Алгоритмы прохождения перекрестков в моделях симуляции дорожного движения дипломная работа / Тимофей Юрьевич Петрикевич; БГУ, Факультет прикладной математики и информатики, Кафедра информационных систем управления; науч. рук. Краснопрошин В. В.

Abstract

РЕФЕРАТ Дипломная работа: 53 страницы, 30 рисунков, 17 источников Ключевые слова: ПЕРЕКРЁСТОК, АВТОНОМНЫЙ АГЕНТ, МОДЕЛИРОВАНИЕ, АЛГОРИТМЫ ПРОХОЖДЕНИЯ, МАШИННОЕ ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ, ОБОБЩЕННАЯ СРЕДА, СЦЕНАРИИ, ТЕСТИРОВАНИЕ, ИМИТАЦИЯ ДОРОЖНОГО ДВИЖЕНИЯ. Объект исследования – алгоритмы прохождения перекрёстков в моделях имитации дорожного движения с применением машинного обучения с подкреплением. Предмет исследования – методы разработки и тестирования обобщённой среды для обучения и оценки алгоритмов пересечения перекрёстков автономными агентами. Цель исследования – анализ и сравнение существующих подходов к реализации алгоритмов пересечения перекрёстков автономными агентами, построение двухмерной обобщённой среды для их обучения, разработка набора сценариев с вариативными условиями и оценка эффективности алгоритмов в этой среде. Методы исследования – методы машинного обучения, алгоритмы обучения с подкреплением, симуляционные модели дорожного движения, методы анализа и сравнения производительности, методы генерализации и тестирования. Полученные результаты и их новизна – разработана двухмерная обобщённая тестовая среда с параметрической генерацией сценариев перекрёстков, реализованы и протестированы различные алгоритмы прохождения перекрёстков, проведена комплексная оценка их производительности в условиях неопределённости и изменяющихся параметров среды. Новизна заключается в оптимизации процесса тестирования алгоритмов путем перехода от трехмерной к двухмерной платформе для универсального тестирования алгоритмов принятия решений на перекрёстках с возможностью гибкой генерации сценариев и анализа способности моделей к обобщению. Достоверность материалов и результатов дипломной работы – все представленные расчётные и аналитические материалы объективно отражают состояние исследуемой области, а все теоретические и методологические положения, заимствованные из литературных и иных источников, сопровождаются корректными ссылками. Область возможного практического применения – разработанная среда может использоваться в академических и прикладных исследованиях в области автономного вождения, для тестирования и обучения алгоритмов в системах симулированного или реального автономного транспорта.