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
9,757
2026-02-24T09:35:22.186000Z
2026-02-24T09:35:22.186000Z
Lec.
Работает медленнее, чем Message Passing Interface, так работает по принципу обмена сообщениями через файловые каналы на общем хосте
false
true
false
9,756
2026-02-24T09:35:20.569000Z
2026-02-24T09:35:20.569000Z
Lec.
Named pipe [4, 29] – альтернативный способ, используемый для запуска на одном ПК с многоядерным процессором без установки MPI
false
true
false
9,755
2026-02-24T09:35:18.853000Z
2026-02-24T09:35:18.853000Z
Lec.
Упомянутый алгоритм реализован в классе cMPICommunications в атрибуте parsim-communications-class
false
true
false
9,754
2026-02-24T09:35:17.321000Z
2026-02-24T09:35:17.321000Z
Lec.
При использовании данного алгоритма все процессы-симуляторы объединяются в MPI-коммуникатор, а отправка межразделенных сообщений осуществляется MPI-посылками
false
true
false
9,753
2026-02-24T09:35:15.753000Z
2026-02-24T09:35:15.753000Z
Lec.
Message Passing Interface standard [4, 29]
false
true
false
9,752
2026-02-24T09:35:13.862000Z
2026-02-24T09:35:13.862000Z
Lec.
В документации для OMNeT++ 5.6.2 предлагается два варианта обмена информацией между процессами
false
true
false
9,751
2026-02-24T09:35:11.578000Z
2026-02-24T09:35:11.578000Z
Lec.
При разбиении модели, если два модуля-соседа находятся на разных процессах, в каждом LP создается модуль-плейсхолдер, фиктивная копия удаленного модуля, и proxy-gate (проксирующий шлюз) на месте соединения
false
true
false
9,750
2026-02-24T09:35:09.913000Z
2026-02-24T09:35:09.913000Z
Lec.
OMNeT++ реализует специальные механизмы для прозрачного взаимодействия модулей через границы LP: модули-плейсхолдеры и прокси-порты
false
true
false
9,749
2026-02-24T09:35:08.119000Z
2026-02-24T09:35:08.119000Z
Lec.
На уровне сети (внутри одного сценария): сетевой уровень в контексте параллельной симуляции связан коммуникациями между модулями, находящимися в разных разделах
false
true
false
9,748
2026-02-24T09:35:06.340000Z
2026-02-24T09:35:06.340000Z
Lec.
Как пример, в документации предлагается использование консервативного алгоритма Null Message Algorithm, который отправляет “нулевые сообщения”, которые объявляют интервал времени без событий [4, 29]
false
true
false
9,747
2026-02-24T09:35:04.574000Z
2026-02-24T09:35:04.574000Z
Lec.
На уровне событий (синхронизация по времени): OMNeT++ запускает несколько инстанций одного сценария, поэтому необходимо синхронизировать их вычисления для предотвращения ситуаций, когда одна инстанция долго ждет вычисления других
false
true
false
9,746
2026-02-24T09:35:02.842000Z
2026-02-24T09:35:02.842000Z
Lec.
За упомянутый уровень отвечает атрибут partition-id
false
true
false
9,745
2026-02-24T09:35:01.254000Z
2026-02-24T09:35:01.254000Z
Lec.
На уровне модулей (агентов): Модель разбивается на подмножества моделей, за которыми закрепляются логические процессы, чтобы потом их поведение вычислялось параллельно
false
true
false
9,744
2026-02-24T09:34:59.493000Z
2026-02-24T09:34:59.493000Z
Lec.
В данном случае каждый LP обрабатывает свое подмножество модулей, а между LP происходит обмен сообщениями для синхронизации событий
false
true
false
9,743
2026-02-24T09:34:57.858000Z
2026-02-24T09:34:57.858000Z
Lec.
