ITS u željezničkom prometu - ISPIT

1. Genetski algoritam – 114 je heuristička metoda za rješavanje optimizacijskih problema. To

je
tehnika globalne pretrage koja rješava optimizacijske probleme imitirajući prirodni evolucijski
proces. Evolucija je prirodni proces traženja najbolje i najprilagodljivije jedinke za okolinu i
uvjete u prirodi, odnosno ona sama je svojevrsna metoda optimiranja.

2. Fuzzy logika - Razvojem računala a posebno pridodavanjem sve veće važnosti proučavanju
umjetne inteligencije počelo se postavljati pitanje prevođenja ljudskog oblika zaključivanja i
upravljanja u formalni matematički opis i računalni program. U sklopu toga bilo je potrebno
premostiti razliku u logici zaključivanja čovjeka i računala. Naime, izraziti logički blok kojeg
računala koriste pri zaključivanju podrazumijeva preciznu vrijednost ulaza na temelju koje se
izvodi nedvosmislena izlazna vrijednost kao na primjer „Istina“ (engl. true) odnosno „Laž“
(engl. false), a koji u ljudskom načinu razmišljanja odgovaraju značenjima „DA“ odnosno „NE“.
Za razliku od toga kod ljudskog načina razmišljanja koriste se i druge vrijednosti koje se nalaze
između ove dvije krajnosti kao što su na primjer vrlo vjerojatno da, vjerojatno da, nije posve
sigurno, vjerojatno ne, vrlo vjerojatno ne i sl. Pri tome, kako bi se aproksimirao ljudski način
razmišljanja, neizrazita logika podrazumijeva računanje sa varijablama koje umjesto brojeva
predstavljaju riječi, a koje su definirane kao neizraziti skupovi. (...) Naime, često puta vrijedi
pravilo da za uspješno rješavanje nekog problema, brzina zaključivanja može biti puno važnija
od njegove preciznosti. Jednostavan primjer iz života koji to može potvrditi je slučaj kada
čovjeku prijeti neposredna opasnost, a kako bi je on uspješno izbjegao, druga osoba ga na nju
treba dovoljno brzo upozoriti. Takav slučaj bi primjerice bio kada bi postojala opasnost da na
neku osobu „A“ s leđa naleti jureći biciklist kojeg ona nije uočila i koji se ne može na vrijeme
zaustaviti kako bi izbjegao taj nalet. Ako prepostavim oda se u blizini osobe „A“ nalazi
određena
osoba „B“ koja ože na vrijeme vidjeti nadolazećeg biciklista, moguće rješenje problema u tom
slučaju predstavljala bi reakcija osobe „B“ na način da priopći informaciju osobi „A“ o dolasku
biciklista kako bi se ona na vrijeme pomaknula i tako izbjegla njegov nalet. Takvo rješenje bilo
bi zadovoljavajuće samo ako bi osoba „B“ tu informaciju priopćilau obliku kratkog i jezgrovitog
upozorenja, a ne kao detaljno objašnjenje koje sadrži za rješenje te situacije nebitne
informacije kao primjerice kakav bicikl se obzirom na njegovu masu, oblik ili boju ili kojom
točno brzinom kreće prema njoj, jer bi takva preciznost bila suvišna, pa čak i štetna za
rješavanje nastalog problema.
Zadehovo rješenje ovog problema bila je fuzzy logika koja u stvari predstavlja proširenje
klasične Boolove logike, pri čemu za razliku od klasične logike kod koje vrijedi pravilo da se sve
može izraziti pomoću binarnih vrijednosti, neizrazita logika pokušava binarne vrijednosti
zamijeniti „stupnjem istinitosti“. Primjerice u klasičnoj matematičkoj Boolovoj logici imamo
pojam skupa i elemente koje možemo odrediti sa dvije vrijednosti tj. da li pripada zadanom
skupu (da li su njegovi elementi) ili mu ne pripada. Kod neizrazitih skupova ne postoji jasna
granica o pripadnosti određenog elementa skupa već se govori o određenom stupnju
pripadnosti. Prema tome, kod neizrazitih skupova, element nije strogo unutar skupa već on
također može djelomično pripadati određenom skupu. Stupanje te pripadnosti u(mi) definiran
je intervalom [0 1].

3. Funkcije pripadnosti – pri računanju vrijednosti funkcije pripadnosti ulazne veličine se

propuštaju kroz funkcije pripadnosti kako bi se dobile pripadajuće vrijednosti za svaku funkciju
pripadnosti. Stupanj istinitosti pravila naziva se alfa pravila ili istinitost pravila, pri čemu ako
pravilo ima istinitost veću od 0 tada to pravilo djeluje. Djelovanjem pravila se svakom
zaključku
pridružuje jedan neizraziti podskup.

NDIGO je hibridna platforma spremišta namijenjena pojednostavljenju razvoja digitalnih zapisa,

upravljanju zbirkama, agregaciji, diseminaciji, online pretraživanju i pronalaženju digitalnog
sadržaja na temelju semantičkih tehnologija. Ona pruža fleksibilno i visoko prilagodljivo rješenje
za upravljanje digitalnim resursima bilo koje vrste.
Kako radi: to je dedicated cloud Naši stručnjaci za migraciju podataka premjestit će vaše
podatke iz starog sustava baze podataka, izvršiti dedupliciranje, normalizaciju i semantičko
obogaćivanje kako bi dobili najviše od podataka vaše tvrtke.

