Методы представления слабоструктурированных данных и извлечения знаний для интеллектуального анализа ситуаций тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат наук Карташов Олег Олегович

• Карташов Олег Олегович
• кандидат наук
• 2019

Оглавление диссертации кандидат наук Карташов Олег Олегович

ВВЕДЕНИЕ

1 ИССЛЕДОВАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ

И ПОСТАНОВКА ЗАДАЧ

1.1 Проблемы и задачи интеллектуального анализа данных

о ситуационной осведомленности

1.2 Способы представления знаний о слабоструктурированной предметной области

1.3 Анализ средств формального представления знаний

о ситуациях

1.4 Постановка задач

1.5 Выводы

2 РАЗРАБОТКА МЕТОДОВ ИЗВЛЕЧЕНИЯ ЗНАНИЙ ИЗ СЛАБОСТРУКТУРИРОВАННЫХ ДАННЫХ О СИТУАЦИЯХ

2.1 Общая схема предлагаемого подхода

2.2 Представление данных для формирования онтологий с использованием интерактивной информационной грануляции

2.3 Методы агрегирования и извлечения знаний для классификации ситуаций

2.4 Метод представления онтологий на основе меры контекстно-зависимой семантической схожести

2.5 Выводы

3 РАЗРАБОТКА СРЕДСТВ РАСПРЕДЕЛЕННОЙ ДИНАМИЧЕСКОЙ ДЕСКРИПЦИОННОЙ ЛОГИКИ

ДЛЯ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА СИТУАЦИЙ

3.1 Дескрипционная логика и децентрализованные рассуждения

в интеллектуальных системах

3.2 Разработка средств представления знаний на основе распределенной динамической дескрипционной логики

3.3 Метод интеллектуального анализа данных на основе распределенной динамической дескрипционной логики

3.4 Оценка эффективности предложенных методов

3.5 Программная реализация разработанных средств и методов

3.6 Выводы

4 РЕАЛИЗАЦИЯ МЕТОДОВ И ТЕХНОЛОГИЙ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА СИТУАЦИЙ

4.1 Реализация предложенных методов в интеллектуальной системе управления железнодорожным транспортом

4.2 Технология распределенных интеллектуальных смарт-объектов ситуационной осведомленности

4.3 Сервис ситуационной осведомленности об инцидентах на основе мобильных смарт-объектов

4.4 Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ПРИЛОЖЕНИЕ Акты о внедрении результатов работы

Введение диссертации (часть автореферата) на тему «Методы представления слабоструктурированных данных и извлечения знаний для интеллектуального анализа ситуаций»

ВВЕДЕНИЕ

Актуальность темы исследования. Специализированные методы представления данных и извлечения знаний из них в системах принятия ответственных и оперативных решений в зависимости от сложившейся ситуационной обстановки востребованы в различных областях промышленности, производства, транспорта и социально-экономической сфере.

В настоящее время имеется достаточно широкий спектр методов представления данных, однако не все исследователи предлагают способы, основанные на возможностях исчерпывающего анализа информации о ситуациях и инцидентах. В большинстве существующих методов информация о возникновении того или иного типа ситуации, порядка действий по её обработке и выдаче рекомендаций, практически всегда возлагается на человека. В тоже время неуклонно возрастает потребность в интеллектуализации систем управления технологическими процессами и производствами, систем управления транспортными потоками, систем промышленного применения. Возможности таких систем должны включать анализ ситуаций и инцидентов, связанный с недопущением возникновения чрезвычайных ситуаций и катастрофических последствий из-за несвоевременности либо от неадекватности принятия решений, а также элементы предварительной обработки слабоструктурированных данных путем преобразования их в пригодную для дальнейшего принятия решений форму. Таким образом, область знаний о ситуациях усложняется, так как необходимо учитывать вышеприведенные обстоятельства. Следовательно, возникает потребность в разработке методов представления данных в направлении повышения информированности человека о ситуациях.

В известных отечественных и зарубежных работах интеллектуальный анализ данных, направленный на извлечение знаний о ситуациях и инцидентах в различных технических и социально-экономических областях, носит название «ситуационная осведомленность». Несмотря на достаточную продолжительную, около трех десятилетий, предысторию развития ситуационной осведомленности, разработка полнофункционального подхода, пригодного для реализации на базе современных

методов теоретической информатики, обладающих достаточной строгостью формализации, до настоящего времени не была осуществлена. В этой связи, предложенное в диссертации проектирование средств ситуационной осведомленности представляется актуальным и востребованным. В отличие от имеющихся методов, предназначенных для разработки средств ситуационной осведомленности следует указать на полную функциональность предложенных в данной работе методов, то есть на возможность проектирования, начиная от описаний входных данных и до процедуры логического вывода о возникновении и развитии ситуаций. Кроме этого, отличием идей диссертации от подходов, имеющихся в рассматриваемой научной области, является разработка средств интеллектуального анализа слабоструктурированных и темпоральных данных, которые впоследствии являются пригодными для повышения ситуационной осведомленности и информированности человека удобными способами.

Степень разработанности темы исследования. Большой вклад в исследование проблем ситуационной осведомленности внесен отечественными учеными, в числе которых Поспелов Д.А., Массель А.Г., Рожнов А.В., Колисниченко А.В., а также зарубежными исследователями, среди которых можно выделить Endsley M.R., Tretmans J., Barwise J. Исследование методов представления и извлечения знаний из слабоструктурированных данных, онтологических подходов с привлечением дескрипционной логики отражено в работах Abiteboul S., Baader F., Buneman P., Suciu D., Goldman R., Horrocks I., Mizoguchi R. Следует отметить вклад в развитие онтологического проектирования таких зарубежных и отечественных ученых, как Рогозов Ю.И., Смирнов А.В., Тарасов В.Б., Djedidi R., Tsarkov D., Guarino N. Работы Yao J.T., Pedrycz W., Smolka G., Jiang F., Pawlak Z., Skowron A. определили современное состояние теории приближенных («грубых») множеств и методов интерактивной информационной грануляции. Наиболее существенные результаты в области проектирования сервисов интеллектуального анализа ситуаций отражены в работах Cardelli L., Garcia C.G., Rummler G.A., Brache A.P.

Актуальность работы определяется практической потребностью промышленности, транспорта, связи и других областей в интеллектуальных системах, обладающих возможностями своевременной, корректной и достоверной осведомленности пользователей о нештатных ситуациях.

Востребованность тематики диссертации подтверждается тем фактом, что работа поддержана грантами Российского фонда фундаментальных исследований:

- 17-07-00620-а «Разработка методов распределенных рассуждений для интеллектуальной системы и сервиса стратегий совместного управления смарт объектами» (2017 - 2019 гг.);

- 18-01-00402-а «Разработка моделей и методов мультигранулярных вычислений для группового принятия решений в интеллектуальных системах ситуационной осведомленности» (2018 - 2020 гг.);

- 19-01-00246-а «Интерактивное принятие решений в мультиагентных интеллектуальных системах с привлечением динамической дескрипционной логики» (2019 - 2021 гг.).

Цель диссертационной работы состоит в разработке теоретических методов представления и извлечения знаний из слабоструктурированных данных, поступающих из гетерогенных децентрализованных источников, на основе актуальной информации о ситуациях с привлечением средств распределенной динамической дескрипционной логики. В соответствии с поставленной целью в диссертационной работе решаются следующие задачи:

- разработка общей схемы проектирования интеллектуальных средств ситуационной осведомленности (ИССО), в которой предусмотрены этапы распределенного формирования онтологий предметных областей;

- разработка методов представления знаний о ситуациях для получения дальнейшей возможности формирования коллективной онтологии ситуационной осведомленности на основе меры контекстно-зависимой семантической схожести распределенных локальных онтологий;

- разработка методов агрегирования и извлечения знаний о ситуациях для их классификации путем сокращения признакового пространства ситуаций на основе

интерактивной информационной грануляции, а также для определения новых типов ситуаций;

- разработка средств логического вывода для децентрализованных рассуждений о ситуационной осведомленности в условиях проявления динамики происходящих процессов;

- разработка методов интеллектуального анализа и обработки данных о ситуациях на основе новых вариантов динамической дескрипционной логики;

- разработка интеллектуальных технологий и сервисов ситуационной осведомленности об инцидентах на примерах распределенной критической информационной инфраструктуры железнодорожного транспорта.

