ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2017 г.)
2-летний импакт-фактор РИНЦ: 0,500
2-летний импакт-фактор РИНЦ без самоцитирования: 0,405
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,817
5-летний импакт-фактор РИНЦ: 0,319
5-летний импакт-фактор РИНЦ без самоцитирования: 0,264
Суммарное число цитирований журнала в РИНЦ: 6012
Пятилетний индекс Херфиндаля по цитирующим журналам: 404
Индекс Херфиндаля по организациям авторов: 338
Десятилетний индекс Хирша: 17
Место в общем рейтинге SCIENCE INDEX за 2017 год: 527
Место в рейтинге SCIENCE INDEX за 2017 год по тематике "Автоматика. Вычислительная техника": 16

Больше данных по публикационной активности нашего журнале за 2008-2017 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2018

Статьи из выпуска № 1 за 2018 год.

Упорядочить результаты по:
Дате публикации | Заголовку статьи | Авторам

1. Программные средства решения задач оптимизации размещения транспортных объектов на основе алгоритма кластеризации с проекцией [№1 за 2018 год]
Автор: Есипов Б.А.
Просмотров: 1438
Выбор оптимального расположения логистических центров является актуальной задачей для всех видов перевозок. Решение ее для реальных задач региона или страны приводит к математическим алгоритмам высокой сложности. В статье предлагаются математическая модель и новый метод решения задачи оптимального размещения логистических центров двухуровневой сети перевозок на основе применения математического аппарата кластерного анализа. При заданных геоинформационных параметрах производств-поставщиков, а также заданной топологии дорог, станций или других объектов транспортной инфраструктуры ставится задача оптимального выбора логистических центров. Для сети железных дорог логистическими центрами могут быть, например, контейнерные пункты. Критерием оптимизации является минимизация общего суммарного объема перевозок в тонно-километрах от производств до контейнерных пунктов. Для этого в качестве оптимизационной математической модели используется модель разбиения объектов на кластеры. Искомыми кластерами являются подмножества точек-производств со своими центрами – контейнерными пунктами. Поскольку центры кластеров обязательно должны находиться на железнодорожных станциях, предложен новый алгоритм кластеризации с проекцией. Исследованы возможности такого алгоритма кластеризации, названного k-means pro. Рассмотрена методика выбора количества центров (кластеров) по обобщенному экономическому показателю затрат на перевозки и создание логистических центров. Приведены примеры расчетов для предприятий и железных дорог Приволжского федерального округа на основе созданного ПО.

2. Системный анализ объектов транспортной инфраструктуры в геоинформационной среде [№1 за 2018 год]
Автор: Михеева Т.И.
Просмотров: 1573
С позиции системного анализа среди задач, решаемых в рамках управления функционированием транспортной инфраструктуры, отдельно стоит мониторинг характеристик улично-дорожной сети, транспортных потоков, технических средств управления движением. Решение таких задач требует инструментов, обеспечивающих эти процессы универсальными средствами создания и динамической модификации объектов. В качестве методологической и информационной основы построения геоинформационной системы управления функционированием транспортной инфраструктуры используются модели таксономии, которые лежат в основе объектно-ориентированного конструирования инструментальных сред, ориентированных на разработку сложноорганизованных систем. Интеллектуальная транспортная геоинформационная система ITSGIS является средством для хранения и обработки геоданных, обладает огромным потенциалом в области интеллектуальной поддержки принятия решений. Области применения ITSGIS основаны на задачах сетецентрического управления. Интеллектуальность ITSGIS обеспечивается наличием в функционале нейросетевых технологий. С помощью нейросетей сформирован универсальный аппарат, решающий различные специфические задачи из разных проблемных областей, в том числе в управлении транспортными процессами. Одной из подсистем ITSGIS является система экспертной дислокации технических средств организации дорожного движения на тематические слои электронной карты, предназначенная для проверки корректности установки дорожных знаков и светофоров. Для выявления мест концентрации ДТП на карте в интеллектуальной транспортной системе реализованы методы, основанные на использовании интеллектуальной технологии Data Mining. В геоинформационной составляющей ITSGIS ведется учет геообъектов (полигональных, линейных, точечных) электронной карты с их семантическим наполнением (назначение геообъекта, принадлежность организации, отсканированные документы, контакты для связи с населением).

