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 |
|---|---|---|---|---|---|---|---|---|
17,507 | 2026-02-24T13:52:06.589000Z | 2026-02-24T13:52:06.589000Z | Lec. | Лидарные облака точек: представляют собой большие наборы трехмерных координат (x, y, z) и интенсивности отраженного лазерного луча | false | true | false | |
17,506 | 2026-02-24T13:52:03.725000Z | 2026-02-24T13:52:03.725000Z | Lec. | Эти сенсоры могут включать лидары, камеры, радары и ультразвуковые датчики | false | true | false | |
17,505 | 2026-02-24T13:52:00.863000Z | 2026-02-24T13:52:00.863000Z | Lec. | Суть этого подхода заключается в том, что подключенные транспортные средства обмениваются непосредственно "сырыми" или минимально обработанными данными со своих бортовых сенсоров [31] | false | true | false | |
17,504 | 2026-02-24T13:51:58.333000Z | 2026-02-24T13:51:58.333000Z | Lec. | Существует несколько уровней обмена данными, каждый из которых характеризуется определенным балансом между объемом передаваемой информации, требованиями к пропускной способности и вычислительным ресурсам, а также потенциальной точностью объединенного восприятия | false | true | false | |
17,503 | 2026-02-24T13:51:55.469000Z | 2026-02-24T13:51:55.469000Z | Lec. | Это позволяет каждому участнику движения получить более полное и точное представление об обстановке, выходящее за пределы возможностей его собственных бортовых сенсоров | false | true | false | |
17,502 | 2026-02-24T13:51:52.649000Z | 2026-02-24T13:51:52.649000Z | Lec. | Совместное восприятие предполагает обмен сенсорными данными (например, с камер, лидаров, радаров) и/или обработанной информацией об окружающей среде между подключенными транспортными средствами (далее – V2V (Vehicle to Vehicle)) и/или с элементами дорожной инфраструктуры (далее – V2I (Vehicle to Infrastructure)) | false | true | false | |
17,501 | 2026-02-24T13:51:49.758000Z | 2026-02-24T13:51:49.758000Z | Lec. | Безопасность и эффективность останутся ключевыми приоритетами в разработке и внедрении таких систем. 2 Анализ существующих алгоритмов совместного восприятия для подключенного беспилотного транспорта | false | true | false | |
17,500 | 2026-02-24T13:51:46.524000Z | 2026-02-24T13:51:46.524000Z | Lec. | Хотя разработка и реализация гибридных систем сложнее, их способность сочетать сильные стороны различных методов делает их наиболее вероятным кандидатом для широкомасштабного внедрения в будущем | false | true | false | |
17,499 | 2026-02-24T13:51:43.914000Z | 2026-02-24T13:51:43.914000Z | Lec. | Они обеспечивают необходимую гибкость для адаптации к различным условиям движения, позволяют находить компромиссы между безопасностью и эффективностью, демонстрируют потенциал для достижения более высокой производительности | false | true | false | |
17,498 | 2026-02-24T13:51:41.083000Z | 2026-02-24T13:51:41.083000Z | Lec. | Тем не менее, анализ показывает, что наиболее перспективным направлением представляются гибридные подходы | false | true | false | |
17,497 | 2026-02-24T13:51:38.211000Z | 2026-02-24T13:51:38.211000Z | Lec. | Выбор оптимального алгоритма регулирования движения AV на перекрестках – это сложная инженерная задача, требующая учета множества факторов | false | true | false | |
17,496 | 2026-02-24T13:51:35.539000Z | 2026-02-24T13:51:35.539000Z | Lec. | Более простые подходы (например, на основе статических приоритетов) легче реализуются, но могут быть менее эффективными в плане использования пропускной способности | false | true | false | |
17,495 | 2026-02-24T13:51:32.943000Z | 2026-02-24T13:51:32.943000Z | Lec. | Алгоритмы, потенциально обеспечивающие более высокую эффективность (например, резервирование пространства-времени и некоторые подходы с машинным обучением [60]), как правило, являются более сложными в реализации, требуют более точных данных и могут быть более чувствительны к сбоям и задержкам | false | true | false | |
