Розроблення інтелектуальної системи оптимізації маршрутів громадського транспорту із застосуванням нейронних мереж

Abstract

Кваліфікаційна робота досліджує нейромережеву оптимізацію маршрутів громадського транспорту на основі реальних пасажиропотоків. У першому розділі узагальнено сучасні методи оптимізації, законодавчі вимоги та проаналізовано вихідні дані транспортної мережі. У другому розділі проаналізовано якість наборів даних, обґрунтовано вибір архітектури GNN + LSTM і сформовано інформаційну модель циклічного RL-навчання. У третьому розділі створено та випробувано прототип системи, інтегрований із PostGIS та Docker/Kubernetes, який скоротив середній час поїздки пасажира на 12 %. В четвертому розділі кваліфікаційної роботи: висвітлено питання з Безпеки життєдіяльності та Основ охорони праці. Об’єкт дослідження: Процеси функціонування систем громадського транспорту в умовах сучасного міського середовища. Предмет дослідження: Методи та моделі оптимізації маршрутів громадського транспорту із використанням штучних нейронних мереж та алгоритмів машинного навчання... The qualification work is devoted investigates neural network optimisation of public transport routes based on real passenger flows. The first section summarises modern optimisation methods and legislative requirements and analyses the initial data of the transport network. The second section analyses the quality of data sets, justifies the choice of GNN + LSTM architecture, and forms an information model of cyclic RL learning. The third section creates and tests a prototype system integrated with PostGIS and Docker/Kubernetes, which reduced the average passenger travel time by 12%. The fourth section of the thesis highlights issues of life safety and occupational health and safety. Object of research: The functioning of public transport systems in a modern urban environment. Subject of research: Methods and models for optimising public transport routes using artificial neural networks and machine learning algorithms.