаптивных систем

2.3.1 Интеграция микроскопических и мезоскопических моделей.

2.3.2 Многоагентная модель на основе клеточного автомата.

2.3.3 Методы представления модели клеточного автомата в виртуальном окружении

2.3.4 Оценка сложности модели на основе клеточного автомата.

3. РАЗРАБОТКА ПРОГРАММНОЙ РЕАЛИЗАЦИИ СИСТЕМЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ДОРОЖНОГО ДВИЖЕНИЯ.

3.1 Модели данных для представления дорожной обстановки.

3.1.1 Дорожная сеть города.

3.1.2 Объекты правил дорожного движения.

3.1.3 Представление синтетического окружения в виде КА.

3.1.4 Представление упражнений.

3.1.5 База данных дорожной сети.

3.2 Реализация агента.

3.2.1 Физическая модель представления агента в двумерном пространстве.

3.2.2 Взаимодействие агента со средой.

3.2.3 Взаимодействие агентов.

3.2.4 Структура агента.

3.3 Реализация системы имитационного моделирования.

3.3.1 Принципы построения программной реализации.

3.3.2 Структура тренажерного комплекса.

3.3.3 Распределенная система моделирования.

3.3.4 Структура системы имитации дорожного движения.

3.3.5 Особенности реализации системы.

3.3.6 Поток данных при осуществлении компьютерного моделирования.

3.4 Реализация инструментальных средств редактирования дорожной карты.

3.4.1 Подготовка данных для компьютерного моделирования.

3.4.2 Функциональность редактора дорожной обстановки.

3.4.3 Структура редактора дорожной карты.

4. АПРОБАЦИЯ И ВНЕДРЕНИЕ РАЗРАБОТАННЫХ МОДЕЛЕЙ, МЕТОДОВ И ПРОГРАММНЫХ СРЕДСТВ.

4.1 Внедрение системы имитации дорожного движения.

4.1.1 Комплексный тренажер вождения автобуса ЛиАЗ-5256/6212 (ГУП "Мосгортранс").

4.1.2 Тренажер вождения легкового автомобиля ВАЗ-2110 (РОСТО).

4.1.3 Тренажер вождения грузового автомобиля Урал-4320 (минская военная академия).

4.1.4 Тренажер вождения грузового автомобиля KAMA3-4350/5350 (РОСТО).

4.1.5 Комплексный тренажер вождения легкового автомобиля ВАЗ-2110 (ФСО РФ)

4.2 Апробация высокоуровневого поведения системы адаптивных агентов.

4.2.1 Сложность функционирования агента.

4.2.2 Поведение системы адаптивных агентов с точки зрения транспортных характеристик.

4.2.3 Наличие самоорганизации в системе адаптивных агентов.

4.2.4 Сложность функционирования системы адаптивных агентов.

4.3 Анализ полученных результатов.

4.3.1 Выполнение дополнительных требований.

4.3.2 Выводы.

Актуальность темы исследования

В настоящее время во всех экономически развитых странах, в том числе и в России, интенсивно развивается индустрия по разработке компьютерных тренажеров вождения. Важность данного направления подтверждается также наличием в Федеральной целевой программе по повышению безопасности дорожного движения в 2006-2012 следующих мероприятий, реализуемых с помощью компьютерных тренажеров: разработка тренажеров для образовательных учреждений, оснащение современным оборудованием федеральных образовательных учреждений, оснащение тренажерной техникой для профессионального тренинга водителей и др. Дополнительным стимулом к развитию отрасли является программа, разработанная ГИБДД и Минобрнауки РФ, по увеличению числа часов обучения на тренажерах при подготовке водителей легковых автомобилей. Задача имитации дорожного движения в настоящее время достаточно часто возникает и в различных прикладных областях. В первую очередь это объясняется растущей сложностью дорожной обстановки, что характеризуется значительным ростом участников дорожного движения, возросшей стоимостью дорожно-транспортных происшествий и недостаточным уровнем подготовки водителей.

Системы имитации, в которых дорожное движение присутствует в качестве объекта моделирования, варьируются по применяемым подходам и парадигмам, лежащим в основе разрабатываемых моделей. При этом выбор последних напрямую зависит от области применения получаемых результатов моделирования.

К настоящему моменту разработано множество моделей для решения различных задач в области имитации дорожного движения. Традиционно модели дорожного движения классифицируются по уровню детализации на макроскопические, микроскопические и мезоскопические. Отнесение модели к одному из классов определяет возможные области ее применения. В макроскопических моделях дорожное движение представляется в виде потока частиц. Такие модели оперируют агрегированными данными и позволяют исследовать характеристики дорожного потока на участках большой площади. В микроскопических моделях транспортные потоки образуются в результате взаимодействия отдельно моделируемых участников дорожного движения. Эти модели обеспечивают детальную имитацию передвижений и поведения участников движения. В мезоскопических моделях отдельные участники дорожного движения представляются на высоком уровне детализации, а их поведение и взаимодействия описываются на низком уровне. Основным применением таких моделей служат области, требующие микроскопического представления участников движения на территориях с большой площадью.

Применение микроскопических моделей обеспечивает в высокой степени точную имитацию динамики и поведения участников дорожного движения. Основной областью применения детальной имитации отдельных участников движения с их последующей визуализацией является тренажеры обучения вождению.

Проведенные исследования показывают, что на применение микроскопических моделей в обучающих системах реального времени накладываются дополнительные требования по реалистичности. Существующие методы имитации динамической дорожной обстановки позволяют эффективно решать только отдельные задачи данной области не принимая во внимание необходимость одновременного удовлетворения двум взаимосвязанным критериям производительности и реалистичности.