17,494 | 2026-02-24T13:51:30.072000Z | 2026-02-24T13:51:30.072000Z | Lec. | Выбор наиболее подходящего алгоритма зависит от конкретных условий эксплуатации, целей системы (например, максимальная пропускная способность, минимальные задержки, безопасность), уровня развития технологий (например, качество связи V2X, вычислительные мощности) и нормативных требований | false | true | false | |
17,493 | 2026-02-24T13:51:27.478000Z | 2026-02-24T13:51:27.478000Z | Lec. | Каждый из рассмотренных подходов (резервирование пространства-времени, приоритеты, виртуальные светофоры, машинное обучение и гибридные методы) обладает своими сильными и слабыми сторонами | false | true | false | |
17,492 | 2026-02-24T13:51:25.008000Z | 2026-02-24T13:51:25.008000Z | Lec. | Анализируя различные алгоритмы регулирования проезда AV через перекрестки, можно сделать несколько ключевых выводов | false | true | false | |
17,491 | 2026-02-24T13:51:22.529000Z | 2026-02-24T13:51:22.529000Z | Lec. | Потенциальные сложности в отладке и верификации: Анализ поведения и обеспечение безопасности сложных гибридных систем может быть затруднительным | true | true | false | |
17,490 | 2026-02-24T13:51:19.861000Z | 2026-02-24T13:51:19.861000Z | Lec. | Требования к интеграции различных компонентов: необходимо обеспечить эффективное взаимодействие между различными подсистемами; | false | true | false | |
17,489 | 2026-02-24T13:51:17.095000Z | 2026-02-24T13:51:17.095000Z | Lec. | Увеличенная сложность разработки и реализации: Гибридные системы сложнее в проектировании, разработке и тестировании; | false | true | false | |
17,488 | 2026-02-24T13:51:14.302000Z | 2026-02-24T13:51:14.302000Z | Lec. | Потенциал для более высокой производительности: Комбинирование лучших черт различных подходов может привести к более эффективному использованию пропускной способности и снижению задержек | false | true | false | |
17,487 | 2026-02-24T13:51:11.822000Z | 2026-02-24T13:51:11.822000Z | Lec. | Возможность достижения компромисса между различными целями: можно сбалансировать эффективность, безопасность, справедливость и др.; | false | true | false | |
17,486 | 2026-02-24T13:51:09.330000Z | 2026-02-24T13:51:09.330000Z | Lec. | Повышенная гибкость и адаптивность: Гибридные системы могут лучше справляться с различными условиями движения и нестандартными ситуациями; | false | true | false | |
17,485 | 2026-02-24T13:51:06.838000Z | 2026-02-24T13:51:06.838000Z | Lec. | Децентрализованное принятие решений с централизованной координацией: Локальные решения о движении могут приниматься самими AV на основе взаимодействия друг с другом, но центральная система может осуществлять общий контроль и вмешиваться в случае возникновения конфликтов или отклонении от заданных оптимальных значений | false | true | false | |
17,484 | 2026-02-24T13:51:03.960000Z | 2026-02-24T13:51:03.960000Z | Lec. | Использование виртуальных светофоров с элементами машинного обучения: Виртуальные сигналы могут генерироваться и управляться на основе прогнозов трафика, полученных с помощью алгоритмов МО; | false | true | false | |
17,483 | 2026-02-24T13:51:01.117000Z | 2026-02-24T13:51:01.117000Z | Lec. | Комбинация резервирования и приоритетов: для большинства автомобилей может использоваться резервирование пространства-времени для обеспечения высокой эффективности, а для автомобилей экстренных служб или в нестандартных ситуациях может применяться система приоритетов; | false | true | false | |
17,482 | 2026-02-24T13:50:58.203000Z | 2026-02-24T13:50:58.203000Z | Lec. | Гибридные подходы [30] объединяют сильные стороны различных методов регулирования движения AV на перекрестках | false | true | false | |
