madiАвтомобиль. Дорога. Инфраструктура. = Avtomobil'. Doroga. Infrastruktura.Avtomobil'. Doroga. Infrastruktura.2409-7217МАДИmadi-1574Research Article2.9.8. Интеллектуальные транспортные системыО применении технологий предиктивного управления в интеллектуальных транспортных системахThe application of predictive control technologies аt intelligent transport systemshttps://orcid.org/0000-0001-9833-9376ЖанказиевСултан ВладимировичZhankazievSultan V.

д-р техн. наук, проф., заведующий кафедрой «Организация и безопасность движения, интеллектуальные транспортные системы»

Doctor of Sciences (Technical), professor, Head of Department “Road traffic management and safety, Intelligent transport systems”

sultanv@mail.ruhttps://orcid.org/0009-0005-7263-498XАнохинДенис АлександровичAnokhinDenis A.

аспирант кафедры «Организация и безопасность движения, интеллектуальные транспортные системы»

Postgraduate Student of the Department “Traffic Organization and Safety, Intelligent Transport Systems” 

an.ocean@inbox.ruМАДИРоссияMADIRussian Federation20263103202601(47)1515Copyright © Жанказиев С.В., Анохин Д.А., 20262026Жанказиев С.В., Анохин Д.А.Zhankaziev S.V., Anokhin D.A.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.adi-madi.ru/madi/article/view/1574

В статье рассматриваются актуальные подходы для использования решений на основе методов машинного обучения и искусственного интеллекта, используемых при создании, внедрении и развитии интеллектуальных транспортных систем на территории Российской Федерации, реализуемых в настоящее время в рамках национального проекта «Инфраструктура для жизни». Особое внимание уделяется применяемым в настоящее время инструментам мониторинга и управления транспортными потоками, являющимися неотъемлемой частью таких систем, и обеспечивающими реализацию их целей и задач. Традиционный инструментарий построения интеллектуальных транспортных систем, основанный на сценарном и локальном адаптивном управлении дорожными контроллерами, позволяет получить определенные позитивные эффекты путем реагирования на возникающие изменения параметров, однако наиболее перспективным представляется подход, основанный на предиктивном управлении параметрами транспортных потоков с использованием сетевого адаптивного управления. Указанный подход моделирует сложные зависимости внутренних и внешних факторов влияния на транспортные потоки и динамику дорожной обстановки. Модели, основанные на параметрах реального транспортного потока, позволяют выявлять и определять вероятности изменения параметров, например, для прогнозирования возникновения транспортного затора в конкретном месте в конкретное время. Предиктивный подход к управлению, реализуемый в рамках развития функциональных возможностей интеллектуальных транспортных систем, позволит получить дополнительные позитивные социально-экономические эффекты для всех участников дорожного движения и пользователей дорог.

The article addresses pressing issues related to the use of machine learning and artificial intelligence methods in the design, deployment, and development of intelligent transport systems (ITS) in the Russian Federation, which are currently being implemented within the framework of the national project “Infrastructure for Life.” Particular attention is paid to the monitoring and traffic flow control tools currently in use, which constitute an integral part of such systems and ensure the achievement of their goals and objectives. The traditional toolkit for building intelligent transport systems, based on scenario-driven and local adaptive control of traffic signal controllers, makes it possible to obtain certain positive effects by reacting to emerging changes in parameters. However, the most promising is an approach based on predictive control of traffic flow parameters using network-wide adaptive control. This approach models the complex interdependencies between internal and external factors influencing traffic flows and the dynamics of the traffic situation. Models based on real traffic flow parameters make it possible to identify and estimate the probabilities of changes in these parameters, for example, to forecast the occurrence of congestion at a specific location and at a specific time. A predictive control approach, implemented as part of the enhancement of the functional capabilities of intelligent transport systems, will provide additional positive socio-economic effects for all road users.

