Datasets:
alexanderpl
/
init2

Dataset card Data Studio Files
xet
 Community
id
int64
18
21.1k
created_at
timestamp[ns, tz=UTC]date
2026-02-23 07:30:20
2026-02-24 16:54:39
updated_at
timestamp[ns, tz=UTC]date
2026-02-23 08:08:14
2026-02-24 16:54:39
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
10,807
2026-02-24T10:07:06.162000Z
2026-02-24T10:07:06.162000Z
Lec.
Человеческие водители иногда игнорируют упомянутый интервал, тогда как CAV оставляет запас на случай отката машины впереди или иных непредвиденных факторов
false
true
false
10,806
2026-02-24T10:07:04.567000Z
2026-02-24T10:07:04.567000Z
Lec.
Такое условие гарантирует, что в транспортном заторе или при резком торможении автономное ТС не сближается вплотную с впереди стоящим
false
true
false
10,805
2026-02-24T10:07:02.935000Z
2026-02-24T10:07:02.935000Z
Lec.
Повышенное tau имитирует реакцию “с запасом” и компенсирует любые задержки сенсоров и систем принятия решений;
false
true
false
10,804
2026-02-24T10:07:01.175000Z
2026-02-24T10:07:01.175000Z
Lec.
Для моделирования использована модель продольного движения IDM (Intelligent Driver Model), параметры которой были настроены на консервативный стиль вождения автономного автомобиля
false
true
false
10,803
2026-02-24T10:06:59.490000Z
2026-02-24T10:06:59.490000Z
Lec.
Концепция подключенного и беспилотного транспорта в данном эксперименте подразумевает осторожное и безопасное поведение на дороге, эмулируемое через настройки модели движения
false
true
false
10,802
2026-02-24T10:06:57.842000Z
2026-02-24T10:06:57.842000Z
Lec.
Также уместно учесть среднюю скорость транспортных средств и количество завершенных маршрутов за ограниченное время моделирования
false
true
false
10,801
2026-02-24T10:06:56.313000Z
2026-02-24T10:06:56.313000Z
Lec.
В городских условиях, где скорости ниже и дистанции между ТС ограничены, используют пороги ниже указанного для выделения серьезных конфликтов
false
true
false
10,800
2026-02-24T10:06:54.666000Z
2026-02-24T10:06:54.666000Z
Lec.
В отрасли безопасности дорожного движения широко применяется порог TTC равный 1,5 с для классификации конфликтов: случаи с TTC ниже указанного значения рассматриваются как опасные конфликты, требующие реакции водителя, тогда как при значениях TTC выше указанного сближение считается относительно безопасным
false
true
false
10,799
2026-02-24T10:06:52.768000Z
2026-02-24T10:06:52.768000Z
Lec.
Формально TTC определяется как время до столкновения транспортных средств, если они продолжают движение без изменения параметров [32]
false
true
false
10,798
2026-02-24T10:06:51.121000Z
2026-02-24T10:06:51.121000Z
Lec.
Реальная сеть, сгенерированная через OSMWebWizard [18]: Сеть района Китай-город в Москве, которая позволяет проверить эффективность алгоритма в условиях реальной городской среды (Рисунок 4)
false
true
false
10,797
2026-02-24T10:06:49.176000Z
2026-02-24T10:06:49.176000Z
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
10,796
2026-02-24T10:06:47.430000Z
2026-02-24T10:06:47.430000Z
Lec.
Сеть Braess Complex: усложненная сеть с дополнительными узлами и перемычками, что позволяет проверить работу алгоритма в реалистичных условиях с увеличенной сложностью маршрутов (Рисунок 3);
false
true
false
10,795
2026-02-24T10:06:45.636000Z
2026-02-24T10:06:45.636000Z
Lec.
Создана специально для демонстрации парадокса Браесса (Рисунок 2);
false
true
false
10,794
2026-02-24T10:06:43.877000Z
2026-02-24T10:06:43.877000Z
Lec.
В рамках среды CAVISE предлагается использование централизованного алгоритма маршрутизации на основе MPC, реализованного с использованием среды микроскопического моделирования дорожного движения SUMO
false
true
false
10,793
2026-02-24T10:06:42.110000Z
2026-02-24T10:06:42.110000Z
Lec.