Представление имитируемой системы реального мира в виде сложной адаптивной системы позволяет разработчику применить агентно-ориентированный подход. Поведение полученной многоагентной системы определяется свойствами сложной адаптивной системы и имитируется с помощью компьютерного моделирования на основе построенных агентных моделей.

Предлагается для решения поставленной задачи применить подход, рассматривающий дорожное движение как сложную адаптивную систему. В частности, предлагается использование агентно-ориентированного подхода и клеточных автоматов в качестве микроскопических и мезоскопических моделей соответственно. Данный подход призван обеспечить процесс моделирования, удовлетворяющий ключевым показателям реалистичности и производительности.

Объект и предмет исследования. Объектом исследования является построение сложных адаптивных систем дорожного движения. Предметом исследования являются модели автономных адаптивных агентов, их архитектура и методы взаимодействия, применяемые для построения имитационных систем. Построение моделей и методов рассматривается с точки зрения их применения в тренажерных системах с визуализацией в режиме реального времени.

Целью диссертационной работы является разработка моделей, методов и программных средств построения сложных адаптивных систем дорожного движения. Использование результатов исследования должно обеспечить моделирование поведения самоорганизующихся систем (дорожного движения) при применении в приложениях, критичных с точки зрения вычислительных ресурсов и реалистичности моделируемого поведения.

Для достижения цели в работе решены следующие задачи:

• исследованы современные методы и средства имитации поведения сложных адаптивных систем, существующие системы моделирования поведения дорожного движения в тренажерных системах и их характеристики;

• предложены требования для оценки пригодности системы имитации поведения сложных адаптивных систем в тренажерных системах;

• разработана модель представления адаптивного агента и среды его функционирования, удовлетворяющие определенным выше требованиям;

• разработан метод взаимодействия агентов и метод разрешения конфликтов при имитации дорожного движения;

• разработана имитационная система, осуществляющая компьютерное моделирование поведения сложной адаптивной системы при имитации дорожного движения в тренажерах вождения;

• экспериментально проверены разработанные модели, методы и программные средства.

Методы исследования. При разработке математического обеспечения в работе использованы методы искусственного интеллекта в теории агентов, имитационного моделирования, теории графов, теории клеточного автомата и теории сложных систем. При разработке программного обеспечения используются методы объектно-ориентированного программирования, методы программирования в распределенных 7 вычислительных системах, функционирующих в режиме реального времени, технология разработки программного обеспечения и шаблоны проектирования.

Научная новизна работы заключается в следующем:

• предложена оригинальная модель автономного адаптивного агента, удовлетворяющая предложенным требованиям применимости в тренажерах вождения;

• предложен комплексный подход к построению системы имитации сложной адаптивной системы, основанный на интеграции агентно-ориентированного подхода и моделей на основе клеточного автомата;

• разработаны модели поведений агента при имитации системы дорожного движения;

• предложен метод определения и разрешения конфликтов на основе прогнозируемых пространственно-временных характеристик агентов;

• разработано программное обеспечение на базе предложенных моделей, позволяющее имитировать дорожное движение с реалистичными характеристиками.

Достоверность результатов обеспечивается подтверждением теоретических результатов экспериментальными, разработанной и практически реализованной системой имитации дорожной обстановки, публикацией результатов в печати, апробацией на научно-технических конференциях и семинарах, а также внедрением результатов в практическую деятельность организаций, занимающихся подготовкой водителей транспортных средств.

Практическая значимость. Разработанные модели и методы построения сложных адаптивных систем со свойством самоорганизации позволяют моделировать поведение сложных систем реального мира при использовании в приложениях, критичных к вычислительной сложности и реалистичности восприятия.

Реализация результатов диссертации. Результаты, полученные в работе, были реализованы в виде "Системы моделирования дорожного движения" (свидетельство о государственной регистрации программы для ЭВМ № 2008610186). Внедрение данной системы производилось в ряде промышленных тренажерных систем, таких как:

• комплекс тренажеров ЛиАЗ-5256/6212, установленный в ГУЛ "Мосгортранс" (свидетельство о государственной регистрации программы для ЭВМ № 2008610185 и патент на полезную модель №70981);

• тренажеры ВАЗ-2110 (РОСТО (ДОСААФ));

• тренажеры Урал-4320, (минская военная академия Республики Беларусь);

• тренажеры КАМАЗ-4350/5350 (РОСТО (ДОСААФ), свидетельство о государственной регистрации программы для ЭВМ №2008615052);

• комплекс тренажеров ВАЗ-2110 (Федеральной службы охраны РФ).

Основные научные результаты, выносимые на защиту:

• обобщенная архитектура автономного адаптивного агента, удовлетворяющая сформулированным требованиям в части спецификации агента как составного элемента системы имитации;

• комплексный подход к имитации дорожного движения на основе интеграции агентно-ориентированного подхода и моделей на основе клеточного автомата;

• модели поведений агента в рамках предложенной абстрактной архитектуры агента при имитации поведения системы дорожного движения;

• метод определения и разрешения конфликтов на основе прогнозируемых пространственно-временных характеристик агентов;

• программная реализация системы моделирования реалистичного дорожного движения в режиме реального времени;

Апробация результатов. По теме диссертации сделаны доклады на следующих семинарах и конференциях:

• Научные сессии МИФИ 2005-2010 (г. Москва, 2005-2010 гг.);

• XV-XVIII Международные научно-технические семинары "Современные технологии в задачах управления, автоматизации и обработки информации" (г. Алушта, 20062009 гг.);

• Ш Международная научно-практическая конференция "Информационные технологии в образовании, науке и производстве" (г. Серпухов, 2009 г.);

• VII Курчатовская молодежная научная школа (г. Москва, 2009 г.);

• IV Научно-практическая конференция "Совершенствование системы подготовки и допуска водителей к участию в дорожном движении - важнейшая составная часть обеспечения безопасности дорожного движения" (г. Москва, 2009 г.);

• Научно-практическая конференция на тему "Новые требования к автошколам и совершенствование системы подготовки водителей" (НИИАТ, г. Москва, 2009 г.);

• I Всероссийский молодежный инновационный конвент (г. Москва, 2008 г.).