4. Neizraziti skupovi – Kako bi se aproksimirao ljudski način razmišljanja, neizrazita logika

podrazumijeva računanje sa varijablama koje umjesto brojeva predstavljaju riječi, a koje su
definirane kao neizraziti skupovi. Neizraziti skup koji je nastao kao rezultat postupka
združivanja odnosno kompozicije potrebno je pretvoriti u jednu brojčanu vrijednost, a to se
radi postupkom defuzifikacije.

5. Moving Block – Moving Block tehnologija za razliku od vođenja vlakova uz njihovu

separaciju
primjenom tehnologije fiksnih prostornih odsjeka, a koji su unaprijed dimenzionirani i
postavljeni ovisno o značajkama željezničkog prometa na određenoj pruzi te omeđeni
signalima, predstavlja metodu vođenja vlakova u promjenjivom (virtualnom) prostornom
odsjeku koja se oslanja na njihovu separaciju na duljini apsolutnog zaustavnog puta.

6. Neuronske mreže (primjena) – 129, 133 neuronske mreže su zbog svoje jednostavne
primjene,
fleksibilnosti (rade s velikim brojem varijabli i parametara, mogu se raditi s nejasnim ili
manjkavim podacima, prilagodljive su okolini i imaju sposobnost učenja) i učinkovitosti vrlo
pogodne za primjenu kod postupka predviđanja u okviru vrlo kompleksnih procesa. Pokazale
su se vrlo uspješne u rješavanju problema klasifikacije i predviđanja, kao i drugih problema
kod
kojih postoji složena veza ulaznih parametara i izlazne vrijednosti.
S obzirom na to razvoj željezničkog prometa u svjetlu primjene suvremenih tehnologija
otvara brojne mogućnosti za primjenu neuronskih mreža u okviru različitih procesa u
željezničkom prometu. Primjerice umjetna neuronska mreža koriste se za ispitivanje kvalitete
stanja kolosijeka, a značajna mogućnost njihove primjene postoji i u okviru procesa
upravljanja
željezničkim prometom. Naime, istraživanja se provode s ciljem njihove primjene u procesu
automatske vožnje vlaka, gdje se za potrebe preciznog zaustavljanja vlakova koriste neizrazite
neuronske mreže (engl. Fuzzy Neural Networks). Osim toga neuronske mreže mogu se
primijeniti i za precizno određivanje pozicije vlakova u svrhu definiranja prostornog razmaka
između vlakova kod njihove separacije primjenom tehnologije promjenjivog prostornog
odsjeka (engl. Moving Block).

7. ITS – s razvojem umjetne inteligencije pojavila se mogućnost njene primjene i u okviru

prometnog inženjerstva, a koja je obuhvaćena pojmom Inteligentni Transportni Sustavi. Uz to
kao dio ITS-a počelo se razvijati i područje željezničkih inteligentnih transportnih sustava koje
obuhvaća primjenu umjetne inteligencije u području željezničkog prometa.

8. ITS u željeznici – Željeznički inteligentni transportni sustavi podrazumijevaju primjenu

računalnih programa koji obuhvaćaju primjenu pojedinih tehnika umjetne inteligencije,
primjerice neizrazitu (fuzzy) logiku, neuronske mreže, genetske algoritme i dr., s ciljem
rješavanja problema iz područja željezničkog prometa, a u svrhu rasterećenja kognitivnog
opterećenja čovjeka u procesu donošenja odluka. Oni se na željeznici najčešće primjenjuju u
okviru sustava za upravljanje željezničkim prometom i to u obliku različitih ekspertnih sustava
koji služe za pomoć pri donošenju odluka vezanih za regulaciju željezničkog prometa i
učinkovit
način vožnje vlakova. Postoje i drugi primjeri koristenja u željeznički prometu
su primjerice kod planiranja voznog reda, održavanje željezničke
infrastrukture i sl.

9. Ekspertni sustavi – ekspertni sustavi su računalni sustavi koji koriste znanja i postupke
zaključivanja u svrhu rješavanja problema iz određenog područja, a koje u praksi rješavaju
stručnjaci (eksperti). Može se reći da oni na određeni način oponašaju znanje eksperta.
Nastali
su kao rezultat istraživanja iz područja umjetne inteligencije. Prvi ekspertni sustav bio je
MYCIN
(1976.), a primjena mu je bila vezana uz područje medicinske dijagnostike i terapeutike. Kao
primjer takvog sustava u zeljeznickom prometu mogu se navesti sustavi podrske u
centraliziranom upravljanju u zelj. Prometu, koji su namjenjeni za pomoc dispeceru u
postupku regulacije prometa.
Temeljne značajke su:
a. Visoke performanse
b. Primjereno vrijeme reakcije
c. Pouzdanost u radu
d. Razumljivost

Prednosti primjene ekspertnih sustava:

Raspolozivost
Ekonomska isplativost
Mogucnost trajnog koristenja znanja
Visestruka ekspertiza
Prikaz postupka zakljucivanja
Brza reakcija bez utjecaja ljudskih emocija

10. uloga dispecera u centraliziranom prometu strana 21.