Стоит отметить, практическая реализация такого подхода сопряжена с рядом технических и организационных сложностей, и является комплексной в рамках исследования
false
true
false
10,792
2026-02-24T10:06:40.361000Z
2026-02-24T10:06:40.361000Z
Lec.
Таким образом, информация о положении, скорости и других параметрах автомобиля доступна для обоих серверов, что позволяет SUMO получать целостную картину и выдавать корректные управляющие воздействия даже в условиях границы между зонами
false
true
false
10,791
2026-02-24T10:06:38.581000Z
2026-02-24T10:06:38.581000Z
Lec.
Подобный подход гарантирует, что алгоритмы управления, реализованные в SUMO, имеют доступ ко всей необходимой информации и способны корректно рассчитывать маршруты и команды для автомобилей, независимо от того, где проходит граница моделируемых зон
false
true
false
10,790
2026-02-24T10:06:36.800000Z
2026-02-24T10:06:36.800000Z
Lec.
Как только автомобиль полностью перемещается в соседнюю зону, его дубликат в исходной зоне удаляется
false
true
false
10,789
2026-02-24T10:06:35.144000Z
2026-02-24T10:06:35.144000Z
Lec.
В момент приближения автомобиля к границе своей зоны состояние транспортного средства дублируется во втором экземпляре CARLA
false
true
false
10,788
2026-02-24T10:06:33.378000Z
2026-02-24T10:06:33.378000Z
Lec.
Концепт буферных зон
false
true
false
10,787
2026-02-24T10:06:31.847000Z
2026-02-24T10:06:31.847000Z
Lec.
Для решения упомянутой проблемы предлагается ввести концепт буферных зон: на границе между двумя соседними экземплярами CARLA создается перекрывающая область дороги, которая одновременно моделируется в двух соседних процессах (Рисунок 1)
false
true
false
10,786
2026-02-24T10:06:29.884000Z
2026-02-24T10:06:29.884000Z
Lec.
Но при разделении на независимые экземпляры CARLA подобная информация становится недоступной для автомобилей, приближающихся к границам зон, что приводит к некорректному поведению транспортных средств и потере непрерывности моделирования
false
true
false
10,785
2026-02-24T10:06:28.285000Z
2026-02-24T10:06:28.285000Z
Lec.
Но возникает проблема: поскольку в архитектуре CAVISE алгоритмы управления трафиком и маршрутизацией реализованы в среде SUMO, а CARLA отвечает за физику автомобилей и окружения, то алгоритмам управления в SUMO необходимо получать полную информацию о ситуации на дороге, включая состояние автомобилей, находящихся в соседних зонах, для эффективного и безопасного управления движением
false
true
false
10,784
2026-02-24T10:06:26.421000Z
2026-02-24T10:06:26.421000Z
Lec.
Для реализации многоклиентской архитектуры в рамках CAVISE предлагается географическое разбиение моделируемого сценария на зоны, каждая из которых моделируется собственным экземпляром CARLA на отдельном клиенте (ПК)
false
true
false
10,783
2026-02-24T10:06:24.724000Z
2026-02-24T10:06:24.724000Z
Lec.
Клиенты располагаются нескольких удаленных узлах, распределяя вычислительную нагрузку
false
true
false
10,782
2026-02-24T10:06:23.069000Z
2026-02-24T10:06:23.069000Z
Lec.
Подобная структура была внедрена разработчиками, позволив осуществлять многоагентное моделирование в рамках единого виртуального мира без ограничений на количество подключаемых клиентов
false
true
false
10,781
2026-02-24T10:06:21.281000Z
2026-02-24T10:06:21.281000Z
Lec.
Один сервер CARLA способен одновременно обслуживать множество клиентских приложений, управляющих отдельными группами автомобилей и сенсоров
false
true
false
10,780
2026-02-24T10:06:19.651000Z
2026-02-24T10:06:19.651000Z
Lec.
В CARLA заложена возможность реализации многоклиентской архитектуры
false
true
false
10,779
2026-02-24T10:06:17.898000Z
2026-02-24T10:06:17.898000Z
Lec.
