Имитационная модель агента для низкоуровневого исследования транспортных систем тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Малыханов, Андрей Анатольевич
- Специальность ВАК РФ05.13.18
- Количество страниц 123
Оглавление диссертации кандидат технических наук Малыханов, Андрей Анатольевич
Введение.
Актуальность исследования.
Научная новизна.
Цель и задачи работы.
Методы исследования.
Основные положения, выносимые на защиту.
Достоверность результатов.
Практическая значимость.
Апробация работы.
Личный вклад автора.
Публикации.
Глава 1. Обзор подходов к моделированию малых и средних транспортных систем.
1.1. Понятие имитационного моделирования.
1.2. Имитационное моделирование транспортных систем.
1.3. Существующие подходы к мелкомасштабному моделированию транспортных систем.
1.3.1. Моделирование трафика с помощью клеточных автоматов.
1.3.2. Непрерывное моделирование трафика.
1.4. Агентный подход к построению имитационных моделей.
1.5. Области применения агентного моделирования.
1.6. Алгоритмы. агентного мелкомасштабного моделирования транспортных систем.
1.6.1. Алгоритмы следования.
1.6.2. Алгоритмы смены полос.
1.7. Выделение проблем, не имеющих удовлетворительного решения.
1.8. Выводы и постановка задач исследования.
Глава 2. Модель поведения участника дорожного движения.
2.1. Допущения и принципы построения модели.
2.2. Структура модели агента-участника движения.
2.3. Модель поведения агента на стратегическом уровне.
2.3.1. Граф транспортной системы.
2.3.2. Типы поведения агентов при планировании маршрута поездки.
2.3.3. Алгоритм планирования маршрута поездки.
2.4. Модель поведения агента на тактическом уровне.
2.4.1. Выбор предпочтительной полосы движения.
2.4.2. Принятие решения о перестроении. Смена полосы движения.
2.4.3. Следование за впереди идущим агентом.
2.4.4. Построение траектории движении агента при возникновении препятствия на его пути.
2.5. Модель поведения*агента на оперативном уровне.
2.5.1. Принципы выбора ускорения на оперативномуровне.
2.5.2. Выбор ускорения для избежания столкновений с ближайшими агентами.
2.6. Выводы.
Глава 3. Программная реализация модели агента-участника движения
3.1. Поддержка агентного моделирования в AnyLogic.
3.1.1. Среда функционирования агентов.
3.1.2. Программный интерфейс класса Agent.
3.1.3. Синхронизация агентов.
3.1.4. Расширение функциональности класса агента.
3.1.5. Вычисление пространственных характеристик агента.
3.1.6. Оптимизация вычисления геометрических параметров агента.
3.1.7. Определение точного момента попадания агента в заданную область.
3.2. Универсальная среда обитания агентов.
3.2.1. Реализация среды.
3.2.2. Получение информации о структуре дорожной сети.
3.3. Библиотека вспомогательных геометрических вычислений.
3.3.1. Классы библиотеки.
3.3.2. Алгоритмы геометрических расчетов, реализованные в библиотеке
3.3.3. Оптимизация геометрических вычислений».
3.3.4. Интеграция библиотеки со средой AnyLogic.
3.4. Библиотека вычислений на графах.
3.4.1. Существующие аналоги. Необходимость разработки библиотеки
3.4.2. Основные классы библиотеки. Абстрактное хранение графов.
3.4.3. Алгоритмы вычислений на графах.
3.4.4. Обобщенная реализация взвешенных графов.
3.5. Оценка сложности и производительности алгоритмов предложенной модели агента.
3.6. Выводы.
Глава 4. Методика исследования возможности повышения эффективности светофорного регулирования.
4.1. Постановка задачи исследования.
4.2. Преимущества агентного подхода.
4.3. Методика.
4.3.1. Общая структура предлагаемой методики.
4.3.2. Сбор данных для моделирования.
4.3.3. Разработка модели исследуемого участка.
4.3.4. Использование оптимизатора OptQuest.
4.3.5. Идентификация параметров агента.
