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
9,807
2026-02-24T09:36:48.621000Z
2026-02-24T09:36:48.621000Z
Lec.
Метрика TTC выбрана потому, что она непосредственно отражает степень опасного сближения: чем ниже занчение TTC, тем меньше времени остается водителям (или автоматизированным системам) для предотвращения столкновения
false
true
false
9,806
2026-02-24T09:36:46.967000Z
2026-02-24T09:36:46.967000Z
Lec.
В рамках эксперимента анализируется количество критических ситуаций – случаев, когда TTC падает ниже заданного порога
false
true
false
9,805
2026-02-24T09:36:45.320000Z
2026-02-24T09:36:45.320000Z
Lec.
В отличие от данных о реальных ДТП, которые редки и запаздывают во времени, выбранная метрика позволяет выявлять опасные сближения ощутимо чаще, что повышает статистическую достоверность выводов о безопасности движения [27]
false
true
false
9,804
2026-02-24T09:36:43.547000Z
2026-02-24T09:36:43.547000Z
Lec.
TTC представляет собой время до столкновения транспортных средств при неизменности их траекторий и скоростей
false
true
false
9,803
2026-02-24T09:36:41.798000Z
2026-02-24T09:36:41.798000Z
Lec.
Выбор метрики TTC обусловлен ее широким применением для оценки риска столкновений в транспортных исследованиях [27]
false
true
false
9,802
2026-02-24T09:36:39.856000Z
2026-02-24T09:36:39.856000Z
Lec.
Основная задача – сопоставить число конфликтных ситуаций при различных долях CAV в потоке по индикатору Time-to-Collision (TTC)
false
true
false
9,801
2026-02-24T09:36:38.201000Z
2026-02-24T09:36:38.201000Z
Lec.
Цель эксперимента – количественно оценить влияние подключенных и автономных транспортных средств на потенциальную аварийность дорожного потока
false
true
false
9,800
2026-02-24T09:36:36.504000Z
2026-02-24T09:36:36.504000Z
Lec.
В рамках исследования влияния CAV на транспортную систему в многоагентном и масштабном сценарии проведен эксперимент в симуляторе SUMO
false
true
false
9,799
2026-02-24T09:36:34.748000Z
2026-02-24T09:36:34.748000Z
Lec.
Следовательно, с учтом текущей струткуры CAVISE нет возможности реализовать параллелизацию вычислений с использованием Artery V2X
false
true
false
9,798
2026-02-24T09:36:33.225000Z
2026-02-24T09:36:33.225000Z
Lec.
Как упоминалось ранее, одно из условий реализации параллельных вычислений в OMNeT++ - отсутствие динмаического добавление или удаления модулей (автомобилей) во время симуляции
false
true
false
9,797
2026-02-24T09:36:31.663000Z
2026-02-24T09:36:31.663000Z
Lec.
Он получает от SUMO информацию о каждом транспортном средстве и либо создает или удаляет соответствующие узлы OMNeT++ динамически, либо управляет их положением через сообщения
false
true
false
9,796
2026-02-24T09:36:29.943000Z
2026-02-24T09:36:29.943000Z
Lec.
Обычно в сценарии Artery присутствует один объект (например, TraCIScenarioManagerLaunchd), который устанавливает соединение с SUMO и отслеживает все машины
false
true
false
9,795
2026-02-24T09:36:28.166000Z
2026-02-24T09:36:28.166000Z
Lec.
Если разделить узлы (транспортные средства) по partition-id и запустить несколько экземпляров OMNeT++-процесса, которые синхронно моделируют одну и ту же дорожную обстановку, то возникает проблема: модуль TraCIScenarioManager (менеджер взаимодействия с SUMO) в текущей архитектуре рассчитан на работу в одном процессе
false
true
false
9,794
2026-02-24T09:36:26.183000Z
2026-02-24T09:36:26.183000Z
Lec.
Основываясь на принципах параллелизации OMNeT++, имеет смысл рассмотреть возможность реализации параллелизации вычислений Artery в рамках архитектуры CAVISE
false
true
false
9,793
2026-02-24T09:36:24.199000Z
2026-02-24T09:36:24.199000Z
Lec.