Практические результаты исследований были представлены на следующих выставках:

• XI-XII Международный салон промышленной собственности "Архимед" (Москва, 2008-2009 гг.);

• IX-X Международная выставка "Высокие технологии XXI века" (Москва, 2008-2009 гг.);

• Международный салон вооружения и военной техники (Москва, 2008г.);

• XIV Московская промышленная выставка (Москва, 2008г.);

• Международный автотранспортный форум 2008 (Москва, 2008г.);

• Дни Москвы в республике Башкортостан (Уфа, 2008г.);

• Первый всероссийский молодежный инновационный конвент (Москва, 2008г.);

• проект "Фабрика мысли" телеканал "ТВ Центр" (Москва, 2009г.);

• IX Московский международный салон инноваций и инвестиций (Москва, 2009г.);

• выставка "Инновационный потенциал южного административного округа г. Москвы" (Москва, 2009г.);

• выставка Всероссийской научно-практической конференции АНО "Научно-методический центр подготовки водителей" (Москва, 2009г.);

• IX Всероссийская выставка научно-технического творчества молодежи НТТМ-2009.

Публикации. Основные научные результаты диссертации опубликованы в 27 научных работах [8,29,36,37,45,51-53,91-93Д08Д09Д11,113,114,123-125,131,134,135,137-139,148,149], в том числе 7 работ в журналах, включенных ВАК РФ в перечень ведущих рецензируемых изданий [29,45,51,52,113,125,139].

Структура и объем работы. Диссертация содержит четыре главы, введение и заключение, 93 рисунка, 7 таблиц, 2 приложения. Общий объем без приложений: 145 с. Список использованных источников содержит 150 наименований.

4.3.2 Выводы

На основании проведенного анализа полученных результатов можно сделать вывод о том, что разработанная система моделирования дорожного движения удовлетворяет всем основным требованиям, предъявляемым к системам имитации САС в режиме реального времени для обучающих систем.

ЗАКЛЮЧЕНИЕ

В данной работе исследовано поведение САС на основе АОП с использованием компьютерного моделирования. Особое внимание уделено кибернетическим системам, использующим результаты моделирования поведения САС для отображения в ВО и воздействия на пользователя в обучающих целях (например, на тренажерах обучения вождению). Было показано, что ключевым фактором восприятия поведения САС в ВО являются КУО. К поведению КУО в системах реального времени предъявляются особые требования по реалистичности поведения и эффективности функционирования с точки зрения вычислительных ресурсов.

На основе проведенного анализа сформирован список требований, предъявляемых к системам имитации поведения САС в обучающих системах реального времени. Обзор существующих разработок показал, что в области имитации дорожного движения не существует систем, которые полностью удовлетворяют заявленным требованиям.

В работе показана целесообразность применения АОП для решения поставленной задачи. Сформулированы основные свойства, которым должен удовлетворять ИА, как составной элемент полученной MAC. Проведен анализ эффективности с точки зрения вычислительных ресурсов методов имитации поведения САС на основе модели КА.

В работе предложена обобщенная архитектура агента, удовлетворяющая требуемым свойствам. Предложены методы взаимодействия агентов и методы по разрешению возникающих в MAC конфликтов.

Для удовлетворения двум ключевым требованиям реалистичности и эффективности моделирования в режиме реального времени предложен комплексный подход, сочетающий достоинства АОП и моделей на основе КА.

Разработанные методы опробованы в области моделирования дорожного движения. Были разработаны и реализованы алгоритмы поведения агентов в дорожном движении.

На основе разработанных моделей и методов была спроектирована и построена система моделирования дорожного движения, осуществляющая имитацию поведения САС дорожного движения в режиме реального времени.

Разработанная система моделирования использована при разработке ряда промышленных тренажеров для обучения вождению, таких как: комплексный тренажер вождения легкового автомобиля ВАЗ-210, тренажер вождения грузовых автомобилей KAMA3-5350 и УРАЛ-4320, комплексный тренажер вождения автобуса ЛиАЗ-5256. Полученные в ходе данного исследования результаты демонстрировались на многих профильных выставочных мероприятиях.

Проведенный анализ разработанной сиситемы показал, что она соответствует всем основным требованиям, предъявляемым к системам имитации поведения САС в режиме реального времени. Поведение системы на микро и макро уровнях соответствует ожидаемому, о чем свидетельствует сравнение соответствующих теоретических и экспериментальных зависимостей.

Выполненная оценка сложности показала эффективность предложенного комплексного подхода к построению систем имитации поведения САС. В определенных условиях выигрыш в производительности составляет 42% при выполнении высоких требований к реалистичности поведения системы.

1. Jost D., Nagel К. Traffic jam dynamics in traffic flow models // Proceedings of the Third Swiss Transport Research Conference: Model & Scheduling (Ascona, 19-21 march 2003). -2003.-P. 3-21.