4.3.6. Нахождение оптимизированной схемы светофорного регулирования.
4.4. Выводы.
Основные результаты работы.
Рекомендованный список диссертаций по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК
Низкоуровневое имитационное моделирование транспортных систем2010 год, кандидат технических наук Черненко, Виталий Евгеньевич
Модели, методы и программные средства построения сложных адаптивных систем дорожного движения2011 год, кандидат технических наук Алюшин, Сергей Александрович
Исследование транспортных потоков на улично-дорожной сети мегаполиса с использованием современных моделей потоков на графах2015 год, кандидат наук Ярошенко, Андрей Михайлович
Многофакторное моделирование автотранспортных потоков на основе клеточных автоматов2011 год, кандидат технических наук Долгушин, Дмитрий Юрьевич
Повышение эффективности регулирования городских транспортных потоков на основе моделирования2011 год, кандидат технических наук Султанахмедов, Магомедганапи Ахмедович
Введение диссертации (часть автореферата) на тему «Имитационная модель агента для низкоуровневого исследования транспортных систем»
Актуальность исследования
Возрастающие автотранспортные потоки больших городов диктуют необходимость реконструкции существующих и создания новых транспортных узлов [57]. Для оценки эффективности транспортного строительства используются различные методы. Исследование транспортных систем с помощью имитационных моделей получает все более широкое распространение благодаря гибкости и наглядности получаемых результатов.
Подобные исследования могут проводиться в муниципальных образованиях и проектных организациях при разработке транспортных систем. Кроме того, имитационные модели транспорта1 иногда являются частями более крупных моделей бизнес-процессов предприятий. В этом случае задачи транспортного моделирования могут вставать перед компаниями, оказывающими услуги по техническому консалтингу.
В зависимости от масштабов моделируемой системы выбирается и масштаб модели. Высокоуровневые модели рассматривают поток машин как непрерывную величину и оперируют агрегатными характеристиками объектов транспортной инфраструктуры. В свою очередь, низкоуровневые модели отражают поведение каждого участника движения. Для построения таких моделей используется агентный подход.
В современных российских городах затруднения в движении носят локальный характер и происходят по причине десинхронизации светофорного регулирования, отсутствия развязок на загруженных пересечениях и. т. п. Поэтому в настоящий момент наиболее актуально исследование отдельных проблемных участков дорог. Низкоуровневые агентные имитационные модели наиболее адекватно отражают поведение небольших транспортных систем, учитывают их особенности и поэтому представляют наибольший интерес.
В известных работах [44, 24] выделены основные аспекты поведения агентов в низкоуровневых имитационных моделях транспортных систем. Однако проведенные в них исследования и существующие модели не обеспечивают решение некоторых задач.
1. Исследованные аспекты поведения агентов не включают ситуации непредвиденного возникновения препятствий на пути. Таким образом, существующие системы низкоуровневого моделирования транспорта неспособны адекватно моделировать поведение участников движения при авариях и других нестандартных ситуациях.
2. Автору неизвестны инструменты моделирования транспортных систем, в которых моделирование поведения участников движения на низком уровне совмещалось бы с имитацией планирования маршрута поездки.
3. Кроме того, отсутствует алгоритмически четкое и полное описание модели поведения агента. Многие технологии составляют коммерческую тайну их создателей.
4. Существующие модели участников дорожного движения не предназначены для использования в имитационных моделях произвольной структуры. Средства моделирования, разработанные на их основе, являются узкоспециальными инструментами, сопряжение которых с другими моделями крайне затруднительно.
Таким образом, представляется целесообразной разработка и реализация модели агента-участника движения, которая может быть положена в основу системы поддержки принятия решений, основанной на низкоуровневом имитационном моделировании. Создание такой системы позволить предлагать варианты организации и реорганизации схем дорожного движения, обосновывать целесообразность принимаемых решений и, в результате, снижать затраты при проектировании объектов транспортной инфраструктуры. В частности, модель позволит создать метод оценки эффективности изменения светофорного регулирования на перекрестках, что актуально для улиц крупных городов.
