САНКТ-ПЕТЕРБУРГ, 13 октября. /ТАСС/. Прототип цифровой платформы для интеллектуального управления транспортом будущего представили ученые Санкт-Петербургского политехнического университета имени Петра Великого в Петербурге. Внедрение платформы в городское хозяйство в будущем позволит сокращать время в пути и снижать экологическую нагрузку от транспорта, сообщили ТАСС в пресс-службе университета.
"Особенность предлагаемого нами подхода в комбинации взаимодополняющих методов анализа больших массивов данных. <…> В нашей же системе использованы имитационно-обоснованные нейронные сети - подход, аналогичный PINN (физически-информированные нейронные сети). Это означает, что логика поведения платформы задана разработанной нами имитационной моделью. Она не позволяет платформе предлагать нереалистичные сценарии управления, т.е. нарушать реально существующие "физические законы". Нейросетевой же компонент позволяет системе видеть статистические важные совпадения в большом массиве данных. Благодаря этому платформа с минимальными вычислительными мощностями анализирует данные, а также предугадывает транспортную обстановку. Также система постоянно самообучается", - привели в пресс-службе слова руководителя проекта, заведующей лабораторией "Промышленные системы потоковой обработки данных" Передовой инженерной школы "Цифровой инжиниринг" Марины Болсуновской.
Платформа, названная "Поланис", включает в себя модули оптимизации имитационных моделей транспортных систем с применением технологий искусственного интеллекта, генерации обучающих выборок для машинного обучения на базе имитационных моделей транспортных систем. Платформа на основе гибридного искусственного интеллекта и данных геоинформационных систем способна проводить глубокий анализ больших данных транспортных систем и оптимизировать транспортные потоки. Разработка таже обладает системой поддержки принятия решений по развитию дорожной инфраструктуры, в том числе в сложных климатических условиях.
По сравнению с аналогами разработка обладает преимуществами в возможности обработки мультимодальных данных из различных источников и их объединения в общую геоинформационную базу, а также наличием функций предиктивной и прескриптивной аналитики. Точность определения координат объектов дорожной обстановки системой достигает 5 см, а вероятность их детектирования - до 0,95.
Важной особенностью проекта является его масштабируемость и кросс-отраслевой потенциал. Ключевая идея ученых - создание универсальной цифровой платформы-экосистемы для управления цифровыми моделями в различных отраслях. Помимо транспорта, платформа тестируется для решения задач в энергетике, нефтегазовой отрасли, биомедицине и сейсморазведке. В перспективе планируется интеграция на платформу цифровых моделей для этих и других областей. Также результаты исследований будут использованы при разработке национальных стандартов в сфере ИИ.
Разработка ведется при поддержке программы "Приоритет 2030".