OMNeT++ поддерживает параллельное моделирование на уровне ядра посредством разделения модели на несколько логических процессов (LP), каждый из которых выполняется как отдельный процесс ОС
false
true
false
9,742
2026-02-24T09:34:56.097000Z
2026-02-24T09:34:56.097000Z
Lec.
Полученные результаты позволяют утверждать, что алгоритм обеспечивает эффективное управление трафиком, минимизируя негативные последствия парадокса Браесса и улучшая общую производительность транспортной системы
false
true
false
9,741
2026-02-24T09:34:54.323000Z
2026-02-24T09:34:54.324000Z
Lec.
Тестирование подтвердило, что алгоритм масштабируется и демонстрирует стабильную эффективность при различных типах дорожных сетей и условиях загрузки, что особенно важно для перспектив применения технологии подключенного и беспилотного транспорта
false
true
false
9,740
2026-02-24T09:34:52.556000Z
2026-02-24T09:34:52.556000Z
Lec.
В условиях реальной городской сети (Китай-город) также отмечается ощутимое улучшение показателей загруженности и уменьшение средних задержек на 9%
false
true
false
9,739
2026-02-24T09:34:50.788000Z
2026-02-24T09:34:50.789000Z
Lec.
На сети Sioux Falls удалось снизить среднее время поездки на 12% по сравнению с неуправляемой ситуацией, что подтверждается результатами
false
true
false
9,738
2026-02-24T09:34:49.037000Z
2026-02-24T09:34:49.037000Z
Lec.
При тестировании на сети Braess Simple алгоритм предотвратил появление парадокса Браесса, обеспечив равномерное распределение транспортного потока
false
true
false
9,737
2026-02-24T09:34:47.276000Z
2026-02-24T09:34:47.276000Z
Lec.
Экспериментальные результаты, полученные в ходе тестирования алгоритма на указанных сетях, демонстрируют его эффективность в снижении среднего времени поездки и числа критических ситуаций, обусловленных перегрузкой отдельных участков
false
true
false
9,736
2026-02-24T09:34:45.374000Z
2026-02-24T09:34:45.374000Z
Lec.
Сеть района Китай-город в Москве
false
true
false
9,735
2026-02-24T09:34:43.717000Z
2026-02-24T09:34:43.717000Z
Lec.
Сеть Braess Complex
false
false
false
9,734
2026-02-24T09:34:42.185000Z
2026-02-24T09:34:42.185000Z
Lec.
Сеть Braess Simple
false
false
false
9,733
2026-02-24T09:34:40.783000Z
2026-02-24T09:34:40.783000Z
Lec.
Реальная сеть, сгенерированная через OSMWebWizard [18]: Сеть района Китай-город в Москве, которая позволяет проверить эффективность алгоритма в условиях реальной городской среды (Рисунок 3)
false
true
false
9,732
2026-02-24T09:34:38.817000Z
2026-02-24T09:34:38.817000Z
Lec.
Сеть Sioux Falls: используется для оценки масштабируемости алгоритма и представляет собой модель дорожной сети с 24 узлами и 76 ребрами [6]
false
true
false
9,731
2026-02-24T09:34:36.963000Z
2026-02-24T09:34:36.963000Z
Lec.
Сеть Braess Complex: усложненная сеть с дополнительными узлами и перемычками, что позволяет проверить работу алгоритма в более реалистичных условиях с увеличенной сложностью маршрутов (Рисунок 2);
false
true
false
9,730
2026-02-24T09:34:35.207000Z
2026-02-24T09:34:35.207000Z
Lec.
Создана специально для демонстрации парадокса Браесса (Рисунок 1);
false
true
false
9,729
2026-02-24T09:34:33.431000Z
2026-02-24T09:34:33.431000Z
Lec.
Сеть Braess Simple: состоит из четырех узлов (Start, A, B, End) с возможными прямыми и обратными связями между ними
false
true
false
9,728
2026-02-24T09:34:31.722000Z
2026-02-24T09:34:31.722000Z
Lec.