2. Maroto J. Real-time traffic simulation with a microscopic model / J. Maroto, E. Delso, J. Felez, J. M. Cabanellas // IEEE transactions on Intelligent Transportation Systems. — 2006. -Vol. 7, №. 4.-P. 513-527.

3. Hafstein S. F. A high-resolution cellular automata traffic simulation model with application in freeway traffic information system // Computer-Aided Civil and Infrastructure Engineering. -Blackwell Publishing, 2004. Vol. 19, № 5. - P. 338-350.

4. Chatham R. E. Games for training / R. E. Chatham // Communications of the ACM. 2007. -Vol. 50, №7.-P. 37-43.

5. Schurr N. Using multiagent teams to improve the training of incident commanders // Proceedings of AAMAS. 2006. - P. 1490-1497.

6. Sung E.J. Effects of oxygen concentrations on driver fatigue during simulated driving / E.J. Sung, B.C. Min, S.C. Kim // Applied Ergonomics. 2005. - № 36. - P. 25-31.

7. Научная визуализация Электронный ресурс. // Национальный исследовательский ядерный университет "МИФИ", 2010. URL: http://sv-iournal.com (дата обращения: 23.12.10).

8. Россохин А. В. Виртуальное счастье или виртуальная зависимость / А. В. Россохин, В. Л. Измагурова // Личность в измененных состояниях сознания. М.: Смысл, 2004. - С. 516-523.

9. Таратута Е. Е. Философия виртуальной реальности. СПб.: СПбГУ, 2007. - 148 с.

10. Nagai Т. Dual-driver networked fire truck simulator with multimodal display including force feedback steering and rotating motion platform // Enabling technologies: infrastructure for collaborative enterprises. 2007. - P. 424-430.

11. Тренажеры для АЭС Электронный ресурс. // ЭНИМЦ Моделирующие системы, 2010. URL: http://www.ssl.obninsk.ru/web/002/index.nsf/index/sim-aes (дата обращения: 23.12.10).

12. Yang A. A networked multi-agent combat model: emergence explained: PhD thesis, Australian Defence Froce Academy. 2006. - P. 20-31.

13. Simulation in medicine Электронный ресурс. // KNOL. A unit of knowledge, 2010. URL: http://knol.google.eom/k/simulation-in-medicine (дата обращения: 23.12.10).

14. Kappe В. Driving simulators for driver training: state of the art / B. Kappe // Defense, security and safety. Kampweg, 2009.

15. Wangl Y. Simulators for driving safety study a literature review // Virtual Reality, HCII 2007. - Springer-Verlag, 2007. - P. 584-593.

16. Computer simulator Электронный ресурс. // Wikipedia, the free encyclopedia, 2010. URL: http://en.wikipedia.org/wiki/Computersimulator (дата обращения: 23.12.10).

17. Stratus S. Driving simulators: yesterday and today Электронный ресурс. // ESRA Consulting Corporation. URL: http://www.esracoiD.com/559DRIVINGSIMULATORS.Ddf (дата обращения: 25.12.10).

18. Sun С. A training oriented driving simulator / C. Sun, F. Xie, X. Feng // Lectures notes in computer science. Springer, 2007. - Vol. 4740. - P. 4-12.

19. Kang H. S. A PC-based driving simulator using virtual reality technology // Proceeding of the 2004 ACM S1GGRAPH international conference on virtual reality continuum and its applications in industy. ACM, 2004. - P. 273-277.

20. Felez J. A full driving simulator of urban traffic including traffic accidents // Simulation. -Society for computer simulation international, 2007. — Vol. 83, № 5. P. 415-431.

21. Huang R. A low-cost driving simulator for full vehiclc dynamics simulation / Andy R.W. Huang, Chihsiuh Chen// IEEE Transactions on vehicular technology. -2003. Vol. 51. - № 1. — P. 162-172.

22. ST Software car driving simulator for driver training Электронный ресурс. // ST Software BV, 2007. URL: http://www.stsoftware.nl (дата обращения: 25.12.10).

23. The National Advanced Driving Simulator Электронный ресурс. // University of Iowa, 2010. URL: http://www.nads-sc.uiowa.edu (дата обращения: 25.12.10).

24. VTI Электронный ресурс. // Swedish National Road and Transportation Research Institute, 2010. URL: http://www.vti.se (дата обращения: 25.12.10).

25. Suda Y. Validation of the universal driving simulator with interactive traffic simulation // Proceedings of Driving Simulation Conference. — Tsukuba, Japan, 2006. — Vol. 4563. P. 584-593.

26. Федеральная целевая программа "Повышение безопасности дорожного движения в 2006-2012 годах" Электронный ресурс. // ФЦП "Повышения безопасности дорожного движения", 2010. URL: http://www.fcp-pbdd.ru (дата обращения: 25.12.10).

27. Алюшин С. А. Анализ работы голосового детектора стресса в акустических шумах / С. А. Алюшин, А. В. Алюшин, М. В. Алюшин // Естественные и технические науки. 2010. -№1. - С. 283-288.

28. SWOV Fact sheets. Simulators in driver training Электронный ресурс. // SWOV, 2010. URL: http://www.swov.nl/rapport/Factsheets/UK/FS Simulators in driver training.pdf (дата обращения: 25.12,10).

29. Allen R. W. The effect of driving simulator fidelity on training effectiveness / R. W. Allen, G. D. Park, M. L. Cook // Driving simulation conference, North America. — Iowa City, 2007. -P. 2-16.