3. Сетецентрическое управление на основе микро- и макромоделей транспортных потоков [№1 за 2018 год]
Автор: Михеев С.В.
Просмотров: 1423
В качестве методологической основы технологии сетецентрического управления транспортными потоками использованы таксономические модели сложноорганизованной интеллектуальной транспортной геоинформационной среды ITSGIS. Геоинформационный анализ и таксономическое проектирование позволили разработать эволюционную технологию моделирования поведения потоков на улично-дорожной сети. Сетецентрическое координированное управление потоками позволяет упорядочить транспортные потоки, увеличить пропускную способность сети и улучшить экологию за счет сокращения транспортных задержек. Любой модуль имитационной среды ITSGIS, локализованный информационно, как программный эквивалент класса объектов транспортной инфраструктуры, характеризуется триадой <ТуреOb, TFunction, Algorithm>, где ТуреOb – тип объектов класса, TFunction – действия над объектами – переменными типа ТуреOb, Algorithm – схемы поведения объектов-экземпляров класса. TFunction и ТуреOb экспортируются из модуля-класса, Algorithm инкапсулированы в нем так, что пассивация и активация элементов Algorithm вне модуля опосpедована, – она производится через вызовы элементов TFunction. Конечная задача локального управления – переключение светофорных сигналов в зоне одного перекрестка, для нее в качестве ТуреOb выступают объекты класса «Регулируемый_Перекресток», в качестве TFunction – метод MLocalControl. Эта задача разделена на частные задачи (Algorithm): фазообразование, компоновка фаз, коррекция длительностей, формирование переходных интервалов и др. Целью управления на перекрестке является обеспечение безопасного и эффективного движения. В качестве основополагающего критерия эффективности алгоритмов принята величина задержки. При расчете сетецентрического управления с использованием программ координации задачи решаются с помощью графоаналитического метода и определения сдвига фаз. Использование объектно-ориентированных геотехнологий позволяет в среде ITSGIS моделировать макроструктуру различной сложности с произвольным набором имманентных свойств. Система моделирования транспортных потоков, проходящих через транспортные узлы (перегоны, перекрестки, кольца, железнодорожные переезды, тоннели), на которых присутствуют объекты транспортной инфраструктуры (регулируемые и нерегулируемые пешеходные переходы, светофоры, дорожные знаки, ограждения, искусственные дорожные неровности и т.д.), использует модели разного представления (микромодели, макромодели, мультиагентные модели, интеллектуальные социообъекты).