В результате снижается производительность, появляются задержки в обработке команд управления, и уменьшается частота кадров
false
true
false
10,778
2026-02-24T10:06:16.261000Z
2026-02-24T10:06:16.261000Z
Lec.
Сложность масштабирования CARLA обусловлена использованием ресурсоемкого Unreal Engine, который обеспечивает реалистичную физику и визуализацию, что приводит к ситуации, когда при увеличении количества управляемых объектов (агентов, автомобилей, пешеходов) возрастает вычислительная нагрузка на систему
false
true
false
10,777
2026-02-24T10:06:14.418000Z
2026-02-24T10:06:14.418000Z
Lec.
В качестве альтернативного способа увеличения производительности моделирования в CAVISE предлагается рассмотреть возможность параллелизации клиентов в симуляторе CARLA
false
true
false
10,776
2026-02-24T10:06:12.648000Z
2026-02-24T10:06:12.648000Z
Lec.
Следовательно, с учетом текущей структуры CAVISE нет возможности реализовать параллелизацию вычислений с использованием Artery V2X
false
true
false
10,775
2026-02-24T10:06:10.928000Z
2026-02-24T10:06:10.928000Z
Lec.
Как упоминалось ранее, одно из условий реализации параллельных вычислений в OMNeT++ - отсутствие динамического добавления или удаления модулей (автомобилей) во время моделирования
false
true
false
10,774
2026-02-24T10:06:09.249000Z
2026-02-24T10:06:09.249000Z
Lec.
Artery объединяет сетевую модель OMNeT++ и дорожный трафик SUMO через интерфейс TraCI
false
true
false
10,773
2026-02-24T10:06:07.491000Z
2026-02-24T10:06:07.491000Z
Lec.
E – плотность событий (events per sim-second) – сколько событий в среднем происходит в модели за 1 секунду виртуального времени;. τ – задержка на передачу сообщения от одного логического процесса другому по сети;
false
false
false
10,772
2026-02-24T10:06:05.475000Z
2026-02-24T10:06:05.475000Z
Lec.
L – lookahead – минимальная задержка между разделами;
false
true
false
10,771
2026-02-24T10:06:04Z
2026-02-24T10:06:04Z
Lec.
Почти для каждого сценария существует возможность адаптировать его для параллельных вычислений, но параллелизация не во всех случаях является эффективной по скорости вычислений
false
true
false
10,770
2026-02-24T10:06:02.428000Z
2026-02-24T10:06:02.428000Z
Lec.
Важно отметить, что разделять сценарий разрешено только по границам модулей, один модуль не способен одновременно исполняться на двух логических процессах и необходимо минимизировать количество сообщений между подмножествами
false
true
false
10,769
2026-02-24T10:06:00.782000Z
2026-02-24T10:06:00.782000Z
Lec.
В упомянутом примере все модули внутри subnetA запускаются в логическом процессе с индексом 0, внутри subnetB с индексом 1, внутри subnetC с индексом 2
false
true
false
10,768
2026-02-24T10:05:59.050000Z
2026-02-24T10:05:59.050000Z
Lec.
Упомянутый параметр никогда не равен нулю и рассчитывается автоматически, если указать для атрибута parsim-nullmessageprotocol-lookahead-class значение cLinkDelayLookahead;
false
true
false
10,767
2026-02-24T10:05:57.485000Z
2026-02-24T10:05:57.485000Z
Lec.
Для корректного моделирования упомянутый параметр устанавливается отличным от нуля, иначе возникают ситуации, когда алгоритм не способен выдать гарантированное время без отправки сообщений
false
true
false
10,766
2026-02-24T10:05:56.013000Z
2026-02-24T10:05:56.013000Z
Lec.
Ideal Simulation Protocol - предполагает знание будущих событий, и позволяет измерить теоретический максимум ускорения параллельного моделирования для данной модели
false
true
false
10,765
2026-02-24T10:05:54.470000Z
2026-02-24T10:05:54.470000Z
Lec.
