Исследование и разработка геоинформационной системы адресного реестра тема диссертации и автореферата по ВАК РФ 25.00.35, кандидат наук Буравцев Алексей Владимирович

• Буравцев Алексей Владимирович
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Буравцев Алексей Владимирович

ВВЕДЕНИЕ

Глава 1. Критический анализ и систематика сложных организационно-технических систем (СОТС) как основы геоинформационных систем адресного реестра

1.1. Особенности и модель структуры организационных систем

1.2. Сложные системы и сложные сети

1.3. Сложные технологические системы и сложные сети

1.4. Генезис и формализованное представление сложных организационно-технических систем

1.5. Аутопойезис как механизм саморазвития и самоорганизации сложной системы

1.6. Геоинформационная система адресного реестра как вид сложной организационно-технической системы

1.7. Выводы по первой главе и постановка задач

Глава 2. Разработка методов, алгоритмов и программного обеспечения геоинформационных систем адресного реестра

2.1. Системно-категориальный анализ геоинформационных систем адресного реестра как основа их алгоритмизации

2.2. Формирование структуры геоинформационной системы адресного реестра

2.2.1. Структурное построение и получение классификационного описания ГИС АР с помощью метода дихотомического анализа

2.3. Стратифицированный метод построения ГИС АР

2.3.1. Построение архитектуры ГИС АР в виде слоев

2.3.2. Механизм стратификации ГИС АР для выделения подсистем и нахождения

между ними иерархической связи

2.4. Конструктивная алгоритмизация как способ повышения адаптируемости и сопровождаемости алгоритмов ГИС АР

2.5. Выводы по второй главе

Глава 3. Проектирование модели пространственно-временных данных для ГИС АР

3.1. Программная и системная инженерия как основа компьютерной обработки пространственно-временных данных и проектирования ГИС АР

3.2. Ориентированные ациклические графы как топологическая модель иерархических структур пространственно-временных данных в ГИС АР

3.3. Ориентированные ациклические графы в реляционных базах данных ГИС АР

3.4. Пространственно-эффективная и инвариантная к изменениям модель пространственно-временных данных адресного реестра

3.4.1. Описание существующей структуры государственного адресного реестра

3.4.1.1. Описание логической структуры государственного адресного реестра

3.4.1.2. Описание существующих форматов представления государственного адресного реестра

3.4.2. Реализация перехода от горизонтальной к вертикальной модели пространственно-временных данных с целью повышения гибкости структуры адресного реестра

3.4.3. Вертикальная модель данных Entity-Attribute-Value (Сущность-Атрибут-Значение)

3.4.4. Модель EAV/CR как разновидность модели Entity-Attribute-Value (Сущность-Атрибут-Значение)

3.4.5. Усовершенствованная БЛУ/СЯ модель пространственно-временных данных

геоинформационной системы адресного реестра

3.4.6. Шардирование и партиционирование как инструменты горизонтального масштабирования баз данных адресного реестра

3.5. Применение интервальной темпоральной логики в базе данных адресного реестра

3.6. Выводы по третьей главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1. АКТЫ ВНЕДРЕНИЯ

ПРИЛОЖЕНИЕ 2. СВИДЕТЕЛЬСТВО О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ ПРОГРАММЫ НА ЭВМ

ПРИЛОЖЕНИЕ 3. СВИДЕТЕЛЬСТВО О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ БАЗЫ ДАННЫХ

Введение диссертации (часть автореферата) на тему «Исследование и разработка геоинформационной системы адресного реестра»

ВВЕДЕНИЕ

Актуальность темы исследования. В условиях цифровой экономики возрастает значение программного обеспечения и моделей пространственно-временных данных, обеспечивающих эффективное функционирование геоинформационных систем адресного реестра, имеющих государственное социально-экономическое значение. Поэтому исследования в этой области являются актуальными для науки и полезными для практической деятельности.

В работе исследуются геоинформационные системы адресного реестра, обрабатывающие пространственно-временные данные и относящиеся к сложным организационно-техническим системам, поведение которых трудно или невозможно моделировать по причине сложных зависимостей между их частями, а также из-за сложных взаимодействий между системой и окружающей их средой.

Современные геоинформационные системы в процессе своего развития непрерывно эволюционируют и адаптируются к изменениям внешней среды за счет изменений структуры и принципов функционирования, что отражается на вложенных программных системах и используемых ими моделях пространственно-временных данных.

Разработка качественного программного обеспечения и модели пространственно-временных данных для геоинформационных систем адресного реестра является актуальной задачей. Актуальность повышается, когда речь заходит об уникальных системах, имеющих государственное значение. К таким уникальным геоинформационным системам, относится Федеральная информационная адресная система (ФИАС), обеспечивающая формирование, ведение и использование государственного адресного реестра (ГАР), на примере которой выполнена данная диссертационная работа.

Степень разработанности темы. При работе над диссертацией были изучены труды зарубежных и российских авторов, посвященные математическим методам, алгоритмам и подходам, повышающим качество геоинформационных систем. Среди них следует отметить вклад в разработанность проблемы: Майорова

А.А., Матерухина А.В., Розенберга И.Н., Кораблина Ю.П., Цветкова В.Я., Журкина И.Г., Бугаевского Л.М., Филатова В.Н., Бучкина А.В., Куджа А.С., Кулагина В.П. и др. Несмотря на большое количество публикаций о значении и методах построения структуры пространственно-временных данных и программного обеспечения для геоинформационных систем, ряд вопросов нуждаются в дополнительном исследовании. В частности, вопросы, связанные с построением структуры геоинформационной системы адресного реестра (ГИС АР), методами повышения гибкости алгоритмов и программного обеспечения ГИС АР, применением ориентированных ациклических графов, интервальной темпоральной логики и способами хранения мультиатрибутивных иерархических структур пространственно-временных данных в подобного рода системах.

Цель исследования. Целью данной работы является исследование и разработка геоинформационной системы адресного реестра повышенной адаптируемости и сопровождаемости программного обеспечения, а также модели пространственно-временных данных ГИС АР.

Для достижения поставленной цели необходимо было решить следующие задачи:

1. Применить метод дихотомического анализа для выявления архитектурно-значимых системных свойств ГИС АР.

2. На основе модели комплексного качества геоинформационной системы адресного реестра разработать способы повышения адаптируемости и сопровождаемости программного обеспечения.

3. Разработать модель данных для реализации инвариантной к изменениям структуры пространственно-временных данных ГИС АР.

4. Исследовать способы хранения и манипулирования иерархическими адресными данными ГИС АР с использованием ориентированных ациклических графов.

5. Исследовать возможности применения темпоральной реляционной алгебры и темпоральной логики Аллена в программном обеспечении ГИС АР.

6. Разработать ГИС АР, основанную на оригинальной рациональной архитектуре.

Объектом исследования является геоинформационная система ведения государственного адресного реестра.

Предмет исследования определяется паспортом специальности 25.00.35 «Геоинформатика», предметными областями № 3 «Геоинформационные системы (ГИС) разного назначения, типа (справочные, аналитические, экспертные и др.), пространственного охвата и тематического содержания», № 4 «Базы и банки цифровой информации по разным предметным областям, а также системы управления базами данных» и № 6 «Математические методы, математическое, информационное, лингвистическое и программное обеспечение для ГИС».

Методология и методы диссертационного исследования включают в себя использование теории систем, теории программирования, теории графов, теории множеств, методов структурного анализа, методов темпоральной логики, методов концептуального проектирования и программирования.

Научная новизна работы заключается в том, что:

1. Разработанный способ конструктивной алгоритмизации ГИС АР, развивающий идеи концептуального программирования, позволяет повысить адаптивность и сопровождаемость используемого программного обеспечения.

2. Предложенный оригинальный метод дихотомического анализа позволяет получить ключевые архитектурно-значимые системные свойства ГИС АР для создания или совершенствования архитектурной концепции системы.

3. Разработанная инвариантная к изменениям модель пространственно-временных данных ГИС АР позволяет повысить точность, полноту, адаптивность и уменьшить избыточность адресных данных.

