КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ


Номер проекта 25-29-00551

НазваниеРазработка моделей систем совместного восприятия и совместного управления дорожным движением с помощью технологий подключенного и беспилотного транспорта

Руководитель Американов Александр Александрович, Кандидат технических наук

Организация финансирования, регион федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский университет "Высшая школа экономики" , г Москва

Конкурс №102 - Конкурс 2025 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами»

Область знания, основной код классификатора 09 - Инженерные науки; 09-602 - Моделирование технических систем

Ключевые слова интеллектуальная транспортная система, беспилотный транспорт, подключенный транспорт, моделирование, интегрированная среда моделирования, совместное восприятие, совместное управление дорожным движением

Код ГРНТИ73.43.81


 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ


Ожидаемые результаты
В результате выполнения проекта будут разработаны и проведено тестирование новых модулей среды моделирования, которые обеспечат возможность провести тестирование новых моделей управления беспилотными транспортными средствами, позволяющих осуществлять совместное восприятие окружающей ситуации и совместное управление дорожным движением с помощью координации принимаемых решений через обмен информацией по беспроводным каналам подключенного транспорта. При этом будет использоваться реалистичное моделирование компьютерного зрения (восприятия объектов различными сенсорами беспилотных автомобилей) и распространения сигналов в пространстве. В качестве основы для реализации моделей совместного восприятия, ранее тестируемых только на датасетах, в реалистичной среде моделирования будут использованы фреймворки OpenCDA (разработан на основе симулятора графического 3D окружения для беспилотного транспорта CARLA) и Artery (разработан для моделирования транспортных сетей связи на основе сетевого симулятора OMNeT++), между которыми будет реализован обмен данными о моделировании каждого из процессов. Такой подход позволит учитывать влияние дополнительной информации, получаемой транспортными средствами с помощью алгоритмов совместного восприятия, на принимаемые ими решения и соответствующие изменения в развитии сценариев дорожной ситуации, чего невозможно достичь при использовании готовых датасетов (например, с помощью инструментов OpenCOOD и CoPerception, которые содержат обученные модели совместного восприятия для обработки данных из датасетов). При этом будут учтены реалистичные данные о потерях и задержках сигналов, что также невозможно при использовании датасетов (для них эти данные генерируются случайным образом). В качестве основы для разработки моделей совместного управления дорожным движением выбран подход с использованием глубокого обучения с подкреплением, который будет реализован с помощью таких инструментов как MACADGym, FLCAV, SMARTS, и др. Будет проведено исследование зависимости макроскопических параметров (пропускная способность, средняя скорость, количество вредных выбросов, общий расход топлива или энергетические затраты) транспортных элементов и систем от использования различных технологий восприятия окружающей среды и управления дорожным движением подключенного беспилотного транспорта. Предложенные решения будут апробированы на вычислительных рабочих станциях в Учебной лаборатории Систем автоматизированного проектирования МИЭМ НИУ ВШЭ. Будут исследованы дополнительные возможности, которые предоставляет разработанная технология. Результаты исследований предполагается опубликовать в научных изданиях, в сети Интернет, и другими способами донести до российских и зарубежных ученых, научных групп и компаний, работающих в данной области знаний. Пользователи разработанных модулей инструмента впервые получат возможность проводить экспериментальное тестирование технологий совместного управления дорожным движением с помощью высокодетализированного компьютерного моделирования при использовании готовых моделей совместного восприятия и совместного управления.


 

