Інформаційно-аналітична система для міського пасажирського транспорту з використанням засобів штучного інтелекту.
Автор: Гречаний Вячеслав Євгенійович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні управляючі системи та технології
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: англійська
Анотація: Актуальність. Сучасні міста стикаються зі зростанням транспортного навантаження, ускладненням транспортної інфраструктури, підвищеними вимогами до екологічності, безпеки та ефективності перевезень. Традиційні підходи до транспортного планування часто є статичними та не здатні оперативно адаптуватися до змін міської мобільності. У зв’язку з цим використання методів штучного інтелекту (ШІ) для аналізу, прогнозування та оптимізації транспортних систем є актуальним напрямом розвитку інтелектуальних інформаційних систем і цифрових рішень для «розумних міст». Об’єкт дослідження – процеси функціонування та планування міської транспортної системи. Предмет дослідження – моделі, алгоритми та програмні засоби підтримки прийняття рішень у сфері транспортного планування з використанням методів машинного та глибинного навчання. Мета дослідження – розроблення прототипу інформаційної системи підтримки прийняття рішень для планування та оптимізації міської транспортної системи на основі методів штучного інтелекту. Структура роботи. Кваліфікаційна робота складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. У першому розділі наведено характеристику об’єкта дослідження, проведено огляд літературних джерел, виконано системний аналіз транспортної системи та розроблено концептуальну модель. У другому розділі описано архітектуру системи, алгоритмічне та математичне забезпечення, а також структуру даних. Третій розділ присвячено розробленню програмного рішення, опису програмних модулів, використаних бібліотек і реалізації прототипу системи. У четвертому розділі наведено експериментальні дослідження, результати тестування, аналіз ефективності роботи системи та оцінювання отриманих результатів. Методи та інструменти дослідження. У роботі використано методи аналізу часових рядів, графові моделі транспортних мереж, рекурентні нейронні мережі типу LSTM, алгоритми оптимізації маршрутів, а також фреймворки TensorFlow і PyTorch. Реалізація програмного прототипу виконана мовою програмування Python із використанням бібліотек NumPy, Pandas, NetworkX та Matplotlib. Результати та практичне значення. Розроблено концептуальну та програмну модель інформаційної системи підтримки прийняття рішень у сфері транспортного планування. Реалізовано прототип системи, який дозволяє прогнозувати транспортні потоки, динамічно змінювати ваги транспортної мережі та формувати рекомендації щодо оптимальних маршрутів громадського транспорту. Експериментальні результати підтверджують доцільність використання методів штучного інтелекту для підвищення ефективності міського транспортного планування. Отримані результати можуть бути використані органами міського управління, транспортними планувальниками та у подальших наукових дослідженнях. Повний обсяг роботи складає 104 сторінки, у тому числі 92 сторінки основного тексту, 24 рисунки і 1 таблиця. Список використаних джерел налічує 35 найменувань. Ключові слова: міська транспортна система, штучний інтелект, транспортне планування, підтримка прийняття рішень, машинне навчання, глибинне навчання, Python.