30. Duraz M. Validation of driving simulators for training / M. Duraz, S. Espie // Proceedings of the conference on European guidelines for the application of new technologies for driver training and education. Madrid, 2006. - P. 17-25.

31. Dompke U. Computer generated forces background, definition and basic technologies // Simulation of and for military decision making. - 2003. - P. 7-49.

32. Intelligent human variability in computer generated forces Электронный ресурс. // AgentLink, 2010. URL: http://www.atzentlink.org/resources/webCS/AL3 CS 001 AOS.pdf (дата обращения: 25.12.10).

33. Алюшин С. А. Особенности моделирования поведения компьютерно-управляемых объектов в обучающих системах реального времени // Научная сессия НИЯУ МИФИ-2010. Аннотации докладов. М.: НИЯУ МИФИ, 2010. - Т.З. - С. 35.

34. Алюшин С. А. Особенности моделирования поведения компьютерно-управляемых объектов в обучающих системах реального времени / С. А. Алюшин, Н. И. Ильинский // Труды научной сессии НИЯУ МИФИ-2010. М.: НИЯУ МИФИ, 2010. - Т.5. - С.16-19.

35. Angshuman G. Introduction to TRANSIMS Электронный ресурс. URL: https://t-square.gatech.edu/access/content/group/28974.201002/Introduction to TRANSIMSPartl.pdf (дата обращения: 20.07.09).

36. Lownes N. E. VISSIM: a multi-parameter sensitivity analysis / N. E. Lownes, R. B. Machemehl // Proceedings of the 38th conference on Winter simulation. 2006. - P. 1406-1413.

37. Champion A. Behavioral road traffic simulation with ARCHISIM / A. Champion, S. Espie, J.Auberlet // IEEE international conference on systems man and cybernetics. IEEE, 2002. -Vol. 5.-P. 1-7.

38. Barcelo J. Microscopic traffic simulation: a tool for the design, analysis and evaluation of intelligent transport systems // Journal of intelligent and robotic systems. 2005. - Vol. 41, № 23.-P. 173-203.

39. SCANNER П Электронный ресурс. // Benoit Lacroix, Renault, 2010. URL: http://www.experts.renault.com/kemenv/phds/thierrv lefebvre/index.html (дата обращения: 02.08.09).

40. Алюшин С. А. Моделирование дорожного движения как сложной адаптивной системы при разработке компьютерных тренажеров обучения вождению / С. А. Алюшин, Н. И. Ильинский // Информационные технологии в проектировании и производстве. 2009. - №4. С. 92-95.

41. Kauffman S. A. Investigations. Oxford University Press, 2000. - 302 p.

42. Wolfram S. A new kind of science. Wolfram Media, 2002. - 1192 p.

43. Элементы: сложные адаптивные системы Электронный ресурс. // "Элементы", 2009. URL: http://elementv.ru/trefil/21116 (дата обращения: 25.12.10).

44. Auyang S. Y, Foundations of complex-system theories: in economics, evolutionary biology, and statistical physics. Cambridge University Press, 1998. - 416 p.

45. Flake G. W. The computational beauty of nature: computer explorations of fractals, chaos, complex Systems, and adaptation. The MIT Press, 2000. - 514 p.

46. Алюшин С. А. Многоагентный подход к анализу нейросетей большой размерности / С.А. Алюшин, А.В. Алюшин // Естественные и технические науки. 2010. - №1. - С. 313315.

47. Алюшин С. А. Клеточный автомат для управления многоагентной нейросетыо / С. А. Алюшин, А. В. Алюшин // Естественные и технические науки. 2010. - №3. - С. 370-372.

48. Алюшин С. А. Управление многоагентной нейросетью на основе клеточного автомата // Материалы УП Всероссийской школы-конференции молодых ученых «Управление большими системами». Пермь, 2010. — С. 208-210.

49. Ilachinski A. Artificial war: multiagent-based simulation of combat. World Scientific Publishing, 2004. - 747 p.

50. Badii R. Complexity: hierarchical structures and scaling in physics / R. Badii, A. Politi. -Cambridge University Press, 1999. 336 p.

51. Koestler A. Janus: summing up. Vintage, 1979. - 354 p.

52. Holland J. H. Emergence: from chaos to order. Basic Books, 1999. - 272 p.

53. Kauffman S. A., Origins of order: self-organization and selection in evolution. Oxford University Press, 1993. - 734 p.

54. Deutsch D. The fabric of reality: the science of parallel universes and its implications. -Penguin, 1998.-390 p.

55. Prigogine I. From being to becoming: time and complexity in the physical sciences. W H Freeman & Co, 1981. - 272 p.

56. Haken H. Information and self-organization: a macroscopic approach to complex systems. -Springer, 2006. 262 p.

57. Heylighen F. The science of self-organization and adaptivity / F. Heylighen // The encyclopedia of life support systems. Publishers Co. Ltd, 1999. - P. 253-280.

58. Shannon С. E. The mathematical theory of communication / С. E. Shannon, W. Weaver. -University of Illinois Press, 1998. 144 p.

59. Bernon C. Applications of self-organising multi-agent systems: an initial framework for comparison / C. Bernon, V. Chevrier, V. Hilaire // Informática. 2006. - № 30. - P. 73-82.

60. Edmonds B. Bibliography of measures of complexity Электронный ресурс. URL: http://bruce.edmonds.name/combib/ (дата обращения: 25.12.10).

61. Lloyd S. Physical measures of complexity / S. Lloyd // Lectures in Complex Systems: The Proceedings of the 1989 Complex Systems Summer School. — Addison-Wesley, 1990. — P. 6773.

