Ситуационное управление городским транспортом с интеллектуальной поддержкой диспетчерских решений



Аннотация. Предлагается алгоритм нечеткого ситуационного управления, который является основой интеллектуальной АСППР для диспетчера по управлению конкретным видом городского транспорта. Алгоритм базируется на методе ПРОБА, позволяющим осуществить выбор лучшей из группы альтернатив управляющих воздействий, сформированных на основе метода экспертного анкетирования.

Ключевые слова: управление городским транспортом, база знаний предметной области, нечеткая ситуационная сеть, АСППР.

Стенин А.А., Пасько В.П., Лемешко В.А., Русакова А.В.

КПИ им. Игоря Сикорского

Киев, Украина

alexander.stenin@yandex.ua

Situational management of urban transport with intelligent support for dispatch solutions

Abstract. The article proposes an algorithm of fuzzy situation control, which is the basis of an intelligent ADSS for managing a specific type of public transport. This algorithm is based on the method of the PROBA, which makes it possible to select the optimal control alternatives, which were generated automatically on the basis of the expert survey method.

Keywords: urban transport management, knowledge base of the subject area, fuzzy situation network, ADSS.

Stenin A., Pasko V., Lemeshko V., Rusakova A.

Igor Sikorsky Kyiv Polytechnic Institute

Kyiv, Ukraine

alexander.stenin@yandex.ua

На сегодняшний день развитие и эффективное управление транспортом немыслимо без разработки и применения интеллектуальных систем управления [1, 2, 4]. Для обеспечения высокой эффективности и стабильности принимаемых диспетчером решений в процессе управления движением общественного городского транспорта требуется разработка интеллектуальной автоматизированной системы поддержки принятия решений (АСППР) [1, 4]. В докладе предлагается алгоритм нечеткого ситуационного управления, построенный на основе нечеткой ситуационной сети, который является основой интеллектуальной АСППР для диспетчера по управлению конкретным видом городского транспорта и базируется на методе ПРОБА. Нечеткая ситуационная сеть строится на основе существующей базы знаний АСППР о функционировании общественного городского транспорта и условий его работы в различных режимах эксплуатации с формированием типовых «штатных» ситуаций, для которых на основе экспертных методов детально разработаны управляющие воздействия [2]. Следует отметить, что, как база знаний по функционированию городского транспорта, так и ситуационная сеть, носят эволюционный характер и периодически обновляются за счет включения новой типовой («штатной») ситуации (фактически это отработанный экспертами вариант возникшей «нештатной» ситуации). Фактически, нечёткая ситуационная сеть представляет собой нечёткий ориентированный граф, вершины которого соответствуют существующим «штатным» нечётким ситуациям, дуги взвешены возможными решениями, необходимыми для перехода по ситуациям, и степенями предпочтения этих решений. Для определение текущего состояние процесса работы городского транспорта необходимо сравнить данную нечёткою ситуацию с каждой нечёткой ситуацией из некоторого набора существующих типовых ситуаций $S\text{ }=\text{ }\left( {{S}_{1}},\text{ }\ldots \text{ },\text{ }{{S}_{K}} \right)$ в базе знаний о функционировании городского транспорта. В качестве меры для определение степени близости нечёткой ситуации ${{S}_{TEK}}$ и ${{S}_{k}}\,(k=1,K)$ из базы знаний можно использовать:

$ - $ степень нечёткого включение нечёткой ситуации STEK в нечёткую ситуацию ${{S}_{k}}$;

$ - $ степень нечёткого равенства ${{S}_{TEK}}$и ${{S}_{k}}$;

$ - $ степень нечёткой общности ${{S}_{TEK}}$и ${{S}_{k}}$.

Такой подход на основе нечеткого ситуационного управления целесообразно использовать в связи с большим количеством неопределенностей и получением количественной и вербальной информации о возникшей ситуации в работе городского транспорта. Алгоритм нечеткого ситуационного управления для диспетчера по управлению конкретным видом городского транспорта при наличии «штатных» ситуаций позволяет диспетчеру всегда выбрать правильное решение по управлению городским транспортом. В случае возникновения «нештатных» ситуаций, на основе разработанного авторами метода ПРОБА, формируются новые «штатные» ситуации и заносятся в базу знаний о функционировании городского транспорта.

Рис. 1.Алгоритм нечеткого ситуационного управления

Предлагаемый метод ПРОБА (ПРоцедура ОБработки Альтернатив) отличается от известных методов ПАРК, ЗАПРОС, ОРКЛАСС, ШНУР тем, что осуществляется критериальное оценивание альтернатив, причем по каждому критерию оценивается все множество альтернатив. Кроме того, данный метод предусматривает то, что экспертом задаются оценки как на лингвистической шкале оценок, так и на количественной шкале с использованием функций полезности. Основными этапами метода являются: построение системы гипотез-оснований и гипотез-следствий; формирование количественных и лингвистических шкал критериев оценок альтернатив; составление структуры и заполнение анкеты; нормирование шкал критериев оценок альтернатив с использованием функций принадлежности; анализ результатов экспертной оценки. В рамках выбранных шкал критериев оценок альтернатив функции принадлежности количественно градуируют принадлежность элементов множества альтернатив принятия того или иного решения некоторому множеству с нормированными переменными в универсальной шкале [0,1]. В этом случае нормирование оценок сравниваемых альтернатив осуществляется следующим образом:

$–$ для всех количественных оценок находится значение max и min значения рассматриваемой переменной;

$–$ для всех лингвистических (качественных) оценок определяется максимальный и минимальный номер;

$–$ определяются значения оценок альтернатив по универсальной шкале [0,1] согласно формулам выбранных функций принадлежности.

Значения оценок альтернатив по номинальной шкале формируются как: \[{{{v}'}_{ij}}=\,{{\mu }_{ij}},\] где i – номер альтернативы, j – индекс значения количественной или лингвистической шкалы. Сумму оценок по s-ой альтернативе можно вычислить посредством сложения суммы оценок по каждому j-му вопросу, которые суммируются по всем вопросам i-го блока и по всем блокам анкеты. \[{{r}_{S}}=\sum\limits_{S=1}^{n}{\sum\limits_{i=1}^{m}{\sum\limits_{j=1}^{k}{v_{ij}^{'}}}}\] В результате можем сформулировать для исходного множества альтернатив упорядоченное множество их рангов $R=\{{{r}_{1}},{{r}_{2}},...,{{r}_{n}}\}.$ Окончательный выбор решения остается за ЛПР. В случае необходимости учета важности отдельного критерия необходимо ввести коэффициенты веса, которые можно определить на основе известных методов экспертных оценок [4].

ЛИТЕРАТУРА

$1.$ Кригер Л. С. Интеллектуальная система поддержки принятия решений при управлении движением общественного транспорта / Кригер Л. С. // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. – Астрахань: 2012, №2. сс.150-155

$2.$ Кригер Л. С. Формализация типовых ситуаций в задачах управления движением общественного транспорта/ Л. С. Кригер, И. Ю. Квятковская / Научно-технические ведомости СПбТУ №3(150). - Санкт-Петербург: 2012, сс. 106-110.

$3.$ Мелихов А.Н. Ситуационные советующие системы с нечеткой логикой / Мелихов А.Н., Бернштейн Л.С., Коровин С.Я. – М.: Наука, 1990, 272 с.

$4.$ Стенин А.А. Автоматизация процесса принятия инновационных решений в социотехнических системах. / Стенин А.А., Ткач М.М., Пасько В.П., Губский А.Н. Проблемы информационных технологий.– Херсон, ХНТУ,2016. №19. сс.51-57.

May 17, 2018