Математическими методами исследования в диссертационной работе являются фундаментальные исследования в области ситуационных моделей и теорий, онтологические представления баз знаний, формальные представления слабоструктурированной информации, методы теории информации, приближенных («грубых») множеств, дескрипционная логика, языки представления семантической информации, методы теории искусственного интеллекта.

Достоверность и обоснованность научных положений, результатов и выводов, сформулированных в диссертации, обеспечивается строгостью формальных математических и логических аргументаций. Методы, предложенные в диссертации, основываются на известных в теории онтологических описаний формализмах, понятиях и подходах. Достоверность теоретических результатов, относящихся к разработке новых алгебрологических определений распределенной динамической дескрипционной логики, подтверждается фундаментальностью поставленных задач, математическими формулировками определений и их корректностью. Достоверность полученных практических результатов подтверждается проведенными числовыми экспериментами с использованием разработанного программного обеспечения, а также результатами внедрения предложенных методов в функционирующие системы управления инцидентами и ситуациями, возникающими в автоматизированной системе управления инфраструктурой железнодорожного транспорта.

Объектами исследования в диссертационной работе являются процессы накопления и преобразования данных в знания в слабоструктурированной области ситуационной осведомленности, а также создание новых моделей представления знаний для распределенных динамичных систем.

Научная новизна. В диссертации получены следующие новые научные результаты:

- в области теоретической информатики предложено интерпретировать ситуационную осведомленность, как область извлечения знаний о ситуациях с помощью динамически перестраиваемых распределенных интеллектуальных средств. Данный подход отличается от известных использованием децентрализованного динамического дескрипционного вывода в сочетании с распределенными онтологи-ями, правилами, ограничениями и процедурами ситуационной осведомленности;

- предложен метод агрегирования и извлечения знаний для классификации ситуаций, позволяющий выполнить не только программную, но и аппаратную реализацию, который отличается от известных тем, что в нем применяются методы теории приближенных («грубых») множеств для классификации ситуаций в сочетании с аппаратной технологией ускорения предварительных расчетов агрегирования атрибутов контекста ситуаций;

- предложен метод представления слабоструктурированных данных для коллективного формирования единой онтологии из распределенных репозиториев знаний о ситуациях. Метод отличается от известных тем, что для формирования коллективной онтологии используется предложенная в диссертации мера контекстно-зависимой семантической схожести локальных онтологий;

- предложен метод представления знаний на базе распределенной динамической дескрипционной логики, позволяющей выполнять описание единой базы знаний ИССО, который отличается от известных возможностями темпоральной интерпретации термов локальных баз знаний, наличием распределенных действий и правил эволюции онтологий баз знаний;

- предложен метод интеллектуального анализа ситуаций, использующий распределенные рассуждения, отличающийся от известных наличием свойств, позволяющих выполнять моделирование сервисов обработки слабоструктурированных данных с помощью распределенной динамической дескрипционной логики.

Соответствие паспорту специальности. Материалы диссертации соответствуют:

- п. 4 паспорта специальности 05.13.17 (Исследование и разработка средств представления знаний. Принципы создания языков представления знаний, в том числе для плохо структурированных предметных областей и слабоструктурированных задач; разработка интегрированных средств представления знаний, отражающих динамику процессов концептуальных и семиотических моделей предметных областей.), так как содержанием работы является разработка методов формализации, извлечения и представления знаний в слабоструктурированных системах и процессах.

- п. 8 паспорта специальности 05.13.17 (Исследование и когнитивное моделирование интеллекта, включая моделирование поведения, моделирование рассуждений различных типов, моделирование образного мышления.), так как в диссертации предложены методы распределенных рассуждений в интеллектуальных системах.

Теоретическая ценность работы заключается в развитии научно-технического направления «теоретические основы информатики», предназначенного для создания интеллектуальных средств представления и обработки ситуационных данных, разработке подходов и конструктивных способов извлечения знаний для повышения информированности за счет ускорения обработки данных, хранящихся в распределенных информационных структурах. В целом предложенные методы и подходы могут составить теоретическую основу для проектирования систем интеллектуального анализа слабоструктурированных данных.

Практическая значимость результатов исследований состоит в том, что предложенные в работе методы, алгоритмы и программные реализации внедрены

в конкретных подсистемах интеллектуальных средств управления железнодорожным транспортом, отвечающих за своевременное информирование оперативного персонала о возникновении нештатных ситуаций.

Основные положения, выносимые на защиту:

1. Метод агрегирования и извлечения знаний для классификации ситуаций.

2. Метод представления слабоструктурированных данных для коллективного

формирования онтологии.

3. Метод представления знаний на базе распределенной динамической дескрип-

ционной логики.

4. Метод интеллектуального анализа ситуаций.

Реализация результатов работы. Практические и теоретические результаты внедрены:

- на предприятии ООО «РостИнТех» принята к использованию технология распределенных интеллектуальных смарт-объектов (далее СО), реализованная на основе подходов и методов построения сетевой и облачной архитектуры СО;

- на предприятии ГВЦ ОАО «РЖД» «Ростовский информационно-вычислительный центр» принят к использованию сервис ситуационной осведомленности об инцидентах на инфраструктуре железнодорожного транспорта, реализованный на основе предложенной многослойной гибридной архитектуры управления в виде связующего программного обеспечения, ^/-интерфейсов, услуг между управляемыми устройствами сбора/обработки информации и АСУ.

Апробация работы и публикации. Основные положения диссертации и отдельные ее результаты докладывались и получили положительные отзывы на следующих конференциях:

- 20 ноября 2014 г. Международная научно-практическая конференция «Перспективы развития и эффективность функционирования транспортного комплекса Юга России», г. Ростов-на-Дону. Россия. Выступление с докладом.

- 21 - 24 апреля 2015 г. Международная научно-практическая конференция «Транспорт: наука, образование, производство» (Транспорт - 2015), г. Ростов-на-Дону. Россия. Выступление с докладом.

- 5 - 7 сентября 2016 г. VII Международная научно-практическая конференция «Технологии разработки информационных систем» (ТРИС - 2016), г. Геленджик. Россия. Выступление с докладом.

- 16 - 21 мая 2016 г. 1-я Международная научная конференция «Интеллектуальные информационные технологии в технике и на производстве» (Intelligent Information Technologies for Industry - IITI'16 2016), Ростов-на-Дону - Сочи. Россия. Выступление с докладом.

- 17 - 18 ноября 2016 г. Пятая научно-техническая конференция с международным участием «Интеллектуальные системы управления на железнодорожном транспорте. Компьютерное и математическое моделирование» (ИСУЖТ-2016), Москва. Россия. Выступление с докладом.

- 22 - 23 ноября 2016. 24-й Телекоммуникационный форум (24th Telecommunications Forum - TELFOR 2016), Белград. Сербия. Выступление с докладом.

- 4 - 5 сентября 2017 г. VIII Международная научно-практическая конференция «Технологии разработки информационных систем» (ТРИС - 2017), г. Геленджик. Россия. Выступление с докладом.

- 14 - 16 сентября 2017 г. 2-я Международная научная конференция «Интеллектуальные информационные технологии в технике и на производстве» (Intelligent Information Technologies for Industry - IITI'17 2017), Варна. Болгария. Выступление с докладом.

- 18 - 21 апреля 2017 г. Международная научно-практическая конференция «Транспорт: наука, образование, производство» (Транспорт - 2017), г. Ростов-на-Дону. Россия. Выступление с докладом.

- 24 - 26 мая 2017 г. XX Международная конференция по мягким вычислениям и измерениям (XX IEEE International Conference on Soft Computing and Measurements - SCM 2017), Санкт-Петербург. Россия. Выступление с докладом.