В сущности, OMNeT++ и SUMO работают не параллельно, а пошагово друг за другом
false
true
false
9,792
2026-02-24T09:36:22.566000Z
2026-02-24T09:36:22.566000Z
Lec.
Artery не предоставляет никакой возможности для параллелизации расчетов изначально
false
true
false
9,791
2026-02-24T09:36:21.039000Z
2026-02-24T09:36:21.039000Z
Lec.
OMNeT++ и SUMO выполняются параллельно-взаимосвязанно, образуя замкнутый контур
false
true
false
9,790
2026-02-24T09:36:19.112000Z
2026-02-24T09:36:19.112000Z
Lec.
OMNeT++ инициирует шаг времени, запрашивает у SUMO просчитать движение за шаг (SUMO выполняется параллельно, но OMNeT++ обычно приостанавливается в ожидании ответа), затем получает от SUMO новые позиции транспортных средств и генерирует соответствующие события в сети (обновление положения узлов, генерация сообщений и т. п.)
false
true
false
9,789
2026-02-24T09:36:17.290000Z
2026-02-24T09:36:17.290000Z
Lec.
Упомянутые процессы работают в паре, синхронизируясь на каждом такте
false
true
false
9,788
2026-02-24T09:36:15.624000Z
2026-02-24T09:36:15.624000Z
Lec.
Стандартный запуск Artery включает два параллельных процесса:. процесс OMNeT++;. процесс SUMO
false
true
false
9,787
2026-02-24T09:36:14.022000Z
2026-02-24T09:36:14.022000Z
Lec.
Artery объединяет сетевую модель (OMNeT++) и дорожный трафик (SUMO) через интерфейс TraCI
false
true
false
9,786
2026-02-24T09:36:12.275000Z
2026-02-24T09:36:12.275000Z
Lec.
P – производительность одного процесса (events per second) – сколько событий в секунду один логический процесс способен обрабатывать
false
false
false
9,785
2026-02-24T09:36:10.476000Z
2026-02-24T09:36:10.476000Z
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/шине (секунд реального времени);
false
true
false
9,784
2026-02-24T09:36:08.446000Z
2026-02-24T09:36:08.446000Z
Lec.
L – lookahead (секунд моделируемого времени) – минимальная задержка между разделами;
false
false
false
9,783
2026-02-24T09:36:06.929000Z
2026-02-24T09:36:06.929000Z
Lec.
Для оценки эффективности параллелизации предлагается оценивать coupling factor [16]:
false
true
false
9,782
2026-02-24T09:36:05.105000Z
2026-02-24T09:36:05.105000Z
Lec.
Почти каждый сценарий возможно адаптировать для параллельных вычислений, но параллелизация не во всех случаях является эффективной по скорости вычислений
false
true
false
9,781
2026-02-24T09:36:03.462000Z
2026-02-24T09:36:03.462000Z
Lec.
Запрещено динамическое создание модулей, так как id для модулей определяется заранее и не способно изменяться в ходе моделирования
false
true
false
9,780
2026-02-24T09:36:01.925000Z
2026-02-24T09:36:01.925000Z
Lec.
Глобальные переменные запрещены;
false
true
false
9,779
2026-02-24T09:36:00.248000Z
2026-02-24T09:36:00.248000Z
Lec.
Модулям запрещено напрямую вызывать методы или обращаться к памяти модулей из другого раздела;
false
true
false
9,778
2026-02-24T09:35:58.721000Z
2026-02-24T09:35:58.721000Z
Lec.
Для реализации параллелизации вычислений в сценарии, необходимо следующих условий:
false
true
false
9,777
2026-02-24T09:35:56.590000Z
2026-02-24T09:35:56.590000Z
Lec.
Важно отметить, что разделять сценарий разрешено только по границам модулей, один и тот же модуль не способен одновременно исполняться на двух логических процессах и необходимо минимизировать количество сообщений между подмножествами
false
true
false
9,776
2026-02-24T09:35:55.012000Z
2026-02-24T09:35:55.012000Z
Lec.
Комбинация символов “**” после названия подсети означает рекурсивное применение ко вложенным в подмножество модулей
false
true
false
9,775
2026-02-24T09:35:53.147000Z
2026-02-24T09:35:53.147000Z
Lec.