На уровне сети (внутри одного сценария): сетевой уровень в контексте параллельного моделирования связан коммуникациями между модулями, находящимися в разных разделах
false
true
false
10,764
2026-02-24T10:05:52.695000Z
2026-02-24T10:05:52.695000Z
Lec.
Предполагается, что централизованный алгоритм с применением Model Predictive Control (MPC) способен устранить данную неэффективность
false
true
false
10,763
2026-02-24T10:05:51.110000Z
2026-02-24T10:05:51.110000Z
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 оказывается даже дольше, чем если бы никто не свернул [31]
false
true
false
10,762
2026-02-24T10:05:49.235000Z
2026-02-24T10:05:49.235000Z
Lec.
Когда каждому автомобилю предоставляется информация о текущих заторах и он сам перестраивает на эффективный по скорости маршрут, возникает эффект «самонадеянного навигатора»: многие машины одновременно перестраиваются на якобы свободный путь, и вследствие чего на нем возникает транспортный затор
false
true
false
10,761
2026-02-24T10:05:47.545000Z
2026-02-24T10:05:47.545000Z
Lec.
В экспериментах в SUMO проявление парадокса Браесса четко наблюдается при децентрализованной маршрутизации
false
true
false
10,760
2026-02-24T10:05:45.781000Z
2026-02-24T10:05:45.781000Z
Lec.
Для решения проблемы масштабируемости предлагается интегрировать в среду CAVISE параллелизацию вычислений - задействование нескольких потоков/ядер или даже нескольких машин для одновременного моделиорвания разных частей задачи
false
true
false
10,759
2026-02-24T10:05:44.107000Z
2026-02-24T10:05:44.107000Z
Lec.
Даже автономные алгоритмы способны отклоняться, а связь прерываться, что приближает результаты моделирования к ожидаемой реальности и позволяет выявить сценарии, в которых даже при использовании CAV возникают транспортные заторы или аварии
false
true
false
10,758
2026-02-24T10:05:42.367000Z
2026-02-24T10:05:42.367000Z
Lec.
Кроме того, в моделирование вводятся случайные факторы, чтобы предотвратить полностью детерминированное и идеальное поведение
false
true
false
10,757
2026-02-24T10:05:40.740000Z
2026-02-24T10:05:40.740000Z
Lec.
Концепция V2X-коммуникации является основополагающей для моделирования подключенного и беспилотного транспорта, и для получения достоверных результатов необходимо, чтобы моделирование несло многоагентный характер
false
true
false
10,756
2026-02-24T10:05:38.963000Z
2026-02-24T10:05:38.963000Z
Lec.
Он предназначен для моделирования движения ощутимого количества транспортных средств на заданной дорожной сети с учетом правил дорожного движения, светофоров и маршрутов [14, 15, 18]
false
true
false
10,755
2026-02-24T10:05:36.963000Z
2026-02-24T10:05:36.963000Z
Lec.
SUMO (Simulation of Urban Mobility) — открытый, масштабируемый микроскопический симулятор дорожного движения
false
true
false
10,754
2026-02-24T10:05:35.019000Z
2026-02-24T10:05:35.019000Z
Lec.
CAVISE — среда, представляющая собой комбинацию нескольких специализированных симуляторов, каждый из которых отвечает за определенный аспект моделирования транспортной системы
false
true
false
10,753
2026-02-24T10:05:33.252000Z
2026-02-24T10:05:33.252000Z
Lec.
В данной работе используется среда моделирования CAVISE [25] для проведения комплексных экспериментов с подключенными автономными транспортными средствами
false
true
false
10,752
2026-02-24T10:05:30.924000Z
2026-02-24T10:05:30.924000Z
Lec.
Такие явления, как самоформирующиеся транспортные заторы или эффект «тормозной волны», естественным образом возникают в микросимуляции в результате взаимодействия отдельных агентов
false
true
false
10,751
2026-02-24T10:05:29.156000Z
2026-02-24T10:05:29.156000Z
Lec.
Многоагентные системы способны воспроизводить сложные нестационарные эффекты и внезапное поведение, которое невозможно предсказать с помощью математических моделей [8]
false
true
false
10,750
2026-02-24T10:05:27.390000Z
2026-02-24T10:05:27.390000Z
Lec.