Для тестирования алгоритма использованы следующие сети:
false
true
false
9,727
2026-02-24T09:34:30.187000Z
2026-02-24T09:34:30.187000Z
Lec.
Перепланировка происходит на основе текущей и прогнозируемой загруженности сети
false
true
false
9,726
2026-02-24T09:34:28.552000Z
2026-02-24T09:34:28.552000Z
Lec.
Порогом является 80% от критической плотности участка
false
true
false
9,725
2026-02-24T09:34:26.992000Z
2026-02-24T09:34:26.992000Z
Lec.
Также алгоритм предусматривает возможность перепланировки маршрута автомобилей в случае приближения к пороговой загрузке участка дороги
false
true
false
9,724
2026-02-24T09:34:25.422000Z
2026-02-24T09:34:25.422000Z
Lec.
В алгоритме также используются виртуальные резервации – временные отметки на участках дороги, отражающие планируемое размещение автомобилей, которые предотвращают возникновение перегрузок за счет предварительного учета будущей загруженности
false
true
false
9,723
2026-02-24T09:34:23.607000Z
2026-02-24T09:34:23.607000Z
Lec.
Где L – длина участка, v – ограничение скорости, h – минимальный безопасный временной интервал между автомобилями, обычно принимаемый за 2 секунды
false
false
false
9,722
2026-02-24T09:34:21.944000Z
2026-02-24T09:34:21.944000Z
Lec.
Для каждого участка дороги определяется критическая плотность, рассчитываемая по формуле:
false
true
false
9,721
2026-02-24T09:34:20.258000Z
2026-02-24T09:34:20.258000Z
Lec.
Прогноз основан на данных о текущем состоянии сети и предполагаемых траекториях движения автомобилей;
false
true
false
9,720
2026-02-24T09:34:18.605000Z
2026-02-24T09:34:18.605000Z
Lec.
Прогнозирование состояния сети: используется прогнозирование плотности и нагрузки на участках сети с горизонтом планирования (forecast horizon), равным 300 секунд
false
true
false
9,719
2026-02-24T09:34:16.962000Z
2026-02-24T09:34:16.962000Z
Lec.
Алгоритм предсказательного управления (MPC) строится на следующих основных принципах:
false
true
false
9,718
2026-02-24T09:34:15.383000Z
2026-02-24T09:34:15.383000Z
Lec.
Централизованный алгоритм маршрутизации на основе MPC реализован с использованием среды микроскопического моделирования дорожного движения SUMO
false
true
false
9,717
2026-02-24T09:34:13.677000Z
2026-02-24T09:34:13.677000Z
Lec.
Фактически, при централизованной маршрутизации парадокс Браесса не проявляется, так как система не позволяет возникновения ситуации, когда добавленная дорога используется сверх меры до деградации общего времени
false
true
false
9,716
2026-02-24T09:34:12.029000Z
2026-02-24T09:34:12.029000Z
Lec.
Поскольку центральный координатор учитывает влияние каждого решения на других, он способен избежать избыточного использования привлекательных, но ограниченных по пропускной способности путей
false
true
false
9,715
2026-02-24T09:34:10.267000Z
2026-02-24T09:34:10.267000Z
Lec.
Предполагается, централизованный алгоритм с применением Model Predictive Control (MPC) способен устранить данную неэффективность
false
true
false
9,714
2026-02-24T09:34:08.647000Z
2026-02-24T09:34:08.647000Z
Lec.
В научной литературе такой случай иллюстрируется на классической модели Пигу-Бресса, где добавление «нулевого» по времени ребра между двумя дорогами заставляет всех водителей ехать по новому маршруту, и итоговое время увеличивается [31]
false
true
false
9,713
2026-02-24T09:34:06.827000Z
2026-02-24T09:34:06.827000Z
Lec.
