МЕТОДЫ ИНТЕРПРЕТАЦИИ В ИНТЕЛЛЕКТУАЛЬНЫХ ТРАНСПОРТНЫХ СИСТЕМАХ

В статье исследуются методы интерпретации, применяемые в интеллектуальных транспортных системах. дается систематика видов интерпретации. Дано современное состояние и тенденции развития интеллектуальных транспортных систем. отмечено влияние проблемы «больших данных» на функционирование интеллектуальных транспортных систем. Описана множественная интерпретация, информационная интерпретация, системная интерпретация, гипотетическая интерпретация, объектная интерпретация, ситуационная интерпретация. Описаны основные правила интерпретации. Показано различие между ситуационной и объектной интерпретацией. Описана эквифинальная интерпретация как инструмент повышения надежности. Описана прямя и обратная интерпретация как инструмент снятия информационной неопределенности. Дана систематика применения методов интерпретации для решения задач интеллектуальных транспортных систем.

1. Gohar A., Nencioni G. The role of 5G technologies in a smart city: The case for intelligent transportation system //Sustainability. - 2021. - Т. 13. - №. 9. - С. 5188. EDN: JUTEYH

2. Kaffash S., Nguyen A. T., Zhu J. Big data algorithms and applications in intelligent transportation system: A review and bibliometric analysis //International Journal of Production Economics. - 2021. - Т. 231. - С. 107868. EDN: BPMHTK

3. Цветков В.Я., Розенберг И.Н. Интеллектуальные транспортные системы - Saarbrücken, 2012. - 297 с. EDN: RRECPJ

4. Deng H. W. et al.Commercial cloud computing for connected vehicle applications in transportation cyberphysical systems: A case study //IEEE Intelligent Transportation Systems Magazine. - 2020. - Т. 13. - №. 1. - С. 6-19.

5. Tsvetkov V. Ya., Shaytura S.V., Ordov K.V. Digital management railway // Advances in Economics, Business and Management Research, volume 105. 1st International Scientific and Practical Conference on Digital Economy (ISCDE 2019), p. 181- 185. EDN: FADHSR

6. Андреева О.А. Беспилотное субсидиарное управление // Наука и технологии железных дорог. 2020. Т.4.- 3(15). - С.44-52. EDN: VAIIBU

7. Brants S. et al. TIGER: Linguistic interpretation of a German corpus //Research on language and computation. - 2004. - Т. 2. - С.597-620.

8. Bodryshev V. V., Nartova L. G., Rabinskiy L. N. Digital interpretation of gas dynamics problems as a means of optimizing fundamental general engineering education //Asia Life Sciences. - 2019. - №. 2 Suppl. 21. - С. 759-774. EDN: VQDDZL

9. Чехарин Е.Е. Методы и алгоритмы информационной интерпретации // Образовательные ресурсы и технологии. - 2016. - №5 (17). - С.39-49. EDN: XEEVIT

10. Поляков А.А., Цветков В.Я. Прикладная информатика. - М.: Янус- К, 2002. - 392 с. EDN: RUXMLL

11. Буравцев А.В., Цветков В.Я. Облачные вычисления для больших геопространственных данных // Информация и космос. 2019. - №3. - С.110-115. EDN: CZBUJE

12. Лёвин Б.А., Цветков В.Я. Информационные процессы в пространстве "больших данных" // Мир транспорта. 2017. - Т.15, №6(73). - С.20-30. EDN: YTBSCH

13. Козлов А. В. Анализ субсидиарных систем // Вестник Рязанского государственного радиотехнического университета. 2019. № 69. С.160-167. EDN: UAXSNI

14. Цветков В.Я. Применение принципа субсидиарности в информационной экономике // Финансовый бизнес. -2012. - №6. - С.40-43. EDN: QAGGBF

15. Ожерельева Т. А. Метамоделирование и информационный морфизм // Славянский форум. 2021, 3(33). С.69-78. EDN: TYNXTK

16. Дешко И.П. Информационное конструирование: Монография. - М.: МАКС Пресс, 2016. - 64 с. EDN: VUXGYP

17. Цветков В.Я. Использование оппозиционных переменных для анализа качества образовательных услуг // Современные наукоёмкие технологии. - 2008. - №1. - С.62-64. EDN: IJFVZB

18. Cohen J. et al. An empirical analysis of local opposition to new transmission lines across the EU-27 //The Energy Journal. - 2016. - Т. 37. - №. 3.

19. Soman S. et al. Worldwide detection of informal settlements via topological analysis of crowdsourced digital maps //ISPRS International Journal of Geo-Information. - 2020. - Т. 9. - №. 11. - С. 685. EDN: DHVHEL

20. Цветков В.Я. Цифровые карты и цифровые модели // Известия высших учебных заведений. Геодезия и аэрофотосъемка. - 2000. - №2. - С.147-155. EDN: VWYEIZ

21. Liu Y. Evaluating visitor experience of digital interpretation and presentation technologies at cultural heritage sites: a case study of the old town, Zuoying //Built Heritage. - 2020. - Т. 4. - №. 1. - С. 14. EDN: XBCCXW

22. Champion E., Dave B. Where is this place //Proceedings of ACADIA 2002: Thresholds Between Physical and Virtual. - 2002. - С.87-97.

23. Flynn B. Augmented visualisation: Designing experience for an interpretative cultural heritage //2008 12th International Conference Information Visualisation. - IEEE, 2008. - С.447-452.

24. Roussou M. The components of engagement in virtual heritage environments //New Heritage. - Routledge, 2007. - С.241-257.

25. Pedersen I. et al. More than meets the eye: The benefits of augmented reality and holographic displays for digital cultural heritage //Journal on Computing and Cultural Heritage (JOCCH). - 2017. - Т. 10. - №. 2. - С.1-15.

26. Uzzell D. Heritage interpretation in Britain four decades after Tilden //Manual of heritage management. - 1994. - С.293-302.

27. Affleck J., Kvan T. A virtual community as the context for discursive interpretation: A role in cultural heritage engagement //International Journal of Heritage Studies. - 2008. - Т. 14. - №. 3. - С. 268-280.

28. Rahaman H. Digital heritage interpretation: a conceptual framework //Digital Creativity. - 2018. - Т. 29. - №. 2-3. - С. 208-234.

29. Тихонов А.Н., Иванников А.Д., Цветков В. Я. Терминологические отношения // Фундаментальные исследования. -2009. - № 5. - С.146- 148. EDN: KXQHPD