Теоретическая значимость диссертации заключается в развитии научных подходов в вопросах анализа, адаптивности и сопровождаемости моделей пространственно-временных данных и программного обеспечения геоинформационных систем адресного реестра.

Практическая значимость. Внедрение алгоритмов и структур данных, приведенных в диссертационной работе, позволило снизить вычислительные и трудовые затраты на администрирование Государственного адресного реестра и Федеральной информационной адресной системы, а также повысить качество и сопровождаемость разрабатываемого для ГИС АР программного обеспечения.

Результаты работы внедрены Акционерным обществом «Главный научный инновационный внедренческий центр» (АО «ГНИВЦ») для разработки программного обеспечения и структуры пространственно-временных данных Государственного адресного реестра Федеральной информационной адресной системы. Внедрение результатов подтверждается соответствующим актом.

Достоверность научных и практических результатов научных положений и выводов, полученных соискателем, подтверждается корректными теоретическими выкладками, свидетельствами о государственной регистрации программы на ЭВМ и базы данных, компьютерным моделированием и примерами успешного промышленного внедрения полученных научных результатов, подтвержденного актом внедрения.

Основные научные положения и результаты, выносимые на защиту:

1. Разработан метод построения структуры данных ГИС АР с помощью дихотомического анализа, позволяющий получить ключевые архитектурно-значимые системные свойства ГИС АР для создания архитектурной концепции системы при проектировании новой или совершенствовании имеющейся системы.

2. Разработан новый способ конструктивной алгоритмизации, основанный на идеях концептуального проектирования и программирования, повышающий адаптивность и сопровождаемость программного обеспечения ГИС АР.

3. Разработана вертикальная пространственно-эффективная модель данных для реализации инвариантной к изменениям структуры данных ГИС АР с целью повышения ее точности, полноты, адаптивности и уменьшения избыточности данных.

4. Разработана структура пространственных данных на основе ациклических ориентированных графов и способы работы с ней, повышающая эффективность манипулирования иерархическими адресными данными ГИС АР.

5. Разработаны алгоритмы обработки пространственно-временных данных на основе темпоральной реляционной алгебры и темпоральной логики Аллена, позволяющие производить верификацию хронологических данных и упрощающие их обработку и анализ в ГИС АР.

6. Разработана и реализована ГИС АР, основанная на рациональной архитектуре с использованием инвариантной к изменениям модели адресных данных и методе дихотомического анализа.

Личный вклад. Все научные положения результаты диссертации, выносимые на защиту, получены автором лично. Кроме того, автор принял активное участие в подготовке научных статей, в которых излагались результаты исследования, а также в разработке, тестировании и внедрении разработанного программного обеспечения, в котором были применены полученные научные результаты.

Получено авторское свидетельство № 2018663977 о государственной регистрации программы для ЭВМ «Обработка иерархических структур данных представленных в виде ориентированных ациклических графов» от 9 октября 2018 года и свидетельство № 2018621721 о государственной регистрации базы данных «База данных на основе расширенной модели EAV/CR с использованием темпоральных и иерархических структур данных» от 9 октября 2018 года в Федеральной службе интеллектуальной собственности «Роспатент».

Апробация работы. Основные научные положения и результаты диссертации докладывались и обсуждались на следующих научно-технических конференциях: Международная конференция «Интеграция, аналитика и геоинформационный сервис», ноябрь 2017 г., Москва. VIII Международная конференция «ИТ Стандарт 2017», 5-6 декабря 2017 г., Москва. «Математические методы и модели анализа и прогнозирования развития социально-экономических процессов черноморского побережья Болгарии», декабрь 2017 г., Бургас, Болгария.

73-я научно-техническая конференция студентов, аспирантов и молодых ученых МИИГАиК, 3-4 апреля 2018 г., Москва. Международная конференция «Методы и модели пространственного анализа», апрель 2018, Бургас, Болгария. 74-я научно-техническая конференция студентов, аспирантов и молодых ученых МИИГАиК, 15-19 апреля 2019 г., Москва.

Публикации. Основные результаты по теме диссертации изложены в 21 печатном издании, восемь из которых изданы в журналах, рекомендованных ВАК и четыре статьи, опубликованные в журналах, входящих в Scopus.

Структура и объем диссертации. Диссертационная работа состоит из введения, трех глав основного текста, заключения и списка литературы. Общий объем работы - 140 страниц. Диссертация содержит 21 рисунок, 10 таблиц. Список литературы включает из 211 источников.

Глава 1. Критический анализ и систематика сложных организационно-технических систем (СОТС) как основы геоинформационных систем

адресного реестра

Исследование геоинформационных систем ведения адресного реестра (ГИС АР) включает исследование общесистемного функционирования конкретной системы и ее специфики. Для определения места конкретной ГИС АР в кластере иных геоинформационных систем необходимо провести краткий анализ существующих сложных организационно-технических систем (СОТС), к которым относятся современные геоинформационные системы, включая системы ведения адресного реестра. Первые информационные системы возникли до применения компьютеров и были связаны с учётной деятельностью. Все крупные предприятия, холдинги и корпорации требовали системной организации управления и работы с персоналом. На данной основе возникли сложные организационные системы. Они возникли как синтез системного подхода и организационных систем.

По мере развития технических средств СОТС все более усложнялись и для их организации также потребовался системный подход. Наряду с техническими системами появились технологические системы, возникшие на основе потребности организации технологий как согласованной системы действий и процессов. Применение технических и технологических средств в организациях и организационных системах привело к появлению сложных организационно-технических систем, которые используют программное обеспечение и программную поддержку. Все это ставит задачу анализа существующих СОТС в широком классе систем и выбора для них оптимальной модели построения структур данных и вычислительных комплексов, включая технологию и функциональные связи. Схематично СОТС можно изобразить в виде, представленном на рисунке 1.1:

Когнитивная область СОТС

Сознание

(индивидуальное, коллективное, самосознание)

Информационные воздействия

Информационные потребности

Слой естественного интеллекта

(^Понятия^) ^Суждения (Умозаключения^) ^ Гипотезы ^)(^Теории Знания ^ ^ Воля ^

^ Ситуации ^ ^ Решения ^ ^ Цели, задачи ^ (мышление^) Память ^ ^ Эмоции ^

|-;

Слой естественных датчиков ^ Органы чувств: зрение, слух, обоняние, осязание. Рецепторы. Перцепционные фильтры.

Опосредованная информация ¡е~оричная)

Информационная область СОТС

Средства визуализации

удовлетворение ннфэрмациониых

потребностей ■4-

Слой искусственного интеллекта и информационных систем

и

Средства искусственного интеллекта

Специальное математическое обеспечение

СОТС

(^Знаки^ Тексты ^ Образы~) Г Звуки Данные

Средства обработки и хранения данных

Информационные ресурсы СОТС

Общая информация

Слой

телекоммуника ции

.С

Средства транспортировки данных

Слой датчиков

С

Искусствен ные датчики

о.

0 -е-

1

_ '■ =г

V г>\ га 2 I- ^

о и р

О) I I Ч ! X

° ^ I ^ ^ -

г I га Ч /т

т и а. о

Прямая информация "(первичная)

Ф изическая область СОСТ

Окружающая среда

Оборудование

Материальные и энергетические ресурсы

Персонал

Действия

Рисунок 1.1- Схематическое изображение сложной организационно-технической системы

1.1. Особенности и модель структуры организационных систем

В актуальных научных работах под организационной системой (ОС) обычно понимают некоторое объединение людей, которые сообща выполняют поставленную задачу или преследую общую цель (или множество задач и целей, объединенных в программы) и совместно действуют, руководствуясь определенным набором установленных процедур и правил [1]. Организационной системе свойственны внутренняя упорядоченность, слаженность взаимодействия отличающихся и автономных частей целого, которые обусловлены его строением [2]. Указанные свойства организационная система приобретает благодаря сочетанию процессов или действий, которые ведут к появлению новых и совершенствованию существующих связей между частями целого [2].