17,481 | 2026-02-24T13:50:55.373000Z | 2026-02-24T13:50:55.373000Z | Lec. | Проблемы обобщения: Модели, обученные на одних данных, могут плохо работать в других условиях (например, на перекрестках с другой конфигурацией или при другом распределении трафика) | false | true | false | |
17,480 | 2026-02-24T13:50:52.767000Z | 2026-02-24T13:50:52.767000Z | Lec. | Вычислительные ресурсы: Обучение и работа сложных моделей МО могут требовать значительных вычислительных ресурсов; | false | true | false | |
17,479 | 2026-02-24T13:50:49.966000Z | 2026-02-24T13:50:49.966000Z | Lec. | Вопросы безопасности и надежности: необходимо обеспечить безопасность и надежность систем на основе ИИ; | false | true | false | |
17,478 | 2026-02-24T13:50:47.387000Z | 2026-02-24T13:50:47.387000Z | Lec. | Сложность интерпретации решений: Решения, принимаемые сложными нейронными сетями, могут быть трудно интерпретируемыми, что затрудняет оценку их безопасности и надежности; | false | true | false | |
17,477 | 2026-02-24T13:50:44.893000Z | 2026-02-24T13:50:44.893000Z | Lec. | Требуется большой объем данных для обучения: для достижения удовлетворительной производительности алгоритмов МО необходимо собрать и обработать большой объем качественных данных о трафике; | false | true | false | |
17,476 | 2026-02-24T13:50:42.247000Z | 2026-02-24T13:50:42.247000Z | Lec. | Возможность учета множества факторов: Системы на основе ИИ способны интегрировать и анализировать множественные входные параметры (интенсивность движения, погодные условия, пешеходные потоки, приоритеты ТС) | false | true | false | |
17,475 | 2026-02-24T13:50:39.402000Z | 2026-02-24T13:50:39.402000Z | Lec. | Потенциал для дальнейшей оптимизации: По мере накопления данных и совершенствования алгоритмов эффективность управления может постоянно улучшаться; | false | true | false | |
17,474 | 2026-02-24T13:50:36.583000Z | 2026-02-24T13:50:36.583000Z | Lec. | Адаптивность к сложным и непредсказуемым условиям: Алгоритмы МО и ИИ могут учиться на реальных данных и адаптироваться к изменяющимся моделям трафика, которые не поддаются моделированию классическими аналитическими методами; | false | true | false | |
17,473 | 2026-02-24T13:50:33.547000Z | 2026-02-24T13:50:33.547000Z | Lec. | Мультиагентные системы (Multi-Agent Systems): Каждый AV может рассматриваться как агент, который взаимодействует с другими агентами (другими автомобилями, инфраструктурой) для принятия коллективных решений о движении на перекрестке | false | true | false | |
17,472 | 2026-02-24T13:50:30.475000Z | 2026-02-24T13:50:30.475000Z | Lec. | Генетические алгоритмы (Genetic Algorithms): Эти эволюционные алгоритмы могут быть использованы для поиска оптимальных параметров управления (например, длительности фаз светофора, порогов приоритетов) путем имитации процесса естественного отбора; | false | true | false | |
17,471 | 2026-02-24T13:50:27.400000Z | 2026-02-24T13:50:27.400000Z | Lec. | Нейронные сети (Neural Networks): Нейронные сети могут быть обучены распознавать сложные закономерности в данных о трафике и прогнозировать будущие потоки, что позволяет принимать более обоснованные решения об управлении светофорами или предоставлении права проезда; | false | true | false | |
17,470 | 2026-02-24T13:50:24.382000Z | 2026-02-24T13:50:24.382000Z | Lec. | Обучение с подкреплением (Reinforcement Learning): Агенты (например, центральный контроллер или отдельные AV) взаимодействуют со средой, получают обратную связь (например, время ожидания, количество проехавших автомобилей) и учатся принимать оптимальные решения путем проб и ошибок; | false | true | false | |
17,469 | 2026-02-24T13:50:21.449000Z | 2026-02-24T13:50:21.449000Z | Lec. | Некоторые из применяемых методов включают: | false | false | false | |
17,468 | 2026-02-24T13:50:18.988000Z | 2026-02-24T13:50:18.988000Z | Lec. | Эти подходы позволяют системе учиться на основе данных и принимать решения, которые оптимизируют различные цели (например, минимизация задержек, повышение пропускной способности, снижение расхода топлива) | false | true | false | |