Например, известен типичный сценарий: при заторе на магистрали навигаторы рекомендовали бы свернуть на локальную улицу, но в таком случае на данной улице появляется новый затор и итоговое время в пути окажется даже больше, чем если бы никто не свернул [31]
false
true
false
9,712
2026-02-24T09:34:05.044000Z
2026-02-24T09:34:05.044000Z
Lec.
Когда каждому автомобилю предоставляется информация о текущих заторах и он сам перестраивает маршрут на наиболее быстрый, возникает эффект «самонадеянного навигатора»: многие машины одновременно перестраиваются на якобы свободный путь, и вследствие чего на нем возникает пробка
false
true
false
9,711
2026-02-24T09:34:03.247000Z
2026-02-24T09:34:03.248000Z
Lec.
В симуляционных экспериментах SUMO проявление парадокса Браесса четко наблюдается при децентрализованной маршрутизации
false
true
false
9,710
2026-02-24T09:34:01.495000Z
2026-02-24T09:34:01.495000Z
Lec.
Впервые упомянутый парадокс показал Дитрих Бресс на примере простой сети: когда каждый водитель выбирает минимальное индивидуальное время, общий равновесный поток способен оказаться менее эффективным, чем до введения новой связи [19]
false
true
false
9,709
2026-02-24T09:33:59.955000Z
2026-02-24T09:33:59.955000Z
Lec.
Парадокс Браесса – известный феномен в теории транспорта: добавление новой дороги или расширение пропускной способности сети вопреки интуиции способно ухудшить ситуацию с заторами, если пользователи выбирают маршруты эгоистично
false
true
false
9,708
2026-02-24T09:33:57.940000Z
2026-02-24T09:33:57.940000Z
Lec.
С учетом реализации параллелизации, архитектура CAVISE позволяет проводить эксперименты в многоагентной среде, близкой к реальности, и на достаточно крупном масштабе
false
true
false
9,707
2026-02-24T09:33:56.302000Z
2026-02-24T09:33:56.302000Z
Lec.
Для OMNeT++ предлагается исследовать возможность интеграции параллелизации, путем распределения вычислительной нагрузки между ядрами ЦП
false
true
false
9,706
2026-02-24T09:33:54.737000Z
2026-02-24T09:33:54.737000Z
Lec.
Серверная архитектура CARLA позволяет распределить управление различными группами агентов между клиентами, которые отправляют обработанные результаты на общий сервер
false
true
false
9,705
2026-02-24T09:33:53.089000Z
2026-02-24T09:33:53.089000Z
Lec.
Для решения проблемы масштабируемости предлагается интегрировать в среду CAVISE параллелизацию вычислений - задействование нескольких потоков/ядер или даже нескольких машин для одновременной симуляции разных частей задачи
false
true
false
9,704
2026-02-24T09:33:51.491000Z
2026-02-24T09:33:51.491000Z
Lec.
Моделирование каждого автономного транспортного средства в CARLA требует немалых ресурсов ЦП/ГП, а моделирование каждого пакета в OMNeT++ увеличивает время вычислений
false
true
false
9,703
2026-02-24T09:33:49.594000Z
2026-02-24T09:33:49.594000Z
Lec.
Хотя SUMO сама по себе рассчитана на серьезные нагрузки, добавление сложных компонентов, таких как CARLA и OMNeT++, приводит к увеличению вычислительной сложности
false
true
false
9,702
2026-02-24T09:33:47.840000Z
2026-02-24T09:33:47.840000Z
Lec.
Масштабируемость, или способность системы моделирования обрабатывать существенное количество агентов, имеет решающее значение, учитывая, что цель исследования включает в себя крупномасштабные сценарии, такие как масштабные городские районы и крупные дорожные развязки
false
true
false
9,701
2026-02-24T09:33:46.056000Z
2026-02-24T09:33:46.056000Z
Lec.
