Основы Smart технологий на транспорте

Beschreibung: Цель дисциплины знакомство с интеллектуальными транспортными системами. Дается обзор трендов в области умного транспорта и мобильности. Рассматриваются принципы функционирования, типы коммуникаций и элементы систем взаимодействия автономных автомобилей. Приводится обзор технологий биометрической идентификации персонального доступа к системе управления автомобилем, подключения к различным объектам с помощью сетей 5G в онлайн режиме.

Betrag der Credits: 5

Пререквизиты:

• Программирование на языке С++

Arbeitsintensität der Disziplin:

Unterrichtsarten	Uhr
Vorträge	30
Praktische Arbeiten	15
Laborarbeiten
AASAL (Autonomes Arbeiten der Schüler unter Anleitung des Lehrers)	30
SE (Studentisches Eigenarbeiten)	75
Endkontrollformular	экзамен
Form der Endkontrolle	Экзамен

Komponente: Вузовский компонент

Zyklus: Базовые дисциплины

Цель

• является формирование у студентов систематизированных теоретических знаний и первичных практических компетенций в области интеллектуальных транспортных систем (ИТС) и умной мобильности. Курс направлен на понимание архитектуры, ключевых технологий и трендов развития «умного» транспорта, а также на осознание их роли в повышении эффективности, безопасности и устойчивости транспортных систем будущего.

Задача

• Сформировать у обучающихся целостное представление об интеллектуальных транспортных системах (ИТС) как о комплексном инструменте управления транспортными потоками и сервисами.
• Раскрыть основные принципы функционирования, архитектуру и классификацию систем взаимодействия.
• Изучить современные тренды и глобальные вызовы, определяющие развитие умного транс-порта и мобильности (Smart Mobility).
• Проанализировать модели и типы коммуникаций в ИТС и их роль в создании безопасной транспортной среды.
• Дать обзор технологий биометрической идентификации для обеспечения безопасного и персонализированного доступа к системам управления транспортными средствами.
• Исследовать роль и возможности сетей связи пятого поколения (5G) и IoT (Интернета вещей) для обеспечения сверхнадежной и задержко-устойчивой связи (URLLC) в реальном времени между всеми участниками транспортной системы.
• Научить студентов анализировать преимущества и ограничения различных SMART-технологий применительно к конкретным транспортным сценариям.
• Сформировать навыки критической оценки предлагаемых на рынке решений в области «умного» транспорта и биометрической идентификации.
• Развить умение работать с информацией: искать, анализировать и обобщать материалы по новейшим разработкам в области автономного вождения и Connected Car.
• Сформировать понимание социальной, экологической и экономической ответственности специалиста, работающего в сфере транспорта будущего, а также осознание ethical challenges (этических проблем), связанных с сбором и использованием биометрических данных.

Результат обучения: знание и понимание

• демонстрировать знание ключевых понятий, компонентов и архитектуры интеллектуальных транспортных систем (ИТС).
• Объяснять основные принципы функционирования систем взаимодействия автономных и подключенных транспортных средств (V2X).
• Описать современные тренды и глобальные вызовы, определяющие развитие Smart Mobility.
• Понимать и излагать фундаментальные основы технологий биометрической идентификации и их применение в транспорте.
• Объяснять роль и ключевые характеристики сетей связи 5G и IoT для обеспечения работы ИТС в реальном времени.

Результат обучения: применение знаний и пониманий

• Применять полученные теоретические знания для анализа конкретных кейсов внедрения SMART-технологий на различных видах транспорта.
• Анализировать преимущества, недостатки и области применения различных типов коммуникаций.
• Классифицировать и сравнивать различные технологии биометрической идентификации по заданным критериям (надежность, скорость, стоимость внедрения, уровень безопасности).
• Выбирать и обосновывать выбор наиболее подходящих технологических решений (например, тип связи, метод аутентификации) для предложенной транспортной задачи.

Результат обучения: формирование суждений

• Оценивать эффективность, риски и возможные последствия внедрения конкретных SMART-решений в транспортную систему.
• Формулировать аргументированные критические суждения о перспективах развития автономного транспорта и умной мобильности на основе анализа современных трендов.
• Предлагать собственные концептуальные решения или улучшения для отдельных элементов ИТС (на примере учебного кейса).
• Проводить сравнительный анализ различных точек зрения на проблему и делать обоснованные выводы.