4. Построение модели транспортной инфраструктуры на основе пространственно-спектральной аэрокосмической информации [№1 за 2018 год]
Авторы: Федосеев А.А., Михеева Т.И., Михеев С.В.
Просмотров: 1325
Рассматривается задача синтеза тематического слоя объектов транспортной инфраструктуры на основе данных дистанционного зондирования Земли, получаемых космическими и воздушными средствами. Описаны структура информационного пространства дистанционного зондирования объектов транспортной инфраструктуры с использованием методологии стратификации, а также основные страты информационного пространства дистанционного зондирования Земли, объединяющие совокупности однотипных информационных объектов и подлежащие дальнейшему расслоению для получения требуемого уровня детализации. Предложена схема информационной поддержки управления характеристиками и состоянием объектов транс-портной инфраструктуры на основе данных дистанционного зондирования Земли, уровни которой включают в себя страты информационной и методической инфраструктур. При этом страта функциональной инфраструктуры содержит данные геоинформационной модели, обеспечивающей актуализацию данных, хранящихся в БД, и их визуализацию на электронной карте. Построена модель структурно-параметрического синтеза тематического слоя электронной карты в среде геоинформационной системы для объектов транспортной инфраструктуры на аэрокосмических изображениях. В рамках данной задачи разработаны модели решения задач экстрагирования объектов транспортной инфра-структуры на космических снимках высокого пространственного разрешения в условиях ограниченного состава спектральных признаков, а также с использованием гиперспектральной информации. Данные модели являются базовыми для решения задач определения геометрических характеристик транспортной сети, поиска изменений ее конфигурации и оценки загруженности транспортной сети динамическими объектами транспортной инфраструктуры – автотранспортом. Описаны характерные признаки объектов, используемые в процессе синтеза тематического слоя объектов транспортной инфраструктуры. Так как в работе используются только прямые дешифровочные признаки, внимание сосредоточено на яркостных (спектральных) и геометрических признаках объектов класса «Транспортная_сеть», «Транспортное_средство», «Дорога», «Проезжая_часть», «Обочина», «Тротуар», «Велосипедная_дорожка», «Разделительная_полоса», «Разметка», «Природный_объект».

5. Веб-модель распределенной информационной системы реального времени [№1 за 2018 год]
Авторы: Остроглазов Н.А., Чугунов А.И., Кудрин М.А., Елизаров В.В.
Просмотров: 1590
В статье описываются подходы к решению проблемы эффективного использования вычислительных ресурсов при проектировании сложноорганизованных веб-ориентированных распределенных систем, а также разработка веб-модели распределенной информационной системы реального времени проведения конкурсов научно-образовательных работ. Система реализована на основе фреймворка Yii на языке PHP. Взаимодействие между сервером приложений и клиентским приложением организовано с использованием паттерна MVC (Model View Controller), где представлением является интерфейс пользователя с инструментами для работы в системе, а контроллер обеспечивает взаимодействие между моделью и представлением. Клиентское приложение спроектировано на основе паттерна проектирования «Модуль» за счет механизма замыканий (closures) на языке JavaScript. Такой подход к организации структуры веб-системы создает условия для обеспечения централизованной обработки, хранения и доставки пространственных данных через сеть Интернет для удаленных пользователей. В системе реализовано разделение пользователей по ролям на «Администратор», «Проверяющий» и «Участник». В статье описаны диаграммы деятельности пользователей с ролями «Администратор» и «Проверяющий», построенные по методологии UML (Unified Modeling Language – унифицированный язык моделирования). Разработанная система позволяет в режиме реального времени подавать заявки на участие в конкурсе научно-образовательных работ «Участнику конкурса», проверять, утверждать, отклонять и отправлять на доработку заявки, а также формировать документы с подведением итогов конкурса «Проверяющему», тем самым осуществляя и контролируя весь цикл деятельности по организации проведения конкурса научно-образовательных работ в веб-системе.

6. Система геодинамической 3D-визуализации виртуальных туристических маршрутов [№1 за 2018 год]
Авторы: Головнин О.К., Кутовой Н.Н.
Просмотров: 1521
Представлена разработанная автоматизированная система построения и геодинамической визуализации виртуальных туристических маршрутов. Система предназначена для повышения эффективности процесса поддержки принятия решений при планировании туристического путешествия. Маршрут в программной системе представляется в виде виртуального тура, содержащего эквидистантную проекцию панорамных видеозаписей с привязкой к координатам местности на электронной карте. Система обеспечивает динамическую 3D-визуализацию маршрута в веб-ориентированном приложении с архитектурой SaaS. В дополнение к туристическому динамическому видеомаршруту на электронной карте отображаются статические туристические (исторические) объекты, также привязанные к объектам карты и снабженные семантической характеристикой (текст, фото, ссылки на интернет-ресурсы, аудиозаписи). Описаны концепция разработки логической модели системы на основе предметной области, общая структурная схема системы, примененные модули интерфейсов, инструменты подключаемых библиотек, используемые програм- мные средства и алгоритмы функционирования. Взаимодействие с основными загруженными данными в системе происходит с помощью программных функций, реализованных на основе алгоритмов компьютерного зрения и обработки изображений с использованием библиотеки OpenCV. Система базируется на геоинформационной платформе ITSGIS и использует специализированное ПО WayMark для обработки исходных данных, получаемых с мобильных геовидеолабораторий: навигационных координат, изображений и видеозаписей с нескольких камер. Потенциальными потребителями системы должны стать не только многочисленные туристические организации, для решения непосредственных задач которых предназначен функционал системы, но и самостоятельно путешествующие частные лица. Разработанная система обеспечивает формирование и визуализацию виртуального туристического маршрута и повышает информационную мобильность туристов. В системе доступны функции поиска геовидеомаршрутов по критериям: минимальное время прохождения маршрута, количество точек интересных мест, минимальное или максимальное расстояние.

