seatsСоциально-экономические и технические системы: исследование, проектирование, оптимизацияSocial-economic and technical systems: research, design and optimization1991-6302Казанский (Приволжский) федеральный университетseats-60Research ArticleОРГАНИЗАЦИОННО-ТЕХНИЧЕСКИЕ СИСТЕМЫ: ПРОЕКТИРОВАНИЕ, ФУНКЦИОНИРОВАНИЕ, ЭКСПЛУАТАЦИЯОРГАНИЗАЦИОННО-ТЕХНИЧЕСКИЕ СИСТЕМЫ: ПРОЕКТИРОВАНИЕ, ФУНКЦИОНИРОВАНИЕ, ЭКСПЛУАТАЦИЯГибридизация алгоритмов роевого интеллекта в групповых автономных транспортных средствахHybridization of swarm intelligence algorithms in group autonomous vehiclesСиразутдиновИ. М.SirazutdinovI. M.

студент 1 курса магистратуры

1 st year magistracy student

Набережночелнинский институт ФГАОУ ВПО «Казанский (Приволжский) федеральный университет»РоссияNaberezhnye Chelny Institute of Kazan (Volga region) Federal UniversityRussian Federation20252310202503135152Copyright © Сиразутдинов И.М., 20252025Сиразутдинов И.М.Sirazutdinov I.M.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://seats.elpub.ru/jour/article/view/60

В данной статье проведен системный анализ проблем управления группами автономных транспортных средств (АТС) в условиях производственной среды. Выявлены ключевые технологические вызовы. Сформулирована цель исследования – разработка децентрализованного алгоритма на основе роевого интеллекта. Определены 4 ключевые задачи: от анализа существующих методов до валидации в симуляторе. Особое внимание уделено критериям оценки: время перепланирования ≤50 мс, точность позиционирования ≤0.1 м. Статья содержит детальный анализ трех фундаментальных алгоритмов роевого интеллекта с точки зрения их применимости к задачам АТС. Приведены расчетные формулы для каждого метода (например, обновление скорости в PSO) и сравнительная таблица по 5 критериям, включая масштабируемость и устойчивость к помехам. Выявлено, что ни один алгоритм не удовлетворяет всем требованиям, что обосновывает необходимость гибридного подхода. В статье предложены конкретные модификации базовых алгоритмов для промышленного применения. Разработана архитектура гибридного решения. Приведены планы тестирования с метриками: время реакции, точность, энергопотребление. Общий вывод: Системный подход к адаптации роевых алгоритмов позволит решить ключевые проблемы промышленных предприятий в области управления автономными транспортными системами.

This article provides a systems analysis of the problems of managing groups of autonomous vehicles (AVS) in an industrial environment. Key technological challenges are identified. The goal of the study is to develop a decentralized algorithm based on swarm intelligence. Four key tasks are defined: from analyzing existing methods to validating them in a simulator. Particular attention is paid to the evaluation criteria: replanning time ≤50 ms, positioning accuracy ≤0.1 m. The article contains a detailed analysis of three fundamental swarm intelligence algorithms in terms of their applicability to AV tasks. Calculation formulas for each method (for example, speed update in PSO) and a comparative table for 5 criteria, including scalability and resistance to interference are provided. It is revealed that none of the algorithms meets all the requirements, which justifies the need for a hybrid approach. The article proposes specific modifications of the basic algorithms for industrial applications. The architecture of the hybrid solution is developed. Test plans with metrics are provided: response time, accuracy, energy consumption. General conclusion: A systematic approach to the adaptation of swarm algorithms will help solve key problems of industrial enterprises in the field of autonomous transport systems management. 