17,467 | 2026-02-24T13:50:16.148000Z | 2026-02-24T13:50:16.148000Z | Lec. | Алгоритмы машинного обучения (МО) и искусственного интеллекта (ИИ) могут быть использованы для разработки оптимизированных адаптивных систем управления движением на перекрестках [29] | false | true | false | |
17,466 | 2026-02-24T13:50:13.279000Z | 2026-02-24T13:50:13.279000Z | Lec. | Совместимость с неавтоматизированными участниками движения: Существующие решения (подключенные транспортные средства с экранами оповещения, мобильные приложения) позволяют обеспечить взаимодействие виртуальных светофоров с традиционным транспортом и пешеходами | false | true | false | |
17,465 | 2026-02-24T13:50:10.429000Z | 2026-02-24T13:50:10.429000Z | Lec. | Необходимость стандартизации: для обеспечения совместимости между различными производителями AV и управляющими системами необходимы стандарты для виртуальных сигналов и протоколов связи; | false | true | false | |
17,464 | 2026-02-24T13:50:07.598000Z | 2026-02-24T13:50:07.598000Z | Lec. | Сложность разработки протоколов взаимодействия: разработка эффективных и безопасных протоколов для децентрализованного принятия решений является сложной задачей; | false | true | false | |
17,463 | 2026-02-24T13:50:04.636000Z | 2026-02-24T13:50:04.636000Z | Lec. | Проблемы безопасности при сбоях связи: отказ связи может привести к небезопасным ситуациям, если не предусмотрены резервные механизмы; | false | true | false | |
17,462 | 2026-02-24T13:50:02.146000Z | 2026-02-24T13:50:02.146000Z | Lec. | Требования к надежности связи: для эффективной работы децентрализованных и гибридных систем необходима надежная и высокоскоростная связь между автомобилями и/или центральной системой; | false | true | false | |
17,461 | 2026-02-24T13:49:59.363000Z | 2026-02-24T13:49:59.363000Z | Lec. | Возможность интеграции с другими функциями AV: Виртуальные сигналы могут быть интегрированы с системами помощи водителю и автономного управления для обеспечения более плавного и безопасного движения | false | true | false | |
17,460 | 2026-02-24T13:49:56.440000Z | 2026-02-24T13:49:56.440000Z | Lec. | Потенциал для повышения пропускной способности: Динамическое управление фазами может сократить время ожидания и увеличить количество автомобилей, проезжающих через перекресток за единицу времени; | false | true | false | |
17,459 | 2026-02-24T13:49:53.891000Z | 2026-02-24T13:49:53.891000Z | Lec. | Гибкость и адаптивность: Виртуальные сигналы могут быстро реагировать на изменения в потоке движения и оптимизировать время проезда; | false | true | false | |
17,458 | 2026-02-24T13:49:51.396000Z | 2026-02-24T13:49:51.396000Z | Lec. | Виртуальные светофоры могут изменять свои фазы и длительность в зависимости от текущего трафика, что позволяет более эффективно адаптироваться к изменяющимся условиям движения, чем традиционные светофоры с фиксированными циклами | false | true | false | |
17,457 | 2026-02-24T13:49:48.516000Z | 2026-02-24T13:49:48.516000Z | Lec. | Гибридный подход: Комбинация децентрализованного взаимодействия между ближайшими автомобилями и централизованной координации на более высоком уровне | false | true | false | |
17,456 | 2026-02-24T13:49:46.030000Z | 2026-02-24T13:49:46.030000Z | Lec. | Централизованный подход: Центральный контроллер собирает информацию обо всех приближающихся AV и динамически генерирует виртуальные сигналы для каждого из них, координируя их движение; | false | true | false | |
17,455 | 2026-02-24T13:49:43.131000Z | 2026-02-24T13:49:43.131000Z | Lec. | Децентрализованный подход: Автомобили обмениваются информацией друг с другом (например, о своем местоположении, скорости и намерениях) и самостоятельно принимают решения о проезде на основе заданных правил и протоколов; | false | true | false | |
