Повышение безопасности дорожного движения на основе оценки поведения водителя тема диссертации и автореферата по ВАК РФ 05.22.10, кандидат наук Доткулова Анастасия Сергеевна

• Доткулова Анастасия Сергеевна
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Доткулова Анастасия Сергеевна

ВВЕДЕНИЕ

ГЛАВА 1. МОДЕЛИ ТРАНСПОРТНЫХ ПОТОКОВ И ВЛИЯНИЕ ЧЕЛОВЕСКОГО ФАКТОРА

1.1. Описание транспортных потоков

1.2. Этапы развития теории транспортных потоков

1.3. Системы сбора информации о транспортных потоках

1.4. Основные причины возникновения ДТП и конфликтных ситуаций по вине водителя

1.5. Описание основных характеристик надежности водителя

1.6. Инженерные методы тестирования водителя

1.7 Выводы по главе

ГЛАВА 2. ДЕТЕРМИНИРОВАННО - СТОХАСТИЧЕСКАЯ МОДЕЛЬ ТРАНСПОРТНОГО ПОТОКА С РАЗЛИЧНЫМИ ТИПАМИ ВОДИТЕЛЕЙ

2.1. Детерминированно-стохастическая модель неоднородного автотранспортного потока

2.2. Методы оценки влияния перестроений на скорости многополосного потока с различными маневрами

2.3. Методы оценки желания перестроений на многополосном участке дороги перед съездом с несколькими типами водителей

2.4. Разработка имитационной модели автотранспортного потока на базе детерминированно-стохастического подхода

2.5. Вывод результатов имитационной модели

2.6. Выводы по главе

ГЛАВА 3. РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ ДЛЯ ОЦЕНКИ ПОВЕДЕНЧЕСКИХ ХАРАКТЕРИСТИК ВОДИТЕЛЯ

3.1. Характеристики надежного водителя

3.2. Проектирование архитектуры ИС ADES

3.3. Методы измерения психологических и физических характеристик водителя

3.4. Обработка результатов измерений характеристик водителя

3.5. Выводы по главе

ГЛАВА 4. ЭКПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ОЦЕНКИ ПОВЕДЕНЧЕСКИХ ХАРАКТЕРИСТИК ВОДИТЕЛЯ

4.1. Сбор и обработка экспериментальных данных мониторинга улично-дорожной сети

4.2. Анализ экспериментальных исследований

4.3 Повышение безопасности дорожного движения на основе оценки характеристик водителя

4.4. Вывод по главе

ОСНОВНЫЕ ВЫВОДЫ И НАПРАВЛЕНИЯ ДАЛЬНЕЙШИХ ИССЛЕДОВАНИЙ

СПИСОК ЛИТЕРАТУРЫ

Приложение А

Приложение Б

Введение диссертации (часть автореферата) на тему «Повышение безопасности дорожного движения на основе оценки поведения водителя»

ВВЕДЕНИЕ

Актуальность темы исследования. Работа связана с анализом классических моделей транспортных потоков, выявлением методов, учитывающих человеческий фактор, и исследованием влияния поведенческих характеристик водителя на безопасность дорожного движения. Решаемые задачи связаны с совершенствованием и уточнением качественных характеристик транспортных потоков на многополосных магистралях с учетом влияния человеческого фактора.

Главной задачей является исследование поведения и влияния манеры вождения участника автотранспортного потока на характеристики транспортных потоков, а также выявление основных психофизиологических особенностей водителей, необходимых при разработке методик подготовки и тестирования водителей.

Несмотря на существующие меры по обеспечению безопасности дорожного движения, уровень ДТП довольно высок во всем мире, при этом на первый план выходит человеческий фактор, а именно, поведение водителя на дороге. В настоящее время предрейсовый контроль за состоянием водителя общественного транспорта и грузовых автомобилей регламентируется соответствующими нормативными документами [1]. При этом аналогичные меры предрейсового контроля водителей как частных, так и коммерческих легковых автомобилей почти отсутствуют. В 2021 г. был введен единый реестр для водителей таксомоторных компаний Москвы и Московской области на портале mos.ru, благодаря которому отслеживается время работы водителя. Однако, в настоящее время единая система контроля за усталостью водителя отсутствует. В связи с этим возникает необходимость в разработке методик и требований к подготовке и проверке состояния водителей личных и арендованных транспортных средств как перед осуществлением поездки, так и во время самой поездки. Особенно остро проблема детектирования состояния водителей возникает в сфере каршеринговых услуг, которые активно развиваются.

Актуальным остается и вопрос исследования структуры и характеристик автотранспортных потоков. При моделировании и оценке характеристик транспортного потока возникает необходимость в анализе влияния человеческого фактора на безопасность дорожного движения. С развитием электроники и систем помощи водителям ADAS управление автомобилем облегчается. Все более широкие слои населения: молодые люди, женщины, люди преклонного возраста -стали способны к управлению транспортными средствами различной категории, поэтому поведенческие аспекты вносят изменения в общую картину. Те классические модели транспортных потоков, которые включают в себя параметр, зависящий от поведения водителя, рассматривают эту характеристику как время реакции водителя, которое берется усредненно, хотя указанный параметр зависит от многих факторов. Такая зависимость может предполагаться неявно, и потребность в исследовании заключается в том, чтобы выявить факторы, влияющие на безопасность дорожного движения, в явном виде.

Степень разработанности темы исследования. Увеличивается количество автомобилей на улично-дорожной сети, возрастают грузопассажирские потоки, появляются высоко автоматизированные транспортные средства - все это влечет за собой задачу исследования и совершенствования технологий для организации безопасности дорожного движения. С развитием информационных технологий появилась возможность отслеживать движение водителя на дороге, исследовать манеры его поведения в потоке и оценивать физические характеристики водителя во время управления транспортным средством.

Влияние человеческого фактора на автотранспортные перевозкиглубоко исследовано в работах Лобанова Е.М., Котика М.А., Жанказиева С.В., Дементиенко В.В., Власова В.М., Юрова А.П., Трофименко Ю.В. и др. Начиная с 1930 годов проводились исследования в области транспортных потоков и выявления их характеристик. Большой вклад в классификацию и моделирование транспортных потоков внесли: Б.Д. Гриншильдс, К. Даганзо, К. Нагель, М. Шрекенберг, М.Л. Бланк, В.Ф. Бабков и др.

Существенный вклад в развитие методов математического моделирования транспортного потока внесли современные отечественные и зарубежные учёные: Козлов В.В., Тишкин В.Ф., Приходько В.М., Сильянов В.В. , Бугаёв А.С., Буслаев А.П., Яшина М.В., Таташев А.Г., Четверушкин Б.Н., Чурбанова Н.Г., Агуреев И.Е., Михайлов А. Ю., Витвицкий Е.Е., Клявин В.Э., Корниенко А.А., Хейт Ф.и др.

