| Русский Русский | English English |
   
Главная Текущий номер
02 | 12 | 2020
10.14489/vkit.2020.10.pp.021-029

DOI: 10.14489/vkit.2020.10.pp.021-029

Акопов А. С., Хачатрян Н. К., Бекларян Л. А., Бекларян А. Л.
СИСТЕМА УПРАВЛЕНИЯ БЕСПИЛОТНЫМИ ТРАНСПОРТНЫМИ СРЕДСТВАМИ НА ОСНОВЕ НЕЧЕТКОЙ КЛАСТЕРИЗАЦИИ. ЧАСТЬ 2. НЕЧЕТКАЯ КЛАСТЕРИЗАЦИЯ И ПРОГРАММНАЯ РЕАЛИЗАЦИЯ
(c. 21-29)

Аннотация. Дано продолжение описания системы управления наземными беспилотными транспортными средствами (БТС) в рамках интеграции феноменологического подхода к моделированию поведения агентов и методов нечеткой кластеризации в целях повышения качества принимаемых решений. В результате с помощью методов динамической нечеткой кластеризации обеспечена поддержка адаптивного управления БТС, что позволяет минимизировать риски возникновения дорожно-транспортных происшествий (аварийных ситуаций с участием БТС) и максимизировать трафик (суммарный выходной поток) в условиях интенсивного дорожного потока. Выполнена программная реализация разработанной имитационной модели в среде AnyLogic и проведены численные эксперименты, нацеленные на анализ сценариев развития дорожной ситуации с участием ансамбля БТС.

Ключевые слова:  нечеткая кластеризация; беспилотные транспортные системы; интеллектуальная транспортная система; адаптивное управление; имитационное моделирование.

 

Akopov A. S., Khachatryan N. K., Beklaryan L. A., Beklaryan A. L.
UNMANNED VEHICLE CONTROL SYSTEM BASED ON FUZZY CLUSTERING. PART 2. FUZZY CLUSTERING AND SOFTWARE IMPLEMENTATION
(pp. 21-29)

Abstract. This article continues the description of the control system for ground unmanned vehicles as part of the integration of a phenomenological approach to modeling the behavior of agents and methods of fuzzy clustering in order to improve the quality of decisions. As a result, adaptive fuzzy clustering methods provide support for adaptive ground unmanned vehicles control, which minimizes the risks of accidents (emergencies involving ground unmanned vehicles) and maximizes traffic (total output stream) in conditions of heavy traffic. The second part is devoted to the description of the developed fuzzy clustering algorithm, software implementation and experiments. As a result, within the framework of the developed model of ground unmanned vehicles movement, fuzzy clustering methods are used to ensure the procedure for choosing the most preferable (least dense) lane in conditions of heavy traffic and to support continuous information exchange between ground unmanned vehicles. The software implementation of the developed simulation model in the AnyLogic environment was performed and numerical experiments aimed at analyzing scenarios of the development of the road situation with the participation of the ground unmanned vehicles ensemble were carried out. Various behavioral scenarios of the developed ground unmanned vehicles control system were investigated, and agent clustering was performed for each scenario under consideration. As a result of numerical experiments, the effectiveness of using the proposed fuzzy clustering procedure to assess the density of the road flow and adaptive control and maneuvering of the ground unmanned vehicles is confirmed.

Keywords: Fuzzy clustering; Unmanned transport systems; Intelligent transport system; Adaptive management; Simulation modeling.

Рус

А. С. Акопов, Н. К. Хачатрян (Национальный исследовательский университет «Высшая школа экономики»; ФГБУН «Центральный экономико-математический институт РАН, Москва, Россия)
Л. А. Бекларян (ФГБУН «Центральный экономико-математический институт РАН, Москва, Россия)
А. Л. Бекларян (Национальный исследовательский университет «Высшая школа экономики», Москва, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

 

Eng

A. S. Akopov, N. K. Khachatryan (National Research University Higher School of Economics; Central Economics and Mathematics Institute Russian Academy of Science, Moscow, Russia),
L. A. Beklaryan (Central Economics and Mathematics Institute Russian Academy of Science, Moscow, Russia)
A. L. Beklaryan (National Research University Higher School of Economics, Moscow, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

 