Объектом исследования в данной работе является имитационная модель агента-участника дорожного движения. Предметом исследования являются структура, алгоритмы функционирования и способы программной реализации модели агента-участника движения.
Научная новизна
Все результаты, полученные в диссертационной работе, являются новыми и актуальными. В частности, предложена модель агента-участника дорожного движения, отражающая основные аспекты поведения водителей. Также выполнена программная реализация модели агента, пригодная для низкоуровневого исследования транспортных систем.
Цель и задачи работы
Целью работы является создание средств и методик, обеспечивающих применение агентного имитационного моделирования для исследования схем организации дорожного движения. Для достижения поставленной цели в работе решены следующие задачи:
• Создана расширяемая имитационная модель агента-участника дорожного движения.
• Предложен метод, позволяющий моделировать поведение участников дорожного движения при возникновении препятствий на их пути.
• Разработан программный комплекс, реализующий модель агента, используемую при низкоуровневом имитационном моделировании транспортных систем.
• Предложена методика исследования и повышения эффективности светофорного регулирования на участках городских автотранспортных систем.
Методы исследования
В диссертационной работе применялись методы системного анализа, имитационного моделирования, теории графов и вычислительной геометрии. При программной реализации модели агента использовались методы структурного и объектно-ориентированного программирования.
Основные положения, выносимые на защиту
• Расширяемая имитационная модель агента, отражающая поведение участника дорожного движения, предназначенная для низкоуровневого исследования транспортных систем.
• Метод построения траектории движения агента-участника движения при возникновении на его пути множества препятствий, учитывающий исходную траекторию движения агента.
• Программный комплекс, реализующий предложенную модель агента на платформе АпуИ^ю и учитывающий существующие модели аспектов поведения участников дорожного движения.
• Методика, позволяющая исследовать возможность повышения пропускной способности регулируемых перекрестков с применением созданного программного комплекса и оптимизатора Ор1С)ие81:.
Достоверность результатов
Достоверность результатов, полученных в данной работе, обеспечивается корректностью применения математического аппарата и строгостью постановки задачи. Достоверность также подтверждается проведенными компьютерными экспериментами и результатами тестирования разработанного программного комплекса.
Практическая значимость
Результаты работы положены в основу системы мелкомасштабного имитационного моделирования транспортных потоков, позволяющей анализировать свойства существующих и проектируемых транспортных узлов. Система реализована в виде программного комплекса, который может быть использован в учреждениях муниципального управления, проектных организациях и консалтинговых компаниях, занимающихся проектированием и реорганизацией схем дорожного движения.
Предложенная модель агента может быть использована в составе более сложных имитационных моделей организационно-технических систем.
Разработанные программные библиотеки могут быть использованы независимо от системы в целом для разработки агентных моделей AnyLogic с пространственными взаимоотношениями агентов. Модуль геометрических вычислений может быть использован при реализации алгоритмов вычислительной геометрии на языке Java.
Апробация работы
Основные результаты исследования были апробированы на конференциях:
1. VII Международной конференции «Математическое моделирование физических, экономических, технических систем и процессов», Ульяновск, УлГУ, 2009;
2. Interactive Systems and Technologies: the Problems of Human-Computer Interaction, Ульяновск, УлГТУ, 2009;
3. Четвертой всероссийской научно-практической конференции по имитационному моделированию и его применению в науке и промышленности (ИММОД-2009), Санкт-Петербург, 2009;
4. Winter Simulation Conference (Wintersim-2009, Ph. D. Colloquium), Остин, Техас, США, 2009;
5. «Информатика, моделирование, автоматизация проектирования. (ИМАП-2010), Ульяновск, УлГТУ, 2010.
Личный вклад автора
Задача исследования поставлена совместно с научным руководителем. Основные теоретические и практические результаты получены автором самостоятельно. Разработка алгоритмов, программного комплекса анализ и тестирование системы также выполнены автором самостоятельно.
Публикации
Материалы диссертации опубликованы в 13 работах, из них 3 - в изданиях, рекомендуемых ВАК.
