id
int64
18
18.8k
created_at
timestamp[ns, tz=UTC]date
2026-02-23 07:30:20
2026-02-24 14:51:09
updated_at
timestamp[ns, tz=UTC]date
2026-02-23 08:08:14
2026-02-24 14:51:09
doc_name
stringclasses
1 value
input
stringlengths
11
9.24k
output
stringlengths
0
738
is_personal
bool
2 classes
is_sentence
bool
2 classes
is_corrected
bool
2 classes
17,757
2026-02-24T14:03:42.798000Z
2026-02-24T14:03:42.798000Z
Lec.
Основные характеристики CARLA:
false
true
false
17,756
2026-02-24T14:03:40.235000Z
2026-02-24T14:03:40.235000Z
Lec.
Реализованный в виде открытой программной платформы на базе движка Unreal Engine, симулятор CARLA обеспечивает:
false
true
false
17,755
2026-02-24T14:03:37.745000Z
2026-02-24T14:03:37.745000Z
Lec.
CARLA (CAR Learning to Act) представляет собой специализированный симулятор автономного вождения с открытым исходным кодом, изначально разработанный для поддержки полного цикла разработки, обучения и верификации систем автономного управления в условиях городской среды [49]
false
true
false
17,754
2026-02-24T14:03:34.148000Z
2026-02-24T14:03:34.148000Z
Lec.
Это позволяет контролировать поведение транспортных средств, получать данные о симуляции и реализовывать сложные алгоритмы управления, включая логику автономного вождения и V2X взаимодействия
false
true
false
17,753
2026-02-24T14:03:31.106000Z
2026-02-24T14:03:31.106000Z
Lec.
Traffic Control Interface – возможность внешним программам (написанным на Python, C++, Java и других языках) взаимодействовать с запущенной симуляцией SUMO в режиме реального времени
false
true
false
17,752
2026-02-24T14:03:28.274000Z
2026-02-24T14:03:28.274000Z
Lec.
Поддержка различных форматов входных данных: SUMO может импортировать дорожные сети из различных форматов (например, OpenStreetMap [63]) и принимать описания трафика в различных форматах XML;
false
true
false
17,751
2026-02-24T14:03:25.798000Z
2026-02-24T14:03:25.798000Z
Lec.
Гибкость: SUMO предлагает широкие возможности для настройки дорожных сетей, транспортных потоков, поведения водителей, моделей транспортных средств и правил дорожного движения;
false
true
false
17,750
2026-02-24T14:03:23.013000Z
2026-02-24T14:03:23.013000Z
Lec.
Открытый исходный код: SUMO предоставляет пользователям полный доступ к коду, возможность его модификации и расширения, а также бесплатное использование;
false
true
false
17,749
2026-02-24T14:03:20.232000Z
2026-02-24T14:03:20.232000Z
Lec.
Микроскопическое моделирование: SUMO моделирует поведение каждого транспортного средства индивидуально, учитывая его динамические характеристики (ускорение, торможение, максимальная скорость), взаимодействие с другими участниками движения и правила дорожного движения;
false
true
false
17,748
2026-02-24T14:03:17.403000Z
2026-02-24T14:03:17.403000Z
Lec.
Основные характеристики SUMO:
false
true
false
17,747
2026-02-24T14:03:15.010000Z
2026-02-24T14:03:15.010000Z
Lec.
Благодаря своей гибкости, обширным возможностям настройки и активному сообществу, SUMO стал популярным инструментом для исследований в области транспортного планирования, оптимизации трафика, а также для моделирования поведения подключенного и беспилотного транспорта
false
true
false
17,746
2026-02-24T14:03:12.169000Z
2026-02-24T14:03:12.169000Z
Lec.
SUMO позволяет моделировать движение каждого отдельного транспортного средства на дорожной сети
false
true
false
17,745
2026-02-24T14:03:09.349000Z
2026-02-24T14:03:09.349000Z
Lec.
Simulation of Urban Mobility (SUMO) — это бесплатный и открытый микроскопический симулятор дорожного движения [48]
false
true
false
17,744
2026-02-24T14:03:06.362000Z
2026-02-24T14:03:06.362000Z
Lec.