Рус

1. Система управления беспилотными транспортными средствами на основе нечеткой кластеризации. Ч. 1. Модель движения транспортных средств / А. С. Акопов и др. // Вестник компьютерных и информационных технологий. 2020. Т. 17, № 9. С. 3 – 12. doi: 10.14489/vkit.2020.09.pp.003-012
2. Beklaryan A. L., Akopov A. S. Simulation of Agent-Rescuer Behaviour in Emergency Based on Modified Fuzzy Clustering // Proc. of the 2016 Intern. Conf. on Autonomous Agents & Multiagent Systems. Richland: International Foundation for Autonomous Agents and Multiagent Systems. 2016. P. 1275–1276.
3. Бекларян А. Л., Акопов А. С. К вопросу об алгоритмах кластеризации толпы в условиях чрезвычайных ситуаций // XVII апрельская Междунар. науч. конф. по проблемам развития экономики и общества: в 4 кн. / отв. ред. Е. Г. Ясин. Кн. 4. М., 2017. С. 463 – 475.
4. Ruspini E. H. Numerical Methods for Fuzzy Clustering // Information Sciences. 1970. V. 2, No. 3. P. 319 – 350.
5. Bezdek C. J. Cluster Validity with Fuzzy Sets // Journal of Cybernetics. 1974. V. 3, No. 3. P. 58 – 73.
6. Bezdek C. J. Pattern Recognition with Fuzzy Objective Function Algorithms. Norwell, Mass.: Kluwer Academic Publishers, 1981. 256 p.
7. Clustering of Public Transport Operation Using K-Means / R. A. Kadir et al. // IEEE 3rd Intern. Conf. on Big Data Analysis (ICBDA). Shanghai, 2018. P. 427 – 432.
8. Qiong L., Jie Y., Jinfang Z. Application of Clustering Algorithm in Intelligent Transportation Data Analysis // Information and Management Engineering. ICCIC 2011. Communications in Computer and Information Science. 2011. V. 236. P. 467 – 473.
9. A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise / M. Ester et al. // Proc. of the Second Intern. Conf. on Knowledge Discovery and Data Mining (KDD-96). 1996. P. 226 – 231.
10. Многоагентная система управления наземными беспилотными транспортными средствами / А. С. Акопов и др. // Информационные технологии. 2020. Т. 26, № 6. С. 342 – 353. doi: 10.17587/it.26. 342 – 353.

Eng

1. Akopov A. S. et al. (2020). A control system for unmanned vehicles based on fuzzy clustering. Part 1. Model of vehicle movement. Vestnik komp'yuternyh i informatsionnyh tekhnologiy, Vol. 17, (9), pp. 3 – 12. [in Russian language] doi: 10.14489/vkit.2020.09.pp.003-012
2. Beklaryan A. L., Akopov A. S. (2016). Simulation of Agent-Rescuer Behaviour in Emergency Based on Modified Fuzzy Clustering. Proceedings of the 2016 International Conference on Autonomous Agents & Multiagent Systems, pp. 1275 – 1276. Richland: International Foundation for Autonomous Agents and Multiagent Systems.
3. Yasin E. G. (Ed.), Beklaryan A. L., Akopov A. S. (2017). On the issue of crowd clustering algorithms in emergency situations. XVII April International scientific conference on the problems of economic and social development: in 4 books. Book. 4, pp. 463 – 475. Moscow. [in Russian language].
4. Ruspini E. H. (1970). Numerical Methods for Fuzzy Clustering. Information Sciences, Vol. 2, (3), pp. 319 – 350.
5. Bezdek C. J. (1974). Cluster Validity with Fuzzy Sets. Journal of Cybernetics, Vol. 3, (3), pp. 58 – 73.
6. Bezdek C. J. (1981). Pattern Recognition with Fuzzy Objective Function Algorithms. Norwell, Mass.: Kluwer Academic Publishers.
7. Kadir R. A. et al. (2018). Clustering of Public Transport Operation Using K-Means. IEEE 3rd International Conference on Big Data Analysis (ICBDA), pp. 427 – 432. Shanghai.
8. Qiong L., Jie Y., Jinfang Z. (2011). Application of Clustering Algorithm in Intelligent Transportation Data Analysis. Information and Management Engineering. ICCIC 2011. Communications in Computer and Information Science, Vol. 236, pp. 467 – 473.
9. Ester M. et al. (1996). A Density-Based Algorithm for Discovering Clusters in Large Spatial Data-bases with Noise. Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96), pp. 226 – 231.
10. Akopov A. S. et al. (2020). Multiagent control system for ground unmanned vehicles. Informatsionnye tekhnologii, Vol. 26, (6), pp. 342 – 353. [in Russian language] doi: 10.17587/it.26.342 – 353.

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 350 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа скопируйте doi статьи:

10.14489/vkit.2020.10.pp.021-029

и заполните  форму 

Отправляя форму вы даете согласие на обработку персональных данных.

.

 

Eng

This article  is available in electronic format (PDF).

The cost of a single article is 350 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please copy the article doi:

10.14489/vkit.2020.10.pp.021-029

and fill out the  form  

 

.

 

 

 
Поиск
Баннер
Баннер
Баннер
Баннер
Журнал КОНТРОЛЬ. ДИАГНОСТИКА
Rambler's Top100 Яндекс цитирования