Автор: Ostanaqulov, Khikmatillo Akmaljon ogli

Аннотация: В данной статье представлена ​​теоретическая основа для разработки методологии поддержки принятия решений в интеллектуальных транспортных системах (ИТС) с использованием технологий искусственного интеллекта (ИИ) и цифровых двойников (ЦД). В исследовании применяется концептуальный и аналитический подход, основанный на современной научной литературе (2020–2025 гг.). Методология объединяет пять функциональных компонентов: сбор данных, цифровое моделирование, рассуждения ИИ, принятие решений и рекомендации, а также синхронизацию обратной связи. В статье показано, как алгоритмы ИИ и среды ЦД создают непрерывный цикл обратной связи, обеспечивающий прогнозирование, оптимизацию и адаптивное управление транспортными сетями в режиме реального времени. Обучение с подкреплением и графовые нейронные сети определены как основные механизмы ИИ, в то время как объяснимый ИИ (XAI) обеспечивает прозрачность и интерпретируемость решений. Результаты теоретического синтеза подтверждают, что интеграция ИИ и ЦД преобразует традиционное управление дорожным движением в экосистему прогнозирования и предписаний. Предлагаемая архитектура соответствует стандарту ISO/IEC 30173:2023 и Директиве (ЕС) 2023/2661, обеспечивая основу для масштабируемой, интероперабельной и устойчивой разработки ИТС. Исследование представляет собой структурированную методологическую модель, которая может стать руководством для будущих экспериментальных и прикладных исследований в области интеллектуальных транспортных систем.

Ключевые слова: Искусственный интеллект (ИИ); Цифровой двойник (ЦД); Интеллектуальные транспортные системы (ИТС); Методология поддержки принятия решений; Обучение с подкреплением; Графовые нейронные сети; Объяснимый ИИ; Умная мобильность; Предиктивное управление; ISO/IEC 30173; Оптимизация городского транспорта.

Страницы в журнале: 122 - 131