Например, было отмечено, что даже на упомянутом этапе показатели безопасности ощутимо улучшаются при низкой доле автоматизированного транспорта, в то время как улучшение пропускной способности дорог проявляется на низком уровне
false
true
false
10,749
2026-02-24T10:05:25.596000Z
2026-02-24T10:05:25.596000Z
Lec.
Такой результат согласуется с тем фактом, что даже базовые функции, такие как AEB и LDW, способны предотвратить ощутимую часть типичных аварий
false
true
false
10,748
2026-02-24T10:05:23.816000Z
2026-02-24T10:05:23.816000Z
Lec.
В исследовательском моделировании городской зоны Цукуба в Японии, предполагающем постепенное увеличение доли автоматизированных транспортных средств, количество моделируемых ДТП сократилось с 859 до 156 при внедрении технологий помощи водителю высокого уровня [13]
false
true
false
10,747
2026-02-24T10:05:21.911000Z
2026-02-24T10:05:21.911000Z
Lec.
Следовательно, полностью автономные транспортные средства теоретически способны устранять часть ДТП
false
true
false
10,746
2026-02-24T10:05:20.113000Z
2026-02-24T10:05:20.113000Z
Lec.
Все упомянутое призвано повысить безопасность и эффективность транспортной системы
false
true
false
10,745
2026-02-24T10:05:18.445000Z
2026-02-24T10:05:18.445000Z
Lec.
Подключенный транспорт предполагает оснащение транспортных средств устройствами беспроводной связи, которые позволяют им обмениваться данными друг с другом (V2V - vehicle -to- vehicle) и с элементами дорожной инфраструктуры (V2E – vehicle-to-environment), например, светофорами, датчиками и облачными сервисами, в режиме реального времени
false
true
false
10,744
2026-02-24T10:05:16.520000Z
2026-02-24T10:05:16.520000Z
Lec.
Экспериментально оценить влияние различных долей CAV в транспортном потоке на ключевые метрики безопасности и эффективности дорожного движения
false
true
false
10,743
2026-02-24T10:05:14.900000Z
2026-02-24T10:05:14.900000Z
Lec.
Исследовать эффективность централизованного алгоритма маршрутизации, направленного на предотвращение негативного эффекта парадокса Браесса в условиях крупномасштабных транспортных сценариев
false
true
false
10,742
2026-02-24T10:05:13.188000Z
2026-02-24T10:05:13.188000Z
Lec.
Предложить конкретные подходы для повышения масштабируемости и эффективности многоагентных сценариев
false
true
false
10,741
2026-02-24T10:05:11.670000Z
2026-02-24T10:05:11.670000Z
Lec.
Исследовать возможности и ограничения параллельных вычислений в существующих симуляторах
false
true
false
10,740
2026-02-24T10:05:09.779000Z
2026-02-24T10:05:09.779000Z
Lec.
Описать теоретические основы и архитектуру интегрированной среды CAVISE (Connected and Autonomous Vehicles Integrated Simulation Environment), включающую подсистемы имитации дорожного движения (SUMO), беспроводных коммуникаций (OMNeT++ и др.) и детализированную визуальную среду для автономных автомобилей (CARLA), а также принципы взаимодействия компонентов в рамках данной среды
false
true
false
10,739
2026-02-24T10:05:07.587000Z
2026-02-24T10:05:07.587000Z
Lec.
Определить характеристики многоагентного моделирования дорожного движения и методы его масштабирования, включая параллелизацию;
false
true
false
10,738
2026-02-24T10:05:05.849000Z
2026-02-24T10:05:05.849000Z
Lec.
Затем проанализировать модели и инструменты моделирования, используемые для изучения CAV;
false
true
false
10,737
2026-02-24T10:05:04.311000Z
2026-02-24T10:05:04.311000Z
Lec.
Цель исследования – выявить и изучить влияние технологий подключенного и автономного транспорта на характеристики транспортных систем и подходов к повышению производительности моделирования в многоагентных и крупномасштабных сценариях с использованием современных средств моделирования
false
true
false
10,736
2026-02-24T10:05:02.517000Z
2026-02-24T10:05:02.517000Z
Lec.