Даже автономные алгоритмы способны отклоняться, а связь прерываться, что приближает результаты симуляции к ожидаемой реальности и позволяет выявить сценарии, в которых даже при использовании CAV возникают пробки или аварии
false
true
false
9,700
2026-02-24T09:33:44.330000Z
2026-02-24T09:33:44.330000Z
Lec.
Кроме того, в симуляцию вводятся случайные факторы, чтобы предотвратить полностью детерминированное и идеальное поведение
false
true
false
9,699
2026-02-24T09:33:42.733000Z
2026-02-24T09:33:42.733000Z
Lec.
Для человекоуправляемых и автономных авто применяются калиброванные параметры реакции водителя, вероятность ошибок и т. д
false
true
false
9,698
2026-02-24T09:33:40.897000Z
2026-02-24T09:33:40.897000Z
Lec.
Реалистичность обеспечивается за счет использования разработанных моделей поведения автомобилей
false
true
false
9,697
2026-02-24T09:33:39.214000Z
2026-02-24T09:33:39.214000Z
Lec.
В рамках CAVISE для многоагентного моделирования необходимо решить проблемы реалистичности поведения и масштабируемости
false
true
false
9,696
2026-02-24T09:33:37.590000Z
2026-02-24T09:33:37.590000Z
Lec.
Концепция V2X-коммуникации является основополагающей для симуляции подключенного и беспилотного транспорта, и для получения достоверных результатов необходимо, чтобы моделирование несло многоагентный характер
false
true
false
9,695
2026-02-24T09:33:35.821000Z
2026-02-24T09:33:35.821000Z
Lec.
Затем сообщения обрабатываются логикой OpenCDA
false
true
false
9,694
2026-02-24T09:33:34.337000Z
2026-02-24T09:33:34.337000Z
Lec.
При возникновении события передачи пакета OMNeT++ уведомляет соответствующих агентов о получении сообщения
false
true
false
9,693
2026-02-24T09:33:32.585000Z
2026-02-24T09:33:32.585000Z
Lec.
Сетевой симулятор считывает текущие положения всех узлов из SUMO и использует данную информацию для расчета расстояний и силы сигнала
false
true
false
9,692
2026-02-24T09:33:30.652000Z
2026-02-24T09:33:30.652000Z
Lec.
Параллельно OMNeT++ подключается к SUMO через модуль TraCI Wrapper
false
true
false
9,691
2026-02-24T09:33:29.123000Z
2026-02-24T09:33:29.123000Z
Lec.
SUMO действует как сервер TraCI, а CARLA — как клиент, обновляя положение своих автомобилей в SUMO при каждой итерации
false
true
false
9,690
2026-02-24T09:33:27.163000Z
2026-02-24T09:33:27.163000Z
Lec.
Через интерфейс TraCI подмножество агентов в CARLA синхронизируется с SUMO: либо SUMO получает обновленные координаты автомобилей от CARLA и включает их в общее моделирование, либо, наоборот, SUMO передает информацию об изменениях окружающей среды в CARLA
false
true
false
9,689
2026-02-24T09:33:25.458000Z
2026-02-24T09:33:25.458000Z
Lec.
На каждом шаге CARLA рассчитывает динамику автомобилей, назначенных ей, а SUMO рассчитывает динамику всех остальных автомобилей
false
true
false
9,688
2026-02-24T09:33:23.701000Z
2026-02-24T09:33:23.701000Z
Lec.
SUMO обеспечивает глобальный таймер и шаг моделирования
false
true
false
9,687
2026-02-24T09:33:21.972000Z
2026-02-24T09:33:21.972000Z
Lec.
Компоненты архитектуры CAVISE соединены между собой с помощью комбинации подходов совместного моделирования и обмена сообщениями
false
true
false
9,686
2026-02-24T09:33:20.173000Z
2026-02-24T09:33:20.173000Z
Lec.
