 |
EDiTS 2022 рассмотрит вопросы цифровизации транспортной инфраструктуры
Математики Московского государственного университета имени М.В.Ломоносова разработали уникальную программную платформу для анализа транспортных данных, способствующую быстрому решению задач по эффективной работе транспортной системы и пассажиропотоку в городе.
Доклад научного коллектива факультета вычислительной математики и кибернетики МГУ имени М.В.Ломоносова, посвященный построению открытой платформы анализа транспортных данных, будет представлен на Международной научной конференции «Экономика цифровой трансформации и устойчивое развитие транспорта» (EDiTS 2022), организуемой 1 июня 2022 г. в очно-дистанционном формате Российским университетом транспорта (МИИТ) (г. Москва, Россия) совместно с Ассоциацией поддержки научных исследований (г. Барнаул, Россия).
В своей работе ученые МГУ отмечают, что по данным ООН, к 2050 году более двух третей населения мира будет жить в городах, что может повлиять на снижение качества жизни в этих населенных пунктах. Для решения вопросов, возникающих с ростом городов, необходимо своевременно развивать городскую инфраструктуру. Определенную помощь в этом может оказать «Умный город» – концепция управления городскими ресурсами с широким использованием коммуникационных и информационных технологий. Одной из фундаментальных частей «Умного города» является «Умный транспорт». С развитием технологий сбора, хранения и обработки больших данных задачи анализа транспортных потоков изменились с их прогнозирования и оценки на их прямой анализ, чему способствует доступность больших объемов быстро обновляемых данных. Для их использования в решении задач транспортного планирования в умном городе и потребовалось создать программную платформу, позволяющую исследователям собирать такие данные из различных источников, хранить их и анализировать.
«Мы разработали открытую платформу для анализа транспортных данных, которая ориентирована на хранение и анализ двух основных компонентов транспортных данных, собираемых автоматически. Во-первых, это так называемые матрицы соответствия, которые описывают количество движений пассажиров из одной точки в другую в единицу времени. Такими «точками» могут служить географически определенные районы, а также станции, автобусные остановки и т.д. Во-вторых, это журналы использования проездных документов. Например, пассажирские входы на станцию метро, - поясняет один из разработчиков проекта, аспирант факультета вычислительной математики и кибернетики МГУ имени М.В.Ломоносова Марк Валерьевич Булыгин. – В работе мы использовали доступные для исследования данные, которые можно разделить на две большие группы: индивидуальные и агрегированные данные. Индивидуальные данные описывают передвижения отдельных пользователей транспортной сети города. Источники таких данных – это смарт-карты систем общественного транспорта, используемые для оплаты проезда, и датчики GPS в смартфонах и навигаторах, а также данные со смартфонов, передаваемые с помощью специальных приложений. Агрегированные данные были получены из отдельных данных путем их объединения по районам происхождения или назначения, по временным интервалам. Основные их источники – это данные сотовых операторов».
В частности, для работы с данными GPS в этой платформе могут быть реализованы алгоритмы анализа качества работы автобусной сети на примере функционирования отдельных маршрутов и единиц автопарка, а также методы оптимизации и оценки качества работы такси в городе. Анализ GPS-траектории пешеходов позволяет исследователям выявить проблемы в пешеходной сети города, а также выяснить места, привлекающие наибольшее количество пешеходов.
Полученные результаты являются новыми по сравнению с методами прогнозирования, традиционно рассматриваемыми в транспортных задачах. Все это позволит, например, сотрудникам администрации города не только управлять транспортным планированием, но и оценивать результаты других управленческих решений в городе, оценивать последствия инцидентов и т.д.
«Мы получили простой и эффективный инструмент в использовании, основанный на относительно небольшой модели данных, описывающей основные статистические данные об использовании транспортной системы. Одной из главных характеристик этих данных является тот факт, что они автоматически собираются независимо от представленной платформы. Операторы электросвязи регистрируют местоположение абонентов для целей выставления счетов и технического обслуживания, а транспортные компании регистрируют проход пассажиров для собственного выставления счетов. Соответственно, накопление таких данных не требует отдельных дорогостоящих технических решений», - уточнил старший научный сотрудник лаборатории открытых информационных технологий факультета вычислительной математики и кибернетики МГУ имени М.В.Ломоносова, к.ф.-м.н. Дмитрий Евгеньевич Намиот.
Подробнее с разработкой математиков Московского государственного университета имени М.В.Ломоносова можно будет ознакомиться в рамках Международной научной конференции «Экономика цифровой трансформации и устойчивое развитие транспорта» (EDiTS 2022), организуемой 1 июня 2022 г. в очно-дистанционном формате.
Ассоциация поддержки научных исследований напоминает, что с целью глобального распространения результатов передовых фундаментальных и прикладных научных исследований, все принятые и представленные на конференции (дистанционное участие в видеоконференции, стендовый (постерный) доклад) рукописи научных статей будут опубликованы в книжных сериях ведущих мировых издательских домов, а также проиндексированы в ведущих базах данных. Специально отобранные Организационным комитетом рукописи научных статей, представленные на конференции, будут отправлены на опубликование в высокорейтинговые научные журналы.
Информация о процедуре регистрации, условиях участия в конференции и сроках подачи и рассмотрения рукописей научных статей для презентации на конференции и публикации в материалах доступны на сайте Ассоциации поддержки научных исследований.
Контактное лицо: Алексей
Компания: Ассоциация поддержки научных исследований
Добавлен: 11:20, 30.05.2022
Количество просмотров: 257
Страна: Россия
|
|