Ниже представлен анализ наиболее распространенных
false
true
false
17,743
2026-02-24T14:03:03.918000Z
2026-02-24T14:03:03.918000Z
Lec.
Используются методы квантовой механики
false
true
false
17,742
2026-02-24T14:03:01.377000Z
2026-02-24T14:03:01.377000Z
Lec.
Наноскопический уровень – моделирование квантовых эффектов, наноструктур (например, углеродные нанотрубки, квантовые точки)
false
true
false
17,741
2026-02-24T14:02:57.879000Z
2026-02-24T14:02:57.879000Z
Lec.
Позволяет изучать фазовые переходы, диффузию, химические реакции
false
true
false
17,740
2026-02-24T14:02:55.104000Z
2026-02-24T14:02:55.104000Z
Lec.
Микроскопический уровень – моделирование на уровне атомов и молекул
false
true
false
17,739
2026-02-24T14:02:52.726000Z
2026-02-24T14:02:52.726000Z
Lec.
Применяются методы кинетических уравнений, метода дискретных элементов, моделирования методом решеточных Больцмановских уравнений [68]
false
true
false
17,738
2026-02-24T14:02:49.729000Z
2026-02-24T14:02:49.729000Z
Lec.
Мезоскопический уровень – промежуточный масштаб между макро- и микроуровнями
false
true
false
17,737
2026-02-24T14:02:47.241000Z
2026-02-24T14:02:47.241000Z
Lec.
Используются методы механики сплошных сред, термодинамики и уравнений в частных производных
false
true
false
17,736
2026-02-24T14:02:44.340000Z
2026-02-24T14:02:44.340000Z
Lec.
Макроскопический уровень – моделирование крупных систем (например, инженерные конструкции, атмосферные явления, гидродинамика)
false
true
false
17,735
2026-02-24T14:02:41.176000Z
2026-02-24T14:02:41.176000Z
Lec.
Симулятор позволяет моделировать физические, химические и биологические процессы на разных уровнях детализации [66 - 67]:
false
true
false
17,734
2026-02-24T14:02:38.414000Z
2026-02-24T14:02:38.414000Z
Lec.
Существует множество программных средств, каждое из которых обладает своими особенностями, преимуществами и недостатками
false
true
false
17,733
2026-02-24T14:02:35.815000Z
2026-02-24T14:02:35.815000Z
Lec.
В конечном итоге, комбинированное использование различных подходов может привести к созданию более интеллектуальной, безопасной и эффективной транспортной системы будущего
false
true
false
17,732
2026-02-24T14:02:32.987000Z
2026-02-24T14:02:32.987000Z
Lec.
Внедрение этих технологий, вероятно, будет поэтапным, начиная с более простых сценариев и постепенно охватывая более сложные и масштабные системы
false
true
false
17,731
2026-02-24T14:02:29.921000Z
2026-02-24T14:02:29.921000Z
Lec.
Масштабируемость и сложность реализации возрастают при переходе от локальных решений к управлению на уровне сети
false
true
false
17,730
2026-02-24T14:02:27.304000Z
2026-02-24T14:02:27.304000Z
Lec.
Важно отметить, что эффективность каждого подхода тесно связана с надежностью и своевременностью обмена информацией по V2X коммуникациям, а также с проблемой интеграции с существующим, неавтоматизированным трафиком
false
true
false
17,729
2026-02-24T14:02:24.417000Z
2026-02-24T14:02:24.417000Z
Lec.
Наконец, оптимизация трафика на уровне сети ставит своей целью глобальное улучшение транспортной ситуации за счет скоординированных мер управления в масштабе всей дорожной сети
false
true
false
17,728
2026-02-24T14:02:21.416000Z
2026-02-24T14:02:21.416000Z
Lec.
Совместное слияние потоков и изменение полосы движения направлены на улучшение маневрирования в зонах слияния и при перестроениях, повышая безопасность и пропускную способность
false
true
false
17,727
2026-02-24T14:02:18.458000Z
2026-02-24T14:02:18.459000Z
Lec.
