Статья исследует темпоральный подход, применимый для решения задач логистики. Рассмотрены темпоральные модели, темпоральные отношения, темпоральные метки. Статья вводит понятие «темпоральный анализ». Дана систематика темпоральных моделей. Темпоральный анализ объединяет темпоральную логику и темпоральное моделирование. Описан темпоральный причинно-следственный анализ как развитие темпорального анализа. Раскрывается содержание понятия временная неопределенность. Показана связь темпоральных моделей с ситуационными моделями. Описаны особенности применения темпоральных методов в управлении транспортом.. Описаны особенности применения темпоральных моделей в сфере транспорта. Статья дает анализ временных интервалом. Вводится понятие локальный временной интервал и границы интервала. Описаны особенности получения и применения временных меток. Дано формализовано описание темпоральных моделей. Показана связь темпоральных интервалов с ситуациями и состояниями объекта. Статья дает формальное описание близких и отдаленных интервалов. Даны три темпоральные модели движения. Статья раскрывает содержание темпорального причинно- следственного анализа. Показаны причины появления. Описаны методы уменьшения временной неопределенности.
Идентификаторы и классификаторы
Темпоральные модели разделяют на три основные группы. Первая группа темпоральных моделей описывает деформируемые или медленно меняющие состояние объекты [5]. Это деформации в инженерных сооружениях, медленный уход путей от проектного значения. Это медленные темпоральные модели. Вторая группа темпоральных моделей описывает быстрое изменение объектов [6]. Примером могут служить сели, разлив нефтяных продуктов на поверхности моря, пожары. Это быстрые или оперативные темпоратльные модели. Третья группа темпоральных моделей описывает движение и управление подвижными объектами транспорта [7-9]. Это мобильные темпоральные модели. Этот вид моделей служит основой беспилотного движения на транспорте. Подвижные объекты характеризуются динамическими моделями данных. Широко применяют темпоральные модели в многоцелевом управлении [10]. Темпоральные модели применяют в логистике [11, 12] и в процессах перевозки грузов [13, 14].
Список литературы
- Bellini P., Mattolini R., Nesi P. Temporal logics for real-time system specification //ACM Computing Surveys (CSUR). - 2000. - Т. 32. - №. 1. - С. 12-42. EDN: FMQKYF
2. Lindemann L., Dimarogonas D. V. Robust control for signal temporal logic specifications using discrete average space robustness //Automatica. - 2019. - Т. 101. - С. 377-387.
3. Цветков В.Я. Методы и системы обработки и представления видеоинформации. - М.: ГКНТ, ВНТИЦентр, 1991. - 113 с. EDN: RZBHXL
4. Сергеев Н.Е., Целых Ю.А. Использование темпоральных отношений при описании сложных сцен по видеоизображениям // Известия ЮФУ. Технические науки. 2009. № 3 (92). С. 253-259. EDN: JNNBMK
5. Горбулин Р. П., Уваров А. И., Гарагуль А. С. Геодезический мониторинг деформаций стальных резервуаров для хранения нефтепродуктов в условиях многолетнемерзлых грунтов //Актуальные проблемы геодезии, землеустройства и кадастра. - 2020. - С. 25-31. EDN: YFCBXZ
6. Тарихазер С. А. Селевые процессы в Азербайджане и метеорологические факторы их формирования (на примере Большого Кавказа) //Устойчивое развитие горных территорий. - 2019. - Т. 11. - №. 1. - С. 44-54. EDN: RLIONA
7. Козлов А.В., Матчин В.Т. Методы и алгоритмы управления группами подвижных объектов // Наука и технологии железных дорог. 2020. Т.4.- 3(15). - с.15-28.
