Исследователи из Центрального экономико-математического института РАН представили новый гибридный эволюционный алгоритм, способный улучшить пропускную способность городских дорог на 5–15%. Этот алгоритм интегрирует методы агентного имитационного моделирования с искусственным интеллектом и биологическими принципами, что позволяет ему анализировать тысячи конфигураций дорожной инфраструктуры и находить наиболее эффективные решения.
Современные мегаполисы сталкиваются с критическими проблемами в области транспортной инфраструктуры, включая постоянные пробки и неэффективное использование имеющегося пространства. Традиционные методы проектирования, как правило, не учитывают динамику транспортных потоков, что делает их недостаточно эффективными в условиях быстро меняющейся городской среды.
Разработанный алгоритм использует элементы биологии, такие как отбор, кроссинговер и мутации, для предсказания заторов и оптимизации расположения дорожных объектов, включая перекрестки, эстакады и тоннели. Это позволяет проектировать более адаптивные и многоуровневые транспортные сети, способные эффективно функционировать даже в условиях высокой нагрузки.
В ходе исследования ученые создали модели различной сложности, включая как простейшие перекрестки, так и сложные трехуровневые развязки с тоннелями. Результаты экспериментов показали, что увеличение количества дорожных развязок всего на 1–5% может значительно улучшить скорость транспортного потока, что является обнадеживающим результатом для городского планирования.
Профессор Андраник Акопов, главный научный сотрудник лаборатории динамических моделей экономики и оптимизации института, отметил, что в будущем алгоритм может быть расширен для более сложных элементов транспортной инфраструктуры, таких как “умные” светофоры и системы, поддерживающие беспилотный транспорт, что поможет улучшить общее качество жизни в городах.