Інтернет-конференції НУБіП України, ТЕОРЕТИЧНІ ТА ПРИКЛАДНІ АСПЕКТИ РОЗРОБКИ КОМП’ЮТЕРНИХ СИСТЕМ '2026

Розмір шрифту: 
ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ ОЦІНКИ ТА ПРОГНОЗУВАННЯ РІВНЯ МІСЬКОГО ТРАНСПОРТНОГО ТРАФІКУ
Максим Єгорович Гладкий

Остання редакція: 28-04-2026

Тези доповіді


Сучасні міста характеризуються високою інтенсивністю транспортних потоків, що зумовлює необхідність впровадження інтелектуальних систем моніторингу та аналізу трафіку. Використання інформаційних технологій і методів машинного навчання дозволяє автоматизувати процеси оцінювання та прогнозування транспортних навантажень, що є важливим для ефективного управління міською інфраструктурою [1, 3].

Актуальність дослідження обумовлена зростанням кількості транспортних засобів у містах, що призводить до перевантаження дорожньої мережі, збільшення часу пересування, підвищення рівня забруднення навколишнього середовища та зниження ефективності транспортної системи [2]. Існуючі комерційні рішення мають обмеження щодо доступу до даних, адаптивності та аналітичних можливостей, що зумовлює необхідність створення спеціалізованих програмних систем для локального використання [1].

Метою дослідження є розроблення програмного забезпечення для оцінки та прогнозування рівня міського транспортного трафіку на основі методів інтелектуального аналізу даних, при цьому об’єктом дослідження виступають процеси формування та зміни транспортних потоків у міській інфраструктурі, а предметом – методи та засоби програмної реалізації систем аналізу і прогнозування транспортного трафіку; для досягнення поставленої мети передбачено виконання таких завдань: аналіз предметної області транспортного моніторингу, дослідження існуючих систем оцінки трафіку, розроблення архітектури програмного забезпечення, реалізація модулів збору, обробки та зберігання даних, застосування алгоритмів машинного навчання для прогнозування, а також забезпечення візуалізації результатів аналізу.

У результаті дослідження розроблено веборієнтовану інформаційну систему оцінки рівня міського трафіку, яка забезпечує збір, обробку та візуалізацію даних у режимі реального часу. Архітектура програмного забезпечення базується на клієнт-серверному підході з використанням HTML5, CSS3, JavaScript для клієнтської частини та Python (Flask, scikit-learn) для серверної обробки [4, 5]. Загальна структура розгортання програмного забезпечення наведена на рис. 1.