Модули обрабатывают поступающую информацию от проприетарных датчиков и сообщений V2X и принимают решения для автономных транспортных средств [30]
false
true
false
9,685
2026-02-24T09:33:18.331000Z
2026-02-24T09:33:18.331000Z
Lec.
Упомянутые модули реализуют алгоритмы, которые работают на данных из симуляторов CARLA, SUMO и OMNeT++
false
true
false
9,684
2026-02-24T09:33:16.683000Z
2026-02-24T09:33:16.683000Z
Lec.
CAVISE дополнительно включает модули OpenCDA, которые обеспечивают логический уровень совместного вождения
false
true
false
9,683
2026-02-24T09:33:14.874000Z
2026-02-24T09:33:14.874000Z
Lec.
Он генерирует кооперативные сообщения, моделирует передачу и прием пакетов по беспроводной сети IEEE 802.11p и учитывает задержки распространения, помехи и другие характеристики радиоканала [2]
false
true
false
9,682
2026-02-24T09:33:13.023000Z
2026-02-24T09:33:13.023000Z
Lec.
Модуль Artery построен на базе OMNeT++ и реализует модель связи, соответствующую стандарту ETSI ITS-G5
false
true
false
9,681
2026-02-24T09:33:11.258000Z
2026-02-24T09:33:11.258000Z
Lec.
Artery моделирует обмен данными между транспортными средствами, а также между транспортными средствами и инфраструктурой с помощью протоколов связи, таких как ITS-G5 (IEEE 802.11p)
false
true
false
9,680
2026-02-24T09:33:09.479000Z
2026-02-24T09:33:09.479000Z
Lec.
Artery — платформа для моделирования подключенных транспортных средств (CV) на базе OMNeT++
false
true
false
9,679
2026-02-24T09:33:07.582000Z
2026-02-24T09:33:07.582000Z
Lec.
В контексте CAVISE OMNeT++ представляет собой сетевой симулятор, в котором транспортные средства и узлы инфраструктуры представлены сетевыми узлами, которые обмениваются пакетами в соответствии с заранее заданными сценариями., что позволяет моделировать реалистичное поведение сети, включая конкуренцию за время доступа ...
false
true
false
9,678
2026-02-24T09:33:05.694000Z
2026-02-24T09:33:05.694000Z
Lec.
С помощью фреймворка Artery OMNeT++ позволяет изучать влияние технологий V2X на безопасность и эффективность дорожного движения [2]
false
true
false
9,677
2026-02-24T09:33:03.843000Z
2026-02-24T09:33:03.843000Z
Lec.
Также OMNeT++ является универсальной системой разработки и тестирования протоколов связи, что делает ее стандартным инструментом для моделирования связи между подключенными транспортными средствами
false
true
false
9,676
2026-02-24T09:33:02.084000Z
2026-02-24T09:33:02.084000Z
Lec.
OMNeT++ — платформа для моделирования дискретных событий, которая широко используется для моделирования сетей связи, в том числе сетей V2X
false
true
false
9,675
2026-02-24T09:33:00.287000Z
2026-02-24T09:33:00.287000Z
Lec.
SUMO обновляет положение каждого транспортного средства с короткими интервалами на основе заранее определенных моделей поведения водителей (например, алгоритма следования за лидером типа IDM)
false
true
false
9,674
2026-02-24T09:32:58.406000Z
2026-02-24T09:32:58.406000Z
Lec.
В среде CAVISE SUMO моделирует все транспортные средства в дорожной сети, включая обычные автомобили с водителями и, при необходимости, упрощенные автономные транспортные средства, действующие в качестве фона транспортного потока
false
true
false
9,673
2026-02-24T09:32:56.619000Z
2026-02-24T09:32:56.619000Z
Lec.
SUMO имеет модульную архитектуру и предоставляет интерфейс управления движением TraCI (Traffic Control Interface) для внешнего управления объектами во время моделирования [7]
false
true
false
9,672
2026-02-24T09:32:54.860000Z
2026-02-24T09:32:54.860000Z
Lec.