- 16 ноября 2017 г. Шестая научно-техническая конференция с международным участием «Интеллектуальные системы управления на железнодорожном

транспорте. Компьютерное и математическое моделирование» (ИСУЖТ-2017), Москва. Россия. Выступление с докладом.

- 17 - 20 апреля 2018 г. Международная научно-практическая конференция «Транспорт: наука, образование, производство» (Транспорт - 2018), г. Ростов-на-Дону. Россия. Выступление с докладом.

- 14 ноября 2018 г. Седьмая научно-техническая конференция с международным участием «Интеллектуальные системы управления на железнодорожном транспорте. Компьютерное и математическое моделирование» (ИСУЖТ-2018), Москва. Россия. Выступление с докладом.

По теме диссертации опубликовано 16 работ, среди которых 6 включены в список публикаций, индексируемых базой данных SCOPUS, 3 включены в перечень изданий, рекомендованных ВАК РФ, 7 в других изданиях.

Структура диссертационной работы. Диссертационная работа содержит 164 страницы машинописного текста, включая введение, четыре раздела, заключение, список литературы из 156 наименований, 26 рисунков, 2 таблицы, а также приложение.

Во введении обоснована актуальность проблемы, относящейся к тематике диссертации, сформулирована цель диссертационной работы и задачи исследования, определены объекты и математические методы исследования, аргументирована достоверность и обоснованность научных положений, представлены выносимые на защиту новые научные результаты с указанием отличий от ранее известных. Поясняется теоретическая ценность и практическая значимость работы, соответствие паспорту специальности и сведения о внедрении результатов на предприятиях.

В первой главе проведен анализ основных понятий и определений, в рамках представления и понимания о ситуационной осведомленности. Приведено современное состояние исследований, проводимых в области разработки теоретических способов и средств представления знаний о динамической, слабоструктурированной информации. Выполнен анализ проблем и задач, возникающих при проектировании ИССО. Рассмотрены имеющиеся средства формального представления для

извлечения знаний о ситуациях и отмечены их недостатки. Выполнена общая постановка задач диссертационного исследования.

Во второй главе предлагается метод проектирования средств извлечения знаний из слабоструктурированных данных о ситуациях. Представлена поэтапная схема обозначенного метода. В связи с поступлением данных о ситуациях из распределенных, разнородных источников предложены методы аппаратной и программной реализации агрегирования и классификации контекста ситуаций. Предложен метод формирования коллективной онтологии и установлена мера контекстно-зависимой семантической схожести локальных онтологий.

В третьей главе предложен новый метод представлению знаний в ИССО, разработаны синтаксис и семантика конструкторов и аксиом для локальных баз знаний ИССО на основе дескрипционной логики. Разработан метод интеллектуального анализа ситуаций, предоставляющий распределенные сервисы анализа и планирования обработки слабоструктурированных данных. Реализована программная среда для просмотра, редактирования и проектирования онтологий.

В четвертой главе разработана реализация методов в многоуровневой интеллектуальной системе управления железнодорожным транспортом, предназначенная для обнаружения ситуаций, возникающих на распределенной инфраструктуре железнодорожного транспорта. Проанализированы существующие подходы и методы построения сетевой и облачной архитектуры «умных объектов». Реализована концепция промежуточного программного, определяющая взаимодействие между многоуровневой интеллектуальной системой управления и мобильными устройствами сбора и обработки информации.

В заключении отмечаются проблемы, требующие решения, формулируются и поясняются новые научные результаты работы и указываются предприятия на которых было выполнено практическое внедрение полученных результатов.

1 ИССЛЕДОВАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ И ПОСТАНОВКА ЗАДАЧ

1.1 Проблемы и задачи интеллектуального анализа данных о ситуационной осведомленности

Разработка подхода к проектированию средств ситуационной осведомленности, представляющих собой, фактически, особый класс информационной поддержки принятия оперативных решений и управления в разных областях вызывает интерес как у отечественных [1 - 4], так и зарубежных исследователей [5 - 7]. Неформально, но достаточно информативно для понимания сама «ситуационная осведомленность» может быть определена как процесс восприятия, осознания и интерпретирования текущих сведений о ситуации вместе с оценками и прогнозированием возможных развитий и исходов в будущем. При этом естественным представляется широкое различие моделей и методов, математических подходов и инстру-ментариев, используемых в этом процессе на разных его стадиях.

В нашей стране наибольшее влияние на формирование моделей и методов интеллектуального и ситуационного управления, которые сейчас используются в области ситуационной осведомленности, оказали работы Д.А. Поспелова [8 -10]. В указанных работах впервые для своего времени поднимался вопрос о невозможности полной формализации сложной, большой системы в терминах традиционного математического аппарата теории систем автоматического управления, в частности описаний в виде систем интегро-дифференциальных уравнений. Отмечалась также особенность больших систем, заключающаяся в непостоянстве структуры и функционировании самого объекта управления и возможность изменения целей функционирования и критериев оптимальности управления. Главными причинами, по которым работы Д.А. Поспелова до настоящего времени остаются актуальными, являются сформулированные в его работах принципы ситуационного подхода, распространенные впоследствии на широкий класс систем, которые в настоящее время принято называть «интеллектуальными системами». Фундаментальность данных

принципов уже на протяжении нескольких десятилетий остается неизменной, поэтому следует обсудить их в данной работе.

Основополагающее значение в ситуационном подходе имеет вид описания ситуаций, который в дальнейшем должен предоставлять возможности трансформации исходного описания ситуаций к новым, либо изменяющимся в процессе функционирования условиям. Для такого описания был предложен логико-лингвистический подход, который в данное время можно, отчасти, считать весьма очевидным подходом к синтезу интеллектуальных систем, однако, обращаясь в прошлое следует указать на достаточно существенные аспекты первичного его непринятия в научных кругах данной области исследований.

Математический аппарат логико-лингвистического подхода середины 1970-х годов невозможно отнести к детально проработанному в сравнении с методами теории классических динамических систем, теории автоматического управления, теории надежности технических систем. Тем не менее, проникновение ЭВМ в научную область моделирования человеческого интеллекта уже началось, и первым принципом ситуационного подхода был выдвинут принцип описания моделей ситуаций на естественном языке, то есть семиотическими методами. Следующий принцип определяет, что формирование модели поведения объекта в различных ситуациях сначала описывается человеком-специалистом в выбранной области, а затем перекладывается в ЭВМ, в которой имеются некоторые методы для автоматизации анализа ситуаций. Третий принцип предусматривает уточнение ситуационных моделей в связи с вновь поступающей информацией, причем такое уточнение может проводиться, опять-таки, человеком-специалистом, либо некоторыми автоматизированными возможностями самообучения, закладываемыми в методы, реализуемые ЭВМ. И, наконец, четвертый принцип формулирует требование в модели ситуационного управления механизмов обобщения, переход от микроописаний ситуаций к макроописаниям, то есть наличие методов рассуждений о пополнении исходного набора ситуаций для дальнейшего принятия ситуационных решений. Перечисленные принципы иллюстрируются схемой ситуационного подхода из работы [10], показанной на рисунке 1.1.

Рисунок 1.1 - Схема ситуационного подхода

Здесь первым этапом блок Анализатора производит оценку текущей ситуации. Важной особенностью рассматриваемого подхода является наличие обширной базы предварительных описаний ситуаций, связанных с ними инцидентов и последствий. В связи с большой размерностью данных и сходностью описаний ситуаций часто возникает задача сокращения размерности признакового пространства, то есть формальная задача кластеризации или агрегирования данных. Блок классификатора принимает предварительно обработанные описания ситуаций для разделения их на классы и типы. При этом форма описания должна позволять выполнение однозначной классификации той или иной ситуации. На данном этапе зачастую применяют специализированный язык описания, позволяющий отражать кроме количественных знаний также и качественные знания о ситуациях. Таким образом, задача классификации оказывается связанной с методами теории искусственного интеллекта, позволяющими оперировать с не полностью формализуемой информацией. Та или иная классифицированная ситуация передается в блок коррелятора, хранящего правила логической трансформации ситуаций в некоторые критерии и

режимы воздействия на объект. В случае, если подходящих правил логической

16

трансформации ситуации несколько, то блок экстраполятора позволяет выбрать из них наиболее подходящее. Если подходящее или лучшее правило выбрать не получается, то правило устанавливается блоком случайного выбора.