Целью диссертационного исследования является разработка системы сбора и анализа данных на основе оценки поведенческих характеристик водителя, влияющих на безопасность дорожного движения. Основные задачи исследования:

1. Анализ классических моделей транспортных потоков и выявление моделей, учитывающих влияние человеческого фактора;

2. Развитие и совершенствование детерминированно-стохастической модели автотранспортных потоков с учетом физиологических и психофизиологических характеристик водителя;

3. Разработка инфокоммуникационных технологий сбора и анализа поведенческих характеристик водителей, влияющих на безопасность дорожного движения;

4. Апробация и оценка адекватности полученных результатов при исследовании влияния человеческого фактора на безопасность дорожного движения.

Объектом исследования является безопасность дорожного движения, рассматриваемая с точки зрения влияния человеческого фактора на основные характеристики автотранспортных потоков.

Предметом исследования является информационная система, оценивающая характеристики водителя, влияющие на безопасность дорожного движения. Научная новизна работы заключается в:

1. Разработке информационной системы сбора и обработки физиологических, психофизических и эмоциональных характеристик водителей, влияющих на безопасность движения, основанной на игровых технологиях;

2. Развитии математического аппарата детерминированно-стохастической модели автотранспортных потоков с учетом поведенческих характеристик водителя;

3. Создании методики оценки состояния водителя перед выпуском автомобиля в рейс и прогноза его поведения в потоке на основе имитационного моделирования.

Теоретическая и практическая значимость диссертационного исследования состоит в следующем:

1. Исследование личностных и психологических характеристик водителя, влияющих на обработку информации и принятие решений;

2. Совершенствование математической модели транспортного потока с учетом влияния поведения водителя на основные характеристики автотранспортных потоков;

3. Создание, проектирование и разработка программной реализации клиент-серверной системы Analyzer of Driver Emotional State (ADES) для диагностики и анализа характеристик водителей;

4. Выявление с помощью информационной системы ADES физических и психофизиологических характеристик водителя, влияющих на безопасность дорожного движения;

5. Разработка методики оценки состояния водителя и прогноза его поведения в потоке на основе имитационного моделирования.

Положения, выносимые на защиту:

1. Разработка информационной системы ADES для сбора и оценки поведенческих характеристик водителя, влияющих на безопасность движения;

2.Дифференцирование транспортного потока на базе детерминированно-стохастической модели автотранспортных потоков с учетом поведенческих характеристик водителя;

3.Создание методики оценки поведенческих характеристик водителя и ее применение для повышения безопасности дорожного движения на основе имитационного моделирования.

Соответствие паспорту специальности. Содержание выполненных исследований отвечает формуле паспорта научной специальности 05.22.10 -«Эксплуатация автомобильного транспорта» и области исследования по п. «6. Организация безопасности перевозок и движения, обоснование и разработка

требований и рекомендаций по методам подбора, подготовки, контроля состояния и режимам труда и отдыха водителей» п. «15. Развитие новых информационных технологий при перевозках, технической эксплуатации и сервиса». Степень достоверности и реализация результатов.

Обоснованность и достоверность результатов обеспечена корректным применением методов статистического анализа, подтверждением теоретических моделей экспериментальными данными, отсутствием противоречий полученных результатов и выводов с результатами ранее выполненных исследований.

Результаты работы были внедрены и проверены в ходе теоретических и экспериментальных исследований транспортных потоков на реальных в рамках выполнения проектов Минобрнауки:

— НИР, выполняемой в рамках Государственного Задания по теме FSFM-2020-0010, «Разработка новых материалов и цифровых, интеллектуальных технологий в области автомобильного транспорта для обеспечения безопасности и работоспособности перспективных высокоавтоматизированных колесных транспортных средств» (2020-2023), МАДИ, рук. Иванов А.М.;

в рамках выполнения проектов РФФИ:

— 20-01-00222 «Исследование качественных свойств динамических систем массопереноса на регулярных цепочках и кольчугах с конкурентными узлами», (2020 - 2022), МАДИ, рук. Яшина М.В.;

— 19-29-06036 «Разработка распределенной системы мониторинга, управления и прогнозирования движения беспилотных транспортных средств», (2019 - 2021), МТУСИ, рук. Городничев М.Г.;

— 17-29-03419 «Алгоритмы и технология on-line распознавания на мобильных устройствах движущихся объектов и характеристик потоков», (2017-2019), МАДИ, рук. Яшина М.В.;

— 17-07-01358 «Исследование качественных свойств потоков информации на линейно-кольцевых сетях», (2017 - 2019), МТУСИ, рук. Яшина М.В.;

— 17-01-00821 «О качественных теоремах в задаче моделирования движения многочастичных систем по дискретным решеткам», (2017- 2019), МАДИ, рук. Таташев А.Г.;

— 13-07-12055 «Клиент - серверная система SSSR для мониторинга, моделирования и управления распределенными социально-техническими объектами», (2013-2015), МТУСИ, рук. академик Бугаев А.С.;

— 13-01-12064 «Модели, математические задачи и теоремы о насыщенных потоках на сложных сетях - кольчугах», (2013-2015), МИАН, рук. академик Козлов В.В.;

в актах о внедрении:

— АО «Нейроком»;

в учебном процессе:

— при подготовке студентов, обучающихся по программе бакалавриата по направлению «Прикладная математика» и программам магистратуры по направлениям «Прикладная математика» и «Информатика и вычислительная техника» в Московском автомобильно-дорожном государственном техническом университете (МАДИ);

— при подготовке студентов, обучающихся по программе бакалавриата по направлению «Информатика и вычислительная техника» в Московском техническом университете связи и информатики (МТУСИ).

Апробация результатов работы. Основные положения работы докладывались и обсуждались на российских и международных конференциях:

Основные положения работы докладывались и обсуждались на российских и международных конференциях:

— Международная конференция по инженерному менеджменту связи и технологий 2020 г. (EMCTECH 2020). Вена, Австрия, 20-22 октября 2020 г. (получен диплом Best Paper);

— Международная конференция «Интеллектуальные технологии в дорожно-транспортном комплексе», приуроченная к 90-летию университета, 14 декабря 2020 г., МАДИ, г. Москва;

— Международная конференция по вычислительным и математическим методам в науке и технике (CMMSE 2016, CMMSE 2019), Рота, Испания, 30 июня - 6 июля 2019;

— Международная конференция «Управление качеством, транспорт и информационная безопасность, информационные технологии» (IEEE IT & QM & IS), Санкт-Петербург, 24-28 сентября 2018;

— Системы формирования и развития сигналов в области инфокоммуникаций (IEEE Conference N46544), Москва, МТУСИ, 20-21 марта 2019;

— IV Международная научно-практическая конференция «Информационные технологии и инновации на транспорте», Орел, 23-24 мая 2019;

— V Международная научно-практическая конференция «Информационные технологии и инновации на транспорте», Орел, 19-20 мая 2020;

— Системы синхронизации, формирования и обработки сигналов в инфокоммуникациях (Синхроинфо 2019), Ярославль, 1-3 июля 2019;

— 8 Международная конференция «Образование, исследования и развитие», Еленити, Болгария, 4-8 сентября 2017;

— Международная научно-методическая дистанционная конференция-конкурс молодых ученых, аспирантов и студентов «Эвристика и дидактика математики», Донецк, Украина, 2018;

— Научно-методических и научно-исследовательских конференциях МАДИ в 20172021 гг.;

— Международные отраслевые научно-технические конференции «Технологии информационного общества» МТУСИ в 2016-2019 гг.

