Registration Number
0826U005015, PhD dissertation
Status
Доктор філософії
Date
26-08-2026
popup.evolution
o
Title
Models and methods for developing software for real-time prediction of road traffic accidents
Author
Oleksandr Byzkrovnyi,
popup.head Сергій В. Смеляков
popup.opponent Andrii M. Kopp
popup.opponent Lyubomyr Chyrun
popup.review Oleg A. Kobylin
popup.review Vadym Y. Savanevych
popup.rada
Kharkiv National University Of Radio Electronics
Description
Бизкровний О.М. Моделі та методи розроблення програмного забезпечення прогнозування дорожньо-транспортних пригод в реальному часі. – Кваліфікаційна наукова праця на правах рукопису.
Дисертація на здобуття ступеня доктора філософії за спеціальністю 121 – Інженерія програмного забезпечення. – Харківський національний університет радіоелектроніки, Міністерство освіти і науки України, Харків, 2026.
Актуальність теми дослідження полягає у підвищенні рівня інформованості водіїв будь-яких автомобілів про ситуацію в середовищі руху і можливих небезпечних подій. Класичні методи забезпечення безпеки автомобілів, використовують ультразвукові датчики і сенсори, що сповіщають водія про ситуацію навколо автомобіля в зоні їх дії. Проте дані системи не мають змогу аналізувати ситуацію поза зоною їх дії, а тому інформування водія не може бути повноцінним та всеохоплюючим. Також, лише нові моделі автомобілів обладнанні наведеними системами безпеки.
Об’єкт дослідження – процес створення моделей та методів розроблення програмного забезпечення прогнозування дорожньо-транспортних пригод для систем реального часу.
Наукова новизна отриманих результатів полягає в такому:
уперше запропонована модель розроблення програмного забезпечення прогнозування виникнення дорожньо-транспортних пригод на перехрестях для роботи в режимі реального часу, яка використовує моделі обчислювального інтелекту та алгоритми адаптації роботи на IoT пристроях, що дозволяє виконувати прогнозування локально, без обробки відео-потоку на сервері, що вирішує фундаментальні проблеми усунення затримок реакції систем в режимах роботи в реальному часі. Використання запропонованої моделі забезпечує швидку горизонтальну масштабованість системи, без створення єдиної точки відмови, так як модель використовується в розподіленій програмній системі;
уперше запропонована гібридна модель розроблення програмного забезпечення прогнозування виникнення дорожньо-транспортних пригод на різноманітних ділянках руху, яка ґрунтується на використанні моделей обчислювального інтелекту та методів обчислювальної геометрії для визначення потенційних дорожньо-транспортної пригод. Дана модель оптимізована для локальної роботи на IoT-пристроях без серверної обробки. Використання запропонованої гібридної моделі дозволяє зменшити об'єм навчальних даних на 40% у порівнянні з попередньо запропонованою моделлю, а також дозволяє використання загальних та уже існуючих наборів даних класифікації, без створення специфічних наборів тренувальних даних. Додатково, зменшена кількість класів для класифікації на 80%, що дозволяє використовувати невеликі моделі комп'ютерного зору, що мають перевагу у швидкості роботи;
уперше запропонований метод проєктування програмного забезпечення, що використовує запропоновані моделі прогнозування виникнення дорожньо-транспортних пригод, в основі якого лежить використання системи розподілених обчислень, де кожен обчислювальний елемент є автономною одиницею прогнозування. Архітектура програмного забезпечення сфокусована на використанні хмарних рішень, IoT пристроїв (Jetson, Raspberry), MQTT протоколу передачі даних та алгоритму GeoHash, що використовується для маршрутизації повідомлень та зменшенні затримки на стороні шини повідомлень. Додаткові пристрої, встановлені на одній ділянці, дозволяють розширювати зону прогнозування з 120° до 360°. Система підтримує навантаження до 100 повідомлень в секунду з одного IoT пристрою та до 20 000 повідомлень в секунду для акаунту AWS. Запропонований метод проєктування програмного забезпечення, що використовує запропоновані моделі прогнозування ДТП допомагає уникнути до 60% небезпечних ситуацій.
Registration Date
2026-09-02
popup.nrat_date
2026-09-02 / 2026-09-18