Похожие диссертационные работы по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК
Управление транспортными потоками мегаполиса на основе прогнозирования и поведения интеллектуальных агентов2010 год, кандидат технических наук Могорас, Андрей Александрович
Разработка метода приоритетного пропуска городского пассажирского транспорта через регулируемые перекрестки1983 год, кандидат технических наук Гварамия, Имедо Тарасович
Управление безопасностью дорожного движения на основе моделей регулирования транспортными потоками2010 год, кандидат технических наук Брегеда, Сергей Юрьевич
Алгоритмы и программные средства системного анализа критических ситуаций для управления дорожным движением2013 год, кандидат технических наук Лапковский, Роман Юрьевич
Повышение системной безопасности транспортных потоков оптимизацией светофорного регулирования их движения2008 год, кандидат технических наук Кадасев, Дмитрий Анатольевич
Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Малыханов, Андрей Анатольевич
Основные результаты работы
В ходе диссертационного исследования получены следующие основные результаты:
• Предложена трехуровневая модель агента, отражающая поведение участника дорожного движения при планировании маршрута поездки, выборе траектории движения по участку дороги и тактическом маневрировании.
• Создан метод построения траектории движения агента при возникновении на его пути множества препятствий, учитывающий исходную траекторию движения и траектории движения других агентов.
• Разработан и реализован программный комплекс, реализующий предложенную модель агента на платформе АпуЬо§ю и учитывающий существующие модели аспектов поведения участников дорожного движения.
• Разработана методика численной оценки и нахождения оптимизированной схемы светофорного регулирования, основанная на использовании предложенной имитационной модели агента и системы С^Риез!:.
Таким образом, главным итогом диссертационного исследования стало повышение эффективности применения агентного имитационного моделирования при исследовании малых транспортных систем, что позволяет говорить о полном достижении поставленной цели.
Список литературы диссертационного исследования кандидат технических наук Малыханов, Андрей Анатольевич, 2011 год
1. Abdulhai В., Sheu J-B, Recker W. Simulation of ITS on the Irvine FOT area using 'Paramics 1.5' scalable microscopic traffic simulator: Phase I: model calibration and validation // California PATH Research Report, UCB-ITS-PRR-1-99-12, 1999.
2. Ahmed K.I. Modeling Driver's Acceleration and Lane-changing Behavior // Massachsetts Institute of Technology, 1999.
3. Akcelik R., Besley M. Microsimulation and analytical methods for modelling urban traffic. // Conference on Advance Modeling Techniques and Quality of Service in Highway Capacity Analysis Truckee California - USA - 2001.
4. Arem В., van de Vos A.P., Vanderschuren M.J.W.A. The Microscopic Traffic Simulation Model, MIXIC 1.3, Report TNO, // The Netherlands 1997.
5. Bellomo N., Coscia V., Delitala M. On the Mathematical Theory of Vehicular Traffic Flow. I. Fluid Dynamic and Kinetic Modelling // Math. Mod. Meth. App. Sc. Vol. 12.-2002.-№ 12,-p.1801-1843.
6. Biham O., Middleton A., Levine D. Self-organization and a dynamic transition in traffic-flow models // Physical Review. 1992! A 46 (10) p. 6124-6127.
7. Cameron G., Duncan G., McArthur G. Paramics-mp: Design description // EPCC-SIAS.
8. Choudhury, C.F. Modeling Lane-changing Behavior in Presence of Exclusive Lanes // Massachusetts Institute of Technology., 2005.
9. Chu Lianyu. A Calibration Procedure for Microscopic Traffic Simulation. // Annual Meeting Proceedings 2004.
10. Dijkstra E.W. A note on two problems in connection with graphs // Numerical Mathematics, 1959 vol. 1, pp. 269-271.
11. Fellendorf M, Vortisch P. Validation of the Microscopic Traffic Flow Model VISSIM in Different Real-World Situations // PTV AG, 2001
12. Fellendorf M., Vortisch P. Validation of the microscopic traffic flow model VISSIM in different real-world situations // 80th Meeting of the Transportation Research Board. Washington. D.C. - 2001.