CACC и управление караванами фокусируются на повышении эффективности и безопасности движения в группах на прямых участках дорог, в то время как совместное управление на перекрестках стремится оптимизировать проезд через узловые точки транспортной сети
false
true
false
17,726
2026-02-24T14:02:15.315000Z
2026-02-24T14:02:15.315000Z
Lec.
Анализ существующих подходов к CDA для подключенного беспилотного транспорта показывает, что каждый из них нацелен на решение специфических задач и оптимизацию движения на различных уровнях дорожной сети
false
true
false
17,725
2026-02-24T14:02:12.510000Z
2026-02-24T14:02:12.510000Z
Lec.
Низкий (концептуальные разработки и исследовательские проекты)
false
true
false
17,724
2026-02-24T14:02:10.046000Z
2026-02-24T14:02:10.046000Z
Lec.
Средний (активные исследования и экспериментальные внедрения)
false
true
false
17,723
2026-02-24T14:02:07.618000Z
2026-02-24T14:02:07.618000Z
Lec.
Относительно высокий (активные испытания и некоторые ограниченные внедрения)
false
true
false
17,722
2026-02-24T14:02:05.183000Z
2026-02-24T14:02:05.183000Z
Lec.
Уровень зрелости технологии
false
true
false
17,721
2026-02-24T14:02:01.576000Z
2026-02-24T14:02:01.576000Z
Lec.
Сложность реализации и масштабирования, требования к инфраструктуре, безопасность и конфиденциальность данных, управление смешанным трафиком
false
false
false
17,720
2026-02-24T14:01:58.814000Z
2026-02-24T14:01:58.814000Z
Lec.
Управление смешанным трафиком, реакция на непредсказуемое поведение, масштабируемость, отказоустойчивость связи
false
true
false
17,719
2026-02-24T14:01:56.418000Z
2026-02-24T14:01:56.418000Z
Lec.
Управление смешанным трафиком (пешеходы, неавтоматизированные автомобили), безопасность, масштабируемость, переходные стратегии
false
true
false
17,718
2026-02-24T14:01:53.225000Z
2026-02-24T14:01:53.225000Z
Lec.
Устойчивость цепочки, управление смешанным трафиком, формирование и роспуск караванов, отказоустойчивость связи
false
true
false
17,717
2026-02-24T14:01:50.761000Z
2026-02-24T14:01:50.761000Z
Lec.
Основные недостатки и проблемы
false
false
false
17,716
2026-02-24T14:01:48.369000Z
2026-02-24T14:01:48.369000Z
Lec.
Увеличение пропускной способности сети, снижение заторов, времени в пути и выбросов
false
true
false
17,715
2026-02-24T14:01:45.434000Z
2026-02-24T14:01:45.434000Z
Lec.
Повышение безопасности и плавности смены полосы, снижение помех для других участников движения
false
true
false
17,714
2026-02-24T14:01:42.823000Z
2026-02-24T14:01:42.823000Z
Lec.
Снижение заторов на полосах слияния, предотвращение резких маневров, увеличение пропускной способности
false
true
false
17,713
2026-02-24T14:01:39.590000Z
2026-02-24T14:01:39.590000Z
Lec.
Увеличение пропускной способности, снижение задержек, повышение безопасности на перекрестках
false
true
false
17,712
2026-02-24T14:01:36.708000Z
2026-02-24T14:01:36.708000Z
Lec.
Увеличение пропускной способности, снижение расхода топлива (в караванах), повышение безопасности (за счет быстрого реагирования)
false
true
false
17,711
2026-02-24T14:01:33.850000Z
2026-02-24T14:01:33.850000Z
Lec.
Основные преимущества
false
true
false
17,710
2026-02-24T14:01:31.310000Z
2026-02-24T14:01:31.310000Z
Lec.
V2I и V2V (для сбора данных о трафике и распространения команд управления)
false
false
false
17,709
2026-02-24T14:01:28.520000Z
2026-02-24T14:01:28.520000Z
Lec.