Список литературы диссертационного исследования кандидат наук Карташов Олег Олегович, 2019 год

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Карташов О.О. Разработка информационных сервисов ситуационной осведомленности об инцидентах на основе гранулярных вычислений / О.О. Карта-шов // Технологии разработки информационных систем (ТРИС-2017): сборник статей. - Таганрог: Издательство ЮФУ, 2017. - С. 123 - 128.

2. Массель А.Г. Ситуационный полигон как инструмент ситуационного управления в энергетике / А.Г. Массель, Р.А. Иванов // Open Semantic Technologies for Intelligent Systems, OS-TIS 2014. - С. 277 - 280.

3. Рожнов А.В. Проблематика обеспечения ситуационной осведомленности в новых задачах многопрофильных ситуационных и ситуативных центров / А.В. Рожнов // Материалы 21-й межд. науч. техн. конф. «Системы безопасности -2012». - М.: Академия ГПС МЧС России, 2012. - С. 86 - 88.

4. Колисниченко А.В. Бортовая интеллектуальная информационная система «Ситуационная осведомленность экипажа вертолета» / А.В. Колисниченко, Б.Е. Федунов // Мехатроника, автоматизация, управление, 2016. - Т. 17. - № 10,

- С. 703 - 708.

5. Tretmans J. Introduction: Situation Awareness, Systems of Systems, and Maritime Safety and Security / J. Tretmans, P. van de Laar, M. Borth (eds) // In: Situation Awareness with Systems of Systems: Springer, 2013. - P. 3 - 20.

6. Jajodia S. An Integrated Framework for Cyber Situation Awareness / M. Al-banese, P. Liu, S. Jajodia, C. Wang (eds) // Theory and Models for Cyber Situation Awareness. Lecture Notes in Computer Science: Springer, 2017. - Vol. 10030.

- P. 29 - 46.

7. Mozzaquatro B.A. Situation awareness in the Internet of Things / B.A. Moz-zaquatro, R. Jardim-Goncalves, C. Agostinho // 2017 International Conference on Engineering, Technology and Innovation (ICE/ITMC), Madeira Island, Portugal, 2017.

- P. 982 - 990.

8. Поспелов Д.А. Принципы ситуационного управления / Д.А. Поспелов // Техническая кибернетика, 1971. - № 2. - C. 10 - 18.

9. Поспелов Д.А. Логико-лингвистические модели в системах управления. - М.: Энергия, 1971. - 231 с.

10. Поспелов Д.А. Ситуационное управление. Теория и практика. - М.: Наука, 1986. - 284 с.

11. Endsley M.R., Bolte B., Jones D.G. Designing for situation awareness: An approach to human-centered design. - London: Taylor & Francis, 2003.

12. Endsley M.R., Garland D.G., (Eds.) Situation awareness analysis and measurement. - Atlanta, GA: CRC Press, 2001.

13. Ye J., Dobson S., McKeever, S. Situation identification techniques in pervasive computing: A review // Pervasive and Mobile Computing, no.8, 2012. - P.: 36 - 66.

14. Abiteboul S. Querying semistructured data /Serge Abiteboul // In Proceedings of ICDT, 1997.

15. Abiteboul S. Querying and updating the file / Serge Abiteboul, Sophie Cluet, and Tova Milo // Proceedings of 19th International Conference on Very Large Databases, Dublin, Ireland, 1993. - P. 73 - 84.

16. Abiteboul S. Querying documents in object databases / Serge Abiteboul, Sophie Cluet, Vassilis Christophides,Tova Milo (Eds) // In Journal of Digital Libraries, 15, volume 1:1, 1997.

17. Buneman P. A data transformation system for biological data sources / P. Bun-eman, S. Davidson, K. Hart, C. Overton and L. Wong // In Proceedings of VLDB, Sept

1995.

18. Davidson S.B., Overton C., Val Tannen, Wong L. // Biokleisli: A digital library for biomedical researchers. Journal of Digital Libraries, volume 1:17, November

1996.

19. Cattell R.G., editor. The Object Database Standard: ODMC-95'. Morgan Kaufmann, San Mateo, California, 1996.

20. Thierry-Mieg J. and Durbin R. ACeDB 7 elegans Database: Syntactic definitions for the ACeDB data base manager, 1992.

21. Papakonstantinou Y. Object exchange across heterogenous information sources / Yannis Papakonstantinou, Hector Garcia-Molina, Jennifer Widom // In Proceedings of IEEE International Conference on Data Engineering, P. 251 - 260, March 1995.

22. Garcia-Molina H. The TSIMMIS approach to mediation: Data models and languages / H. Garcia-Molina, Y. Papakonstantinou, D. Quass, A. Rajaraman, Y. Sagiv, J. Ullman, and J. Widom // In Proceedings of Second INternational Workshop on Nea't Generation Information Technologies and Systems, p. 185 - 193, June 1995.

23. Buneman P. Adding structure to unstructured data / S. Davidson, Mary Fernandez, D. Suciu // In Proceedings of ICDT, January 1997.

24. Nestorov S. Representative objects: Concise representations of semistructured hierarchical data / S. Nestorov, J Ullman, Weiner J, and S. Chawathe // In Proceedings of the Thirteenth International Conference on Data Engineering, Birmingham, England, April 1997.

25. Goldman R., Widom J. Dataguides: Enabling query formulation and optimization in semistructured databases. Technical report, Stanford, 1977.

26. Fernandez M., Suciu D. Query optimizations for semi-structured data using graph schemas, 1996.

27. Abiteboul S., Buneman P., Suciu D.: Data on the Web. Morgan Kaufmann Publishers, San Francisco, 2000.

28. Cardelli L.: Abstractions for Mobile Computation / Jan Vitek and Christian Jensen, Editors// Secure Internet Programming: Security Issues for Mobile and Distributed Objects. LNCS. 1603, 51 - 94, Springer, 1999.

29. Cardelli L. Mobile Ambients / Cardelli L., Gordon A.D. // FoSSaCS'98, LNCS 1378, 140 - 155, Springer, 1998.

30. Cardelli L. Anytime, Anywhere. Modal Logics for Mobile Ambients / Cardelli, L., Gordon, A.D. // Proceedings POPL'00, 365 - 377, 2000.

31. Estival R. La dialectique de l'écrit et du document / Estival R., Meyriat J. // Un effort de synthèse. Schéma et schématisation, p. 82 - 91, 1981.

32. Trippe B. 2001. Do XML Editors Matter / B. Trippe // Transform Magazine Volume 10 Issue 10, p. 27 - 27 PublisherCMP Media, Inc., USA.

33. Tannier X. Extraction et recherche d'information en langage naturel dans les documents semi-structures / X. Tannier // PhD thesis, France. 2006.

34. Wang K. Schema Discovery for Semistructured Data / K. Wang, H. Liu // In Proc. KDD'97, 1997. p. 271 - 274.

35. Abiteboul S. Querying semistructured data / F. N. Afrati, P. G. Kolaitis, editors // Database Theory - ICDT '97, 6th International Conference, Delphi, Greece, January 8 - 10, Proceedings, 1997. P. 1 - 18.

36. Wong T.L and Lam W. Text Mining from Site Invariant and Dependent Features for Information Extraction Knowledge Adaptation / T.L. Wong, W. Lam // Proc. SIAM Int'l Conf. Data Mining (SDM), 2004. P. 45 - 56.

37. Buneman P. Semistructured data. / P. Buneman // Proceedings of the Sixteenth ACM SIGACT-SIGMOD-SIGART Symposium on Principles of Database Systems (PODS'97), 1997. P. 117 - 121. Tucson, Arizona.

