Inventory number IRN Number of state registration
0225РК00834 AP19575607-OT-25 0123РК01056
Document type Terms of distribution Availability of implementation
Заключительный Gratis Number of implementation: 0
Not implemented
Publications
Native publications: 0
International publications: 2 Publications Web of science: 0 Publications Scopus: 0
Number of books Appendicies Sources
1 3 26
Total number of pages Patents Illustrations
44 0 4
Amount of funding Code of the program Table
24158877 AP19575607 9
Name of work
Решения на основе искусственного интеллекта для современной городской логистики
Report title
Type of work Source of funding The product offerred for implementation
Fundamental Технологическая документация
Report authors
Боғырбаева Айгерім , Мералиев Мерарыслан Меррусланович , ДАУЛЕТБАЕВ БИСЕНБАЙ , Ахметбек Ернар Ерболұлы ,
0
1
2
0
Customer МНВО РК
Information on the executing organization
Short name of the ministry (establishment) МНВО РК
Full name of the service recipient
"SDU University"
Abbreviated name of the service recipient SDU University
Abstract

Интеллектуальные системы «последней мили» с гетерогенными парками грузовик–дрон под неопределённостью спроса и времени, включая координацию запуск–обслуживание–рандеву и ограничения по выносливости (эндуранс)

Сұраныс пен уақыт белгісіздігі жағдайындағы «соңғы миль» логистикасы, жүк көлігі–дрон гетерогенді паркі, іске қосу–қызмет көрсету–кездесу синхронизациясы және эндуранс (ұшу қашықтығы) шектеулері

Oсновной целью этого проекта является разработка алгоритмов обучения с подкреплением для маршрутизации дронов и грузовиков одновременно для доставки последней мили, которые могут обобщать входные данные из одного распределения вероятности.

Жобаның мақсаты негіздеп оқытуды қолдана отырып, соңғы мильге жеткізу үшін бірнеше дрондар мен жүк көліктерін бірге бағыттайтын жаңа алгоритмдерді әзірлеу. Біз жақсы оқытылған нейрондық желілер математикалық оңтайландыру әдістеріне негізделген эвристикалық алгоритмдерден тиімдірек эвристиканы меңгере алады деп болжаймыз.

маршрутизацию связки «грузовик–дрон» формулируем как MDP с событийно-управляемым временем; решения принимает централизованный контроллер в моменты прибытия/обслуживания и завершения вылёта с учётом батареи и времени рандеву. Состояние кодируется attention-энкодером (граф и статические времена), а решения выдаёт рекуррентный двухголовый декодер; жёсткие ограничения (ёмкость/время/эндуранс/эксклюзивность) обеспечиваются маскированием на этапе декодирования. Обучение — policy-gradient (actor–critic/REINFORCE с базисом) на минимизацию makespan; реализация и оценка выполняются в детерминистическом событийном симуляторе, который служит «единственным источником истины».

«Жүк көлігі–дрон» маршрутизациясы MDP ретінде, оқиға-негізді уақытпен қойылады; шешімдер орталықтандырылған контроллермен келу/қызмет көрсету және дрон ұшу аяғы аяқталған сәттерде, батарея мен кездесу уақыты ескеріле отырып қабылданады. Күйді attention-энкодер (граф және статикалық уақыттар) кодтайды, ал шешімді рекуррентті екібас декодер шығарады; қатты шектеулер (сыйымдылық/уақыт/эндуранс/эксклюзивтілік) декодтау кезінде маскалау арқылы қамтамасыз етіледі. Оқыту — policy-gradient (actor–critic/REINFORCE, базиспен) және мақсат — makespan-ды азайту; жүзеге асыру мен бағалау детерминистік оқиға-негізді симуляторда орындалады

В ходе работы создана событийная система RL для координации гетерогенного парка «грузовик–дрон» при неопределённости спроса и времени. Система динамически корректирует решения в моменты событий (приезд/обслуживание грузовика, возврат дрона), что снизило суммарное время выполнения заданий и задержку принятия решений до миллисекунд на событие. Обновлённая постановка MDP и жёсткое маскирование ограничений (синхронизация, эксклюзивность, эндуранс) обеспечили бесконфликтную координацию и структурную выполнимость без штрафов. Новизна заключается в сочетании маскированного двухголового декодера с малым множеством кандидатов на рандеву и нормализацией запаса хода диаметром инстанса, а также в полностью воспроизводимом конвейере с единым детерминистическим симулятором. Масштабируемость архитектуры подтверждена на наборах с 8–50 клиентами и разными составами парка, что делает решение универсальным для многотранспортных задач «последней мили».