V2V (для обмена информацией о положении, скорости и намерениях)
false
false
false
17,708
2026-02-24T14:01:25.833000Z
2026-02-24T14:01:25.833000Z
Lec.
V2I и V2V (надежность и низкая задержка для обмена информацией о намерениях и резервациях)
false
false
false
17,707
2026-02-24T14:01:23.236000Z
2026-02-24T14:01:23.236000Z
Lec.
V2V (высокая надежность и низкая задержка для поддержания малых интервалов)
false
true
false
17,706
2026-02-24T14:01:20.374000Z
2026-02-24T14:01:20.374000Z
Lec.
Требования к коммуникации
false
true
false
17,705
2026-02-24T14:01:17.652000Z
2026-02-24T14:01:17.652000Z
Lec.
Глобальная координация на уровне всей дорожной сети (централизованная или распределенная)
false
true
false
17,704
2026-02-24T14:01:15.161000Z
2026-02-24T14:01:15.161000Z
Lec.
Локальная координация между автомобилем, меняющим полосу, и автомобилями в целевой полосе
false
true
false
17,703
2026-02-24T14:01:12.670000Z
2026-02-24T14:01:12.670000Z
Lec.
Локальная координация между автомобилями в зоне слияния
false
true
false
17,702
2026-02-24T14:01:10.243000Z
2026-02-24T14:01:10.243000Z
Lec.
Локальная координация на уровне перекрестка (между приближающимися автомобилями и/или инфраструктурой)
false
true
false
17,701
2026-02-24T14:01:07.764000Z
2026-02-24T14:01:07.764000Z
Lec.
В основном локальная координация внутри группы (каравана)
false
true
false
17,700
2026-02-24T14:01:05.342000Z
2026-02-24T14:01:05.342000Z
Lec.
Уровень координации
false
true
false
17,699
2026-02-24T14:01:02.621000Z
2026-02-24T14:01:02.621000Z
Lec.
Городские и междугородние дорожные сети
false
true
false
17,698
2026-02-24T14:01:00.145000Z
2026-02-24T14:01:00.145000Z
Lec.
Многополосные дороги с интенсивным движением, где часто происходят смены полос
false
true
false
17,697
2026-02-24T14:00:57.314000Z
2026-02-24T14:00:57.314000Z
Lec.
Зоны слияния (съезды на автомагистрали, перестроения из вспомогательных полос)
false
false
false
17,696
2026-02-24T14:00:54.755000Z
2026-02-24T14:00:54.755000Z
Lec.
Перекрестки (регулируемые и нерегулируемые)
false
true
false
17,695
2026-02-24T14:00:52.301000Z
2026-02-24T14:00:52.301000Z
Lec.
Автомагистрали, прямые участки дорог с интенсивным движением
false
true
false
17,694
2026-02-24T14:00:49.890000Z
2026-02-24T14:00:49.890000Z
Lec.
Основной сценарий применения
false
false
false
17,693
2026-02-24T14:00:44.203000Z
2026-02-24T14:00:44.203000Z
Lec.
Оптимизация трафика в масштабе сети, снижение заторов, времени в пути и выбросов
false
true
false
17,692
2026-02-24T14:00:41.165000Z
2026-02-24T14:00:41.165000Z
Lec.
Безопасное, плавное и эффективное перестроение между полосами движения
false
true
false
17,691
2026-02-24T14:00:38.733000Z
2026-02-24T14:00:38.733000Z
Lec.
Безопасное и эффективное объединение транспортных потоков, снижение заторов на полосах слияния
false
true
false
17,690
2026-02-24T14:00:36.207000Z
2026-02-24T14:00:36.207000Z
Lec.
Увеличение пропускной способности перекрестков, снижение задержек и повышение безопасности
false
true
false
17,689
2026-02-24T14:00:33.274000Z
2026-02-24T14:00:33.274000Z
Lec.
Поддержание близких интервалов, снижение аэродинамического сопротивления, увеличение пропускной способности на прямых участках
false
true
false
17,688
2026-02-24T14:00:30.397000Z
2026-02-24T14:00:30.397000Z
Lec.