Публикации. По теме диссертации опубликовано 15 печатных работ, из них 4 статьи опубликовано в изданиях, входящих в «Перечень рецензируемых научных изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученой степени кандидата наук и доктора наук», 5 работ опубликованы в изданиях, входящих в базы цитирований Web of Science и Scopus. По результатам работы получены 6 свидетельств о регистрации программы для

ЭВМ. В опубликованных работах автору принадлежит разработка программного обеспечения, экспериментальные результаты и выводы.

Структура и объем диссертации. Диссертация состоит из введения, 4 глав, основных выводов, списка использованных источников из 91 наименования отечественных и зарубежных авторов. Работа изложена на 154 страницах печатного текста и включает 60 рисунков,7 таблиц и 2 приложения.

ГЛАВА 1. МОДЕЛИ ТРАНСПОРТНЫХ ПОТОКОВ И ВЛИЯНИЕ

ЧЕЛОВЕСКОГО ФАКТОРА

1.1. Описание транспортных потоков

Транспортная инфраструктура является фундаментом современных городов и мегаполисов. Это эко-система, состоящая из улично-дорожных сетей, сооружений по обслуживанию транспорта, пересадочных станции и вокзалов. Поддержание и развитие такой системы является сложной и дорогостоящей процедурой, требующей грамотного и качественного планирования. В настоящее время большое внимание уделяется вопросам безопасности [1], организации и оптимизации дорожного движения, планированию оптимальных маршрутов, пересадочных станций и развязок. В связи с этим актуальной задачей исследования является структура потока на улично-дорожной сети.

Структуру транспортного потока можно охарактеризовать по типам транспортных средств, степени их загруженности объектами перевозки, а также режимами движения. Согласно классификации В.Ф. Бабкова [2],[3] движение транспортных средств можно разделить на:

• свободный поток - поток автомобилей редкий, движение одного автомобиля не влияет на соседние, каждое транспортное средство может двигаться с удобной скоростью;

• частично-связный поток - в потоке наблюдаются небольшие группы автомобилей, движущихся друг за другом, скорость задается лидером группы, возможен обгон лидера и переход в свободный поток;

• связный поток - в потоке наблюдаются большие группы автомобилей, скорость зависит от лидера группы, обгоны осуществлять гораздо сложнее, после обгона транспортного средство попадает в новую группу автомобилей;

• насыщенный поток - транспортные средства движутся друг за другом, обгоны почти невозможны, часто возникают заторы.

В современных городах и мегаполисах встречаются связанный и насыщенный потоки, которые нуждаются в тщательном изучении. В результате наблюдения и прогноза состояния на улично-дорожной сети выделяют ключевые параметры транспортного потока [4]:

• интенсивность транспортных потоков на элементах сетях;

• объем перевозок в сети общественного транспорта;

• средние скорости движения;

• плотность транспортного потока;

• временные задержки движения и т.д.

Описать состояние транспортного потока и изучить его характеристики помогает математическое моделирование. С его помощью для транспортной системы можно разработать ряд моделей, которые помогут решать практические задачи. В зависимости от решаемых задач можно классифицировать модели по подходам, описанию и уровню решения задач. Выделяют несколько крупных групп, классированных по подходам: макроскопические [5]-[8], микроскопические [9],[10] модели клеточных автоматов [11] и вероятностные модели [12]. В классификации по уровню решения задач выделяют прогнозные, имитационные и оптимизационные модели.

При моделировании транспортных потоков следует учитывать большое количество факторов с различными интервалами изменений: пропускную способность дороги, качество дорожного полотна, реакции водителей, алгоритмы работы высокоавтоматизированных транспортных средств. Анализируя эти факторы, можно сделать выводы, что транспортные потоки обладают следующими свойствами: стохастичностью, нестационарностью, пространству и времени, а также распределением информации.

Стохастичность возникает чаще всего из-за человеческого фактора. Поведение транспортного средства на дороге можно спрогнозировать только с некоторой вероятностью, распределив транспортные средства на группы. Такое поведение невозможно описать только законами механики твердого тела.

Нестационарность происходит из-за изменения погодных условий, состояния дорожного потока, времени суток, времени года.

1.2. Этапы развития теории транспортных потоков

История автомобильной промышленности начинается с 1885 года в Германии, когда К. Бенц сконструировал первую трехколесную "бензиновую повозку с двигателем". В том же году Г. Даймлер построил велосипед с мотором. Первый отечественный автомобиль с двигателем внутреннего сгорания построили в 1896 году Е. Яковлев и П. Фрезе.

Вместе с развитием производства автомобилей развивалась и наука об исследовании движения транспорта, транспортных потоков и строительства дорог. Первые отечественные исследования и анализ проводились еще в 1910 году в работах Г.Д. Дубелира в виде рекомендаций по планированию городской сети [13].

Теоретические модели транспортных потоков развиваются с 30-х годов двадцатого века [14],[15]. При их описании и формализации прослеживается сильная аналогия с физическими состояниями веществ: твердое, жидкое, газообразное [16].

В связи с актуальностью и успехами моделей математической физики в гидродинамике и газовой динамике к середине двадцатого столетия, а также в связи с становлением проблемы транспортных потоков, были предприняты попытки описать поведение транспорта посредством уже разработанных подходов.

В 1955 г. Лайтхилла - Уизема - Ричардсом была предложена первая макроскопическая (гидродинамическая) модель однополосного движения [5], в которой поток рассматривался в виде одномерной сжимаемой жидкости с взаимнооднозначной зависимостью между скоростью и плотностью р^,х) потока.

Сформулируем определения основных характеристик транспортного потока: • Скорость транспортного потока V - средняя скорость движущихся

транспортных средств в потоке (м/с);

• Плотность транспортного потока р - количество транспортных средств, находящихся на участке дороги определенной длины (авт/м);

• Интенсивность транспортного потока д - количество транспортных средств, проходящих выбранную часть дороги за единицу времени (авт/с);

• Динамический габарит dm - безопасная дистанция между транспортными средствами (м).

Классические модели теории транспортных потоков калибруются функциональной зависимостью между интенсивностью и плотностью потока движущих средств [17],[18]. Эта зависимость называется фундаментальной диаграммой, которая имеет четкую форму для одной полосы, приведенной на Рисунке 1.

Фундаментальная диаграмма

3000

Плотность потока р

Рисунок 1 - Фундаментальная диаграмма

Специалисты по уравнениям математической физики предполагают, что можно интерпретировать р^,х), как функции, получающиеся при переходе от микроскопического описания (в том числе и описания с помощью клеточных автоматов) к макроскопическому.