13. Fellendorf, M., Vortisch, P. Integrated Modelling of Transport Demand, Route Choice, Traffic Flow and Traffic Emissions // Preprint CD-ROM of the 79th Annual Meeting of the Transportation Research Board; Washington D.C., Jan. 2000.
14. Fouladvand, M. E., A. H. Darooneh. Statistical Analysis of Floating-Car Data: An Empirical Study. European Physical Journal B, Vol. 47, 2005, pp. 319-328.
15. Fuks H., Boccara N. Generalized deterministic traffic rules // International Journal of Modern Physics C 1998. № 9 - p. 1-12.
16. Gipps P.G. A model for the structure of lane-changing decisions. // Transportation Research, 1986, vol. 20B(5), pp. 403-414.
17. Golias, John C., Kanellaidis, George C. Estimation of Driver Behavior Model
18. Parameters // Journal of Transportation Engineering, 1990 vol. 116, pp. 153166.
19. Hellinga, B.R. Requirements for the calibration of traffic simulation models // Proceedings of the Canadian Society for Civil Engineering, Vol IVB, 1998, pp. 211-222.
20. Hewage K. N., Ruwanpura J. Y. Optimization of traffic signal light timing using simulation // Proceedings of the 2004 Winter Simulation Conference
21. Hidas P. Modelling lane changing and merging in microscopic traffic simulation. // Transportation Research Part C: Emerging Technologies 2002, vol. 10, pp. 351-371.
22. Hoogendoorn, S., S. Ossen, M. Schreuder. Adaptive Car-Following Behavior Identification by Unscented Particle Filtering // 86th Annual Meeting of the Transportation Research Board, Washington, D.C., 2007.
23. Hourdakis J., Michalopoulos, P.G., Kottommannil J., A practical procedure for calibrating microscopic traffic simulation models // Transportation Research Board 2003 Annual Meeting, Washington, D.C.
24. Hourdakis, J., Michalopoulos, P.G. Evaluation of ramp control effectiveness in two twin cities freeways //81st Transportation Research Board Meeting, 2006
25. JGraphT a free Java Graph Library - Режим доступа - www.jgrapht.org.
26. Jimenez Т., Siegel G., Mussi P. A road traffic simulator: car-following and lane-changing // Massachsets Institute of Technology, 2001.
27. JUNG Java Universal Network/Graph Framework - Режим доступа -http://jung.sourceforge.net/.
28. Kapoor S.N., Maheshwari S.N. Efficient algorithms for Euclidean shortest path and visibility problems with polygonal obstacles // Proceedings of 4th Annual ACM Symposium on Computational Geometry, 1988. pp. 172-182.
29. Kleijnen, J.P.C. Verification and validation of simulation models; Theory and methodology // European Journal of Operational Research 82, 1995, pp. 145162.
30. Kosonen I. HUTSIM Simulation Tool for Traffic Signal Control Planning // Helsinki University of Technology.
31. Lee D-H, Yang X., Chandrasekar P. Parameter calibration for PARAMICS using Genetic Algorithm // 80th Annual Meeting Preprint CD^-ROM, Transportation Research Board, January 7-11,2001, Washington, D.C.
32. LIOS. Proyecto Petri Режим доступа - www.eio.ups.ee.
33. Macal C., North M: Proc. Tutorial on Agent-based Modeling and Simulation. // Winter Simulation Conference. 2005 - p.2-15.
34. Malykhanov A. A., Chernenko V. E. Extensible Framework for Microscopic Traffic Simulation. // Proceedings of the 2009 Winter Simulation Conference (Ph. D. Colloquium) Austin, TX, USA-ISBN: 978-1-4244-5772-4
35. Marakas G. M. Decision support systems in the twenty-first century.// Upper Saddle River, N.J.: Prentice Hall 1999.
36. Murray, P, Mahmassani, H, Abdelghany, K. Methodology for Assessing High-occupancy Toll-lane usage and Network Performance. // Transportation Research Record vol. 1765 2001 - p. 8-15.