17,454 | 2026-02-24T13:49:40.223000Z | 2026-02-24T13:49:40.223000Z | Lec. | Существует несколько вариантов реализации виртуальных светофоров: | false | true | false | |
17,453 | 2026-02-24T13:49:37.794000Z | 2026-02-24T13:49:37.794000Z | Lec. | Каждое транспортное средство получает индивидуальные виртуальные сигнальные указания, определяющие приоритет проезда перекрестка или необходимость остановки | false | true | false | |
17,452 | 2026-02-24T13:49:34.942000Z | 2026-02-24T13:49:34.942000Z | Lec. | В данном подходе традиционные физические светофорные устройства заменяются динамическими виртуальными сигналами, формируемыми посредством взаимодействия между автономными транспортными средствами (AV) и/или централизованной системой управления [28] | false | true | false | |
17,451 | 2026-02-24T13:49:32.103000Z | 2026-02-24T13:49:32.103000Z | Lec. | Сложность оптимизации: найти оптимальную систему приоритетов, которая учитывала бы все аспекты, может быть сложно | false | true | false | |
17,450 | 2026-02-24T13:49:28.418000Z | 2026-02-24T13:49:28.418000Z | Lec. | Риск возникновения тупиковых ситуаций: неправильно разработанная система приоритетов может привести к ситуациям, когда ни один автомобиль не может проехать перекресток; | false | true | false | |
17,449 | 2026-02-24T13:49:25.798000Z | 2026-02-24T13:49:25.798000Z | Lec. | Потенциальная несправедливость: Участники движения с низким приоритетом могут испытывать длительные задержки; | false | true | false | |
17,448 | 2026-02-24T13:49:23.108000Z | 2026-02-24T13:49:23.108000Z | Lec. | Менее эффективное использование пропускной способности: Фиксированные приоритеты могут привести к тому, что полосы с высоким приоритетом будут перегружены, в то время как полосы с низким приоритетом будут простаивать; | false | true | false | |
17,447 | 2026-02-24T13:49:20.566000Z | 2026-02-24T13:49:20.566000Z | Lec. | Возможность учета различных факторов: Приоритеты могут назначаться с учетом различных критериев, таких как безопасность, эффективность и социальная значимость | false | true | false | |
17,446 | 2026-02-24T13:49:17.679000Z | 2026-02-24T13:49:17.679000Z | Lec. | Высокая масштабируемость: Интеграция новых участников транспортного потока не требует значительной модификации системной архитектуры; | false | true | false | |
17,445 | 2026-02-24T13:49:15.163000Z | 2026-02-24T13:49:15.163000Z | Lec. | Упрощенная архитектура реализации: Принятие решений на основе приоритетных правил характеризуется меньшей вычислительной сложностью по сравнению с алгоритмами пространственного резервирования; | false | true | false | |
17,444 | 2026-02-24T13:49:12.483000Z | 2026-02-24T13:49:12.483000Z | Lec. | В случае равных приоритетов могут использоваться дополнительные правила (например, "помеха справа") | false | true | false | |
17,443 | 2026-02-24T13:49:10.052000Z | 2026-02-24T13:49:10.052000Z | Lec. | Когда несколько AV одновременно приближаются к перекрестку, система сравнивает их приоритеты и предоставляет право проезда тем, у кого приоритет выше | false | true | false | |
17,442 | 2026-02-24T13:49:07.550000Z | 2026-02-24T13:49:07.550000Z | Lec. | Динамическое назначение приоритетов: Приоритеты могут меняться в зависимости от текущей ситуации на перекрестке и интенсивности движения | false | true | false | |
17,441 | 2026-02-24T13:49:05.065000Z | 2026-02-24T13:49:05.065000Z | Lec. | Приоритеты на основе типа транспортного средства: например, автомобили экстренных служб могут иметь наивысший приоритет; | false | true | false | |
17,440 | 2026-02-24T13:49:02.657000Z | 2026-02-24T13:49:02.657000Z | Lec. | Приоритеты на основе времени ожидания: чем дольше автомобиль ожидает у перекрестка, тем выше становиться его приоритет; | false | true | false | |