38. Hurford J. R. Semantics : a coursebook. Cambridge University Press. 1983.

39. Bizer C. Linked Data: Principles and State of the Art / C. Bizer, T. Heath, T. Berners-Lee // WWW 2008.

40. Sahoo S., Halb W., Hellmann S., Idehen K., Thibodeau T. Jr, Auer S., Se-queda J. and Ezzat A.. A Survey of Current Approaches for Mapping of Relational Databases to RDF. Technical report, W3C RDB2RDF incubator group, 2009.

41. Abiteboul S., Buneman P. and Suciu D. Data on the Web: From Relations to Semistructured Data and XML. Morgan Kaufmann, 1999.

42. Bex G. J. Learning Deterministic Regular Expressions for the Inference of Schemas from XML Data / G. J. Bex, W. Gelade, F. Neven, and S. Vansummeren // WWW 2008.

43. Cowlishaw M. ECMAScript language specification. / M. Cowlishaw // International Organization for Standardization, 1998.

44. Crockford D. The application/json Media Type for JavaScript Object Notation (JSON) / D. Crockford // Internet Engineering Task Force, 2006.

45. Introduction to JSON [Электронный ресурс] // json.org URL: http://json.org/json-ru.html (дата обращения: 29.11.2018).

46. Beckett D. RDF/XML Syntax Specification (Revised) / D. Beckett // World Wide Web Consortium, 2004.

47. Kay M. XSL Transformations (XSLT) Version 2.0. / M. Kay // World Wide Web Consortium, 2007.

48. Lakshman P. ECMAScript language specification 5th Edition / P. Lakshman, A. Wirfs-Brock // Ecma International, 2009.

49. Cowlishaw M. ECMAScript language specification. / M. Cowlishaw // International Organization for Standardization, 1998.

50. Batini C. Data Quality: Concepts, Methodologies and Techniques / C. Batini, M. Scannapieco // Data-Centric Systems and Applications. Springer, 2006.

51. Fan W., Geerts F. Foundations of Data Quality Management. Synthesis Lectures on Data Management. Morgan & Claypool Publishers, 2012.

52. Grijzenhout S. The Quality of the XML Web / S. Grijzenhout, M. Marx // CIKM, p. 1719 - 1724, 2011.

53. Editors: T. Bray, J. Paoli, and C. Sp erb erg-McQueen. Extensible markup language (XML) 1.0, February 1998.

54. McHugh J., Abiteb oul S., Goldman R., Quass D., and Widom J.. Lore: A database management system for semistructured data // SIGMOD Record, 26(3):54 - 66, September 1997.

55. Goldman R. and Widom J. DataGuides: Enabling query formulation and optimization in semistructured databases // In Proceedings of the Twenty-Third International Conference on Very Large Data Bases, p. 436 - 445, Athens, Greece, August 1997.

56. Abiteboul S., Quass D., McHugh J., Widom J., and Wiener J. The Lorel query language for semistructured data // Journal of Digital Libraries, 1(1):68 - 88, April 1997.

57. Akman V., Surav M. Steps toward formalizing context // AI Magazine, v. 17. no. 3, 1996. - P. 55 - 72.

58. Barwise J, Scenes and other situations // The Journal of Philosophy, vol. 78, no. 7, 1981. P. 369 - 397.

59. Barwise J., Perry J. Situations and Attitudes // MIT Press, Cambridge, 1983.

352 p.

60. Карташов О.О., Бутакова М.А., Чернов А.В., Костюков А.В., Жарков Ю.И. Средства представления знаний и извлечения данных для интеллектуального анализа ситуаций [Электронная] // Инженерный вестник Дона, №4, 2018. URL: http: //ivdon.ru/uploads/article/pdf/IVD_239_kartashov_red.pdf_2bd0d5bfc9. pdf.

61. Бутакова М.А. Модели двухосновных нечетких множеств и их применение для синтеза слабоструктурированных хранилищ информации / М.А. Бутакова, Е.В. Карпенко, Е.В. Климанская, А.В. Чернов // Известия Высших учебных заведений. Северо-Кавказский регион. Технические науки, № 1, 2015. С. 27 - 34.

62. Рогозов Ю.И. Парадигма смыслового проектирования системных объектов / Ю.И. Рогозов // Труды ИСА РАН. - Т. 67. -№ 3, 2017. - С. 41 - 53.

63. Рогозов Ю.И. Парадигма смыслового проектирования онтологий / Ю.И. Рогозов // Математические методы распознавания образов, 2017. - Т. 18.

- № 1. - С. 142-143.

64. Petrov V. Process Ontology in the context of applied philosophy / V. Petrov // Ontological Landscapes: Reсent Thought on Conceptual Interfaces Between Science and Philosophy. - Walter de Guyter, 2011. P. 137 - 156.

65. Карташов О.О. Метод представления и извлечения знаний для построения интеллектуальных систем ситуационной осведомленности // Вестник Ростовского государственного университета путей сообщения, - № 2, - 2018.

- С. 65 - 77.

66. Djedidi R. Ontology Evolution: state of the Art and Future Directions / R. Djedidi, M.-A. Aufaure // In: Ontology Theory, Management and Design: Advanced Tools and Models. - IGI Global, 2010. - P. 179 - 207.

67. Chernov A.V., Butakova M.A., Kartashov O.O., Karpenko E.V. Incident Data Preprocessing in Railway Control Systems using a Rough-Set-Based Approach [Электронная] // 2017 XX IEEE International Conference on Soft Computing and Measurements (SCMj, St. Petersburg, 2017, p. 248 - 251. doi: 10.1109/SCM.2017.7970551.

68. Chernov A.V., Butakova M.A., Vereskun V.D., Kartashov O.O. Mobile smart objects for incidents analysis in railway intelligent control system // Advances in Intelligent Systems and Computing, 2017. - Vol. 680. - P. 128 - 137.

69. Vlachostergiou A. Investigating Context Awareness of Affective Computing Systems: A Critical Approach / A. Vlachostergiou, G. Caridakis, S. Kollias // Procedia Computer Science, 2014. - Vol. 39. P. 91 - 98.

70. Zadeh L.A. Toward a theory of fuzzy information granulation and its central-ity in human reasoning and fuzzy logic // Fuzzy Sets Syst 90(2): 111 - 127, 1997.

71. Yao J.T., Vasilakos A.V., Pedrycz W. Granular Computing: Perspectives and Challenges // IEEE Transactions on Cybernetics, vol. 43, no. 6, pp. 1977 - 1989, (2013).

72. Yao Y. Perspectives of granular computing // 2005 IEEE International Conference on Granular Computing. Vol. 1, 2005. P. 85 - 90.

73. Pedrycz W., Skowron A., Kreinovich V. Handbook of Granular Computing. Johjt Wiley and Sons, 2008.

74. Goldin D., Smolka S.A., Wegner P. (Eds.) Interactive Computation // The New Paradigm. Springer, 2006.

75. Kryszkiewicz M, Cornelis C, Ciucci D, Medina-Moreno J, Motoda H, Ras Z. W. (Eds.) // Rough Sets and Intelligent Systems Paradigms. LNAI 8537. Springer, 2014.

76. Тарасов В.Б., Калуцкая А.П., Святкина М.Н. Гранулярные, нечеткие и лингвистические онтологии для обеспечения взаимопонимания между когнитивными агентами // Open Semantic Technologies for Intelligent Systems (OS-TIS-2012), 2012. C. 267 - 278.

77. Заварзин Д.В., Афанасьева Т.В. Многомодельное описание аномальных паттернов в задаче поиска аномалий сложных систем // Нечеткие системы, мягкие вычисления и интеллектуальные технология (НСМВИТ-2017), C. 73 - 82, 2017.

78. Skowron, A., Suraj, Z. (Eds.). Rough Sets and Intelligent Systems. Professor Zdzislaw Pawlak in Memoriam // Series Intelligent Systems Reference Library, Springer, 2013.