Основная цель
false
true
false
17,687
2026-02-24T14:00:26.146000Z
2026-02-24T14:00:26.146000Z
Lec.
Cooperative Lane Changing
false
true
false
17,686
2026-02-24T14:00:23.831000Z
2026-02-24T14:00:23.831000Z
Lec.
Cooperative Merging
false
true
false
17,685
2026-02-24T14:00:21.194000Z
2026-02-24T14:00:21.194000Z
Lec.
Проведем сравнение существующих подходов к CDA для подключенного беспилотного транспорта, выделив их ключевые характеристики, преимущества и недостатки
false
true
false
17,684
2026-02-24T14:00:17.997000Z
2026-02-24T14:00:17.997000Z
Lec.
Это позволяет минимизировать количество остановок и задержек на перекрестках, а также динамически адаптировать фазы светофоров в зависимости от текущей загруженности различных направлений
false
true
false
17,683
2026-02-24T14:00:14.966000Z
2026-02-24T14:00:14.966000Z
Lec.
Вместо независимой оптимизации каждого светофора, V2I и V2V данные могут использоваться для координации работы светофоров на уровне целой сети
false
true
false
17,682
2026-02-24T14:00:12.119000Z
2026-02-24T14:00:12.119000Z
Lec.
Оптимизация работы светофоров на уровне сети (Network-Level Traffic Signal Optimization)
false
true
false
17,681
2026-02-24T14:00:09.392000Z
2026-02-24T14:00:09.392000Z
Lec.
Информация о пробках и альтернативных маршрутах может передаваться через V2I и V2V. 4
false
true
false
17,680
2026-02-24T14:00:06.759000Z
2026-02-24T14:00:06.759000Z
Lec.
На основе анализа информации о заторах, авариях и других событиях, влияющих на трафик, система может рекомендовать или даже автоматически перенаправлять подключенные транспортные средства по альтернативным маршрутам, чтобы избежать перегруженных участков и снизить общее время в пути
false
true
false
17,679
2026-02-24T14:00:03.861000Z
2026-02-24T14:00:03.861000Z
Lec.
Перенаправление трафика (Traffic Re-routing)
false
true
false
17,678
2026-02-24T14:00:01.404000Z
2026-02-24T14:00:01.404000Z
Lec.
Информация о конфигурации полос передается AV через V2I. 3
false
true
false
17,677
2026-02-24T13:59:58.618000Z
2026-02-24T13:59:58.618000Z
Lec.
На основе информации о загруженности полос, направлении движения и наличии специальных транспортных средств [47] (например, общественного транспорта, автомобилей с несколькими пассажирами), система может динамически изменять назначение полос движения (например, реверсивные полосы, полосы только для AV), направляя трафик по менее загруженным маршрутам и повышая эффективность использования дорожной инфраструктуры
false
true
false
17,676
2026-02-24T13:59:55.643000Z
2026-02-24T13:59:55.643000Z
Lec.
Управление полосами движения (Lane Management)
false
true
false
17,675
2026-02-24T13:59:53.150000Z
2026-02-24T13:59:53.150000Z
Lec.
Оптимально подобранные скоростные режимы могут улучшать трафик, предотвращать образование заторов и повышать среднюю скорость потока. 2
false
true
false
17,674
2026-02-24T13:59:50.179000Z
2026-02-24T13:59:50.179000Z
Lec.
На основе информации о текущей загруженности различных участков сети, погодных условиях и инцидентах, централизованная система (или децентрализованная группа AV) динамически регулирует скоростные ограничения, передавая эту информацию подключенным транспортным средствам через V2I или V2V [46]
false
true
false
17,673
2026-02-24T13:59:47.286000Z
2026-02-24T13:59:47.286000Z
Lec.
Динамическое управление скоростным режимом (Dynamic Speed Limit Control)
false
true
false
17,672
2026-02-24T13:59:44.597000Z
2026-02-24T13:59:44.597000Z
Lec.
Основные подходы к оптимизации трафика на уровне сети:. 1
false
true
false
17,671
2026-02-24T13:59:42.004000Z
2026-02-24T13:59:42.004000Z
Lec.