17,439 | 2026-02-24T13:49:00.089000Z | 2026-02-24T13:49:00.089000Z | Lec. | Фиксированные приоритеты для полос движения или направлений: например, главная дорога имеет более высокий приоритет, чем второстепенная; | false | true | false | |
17,438 | 2026-02-24T13:48:57.693000Z | 2026-02-24T13:48:57.693000Z | Lec. | Типы приоритетов: | false | true | false | |
17,437 | 2026-02-24T13:48:50.002000Z | 2026-02-24T13:48:50.002000Z | Lec. | Когда возникает конфликтная ситуация на перекрестке (например, несколько AV хотят проехать одновременно), решение о том, кому предоставить право проезда первым, принимается на основе этих приоритетов | false | true | false | |
17,436 | 2026-02-24T13:48:47.478000Z | 2026-02-24T13:48:47.478000Z | Lec. | В основе этого подхода лежит идея назначения различных уровней важности или срочности разным участникам движения или ситуациям [27] | false | true | false | |
17,435 | 2026-02-24T13:48:44.323000Z | 2026-02-24T13:48:44.323000Z | Lec. | Обработка НТС и пешеходами: Интеграция с непредсказуемым поведением людей и обычных автомобилей представляет собой серьезную проблему | false | true | false | |
17,434 | 2026-02-24T13:48:41.506000Z | 2026-02-24T13:48:41.506000Z | Lec. | Проблемы масштабируемости: Добавление новых участников движения может потребовать пересчета всех существующих резерваций, что может быть ресурсоемким | false | true | false | |
17,433 | 2026-02-24T13:48:39.010000Z | 2026-02-24T13:48:39.010000Z | Lec. | Чувствительность к задержкам распространения сигналов: Задержки в передаче запросов и ответов могут нарушить синхронизацию и потребовать дополнительных механизмов обеспечения отказоустойчивости | false | true | false | |
17,432 | 2026-02-24T13:48:36.376000Z | 2026-02-24T13:48:36.376000Z | Lec. | Неточности могут привести к неоптимальным резервациям или даже конфликтам | false | true | false | |
17,431 | 2026-02-24T13:48:33.808000Z | 2026-02-24T13:48:33.808000Z | Lec. | Требования к точности прогнозирования: Эффективность алгоритма зависит от точности прогнозирования времени прибытия и траектории каждого автомобиля | false | true | false | |
17,430 | 2026-02-24T13:48:31.140000Z | 2026-02-24T13:48:31.140000Z | Lec. | Центральный контроллер может стать потенциальным ограничивающим фактором производительности всей системы | false | true | false | |
17,429 | 2026-02-24T13:48:28.346000Z | 2026-02-24T13:48:28.346000Z | Lec. | Сложность централизованного управления: При большом количестве AV задача координации и планирования становится вычислительно сложной | false | true | false | |
17,428 | 2026-02-24T13:48:25.748000Z | 2026-02-24T13:48:25.748000Z | Lec. | Возможность интеграции с другими системами: Резервирование может быть интегрировано с системами оптимизации маршрутов и управления трафиком на более высоком уровне | false | true | false | |
17,427 | 2026-02-24T13:48:22.887000Z | 2026-02-24T13:48:22.887000Z | Lec. | Плавность движения: Заранее спланированные траектории могут обеспечить более плавное и комфортное движение без резких остановок и ускорений | false | true | false | |
17,426 | 2026-02-24T13:48:20.038000Z | 2026-02-24T13:48:20.038000Z | Lec. | Минимизация риска столкновений: Явное резервирование пространства и времени исключает возможность одновременного нахождения нескольких автомобилей в одной и той же точке перекрестка | false | true | false | |
17,425 | 2026-02-24T13:48:17.533000Z | 2026-02-24T13:48:17.533000Z | Lec. | Потенциально высокая пропускная способность: Оптимизированное планирование движения позволяет эффективно использовать пространство перекрестка и сократить время ожидания в очереди | false | true | false | |
17,424 | 2026-02-24T13:48:15.040000Z | 2026-02-24T13:48:15.040000Z | Lec. | Также важна надежная связь между автомобилями и управляющей системой | false | true | false | |
17,423 | 2026-02-24T13:48:12.308000Z | 2026-02-24T13:48:12.308000Z | Lec. | Для реализации этого подхода необходимо точное знание местоположения, скорости и предполагаемой траектории каждого AV [26] | false | true | false | |