Комплекс процедур, законов и правил, которые являются механизмами функционирования и управления, определяют способы принятия решений в организации и поведение по отношению друг к другу сотрудников организации. Управляющий орган должен обладать способностью прогнозирования поведения управляемых субъектов при выборе способа принятия решений, другими словами, предсказывать реакцию субъектов на управляющее воздействие, для чего применяются методы моделирования и прогнозирования.

С помощью применения адекватной модели ОС можно провести анализ реакции управляемой системы, после чего выбрать и использовать необходимое управляющее воздействие для формирования требуемой реакции. Использование моделей и методов управления дает возможность прогнозировать поведение управляемых объектов и субъектов. Использования механизмов организации управления приводит к снижению неопределенности, и это является одним из основных свойств любой управляющей системы. Модель структуры ОС определяется:

- составом участников (ее элементов);

- структурой, т.е. комплексом организационных, информационных, управляющих и иных взаимосвязей между ее элементами;

- индивидуальными предпочтениями каждого из ее участников;

- множеством вероятных стратегий ее участников, которые отражают разнородные типы ограничений и правил их общей деятельности;

- порядком функционирования, другими словами, последовательностью получения важной информации и выбором эффективных стратегий участниками данной системы;

- информированностью, т.е. наличием у участников информации о существенных параметрах, действующих на систему во время принятия решений, которые касаются выбираемых стратегий поведения системы.

По существу, организационные системы применяются для решения задач с отсутствующими вариантами решения вследствие их сложности и новизны. В качестве примеров организационных систем можно привести различного рода исследовательские, управленческие и другие сходные организации, а также сообщества или группы людей и даже единственный человек. Люди, осуществляющие преобразование ресурсов организационной системы, являются ее ключевыми структурными элементами.

К организационной системе в ряде случаев относят социотехнические системы, включающиеся в себя транспортные [3], кадастровые, фискальные [4], геоинформационные [5] и другие похожие системы. Организационные системы, за исключением простейших случаев, относят к классу сложных систем. Стоит подчеркнуть, что управление подобными системами в большинстве случаев происходит при наличии различного вида неопределенностей [6-12], при отсутствии достаточного объема знаний существующих закономерностей функционирующей системы, при наличии жестких временных ограничений и беспрерывном изменении окружающей обстановки. При управлении ОС нужно стараться находить как можно лучшее решение в сложных обстоятельствах, характеризующихся неопределенностью, неполнотой, отсутствием достаточного количества информации, нечеткостью предоставляемой исходной информации, а также уникальностью, стохастичностью, динамичностью и т.д. кроме использования знаний специалистов и их субъективного опыта при принятии

сложных управленческих решений также используются аналитические методы анализа состояния системы и прогнозирования развития ситуации с широким применением математических и программных средств обеспечения. Чем выше сложность задач, решаемых ОС, тем выше роль вычислительных комплексов и алгоритмов, применяемых для анализа, прогнозирования и принятия решения. Алгоритмическое и программное обеспечение должно учитывать не стационарность обрабатываемых параметров и структуры пространственно-временных данных.

1.2. Сложные системы и сложные сети

Системы, моделирование и прогнозирование которых представляет собою сложность, а порой и вовсе становится невозможным, называются сложными техническими системами (СТС). Причиной невозможности моделирования принято считать присутствие сложных зависимостей среди элементов или наличие сложного взаимодействия, часто имеющего вероятностную природу, между системой и охватывающей ее средой, а также недостаточное количество ресурсов, используемых при моделировании [13-16]. СТС характеризуются рядом свойств, в частности [13, 17-20]: гетерогенностью, неоднозначностью, нелинейностью, неопределенностью, стохастичностью и другими.

На сегодняшний день, термин «сложные системы» используется во многих дисциплинах. Различием между ранее существовавшими и современными СТС считается наличие у последних компьютерных и информационных составляющих, в связи с чем их называют «сложные информационно-технические системы». СТС встречаются в различных областях науки и техники - от физики до геоинформатики [21], вследствие чего выделяют общие и частные характеристики подобных систем.

При исследовании СТС и СС применяются методы, в основе которых лежит изучение влияния связей между элементами на общее функционирование системы и изменение ее состояния и наоборот. К данным методам принято относить структурный анализ [22] и моделирование [23-26].

Необходимо учесть тот факт, что системный анализ упрощает СС, поскольку

рассматривает ее не классифицируя по специфическим свойствам, приводя к более простой и абстрактной модели СС. Рассматривая данные системы, стоит уделить внимание такой категории, как сложность, для определения которой необходимо выявление факторов, оказывающих воздействие на данный показатель.

Исходя из того, что СТС является подвидом СС, возникает понятие «распределенная система», изучение которой сводится к формированию понятия сетевой системы, из чего можно сделать вывод, что допустимо отождествление СТС с сетевой системой.

Теория «больших графов» [27] применяется в том случае, если система имеет сложную структуру, то есть содержит много узлов. Часто, в таких ситуациях, возникает проблема выявления основной структуры, которая считается латентной характеристикой, определение которой является важной составляющей при качественной оценке сетей и СС.

Отличительной чертой сети от СС считается наличие способности описания перехода объекта по узлам и простота представления структуры сети.

Рассмотрим, различия сетей от СС:

1. Наличие у сетей переходов между узлами;

2. Отсутствие таких функций как эмерджентность, целостность, многоуровневость структуры, интегративность [28];

3. Относительная простота.

Из третьего пункта можно сделать вывод, что термины сеть и СС не идентичны, тем не менее обладая рядом общих свойств [29].

Стоит учесть, что и сети, и СС свойственно наличие блоков, формирующих компоненты системы и сети.

Высокая плотность внутренних отношений и низкая плотность внешних характерна для блоков сети, представляющие собой группы вершин, посредством чего происходит классификация сетей и их обобщение в ходе трансформации от простой сети к представлению в виде блоков, представляющих объединения элементов по общему функциональному назначению, что возможно при использовании графов. Этот подход применяется в когнитивном управлении и

является фундаментом при построения когнитивных карт [30].

Отличием СТС от сети также можно считать наличие энтропии объектов. Пуста Х- случайная величина, описывающая перемещение объекта с одного состояния в другое с частотой рг., исходя из чего можно определить энтропию сети ЫИ(Х):

ЫИ(Х) =-Х рг^ (рО, (1.1)

где г = 1...п, п - число узлов в сети. Физически сеть состоит из одних только узлов, по этой причине выражение (1.1) дает описание такой простой модели.

В СС энтропия формируется на основе компонент, включающих в себя элементы, являющиеся аналогами узлов сети, что дает определение энтропии £И(Х) СТС в виде суммы покомпонентной и внутрикомпонентной энтропий:

БИ(Х) =-Х qv1og (#), + X Яег- (1.2)

где ¡=1...ш, т - число компонентов в системе т<<п. Яег- - энтропия г-го компонента системы. Рассмотрев выражения (1.1) и (1.2) и, сравнив их, приходим к соответствующему выводу:

МИ(Х) >> БИ(Х) (1.3)

В отличие от организационных систем, СТС отличается предсказуемостью и устойчивостью. На сегодняшний день для СТС выделяют ряд принципов и характеристик, от которых зависит их функционирование. Интересными в контексте адресного реестра и пространственно-временных данных, для нас являются принципы эмерджентности [31], адаптивности и аутопойезиса.

Комплементарность блоков, являясь элементом-носителем ресурсов СТС считается основной отличительных характеристикой СТС, при анализе которой

участвует информационная ситуация и информационная позиция.

1.3. Сложные технологические системы и сложные сети

Технологические системы - комплексы связанных технологий. Функциональная связанность и целостность являются свойствами, характеризующие их.