В упомянутом примере все модули внутри subnetA запускаются в логическом процессе с индексом 0, внутри subnetB под индексом 1 и так далее
false
true
false
9,774
2026-02-24T09:35:51.484000Z
2026-02-24T09:35:51.484000Z
Lec.
Пользователь указывает, какие модули относятся к какому разделу через параметр partition-id в конфигурационном файле (Приложение 1)
false
true
false
9,773
2026-02-24T09:35:49.953000Z
2026-02-24T09:35:49.953000Z
Lec.
Слой разделения определяет, как модель разбита на подмножество модулей
false
true
false
9,772
2026-02-24T09:35:48.043000Z
2026-02-24T09:35:48.043000Z
Lec.
Задается атрибутом parsim-nullmessageprotocol-laziness в диапазоне значений от 0 до 1
false
true
false
9,771
2026-02-24T09:35:46.556000Z
2026-02-24T09:35:46.556000Z
Lec.
Laziness - относительная частота отправки нулевых сообщений
false
true
false
9,770
2026-02-24T09:35:44.558000Z
2026-02-24T09:35:44.558000Z
Lec.
Данный параметр никогда не равен нулю и рассчитывается автоматически, если указать для атрибута parsim-nullmessageprotocol-lookahead-class значение cLinkDelayLookahead
false
true
false
9,769
2026-02-24T09:35:43.005000Z
2026-02-24T09:35:43.005000Z
Lec.
Для корректной работы симуляции упомянутый параметр должен быть отличен от нуля, иначе возникают ситуации, когда алгоритм просто не способен выдать гарантированное время без отправки сообщений
false
true
false
9,768
2026-02-24T09:35:40.480000Z
2026-02-24T09:35:40.480000Z
Lec.
Lookahead - минимальная гарантированная задержка сообщений между разделами
false
true
false
9,767
2026-02-24T09:35:39.005000Z
2026-02-24T09:35:39.005000Z
Lec.
Такой алгоритм требует настройки двух параметров:
false
true
false
9,766
2026-02-24T09:35:37.026000Z
2026-02-24T09:35:37.026000Z
Lec.
Из указанных алгоритмов, практическую ценность имеет только Null Message Algorithm
false
true
false
9,765
2026-02-24T09:35:35.094000Z
2026-02-24T09:35:35.094000Z
Lec.
Упомянутый алгоритм реализован в классе cIdealSimulationProtocol в атрибуте parsim-synchronization-class
false
true
false
9,764
2026-02-24T09:35:33.585000Z
2026-02-24T09:35:33.585000Z
Lec.
Был введен скорее для тестов эффективности наличия параллелизации в сценариях
false
true
false
9,763
2026-02-24T09:35:32.052000Z
2026-02-24T09:35:32.052000Z
Lec.
Практической ценности не имеет, так как без знания будущих результатов выдает только неверные результаты
false
true
false
9,762
2026-02-24T09:35:30.604000Z
2026-02-24T09:35:30.604000Z
Lec.
Ideal Simulation Protocol - предполагает знание будущих событий, и позволяет измерить теоретический максимум ускорения параллельной симуляции для данной модели
false
true
false
9,761
2026-02-24T09:35:28.973000Z
2026-02-24T09:35:28.973000Z
Lec.
Упомянутый алгоритм реализован в классе cNullMessageProtocol в атрибуте parsim-synchronization-class
false
true
false
9,760
2026-02-24T09:35:27.395000Z
2026-02-24T09:35:27.395000Z
Lec.
Упомянутый алгоритм предотвращает тупики и позволяет логическим процессам частично параллельно выполнять события, зная безопасный горизонт времени
false
true
false
9,759
2026-02-24T09:35:25.531000Z
2026-02-24T09:35:25.531000Z
Lec.
Null Message Algorithm [3] – Каждый логический процесс регулярно отсылает соседям «нулевые сообщения» с указанием времени, до которого у него гарантированно нет событий, чем информирует другие процессы о том, что они имеют возможность продвигаться вперед во времени хотя бы до данного момента
false
true
false
9,758
2026-02-24T09:35:23.748000Z
2026-02-24T09:35:23.748000Z
Lec.
Упомянутый алгоритм реализован в классе cNamedPipeCommunications в атрибуте parsim-communications-class
false
true
false
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