7. Прецедентная система поддержки принятия решений по делам об административных правонарушениях [№1 за 2018 год]
Авторы: Головнин О.К., Романова Е.А.
Просмотров: 1364
Описана разработанная прецедентная система поддержки принятия решений в процессе анализа административных правонарушений, поддерживающая возможность работы как через веб-интерфейс, так и с помощью настольного приложения. Система обеспечивает автоматизацию поддержки принятия решений и контроля процессуальных сроков, а также автоматизацию сбора, планирования и анализа информации, используемой в процессе производства по делам об административных правонарушениях. Система предназначена для организаций, уполномоченных возбуждать и рассматривать дела об административных правонарушениях. Разработан информационно-логический проект, описаны архитектура, программные модули и функциональные возможности созданной системы. Система обеспечивает формирование документов и отчетов, необходимых для ведения учета дел об административных правонарушениях. В ней реализован контроль процессуальных сроков производства, формируется календарь задач для каждого пользователя. Система обеспечивает поддержку принятия решений в процессе производства по делам об административных правонарушениях. В статье описана интегрированная математическая модель поддержки принятия решений на основе онтологической модели представления знаний и технологии Case-based reasoning поиска описания прецедентов (паттернов) решения подобных задач в базах знаний. Подход к рассуждению по паттернам, реализованный в системе, использует как общие знания предметной области, аналогичные ситуации и решения, так и специфические данные и выводы из конкретных ситуаций (паттернов). Решение по задаче принимается, исходя из аналогичной ситуации, имевшей место в прошлом, и принятого по ней решения. Ожидается, что применение научных и практических результатов, полученных по результатам выполнения работы, позволит повысить эффективность деятельности организаций, участвующих в процессе производства по делам об административных правонарушениях.

8. Разработка модели имитации значений технологических параметров гидроагрегата для тренажера оперативного персонала [№1 за 2018 год]
Авторы: Никулина А.В., Зеленко Л.С.
Просмотров: 1130
Тренажерная подготовка оперативного персонала гидроэлектростанций (ГЭС) – одна из наиболее эффективных форм профессионального обучения, поскольку она позволяет формировать навыки управления технологическими процессами как в нормальных, так и в аварийных условиях. Программный тренажер дает возможность максимально реалистично воссоздавать ход технологического процесса, включая индикацию, блокировки, логику работы реального оборудования. Это особенно важно для операторов ГЭС, деятельность которых связана с восприятием большого объема информации. В статье рассмотрены требования к тренажеру оперативного персонала ГЭС и сценарии обучения. Приводятся примеры регистрируемых технологических параметров гидроагрегата и соответствующие им линии трендов. Цель авторов – разработка модели гидроагрегата, позволяющей имитировать все режимы его работы и изменять значения его технологических параметров в интервалах, соответствующих реальным. Предложено рассматривать построение имитационной модели гидроагрегата как задачу восстановления регрессии, в качестве способа ее решения выбран механизм искусственных нейронных сетей. С помощью этого механизма можно моделировать сложный вид связей между технологическими параметрами гидроагрегата и определять будущие значения этих параметров с большой точностью. Кроме того, искусственная нейронная сеть хорошо обучается на реальных исторических данных, полученных из системы управления гидроагрегата. Для моделирования параметров разработан программный модуль, в котором для группы из n выбранных для сценария входных параметров строится n трехслойных нейронных сетей с прямой передачей сигнала, то есть моделируется зависимость каждого из n параметров от остальных (n–1) параметров. В статье приведены реализованные в модуле функции и сценарии.

