В статье приводятся подход ускоренных испытаний к современным технологиям по созданию роботизированных комплексов (РТК) и других систем в сфере различных технологий – транспортных, муниципальных, специализированных и др., которые можно рассматривать как отдельные варианты и элементы для объектов сложных технических систем (СТС), формирующих цифровые информационные конструкции. Сформулированы основные направления и задачи для проводимых научно-практических исследований с учетом усовершенствования и цифровизации передовой технологии и прогнозирования характеристик основных элементов как РТК, так и СТС. Проанализированы метрологические характеристики объектов информационно-измерительной системы (ИИС), обеспечивающие многопараметрическую оптимизацию параметров РТК, включающую степень соответствия показателей быстродействия и частотных характеристик. Показан подход к дискретизации входного процесса в ИАС с заданной точностью и минимальным количеством отсчетов связи взаимной корреляции с другими процессами.

Предлагается вычислительная модель большого коллектива взаимодействующих агентов, напоминающих торгово – промышленные фирмы. Каждый такой агент (фирма) не разделяет производственную и торговую деятельность: то, что производится, сразу выставляется на продажу. При этом, каждый агент владеет уникальным набором производственно - технологических навыков, то есть в совокупности производит уникальную продукцию. В то же время, отдельные навыки и виды продукции частично перекрываются с навыками и видами продукции других агентов/фирм. Каждый агент/фирма стремится увеличить число своих коммерческих (производственно – торговых) связей. Связи устанавливаются между агентами напрямую на основе специфических парных совпадений указанных навыков: то что производит один агент, одновременно необходимо какому-то другому агенту для его деятельности, это является основой для установления коммерческой связи. Cвязи устанавливаются только между агентами, которые определенным образом «видят» друг на друга в пределах рассматриваемой территории. Динамика системы приводит к изначально неочевидному эффекту пространственной концентрации агентов в выделенных пространственных локациях, которые можно рассматривать как «города». Долгосрочная эволюция системы приводит как к появлению новых городов, их исчезновению, а также их дрейфу по рассматриваемой территории. Созданная модель названа «Technoscape».

В работе формулируются требования к моделям представления, алгоритмам получения, комплексирования и обработки слабоформализованных гетерогенных данных для построения пространственной модели объекта исследования. Спроектирован подход к агрегации мультиспектральных данных на примере задачи объединения визуальных данных аэрофотосъемки и географических координат объектов, которые получены с помощью беспилотных летательных аппаратов. Предложен алгоритм объединения визуальных данных на основе рекуррентного объединения изображений аэрофотосъемки, который включает в себя детектирование ключевых точек изображений и построение регрессионной модели RANSAC по этим точкам. Также предложен алгоритм сопоставления географических координат с точками объединенного изображения, который основан на идее эквивалентных преобразований над визуальными данными и географическими координатами объектов. Предложенные алгоритмы реализованы в виде программного инструмента, проведено его апробирование на нескольких наборах данных аэрофотосъемки. Выявлены перспективы развития предложенного подхода и недостатки входящих в него алгоритмов, которые требуется устранить. Установлено, что необходима дальнейшая оптимизация использования памяти при объединении изображений аэрофотосъемки и дальнейшие исследования в направлении компенсации перспективного искажения. Показана применимость предложенного подхода в задачах получения, комплексирования, обработки и визуализации слабоформализованных мультиспектральных данных в области аэрофотосъемки изображений различных диапазонов (тепловизионных, оптических и т. п.), а также в других областях обработки и анализа данных, таких как детектирование и семантическое сегментирование объектов на изображениях аэрофотосъемки. Дополнительная пространственная информация может повысить точность классификации и сегментации объектов на изображениях.

Аннотация. Цель данного исследования – рассмотреть и реализовать различные подходы к корректировке постановки прогнозных задач. Для реализации этой цели будут решены следующие задачи: разработка списка контрольных (наводящих) вопросов, в виде специальных задач, которые позволят лучше осмыслить поставленную цель исследования; решение задач, поставленных в списке; рассмотрение задачи как системы; разработка подхода к созданию понятийного аппарата для решения и корректировки задач. Введены и формализованы три взаимосвязанных понятия связанных с понятием задача, на основе различных уровней их объективной сложности. При рассмотрении любых не прогнозных задач как системы, выявлены три их структурных элемента. Рассмотрена специфика прогнозных задач. (Например, у них всегда четыре структурных элемента).

Решается одна из задач навигации беспилотных летательных аппаратов в условиях противодействия – построение безопасного маршрута от начальной точки к конечной точке. Для решения поставленной задачи предлагается вначале задать точки угроз, используя нормальное распределение, определить точки–кандидаты для построения будущего маршрута. Далее, используя вершины диаграммы Вороного, для полученных точек построить триангуляцию Делоне и определить кратчайший путь из «безопасных» ребер триангуляции на основе алгоритма Дейкстры. В отличие от существующих алгоритмов построения маршрута для беспилотных летательных аппаратов, разработанный оригинальный алгоритм обеспечивает повышение оперативности определения самого короткого и безопасного маршрута беспилотных летательных аппаратов. Разработанный алгоритм был программно реализован на языке программирования Python с использованием графических инструментов Matlab. Результаты вычислительного эксперимента подтвердили работоспособность и эффективность предложенного алгоритма.