Его основным преимуществом является способность эффективно рассчитывать динамику тысяч агентов в режиме реального времени, что критически важно для крупномасштабных сценариев
false
true
false
9,671
2026-02-24T09:32:53.104000Z
2026-02-24T09:32:53.104000Z
Lec.
Он предназначен для моделирования движения большого количества транспортных средств на заданной дорожной сети с учетом правил дорожного движения, светофоров и маршрутов [14, 15, 18]
false
true
false
9,670
2026-02-24T09:32:51.343000Z
2026-02-24T09:32:51.343000Z
Lec.
SUMO (Simulation of Urban MObility) — открытый, масштабируемый микроскопический симулятор дорожного движения
false
true
false
9,669
2026-02-24T09:32:49.618000Z
2026-02-24T09:32:49.618000Z
Lec.
Благодаря серверно-клиентской архитектуре CARLA поддерживает одновременную работу нескольких клиентов в одном виртуальном мире
false
true
false
9,668
2026-02-24T09:32:47.851000Z
2026-02-24T09:32:47.851000Z
Lec.
В контексте CAV CARLA отвечает за динамику отдельных автономных транспортных средств и эмуляцию их бортовых систем восприятия окружающей среды
false
true
false
9,667
2026-02-24T09:32:46.065000Z
2026-02-24T09:32:46.065000Z
Lec.
CARLA также предоставляет API для управления транспортными средствами и телеметрии, что позволяет определять логику поведения автономных агентов
false
true
false
9,666
2026-02-24T09:32:44.307000Z
2026-02-24T09:32:44.307000Z
Lec.
Его главное преимущество — наличие подробных моделей датчиков, которые предоставляют реалистичные данные для алгоритмов компьютерного зрения и автопилота [7]
false
true
false
9,665
2026-02-24T09:32:42.556000Z
2026-02-24T09:32:42.556000Z
Lec.
CARLA основан на Unreal Engine и представляет собой 3D-движок с ядром физического моделирования, способным воспроизводить городские сцены, транспортные средства, пешеходов и различные погодные условия [1, 20]
false
true
false
9,664
2026-02-24T09:32:40.775000Z
2026-02-24T09:32:40.775000Z
Lec.
CARLA — высокореалистичный симулятор автономного вождения
false
true
false
9,663
2026-02-24T09:32:38.847000Z
2026-02-24T09:32:38.847000Z
Lec.
CAVISE — архитектура, представляющая собой комбинацию нескольких специализированных симуляторов, каждый из которых отвечает за определенный аспект моделирования транспортной системы
false
true
false
9,662
2026-02-24T09:32:37.089000Z
2026-02-24T09:32:37.089000Z
Lec.
В данной работе используется среда моделирования CAVISE (Connected and Autonomous Vehicles Integrated Simulation Environment) [25] для проведения комплексных экспериментов с подключенными автономными транспортными средствами
false
true
false
9,661
2026-02-24T09:32:35.253000Z
2026-02-24T09:32:35.253000Z
Lec.
Для данной цели используются симуляторы дискретно-событийных сетей, такие как OMNeT++
false
true
false
9,660
2026-02-24T09:32:32.882000Z
2026-02-24T09:32:32.882000Z
Lec.
Необходимо оценить задержки в передаче сообщений безопасности или потери пакетов в периоды высокой загруженности сети, и учесть упомянутое в поведении агентов
false
true
false
9,659
2026-02-24T09:32:31.273000Z
2026-02-24T09:32:31.273000Z
Lec.
Такой подход известен как совместное моделирование транспортных и коммуникационных процессов
false
true
false
9,658
2026-02-24T09:32:29.620000Z
2026-02-24T09:32:29.620000Z
Lec.
Поэтому в исследованиях часто используется комбинация дорожных и сетевых симуляторов для моделирования как движения транспортных средств, так и обмена пакетами данных
false
true
false