Жұмыс барысында сұраныс пен уақыт белгісіздігі жағдайында гетерогенді «жүк көлігі–дрон» паркін үйлестіретін оқиға-негізді RL жүйесі жасалды. Жүйе шешімдерді оқиғалар сәтінде (жүк көлігінің келуі/қызмет көрсетуі, дрон рейсінің аяқталуы) динамикалық түзетіп, тапсырмаларды орындау уақытын қысқартты және оқиға сайын миллисекунд деңгейіндегі кідірісті қамтамасыз етті. Жаңартылған MDP қойылымы мен шектеулерді қатты маскалау (синхронизация, эксклюзивтілік, эндуранс) қақтығыстарды болдырмай, айыпсыз құрылымдық орындалымдылық берді. Жаңалық маскаланған екібас декодерді шағын кездесу (рандеву) кандидаттарымен және эндурансты инстанс диаметрімен нормализациялаумен ұштастыруда, сондай-ақ бір детерминистік симулятормен толық қайта өндірілуі мүмкін конвейерді құруда. Архитектураның масштабталуы 8–50 клиенті бар және парк құрамы әртүрлі жиындарда расталды, бұл шешімді «соңғы миль» көпкөлікті міндеттер үшін әмбебап етеді.

Проект реализуется в рамках утверждённого трёхлетнего бюджета, обеспечивающего финансирование персонала, закупку и эксплуатацию оборудования и программного обеспечения. Работы распределены на этапы: анализ и прототипирование, разработка и интеграция решений, валидация и распространение результатов. Планируются публикации в рецензируемых изданиях и доклады на конференциях с приоритетом открытой воспроизводимости кода и данных. Проект выполняет междисциплинарная команда с возможным привлечением академических и отраслевых партнёров; патентование прикладных компонентов рассматривается по итогам НИР. В рамках образовательного компонента проекта состоялась успешная защита докторанта PhD. Материалы интегрируются в учебные курсы. По результатам работ подготовлены и уже опубликованы две научные публикации. Долгосрочный эффект — повышение эффективности логистики и развитие интеллектуальных транспортных систем; инновационность обеспечивается сочетанием современных методов ИИ и оптимизации с воспроизводимой и масштабируемой архитектурой.

Жоба бекітілген үш жылдық бюджет аясында іске асырылады, ол персоналды қаржыландыруды, жабдық пен бағдарламалық қамтамасыз етуді сатып алу және пайдалануды қамтиды. Жұмыстар кезеңдерге бөлінген: талдау және прототиптеу, шешімдерді әзірлеу және интеграциялау, валидация және нәтижелерді тарату. Рецензияланатын басылымдарда мақалалар мен конференция баяндамалары жоспарланған, код пен деректердің қайта өндірілуіне басымдық беріледі. Жобаны пәнаралық команда орындайды; қолданбалы компоненттерді патенттеу НЗЖ қорытындысы бойынша қарастырылады. Жоба аясындағы білім беру құрамында докторант PhD сәтті қорғаудан өтті. Материалдар оқу пәндеріне енгізіледі. Жұмыс нәтижесі бойынша екі ғылыми мақала дайындалып, жарияланды. Ұзақ мерзімді әсері — логистиканың тиімділігін арттыру және интеллектуалдық көлік жүйелерін дамыту; инновация ІИ мен оңтайландыруды қайта өндірілуі мүмкін әрі масштабталатын архитектурамен ұштастыру арқылы қамтамасыз етіледі.

ехнология достигла уровня готовности TRL 3: выполнено научно-исследовательское доказательство концепции — формализована постановка (MDP), реализованы прототипы событийной имитации и RL/гибридных алгоритмов, проведены базовые вычислительные эксперименты на синтетических наборах. Артефакты доступны в исследовательской среде SDU (код прототипов, сценарии экспериментов, отчёты); интеграции с промышленными системами (TMS/ERP) пока нет. Научная состоятельность подтверждена: 2 публикации уже опубликованы, состоялась успешная защита докторанта PhD. Переход к TRL 4–5 потребует стабилизации API и сборки, модуля наблюдаемости, пилотных данных партнёра и ограниченного пилота на реальных маршрутах.