79. Верескун В.Д., Бутакова М.А., Карташов О.О. Архитектура мобильных смарт-объектов для обнаружения инцидентов в автоматизированных системах

управления железнодорожным транспортом [Электронная] // Труды Шестой научно-технической конференции «Интеллектуальные системы управления на железнодорожном транспорте. Компьютерное и математическое моделирование» ИСУЖТ-2017. - М: АО ВНИИАС, 2017. - С. 143 - 146. URL: http://vniias.ru/im-ages/img/ISUZHT/pdf/2017. pdf.

80. Jiang F., Sui Y. A novel approach for discretization of continuous attributes in rough set theory // Knowledge-Based Systems, 73, 2015. P. 324 - 334.

81. Jiang F., Zhao Z.X., Ge Y. A supervised and multivariate discretization algorithm for rough sets // in: Proc. of the 5th International Conference on Rough Set and Knowledge Technology, LNCS, vol. 6401, 2010. P. 596 - 603.

82. Yao Y. Information granulation and approximation in a decision theoretical model of rough sets. Rough-neural Computing, Springer Berlin Heidelberg, 2004. P. 491 - 516.

83. Yao Y., Zhou B. Naive Bayesian Rough Sets // in: Proc. of the 5th International Conference on Rough Set and Knowledge Technology, LNCS, vol. 6401, 2010. P. 719 - 726.

84. Ziarko W. Variable Precision Rough Set Model // J. Comput. Syst. Sci. 46(1), 1993. P. 39 - 59.

85. Pawlak Z., Skowron A. Rough membership functions // In: Advances in the Dempster-Shafer theory of evidence (Yager R.R., Kacprzyk J., Fedrizzi M. eds.). John Wiley&Sons, New York, 1994. P. 251 - 271.

86. Grzymala-Busse J.W., Werbrouck P. On the Best Search Method in the LEM1 and LEM2 Algorithms // In: Incomplete Information: Rough Set Analysis. Studies in Fuzziness and Soft Computing, v. 13. Physica-Verlag HD, 1998. P. 75 - 91.

87. Skowron A., Rauszer C. The Discernibility Matrices and Functions in Information Systems // In: Intelligent Decision Support, vol.11, ser. Theory and Decision Library, 1992. P. 331 - 362.

88. Choucoulas A., Shen Q. Rough Set-Aided Keyword Reduction for Text Categorization // Applied Artificial Intelligence, 15(9), 2001. P. 843 - 873.

89. Chernov A.V., Butakova M.A., Vereskun V.D. and Kartashov O.O. Situation awareness service based on mobile platforms for multilevel intelligent control system in railway transport, In: 2016 24th Telecommunications Forum (TELFOR), Belgrade, 2017, p. 1 - 4.

90. Chernov A.V., Bogachev V.A., Karpenko E.V., Butakova M.A. and Davidov Y.V. Rough and fuzzy sets approach for incident identification in railway infrastructure management system, In: 2016 XIX IEEE International Conference on Soft Computing and Measurements (SCM), St. Petersburg, 2016, p. 228 - 230.

91. Chernov A.V., Butakova M.A., Karpenko E.V., Kartashov O.O. Improving Security Incidents Detection for Networked Multilevel Intelligent Control Systems in Railway Transport [Электронная] // Telfor Journal, vol. 8, no. 1, 2016. P. 14 - 19. doi: 10.5937/telfor1601014C.

92. Tivari K.S., Kothary A.G. Design and Implementation of Rough Set Algorithms on FPGA: A Survey // International Journal of Advanced Research in Artificial Intelligence, 3(9), 2014.

93. Baader F., Calvanese D., McGuinness D., Nardi D., and Patel-Schneider P.F., editors. The Description Logic Handbook: Theory // Implementation and Applications. CUP, 2003.

94. Horrocks I. The even more irresistible SROIQ / I. Horrocks, O. Kutz, U. Sattler // In Proceedings of the Tenth International Conference on Principles of Knowledge Representation and Reasoning (KR'06). AAAI Press, 2006. - P. 57 - 67.

95. Horrocks I., Patel-Schneider P.F., and F. van Harmelen. From SHIQ and RDF to OWL: The making of a web ontology language. J. of Web Semantics, 1(1): 2003. P. 7 - 26.

96. Knublauch H., Fergerson R., Noy N., and Musen M. The proteg' e OWL plugin: An open 'development environment for semantic web applications // In Proc. of ISWC 2004, number 3298 in LNCS, p. 229 - 243, 2004.

97. Horrocks I. Using an expressive description logic: FaCT or fiction? // In Proc. of KR'98, 1998. P. 636 - 647.

98. Schmidt-Schaub M. and G. Smolka. Attributive concept descriptions with complements // Artificial Intelligence, 1991. 48(1): 1 - 26.

99. Horrocks I. and Sattler U. A tableaux decision procedure for SHOIQ // In Proc. of IJCAI 2005, 2005. I. Horrocks, U. Sattler, and S. Tobies. Practical reasoning for expressive description logics. In Proc. of LPAR'99, number 1705 in LNAI, 1999. P. 161 - 180.

100. Horrocks I. Implementation and optimisation techniques // In F. Baader, D. Calvanese, D. McGuinness, D. Nardi, and P. F. Patel-Schneider, editors, The Description Logic Handbook: Theory, Implementation, and Applications, CUP, 2003. P. 306 - 346.

101. Tsarkov D. and Horrocks I. Ordering heuristics for description logic reasoning // In Proc. Of IJCAI-2005, 2005.

102. Tsarkov D. and Horrocks I. Optimised classification for taxonomic knowledge bases // In Proc. of the 2005 Description Logic Workshop (DL 2005), 2005.

103. Haarslev V. and Moller R. High performance reasoning with very large knowledge bases: A practical case study // In Proc. of IJCAI 2001, 2001. P. 161 - 168.

104. Borgida A. Distributed Description Logics: Assimilating Information from Peer Sources / A. Borgida, L. Serafini, S. Spaccapietra, S. March, K. Aberer (eds) // In: Journal on Data Semantics I. Lecture Notes in Computer Science, 2003. - Springer, Berlin, Heidelberg. - Vol. 2800. - P. 153 - 184.

105. Shi Z. A logical foundation for the semantic Web / Z. Shi, M. Dong, Y. Jiang et al. // Sci China Ser F., 2005. - Vol. 48. - P. 161 - 178.

106. Chang L. A Dynamic Description Logic for Semantic Web Service / L. Chang, F. Lin, Z. Shi // Third International Conference on Semantics, Knowledge and Grid (SKG 2007), Shan Xi, 2007. - P. 74 - 79.

107. Mizoguchi R. A Step towards Ontological Engineering // National Conference on AI of JSAI, AI-L13, 1998.

108. Farquhar R. and Rice R. The Ontolingua Server: a Tool for Collaborative Ontology Construction // Proceedings of the 10th Banff Knowledge Acquisition Workshop, 1996.

109. Patil S.R., Knight K., and Russ T. Toward Distributed Use of Large-Scale Ontologies // Proceedings of the 10th Banff Knowledge Acquisition Workshop, 1996.

110. Mahalingam K. and Huhns M. Java Ontology Editor (JOE) TUTORIAL, http: //www.engr.sc.edu/research/CIT/demo s/j ava/j oe/, 1999.

111. Domingue J. eds. Discussing, Browsing, and Editing Ontologies on the Web // Proceedings of the 11th Banff Knowledge Acquisition Workshop, 1998.

112. Guarino Nicola: Some Ontological Principles for Designing Upper Level Lexical Resources // Proc. of the First International Conference on Lexical Resources and Evaluation, Granada, Spain, 1998. P. 28 - 30.

113. Sowa J.F. Top-level ontological categories // International Journal of Human and Computer Studies, 43, 1995. P. 669 - 685.

114. Mizoguchi R. et al. Foundation of ontological engineering - An ontological theory of semantic links, classes, relations and roles / - J. of JSAI, Vol. 14, No.6, 1999 (in Japanese). P. 1019 - 1032.