В отличие от локальных мер управления (например, CACC или CIM, ориентированных на отдельные транспортные средства или перекрестки), сетевая оптимизация стремится к глобальному улучшению транспортной ситуации за счет координации действий большого числа участников дорожного движения и элементов инфраструктуры
false
true
false
17,670
2026-02-24T13:59:39.234000Z
2026-02-24T13:59:39.234000Z
Lec.
Целью является увеличение пропускной способности сети, снижение заторов, уменьшение времени в пути, повышение безопасности и снижение вредных выбросов
false
true
false
17,669
2026-02-24T13:59:36.733000Z
2026-02-24T13:59:36.733000Z
Lec.
Этот подход предполагает использование возможностей V2I и V2V коммуникаций для сбора и анализа информации о дорожном движении в масштабе целой сети (например, города, региона или автомагистральной сети) и принятия скоординированных мер управления для оптимизации общего потока трафика
false
true
false
17,668
2026-02-24T13:59:33.668000Z
2026-02-24T13:59:33.668000Z
Lec.
Это может включать в себя определение ускорений, скоростей и боковых смещений для всех участвующих автомобилей
false
true
false
17,667
2026-02-24T13:59:30.857000Z
2026-02-24T13:59:30.857000Z
Lec.
AV, участвующие в маневре смены полосы (запрашивающий автомобиль и автомобили в целевой полосе), совместно планируют свои траектории движения во времени и пространстве, чтобы обеспечить безопасное и плавное выполнение маневра [45]
false
true
false
17,666
2026-02-24T13:59:27.778000Z
2026-02-24T13:59:27.778000Z
Lec.
Совместное планирование траекторий (Cooperative Trajectory Planning)
false
true
false
17,665
2026-02-24T13:59:25.009000Z
2026-02-24T13:59:25.009000Z
Lec.
Кооперация заключается в том, что автомобили в целевой полосе также могут оценивать риск и передавать эту информацию запрашивающему автомобилю, либо предпринимать упреждающие действия (например, незначительно изменять скорость) для снижения риска и облегчения маневра. 3
false
true
false
17,664
2026-02-24T13:59:22.250000Z
2026-02-24T13:59:22.250000Z
Lec.
AV, желающее сменить полосу, оценивает риск столкновения с автомобилями в целевой полосе на основе информации, полученной по V2V (положение, скорость, ускорение) [44]
false
true
false
17,663
2026-02-24T13:59:19.397000Z
2026-02-24T13:59:19.397000Z
Lec.
Управление на основе оценки риска (Risk Assessment Based Control)
false
true
false
17,662
2026-02-24T13:59:16.728000Z
2026-02-24T13:59:16.728000Z
Lec.
Автомобили в целевой полосе анализируют ситуацию и могут либо явно подтвердить возможность безопасной смены полосы (например, если есть достаточный интервал), либо скорректировать свою скорость, чтобы создать необходимый интервал, и затем подтвердить запрос. 2
false
true
false
17,661
2026-02-24T13:59:13.671000Z
2026-02-24T13:59:13.671000Z
Lec.
AV, желающее сменить полосу, отправляет запрос (содержащий информацию о своем положении, скорости, намерении и целевой полосе) автомобилям, находящимся в целевой полосе впереди и сзади [43]
false
true
false
17,660
2026-02-24T13:59:11.215000Z
2026-02-24T13:59:11.215000Z
Lec.
Протоколы запроса и подтверждения (Request and Acknowledge Protocols)
false
true
false
17,659
2026-02-24T13:59:08.913000Z
2026-02-24T13:59:08.913000Z
Lec.
Основные подходы к совместному изменению полосы движения:. 1
false
true
false
17,658
2026-02-24T13:59:06.236000Z
2026-02-24T13:59:06.236000Z
Lec.
В отличие от автономного изменения полосы движения, которое полагается исключительно на бортовые сенсоры для оценки безопасности и выполнении маневра, CLC использует информацию, полученную от других подключенных транспортных средств, для принятия более обоснованных и скоординированных решений
false
true
false