В технологических системах принято выделять сложные технологические системы (СТлС) [32], функционирование которых трудно моделируется или вообще невозможно [32, 33]. СТлС характеризуются следующими свойствами: нелинейность, спорадичность, неопределенность, непредсказуемость и другие [1315, 32, 35, 36]. Вследствие широкого применения СТлС различают общие и частные характеристики. Согласно этой дифференциации принято выделять два направления: направление общего исследования СТлС и специальные исследования. Последними изучаются системы предметной области в то время, как для направлений общего исследования СТлС применяют системный анализ и общую теорию систем.

Описать сложные технологические системы можно посредством телекоммуникационного либо информационного компонентов. Исходя из этого, СТлС отождествляется с термином «сложные коммуникационно-технологические системы». Таким образом, дальнейшее применение термина СТлС будет подразумевать наличие в них коммуникационной и информационной составляющей.

СТлС, находясь в тесной корреляции со сложными сетями, в большинстве случаев, является основой их деятельности. Сеть, в свою очередь, служит технической средой реализации СТлС. Наглядно это видно в технологиях интернет вещей (Internet of Things) [37] и кибер-физических системах [38-42].

Предмет СТлС - «выявление того, как же связи между частями системы приводят к ее общему функционированию и последующему изменению состояния системы, а также изучение информационного взаимодействия с внешней средой, внутренних связей между частями» [43-49]. Цель СТлС - исследование сложности,

которая выступает в роли основной характеристики систем.

Поскольку СТлС представляет собой коммуникационную систему, то, можно прийти к выводу, что между СТлС и сетевой системой или сетью существует взаимосвязь. Однако между ними наблюдается и различие, которое заключающееся в следующем, поскольку сеть включает в себя множество информационных потоков, то для нее ключевой характеристикой являются связи между узлами сети; а для СТлС, помимо данной связи, также присуще взаимодействие между ними. Важной особенностью СТлС является наличие дополнительных свойств по отношение к сети. К ним относятся эмерджентность, целостность, многоуровневость структуры, интегративность [28]. Любой сложной системе присуще большое количество блоков (кластеров). Чем больше же сеть, тем меньше вероятность определения генерализированной структуры.

Список литературы диссертационного исследования кандидат наук Буравцев Алексей Владимирович, 2022 год

СПИСОК ЛИТЕРАТУРЫ

1. Новиков Д.А. Теория управления организационными системами. М.: МПСИ, 2005. - с. 584.

2. Ильичёв Л.Ф., Федосеев П.Н., Ковалёв С.М., Панов В.Г. Философский энциклопедический словарь. — М.: Сов. Энциклопедия, 1983. — с. 840.

3. Буравцев А.В. Функционирование сложной организационно-технической системы в транспортной сфере // Наука и технологии железных дорог. - 2017. -3(3).

- с.48-58.

4. Буравцев А.В. Фискальная кадастровая подсистема // Науки о Земле. - 2017.

- № 3. - с.74-85.

5. Буравцев А.В. Геоинформатика - Наука о пространстве // Славянский форум. 2020. № 4 (30). С. 161-170.

6. Ожерельева Т.А. Оппозиционный анализ неопределенности и определенности // Славянский форум. - 2017. - 1(15). - с.218-226.

7. Матчин В. Т. Неопределенность как фактор необходимости обновления баз данных // Образовательные ресурсы и технологии - 2017. -2 (19). - с.98-104

8. Буравцев А.В. Цифровая железная дорога как сложная организационно-техническая система // Наука и технологии железных дорог. - 2018. -1(5). - с.69-78.

9. Буравцев А.В. Серый управленческий анализ // Перспективы науки и образования. - 2017. - №5(29). - с.74-79.

10. Цветков В.Я. Серый реляционный анализ // Международный журнал прикладных и фундаментальных исследований. - 2016. - № 12-1. - с. 166-166

11. Цветков В.Я. Принятие решений в условиях неопределенности// Техника машиностроения, 2000, №6, с.17- 20

12. Цветков В.Я. Информационная неопределенность и определенность в науках об информации // Информационные технологии. - 2015. - №1. -с.3-7

13. Bar-Yam, Yaneer (2002). "General Features of Complex Systems" (PDF).

Encyclopedia of Life Support Systems. EOLSS UNESCO Publishers, Oxford, UK. Retrieved 16 September 2014

14. Цветков В.Я. Сложные технические системы // Международный журнал прикладных и фундаментальных исследований. - 2016. - № 10-4. - с.670-670.

15. Цветков В.Я. Сложные технические системы // Образовательные ресурсы и технологии - 2017. -3 (20). - с.86-92.

16. Цветков В.Я. Информатизация: Создание современных информационных технологий. Часть 1. Структуры данных и технические средства.- М.: ГКНТ, ВНТЦентр, 1990.- 118с.

17. Кудж С.А. Многоаспектность рассмотрения сложных систем // Перспективы науки и образования- 2014. - №1. - с38-43.

18. Берталанфи фон Л. Общая теория систем - критический обзор. / В кн. Исследования по общей теории систем. М.: Прогресс, 1969. С. 23 -82

19. Месарович М., Такахара Н. Общая теория систем: математические основы. - М.: Мир, 1978 -311 с.

20. Савиных В. Системность в диссертационных исследованиях // Образовательные ресурсы и технологии. - 2015. - №2 (10). - с.92-98

21. Монахов С.В., Савиных В.П., Цветков В.Я. Методология анализа и проектирования сложных информационных систем. - М.: Просвещение, 2005. -264с.

22. Бутко Е.Я. Системный подход в формировании структуры // Славянский форум. - 2017. -2(16). - с.25-31

23. Кудж С.А. Дихотомический структурный анализ // Славянский форум. - 2017. -2(16). - с.7-11.

24. Номоконова О.Ю. Структурное моделирование социальных факторов // Славянский форум. - 2017. -2(16). - с. 57-61.

25. Цветков В.Я. Структурное моделирование: Монография. - М.: МАКС Пресс, 2017. - 84 с. ISBN 978-5-317-05518-9.

26. Ожерельева Т.А. Структурный анализ систем управления //

Государственный советник. - 2015. - №1. - с40-44

27. Коломейченко, М.И., Чеповский А.М. Визуализация и анализ графов больших размеров // Бизнес-информатика. - 2014. - № 4(30). - С. 7-16.

28. Цветков В.Я. Ресурсность и интегративность сложной организационно технической системы // Международный журнал прикладных и фундаментальных исследований. - 2016. - №5- 4. - с.676-676.

29. Борисенко В.В., Лахно А.П., Чеповский А.М. Специальное представление графов и визуализация семантических сетей. // Фундаментальная и прикладная математика. — 2010. — Т. 16. — № 8 . — C. 27-35

30. Гольдштейн А.Б., Пожарский Н. А., Лихачев Д.А. О когнитивных картах в управлении телекоммуникационным оператором. // Информатизация и связь. - 2016. - №1. - с.11-15.

31. Цветков В.Я. Эмерджентизм // Международный журнал прикладных и фундаментальных исследований. - 2017. - № 2-1. - С. 137-138.

32. Буравцев А.В. Сложные технологические системы // Славянский форум. - 2017. -4(18). - с. 14-19.

33. Буравцев А.В. Конструирование сложных технологических систем // Конструкторское бюро. -2018.- 2(133)- с.31-46.

34. Розенберг И.Н., Цветков В.Я. Применение мультиагентных систем в интеллектуальных логистических системах. // Международный журнал экспериментального образования. - 2012. - №6. - с.107-109

35. Кудж С.А. Системный подход // Славянский форум. - 2014. - 1(5). -с.252 -257.

36. Номоконова О.Ю., Цветков В.Я. Системный подход в научных исследованиях // Славянский форум, 2015. - 2(8) - с.224-232.

37. Дешко И.П., Кряженков К.Г., Цветков В.Я. Устройства, модели и архитектуры Интернета вещей: Учебное пособие. - М.: МАКС Пресс, 2017. - 88 с.