17,422 | 2026-02-24T13:48:09.585000Z | 2026-02-24T13:48:09.585000Z | Lec. | Если запрос не конфликтует с уже существующими резервациями, он одобряется, и автомобиль получает разрешение на проезд с указанием времени въезда и траектории движения | false | true | false | |
17,421 | 2026-02-24T13:48:07.112000Z | 2026-02-24T13:48:07.112000Z | Lec. | Центральный контроллер (или распределенная система принятия решений) получает запросы от всех приближающихся AV и планирует их проезд таким образом, чтобы избежать любых пересечений зарезервированных пространственно-временных слотов | false | true | false | |
17,420 | 2026-02-24T13:48:04.451000Z | 2026-02-24T13:48:04.451000Z | Lec. | Каждый AV, приближаясь к перекрестку, запрашивает у центрального контроллера (или координирующей децентрализованной системы) определенный "слот" в пространстве и времени для безопасного проезда | false | true | false | |
17,419 | 2026-02-24T13:48:01.597000Z | 2026-02-24T13:48:01.597000Z | Lec. | Типы резервирования для управления перекрестками | false | true | false | |
17,418 | 2026-02-24T13:47:59.128000Z | 2026-02-24T13:47:59.128000Z | Lec. | Типы резервирования для управления перекрестками [59]:. (а) на основе перекрестков;. (б) на основе плиток;. (в) на основе CP;. (г) на основе ТС | false | false | false | |
17,417 | 2026-02-24T13:47:56.295000Z | 2026-02-24T13:47:56.295000Z | Lec. | В отличие от традиционных светофоров, где фазы жестко фиксированы, в данном примере каждое ТС получает индивидуальный интервал для проезда | false | true | false | |
17,416 | 2026-02-24T13:47:53.478000Z | 2026-02-24T13:47:53.478000Z | Lec. | Алгоритмы резервирования организуют безопасное пересечение перекрестка за счет предварительного распределения временных или пространственных "слотов" между транспортными средствами [25] (рис .1) | false | true | false | |
17,415 | 2026-02-24T13:47:50.460000Z | 2026-02-24T13:47:50.460000Z | Lec. | Его универсальность позволяет успешно применять такие системы в различных условиях – от плотных городских потоков до участков со смешанным типом транспорта | false | true | false | |
17,414 | 2026-02-24T13:47:47.639000Z | 2026-02-24T13:47:47.639000Z | Lec. | Таким образом, для современных интеллектуальных транспортных систем, требующих как высокой эффективности, так и надежности, гибридный подход представляется наиболее перспективным направлением развития | false | true | false | |
17,413 | 2026-02-24T13:47:45.021000Z | 2026-02-24T13:47:45.021000Z | Lec. | При пилотных внедрениях – поэтапный переход от простых к сложным конфигурациям | false | true | false | |
17,412 | 2026-02-24T13:47:42.204000Z | 2026-02-24T13:47:42.204000Z | Lec. | В условиях неоднородного трафика – приоритет децентрализованным механизмам. 3 | false | true | false | |
17,411 | 2026-02-24T13:47:39.764000Z | 2026-02-24T13:47:39.764000Z | Lec. | Для городов с развитой инфраструктурой – акцент на централизованные компоненты. 2 | false | true | false | |
17,410 | 2026-02-24T13:47:37.037000Z | 2026-02-24T13:47:37.037000Z | Lec. | Практические рекомендации:. 1 | false | true | false | |
17,409 | 2026-02-24T13:47:34.473000Z | 2026-02-24T13:47:34.473000Z | Lec. | Показатели времени реакции (70-150 мс) обеспечивают оптимальный баланс между быстродействием децентрализованных механизмов и аналитической глубиной централизованного управления | false | true | false | |
17,408 | 2026-02-24T13:47:31.947000Z | 2026-02-24T13:47:31.947000Z | Lec. | Несмотря на сохраняющуюся высокую сложность внедрения, гибридные системы демонстрируют существенные преимущества в виде повышенной адаптивности и устойчивости к отказам, что компенсирует дополнительные эксплуатационные затраты | false | true | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.