62. Дорожное движение Википедия Электронный ресурс. // Википедия свободная энциклопедия, 2010. URL: http://ru■wikipedia■org/wiki/Дopoжнoe движение (дата обращения: 25.12.10).

63. Правила дорожного движения Википедия Электронный ресурс. // Википедия свободная энциклопедия, 2010. URL: http://ru.wikipedia.org/wiki/npaBwia дорожного движения (дата обращения: 25.12.10).

64. Коваленко JI. А. Оценка скоростей движения автомобилей в городских условиях Электронный ресурс. // Конференции БГТУ им. В. Г. Шухова, 2010. URL: http://conf.bstu.ru/conf/docs/0047/2105.doc (дата обращения: 25.12.10).

65. Поваров Г. Н. Об уровнях сложности систем // Методологические проблемы кибернетики. М., 1970. - Т. 2. - С. 184.

66. Belinova Z. Self-organazing processes in transportation can we use them to improve traffic control? / Z. Belinova // Transport problems. - 2007. - Vol. 2, № 2. - P. 49-54.

67. Dastani M. An extension of BDICTL with functional dependencies and components / M. Dastani, L. Torre // Lecture Notes in Computer Science. Springer Berlin, 2002. - Vol. 2514. — P. 115-129.

68. Rana О. Progress in multi-agent systems research / O. Rana, С. Preist, M. Luck // Knowledge engineering review. 2000. - Vol.3, № 15. - P. 285-292.

69. Iglesias С. A. A survey of agent-oriented methologies / C. A. Iglesias, M. Garijo, J. Centeno-Gonzalez // Lecture notes in computer sciense. Springer-Verlag, 1998. - Vol. 1555. - P. 317330.

70. Steels L. The artificial life route to artificial intelligence: building embodied, situated agents / L. Steels, R. Brooks. Psychology Press, 1995. - 304 p.

71. Wooldridge M. An Introduction to multiagent systems. John Wiley & Sons, 2002. - 348 p.

72. Рассел С. Искусственный интеллект: современный подход пер. с англ. / С. Рассел, П. Норвинг. 2-е изд. - М.: Вильяме, 2006. - 1408 с.

73. Weiss G. Muliagent systems. A modern approach to distributed artificial intelligence. -Massachusetts institute of technology, 1999. 643 p.

74. Davidsson P. An analysis of agent-based approaches to transport logistics / P. Davidsson, L. Henesey, L. Ramstedt // Transportation Research. 2005. - Vol. 13. - P. 255-271.

75. Hadouaj S. A multi-agent road traffic simulation model: validation of the insertion case / S. Hadouaj, S. Espie, A. Drogoul // Proceedings of 2004 Summer Computer Simulation conference. -2004.-P. 20-25.

76. Wahle J. A multi-agent system for on-line simulators based on real-world traffic data / J. Wahle, M. Schreckenberg // Proceedings of the 34lh Annual Hawaii International Conference on System Sciences.-2001.-Vol. 3.-P. 3037.

77. Nakama Y. A multi-agent traffic and environmental simulator and its application to the analysis of traffic congestion in Kashiwa city / Y. Nakama, S. Yoshimura, H. Fujii // Computational methods. Springer Netherlands, 2007. - P. 1925-1930.

78. Leon P. E. Microscopic traffic simulation with reactive driving agents / P.E. Leon // IEEE Intelligent transportation systems conference proceedings. 2001. - P. 861-866.

79. Zhang F. Single-lane traffic simulation with multi-agent system / F. Zhang, J. Li, Q. Zhao // Proceedings of the 8' international IEEE conference on intelligent transportation systems. — Vienna, 2005.-P. 1183-1187.

80. Rossetti J. F. Using BDI agents to improve driver modelling in a commuter scenario / J.F. Rossetti, R. H. Bordini, L.C. Bazzan // Transportation research. 2002. - Vol. 10. - P. 373-398.

81. Dastani M. An extension of BDICTL with functional dependencies and components / M. Dastani, L. Torre // Lecture Notes in Computer Science. Springer Berlin, 2002. - Vol. 2514. -P. 115-129.

82. Hsiang K. A hybrid mobile robot architecture witj integrated planning and control // Proceeding of the international joint conference on Autonomous agents and multiagent systems. Bolonga, 2002. - P. 219-226.

83. Ying L. Agent-based modeling: a case study in urban traffic simulation system / L. Ying // Internaional conference on management science and engineering. 2006. - P. 2104-2108.

84. Stone P. Multiagent systems: a survey from a machine nearning perspective / P. Stone, M. Veloso // Autonomous robots. Spring Netherlands, 2004. - P. 345-383.

85. Pynadath D. The communicative multiagent team decision problem: analyzing teamwork theories and models / D. Pynadath, M. Tambe // Journal of artificial intelligence research. -2002. Vol. 16. - P. 389-423.

86. Алюшин С. А. Неявное взаимодействие в системе гетерогенных агентов при имитации динамической дорожной обстановки // Научная сессия МИФИ-2008. Сборник научных трудов. М.: МИФИ, 2008. - Т. 11. - С. 94-95.

87. Алюшин С. А. Система управления движением транспортных средств в городском потоке // Научная сессия МИФИ-2006. Сборник научных трудов. М.: МИФИ, 2006. - Т. 2. - С. 64-65.

88. Алюшин С. А. Моделирование динамической дорожной обстановки на основе мультиагентного подхода // Научная сессия МИФИ-2007. Сборник научных трудов. М.: МИФИ, 2007. - Т. 2. - С. 14-15.