Транспортный поток можно описать в виде микроскопической модели, в которой рассматривается и описывается поведение отдельного транспортного

средства, основываясь в зависимости от обстановки впереди, и эта модель является разностным или дифференциально - разностным аналогом рассматриваемой макроскопической модели. Таким образом, корректность предложенного специалистами подхода к определению р^,х), основывается на устойчивой

аппроксимации макроскопической модели микроскопической. При этом необходимость рассмотрения макроскопических моделей обусловлена в первую очередь более простой техникой их исследования и большей наглядностью.

Проблемы существования решений систем уравнений математической физики моделирования трафика привели исследователей к мыслям, что необходимо рассматривать модели, в которых учитывается поведение каждого водителя.

1.2.1. Модель следования за лидером

Подход, который рассматривает поведение отдельных автомобилей, называется микроскопическим. В основе микроскопического подхода лежит модель следования за лидером, в которой первое транспортное средство выступает в качестве ведущего (лидера), а другие транспортные средства - в роли ведомых. В таких моделях можно изучить взаимодействие транспортных средств, движущихся в одной группе, а также получить качественные характеристики транспортных потоков.

Первые статистические описания транспортных потоков были получены Б.Д. Гриншилдсом в 1933 году [17]. Его фотографический метод позволил обнаружить зависимость между плотностью и интенсивностью (или скоростью и интенсивностью) потока [18]. В этих работах был описан метод визуального измерения интенсивности автомобильного потока с помощью фотоаппарата, а также представлены результаты и сделан вывод о линейной зависимости средней скорости от плотности потока, приведенной на формуле (1.1):

V = v0(1—p-) (1.1)

Ртах

где v - средняя скорость потока, vo - начальная скорость потока, p - плотность потока, pmax - максимально возможная плотность потока.

Эта модель явилась результатом статических экспериментов и родоначальником теории о существовании зависимости функции от плотности, на нахождение которой были направлены дальнейшие исследования ученых.

При попытках описания взаимодействия двух соседних автомобилей возникла теория следования за лидером и микроскопические модели Дженерал Моторс и Танака [19]. В таких моделях движение потока рассматривалось как суммарное взаимодействие составляющих его автомобилей и описывалось системой дифференциальных уравнений. Эти модели описывали линейный участок дороги. Объединение модели следования за лидером и модели оптимальной скорости дало развитие модели Трайбера - модели разумного водителя (Intelligent Driver Model (IDM)) [20].

1.2.2. Связь макро и микромоделей

Стационарное состояние - это равномерно распределенные элементы потока. Пример стационарного потока приведен в формуле (1.2).

Х (t) = Cn , n =

xn+1(t) = К(tX т.е. Xn+1 - ^ = C (1.2)

Стационарное состояние цепи Xj < x2 < x3 эквивалентно равномерно движущимся кластерам со скоростью v = f- (C) и плотностью p = C-

Классическая модель следования за лидером имеет вид, приведенный в формуле (1.3):

Xn-: (t) = f (Хп (t)- Xn-! (t)) (1.3)

где xn-1, xn — координаты соседних точек, Xn-1 (t) - скорость, f - некоторая

монотонная непрерывная функция, отражающая скоростной режим следующей за лидером xn точки в зависимости от расстояния безопасности. Расстояние

безопасности - динамический габарит, содержит статистический габарит, размер точки, инерционную дистанции, пропорциональную скорости и времени задержки реакции и тормозной путь до момента остановки при равномерном замедлении.

С точки зрения реализации (1.3) в зависимости от тех или иных технических средств (манеры вождения, если частица - автомобиль) вводится задержка реализации.

Пусть d = х — х -1, < = —, где < — расстояние между координатами

„ п п р п

Ч

соседних точек движущихся транспортных средств, р0 - плотность, V = —, ч -

Р

интенсивность, V - потоковая скорость. Тогда интенсивность находится по

формуле (1.4):

Ч = VР = / (<) Р = Р

V Р У

(1.4)

Таким образом, имеем формулу (1.5) для скорости vn и динамического габарита <п:

¡Vп (г + А) = / (<п)

< = V (г)- V , (г)

п п \ / п—1 \ /

Пусть V (г, х) и < (г, х) - гладкие функции, тогда

V (г, Хп ) = Vn (г)

< (г), = <п

(1.5)

(1.6)

Тогда из (1.5) и (1.6) следует

V (г + А Х ) = /

( ( V V

г, х , + ■

? п—1

/У

< х , + х

йг

г,

п—1 п

= V ( г , хп )— V ( г , хп—1 )

(1.7)

Из (1.7) получаем

(,, Хп (,)) + (V, + V • ) А / (d) + 2 ^ ,(d) • d; dt + vd V • d, х = + Х п

, Х Х * /-к

(1.8)

И, поскольку d = —, dt = -р-, Р Р2

С

vd - V d =

d

v =-

V

V d у

= -( v) -. 1 Р''рг

то второе уравнение (1.8) эквивалентнор + (р)х = 0.

Первое уравнение (1.8) имеет вид V(р) +1 ^ (р) • р, откуда получим

формулу (1.9),

2 Р

V + (V + ^х )А = V (р) + ± V-(р)•рx

2 р

(19)

Р + р )Х = 0

1

d ~ 0,dА0т,то--0,

Если в (1.9) р

v = v (р) Р + р )х = 0

(1.10)

Первое уравнение (1.10) называется уравнением состояния, второе - законом сохранения (уравнение Хопфа), что соответствует микрохарактеристикам потока.

Адекватность модели традиционно оценивалась по соответствующему полю (Р, 4) фундаментальной диаграммы. Но как доказал Кернер современные

многополосные магистрали «размывают» классическую фундаментальную диаграмму, и гладкие модели не позволяют достичь такого эффекта.

1.2.3. Клеточные автоматы

С развитием вычислительных мощностей компьютеров, они широко стали использоваться для исследования моделей транспортных потоков. Возникли модели, основанные на применении клеточных автоматов [11].

Клеточным автоматом (КА) называется множество простых одинаковых конечных автоматов (клеток), работающих синхронно. Каждый из автоматов изменяет свое состояние (например, 1 или 0) исходя из текущего состояния соседнего автомата, меняющееся по определенному набору правил [21].

Список литературы диссертационного исследования кандидат наук Доткулова Анастасия Сергеевна, 2022 год

СПИСОК ЛИТЕРАТУРЫ

1. «Безопасные качественные дороги» - национальный проект [Электронный ресурс] - Режим доступа: https://bkdrf.ru/?region=%D0%9C%D0%BE%D1%81%D0%BA%D0%B2%D0 %B0%20%D0%B8%20%D0%9C%D0%BE%D1%81%D0%BA%D0%BE%D0 %B2%D 1%81%D0%BA%D0%B0%D 1 %8F%20%D0%BE%D0%B 1%D0%BB %D0%B0%D 1%81%D 1%82%D 1 %8C (дата обращения 20.05.2022).

2. Бабков, В.Ф. Проектирование автомобильных дорог. Часть 1 / В.Ф. Бабков, О.В. Андреев. - М. : Транспорт, 1987.

