arXiv · 01.07.2026 ·Исследования и наука

PedNStream: масштабируемый симулятор пешеходных потоков для управления трафиком

Исследователи представили PedNStream — новый open-source симулятор для моделирования пешеходных потоков на уровне городских сетей. В отличие от существующих микроскопических инструментов, решение ориентировано на макроскопический подход, что обеспечивает высокую вычислительную эффективность и возможность интеграции в системы управления с обратной связью для оптимизации городской инфраструктуры и предотвращения заторов в режиме реального времени.

Традиционные методы моделирования движения людей часто сталкиваются с ограничениями при масштабировании на крупные городские районы, требуя значительных вычислительных мощностей. PedNStream решает эту проблему за счет использования макроскопической модели, которая описывает движение толпы как поток, аналогичный транспортным или гидравлическим системам. Это позволяет проводить быструю симуляцию сценариев в замкнутых циклах управления, что критически важно для адаптивных систем городского планирования.

Инструмент полностью реализован на Python, что упрощает его интеграцию в современные пайплайны обработки данных и машинного обучения. Архитектура симулятора позволяет разработчикам и аналитикам тестировать стратегии управления толпой, оценивая влияние различных факторов на пропускную способность пешеходных зон. Это открывает возможности для создания более безопасных и эффективных городских пространств с использованием алгоритмических методов оптимизации.

Ключевые факты

PedNStream является open-source решением, написанным на языке Python для обеспечения совместимости с современными аналитическими библиотеками.
Симулятор использует макроскопический подход к моделированию, что позволяет эффективно обрабатывать данные на уровне городских сетей.
Инструмент поддерживает архитектуру с обратной связью (closed-loop), что необходимо для динамического управления пешеходным трафиком.
Разработка ориентирована на решение задач управления толпой в крупных масштабах, где традиционные микроскопические модели оказываются слишком ресурсоемкими.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

arXiv · Исследования и наука Генеративная модель для симуляции транспортных потоков на перекрестках Исследователи представили Enactor — генеративную модель, предназначенную для микросимуляции движения транспорта на регулируемых перекрестках. В отличие от традиционных систем, опирающихся на жестко заданные правила поведения водителей, новая разработка использует агентно-ориентированный подход. Это позволяет точнее воспроизводить сложные взаимодействия между автомобилями, которые часто упускаются классическими алгоритмами. arXiv · Машинное обучение PEHT: новая архитектура трансформера для прогнозирования сетевого трафика Исследователи представили Parameter-Efficient Hybrid Transformer (PEHT) — специализированную архитектуру для прогнозирования нагрузки в городских сотовых сетях. Модель эффективно обрабатывает сложные паттерны мобильности и динамику заторов, интегрируя внешние данные о дорожной ситуации. Новый подход позволяет оптимизировать распределение сетевых ресурсов, сохраняя при этом высокую точность предсказаний при ограниченных вычислительных затратах на обучение и инференс. arXiv · Исследования и наука Генерация реалистичных графиков активности населения с помощью ИИ Исследователи представили новый метод генерации индивидуальных графиков ежедневной активности, основанный на распределении локаций с учетом симулированного времени в пути. Модель позволяет создавать синтетические данные о перемещениях людей, что критически важно для городского планирования, эпидемиологического контроля и разработки государственной политики, заменяя труднодоступные данные прямых наблюдений за поведением индивидов в городской среде. arXiv · Машинное обучение FlowPipe: автоматизация пайплайнов подготовки данных с помощью GFlowNets и LLM Исследователи представили FlowPipe — новый метод автоматического построения пайплайнов подготовки данных для машинного обучения. Система объединяет генеративные потоковые сети (GFlowNets) с возможностями LLM для навигации в сложном комбинаторном пространстве операторов очистки и трансформации. Подход позволяет эффективно находить оптимальные последовательности преобразований, минимизируя затраты на дорогостоящую оценку качества данных на каждом этапе обучения модели. arXiv · Машинное обучение Ускорение численного моделирования потоков с помощью графовых нейросетей Исследователи представили новый метод ускорения алгебраических многосеточных решателей (AMG), используемых для решения уравнения Пуассона при моделировании несжимаемых потоков. Традиционные линейные методы часто сталкиваются с вычислительными сложностями из-за неоднородности расчетных сеток, что делает их узким местом в инженерных расчетах. arXiv · Исследования и наука SenseWalk: симуляция человеческого движения на базе LLM Исследователи представили SenseWalk — фреймворк для моделирования перемещений людей в зонированных пространствах с помощью LLM. В отличие от традиционных методов, фокусирующихся на пространственных координатах, система учитывает семантические факторы: профили посетителей и их цели. Это позволяет создавать реалистичные траектории движения, объясняющие мотивацию и поведенческие паттерны агентов в сложных городских или коммерческих средах. arXiv · Исследования и наука Physics-Informed Fourier-Wavelet Transformer для моделирования гидродинамики Исследователи представили архитектуру Physics-Informed Fourier-Wavelet Transformer (PFWT), предназначенную для ускорения численного моделирования гидродинамики. Модель эффективно реконструирует поля скоростей, объединяя методы Фурье-преобразований и вейвлет-анализа. Новый подход позволяет точнее воспроизводить как глобальные потоки, так и локальные мелкомасштабные структуры, которые часто упускаются традиционными суррогатными моделями в сложных физических системах. arXiv · Исследования и наука Децентрализованное управление трафиком для автономных летательных аппаратов Исследователи представили концепцию децентрализованной системы управления движением для автономных летательных аппаратов, работающих в условиях высокой плотности трафика. С ростом числа беспилотных систем традиционные централизованные методы координации перестают справляться с нагрузкой, что требует перехода к более гибким архитектурам. В качестве решения предложено использование специализированных коридоров для перспективной воздушной мобильности (AAM), которые позволяют организовать потоки автономных аппаратов без участия единого диспетчерского центра. MarkTechPost · Данные и инжиниринг Построение пайплайнов прогнозирования временных рядов с TimeCopilot Разработан комплексный рабочий процесс для прогнозирования временных рядов с использованием инструмента TimeCopilot. Система объединяет классические статистические методы, современные фундаментальные модели и автоматизированные алгоритмы обнаружения аномалий. Архитектура позволяет обрабатывать как реальные данные, например, статистику авиаперевозок, так и синтетические ряды с искусственно внедренными выбросами. arXiv · Исследования и наука Фундаментальные ограничения оценки транспортных отображений в генеративных моделях Исследователи проанализировали теоретические пределы оценки транспортных отображений, лежащих в основе современных генеративных моделей, таких как диффузионные модели и flow matching. Работа доказывает, что при отсутствии явной оптимизации транспортных затрат возникают статистические ограничения, влияющие на точность аппроксимации распределений. Авторы предлагают новые подходы к выбору более эффективных и статистически устойчивых отображений для обучения нейросетей.

← Все материалы