Mateichyk, VasylŚmieszek, MiroslawKostian, Nataliia2023-02-092023-02-092022-03-012022-03-01Mateichyk V. Evaluation of transport system configuration by efficiency indicators / Vasyl Mateichyk, Miroslaw Śmieszek, Nataliia Kostian // Transport Technologies. — Lviv : Lviv Politechnic Publishing House, 2022. — Vol 3. — No 2. — P. 52–62.https://ena.lpnu.ua/handle/ntb/57320Робота присвячена процесу оцінювання ефективності транспортної системи в умовах міської мобільності. Підхід базується на використанні системи індикаторів ефективності із застосуванням нейрокомп’ютерних технологій. Запропоновано узагальнені моделі для отримання вектору індикаторів ефективності та інтегрального індикатору ефективності у вигляді комп’ютерних нейронних мереж. Показано, що для фіксації факту падіння значень індикаторів до порогового та нижче достатньо застосовувати нейронну мережу, побудовану на перцептронних нейронах. Багатошарова модель для визначення інтегрального індикатора дозволяє оцінити важливість окремо взятих індикаторів у складі системи моніторингу ефективності заданої конфігурації транспортної системи. Проведено експериментальне дослідження двадцяти п’яти станів транспортної системи різних конфігурацій в містах Польщі та України. Визначено ключові індикатори ефективності системи, а саме, індикатор енергоефективності транспортного засобу як елементу системи, індикатор екологічності та індикатор безпеки руху. Виходячи з результатів експериментального дослідження запропоновано структуру нейронної мережі для оцінювання енергоефективності заданих конфігурацій транспортної системи. З метою навчання та тестування отриманої мережі було використано процедуру коригування порогового значення функції активації та нормалізацію значень масиву вхідних параметрів транспортної системи. Реалізацію побудованої мережі здійснено із використанням Visual Studio 2019 із застосуванням мови C++. Виконано налаштування мережі на визначення оцінки енергоефективності з заданою точністю шляхом заміни перцептронного нейрону на звичайний з сигмоїдальною функцією активації. Випадковий характер вибору конфігурації та початкових значень вагових коефіцієнтів дозволив отримати модель з точністю реалізації на контрольній вибірці в діапазоні від 90 до 98.7 % при швидкості навчання 0.1.The study is devoted to the process of evaluating the efficiency of the transport system in terms of urban mobility. The approach is based on the use of a system of performance indicators using neurocomputer technologies. Generalized models for obtaining a vector of performance indicators and an integral performance indicator in the form of computer neural networks are proposed. It is shown that to record the fact that the indicator values fall to the threshold and below, it is enough to use a neural network built on perceptron neurons. The multilayered model for determining the integral indicator allows assessing the importance of individual indicators in the system of monitoring the efficiency of a given configuration of the transport system. An experimental study of twenty-five states of the transport system of various configurations in the cities of Poland and Ukraine was carried out. The key indicators of the system's efficiency are determined, namely, the energy efficiency indicator of the vehicle as a system element, the environmental indicator and the traffic safety indicator. Based on the results of the experimental study, a neural network structure is proposed for evaluating the energy efficiency of given configurations of the transport system. For the purpose of training and testing the obtained network, the procedure of adjusting the threshold value of the activation function and normalizing the values of the input parameters array of the transport system was used. The constructed network was implemented using Visual Studio 2019 using the C++ language. The network was adjusted to determine the energy efficiency estimate with a given accuracy by replacing the perceptron neuron with a regular one with a sigmoidal activation function. The random nature of the choice of the configuration and the initial values of the weighting factors made it possible to obtain a model with an accuracy of implementation on the control sample in the range from 90 to 98.7 % at a learning rate of 0.1.52-62enтранспортна системаіндикатори ефективностімодельрівень енергоефективностіперцептронtransport systemefficiency indicatorsmodelenergy efficiency levelperceptronArticle© Національний університет „Львівська політехніка“, 2022© V. Mateichyk, M. Śmieszek, N. Kostian, 202211doi.org/10.23939/tt2022.02.052Mateichyk V. Evaluation of transport system configuration by efficiency indicators / Vasyl Mateichyk, Miroslaw Śmieszek, Nataliia Kostian // Transport Technologies. — Lviv : Lviv Politechnic Publishing House, 2022. — Vol 3. — No 2. — P. 52–62.