89. Olstam J. J. A framework for simulation of surrounding vehicles in driving simulators / J.J. Olstam, J. Lundgren // ACM transactions on modeling and computer simulation. 2008. - Vol. 18, №3,-P. 9-32.

90. Panwai S. Comparative evaluation of microscopic car-following behavior / S. Panwai, H. Dia // IEEE transactions on intelligent transportation systems. 2005. — Vol. 6, № 3. - P. 314-325.

91. Toledo T. Driving behaviour: models and challenges / T. Toledo // Transport Reviews. -2007. Vol. 1, № 27. - P. 65-84.

92. Olstam J. J. A model for simulation and generation of surrounding vehicles in driving simulators: Licentiate thesis at Linkoping University. 2005. - 118 p.

93. Kosonen I. HUTSIM Urban traffic simulation and control model: principles and applications: PhD thesis at Helsinki University of Technology. - Helsinki, 1999. - 249 p.

94. Gutowski A. Calibration of a freeway link model using box's complex method Электронный ресурс. // Eds. Centre for Traffic Research, 2002. URL: http://www.infra.kth.se/ctr/projekt/tpma/tpma en.htm (дата обращения: 03.08.09).

95. Tapani A. A traffic simulation modeling framework for rural highways: Licentiate thesis at Linkoping University. 2005. - 104 p.

96. Liu A. The time course of a lane change: driver control and eye movement behavior / A. Liu, D.D. Salvucci // Transportation Research Part F. Elsevier Science, 2002. - P. 123-132.

97. Doniec A. Multi-agent coordination and anticipation model to design a road traffic simulation tool // Proceedings of the 4th european workshop on multi-agent systems. Lisbon, 2006.-P. 12-22.

98. Hassan Y. Traffic model based on multi-agent cellular automata technique / Y. Hassan, N. Baba, E. Tazaki // SICE 2003 Annual Conference. 2003. - Vol. 1. - P. 647-650.

99. Maerivoet S. Cellular automata models of road traffic / S. Maerivoet, B. Moor // Physics reports.-2005.-Vol. 419, № l.-P. 1-64.

100. Knospe W. Towards a realistic microscopic description of highway traffic // Journal of Physics A: Mathematical and General. 2000. - Vol. 33, № 48. - P. 477-485.

101. Ruskin H. J. Modeling traffic flow at an urban unsignalized intersection / H. J. Ruskin, R. Wang // Lecture Notes in Computer Science. Springer-Verlag, 2002. - Vol. 2329. - P. 381390.

102. Wang R. Modelling traffic flow at multi-lane urban roundabouts / R. Wang, H. J. Ruskin // International Journal of Modern Physics C. 2005. - Vol. 17, № 5. - P. 693-710.

103. Алюшин С. А. Синтез адаптивного поведения группы гетерогенных объектов на примере имитации динамики транспортного потока // Научная сессия МИФИ-2009. М.: МИФИ, 2009. - 4.2. - С. 111-112.

104. Pollack М. Е. Plans as complex mental attitudes / M. E. Pollack, P. R. Cohen, J. Morgan // Intentions in Communication. MIT Press, 1990. - P. 77-104.

105. Berg J. Reciprocal velocity obstacles for real-time multi-agent navigation / J. Berg, M. Lin,

106. D. Manocha // Proceedings of the 2008 IEEE International Conference on Robotics and Automation. 2008. - P. 1928-1935.

107. Алюшин С. А. Синхронизация агентов в системе с двумерной топологией / С. А. Алюшин, А. В. Алюшин // Естественные и технические науки. 2010. - №3. - С. 373-375.

108. Алюшин С. А. Синхронизация агентов в сложной адаптивной системе с двумерной топологией / С. А. Алюшин, А. В. Алюшин // Материалы VII Всероссийской школы-конференции молодых ученых «Управление большими системами» (Пермь, 2010 г.). -2010.-С. 203-207.

109. Champion A. A game-based, multiagent coordination mechanism — application to road traffic and driving simulations / A. Champion, S. Espie, R. Mandiau // Simulation series. 2003. -Vol. 35.-P. 644-649.

110. Schulze T. Urban traffic simulation with psycjo-physical vehicle-following models / T. Schulze, T. Fliess // Proceedings of the 1997 Winter Simulation Conference. 1997. - P. 12221229.

111. Zhang H. M. A car-following theory for multiphase vehicular traffic flow / H. M. Zhang, T. Kim // Transportation Research Part B. 2005. - P. 385-399.

112. Hidas P. Modeling lane changing and merging in microscopic traffic simulation // Transportation Research Part C: Emerging Technologies. 2002. - Vol. 10, № 5. - P. 351-371.

113. Ramanujam V. Lane changing models for arterial traffic: Master of Science in Transportation at Massachusetts Institute of Technology. 2007. - 129 p.

114. Olstam J. J. Traffic generation for the VTI driving simulator / J. J. Olstam // Driving Simulation Conference North America 2003 Proceedings. 2003. - P. 35-44.

115. Toledo T. Modeling duration of lane changes / T. Toledo // Journal of the transportation research board. 2007. - P. 71-78.

116. Алюшин С. А. Автоматическое размещение динамических объектов на логической дорожной карте в режиме реального времени / С. А. Алюшин, Н. В. Хасанов // Современные технологии в задачах управления, автоматики и обработки информации:

117. Труды XVIII Международного научно-технического семинара (Алушта, 2009 г.) — М.: МИРЭА, 2009. С. 225.