Технология TRL 3 деңгейіне жетті: концепцияның дәлелі орындалды — MDP қойылымы жасалды, оқиға-негізді симуляция және RL/гибридті алгоритм прототиптері іске асырылды, синтетикалық жиындарда бастапқы есептік сынақтар жүргізілді. Артефакттар SDU зертханалық ортада қолжетімді (код, эксперимент сценарийлері, есептер); өндірістік TMS/ERP жүйелерімен интеграция әзір жоқ. Ғылыми негізділік расталды: 2 мақала жарияланды, PhD докторанты сәтті қорғаудан өтті. TRL 4–5 деңгейіне өту үшін API мен жинақтауды тұрақтандыру, бақыланушылық модулін қосу, серіктестің пилоттық деректері және нақты маршруттарда шектеулі пилот қажет.

Эффективность проекта оценивается как по научным результатам, так и по качеству методологии. Опубликованы две рецензируемые статьи; ожидается рост цитируемости. Методологическая новизна — событийный RL с жёстким маскированием ограничений и воспроизводимый симулятор; результаты прозрачны и повторяемы (код и данные открываются по мере готовности). Практическая эффективность выражается в потенциале сокращения времени и стоимости доставки и совместимости с корпоративной ИТ-средой (TMS/ERP). Текущий уровень готовности — TRL 3 (доказательство концепции); следующий шаг — пилот у индустриального партнёра. Образовательная эффективность подтверждена интеграцией материалов в курсы и подготовкой кадров; в рамках проекта состоялась успешная защита докторанта PhD. Сотрудничество развивается через партнёрства, конференции и открытые репозитории, что усиливает сетевой эффект и практическую применимость.

Жобаның тиімділігі ғылыми нәтижелер мен әдістеменің сапасы бойынша бағаланады. Екі рецензияланатын мақала жарияланды; дәйексөздердің өсуі күтіледі. Әдістемелік жаңалық — оқиға-негізді RL, қатаң маскалау және қайта өндірілуі мүмкін симулятор; нәтижелер ашық әрі қайталанбалы (код пен деректер дайын болған сайын ашылады). Прагматикалық тиімділік жеткізу уақыты мен шығынын азайту әлеуетімен және кәсіптік ИТ-жүйелермен (TMS/ERP) үйлесімділігімен көрінеді. Ағымдағы дайындық деңгейі — TRL 3 (концепция дәлелі); келесі қадам — индустриялық серіктеспен пилот. Білім беру тиімділігі материалдардың пәндерге енгізілуімен және кадр даярлауымен расталады; жоба аясында PhD докторанты сәтті қорғаудан өтті. Ынтымақтастық серіктестіктер, конференциялар және ашық репозиторийлер арқылы нығайып, желілік әсер мен практикалық қолданбаны күшейтеді.

городская «последняя миля» и интеллектуальные транспортные системы (ИТС) с гетерогенными парками грузовик–дрон: курьерские и почтовые службы, e-commerce и аптеки, кампания-доставка «в день заказа». Решение пригодно для онлайн-диспетчеризации и перепланирования на горизонте скольжения, для операционного планирования и what-if анализа в симуляторе, а также для интеграции с корпоративными TMS/ERP и телематикой. На уровне TRL 3 платформа используется как исследовательский и учебный стенд с перспективой пилотного внедрения у индустриальных партнёров.

Қолдану саласы: қалалық «соңғы миль» және интеллектуалдық көлік жүйелері (ИКЖ) бар жүк көлігі–дрон аралас парктері: курьерлік және пошталық қызметтер, e-commerce пен дәріханалар, «сол күні жеткізу». Шешім онлайн-диспетчерлеу мен жылжымалы горизонттағы қайта жоспарлауға, симуляторда операциялық жоспарлау мен what-if талдауға, сондай-ақ TMS/ERP және телематикамен ықпалдасуға жарамды. TRL 3 деңгейінде платформа зертханалық әрі оқу стенді ретінде қолданылады, индустриялық пилотқа шығу әлеуеті бар.

UDC indices
004.8, 519.8
International classifier codes
20.00.00;
Readiness of the development for implementation
Key words in Russian
искусственный интеллект; глубокие нейронные сети; обучение с подкреплением; алгоритмы; глубокое обучение;
Key words in Kazakh
жасанды интеллект; терең нейрондық желілер; негіздеп оқыту; алгоритмдер; терең оқыту;
Head of the organization Игенбаев Алимжан Бекежанович / нет
Head of work Боғырбаева Айгерім PhD / assistant professor
Native executive in charge