8. Розенберг И.Н., Тони О.В., Цветков В.Я. Интегрированная система управления железной дорогой с применением спутниковых технологий // Транспорт Российской Федерации. - 2010. -№ 6. - с.54-57. EDN: NCOGSL
9. Розенберг И. Н., Цветков В. Я., Романов И. А. Управление железной дорогой на основе спутниковых технологий // Государственный советник. - 2013. - №4. - с.43-50. EDN: RSYAZP
10. Дзюба Ю.В. Многоцелевое управление подвижными объектами // Наука и технологии железных дорог. - 2019. - 1(9). - с.53 -60. EDN: YZPSMH
11. Цветков В.Я. Интеллектуализация транспортной логистики // Железнодорожный транспорт. -2011. - №4. - с.38-40. EDN: NUPDZX
12. Розенберг И.Н., Цветков В.Я. Применение мультиагентных систем в интеллектуальных логистических системах. // Международный журнал экспериментального образования. - 2012. - №6. - с.107-109. EDN: RAKERL
13. Еремеев А.П., Ковалев С.М. Темпоральные и нечетко-темпоральные модели в интеллектуальных системах управления перевозочными процессами.// ВЕСТНИК РГУПС. 2011, № 3. С.74- 82. EDN: OJJOFD
14. Яркин Е. К., Романенко В. Е., Мохов В. А. Оптимизация маршрутов грузовых мультимодальных перевозок //Тенденции развития науки и образования. - 2020. - №. 66-1. - С. 55-59. EDN: WDXWEN
15. Савиных В.П., Цветков В.Я. Развитие методов искусственного интеллекта в геоинформатике // Транспорт Российской Федерации. - 2010. -№ 5. - с.41-43. EDN: NCBMQZ
16. Kaffash S., Nguyen A. T., Zhu J. Big data algorithms and applications in intelligent transportation system: A review and bibliometric analysis //International Journal of Production Economics. - 2021. - Т. 231. - С. 107868. EDN: BPMHTK
17. Arena F., Pau G., Severino A. A review on IEEE 802.11 p for intelligent transportation systems //Journal of Sensor and Actuator Networks. - 2020. - Т. 9. - №. 2. - С. 22. EDN: PFDYZB
18. Розенберг И.Н., Цветков В. Я. Координатные системы в геоинформатике - МГУПС, 2009. -67 с. EDN: USQROT
19. Булгаков С.В. Геотехнический мониторинг транспорта // Наука и технологии железных дорог. 2021. Т. 5. №1 (17). - с.42-49. EDN: JDGINY
20. Матчин В.Т. Обновление темпоральной базы данных в транспортной сфере // Наука и технологии железных дорог. - 2017. Т.1. -2(2). - с.39-46. EDN: YUEVFP
21. ПроскуринД.К., Колыхалова Е.В. Методические основы моделирования темпоральных информационных структур //Научный вестник Воронежского государственного архитектурно-строительного университета. Серия: Информационные технологии в строительных, социальных и экономических системах. - 2013. - №. 1. - С. 87-90. EDN: TLGJYF
22. Котиков П. Е. Варианты построения темпоральных баз данных в геоинформационных системах //Научный аспект. - 2014. - №. 4. - С. 118-120. EDN: TFPARN
23. Гончарко О. Ю. Темпоральная импликация и временные модальности // Вестник СПбГУ. Сер. 6. 2012. Вып. 1. С.21-26. EDN: OQRIIL
24. Tsvetkov V. Ya. Not Transitive Method Preferences. // Journal of International Network Center for Fundamental and Applied Research. 2015. 1(3), - pp.34-42. EDN: TYCJLT
25. Ожерельева Т.А. Когнитивная репрезентация // ИТНОУ: Информационные технологии в науке, образовании и управлении. - 2019. - № 3 (13). - с.9-17. EDN: AMCPEG
26. Madisson M. L., Ventsel A. Strategic conspiracy narratives: A semiotic approach. - Routledge, 2020.
27. Derakhshan A. ‘Should textbook images be merely decorative?’: Cultural representations in the Iranian EFL national textbook from the semiotic approach perspective //Language Teaching Research. - 2021. - С. 1362168821992264.
28. Thomas A., Gupta V. Tacit knowledge in organizations: Bibliometrics and a framework-based systematic review of antecedents, outcomes, theories, methods and future directions //Journal of Knowledge Management. - 2022. - Т. 26. - №. 4. - С. 1014-1041.
29. Sikombe S., Phiri M. A. Exploring tacit knowledge transfer and innovation capabilities within the buyer-supplier collaboration: A literature review //Cogent Business & Management. - 2019. - Т. 6. - №. 1. - С. 1683130.
30. Аникина Г.А., Поляков М.Г., Романов Л.Н., Цветков В.Я. О выделении контура изображения с помощью линейных обучаемых моделей. // Известия академии наук СССР. Техническая кибернетика. -1980. - №6. - c.36-43. EDN: RVYSNB
31. Савиных В.П. Оппозиционный анализ в информационном поле // Славянский форум, 2016. -3(13). - с.236-241. EDN: WPVZOR
32. https://www.sciencedirect.com/topics/engineering/predictive-control-model дата просмотра 24.09.2023.