38. Lee, Jay; Bagheri, Behrad; Kao, Hung-An (January 2015). "A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems". ManufacturingLetters. 3: 18-23. doi:10.1016/j.mfglet.2014.12.001

39. Лёвин Б.А., Розенберг И.Н., Цветков В.Я. Транспортные кибер-физические системы // Наука и технологии железных дорог. - 2017. - 3(3). - с.3-15.

40. Цветков В.Я. Кибер физические системы // Международный журнал прикладных и фундаментальных исследований. - 2017. - № 6-1. - С. 64-65.

41. Цветков В.Я. Управление с применением киберфизических систем // Перспективы науки и образования. - 2017. - №3(27). - с.55-60

42. Кудж С.А., Цветков В.Я. Сетецентрическое управление и кибер-физические системы // Образовательные ресурсы и технологии - 2017. -2 (19). -с.86-92.

43. Бахарева Н.А. Информационное взаимодействие в автоматизированных системах мониторинга и кадастра // Славянский форум. -2012. - 1(1). - с.58-62.

44. Розенберг И.Н. Информационная неопределенность // Славянский форум. - 2017. -2(16). - с. 12-18.

45. Кудж С.А. Информационное взаимодействие и его атрибуты // Славянский форум. - 2017. -4(18). - с.27-33

46. Чехарин Е.Е. Информационное взаимодействие в компьютерной лингвистике // Славянский форум, 2016. -3(13). - с.334-339.

47. Цветков В.Я., Чехарин Е.Е. Информационное соответствие при информационных взаимодействиях // Славянский форум. - 2017. -3(17). - с.83-88.

48. Майоров А.А. Информационные взаимодействия в прикладной геоинформатике // Образовательные ресурсы и технологии. - 2016. - 3 (15). - с.123-129. 001: 10.21777/2312-5500-2016-3-123-129

49. Цветков В. Я., Номоконова О.Ю. Информационные взаимодействия в медицинской диагностике // Медицина и высокие технологии. - 2017. - №3. - с.38-44.

50. Буравцев А.В. Ориентированные графы в сложных организационно-технических фискальных системах / Цветков В.Я., Буравцев А.В. // Образовательные ресурсы и технологии. - 2017. - №3 (20). - с.33-40.

51. Цветков В.Я. Информационное соответствие // Международный журнал прикладных и фундаментальных исследований. - 2016. - №1 (часть 3) -с.454-455

52. Ожерельева Т.А. Информационное соответствие и информационный морфизм в информационном поле // Информационные технологии в науке, образовании и управлении. 2017 -№4. - с.86-92.

53. Буравцев А.В. Метрики сложной детерминированной системы / Цветков В.Я., Буравцев А.В. // Онтология проектирования. - 2017. - Т. 7, №3(25). - С. 334-346. - DOI: 10.18287/2223-9537-2017-7-3-334-346.

54. Тихонов А. Н., Иванников А. Д., Соловьёв И. В., Цветков В.Я. Основы управления сложной организационно-технической системой. Информационный аспект. - М.: МаксПресс, 2010.-228с.

55. Тихонов А.Н., Иванников А.Д., Соловьёв И.В., Цветков В.Я., Кудж С.А. Концепция сетецентрического управления сложной организационно-технической системой- М.: МаксПресс, 2010.-136с.

56. Корнаков А.Н. Модель сложной организационно-технической системы // Перспективы науки и образования. - 2015. - №2. - с.44-50

57. Tsvetkov V. Уа. Dichotomic Assessment of Information Situations and Information Superiority // European researcher. Series A. 2014, Vol.(86), № 11-1, pp.1901-1909.

58. Кудж С.А. Системный подход // Славянский форум. - 2014. - 1(5). -с.252 -257.

59. Уемов А.И. Системный подход и общая теория систем. - М. Мысль, 1978 -272 с.

60. Цветков В.Я. Решение проблем с использованием системного анализа// Перспективы науки и образования- 2015. - №1. - с.50-55

61. Ожерельева Т.А. Структуры систем управления// Славянский форум. -2017. -4(18). - с.57-62.

62. Tsvetkov V. Ya. Multipurpose Management// European Journal of Economic Studies. 2012, Vol.(2), № 2, р.140-143.

63. Буравцев А.В. Аутопойезис сложной организационно-технической системы / Цветков В.Я., Буравцев А.В. // Дистанционное и виртуальное обучение. 2018. - № 2(122). - с.5-11.

64. Луман Н. Введение в системную теорию - Логос, 2007. 360 с ISBN 58163-0076-8.

65. Буравцев А.В. Эволюция фискальных систем / Цветков В.Я., Буравцев А.В. // Государственный советник. - 2017. - №2. - с.19-24.

66. Буравцев А.В. Геоинформационная система ведения адресного реестра // Славянский форум. 2019 (2)- с.13-20.

67. Цветков В.Я. Информатизация, инновационные процессы и геоинформационные технологии. // Известия высших учебных заведений. Геодезия и аэрофотосъемка - 2006.- №4 - с.112-118.

68. Rousseau A. N. et al. PHYSITEL, a specialized GIS for supporting the implementation of distributed hydrological models //Water News-Official Magazine of the Canadian Water Resources Association. - 2011. - V. 31. - №. 1. - p.18-20.

69. Буравцев А.В. Сложность в геоинформационных технологиях / Цветков В.Я., Буравцев А.В., Булгаков С.В., Рогов И.Е. // Информация и космос. -2021. - №1. - с. 121-126

70. Лёвин Б.А., Цветков В.Я. Информационные процессы в пространстве «больших данных» // Мир транспорта, 2017. - том 15, № 6, С. 20-30.

71. Майоров А.А., Матерухин А.В., Кондауров И.Н. Структура системы обработки потоковых данных в геосенсорных сетях. // Известия высших учебных заведений. Геодезия и аэрофотосъемка.- 2018.- №6. - с.712-719.

72. Буравцев А.В. Пространственные системы // ИТНОУ: Информационные технологии в науке, образовании и управлении. 2019. № 3 (13). c.32-39.

73. Павлов А.И. Эргатические системы // Славянский форум. -2019. - 1(23). - с. 153-159.

74. Корнаков А.Н. Модель сложной организационно-технической системы // Перспективы науки и образования. - 2015. - №2. - с.44-50.

75. Цветков В.Я. Теория систем: Монография. - М.: МАКС Пресс, 2018. -88 с. ISBN 978-5-317-05718-3.

76. Цветков, В.Я., Мордвинов В.А. Подход к систематизации алгоритмов // Онтология проектирования. - 2018. - Т. 7, №4(26). - С. 388-397.

77. Маставичене Т.В. Совершенствование технологии ведения адресного реестра для повышения эффективности информационной системы кадастра недвижимости. Дис., к.т.н. специальность 25:00:26 - М.: МГУГиК, 2016. - 138с.

78. Завилова Н.С. Знакомьтесь: новая адресная система-ФИАС // Налоговая политика и практика. - 2011. - №. 10. - С. 18-21.

79. Завилова Н.С. Где эта улица, где этот дом... ФНС России создан адресный навигатор-ФИАС // Кадастр недвижимости. - 2012. - №. 2. - С. 35-37.

80. Buravtsev A.V., Tsvetkov V.Ya. Сomplicated organizational and calculating systems // Perspektivy Nauki i Obrazovania. - 2018. - №4(34). - p.293-300

81. Богданов А.А. Всеобщая организационная наука. СПб: Книга. Ч. 1. 1913. 255 с.

82. Цветков В.Я. Прикладные системы // Известия высших учебных заведений. Геодезия и аэрофотосъемка. - 2005.- №3 - с.78- 85.

83. Tsvetkov V. Ya. Information Situation and Information Position as a Management Tool // European researcher. Series A. 2012, Vol.(36), 12-1, p.2166- 2170.

84. Буравцев А.В. Системно-категориальный анализ / Буравцев А.В., Цветков В.Я. // Сборник трудов VIII международной конференции ИТ-Стандарт 2017. - М.: Издательство «Проспект», 2017. - с.250-255.

85. Буравцев А.В. Системно-категориальный анализ транспортных систем // Наука и технологии железных дорог. - 2017. - 4(4). - с.61-71.