115. Mizoguchi R., Ikeda M., Seta K., and Johan V. Ontology for Modeling the World, Proc. of IJCAI-95 Workshop on Basic Ontological Issues in Knowledge Sharing, 1995. - P. 1 - 12.

116. Company Overview of Closed Joint-Stock Company TransTeleCom [Электронный ресурс] // bloomberg.com URL: http://www. /research/stocks/pri-vate/snapshot.asp?privcapId=9767065 (дата обращения: 29.11.2018).

117. Intelligent transport systems. Innovating for the transport of the future [Электронный ресурс] // europa.eu URL: http://ec.europa.eu/transport/themesMrc/m-dex_en.htm (дата обращения: 29.11.2018).

118. Yisheng Lv, Yanjie Duan, Wenwen Kang, Zhengxi Li, Fei-Yue Wang. Traffic Flow Prediction With Big Data: A Deep Learning Approach // in Intelligent Transportation Systems, IEEE Transactions on, vol.16, no.2, April 2015. pp. 865-873.

119. Omar Santos, Network Security with NetFlow and IPFIX: Big Data Analytics for Information Security // 1nd ed. Indianapolis, IN: Cisco Press, 2015.

120. Miller D., Harris S., Harper A., VanDyke S., Blask C. Security Information and Event Management (SIEM) Implementation; McGraw-Hill Companies: Columbus, OH, USA, 2011.

121. Management of Security information and events in Service Infrastructures. [Электронный ресурс] // massif-project.eu URL: Available: http://www.massif-pro-ject.eu/ (дата обращения: 29.11.2018).

122. Rummler G.A., Brache A.P. Improving Performance. How to Manage the White Space on the Organization Chart. Third Edition. Jossey-Bass a Wiley Imprint, John Wiley&Sons, 2013.

123. Vasseur J.-P., Dunkels A.: Whataresmartobjects // In: Interconnecting Smart Objects with IP. Th e Next Internet, 2010. P. 3 - 20.

124. Garcia C.G., Meana-Llorian D., G-Bustelo C.P., CuevaLovelle J.M. A review about smart objects, sensors, and actuators // Int. J. Interact. Multimedia Art if. Intell. 4(3), 2017. P. 7 - 10.

125. Vangelista L., Zanella A., Zorzi M. Long-rangeIoTtechnologies: thedawn-ofLoRa. In: Atanasovski, V., LeonGarcia, A. (eds.) Future Access Enablers for Ubiquitous and Intelligent Infrastructures // LNICS, Social Informatics and Telecommunications Engineering, vol. 159, 2015. P. 51 - 58.

126. Sicari S., Cappiello C., Pellegrini D., Miorandi D., Coen-Porisini A.: A security and quality-aware system architecture for internet of things // Inf. Syst. Front. 18(4), 2016. P. 665 - 677.

127. Rizzardi A., Miorandi D., Sicari S., Capiello C., CoenPorisini A. Networked smart objects: moving data processing closer to the source // In: Mandler, B., et al. (eds.) IoT360 2015, PartII. LNICST, vol. 170, 2016. P. 28 - 35.

128. IoT 2020: Smart and secure IoT platform. Whitepaper. [Электронный ресурс] // iec.ch URL: http://www.iec.ch/whitepaper/pdf/iecWP-loT2020-LR.pdf. (дата обращения: 29.11.2018).

129. ISO/IEC CD 30141: Internet of Things Reference Architecture (IoT RA). [Электронный ресурс] // iso.org URL: https://www.iso.org/standard/65695.html (дата обращения: 29.11.2018).

130. Y.2060: Overview of the internet of things. [Электронный ресурс] // itu.int URL: https://www.itu.int/rec/T-REC-Y.2060-201206-I (дата обращения: 29.11.2018).

131. Industrial internet reference architecture V 1.8. [Электронный ресурс] // iiconsortium.org URL: https:// www.iiconsortium.org/IIRA.htm (дата обращения: 29.11.2018).

132. Reference Architectural Model Industrie 4.0 (RAMI 4.0). [Электронный ресурс] // plattform-i40.de URL: https://www.plattform-i40.de/I40/Redaktion/EN/ (дата обращения: 29.11.2018).

133. IoT-A Architectural Reference Model (IoT-A ARM). [Электронный ресурс] // meet-iot.eu URL: http:// www.meet-iot.eu/deliverables-IOTA/D1 3.pdf (дата обращения: 29.11.2018).

134. Alliance for Internet of Things Innovation (AIOTI). [Электронный ресурс] // aioti-space.org URL: https:// aioti-space.org/ (дата обращения: 29.11.2018).

135. Gubbi J., Buyya R., Marusic S., Palaniswami M. Internet of Things (IoT): a vision, architectural elements, and future directions // Fut. Gen. Comp. Syst., 29(7), 2013. P. 1645 - 1660.

136. Sethi P., Sarangi S.R. Internet of things: architectures, protocols, and applications // J. Electr. Comp. Eng. 2017. P. 25.

137. Roalter L., Kranz M., Mller A. A middleware for intelligent environments and the internet of things. In: Yu, Z., Liscano, R., Chen, G., Zhang, D., Zhou, X. (eds) // Ubiquitous Intelligence and Computing, UIC 2010. LNCS, vol. 6406, 2010. P. 267 - 281.

138. Fortino G., Guerrieri A., Russo W., Savaglio C. Middlewares for smart objects and smart environments: overview and comparison. In: Internet of Things Based on Smart Objects Part of the Series Internet of Things, 2014. P. 1 - 27.

139. Объединенная Архитектура для Беспилотных Систем [Электронный ресурс] // wiki URL: https://en.wikipedia.org/wiki/JAUS (дата обращения: 29.11.2018).

140. Jameson S., Franke J., Szczerba R., Stockdale S. Joint Autonomy for Manned // Unmanned Teams. AHS International Forum 61. Vine. Tx. 2005.

141. Albus J. et al., 4D / Real-time Control System (4D / RCS) // The Reference Model Architecture for Unmanned Mechanism Systems v2.0, NIST, NISTIR 6910, 2002.

142. Narayan P., Wu P., Campbell D., Walker R. Intellectual Control Architecture for UnmannedAerialSystems (UAS) in NationalAirspaceSystem (NAS) // Proceedings of the 22nd International Unmanned Aerial System Conference on the Mechanism (Melbourne, Australia). 2007. P. 1 - 11.

143. Laird J. Expanding Takeoff Cognitive Architecture // Proceedings of the First AGI Conference, 2008. P. 224 - 235.

144. Гуда А.Н., Карташов О.О., Чернов А.В. Архитектура системы управления интеллектуальными мобильными объектами на транспорте [Электронная] // Технологии разработки информационных систем, ТРИС-2016: материалы конференции. Том 1. - Таганрог: Издательство ЮФУ, 2016. - С. 50 - 54. URL: https://eli-brary.ru/item.asp?id=26639253.

145. Верескун В.Д., Бутакова М.А., Карташов О.О. Децентрализованный логический вывод для интеллектуального управления транспортными технологическими процессами [Электронная] // Труды Седьмой научно-технической конференции «Интеллектуальные системы управления на железнодорожном транспорте. Компьютерное и математическое моделирование» ИСУЖТ-2018. М: АО ВНИИАС, 2018. - С. 82-86. URL: http://vniias.ru/images/img/ISUZHT/pdf/2018.pdf.

146. Дергачев В. В., Карташов О.О. Способы оценки и снижения вычислительной сложности алгоритмов принятия решений в задачах одновременной локализации и картографирования [Электронная] // Инженерный вестник Дона, №4, 2017. URL: http://www.ivdon.ru/ru/magazine/archive/n4y2017/4598.

147. Langley P. Cognitive architecture and general intelligent systems // Q: Journal of Artificial Intelligence. Vol 27. 2006. pp. 33 - 44.

148. Sun R. Loud Cognitive Architecture: Expanding Cognitive Modeling to Social Modeling. New York: Cambridge University Press. 434 p. 2006.