9. Разработка онтологической модели учебного курса для систем электронного дистанционного обучения [№1 за 2018 год]
Авторы: Шумская Е.А., Зеленко Л.С.
Просмотров: 1457
В информационное образовательное пространство «Школа информатики СГАУ» входят несколько информационных систем, в том числе две системы электронного дистанционного обучения, которые построены на разных технологиях (одна разработана на базе LMS Moodle, другая на технологии виртуальных миров). Обе системы предназначены для изучения одного и того же учебного материала, отличаются только формой представления материала. Структура учебного курса в системах также во многом идентична: содержание курса представлено в виде дерева, корень дерева распадается на темы, состоящие из лекций и тестов; лекции разбиваются на параграфы, каждый из которых может включать иллюстрации; тесты состоят из вопросов с различным количеством вариантов ответа. Авторами было разработано ПО, позволяющее синхронизировать содержание учебного контента двух систем, но его применение на практике оказалось достаточно трудоемким. Настоящая статья раскрывает один из способов решения проблемы совместного использования учебного контента данными системами электронного дистанционного обучения, он основан на использовании онтологической модели учебного курса. Проводится обзор литературы, посвященной применению онтологических моделей в дистанционном обучении, предлагается собственная онтологическая модель учебного курса, разработанная с использованием открытого редактора онтологий и фреймворка для построения баз знаний Protege. Онтологии, построенные в Protege, могут быть экспортированы во множество форматов, включая RDF (RDF Schema), OWL и XML Schema. В статье также приведена схема работы сервиса, основанного на базе знаний. Реализация онтологической модели учебного курса и ее интеграция в информационное образовательное пространство «Школа информатики СГАУ» позволят повысить эффективность разработки учебных курсов и использования образовательного контента.

10. Исследование влияния алгоритмов инициализации весовых коэффициентов сети Вольтерри на решение задачи прогнозирования [№1 за 2018 год]
Авторы: Лёзина И.В., Сараева К.В.
Просмотров: 1191
В статье описана разработанная авторами автоматизированная система прогнозирования нефтяных котировок нейронной сетью Вольтерри. Реализованы три алгоритма инициализации весовых коэффициентов: алгоритм имитации отжига, эволюцион-ный алгоритм и случайная инициализация. Система предоставляет пользователю такие возможности, как загрузка выборок, установка параметров обучения, выбор алгоритма инициализации весовых коэффициентов с установлением для них параметров и просмотр результатов прогнозирования. Кроме того, существует возможность сохранять параметры нейронной сети в XML-файл, что впоследствии позволяет выполнять прогнозирование с применением уже обученной сети. При тестировании пользователь может загрузить ранее созданную сеть или работать с текущей сетью, загрузить файл с выборкой, а затем просмотреть результаты тестирования. Все результаты сохраняются в файлах формата .xlsx. Разработанную систему можно применять для прогнозирования показателей цен на нефть. В качестве показа-теля качества работы спроектированной системы было выбрано среднеквадратическое отклонение. Для проведе-ния вычислительных экспериментов использованы показатели цен на нефть марки Brent и WTI за определенный период. По результатам проведенных исследований сделан вывод о том, что использование алгоритмов оптимизации при начальной инициализации весовых коэффициентов дает более точный результат прогнозирования, чем случайная инициализация.

| 1 | 2 | 3 | 4 | Следующая →