3. Бабков, В.Ф. Дорожные условия и безопасность дорожного движения / В.Ф. Бабков. - М.: Транспорт, 1993. - 271 с.

4. Швецов, В. И. Математическое моделирование транспортных потоков / В.И. Швецов. - Автоматика и Телемеханика, 2003. - №11. - 3-46 с.

5. Lighthill, M.J. A Theory of Traffic Flow on Long Crowded Roads / M.J. Lighthill, G.B. Whitham // Proceedings of the Royal Society of London, 1955. - 317-345 p.

6. Lighthill, M.J. On kinematic waves I: Flood movement in longrivers / M.J. Lighthill, 1955. -281 p.

7. Lighthill, M.J. On kinematic waves II: Theory of traffic flow on long crowded roads / M.J. Lighthill, 1955. -317-345 p.

8. Gazis, D.C. Car-Following Theory of Steady-State Traffic Flow / D.C. Gazis, R. Herman, R.B. Potts // Operations Research, 1959. - Vol. 7, № 4. - 499-505 p.

9. Зырянов, В.В. Применение микромоделирования для прогнозирования развития транспортной инфраструктуры и управления дорожным движением / В.В. Зырянов // М.: Дороги России XXI века, 2009. - № 3. - 37-40 c.

10. Семенов, В.В. Математическое моделирование транспортных потоков мегаполиса. / В.В. Семенов // M.: препринт № 34 Инст. Прикл. математики им. М.В. Келдыша РАН, 2004. - 44 c.

11. Nagel, K. A cellular automation models for freeway traffic / K. Nagel, M. Schreckenberg // Journal de physique I, 1992. - Т. 2. - №. 12. - 2221-2229 с.

12. Буслаев, А.П. Вероятностные и имитационные подходы к оптимизации автодорожного движения / А.П. Буслаев, А.В. Новиков, В.М. Приходько, А.Г. Таташев, М.В. Яшина, - М.: Мир, 2003. - 368 с.

13. Дубелир, Г.Д. Планировка городов / Г.Д. Дубелир. - Санкт-Петербург, 1910.

14. Хейт, Ф. Математическая теория транспортных потоков / Ф. Хейт. - Мир, 1966. (в пер.).

15. Семенов, В.В. Исторический анализ моделирования транспортных процессов и транспортной инфраструктуры / В.В. Семенов, А.В. Ермаков // Препринты ИПМ им. М.В.Келдыша [Электронный ресурс], 2015. - №2 3. - Режим доступа - library.keldysh.ru/preprint.asp?id=2015-3 (дата обращения 20.05.2022).

16. Яшина, М.В. Теоретические основы минимизации экологического воздействия автотранспортных потоков на окружающую среду: диссертация на соискание ученой степени доктора технических наук / М.В. Яшина. - М., 2000. - 331 с.

17. Greenshields, B .D. The photographic Method of Studying Traffic Behaviour / B.D. Greenshields // Proc. US Highway Res. Board, 1933.

18. Greenshields, B.D., A study of Traffic Capacity / B.D. Greenshields // Proc. US Highway Res. Board, 1934. - 448-494 p.

19. Клинковштейн, Г.И. Методы оценки качества организации дорожного движения: учеб. пособие. / Г.И. Клинковштейн - М.: Издание МАДИ, 1987. -78 с.

20. Treiber, M. Congested traffic states in empirical observations and microscopic simulation / M. Treiber, A. Hennecke A., D. Helbing // Phys. Rev. E, 2000, vol. 62, pp. 1805-1824.

21. Wolfram, S. Statistical Mechanics of Cellular Automata / S. Wolfram // Reviews of modern physics, 1983. - Т. 55. - №. 3. - 601 с.

22. Gardner, M. The fantastic combinations of John Conway's new solitaire game "life". / M. Gardner // Scientific American, 1970. - № 4.

23. Daganzo, C. F. Problem Sets: Fundamentals of Transportation and Traffic Operations / C. F. Daganzo. // Institute of Transportation Studies, University of California at Berkeley, 1998.

24. Kerner, B.S., The physics of traffic / B.S. Kerner, 2004. - 683 p.

25. Сильянов, В.В. Теория транспортных потоков в проектировании дорог и организации движения / В.В. Сильянов. - М.: Транспорт, 1977. - 303 с.

26. Buslaev, A.P. The deterministic-stochastic flow model / A.P. Buslaev, V.M. Prikhodko, A.G. Tatashev, M.V.Yashina, 2005.

27. Куржанский, А.А. Роль макромоделирования в активном управлении транспортной сетью / А.А. Куржанский, А.Б. Куржанский, П. Варайя // Труды МФТИ, 2010. - № 4. - 100-118 с.

28. Гасников, А.В. Введение в математическое моделирование транспортных потоков: учебное пособие / А.В. Гасников, Е.А. Нурминский, Н.Б. Шамрай. -М.: МФТИ, 2010. - 362 с.

29. Kozlov, V. V. Monotonic random walks and cluster flows on networks. Models and applications / V.V. Kozlov A. P. Buslaev, A. G. Tatashev // Saarbruecken: Lambert Academician Publisning, 2013, - no. 78724.

30. Gorodnichev, M.G. The Study of the Applicability of Clustering Methods to Identify Patterns in Traffic Flows / M.G. Gorodnichev, A.S. Dotkulova, Kh.A. Dhabrailov, A.A. Izotova, R.A. Gematudinov // conf. WECONF, 2020. - 1-5 p.

31. Системы контроля физического состояния водителя [Электронный ресурс]. -Режим доступа: https://montrans.ru/tpost/fodf3iua11-sistemi-kontrolya-fizicheskogo-sostoyani (дата обращения 20.05.2022).

32. Системы мониторинга усталости для водителей - [Электронный ресурс]. -Режим доступа: https://ts-technology.ru/info/news/sistemy-monitoringa-ustalosti-dlya-voditeley (дата обращения 03.12.2020).

33. Официальный сайт Госавтоинспекции [Электронный ресурс]. - Режим доступа: stat.gibdd.ru (дата обращения 20.05.2022).

34. В семь раз опаснее: почему таксисты очень плохо ездят [Электронный ресурс] - Режим доступа:

https://www.autonews.ru/news/5b62b2249a7947381639291a (дата обращения 20.05.2022).

