Інтелектуальний простір логістичних задач міської транспортної мережі на основі багатовимірних моделей та глибинного навчання

Анотація

Зростання обсягів транспортних потоків у сучасних містах, ускладнення структури міських транспортних мереж та підвищені вимоги до ефективності логістичних процесів зумовлюють необхідність розробки нових підходів до моделювання й оптимізації задач доставки. Традиційні методи аналізу транспортних систем виявляються недостатньо ефективними в умовах високої розмірності даних, динамічності мережі та наявності великої кількості взаємопов’язаних обмежень. Досліджено підхід до формування простору логістичних задач міської транспортної мережі на основі індексації, класифікації та використання методів інтелектуального аналізу даних і глибинного навчання. Запропоновано формалізацію транспортної мережі міста у вигляді багатокомпонентної динамічної системи, що включає вузли, ланки, маршрути та суб’єкти транспортних послуг. Виконано індексацію логістичних задач із урахуванням типів вантажів, часових характеристик, структури попиту та стану транспортної інфраструктури. Показано можливість класифікації та кластеризації задач на основі концептуальних графів і методів еволюційних обчислень. Сформульовано систему критеріїв оптимізації з позицій замовника та перевізника, що дозволяє зменшити транспортні витрати, час доставки та навантаження на міську мережу. Отримані результати створюють передумови для використання методів глибинного навчання з метою інтелектуального керування транспортними потоками на різних наборах даних. Запропонований підхід дозволяє розглядати сукупність логістичних задач міської транспортної мережі як елемент інтелектуальної системи підтримки прийняття рішень. Зменшення розмірності задач досягається за рахунок районування мережі, спеціалізації транспортних засобів і формалізації типових сценаріїв доставки. Отримані результати можуть бути використані для побудови адаптивних моделей оптимізації маршрутів та прогнозування транспортних процесів у складних міських системах.