автоматизированные системы управлениясветофорное регулированиеинтеллектуальные транспортные системыавтомобильный транспортпредиктивное управлениеискусственный интеллекторганизация дорожного движенияпрограммно-аппаратный комплекспараметры транспортных потоковautomated control systemstraffic light controlintelligent transport systemsroad transportpredictive controlartificial intelligencetraffic managementsoftware and hardware complextraffic flow parametersReferencesA Scientometric-Based Review of Traffic Signal Control Methods and Experiments Based on Connected Vehicles and Floating Car Data (FCD) / V. Astarita, V. P. Giofrè, G. Guido, A. Vitale // Applied Sciences (Switzerland). – 2021. – Vol. 11, No. 12. – P. 5547. – DOI 10.3390/app11125547. – EDN PFZARY.Astarita V., Giofrè V.P., Guido G., Vitale A. A Scientometric-Based Review of Traffic Signal Control Methods and Experiments Based on Connected Vehicles and Floating Car Data (FCD), Appl. Sci., 2021, vol. 11, no. 5547, 18 p. – DOI: 10.3390/app11115547.Zhang, Le. Predictive Intelligent Transportation: Alleviating Traffic Congestion in the Internet of Vehicles / Le. Zhang, M. Khalgui, Zh. Li // Sensors. – 2021. – Vol. 21, No. 21. – P. 7330. – DOI 10.3390/s21217330. – EDN MQFXYO.Zhang L., Khalgui M., Li Z. Predictive Intelligent Transportation: Alleviating Traffic Congestion in the Internet of Vehicles, Sensors, 2021, vol. 21, no. 7330, 21 p. – DOI: 10.3390/s21187330.Jafari, S. Improving the Performance of Single-Intersection Urban Traffic Networks Based on a Model Predictive Controller / S. Jafari, Z. Shahbazi, Yu. Ch. Byun // Sustainability. – 2021. – Vol. 13, No. 10. – P. 5630. – DOI 10.3390/su13105630. – EDN BRAPVS.Jafari S., Shahbazi Z., Byun Y.-C. Improving the Performance of Single-Intersection Urban Traffic Networks Based on a Model Predictive Controller, Sustainability, 2021, vol. 13, no. 5630, 16 p. – DOI: 10.3390/su13105630.Евстигнеев, И. А. Основы создания интеллектуальных транспортных систем в городских агломерациях России / И. А. Евстигнеев. – Москва: Издательство "Перо", 2021. - 294 с.Evstigneev I.A. Osnovy sozdanija intellektual'nyh transportnyh sistem v gorodskih aglomeracijah Rossii (Fundamentals of creating intelligent transport systems in urban agglomerations of Russia), Mоscow, Pero, 2021, 294 p.Реестр программного обеспечения: официальный сайт. –Москва. – URL: https://reestr.digital.gov.ru.Reestr programmnogo obespecheniya: official website, available at: https://reestr.digital.gov.ru.Развитие архитектуры интеллектуальных транспортных систем / Е. О. Андреев, С. В. Жанказиев, В. В. Зырянов, А. С. Павлов // T-Comm: Телекоммуникации и транспорт. – 2024. – Т. 18, № 1. – С. 38-43. – DOI 10.36724/2072-8735-2024-18-1-38-43. – EDN HNTJMK.Andreev E.O.; Zhankaziev S.V.; Zyryanov V.V.; Pavlov A.S. T-Comm: Telekommunikacii i transport, 2024, no. 1, pp. 38-43, DOI 10.36724/2072-8735-2024-18-1-38-43.Бажина, М. А. Проблемы правового регулирования применения инновационных технологий в транспортно-логистической деятельности / М. А. Бажина // Вестник Южно-Уральского государственного университета. Серия: Право. – 2023. – Т. 23, № 3. – С. 41-45. – DOI 10.14529/law230307. – EDN KOYNVF.Bazhina M.A. Vestnik YUURGU, 2023, no. 3, pp. 41-45. – DOI 10.14529/law230307. – EDN KOYNVF.Кузнецов, С. А. Организационно-технические аспекты внедрения интеллектуальных транспортных систем в городских агломерациях / С. А. Кузнецов, В. А. Николаев // Экономика и управление. – 2025. – Т. 31, № 6. – С. 728-737. – DOI 10.35854/1998-1627-2025-6-728-737. – EDN RISOHW.Kuznecov S.A.; Nikolaev V.A. T-Comm: Ekonomika i upravlenie, 2025, no. 31 (6), pp. 728-737. – DOI 10.35854/1998-1627-2025-6-728-737. – EDN RISOHW.Сырцова, Е. А. Эффекты внедрения интеллектуальных транспортных систем в регионах России / Е. А. Сырцова // Государственное управление. Электронный вестник. – 2023. – № 101. – С. 159-169. – DOI 10.24412/2070-1381-2023-101-159-169. – EDN RHWEOJ.Syrcova E.A. T-Comm: Gosudarstvennoye upravleniye. Elektronnyy vestnik, 2023, no. 101, pp. 159-168. – DOI 10.24412/2070-1381-2023-101-159-169. – EDN RHWEOJ.

The authors declare that there are no conflicts of interest present.