35. Статистика Аварий: Анализ Происшествий [Электронный ресурс]. - Режим доступа: https://vawilon.ru/statistika-avarij-analiz-proisshestvij/ (дата обращения 20.08.2020)

36. Официальный сайт ГосАвтоИнспекции [Электронный ресурс]. - Режим доступа: http://stat.gibdd.ru/ (дата обращения 15.02.2022)

37. Правовая защита автолюбителя. Статистика ДТП [Электронный ресурс]. -Режим доступа: https://www.vashamashina.ru/statistics_traffic_accident.html (дата обращения 15.02.2022)

38. Стратегию безопасности дорожного движения в Российской Федерации на 2018 - 2024 годы [Электронный ресурс]. - Режим доступа: http://static.government.ru/media/files/g6BXGgDI4fCEiD4xDdJUwlxudPATBC 12.pdf (дата обращения 02.03.2020)

39. Аналитический материал по состоянию таксомоторной отрасли в России с точки зрения безопасности дорожного движения. [Электронный ресурс]. -Режим доступа: taksi-avariinost-final-2311-pdf (дата обращения 15.02.2022)

40. Опасный шеринг: как прокатные авто меняют статистику ДТП. [Электронный ресурс]. - Режим доступа: https://www.rbc.ru/spb_sz/03/01/2020/5dfc559a9a79477b7919fd5b (дата обращения 20.02.2020)

41. Статистика ДТП по Москве за январь-июль 2021 [Электронный ресурс]. -Режим доступа: https://1gai.ru/528098-statistika-dtp-po-moskve-za-janvar-ijul-2021.html (дата обращения 15.02.2022)

42. Число ДТП с городскими автобусами в Москве в 2021 году [Электронный ресурс]. - Режим доступа: https://tass.ru/obschestvo/13894997?utm_source=yxnews&utm_medium=desktop (дата обращения 05.04.2022)

43. Власти Москвы посчитали ДТП с участием такси и каршеринга в 2020 году [Электронный ресурс]. - Режим доступа:

https://www.autonews.ru/news/600ffda49a7947766d7e14a1 (дата обращения 25.07.2021)

44. Hafikeit von Anblenkung bei Autofahren Berichte der Bundesanstalt for Strafenwesen // Mensch und Sicherkeit, 2020, Heft M 297.

45. Саакян, С. Оценка необходимости применения сложного комплекса оборудования при осуществлении допуска водителя на линию / С. Саакян // Вестник евразийской науки, 2013. - №3 (16).

46. Амрахов, И.Г. Психология воздействия на водителя внешних факторов ВАДС / И.Г. Амрахов [и др.]. Воронеж, 2009. -161 с.

47. Котик, М.А. Психология и безопасность / М.А. Котик // Таллин: Валугс, 1981. - 408 с.

48. Яшина, М.В. Детерминированно-стохастическая модель трафика с вариацией психофизиологических свойств водителей / М.В. Яшина, А.Г. Таташев, А.С. Доткулова, Н.П. Сусоев // СИНХРОИНФО, 2019. - №6 - 7479 с.

49. Власов, В.М. Разработка основных принципов и алгоритмов учета и контроля режимов труда и отдыха водителей автотранспортных средств на основе использования автоматической видеоиндентификации и спутниковой навигации / В.М. Власов, В.Н. Богумил, Д.Б. Ефименко, И.В. Конин // Вестник Московского автомобильно-дорожного государственного технического университета (МАДИ). - 2014. - №2 - 71-76с.

50. Деметиенко, В.В. Технология поддержания работоспособного состояния водителя транспортного средства / В.В. Деметиенко // Межотраслевой альманах, 2015.

51. Распоряжение Правительства Российской Федерации от 27 февраля 2013 N 254-р г.Москва «Распоряжение Правительства о присуждении премий 2012 года в области науки и техники» [Электронный ресурс]. - Режим доступа: https://rg.ru/documents/2012/02/15/premiya-dok.html (дата обращения 25.06.2018)

52. Руководство по эксплуатации УПДК-МК Автопредприятие. [Электронный ресурс]. - Режим доступа: https://www.neurocom.ru/upload/iblock/27e/27ef3cb6a7e5f8f70e36fa900d1dc29 5.pdf (дата обращения 05.04.2019)

53. Blank, M.L. Exact analysis of dynamical systems arising in models of traffic flow /M.L. Blank // Russian Mathematical Surveys. -2000, V-55, No-3, 562—563 p.

54. Kanai, M. Exact solution and asymptotic behaviour of the asymmetric simple exclusion process on a ring / M. Kanai, K. Nishinari, T. Tokihiro // arXiv.0905.2795v1 [cond-mat-stat-mech], 2009.

55. Daduna, H. Queuing networks with discrete time scale: explicit expression for the steady state behavior of discrete time stochastic networks. / H. Daduna // Berlin: Springer, 2001

56. Buslaev, A.P. Particles flow on the regular polygon / A.P. Buslaev, A.G. Tatashev // Journal of Concrete and Applicable Mathematics. - 2011- Т. 9-№. 4-290-303 p.

57. Spitzer, F. Interaction of Markov processes / F. Spitzer// Advances in Mathematics. -1970 -V -5. No-2-246-290p.

58. Blank, M. Metric properties of discrete time exclusion type processes in continuum. /M. Blank// J. Stat. Phys. -2010. -V-140-No-1. -170—197p.

59. Buslaev, A.P. Traffic flow stochastic model (2*2) with discrete set of states and continuous time /A.P. Buslaev, A.G. Tatashev, M.V. Yashina //arXiv.0405471 [preprint cond-mat], 2004.

60. Lukanin, V.N. Traffic flows modelling and the evaluation of energy-ecological parameters. Part I / V.N. Lukanin, A.P. Buslaev, A.V. Novikov, M.V. Yashina M.V.// International Journal of Vehicle Design. - 2003. - V. 33. - No. 4. - 381399 p.

61. Lukanin, V.N. Traffic flows modelling and the evaluation of energy-ecological parameters. Part II / V.N. Lukanin, A.P. Buslaev, A.V. Novikov, M.V. Yashina M.V.// International Journal of Vehicle Design. - 2003. - V. 33. - No. 4. - 400-421p.

62. Бугаев, А.С. Восстановление динамики транспортного потока на основе детерминированно-стохастической модели и данных с интеллектуально транспортных систем. /А.С. Бугаев, А.Г. Таташев, М.В. Яшина, О.С. Лавров, Е.А. Носов// T-Comm.- 2019. -T. -13. -№. -10. -35—44с.

63. Bugaev, A.S. Interpretation of intelligent transport systems data in Moscow for Bernoulli approximation of deterministic-stochastic model /A.S. Bugaev, A.G. Tatashev, M.V. Yashina, O.S. Lavrov, E.A. Nosov //SYNCHROINFO. - IEEE, 2019. - 1- 9p.

64. Yashina, M.V. A. Traffic model based on synchronous and asynchronous exclusion processes /M.V. Yashina, A.G. Tatashev //Mathematical Methods in the Applied Sciences. - 2020. - Т. 43. - №. 14. - 8136-8146c.

65. Яшина, М.В. Методика оценки пропускной способности магистрали на основе математической модели и данных о потоке автотранспортных средств различных типов /М.В. Яшина, А.Г. Таташев //СТИН. - 2021. - №. 3. - С. 1316

66. Бугаев, А.С. Монотонное случайное блуждание частиц по целочисленной полосе и LYuMen проблема / А.С. Бугаев, А.П. Буслаев, А.Г. Таташев // Математическое моделирование. - 2006. - Т. 18. - №. 12. - 19- 34с.

67. Бугаев, А.С. О моделировании сегрегации двухполосного потока частиц /А.С. Бугаев, А.П. Буслаев, А.Г. Таташев //Математическое моделирование.

- 2008. - Т. 20. - №. 9. - 111-119с.