86. Савиных В.П., Ознамец В.В., Сельманова Н.Н., Цветков В.Я. Системно-категориальный анализ при мониторинге земель по данным дистанционного зондирования. // Изв. вузов «Геодезия и аэрофотосъемка» 2018. Т. 62. №1. С. 101-108. doi: 10.30533/0536-101X-2018-62-1-101-108/

87. Болдырев Н. Н. Проблемы концептуального анализа //Когнитивные исследования языка. - 2010. - №. 6-С. - С. 34-38.

88. Chalmers D. J., Jackson F. Conceptual analysis and reductive explanation //The Philosophical Review. - 2001. - Т. 110. - №. 3. - С. 315-360

89. Буравцев А. В. Анализ структуры сложной организационно технической системы / Буравцев А.В., Цветков В. Я. // Информационные технологии. - 2018. - 1( 24). - с.27-32

90. Буравцев А.В. Формирование архитектуры информационной системы // Славянский форум. - 2017. -3(17). - с.47-53

91. Буравцев А.В. Стратифицированный метод построения сложной системы // Образовательные ресурсы и технологии - 2017. -3 (20). - с.23-32.

92. Оболяева Н.М. Системный подход к анализу качества образования//Управление образованием: теория и практика. 2012. - № 3. - С. 101105

93. A. V. Buravtsev. Information and Geoinformation Systems Dichotomous Stratification // AIP Conference Proceedings 2402, 060036 (2021); https://doi. org/10.1063/5.0072480

94. Цветков В.Я. Дихотомический анализ сложности системы // Перспективы науки и образования- 2014. - №2. - с.15-20

95. Раев В.К. Дихотомический метод уменьшения информационной неопределенности // Перспективы науки и образования. - 2017. - №2(26). - с.7-11

96. Tsvetkov V. Ya. Opposition Variables as a Tool of Qualitative Analysis // World Applied Sciences Journal. - 2014. - 30 (11). - р.1703-1706.

97. Савиных В.П. Оппозиционный анализ в информационном поле // Славянский форум, 2016. -3(13). - с.243-248.

98. Чехарин Е.Е. Большие данные: большие проблемы // Перспективы науки и образования. - 2016. - №3. - с.7-11.

99. Цветков В.Я. Когнитивные технологии // Информационные технологии. - 2017. - 2(23). -с.90-96

100. Горелова Г.В., Захарова Е.Н., Гинис Л.А. Когнитивный анализ и моделирование устойчивого развития социально-экономических систем - Ростов н/Д: Изд-во Рост. ун-та, 2005. - 288 с.

101. Номоконов И.Б. Когнитивные методы при лучевой диагностике. Монография - М.: МАКС Пресс , 2016. - 60с.

102. Домашук П. В. Информационное моделирование коррупции// Образовательные ресурсы и технологии. - 2015. - №1(9). - с.119-125

103. Максудова Л.Г., Цветков В.Я. Информационное моделирование как фундаментальный метод познания // Известия высших учебных заведений. Геодезия и аэрофотосъемка. - 2001. - №1. - с. 102-106.

104. Цветков В.Я. Моделирование научных исследований в автоматизации и проектировании.- М.: ГКНТ, ВНТИЦентр, 1991. - 125с.

105. Цветков В.Я. Модели и моделирование. - М.: Госинформобр, 2006. -94с.

106. Номоконов И.Б. Информационное моделирование при лучевой диагностике // Международный журнал прикладных и фундаментальных исследований. - 2016. - № 3 (часть 1) - С. 87-90

107. Номоконова О.Ю. Инкрементное моделирование в медицинской диагностике // Информационные технологии в науке, образовании и управлении. 2017 -№4. - с.81-86.

108. Бутко Е.Я. Трансформация идеального в информационном моделировании // Образовательные ресурсы и технологии - 2017. -3 (20). - с.55-61.

109. Лёвин Б. А., Цветков В.Я. Объектные и ситуационные модели при управлении транспортом // Наука и технологии железных дорог. - 2017. -2(2). - с.2-10.

110. Буравцев А.В. Пространственные модели ситуаций как метод анализа и познания // Науки о Земле. 2019. №2. С.13-22.

111. Цветков В.Я. Информационная асимметрия в образовании // Дистанционное и виртуальное обучение- 2015. - №5. - с.4- 12

112. Кудж С.А. Риски информационной асимметрии // Перспективы науки и образования. - 2016. - №6. - с.23-27/

113. Tsvetkov V. Yа. Information Asymmetry as a Risk Factor // European researcher. Series A. 2014, Vol.(86), № 11-1, pp. 1937-1943

114. Чехарин Е.Е. Информационные единицы в сложных системах // Образовательные ресурсы и технологии - 2017. -3 (20). - с.93-99.

115. MarkelovV.M. The Application of Information Units in Logistics// European Journal of Technology and Design, 2014, Vol.(6), № 4, p.176-183.

116. Tajima, K., Hatano, K., Matsukura, T., Sano, R., & Tanaka, K. (1999, August).Discovery and Retrieval of Logical Information Units in Web.In WOWS (pp. 13-23).

117. Tsvetkov V.Ya. Information Units as the Elements of Complex Models // Nanotechnology Research and Practice, 2014, Vol.(1), № 1, р57-64

118. Tsvetkov V.Ya. Information objects and information Units // European Journal of Natural History. 2009. - №2. - p.99

119. Tsvetkov V.Yа. Semantic environment of information units // European Researcher. Series A. 2014, Vol.(76), № 6-1, p. 1059-1065.

120. TsvetkovV.Ya. Logic units of information systems // European Journal of Natural History. - 2009. . - № 2 . - p 99-100

121. V.Ya. Tsvetkov. Semantic Information Units as L. Florodi's Ideas Development // European Researcher. Series A. 2012, Vol.(25), № 7, p.1036- 1040

122. Докукин П.А. Графические информационные единицы// Перспективы науки и образования. - 2015. -№3. - с.32-39.

123. Ожерельева Т.А. Логические информационные единицы // Славянский форум, 2015. - 2(8) - с.240-249

124. Павлов А.И. Информационные модели и информационные единицы //Перспективы науки и образования. - 2015. -№6. - с. 12-17.

125. Романов И.А. Применение информационных единиц при анализе инновационных проектов // Перспективы науки и образования- 2015. - №1. - с.45-49.

126. Цветков В.Я. Информационные единицы сообщений // Фундаментальные исследования. - 2007. - №12. -с.123 - 124

127. Цветков В.Я. Применение дидактических информационных образовательных единиц // Современное дополнительное профессиональное

педагогическое образование -2015.- №2. - с.22-31.

128. Цветков В.Я. Семантика информационных единиц // Успехи современного естествознания. - 2007. - №10.- с.103-104.

129. Цветков В.Я. Информационные единицы как средство построения картины мира // Международный журнал прикладных и фундаментальных исследований. - 2014.- № 8-4. - с. 36-40

130. Цветков В.Я. Паралингвистические информационные единицы в образовании// Перспективы науки и образования- 2013. -№4.- С30-38

131. Романов И.А. Применение информационных единиц в управлении// Перспективы науки и образования- 2014. - №3. - с.20-25.

132. I. N. Rozenberg. Information Construction and Information Units in the Management of Transport Systems // European Journal of Technology and Design, 2016, Vol.(12), Is. 2, pp. 54-62, DOI: 10.13187/ejtd.2016.12.54 www.ejournal4.com

133. Кудж С.А. Тринитарные информационные единицы // Славянский форум, 2016. -4(14). - с.137-143.

134. Ozhereleva Т.А. Systematics for information units // European researcher. Series A. 2014, Vol.(86), № 11-1, pp. 1894-1900. DOI: 10.13187/er.2014.86. 1900.

135. Цветков В.Я. Язык информатики // Успехи современного естествознания. - 2014.- №7. - с.129-133.

136. Александровская Л.Н., Афанасьев А.П., Лисов А.А. Современные методы обеспечения безотказности сложных технических систем. - М. : Логос, 2003.