Вместе с тем проведение полевых экспериментов с ощутимым количеством реальных транспортных средств чрезвычайно дорого и сложно
false
true
false
10,735
2026-02-24T10:05:00.752000Z
2026-02-24T10:05:00.752000Z
Lec.
Упомянутая ситуация требует исследования влияния частичной автоматизации на существующую транспортную систему, а также разработки сценариев кооперативного вождения
false
true
false
10,734
2026-02-24T10:04:59.069000Z
2026-02-24T10:04:59.070000Z
Lec.
С ростом урбанизации и увеличением количества автомобилей на дорогах, безопасность дорожного движения и транспортные заторы становятся особенно острыми проблемами [17]
false
true
false
10,733
2026-02-24T10:04:57.219000Z
2026-02-24T10:04:57.219000Z
Lec.
Кроме того, такие технологии позволяют повысить пропускную способность дорог и оптимизировать транспортный поток за счет координации и обеспечения устойчивого движения транспортных средств [10]
false
true
false
10,732
2026-02-24T10:04:55.590000Z
2026-02-24T10:04:55.590000Z
Lec.
Приложение 1 37
false
false
false
10,731
2026-02-24T10:04:54.028000Z
2026-02-24T10:04:54.028000Z
Lec.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 34
false
false
false
10,730
2026-02-24T10:04:52.310000Z
2026-02-24T10:04:52.310000Z
Lec.
Концепт буферных зон 19. 5 Алгоритм централизованной маршрутизации 21. 5.1 Используемые сети и тестовые сценарии 21. 5.2 Результаты экспериментов 23. 6 Экспериментальная оценка влияния CAV на транспортную систему в многоагентном и масштабном сценарии 24. 6.1 Метрики для анализа 25. 6.2 Профиль CAV и обоснование выбора его параметров 26. 6.3 Реализация ТТС 30. 6.4 Результаты моделирования 31
false
false
false
10,729
2026-02-24T10:04:50.186000Z
2026-02-24T10:04:50.186000Z
Lec.
ВВЕДЕНИЕ 3. 1 Обзор литературы 6. 1.1 Подключенный и автономный транспорт: концепции и тенденции 6. 1.2 Имитационное моделирование и многоагентные подходы в исследованиях подключенного и беспилотного транспорта 8. 2 Теоретические основы моделирования транспортных систем с подключенным и беспилотным транспортом 9. 2.1 Архитектура интегрированной среды CAVISE 9. 2.2 V2X-взаимодействие и многоагентная модель в моделировании 12. 2.3 Влияние парадокса Браесса на моделирование подключенного и беспилотного транспорта 13. 3 Параллелизация вычислений в OMNeT++ и Artery V2X 14. 3.1 Слой коммуникации между логическими процессами 15. 3.2 Слой синхронизации 15. 3.3 Слой разделения 16. 3.4 Оценка эффективности 17. 3.5 Основы взаимодействия Artery V2X и OMNeT++ 17. 3.6 Параллельное выполнение сценария Artery V2X с разделением на несколько процессов OMNeT++ 18. 4 Параллелизация клиентов в CARLA 18
false
false
false
10,728
2026-02-24T10:04:47.142000Z
2026-02-24T10:04:47.142000Z
Lec.
Ключевые слова: подключенный транспорт, беспилотный транспорт, компьютерное моделирование, интегрированная среда моделирования, многоагентный, крупномасштабный, параллелизация
false
false
false
10,727
2026-02-24T10:04:45.463000Z
2026-02-24T10:04:45.463000Z
Lec.
В рамках исследования рассмотрены существующие подходы к компьютерному моделированию взаимодействия транспортных средств и инфраструктуры, а также предложены методы повышения производительности моделирования за счет параллелизации вычислений
false
true
false
10,726
2026-02-24T10:04:43.680000Z
2026-02-24T10:04:43.680000Z
Lec.
В работе исследуется влияние технологий подключенного и беспилотного транспорта на безопасность и эффективность дорожного движения в условиях многоагентных и крупномасштабных сценариев, реализованных с помощью интегрированной среды моделирования
false
true
false
10,725
2026-02-24T10:04:41.780000Z
2026-02-24T10:04:41.780000Z
Lec.
