Toshkent shahridagi 19 ta yo'nalish va 211 ta avtobusni real vaqtda boshqarish. GPS ma'lumotlari, Noravshan (Fuzzy) mantiq va AFGP-AR bashorat modeli yordamida yo'lovchilar kutish vaqtini minimallashtiring.
An'anaviy boshqaruvdagi kamchiliklarni sun'iy intellekt yordamida bartaraf etamiz.
Ba'zi yo'nalishlarda 15+ daqiqa kutish, boshqalarida esa bo'sh avtobuslar.
Bayramlar va ob-havo o'zgarishlarida yo'lovchilar oqimini oldindan bilib bo'lmaydi.
Dispetcherlar tomonidan qarorlar sekin va xatoliklar bilan qabul qilinadi.
bโ โ โ(dโ ร cโ) โ Analitik optimal taqsimlash orqali kutish vaqtini tenglashtirish.
dฬ=(dโkโd, d, d+kโd) โ Noaniqliklarga qarshi bardoshli rejalashtirish tizimi.
MAE=5.51 bilan real tarix asosida kelajakdagi ehtiyojlarni yuqori aniqlikda aniqlash.
Tizim real vaqt rejimida 3 bosqichda qaror qabul qiladi.
bm.dtransport.uz tizimidan har 3-4 soniyada avtobuslarning joylashuvi va tezligi olinadi.
Fuzzy mantiq yordamida kutilayotgan talab oraliqlari va xavf omillari hisoblab chiqiladi.
โ qoidasi (WFQ) orqali avtobuslarni yo'nalishlarga dinamik ravishda biriktirish tavsiya etiladi.
Tizimning matematik apparati zamonaviy optimallashtirish usullariga asoslangan.
Talab uchburchak noravshan son sifatida modellanadi. k โ noaniqlik darajasi bo'lib, bashorat qilib bo'lmaydigan holatlarda tizim barqarorligini ta'minlaydi.
Weighted Frequency Quotient. Yo'lovchi kutishini minimallashtiradigan analytik optimal taqsimlash. Barcha yo'nalishlar uchun kutishni tenglashtirish sharti isbotlangan.
Tashkiliy-ishlab chiqarish tuzilmasi parametrlari Fuzzy Geometric Programming bilan optimallashtiriladi. Model real qatnov tarixidan doimiy o'rganib boradi.
Toshkent shahri ma'lumotlari asosida o'tkazilgan eksperimentlar natijasi.
* MAE โ (pastroq = yaxshiroq) | Mean Absolute Error xatolik ko'rsatkichi
Platformaning asosiy funksionalligi va afzalliklari.
bm.dtransport.uz API orqali har 3-4 soniyada transport vositalarining harakatini kuzatish.
Fuzzy mantiq asosida kutilmagan vaziyatlarga (tirbandlik, ob-havo) nisbatan 10x bardoshli.
Mashinali o'rganish orqali eng past xatolik (MAE=5.51) bilan yo'lovchilar oqimini prognoz qilish.
Real GPS to'lalik foizi va kutish vaqti asosida zaxira avtobuslarni yo'naltirish.
Waybill va elektron vaqt tamg'alari asosida kunlik yuklamani avtomatik hisoblash.
Leaflet.js bazasidagi xarita orqali barcha yo'nalishlar va bekatlarni vizual tahlil qilish.