118. Алюшин С. А. Комплексный подход к имитации дорожного движения / С. А. Алюшин, Н. И. Ильинский // В мире научных открытий. — Красноярск, 2009. №2 — С. 3143.

119. Алюшин С. А. Интеграция микроскопических и мезоскопических моделей при имитации дорожного движения / С. А. Алюшин, Н. И. Ильинский // Программные продукты и системы. Тверь, 2009. - №2. - С. 190-193.

120. Fourrate К. Disordered cellular automata traffic flow models / K. Fourrate, M. Loulidi // The European Physical Journal B. 2006. - Vol. 49, № 2. - P. 239-246.

121. Wahle J. A microscopic simulator for freeway traffic / J. Wahle, R. Chrobok, A. Pottmeier // Networks and spatial Economics. Kluwer Academic Publishers, 2002. - P. 371-386.

122. Maerivoet S. Dynamic traffic assignment based on cellular automata: technical report, Katholieke Universiteit Leuven. 2006. - 23 p.

123. Feng Y, Heterogeneous traffic flow model for a two-lane roundabout and controlled intersection / Y. Feng, Y. Liu, P. Deo // International Journal of Moder Physica. World Scientific Publishing Company, 2007. - Vol. 18, № 1. - P. 107-117.

124. Dijkstra J. A multi-agent cellular automata model of pedestrian movement / J. Dijkstra, J. Jessurun, H. Timmermans // Pedestrian and evacuation dynamics. Springer-Verlag, 2001. - P. 173-181.

125. Алюшин С. А. Применение модели клеточного автомата для моделирования пешеходного движения с гетерогенными участниками / С. А. Алюшин, Д. А. Козловцев // Научная сессия МИФИ-2009. М.: МИФИ, 2009. -Ч. 2 - С. 115-116.

126. Fuks P. Object-oriented road inrfastructure for agent-based traffic simulation / P. Fuks // GIS (Ostrava, 2008). Ostrava, 2008. - P. 1-8.

127. Namekawa M. A road traffic simulation system with a microscopic model using a running line / M. Namekawa, Y. Ueda, A. Satoh // IMACS/MODSIM congress (Cairns, 2009). 2009. -P. 1678-1684.

128. Алюшин С. А. Построение логической карты местности на основе данных векторных карт / С. А. Алюшин, Н. В. Хасанов // Научная сессия МИФИ-2009. М.: МИФИ, 2009. -Ч. 2.-С. 113-114.

129. Алюшин С. А. Моделирование городского движения на основе сети клеточных автоматов / С. А. Алюшин, Д. А. Козловцев // Научная сессия НИЯУ МИФИ-2010. Аннотации докладов. М.: НИЯУ МИФИ, 2010. - Т.З. - С. 36.

130. Wassink I. In the Truman Show: generating dynamic scenarios in a driving simulator / I. Wassink, B. Dijk, J. Zwiers // Interactive entertainment. IEEE computer society, 2006. — P. 2832.

131. Алюшин С. А. Разработка системы выполнения динамических сценариев упражнений в тренажерах вождения / С. А. Алюшин, Н. В. Хасанов // Научная сессия НИЯУ МИФИ-2010. Аннотации докладов. М.: НИЯУ МИФИ, 2010. - Т. 3. - С. 41.

132. Алюшин С. А. Структура дорожной сети при агентно-ориентированном моделировании дорожного движения / С. А. Алюшин, И. И. Ильинский // Информационные технологии в проектировании и производстве. — 2010. № 2. — С. 100104.

133. IEEE Standard 1278.1: IEEE Standard for distributed interactive simulation application protocols / Institute of Electrical & Electronics Enginee. - IEEE, 1997. - 144 p.

134. IEEE Standard 1278.3: IEEE Recommended practice for distributed interactive simulation -exercise management and feedback / Institute of Electrical & Electronics Enginee. — IEEE, 1997. -24 p.

135. Страуструп Б. Язык программирования С++. 3-е изд. - СПб., М.: «Невский Диалект»-«Издательство БИНОМ», 1999.-991 с.

136. Шилдт Г. С++: руководство для начинающих. 2-е изд. - М.: Издательский дом "Вильяме", 2005. - 672 с.

137. Booch G. Object oriented analysis and design with applications. — Addison-Wesley Professional, 1993.-608 p.

138. IEEE Standard 1516: IEEE Standard for modeling and simulation (M&S) high level architecture (HLA) framework and rules / Institute of Electrical & Electronics Enginee. -IEEE, 2010.-38 p.

139. Шлеер С. Объектно-ориентированный анализ: моделирование мира в состояниях / С. Шлеер, С. Меллор. Киев: «Диалектика», 1993. - 240 с.

140. Рыжиков Ю. И. Имитационное моделирование. Теория и технологии. СПб.: Корона принт, М.: Альтекс-А, 2004. - 384 с.

141. Алюшин С. А. Моделирование дорожного движения на основе многоагентного подхода при разработке тренажеров для обучения вождению // Сборник аннотаций работ 7-ой Курчатовской молодежной научной школы. — 2009. С. 98.

142. Алюшин С. А. Графический редактор базы данных дорожной сети для поддержки процесса разработки системы имитации дорожного движения / С. А. Алюшин, Е. С. Биятов // Научная сессия НИЯУ МИФИ-2010. Аннотации докладов. М.: НИЯУ МИФИ, 2010.-Т. З.-С. 41.

143. ГУЛ "Мосгортранс" Электронный ресурс. // ГУЛ Мосгортранс, 2007. URL: http://www.mosgortrans.com/UKKy (дата обращения: 25.12.10).