Эффективным подходом к решению указанной проблемы является компьютерное моделирование, позволяющее объединить симуляторы транспортных потоков, динамики транспортных средств и сетей передачи данных, но существующие программные инструменты сложны для интеграции в единую модель, а некоторые важные аспекты исследуемой предметной области остаются недостаточно изученными
false
true
false
10,724
2026-02-24T10:04:40.087000Z
2026-02-24T10:04:40.087000Z
Lec.
Но перед широким внедрением упомянутых технологий необходима их тщательная проверка, которая является финансово затратной и затруднительной в условиях реального дорожного движения
false
true
false
10,723
2026-02-24T10:04:38.442000Z
2026-02-24T10:04:38.442000Z
Lec.
По мере развития вычислительной мощности устройств, пропускной способности каналов связи и других аппаратных и программных технологий, в городском пространстве появляются транспортные средства, которые способны обмениваться информацией с пользователями и окружающей средой, самостоятельно обрабатывать ее и перемещаться в окружающей среде, что способствует повышению уровня безопасности и эффективности функционирования дорожный сетей
false
true
false
10,722
2026-02-24T10:04:26.896000Z
2026-02-24T10:04:26.896000Z
Lec.
Рис.10 - Пример конфигурации модели и параметров обучения.
false
true
false
10,721
2026-02-24T10:04:25.202000Z
2026-02-24T10:04:25.202000Z
Lec.
Рис.4 – папка с результатами обучения
false
true
false
10,720
2026-02-24T10:04:23.463000Z
2026-02-24T10:04:23.463000Z
Lec.
А именно создается отдельная папка в названии которой идет время и дата эксперимента, архитектура модели, критерий оценки
false
true
false
10,719
2026-02-24T10:04:21.372000Z
2026-02-24T10:04:21.372000Z
Lec.
После обучения в папке Run_result сохраняются логи обучения, лучшая модель эксперимента, конфигурация обучения и модели
false
true
false
10,718
2026-02-24T10:04:19.813000Z
2026-02-24T10:04:19.813000Z
Lec.
Рис.3 – пример логов обучения нейронной сети
false
false
false
10,717
2026-02-24T10:04:17.945000Z
2026-02-24T10:04:17.945000Z
Lec.
Следовательно есть возможность следить за выполнением этапов программы
false
true
false
10,716
2026-02-24T10:04:16.131000Z
2026-02-24T10:04:16.131000Z
Lec.
Работа программы сопровождается логами в терминале
false
true
false
10,715
2026-02-24T10:04:14.414000Z
2026-02-24T10:04:14.414000Z
Lec.
После добавления датасета и выбора модели, загрузчика данных, пользователь может запустить процесс обучения
false
true
false
10,714
2026-02-24T10:04:12.777000Z
2026-02-24T10:04:12.777000Z
Lec.
Полный перечень приведен в README проекта
false
true
false
10,713
2026-02-24T10:04:11.007000Z
2026-02-24T10:04:11.007000Z
Lec.
В программе доступен выбор методов обучения, архитектуры модели, какой формат схемы используется и другие
false
true
false
10,712
2026-02-24T10:04:09.401000Z
2026-02-24T10:04:09.401000Z
Lec.
Запуск ПО производится либо из main файла, если проект был установлен исходником, либо из приложения docker
false
true
false
10,711
2026-02-24T10:04:07.909000Z
2026-02-24T10:04:07.909000Z
Lec.
Рис.2 - Пример архива
false
true
false
10,710
2026-02-24T10:04:06.393000Z
2026-02-24T10:04:06.393000Z
Lec.
Пример датасет на рисунке 2
false
true
false
10,709
2026-02-24T10:04:04.090000Z
2026-02-24T10:04:04.090000Z
Lec.
Нужно добавить датасет в папку datasets
false
true
false
10,708
2026-02-24T10:04:02.104000Z
2026-02-24T10:04:02.104000Z
Lec.
После скачивания программы и установки всех необходимых модулей
false
true
false