ОТЧЁТНЫЕ МАТЕРИАЛЫ


Аннотация результатов, полученных в 2025 году
Выполнение данного гранта РНФ посвящено исследованию, разработке и интеграции в среду моделирования подключенного и беспилотного транспорта моделей систем совместного восприятия и совместного управления дорожным движением. Модели совместного восприятия представляют собой нейронные сети, используемые для объединения информации, полученной автоматизированными транспортными средствами с помощью датчиков и переданной по беспроводной связи другим подключенным высокоавтоматизированным транспортным средствам. Модели совместной автоматизации управления дорожным движением представляют собой алгоритмы, используемые для определения очередности и траекторий разъезда транспортных средств на участках дороги, где могут возникать конфликты приоритетов. Членами научного коллектива были изучены модели совместного восприятия, доступные в библиотеках с открытым программным кодом OpenCOOD (https://github.com/DerrickXuNu/OpenCOOD) и CoPerception (https://github.com/coperception/coperception). Для всех доступных моделей было проведено обучение на основе датасетов OPV2V (https://mobility-lab.seas.ucla.edu/opv2v/) и V2XSet. Для каждой из моделей проведены с помощью имитационного компьютерного моделирования эксперименты, проверяющие работу моделей в разработанной членами научной группы среде моделирования CAVISE. При проведении экспериментов учитывались потери при обмене сообщениями между транспортными средствами - это возможно благодаря использованию разработанного членами научной группы интерфейса CAPI (CAVISE Application Programming Interface) между приложениями OpenCDA (https://github.com/ucla-mobility/OpenCDA) и Artery (https://github.com/riebl/artery). Для тестирования поведения транспортных средств были разработаны пять сценариев, представляющие собой различные конфигурации перекрестков и расположения на них транспортных средств и объектов инфраструктуры, имеющих возможность беспроводного обмена информацией. Результаты моделирования показали, что при использованных параметрах обучения не для всех моделей удалось достичь показателей точности (оценивалась с помощью метрики Intersection over Union (IoU)), которые представлены в связанных с ними научных публикациях. Результаты доработки интерфейса CAPI будут представлены в научных работах. Результаты экспериментов и сравнения точности работы моделей совместного восприятия будут в дальнейшем использованы в научной статье. По разработанному интерфейсу CAPI подготовлена заявка на регистрацию РИД. На следующих этапах работы необходимо провести дополнительную настройку обучения, а также проверить правильность программной реализации моделей разработчиками. Завершение этих работ планируется в 2026 г. Проведен поиск и классификация существующих алгоритмов совместной автоматизации управления дорожным движением. Были рассмотрены различные алгоритмы управления дорожным движением, доступные в открытых репозиториях. В результате для интеграции в среду CAVISE с интерфейсом CAPI выбран алгоритм Multi Agent Intersection (https://github.com/Dekai21/Multi_Agent_Intersection), использующий глубокое обучение с подкреплением. Данный алгоритм был интегрирован в среду моделирования, для него были сформированы обучающие датасеты, были определены и проведены необходимые доработки, в результате чего выбранный алгоритм теперь может работать в наноскопическом симуляторе CARLA (и соответственно, в среде моделирования CAVISE). Результаты доработки алгоритма совместной автоматизации управления дорожным движением и экспериментов будут в дальнейшем использованы в научной статье. В рамках исследовательского проекта также было проведено исследование влияния детализации графического окружения на уверенность детектирования окружающих объектов системами восприятия беспилотного транспорта. Результаты этого исследования были представлены на международной конференции 2025 International Russian Smart Industry Conference (SmartIndustryCon) с публикацией тезисов. Цитирование: G. Simakov, V. Stepanyants and A. Martyusheva, "Effects of Simulator Fidelity on Automated Vehicle Object Perception Accuracy," 2025 International Russian Smart Industry Conference (SmartIndustryCon), Sochi, Russian Federation, 2025, pp. 794-798, doi: 10.1109/SmartIndustryCon65166.2025. По результатам НИР также была разработана общая концепция системы автоматизированного принятия решений управления транспортными потоками и транспортного планирования, частью которой является система совместной автоматизации управления дорожным движением и централизованной маршрутизации. Результаты этого исследования были представлены на международной конференции 2025 International Russian Automation Conference (RusAutoCon) с публикацией тезисов. Цитирование: V. Stepanyants, "InGrid: Towards a Simulation-Based Automated Decision-Making System for Transportation," 2025 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2025, pp. 982-986, doi: 10.1109/RusAutoCon65989.2025.11177316. В результате исследования разработаны и апробированы следующие подходы к моделированию: 1) многоуровневое моделирование для включения процесса моделирования и принятия решений совместной автоматизации управления дорожным движением в масштабную транспортную систему; 2) параллелизация вычислительной нагрузки для моделирования масштабных высокодетализированных наноскопических сценариев дорожного движения. Результаты этого исследования были опубликованы в журнале MDPI Future Transportation (Q2). Цитирование: Vitaly Stepanyants et al., “Parallel Multi-Level Simulation for Large-Scale Detailed Intelligent Transportation System Modeling,” in Future Transportation, vol. 5, issue 4, 141, 2025, doi: 10.3390/futuretransp5040141. Сделан значительный задел для продолжения исследований по данному гранту, на разных этапах цикла подготовки публикации находятся еще 4 научные статьи. Все результаты разработки размещены в открытом репозитории - https://github.com/CAVISE.

 

Публикации

1. Степанянц В.Г., Карпов А.К., Маргарян А.Г., Американов А.А., Тельпухов Д.В., Соловьев Р.А., Романов А.Ю. Parallel Multi-Level Simulation for Large-Scale Detailed Intelligent Transportation System Modeling Future Transportation, MDPI, Volume: 5, Issue: 4, Number: 141 (год публикации - 2025)
10.3390/futuretransp5040141

2. Степанянц В.Г. InGrid: Towards a Simulation-Based Automated Decision-Making System for Transportation 2025 International Russian Automation Conference (RusAutoCon), IEEE, pp. 982-986 (год публикации - 2025)
10.1109/RusAutoCon65989.2025.11177316

3. Симаков Г.А., Степанянц В.Г., Мартюшева А.Р. Effects of Simulator Fidelity on Automated Vehicle Object Perception Accuracy 2025 International Russian Smart Industry Conference (SmartIndustryCon), IEEE, pp. 794-798 (год публикации - 2025)
10.1109/SmartIndustryCon65166.2025.10986291