роевой интеллектдецентрализованный алгоритмгибридный методадаптация роевых алгоритмовswarm intelligencedecentralized algorithmhybrid methodadaptation of swarm algorithmsReferencesLi X., Chen W. Kinematic-constrained Particle Swarm Optimization for Autonomous Vehicle Path Planning // IEEE Transactions on Intelligent Vehicles. – 2021. – Vol. 6(2). – P. 282-295.Li X., Chen W. Kinematic-constrained Particle Swarm Optimization for Autonomous Vehicle Path Planning // IEEE Transactions on Intelligent Vehicles. – 2021. – Vol. 6(2). – P. 282-295.Chen H., Wang M. Hybrid ACO-Potential Field Method for Dynamic Obstacle Avoidance // Robotics and Autonomous Systems. – 2022. – Vol. 148. – P. 103912.Chen H., Wang M. Hybrid ACO-Potential Field Method for Dynamic Obstacle Avoidance // Robotics and Autonomous Systems. – 2022. – Vol. 148. – P. 103912.Патент RU 2756487 C1. Способ управления группой беспилотных транспортных средств с использованием роевого интеллекта / Иванов А.А. и др. – 2021.Патент RU 2756487 C1. Способ управления группой беспилотных транспортных средств с использованием роевого интеллекта / Иванов А.А. и др. – 2021.Патент US 10,726,152 B2. System and Method for Vehicle Swarm Navigation Using Modified PSO / Smith J. – 2020.Патент US 10,726,152 B2. System and Method for Vehicle Swarm Navigation Using Modified PSO / Smith J. – 2020.Миронов Д.П. Алгоритмы роевого интеллекта: теория и практика. – М.: Издво МГТУ им. Баумана, 2020. – 456 с.Миронов Д.П. Алгоритмы роевого интеллекта: теория и практика. – М.: Издво МГТУ им. Баумана, 2020. – 456 с.Goodfellow I., Bengio Y., Courville A. Deep Learning. – MIT Press, 2016. – 800 p. (Глава 12: Optimization Algorithms)Goodfellow I., Bengio Y., Courville A. Deep Learning. – MIT Press, 2016. – 800 p. (Глава 12: Optimization Algorithms)Siegwart R., Nourbakhsh I.R. Introduction to Autonomous Mobile Robots. – 2nd ed. – MIT Press, 2011. – 473 p.Siegwart R., Nourbakhsh I.R. Introduction to Autonomous Mobile Robots. – 2nd ed. – MIT Press, 2011. – 473 p.ISO 22737:2021. Intelligent transport systems — Low-speed automated driving (LSAD) systems for predefined routes — Performance requirements and test procedures.ISO 22737:2021. Intelligent transport systems — Low-speed automated driving (LSAD) systems for predefined routes — Performance requirements and test procedures.SAE J3016_202104. Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles.SAE J3016_202104. Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles.Петров С.И. Алгоритмы группового управления автономными транспортными средствами в условиях неопределенности: Дис. ... канд. техн. наук. – М.: МАДИ, 2022. – 178 с.Петров С.И. Алгоритмы группового управления автономными транспортными средствами в условиях неопределенности: Дис. ... канд. техн. наук. – М.: МАДИ, 2022. – 178 с.Zhang L. et al. Decentralized Control for Autonomous Vehicle Swarms Using Adaptive Flocking // 2023 IEEE Intelligent Vehicles Symposium (IV). – 2023. – P. 1-8.Zhang L. et al. Decentralized Control for Autonomous Vehicle Swarms Using Adaptive Flocking // 2023 IEEE Intelligent Vehicles Symposium (IV). – 2023. – P. 1-8.Kamaз Internal Report No. TR-2023-05. V2X Communication Testing Results for Autonomous Truck Platooning. – 2023. – 45 p.Kamaз Internal Report No. TR-2023-05. V2X Communication Testing Results for Autonomous Truck Platooning. – 2023. – 45 p.CARLA Autonomous Driving Simulator. Technical Documentation. Version 0.9.14. – 2023. URL: https://carla.readthedocs.io/ (только техническая спецификация)CARLA Autonomous Driving Simulator. Technical Documentation. Version 0.9.14. – 2023. URL: https://carla.readthedocs.io/ (только техническая спецификация)ROS 2 Humble Hawksbill Documentation. – 2023. URL: https://docs.ros.org/ROS 2 Humble Hawksbill Documentation. – 2023. URL: https://docs.ros.org/Белоусов Б.С. Теория автоматического управления подвижными объектами. – СПб.: БХВ-Петербург, 2019. – 672 с.Белоусов Б.С. Теория автоматического управления подвижными объектами. – СПб.: БХВ-Петербург, 2019. – 672 с.Федосов Е.А. Интеллектуальные транспортные системы. – М.: Транспорт, 2020. – 488 с.Федосов Е.А. Интеллектуальные транспортные системы. – М.: Транспорт, 2020. – 488 с.Olfati-Saber R. Flocking for Multi-Agent Dynamic Systems: Algorithms and Theory // IEEE Transactions on Automatic Control. – 2006. – Vol. 51(3). – P. 401-420.Olfati-Saber R. Flocking for Multi-Agent Dynamic Systems: Algorithms and Theory // IEEE Transactions on Automatic Control. – 2006. – Vol. 51(3). – P. 401-420.Труды VII Международной научной конференции "Автоматизация и роботизация в машиностроении". – М.: МГТУ им. Баумана, 2023. – С. 112-125.Труды VII Международной научной конференции "Автоматизация и роботизация в машиностроении". – М.: МГТУ им. Баумана, 2023. – С. 112-125.Proceedings of the International Symposium on Distributed Autonomous Robotic Systems (DARS 2020). 20. Robot Operating System (ROS) Documentation. Official ROS Wiki.Proceedings of the International Symposium on Distributed Autonomous Robotic Systems (DARS 2020). 20. Robot Operating System (ROS) Documentation. Official ROS Wiki.

The authors declare that there are no conflicts of interest present.