137. Сигов А.С., Нечаев В.В., Кошкарев М.И. Архитектура предметно-ориентированной базы знаний интеллектуальной системы // International Journal of Open Information Technologies, 2014. Т. 2. № 12. С. 1-6.

138. Цветков В.Я. Геоинформационные системы и технологии - М.: Финансы и статистика 1998. - 288с.

139. Цветков В.Я. Стратификация когнитивной модели // Международный журнал прикладных и фундаментальных исследований. - 2016. - №2-1. - с.136-137

140. Майоров А.А. Типизация сложных систем // Славянский форум. -

2014. - 1(5). - с.131 -137.

141. Marca D. A., McGowan C. L. (1987). SADT: structured analysis and design technique. McGraw-Hill, Inc.

142. Пунда Д.И. Две формы представления деятельности организационных систем, и когнитивная природа происхождения современного понятия «управление сложностью» //Труды IX межд. конф.«Когнитивный анализ и управление развитием ситуаций». CASC. - М.: ИПУ РАН, 2011. - c.94-97

143. Буданов В.Г., Курдюмов В.С., Пунда Д. И. Управление сложностью, возможности и ограничения в современных условиях // Экономические стратегии. - 2014. - Т. 16. - №. 2. - С. 90-97.

144. Терехова А.Е., Верба Н.Ю. Проблемы управления большими и сложными проектами // Вестник университета (Государственный университет управления). - 2013. - №. 2. - С. 161-165.

145. Тыугу Э.Х. Концептуальное программирование. - М.: Наука, 1984. -255

с.

146. Буравцев А.В. Конструктивная алгоритмизация // Информационные технологии в науке, образовании и управлении. 2018 -№1. - с. 92-104

147. V.Ya. Tsvetkov and A.V. Buravtsev. Conceptual programming in GIS development // 2021 IOP Conf. Ser.: Earth Environ. Sci. 839032028

148. ГОСТ Р ИСО/МЭК 25010-2015 Информационные технологии (ИТ). Системная и программная инженерия. Требования и оценка качества систем и программного обеспечения (SQuaRE). Модели качества систем и программных продуктов.

149. Tsvetkov V.Ya. Information Constructions // European Journal of Technology and Design. - 2014, Vol (5), № 3. - p.147-152

150. Буравцев А.В. Алгоритм как объект познания / Буравцев А.В., Цветков В. Я. // Славянский форум. - 2017. -4(18). - с.91-96.

151. ISO/IEC 25010:2011 «Systems and software engineering -- Systems and software Quality Requirements and Evaluation (SQuaRE) -- System and software quality models» https://www.iso.org/standard/35733.html. Дата просмотра 17.07.2020.

152. Буравцев А.В. Информационный подход в системной и программной инженерии / Буравцев А.В., Щенников А.Е // Славянский форум. -2018. - 1(19) . с. 17-23

153. Буравцев А.В. Проектирование данных для компьютерной обработки в фискальных системах / Буравцев А.В., Щенников А.Н. // ИТНОУ: Информационные технологии в науке, образовании и управлении. 2018. № 1. С. 3-14

154. Guide to the Systems Engineering Body of Knowledge (SEBoK) http://www.sebokwiki.org/wiki/Guide_to_the_Systems_Engineering_Body_of_Knowle dge_(SEBoK)._JЦата просмотра 17.07.2020.

155. Guide to the Software Engineering Body of Knowledge (SWEBOK Guide) https://www.computer.org/web/swebok. Цата просмотра 17.07.2020

156. Федеральная информационная адресная система. URL: http://fias.nalog.ru/ (дата обращения: 17.07.2020).

157. Саймон Г.А. Науки об искусственном. М.: Едиториал УРСС, 2004.

158. Kamfonas M. J. Recursive hierarchies: the relational taboo //The Relational Journal. - 1992. - Т. 27. - №. 10. - р.4.

159. Zhu L. L. et al. Unsupervised structure learning: Hierarchical recursive composition, suspicious coincidence and competitive exclusion //European Conference on Computer Vision. - Springer, Berlin, Heidelberg, 2008. - p. 759-773.

160. Tropashko V. Trees in SQL: Nested Sets and Materialized Path //URL: www. dbazine. com/tropashko4. shtml. - 2002. Цата просмотра 17.07.2020.

161. Tropashko V. Nested intervals tree encoding in SQL //ACM SIGMOD Record. - 2005. - V. 34. - №. 2. - p. 47-52.

162. Van Rossum G. Python patterns-implementing graphs //Python essays, Python Software Foundation. - 1998. - Т. 2003.

163. Smedt T.D., Daelemans W. Pattern for python //Journal of Machine Learning Research. - 2012. - Т. 13. - №. Jun. - С. 2063-2067.

164. Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford Stein.

Introduction to Algorithms, Second Edition. - MIT Press and McGraw-Hill, 2001. - P. 527-529

165. Goodrich M.T., Tamassia R. Algorithm design: foundation, analysis and internet examples. - John Wiley & Sons, 2006.

166. Skiena S.S. The algorithm design manual: Text. - Springer Science & Business Media, 1998.

167. Karwin B. SQL antipatterns: avoiding the pitfalls of database programming. - Pragmatic Bookshelf, 2010.

168. Буравцев А.В. Модели геоданных в геоинформационной фискальной системе // Вектор ГеоНаук. 2020. Т. 3. № 2. С. 91-100

169. Буравцев А.В. Выбор модели представления данных в автоматизированной фискальной системе // Славянский форум. -2018. - 1(19). с. 716

170. Erki Eessaar, Marek Soobik. A decision support method for evaluating database designs // Computer Science and Information Systems, January 2012, 9(1)119, pp.81-106, DOI: 10.2298/CSIS100929039E.

171. Приказ Минфина России от 05.11.2015 N 171н "Об утверждении Перечня элементов планировочной структуры, элементов улично-дорожной сети, элементов объектов адресации, типов зданий (сооружений), помещений, используемых в качестве реквизитов адреса, и Правил сокращенного наименования адресообразующих элементов" (Зарегистрировано в Минюсте России 10.12.2015 N 40069) // "Российская газета". - 2015. - № 294 (28 декабря).

172. Buravtsev A.V. Algorithms for processing information in complex systems // Перспективы науки и образования. - 2018. - №1(31). - p. 10-15.

173. Буравцев А.В. Использование интервальной темпоральной логики Аллена в сложных организационно-технических системах // Информатизация образования и науки. - 2018, -N 1(37). - С. 93-103

174. Цветков В.Я., Матчин В.Т. Стандарты темпоральной логики. Сборник трудов VII Международной конференции "ИТ-Стандарт 2016", 6-7 декабря 2016 г., Москва, Московский технологический университет (МИРЭА), М.: "TCDprint",

2016.- с. 299-305.

175. Мартин Фаулер, Прамодкумар Дж. Садаладж. NoSQL: новая методология разработки нереляционных баз данных - NoSQL Distilled. — М.: «Вильямс», 2013. — 192 с. — ISBN 978-5-8459-1829-1.

176. Patterns of Enterprise Application Architecture by Martin Fowler(with Dave Rice, Matthew Foemmel, Edward Hieatt, Robert Mee, and Randy Stafford) P.285

177. Гмарь Д.В., Игнатова Ю.А., Цуранов Э.В., Шахгельдян К.И. Методы работы с вертикальной моделью данных // Информационные технологии и вычислительные системы. - 2015. - № 2. - С. 1-28

178. Тенцер А. База данных - хранилище объектов// КомпьютерПресс. -2001.- №8.

179. Nadkarni P., Marenco L., Chen R., Skoufos E.,Shepherd G., Miller P. Organization of heterogeneous scientific data using EAV/CR Representation/Journal of the American medical information Association.-1999. V.6, N 6 -.p. 478-493.

180. Chen R., Nadkarni P., Marenco L., Levin F., Erdos J., Miller P. Exploring performance issues for a clinical database organized using an entity-attribute-value representation // Journal of the American medical information Association.-2000.- #7 -.p. 475-487.