149. Чернов А.В., Карташов О.О. Методы облачных вычислений и технологий для интерактивных, интеллектуальных объектов инфраструктуры железнодо-

рожного транспорта [Электронная] // Труды Пятой научно-технической конференции с международным участием «Интеллектуальные системы управления на железнодорожном транспорте. Компьютерное и математическое моделирование. ИС-УЖТ-2016». М.: ОАО НИИАС, 2016. - С. 206-209. URL: http://vniias.ru/im-ages/img/ISUZHT/pdf/2016. pdf.

150. Chernov A.V., Guda A.N., Kartashov O.O. Cloud-Assisted Middleware for Intelligent Distributed and Mobile Objects // Proceedings of the First International Scientific Conference "Intelligent Information Technologies for Industry" (IITI'16), Vol. 451 of the series Advances in Intelligent Systems and Computing, 2016, v.2. - pp. 271 - 280. doi: 10.1007/978-3-319-33816-3_27.

151. Карташов О.О. Практическое применение сервисно-ориентированной архитектуры для создания слабосвязанной сети мобильных объектов // Сборник научных трудов «Транспорт: наука, образование, производство». Т.2: Технические науки. Рост. гос. ун-т путей сообщения, 2017 - С. 79 - 82.

152. Bluetooth Smart (LowEnergy) Technology [Электронный ресурс] // devel-oper.bluetooth.org URL: https://developer.bluetooth.org/ TechnologyOverview / Pages / BLE.aspx (дата обращения: 29.11.2018).

153. Scalable Data Distribution Layer (SDDL). [Электронный ресурс] // lac-rio.com URL: http: // lac- rio.com/sddl/ (дата обращения: 29.11.2018).

154. MobileReliableUDP (MR-UDP). [Электронный ресурс] // lac- rio.com URL: http://lac-rio.com/mr-udp/. (дата обращения: 29.11.2018).

155. Yants V.I., Chernov A.V., Butakova M.A., Klimanskaya E.V. A multilevel data storage model for fuzzy semi-structured data. In: Soft Computations and Measurements (SCM), 2015 XVIII International Conferences, edition 1, no., Pressing IEEE, New York 2015. pp.112 - 114.

156. Butakova M.A., Chernov A.V., Guda A.N., Vereskun, V.D., Kartashov O.O. Knowledge Representation Method for Intelligent Situation Awareness System Design. In: Abraham A., Kovalev S., Tarassov V., Snasel V., Sukhanov A. (eds) Proceedings of the Third International Scientific Conference "Intelligent Information Technologies for Industry" (IITI'18). 2018. Advances in Intelligent Systems and Computing, vol. 875. -Springer, Cham. pp. 225-235. doi: 10.1007/978-3-030-01821-4_24.

ООО «РостИнТех»

Тел- ■ <Ш>5!<Ш11з5. ешН- ^'¿жвдаи^ № Р^стогс/п? зйл. г ЬзтаАск ул. Ф^йш-ВДСКй; 27 ИНН;М1МГЫЗ 1.ПП 1|г1С1К| чПГг-Н

м.-с: ЖЧ)1(1Ю1Ш0Ыав * ОЛОЛК^ЛПАНГДР^ к'г^тшмиошиАЗи] 5ик<шанш иго

акт

о внедрении результатов научных ч с следовать й. выполненных и кавдидзтекой диссертации ТСарташовз О.О,

Настоящим подтверждается, чту п проектах компании ООО «РостТ^пТех» внедрены результаты диссертационной работа Карташопа О.о. гто разработке технологии распределен г] их интеллектуальных сыарт-объектоя (далее СО).

Я диссертации Карташова 0,0, проанализнрованы существующие подходы и .методы тюстри синя сетевой и оплати ю й архилею-уры СО. Определена классификации типов ЗеспровОдит.т}! сетей в райках масштаба распределенности СО. Разработана архитектура «сетевых интеллектуальных объектови, предназначенной для сбора данных из гетерогенных источника СО. Реализована концкнция промен^о'того программного обеспечения для лраненнн и взаимодейсгвия с Пользователями. Внедрены и используются следующие научные и практические результаты:

• выполнена реализация методов в многоуровневой интеллектуальной системе управление предназначенной обнаружения инцидентов, т^о^згикающих на раез 1ре д елейно й инфрас Трукгуре'

* выполнена раз рэ ботка техно л опит распределенных иитс.илс^гуал ьны а смарт-объектов ситуационной оснсдомленности, исполиуюшая оригинал ывдй программ] зоё обесценение промежуточного опоя и мобильные т^пдагсгрйторы информации;

« разработан и реализован сервис ситуационной еншедим^ешюсти Ыз иннидентах на инфраструктуре, и том числе ми5нльноб рабочее место технолога.

Результаты диссертационной работы Карташова 0.0. представляют научный иитерес, лозволякн иоьыенгь эффективность и качество функционирования рвепределелных ийпсшккгсуаяьных смарт-обьектов в интеллектуальных системах а также реализовать взаимодействие между многоуровневой отггеллектуалыюй системой управления и мобилы-нлми устройствами соора и обработки информация.

] енеральмый директор ООО «РостИнТех» кл-.н,> МВА

ООО «Рос-тИн Тих»

тел. (ВО 0)5 5 ПА 135. ё1)знз1г т^ггАспсЗнадЛга

р/О

гвц ола «ржДл

ростовский и нфорглацио нн о-в ы ч и сл htéj1ь кый центр

ПзиЕанза^ьнлй г1л., l/'d, г С*остсв i-г Дои^ З'.ВД!, Гел.: |HÚ3] ЗЬЙ-Дв-ЕШ, 0^3] í40-45-4 E mail; rvcSGSSkld.ridrLJ, i*tí&(leUlrí|

№

Акт

о внедрении рсчультатон к;шдц|днiсюой диссертации Карташовя О,О-

Настоящим иодтяерждаййд^ что в раййгях Ростовского иифэ^мацвснсйЬ-ацч целительного центра внедрены результаты диссертационной работы KaplatiiOiüi 0 0. по разработке сервис ситуационной осведомленное ni oó инцидентах на инфраструктуре железнодорожного транспорта.

В отчете 0.0. Клртпмгопл проанализированы сутестлуклптг системы п сервисы подобного рола. Определены Необходимые трвбйтания унификации ]i выделены ochohhi.lü аспекты применимости средств ситуационной ос иелом; icuuíicth и динамичной.. распределенной среде 0(?ьекШв ннфрас1р;кт;'ры желеэжкиородаюто транспорта. Проведено детальное ррслсдова^и® инцидентов ка о^екпзд корпоративной с¡TTEI ОАО «РЖД^, В результате прЁдстанле^ш классификация и предложен процесс но их обрвСоисе. Определена колиспиии функционал mi осги оснонны.ч агенту информационней структуры и описана милель преде гап.^иия знании и ра.\иса\ отисдоия понятая, его связи с базовыми уролняып управления и возможными действиями. Предложи i a те xif OjIOj и и распределенных и нт^ и Le ю у ал ьиы\ см зрт-объе 1ГГОн ситуационной (юведймденноети, гашт&я позволяет йбй^шигь бшщосши между уровнями автоматизации и решить проблему алгоритмических потребностей объектов Среды. IÍ рамках предлагаемой yp\llTtKi\pi,| был разработай независимый комму ннкшЦюНийЭ сток йрДОоколов и интерфейсов, приведены мотивированные рекомендации по структуре аппаратное обеспечения,

Проведенное О. О. Kaptflшовым исследили и н посолили предложить йЧ№:шеК1уал1»ные средств ситуационной осведомленности использующие многое дойну во гнбрлдную архитектуру управления, которая реализуется в связующем программном обеспечении в ^АР1-интерфсйтои, услуг между у п ра аляемыми устрой ствами сборв/обруfiüTjaa ации и АСУ-

И.о. FIU4EUн.ника 1]осто некого I IR1(

""У Д (*r ■

В,В.СсмеИй1и\о