Разработан алгоритм на основе рекуррентных нейронных сетей, использующих архитектуру LSTM, для выявления девиантных транспортных средств. Алгоритм анализирует временные последовательности данных: скорость, относительное положение и маневры транспортных средств. Точность классификации достигла более 99%, что свидетельствует о высокой эффективности подхода. Кроме того, разработанный алгоритм оказался устойчивым к ложным срабатываниям, что подчеркивает его перспективность для применения в интеллектуальных транспортных системах.

Разработаны алгоритмы перехвата нарушителей в транспортном потоке и анализу их влияния на дорожное движение, участниками которого являются в том числе беспилотные автомобили. Ключевой особенностью разработки является применение метода автоматизированного синтеза правил поведения перехватчика на основе глубокого обучения с подкреплением (алгоритм APPO), который позволил обучить нейросетевого агента эффективно преследовать движущуюся цель в потоке. Полученный агент-перехватчик демонстрирует способность быстро сближаться с нарушителем даже в плотном трафике за счет активных маневров (частых перестроений), практически не нарушая движение окружающих автомобилей.

Проведен количественный анализ влияния активных маневров перехватчика на характеристики потока. Показано, что на этапе преследования (когда перехватчик догоняет нарушителя) правильно обученный агент практически не создает помех: несмотря на частые перестроения, его действия согласованы с обстановкой и не провоцируют резких торможений у других машин. При этом нейросетевой перехватчик существенно превосходит по эффективности альтернативные детерминированные стратегии: он быстрее сокращает дистанцию до цели и почти не замедляет попутный поток, тогда как упрощенные правила либо дольше догоняют нарушителя, либо провоцируют кратковременные локальные заторы. Однако при попытке блокировать нарушителя влияние на поток возрастает. Один перехватчик может лишь существенно замедлить нарушителя, но не полностью остановить его без риска затора. Пара скоординированных перехватчиков блокирует цель, однако вынужденно перекрывает две полосы движения, вызывая локальный затор. Таким образом, существует компромисс: максимально быстрый перехват достигается ценой радикальных мер, чреватых пробками, тогда как более мягкие действия меньше мешают движению, но требуют больше времени.

Исследовано взаимодействие беспилотных автомобилей с агентом-перехватчиком в смешанном потоке, который выступает в качестве приоритетного транспортного средства. Смоделированы три варианта поведения беспилотных автомобилей при появлении перехватчика: T0 — отсутствие особой реакции (движение по обычным правилам), T1 — умеренное содействие (уступают дорогу, только если находятся прямо перед перехватчиком), T2 — полное содействие (заранее освобождают полосу, формируя «коридор»). Выяснилось, что при малой доле беспилотных автомобилей (< 60%) выбор стратегии практически не влияет на поток и скорость перехватчика (большинство водителей-участников — люди). Однако при доминировании беспилотных автомобилей (> 80%) различия принципиальны. Стратегия T0 обеспечивает максимальную пропускную способность, но агент-перехватчик движется в общем потоке без преимуществ. Стратегия T2 позволяет перехватчику поддерживать высокую скорость даже в плотном трафике, но массовые перестроения беспилотных автомобилей ради коридора заметно снижают эффективность движения: на средних плотностях наблюдается резкое падение пропускной способности потока и возникают предпосылки заторов. Тактика T1 оказалась наиболее сбалансированной: частичное уступание дороги несколько ускоряет проезд перехватчика, при этом общее снижение пропускной способности минимально. Таким образом, выявлен конфликт между индивидуальной выгодой приоритетного проезда и коллективной эффективностью сети — эффект «социальной дилеммы». В реальных условиях тактика T2 оправдана лишь для острых экстренных случаев, тогда как умеренная стратегия T1 выступает оптимальным компромиссом для большинства ситуаций. Другими словами, эффективное преследование при наличии беспилотного транспорта в потоке требует согласованных правил: перехватчики должны действовать разумно агрессивно (маневрировать активно, но учитывая реакцию окружающих), а автономные машины — разумно уступчиво (освобождать полосу только при реальной необходимости).