37. Nagel K., Particle hopping models and traffic flow theory // Physical Review. 1996 E 53(5) p. 4655-4672'.
38. North; M.J.; Tatara, E.; Collier, N.T.; Ozik, J. Visual; Agent-based Model Development with Repast Simphony // Proceedings of the Agent 2007 Conference on Complex Interaction and Social Emergence -Argonne National Laboratory, Argonne, IL USA.
39. Panwai S., Dia H. Comparative Evaluation of Microscopic Car-Following Behavior // IEEE Transactions on Intelligent Transportation Systems, 2005, vol. 6.
40. Richter K.-F., Hansen S. Berlin Wayfinding Choreme Maps //.Visual Information and Information Systems. 8th International Conference, Springer, 2005
41. Schadschneider A., Schreckenberg M. Car-oriented mean-field theory fortraffic flow models;// Journal ofPhysics A: Mathematical :ands General^ 0(4) -1997-p.69-75. '
42. Treiber, M., A. Hennecke, and D. Helbing.Congested Traffic States in Empirical Observations and Microscopic Simulations^ Physical Review E, Vol. 62, 2000, pp. 1805-1824.
43. Vangheluwe, H., de Lara, J., Mosterman, P. An Introduction to Multi-Paradigm*Modelling and Simulation. //Proc. AIS2002.p; 9-20. SCS International 2002.
44. Wiedemann R. Modelling of RTI-Elements on multi-lane roads. // Advanced Telematics in Road Transport edited by the Comission of the European Community. DG XIII. Brussels. - 1991.
45. Wilco Burghout, Haris Koutsopoulos, Ingmar Andréasson. Hybrid microscopic-mesoscopic traffic simulation. // Stockholm 2004.
46. Yafeng Yin, Henry X. Liu, Jorge A. Laval, Xiao-Yun Lu, Meng Li, Joshua Pilachowski, Wei-Bin Zhang. Development of an Integrated Microscopic Traffic Simulation and Signal Timing Optimization Tool // University of California Berkeley - 2007.
47. Yang G. A Simulation Laboratory of Dynamic Traffic Management Syatems // Massachsetts Institute of Technology.
48. Zou Zhi-jun, Yang Dong-yuan An Object-oriented Development of Urban Traffic Simulation Laboratory System // Journal of system simulation, 2002, vol. 14, pp. 844-848.
49. Аверилл M. Jloy, В. Дэвид Кельтон, Имитационное моделирование. // Питер 2004.
50. Берж К. Теория графов и ее приложения// ИЛ 1962.
51. Борщев А.В: Практическое агентное моделирование и его место в арсенале аналитика // Exponenta PRO 3-4 2004 - р 7-8.
52. Борщев А.В. Практическое агентное моделирование и его место в арсенале аналитик // Exponenta PRO, 2004 vol. 3-4 (7-8)
53. Брюс Эккель. Философия Java // Питер 2003.
54. Емельянов В.В., Курейчик В.В., Курейчик В.Н. Теория и практика эволюционного моделирования. // Физматлит 2003.
55. Ерусалимский'Я.М. Дискретная математика: теория, задачи, приложения // Вузовская книга 2000.
56. Казиев В.М. Введение в анализ, синтез и моделирование систем // Бином. Лаборатория знаний 2007.
57. Карпов Ю.Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5.// БХВ-Петербург 2005.
58. Кей С, Хортманн К.С., Корнелл Г. Java 2. Библиотека профессионала. // Вильяме-2010. Т. 1.
59. Кей С, Хортманн К.С., Корнелл Г. Java 2. Библиотека профессионала. // Вильяме-2010. Т. 2.
60. Кормен Т. X. и др. Часть VI. Алгоритмы для работы с графами. Алгоритмы: построение и анализ. 2-е изд. // Вильяме - 2006.
61. Котов А.Н. Моделирование дорожного движения на многополосной магистрали при помощи двумерного вероятностного клеточного автомата с тремя состояниями // СПбГУ ИТМО, 2008.