Результат обучения: коммуникативные способности

• Четко и структурированно излагать свои мысли, аргументы и выводы, полученные в ходе анализа учебных кейсов, как в устной (доклады, дискуссии), так и в письменной форме (отчеты, эссе).
• Эффективно работать в команде над решением поставленной задачи (например, разработка проекта простого элемента ИТС), распределяя роли и неся ответственность за свой участок работы.
• Публично представлять результаты групповой или индивидуальной работы, аргументированно отвечать на вопросы аудитории.
• Вести профессиональную дискуссию, уважая мнение оппонента и используя соответствующую терминологию.

Результат обучения: навыки обучения или способности к учебе

• Демонстрировать способность к самостоятельному поиску, отбору, критическому анализу и структурированию информации из профессиональных источников (научные статьи, техническая документация, отраслевые обзоры) по тематике SMART-транспорта.
• Самостоятельно определять зоны своего профессионального роста и развития в данной предметной области.
• Адаптироваться к работе с новыми информационными сервисами и инструментами, используемыми в сфере транспортного моделирования и анализа данных.
• Проявлять устойчивую мотивацию к непрерывному обучению в условиях быстро меняющихся технологий.

Lehrmethoden

- классическое лекционное обучение;

- обучение с помощью аудиовизуальных и технических средств;

- обучение с помощью учебной книги;

- компьютерное обучение;

- технология проблемно- и проектно-ориентированного обучения.

Bewertung des Wissens der Studierenden

Period	Art der Aufgabe	Gesamt
1  Bewertung	Работа 1	0-100
	Работа 2
2  Bewertung	Работа 3	0-100
	Работа 4
Endkontrolle	экзамен	0-100

Die Bewertungspolitik der Lernergebnisse nach Arbeitstyp

Art der Aufgabe	90-100	70-89	50-69	0-49
	Exzellent	Gut	Befriedigend	Ungenügend
Работа на занятиях, выполнения расчетов	Выполнил практическую работу в полном объеме с соблюдением необходимой последовательности действий; в ответе правильно и аккуратно выполняет все записи, таблицы, рисунки, чертежи, графики, вычисления; правильно выполняет анализ ошибок.	Выполнил требования к оценке «отлично», но допущены 2-3 недочета. Ответ обучающегося на вопросы удовлетворяет основным требованиям к ответу на 5, но дан без применения знаний в но-вой ситуации, без использования связей с ранее изученным материалом и материалом, усвоенным при изучении других дисциплин	Выполнил работу не полностью, но не менее 50% объема практической работы, что позволяет получить правильные результаты и вы-воды; в ходе проведения работы были допущены ошибки.	Выполнил работу не полностью или объем выполненной части работ не позволяет сделать правильных выводов. При ответе на вопросы демонстрирует не владение основными знаниями и умениями в соответствии с требованиями программы.

Bewertungsbogen

Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:

• 40% результата, полученного на экзамене;
• 60% результатов текущей успеваемости.

Формула подсчета итоговой оценки:

И= 0,6	Р1+Р2	+0,4Э
	2

 

где, Р₁, Р₂ – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.

Итоговая буквенная оценка и ее цифровой эквивалент в баллах:

Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:

Оценка по буквенной системе	Цифровой эквивалент	Баллы (%-ное содержание)	Оценка по традиционной системе
A	4.0	95-100	Отлично
A-	3.67	90-94
B+	3.33	85-89	Хорошо
B	3.0	80-84
B-	2.67	75-79
C+	2.33	70-74
C	2.0	65-69	Удовлетворительно
C-	1.67	60-64
D+	1.33	55-59
D	1.0	50-54
FX	0.5	25-49	Неудовлетворительно
F	0	0-24