Выпуск
Другие статьи выпуска
В статье излагаются результаты разработки моделей и методов решения задач, нацеленных на научно обоснованные предложения, направленные на формирование комплексных мер по повышению эффективности использования инфраструктуры и росту провозной способности полигонов Российских железных дорог. Рассмотрены основные положения разработанного Паспорта инвестиционного проекта модернизации железнодорожной инфраструктуры Восточного полигона (второй этап). Приведены основные положения программы поэтапного вывода к 2030 году путевого комплекса ОАО «РЖД» на нормативный уровень. Проанализированы изменения в порядке расчетов пропускной и провозной способностей в свете выхода новой Инструкции. Сформулированы ожидаемые эффекты от применения новой Инструкции. Приведена технология расчёта рисков неосвоения перевозок по вариантам организации проведения ремонтно-путевой кампании (на долгосрочный и среднесрочный периоды), а также обобщены меры по снижению этих рисков.
В статье рассмотрены существующие принципы и порядок планирования потребности локомотивного парка грузового движения, применяемые на сети железных дорог ОАО «РЖД» в настоящее время и предложен вариант развития системы планирования.
В современном мире все чаще встает вопрос модернизации старого программного обеспечения, написанного с применением несовременных парадигм программирования, старого стандарта языка, который не поддерживается современными компиляторами. В случае применения для «переписывания» другого, современного, более выразительного языка программирования, требуется не просто модернизировать, а скорее, написать заново программу, которая будет использовать функциональность старого программного обеспечения. Сложность такой задачи заключается в отсутствии тестирующих методов в унаследованном коде, что потенциально приводит к возникновению ошибки в новом программном обеспечении. Автор на примере работы над новой системой, использующей функциональные возможности старой проверенной системы, показывает преимущества применения технологии разработки через тестирование.
Цель работы исследование применение информационного каскадирования в управлении перевозочными процессами. Исследуется модель «сложные перевозки». Она включает мультимодальные перевозки, интермодальные перевозки, перевозки внутри мегаполиса и в пригородах мегаполиса. Для сложных перевозок характерно большое количество разнородной информации. такой информационный комплекс часто исключает применение алгоритмических методов для управления. информационное каскадирование относится к методам поддержки принятия решений. Это множественный эвристический метод, уменьшающий индивидуальные ошибки и не рациональные альтернативы. Показано различие проектной каскадной моделью и информационным каскадом. Описаны два направления применения информационного каскада. Информационное каскадирование позволяет вырабатывать более надежный план перевозок и накапливать опыт реализации перевозок в сложных условиях.
Получение оптимального маршрута грузоперевозки по заданным критериям является трудоемким процессом как для грузоотправителей, так и для экспедиторов, так как предполагает построение маршрутов, анализ маршрута в соответствии с заданными критериями, расчет итоговой стоимости в соответствии с тарифами перевозчиков и транспортных зон, таможенными сборами, дополнительными услугами. Сегодня отсутствует программное решение, которое позволяет построить оптимальный логистический маршрут с применением различных видов транспорта, а также получить все возможные варианты маршрутов согласно заданным критериям. В статье предложено создание логистического навигатора грузовой перевозки, определена его модель в виде «черного ящика», описаны входные и выходные параметры навигатора, определены данные, составляющие нормативно-справочную информацию навигатора, необходимую для анализа и принятия решения, определен алгоритм работы навигатора. В завершение сформулированы преимущества, полученные от внедрения логистического навигатора в контексте текущих проблем и таких перспективных решений, как реализация интеллектуального анализа потоков транспортных коридоров по видам транспорта и грузов, прогноза загрузки объектов инфраструктуры, расширение функционала логистического навигатора для сбора аналитики по состоянию объектов транспортной инфраструктуры органами власти. Исследованы нормативные акты и справочники, регламентирующие процесс грузоперевозки для авиационного, морского, железнодорожного и автомобильного видов транспорта, классификаторы в различных автоматизированных системах работы с перевозочными документами, произведена классификация объектов нормативно-справочной информации логистического навигатора, описан контекст применения различных объектов нормативно-справочной информации. В результате исследования была построена структура нормативно-справочной информации логистического навигатора, определена логика решения задачи по поиску оптимального маршрута и расчету стоимости перевозки.
Издательство
- Издательство
- РУТ (МИИТ)
- Регион
- Россия, Москва
- Почтовый адрес
- 127055, г Москва, р-н Марьина роща, ул Образцова, д 9 стр 9
- Юр. адрес
- 127055, г Москва, р-н Марьина роща, ул Образцова, д 9 стр 9
- ФИО
- Климов Александр Алексеевич (РЕКТОР)
- Контактный телефон
- +7 (___) _______
- Сайт
- https://www.miit.ru/