62. Кристофидес Н. Теория графов. Алгоритмический подход. // Мир -1978.
63. Кумунжиев К.В. Пректирование систем: изобретательство, анализ, принятие решений // Ульяновск 2009.
64. Кумунжиев К.В. Теория систем и системный анализ Ульяновск, УлГУ 2003.
65. Кумунжиев К.В., Малыханов A.A., Черненко В.Е. Разработка системы имитационного моделирования транспортных узлов // Ученые записки УлГУ, серия Математика и информационные технологии вып. 1(2). -Ульяновск: УлГУ, 2009 - С. 108-110.
66. Лычкина H.H. Имитационное моделирование экономических процессов // Учебное пособие для слушателей программы MBI Ай-Ти - 2005.
67. Малыханов A.A., Черненко В.Е. Классификация агентных имитационных моделей // Труды VII Международной конференции «Математическое моделирование физических, экономических, технических систем и процессов» Ульяновск: УлГУ - 2009 — С. 179— 181.
68. Малыханов A.A., Черненко В.Е. Среда низкоуровневого имитационного моделирования транспортных систем // Автоматизация в промышленности № 1-2010 М., 2010 - С. 34-37.
69. Малыханов A.A., Черненко В.Е., Былина П.В. Оценка эффективности траекторий патрулирования акватории на основе имитационной модели // Автоматизация процессов управления, №2-2010 Ульяновск - С. 3133.
70. Мышкис А. Д. Элементы теории математических моделей.- 3-е изд., испр. // КомКнига 2007.
71. Оре О. Теория графов. М.: Наука, 1980.
72. Программный продукт Sidralntersection 5 - Режим доступа -http://www.sidrasolutions.com/.1
73. Программный продукт PTV Vision® VISSIM Режим доступа -http://www.ptv-vision.ru/ptv-vision-vissim/.
74. Программный продукт TransModeler — Режим доступа -http://www.caliper.com/transmodeler/.
75. Роджерс Д., Адаме Дж. Математические основы машинной графики. М.: Мир, 2001.
76. Рыжиков Ю.И. Имитационное моделирование: Теория и технологии // Альтекс-А 2004.
77. Самарский A.A., Михайлов А.П. Математическое моделирование: Идеи. Методы. Примеры. // Наука 1997.
78. Советов Б. Я., Яковлев С. А. Моделирование систем: Учеб. для вузов 3-е изд., перераб. и доп. // Высш. Шк. - 2001.
79. Среда моделирования AnyLogic Режим доступа - http://www.xjtek.ru/.
80. Среда моделирования Flexsim- Режим*доступа -http://www.flexsim.com/.
81. Среда моделирования Simio Режим доступа -http://www.simio.com/.
82. Тарасевич Ю. Ю. Математическое и компьютерное моделирование. Вводный курс // Едиториал УРСС 2004.
83. Хортманн К.С., Корнелл F. Java 2. Библиотека профессионала. М.: Вильяме, 2007. Т.1
84. Черненко В.Е. Графический.конструктор моделей транспортных систем' // Труды,всероссийской конференции «Проведение научных исследований'в области обработки, хранения* передачи и защиты информации» (ОИ-2009)-Ульяновск: УлГТУ 2009 - т. 1 - С. 180-185.
85. Черненко В.Е., Малыханов A.A. Библиотека геометрических объектов для AnyLogic 6 // Ученые записки УлГУ, серия Математика и информационные технологии № 1(2). - Ульяновск: УлГУ - 2009 - С. 179-181.
86. Шалыто A.A. Автоматное проектирование программ. Алгоритмизация и программирование задач логического управления // Известия РАН. Теория и системы упрвления 2000. №6. - С. 63-81.
87. Шалыто A.A. Использование граф-схем и графов переходов при программной реализации алгоритмов логического управления // "Автоматика и телемеханика" 1996. N6, - С.148-158; N7, - С.144-169.
88. Эллиот Р. Г., Мине В. С. XML. Справочник. М.: Символ-Плюс, 2002.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.