Темы лекционных занятий

• Введение в smart-технологии и интеллектуальные транспортные системы (ИТС). Понятие "умного города" и место транспорта в нем. Цели, задачи и архитектура ИТС. Глобальные тренды развития.
• Сенсоры и сбор данных в ИТС. Типы датчиков (видеокамеры, радары, лидары, индуктивные петли). Методы сбора данных о транспортных потоках, состоянии ТС и инфраструктуры.
• Технологии позиционирования и навигации. Спутниковые системы (GPS, ГЛОНАСС, Galileo). Инерциальные системы. Карты высокой четкости (HD Maps) для беспилотного транспорта.
• Сети и коммуникации в транспорте (V2X). Технологии связи: DSRC, C-V2X, 5G. Взаимодействие "автомобиль-инфраструктура" (V2I), "автомобиль-автомобиль" (V2V), "автомобиль-пешеход" (V2P).
• Большие данные (Big Data) и облачные технологии на транспорте. Сбор, хранение и обработка транспортных данных. Облачные платформы. Аналитика и прогнозирование транспортных потоков.
• Искусственный интеллект (ИИ) и машинное обучение в ИТС. Распознавание образов (дорожные знаки, разметка, участники движения). Предиктивная аналитика для прогнозирования пробок. Оптимизация маршрутов.
• Умное управление дорожным движением. Адаптивные светофоры. Динамическое ценообразование на парковках и платных дорогах. Системы информирования водителей.
• Smart-технологии в общественном транспорте. Системы мониторинга и диспетчеризации. Электронные табло и информирование пассажиров. Безналичная оплата проезда. Оптимизация маршрутной сети
• Концепция "Мобильность как услуга" (MaaS). Интеграция различных видов транспорта в единую сервисную модель. Каршеринг, кикшеринг, райдшеринг. Агрегаторы мобильности
• Беспилотные транспортные средства (БПТС). Уровни автоматизации. Ключевые технологии: сенсоры, системы принятия решений. Тестирование и внедрение БПТС
• Smart-технологии в логистике и грузоперевозках. "Умный" склад. Системы управления автопарком (FMS). Отслеживание грузов в реальном времени. Автоматизация "последней мили"
• Информационная безопасность в ИТС (Кибербезопасность). Угрозы и уязвимости подключенных автомобилей и инфраструктуры. Методы защиты данных и систем управления.
• Экологические аспекты smart-транспорта. Мониторинг выбросов. Оптимизация движения для снижения расхода топлива. Развитие инфраструктуры для электротранспорта.
• Нормативно-правовое регулирование ИТС. Стандарты и протоколы. Законодательство в области беспилотного транспорта. Вопросы ответственности и этики.
• Перспективы развития smart-технологий на транспорте. Цифровые двойники транспортных систем. Интеграция с другими городскими системами. Будущее городской мобильности.

Основная литература

• Буслаев А.П. Интеллектуальные системы: sSHD - мониторинг многополосного движения и автоматизация обработки информации о трафике. Учебное пособие / Буслаев А.П., Яшина М.В., Городничев М.Г.. — Москва: Московский технический университет связи и информатики, 2012. — 80 c.
• Концептуальные основы стратегии инновационного развития города в рамках регионального сценария «умный город» : учебное пособие / О.Ф. Данилов [и др.]. — Тюмень: Тюменский индустриальный университет, 2023. — 179 c. — ISBN 978-5-9961-3032-0.

Дополнительная литература

• Вандерворт, Т. Умные города: Интеллектуальные транспортные системы и будущее городской мобильности.— М.: Издательский дом «Техносфера», 2022. — 340 с. ISBN 978-5-907126-45-8
• Смирнов, А.С., Петров, К.В. Интеллектуальные транспортные системы: архитектура, техно-логии, внедрение.— СПб.: Питер, 2023. — 288 с. ISBN 978-5-4461-1876-3.
• Захарченко, Н.Н., Белов, Д.А. Беспилотные транспортные средства: техническое зрение, навигация и управление. — М.: Издательство МГТУ им. Н.Э. Баумана, 2021. — 415 с. ISBN 978-5-7038-5672-1.
• Корниенко, М.В., Федоров, И.С. Большие данные и искусственный интеллект на транспорте: учебное пособие. — Новосибирск: Наука, 2022. — 202 с. ISBN 978-5-02-040893-1.
• Рогоff, М. (пер. с англ.). Управление общественным транспортом в эпоху цифровизации. — М.: ТрансЛит, 2023. — 175 с. ISBN 978-5-94976-234-1.
• IEEE (Institute of Electrical and Electronics Engineers). Цифровая трансформация логистики: от умного склада до автономных перевозок: сб. статей / под ред. Дж. Лима. — М.: Горячая линия – Телеком, 2022. — 162 с. ISBN 978-5-9912-0876-5.
• Гарсия, К.Р. (пер. с англ.). Кибербезопасность в Интернете вещей для транспортных систем. — М.: ДМК Пресс, 2023. — 274 с. ISBN 978-5-93700-145-7.