68. Yashina, M.V. Optimization of regulation parameters for traffic scenario with dedicated public transport lane /M.V. Yashina, A.G. Tatashev, P.I. Pospelov, N.P. Susoev // EMCTECH. - IEEE. - 2020. -1-6c.

69. Pospelov, P.I. Methodology of assessing the regulated crossing throughput with a dedicated lane for ground public transport based on a probabilistic model /P.I. Pospelov, Le Duc Long, A.G. Tatashev, M.V. Yashina // IOP Conference Series: Materials Science and Engineering. - IOP Publishing - 2021. - V. 1159. - No - 1.

- P.012084

70. Pospelov, P.I. Evaluation methodology of distribution of vehicle lane-change probabilities on multilane road before crossroad /P.I. Pospelov, Le Duc Long, A.G. Tatashev, M.V. Yashina //2021 Systems of Signals Generating and Processing in the Field of on Board Communications.-IEEE.-2021.-1-5p.

71. Yashina, M.V. Simulation model of lane change maneuvers based on generalization of ECA 184 and deterministic-stochastic approach / M.V. Yashina, A.G. Tatashev, N.P. Susoev //2021 Intelligent Technologies and Electronic Devices in Vehicle and Road Transport Complex (TIRVED). - IEEE. - 2021. - 1-4p.

72. Яшина, М.В. Методика оценки пропускной способности магистрали на основе математической модели и данных о потоке автотранспортных средств различных типов /М.В. Яшина, А.Г. Таташев //СТИН. - 2021. - №. 3. - 13-16с.

73. Карелина, М.Ю. Математические модели автомобильных потоков на автомобильных дорогах с пересечениями и соединениями / М.Ю. Карелина, П.И. Поспелов, Ю.В. Трофименко, А.В. Терентьев, А.Г. Таташев, М.В. Яшина // T - Comm.- 2021. - Т.- 7. - №.- 1. - 442-446с.

74. Яшина, М.В. Функция состояния транспортного потока с учетом влияния человеческого фактора / М.В. Яшина, А.Г. Таташев, А.С. Доткулова // Информационные технологии и инновации на транспорте. Материалы 5-ой Межд. научно-практ. конф, 2020. - 52-57 с.

75. Yashina, M.V. Accounting Psycho-Physiological Types of Drivers in the Deterministic-Stochastic Traffic Model / M.М. Yashina, A.G. Tatashev, A.S. Dotkulova, N.P. Susoev // SYNCHROINFO, 2019. - 1-4 p.

76. Буслаев, А.П. О функциях состояния в модели неоднородного трафика / А.П. Буслаев, М.В. Яшина, А.Г. Таташев // Вестник Московского автомобильно-дорожного государственного технического университета (МАДИ), 2017. - №2 3 (50). - 45-51 с.

77. Жанказиев, С.В. Научные основы и методология формирования интеллектуальных транспортных систем в автомобильно-дорожных

комплексах городов и регионов: диссертация на соискание ученой степени доктора технических наук / С.В. Жанказиев. - М., 2012. - 451 с.

78. Dotkulova, A.S. Analysis of the influence of the driver's reaction on the properties of the transport flow status functions. / A.S. Dotkulova - T-Comm Telecommunications and Transport, 2019. - vol. 3. - № 7. -65-70 p.

79. Доткулова, А.С. Программа-анализатор эмоционального состояния водителя

- Analyzer of Driver Emotional State / А.С. Доткулова, М.В. Яшина, 09.01.2020.

- №2020610102.

80. Доткулова, А.С. Программа для хранения конфиденциальной информации на основе технологии Blockchain / М.Г. Городничев, А.Д. Липатова, М.С. Мосева, А.М. Кухаренко, 13.12.2019. - №2019666807.

81. Доткулова, А.С. Поисковый модуль в интерактивной системе обучения и контроля сотрудников транспортного предприятия / А.С. Доткулова, М.В. Яшина, И.А. Кутейников, 04.12.2020. - №202066676.

82. Доткулова, А. С. Программная реализация мониторинга психофизических свойств водителя с использованием гейминг-технологий / А. С. Доткулова // ТРУДЫ МФТИ. Труды Московского физико-технического института (национального исследовательского университета), 2021. - 13 т. - № 1. - 515 с.

83. Dotkulova, A. S. A method for estimating the potential of the physiological and emotional characteristics of a driver in a changing traffic situation using the ADES information system / A.S. Dotkulova // IOP Conference Series: Materials Science and Engineering, 2021. - №. 1.

84. Dotkulova, A.S. Attention driver evaluation in collective traffic behavior via gaming technology / A.S. Dotkulova, M.V. Yashina, Y.V. Trofimenko, A.G. Tatashev, 2020. - 1-6 p.

85. Доткулова, А.С. Модуль к ИС ADES для определения степени концентрации внимания водителя с помощью игровых технологий в области автомобильного транспорта / А.С. Доткулова, М.В. Яшина, Д.В. Дубенская, 30.11.2020. - № 2020665718.

86. Yashina, M.V. Infocommunication measurements for model validation of the follow the leader model / M.V. Yashina, A.S. Dotkulova, N.P. Susoev, M.Ju. Fomina // Int. conf. Systems of Signals Generating and Processing in the Field of on Board Communications, 2019. - 1-7 p.

87. Мосева, М.С. О методах мобильного сбора и анализа сырых данных GPS-трека в задаче характеризации типа вождения / М. С. Мосева, В. Ф. Тишкин, В. Б. Яшин, М. В. Яшина // Качество. Инновации. Образование. - 2018. - № 6(157). - С. 92-99. - EDN TMQNOI.

88. Доткулова, А.С. Программа синхронизации данных распределенной вычислительной системы с клиент-серверной архитектурой - серверная часть / А.С. Доткулова, М.Г. Городничев, А.Е. Кочупалов, М.С. Мосева, 24.06.2019. - №2019617870.

89. Доткулова, А.С. Программа синхронизации данных распределенной вычислительной системы с клиент-серверной архитектурой - клиентская часть / А.С. Доткулова, М.Г. Городничев, А.Е. Кочупалов, М.С. Мосева, 17.06.2019. - №2019617535.

90. Tishkin, V.F. Method of the GPS Tracking Analysis for Extraction of Geometrical Properties. / M.V. Yashina, M.S. Moseva, V.B. Yashin // Conf. IT&QM&IS, 2018. - 266-270 p.

91. Городничев, М.Г. Информационные и математические аспекты модели следования за лидером: диссертация на соискание ученой степени кандидата технических наук / М.Г. Городничев. - М., 2015. - 125 с.

Приложение А

АКТЫ О ВНЕДРЕНИИ

АКТ

о внедрении результатов диссертационной работы

ДОТКУЛОВОЙ АНАСТАСИИ СЕРГЕЕВНЫ на соискание ученой степени кандидата технических наук на тему «11овьишение безопасности дорожного движения на основе опенки поведения

водителя»

Настоящий акт составлен о том, что результаты диссертационной работы «Повышение безопасности дорожного движения на основе оценки поведения водителя» использованы в компании АО «НЕЙРОКОМ» при составлении портрета водителя и определении его эмоционального состояния перед выходом на маршрут. Разработанная в рамках диссертационного исследования система Analyzer of Driver Emotional State (ADES) является универсальным дополнением к применяемым методикам исследования состояния водителя в компании.