181. Варшевский В. Структура базы данных Magento: знакомство с EAV. http: //gurumagento. com/struktura-bazydannyx-magento -znakomstvo-s- eav. htm (дата обращения: 17.07.2020)

182. Буравцев А.В., Представление данных для специализированной ГИС / Буравцев А.В., Цветков В.Я. // Информация и космос. - 2021. - №2. - с. 100-105.

183. Буравцев А.В. Облачные вычисления для больших геопространственных данных / Буравцев А.В., Цветков В.Я. // Информация и космос. - 2019. - №3. - с.104-109.

184. Поспелов Д.А. Логико-лингвистические модели в системах управления. - М.: Энегоиздат, 1981.

185. McCarthy J. M., Hayes P. J. Some Philosophical Problems from the Standpoint of AI. // Readings in AI. TP Co., Palo Alto, 1981.

186. Кандрашина Е.Ю., Литвинцева Л.В., Поспелов Ц.А. Представление знаний о времени и пространстве в интеллектуальных системах. / Под ред. Ц.А. Поспелова. М.: Наука. 1989, с.66-69.

187. Карпов Ю.Г., Математическая логика и теория алгоритмов -Темпоральные логики, кНр:/Мсплсс.зрЬзШ.га/~кагро^Курс ЛОГИКА/Лекции/Л 15 ЛОГИКА Темпоральные логики^£ (Цата обращения: 17.07.2020)

188. Нгуен Цоан Куонг. Организация доступа, хранения и извлечения знаний в темпоральных базах данных. Санкт-Петербург, 2006. С.4.

189. Смирнов В.А. Логические системы с модальными временными операторами // Материалы II Советско-финского коллоквиума по логике «Модальные и временные логики». - М.: Институт философии АН СССР, 1979.

190. Логический подход к искусственному интеллекту: От модальной логики к логике баз данных: Пер. с франц. / Тейз А., Грибомон П., Юлен Г. и др. -М.: Мир, 1998, с.52.

191. Tsvetkov V. Ya. Intelligent control technology. // Russian Journal of Sociology, 2015, Vol. (2), Is. 2.-р97-104 DOI: 10.13187/rjs.2015.2.97 www. ej ournal32. com.

192. Еремеев А.П., Троицкий В.В. Модели представления временных зависимостей в интеллектуальных системах поддержки принятия решений // Изв. РАН. ТиСУ, 2003, № 5.

193. Еремеев А.П., Куриленко И.Е. Темпоральные модели на основе логики ветвящегося времени в интеллектуальных системах // Искуственный интелект и принятие решений. 2011. No1. С. 14.

194. V. Yа. Tsvetkov, Resource Method of Information System Life Cycle Estimation // European Journal of Technology and Design. - 2014. - Vol.(4), № 2, pp.8691 DOI: 10.13187/ejtd.2014.4.92.

195. Allen J.F. Maintaining Knowledge about Temporal Intervals // Communications of the ACM. - 1983. - Vol. 26, No. 11.- P. 832-843.

196. M. Vilain and H. Kautz. Constraint propagation algorithms for temporal reasoning. In Proceedings of the Sixth National Conference on Artificial Intelligence,

pages 377-382, Los Angeles, CA, 1986. Morgan Kaufmann.

197. M. Vilain, H. Kautz, and P.G. van beek. Constraint propagation algorithms for temporal reasoning: A revised report, pages 373-381. Morgan Kaufmann, 1989.

198. P. van Beek. Temporal query processing with indefinite information. In Artificial Intelligence in Medicine [203], pages 325-339.

199. Carlo Combi, Elpida Keravnou, Yuval Shahar, "Temporal Information Systems in Medicine", 2010. p.29-31.

200. Выхованец В.С., Вергер А.Е. Применение интервальной динамической логики для мониторинга крупномасштабных процессов / Материалы 6-й Международной конференции «Управление развитием крупномасштабных систем» (MLSD-2012, Москва). М.: ИПУ РАН, 2012. Т. 2. С. 358-363.

201. История и актуальные проблемы темпоральных баз данных [Электронный ресурс] / Костенко Б.Б., Кузнецов С.Д., 2007 - Режим доступа: http://citfomm.ru/database/articles/temporal/4.shtml, (Дата обращения: 17.07.2020)

202. Варламов О.О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство. - М: Радио и связь, 2002.-286 с.

203. Цветков В.Я., Матчин В.Т. Концептуальное построение программы обновления геоданных // Перспективы науки и образования. 2015. No1. С. 30-38.

204. Yu Wu, Sushil Jajodia, X. Sean Wang, "Temporal Database Bibliography Update", In Temporal Databases: Research and Practice, O. Etzion, S. Jajodia, and S.Sripada, eds., Springer, 1998

205. Richard Snodgrass, "Developing Time-Oriented Database Applications in SQL", Morgan Kaufmann, 1999, p.2-5.

206. C. J. Date, Hugh Darwen, Nikos A. Lorentzos, "Temporal Data and the Relational Model", Morgan Kaufman, 2003, p.17-19

207. Richard Snodgrass (Ed.), "The TSQL2 Temporal Query Language", Kluwer Academic Publishers, 1995

208. Hugh Darwen, C.J. Date, "An overview and Analysis of Proposals Based on the TSQL2 Approach", In Date on Database: Writings 2000-2006, C.J. Date, Apress,

2006, also available in http://www.dcs.warwick.ac.uk/~hugh/TTM/OnTSQL2.pdf

209. Cynthia Saracco, Matthias Nicola, Lenisha Gandhi, "A matter of time: Temporal data management in DB2 10", 2012, http://www.ibm.com/developerworks/data/library/techarticle/dm-1204db2temporaldata/, (Дата обращения: 17.07.2020)

210. Kevin Jerrigan, "Oracle Total Recall with Oracle Database 11g Release 2", 2009, http://www.oracle.com/us/products/database/security/total-recall-whitepaper-171749.pdf, (Дата обращения: 17.07.2020)

211. Резниченко В.А., «Темпоральный SQL: 2011», 1НЖЕНЕР1Я ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ, № 3 - 4 (15 - 16) , 2013, с.54.

ПРИЛОЖЕНИЕ 1. АКТЫ ВНЕДРЕНИЯ

Акционерное общество «Главный научный инновационный внедренческий центр» (АО «ГНИВЦ»)

Походный проезд, домовладение 3, строение I, Москва, ¡25373 Тел.: [phone]; факс: [phone] E-mail: [e-mail]; www.gnivc.ru ОКПО 02805759, ОГРН 1167746447461, ИНН 773328401 О/КПП 773301001

АКТ

о внедрении результатов диссертационной работы Буравцева Алексея Владимировича, представленной на соискание учёной степени кандидата технических наук

Настоящим актом подтверждается, что в процесс разработки программного обеспечения в АО «ГНИВЦ» внедрены основные положения и результаты диссертационного исследования Буравцева A.B.

В рамках исследований, проведенных Буравцевым A.B., были выполнены анализ и оценка архитектуры, алгоритмов и структуры данных государственного адресного реестра Федеральной информационной адресной системы, выявлены их особенности и предложена оптимальная модель представления данных с использованием EAV модели, ациклических ориентированных графов и интервальной темпоральной логики, а также алгоритмы работы с данной моделью.

Применение указанных результатов позволило повысить качество программного обеспечения за счет улучшения функциональной полноты, гибкости, надежности, масштабируемости и сопровождаемое™, а также существенно сократить сроки разработки.

Настоящий документ не является основанием для финансовых претензий,

-й^гнивцГ^

Генеральный директор АО «ГНИВЦ»:

A.A. Антонов

ПРИЛОЖЕНИЕ 2. СВИДЕТЕЛЬСТВО О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ ПРОГРАММЫ НА ЭВМ

ПРИЛОЖЕНИЕ 3. СВИДЕТЕЛЬСТВО О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ БАЗЫ ДАННЫХ