Разработанная методика подготовки и тестирования водителей с помощью системы ADES? оценки результатов испытаний и прогнозирования поведения водителя прошла производственную проверку и внедрена в АО «НЕЙРОКОМ»,

Внедрение результатов исследования позволило расширить применяемые методики оценки состояния водителя и повысить объективность исследования.

Заведующий лабораторией сомнологии к.б.н., доцент

Зам. начальника отдела АВТО

(pis^- Д-В. Макаев

И.о. ректора ордена Трудового Красного Знамени федерального государственного бюджетного образовательного учреждения высшего образования «Московский

АКТ

об использовании результатов диссертационной работы Доткуловой Анастасии Сергеевны на тему; «Повышение безопасности дорожного движения на основе оценки поведения водителя« в учебном процессе кафедры «Математическая кибернетика и информационные технологии» ФГБОУ ВО МТУСИ

Комиссия в составе; проректора, по учебной работе МТУСИ, к.т.н., доц, Е.В. Титова; директора Департамента организации и управления учебным процессом МТУСИ, О.И. Тогушовой; заведующего кафедрой «Математическая кибернетика и информационные технологии», к.т.н., доц. М,Г. Городничева удостоверяет, что в учебном процессе кафедры «Математическая кибернетика и информационные технологии» при выполнении лабораторных и практических работ по дисциплинам: «Математическое моделирование сложных систем», «Программная инженерия», «Проектирование клиент-сер верных приложений» используются результаты диссертации A.C. Доткуловой, а именно: разработка систем с клиент-серверной архитектурой, работа с базами данных и обработка информации, Эффективность внедрения заключается в приобретении студентами знаний по перспективным направлениям развития науки и техники.

Проректор по учебной работе МТУСИЕ.В. Титов

Директор Департамента организации и /ч^^^/ 0 ТогУшова

управления учебным процессом МТУСИ ^

Заведующий кафедрой «Математическая кибернетика и информационные технологии»

М Г. Городничев

Приложение Б

Таблица состояний и количество ответов

Состояние Правильные Ошибочные Доля прав. Доля ошиб.

Сонливое 33 22 0,6 0,4

Бодрое 83 11 0,88 0,12

Спокойное 111 2 0,98 0,02

Нервное 107 46 0,7 0,3

Раздраженное 105 4 0,96 0,04

Бодрое 107 5 0,96 0,04

Уставшее 107 3 0,97 0,03

Сонливое 106 6 0,95 0,05

Бодрое 104 9 0,92 0,08

Бодрое 104 3 0,97 0,03

Нервное 107 5 0,96 0,04

Бодрое 106 5 0,95 0,05

Бодрое 105 3 0,97 0,03

Уставшее 105 7 0,94 0,06

Раздраженное 103 3 0,97 0,03

Бодрое 102 1 0,99 0,01

Обеспокоенное 100 3 0,97 0,03

Уставшее 109 6 0,95 0,05

Сонливое 102 2 0,98 0,02

Расслабленное 107 7 0,94 0,06

Сонливое 101 5 0,95 0,05

Бодрое 98 5 0,95 0,05

Бодрое 112 9 0,93 0,07

Бодрое 106 4 0,96 0,04

Бодрое 101 15 0,87 0,13

Уставшее 102 11 0,9 0,1

Состояние Правильные Ошибочные Доля прав. Доля ошиб.

Сонливое 113 5 0,96 0,04

Бодрое 107 12 0,9 0,1

Бодрое 103 5 0,95 0,05

Расслабленное 105 14 0,88 0,12

Бодрое 106 5 0,95 0,05

Бодрое 108 16 0,87 0,13

бодрое 113 11 0,91 0,09

Задумчивое 106 15 0,88 0,12

Бодрое 111 16 0,87 0,13

Бодрое 90 10 0,9 0,1

Бодрое 94 8 0,92 0,08

Бодрое 103 10 0,91 0,09

Сонливое 103 8 0,93 0,07

Сонливое 110 4 0,96 0,04

Сонливое 114 5 0,96 0,04

Сонливое 117 3 0,98 0,03

Расслабленное 108 9 0,92 0,08

Раздраженное 106 5 0,95 0,05

Задумчивое 115 10 0,92 0,08

Бодрое 100 8 0,93 0,07

Бодрое 104 3 0,97 0,03

Бодрое 95 11 0,9 0,1

Бодрое 118 6 0,95 0,05

Сонливое 110 21 0,84 0,16

Сонливое 114 24 0,83 0,17

Сонливое 122 6 0,95 0,05

Сонливое 111 16 0,87 0,13

Состояние Правильные Ошибочные Доля прав. Доля ошиб.

Сонливое 115 9 0,93 0,07

Сонливое 114 10 0,92 0,08

Сонливое 118 6 0,95 0,05

Сонливое 108 12 0,9 0,1

Бодрое 117 2 0,98 0,02

Бодрое 110 17 0,87 0,13

Расслабленное 116 10 0,92 0,08

Обеспокоенное 115 12 0,91 0,09

Бодрое 108 13 0,89 0,11

Сонливое 115 11 0,91 0,09

Бодрое 118 4 0,97 0,03

Нервное 107 11 0,91 0,09

Уставшее 119 11 0,92 0,08

Уставшее 121 5 0,96 0,04

Сонное 110 9 0,92 0,08

Бодрое 123 14 0,9 0,1

Сонное 124 22 0,85 0,15

Бодрое 126 13 0,91 0,09

Бодрое 122 16 0,88 0,12

Бодрое 122 19 0,87 0,13

Уставшее 114 19 0,86 0,14

Уставшее 109 10 0,92 0,08

Сонливое 121 22 0,85 0,15

Бодрое 120 19 0,86 0,14

Сонное 118 20 0,86 0,14

Расслабленное 122 11 0,92 0,08

Расслабленное 106 18 0,85 0,15

Состояние Правильные Ошибочные Доля прав. Доля ошиб.

Бодрое 102 14 0,88 0,12

Бодрое 111 17 0,87 0,13

Бодрое 117 6 0,95 0,05

Уставшее 115 11 0,91 0,09

Бодрое 120 11 0,92 0,08

Сонливое 118 16 0,88 0,12

Обеспокоенное 126 15 0,89 0,11

Уставшее 110 19 0,85 0,15

Встревоженное 123 5 0,96 0,04

Нервное 102 2 0,98 0,02

Уставшее 128 10 0,93 0,07

Бодрое 126 7 0,95 0,05

Бодрое 122 11 0,92 0,08

Бодрое 126 13 0,91 0,09

Уставшее 128 7 0,95 0,05

Расслабленное 123 12 0,91 0,09

Уставшее 121 17 0,88 0,12

Сонливое 111 12 0,9 0,1