В статье исследуется применение парадигмы мультиагентных систем для автоматизации сложной инженерной задачи оценки дорожных условий и расчета безопасных скоростей движения. Целью исследования является разработка мультиагентного подхода к декомпозиции данной задачи на кооперированные автономные подпроцессы с целью повышения отказоустойчивости, масштабируемости и производительности расчетных комплексов. Актуальность работы обусловлена необходимостью преодоления ограничений традиционной монолитной архитектуры при обработке больших объемов разнородных данных и параллельном выполнении множества вычислительных операций. Методология исследования базируется на агентно-ориентированной парадигме с разделением ролей специализированных агентов и организации их взаимодействия через протоколы запрос – ответ, публикация – подписка и аукцион для распределения задач. Предлагаемая архитектура включает агент-парсер для извлечения данных из документов, агент-валидатор для проверки соответствия нормативным требованиям, агент-расчетчик на основе классических методов расчета скорости движения автомобилей и агент-визуализатор для формирования выходных данных. Особое внимание уделяется вопросам отказоустойчивости и оптимального распределения вычислительных ресурсов. В результате создан действующий прототип мультиагентной системы, демонстрирующий возможность параллельной обработки данных, автоматического восстановления при сбоях отдельных агентов и масштабирования при увеличении объема входных данных. Разработанный подход позволяет повысить интегральную надежность расчетного комплекса и сократить общее время выполнения сквозного процесса за счет параллелизации операций на этапах парсинга, валидации и визуализации.
The article explores the application of the multi-agent system paradigm for automating the complex engineering task of road condition assessment and safe speed calculation. The aim of the study is to develop a multi-agent approach to decomposing this task into cooperative autonomous subprocesses in order to improve fault tolerance, scalability, and performance of calculation complexes. The relevance of the work is due to the need to overcome the limitations of traditional monolithic architecture when processing large volumes of heterogeneous data and parallel execution of multiple computational operations. The research methodology is based on the agent-oriented paradigm with role separation of specialized agents and organization of their interaction through request-response, publish-subscribe, and auction protocols for task distribution. The proposed architecture includes a parser agent for extracting data from documents, a validator agent for checking compliance with regulatory requirements, a calculator agent based on classical methods of vehicle speed calculation, and a visualizer agent for generating output data. Special attention is paid to issues of fault tolerance and optimal distribution of computing resources. As a result, a functioning prototype of a multi-agent system was created, demonstrating the capability of parallel data processing, automatic recovery from failures of individual agents, and scalability with increasing input data volume. The developed approach allows increasing the integral reliability of the calculation complex and reducing the total execution time of the end-to-end process due to parallelization of operations at the stages of parsing, validation, and visualization.
1. Андриянов О. И. Влияние цифровизации и искусственного интеллекта на развитие устойчивых городских транспортных систем // Управление в современных системах. 2024. № 4 (44). С. 4–13. URL: https://elibrary.ru/download/elibrary_80523645_27064187.pdf (дата обращения: 10.05.2026). DOI: 10.24412/2311-1313-44-4-13. EDN: YLMTUS.
2. Подберёзкин А. А., Борзенков А. М., Остроух А. В., Пронин Ц. Б., Тетченко О. А. Исследование применения компьютерного зрения и генетического алгоритма кластеризации для мониторинга состояния дорожного покрытия // Современные наукоемкие технологии. 2025. № 12. С. 139–144. URL: https://elibrary.ru/download/elibrary_88836556_63595101.pdf (дата обращения: 10.05.2026). DOI: 10.17513/snt.40615. EDN: BNRLNC.
3. Андриенко В. А., Кияев В. И., Котова С. А. Умные дороги: Использование интеллектуальных систем и мультиагентных технологий // Интеллектуальные технологии на транспорте. 2025. № 2 (42). С. 5–19. URL: https://elibrary.ru/download/elibrary_82520669_17147653.pdf (дата обращения: 10.05.2026). DOI: 10.20295/2413-2527-2025-242-5-19. EDN: PPPJTS.
4. Лебедев А. Р., Рогавичене Л. И. Интеграция интеллектуальных транспортных систем и моделей управления в условиях цифровизации мегаполиса // Современные проблемы инновационной экономики. 2025. № 12 (12). С. 210–215. URL: https://elibrary.ru/download/elibrary_88780410_75095040.pdf (дата обращения: 10.05.2026). DOI: 10.52899/978-5-88303-740-4_210. EDN: NDCVYC.
5. Макаров О. Н., Абдуряхимова Э. Б. Современные транспортные мультиагентные системы: Влияние на культурный капитал, экономику и цифровую трансформацию // Наука Красноярья. 2024. Т. 13. № 2. С. 55–71. URL: https://elibrary.ru/download/elibrary_68499492_46413857.pdf (дата обращения: 10.05.2026). DOI: 10.12731/2070-7568-2024-13-2-246. EDN: TKKKBS.
6. Макаров О. Н., Абдуряхимова Э. Б., Дьякова П. С. Обоснование принятия решений в транспортной политике на основе мультиагентного подхода (на примере транспортной стратегии России) // Наука Красноярья. 2024. Т. 13. № 3. С. 131–150. URL: https://elibrary.ru/download/elibrary_75139900_49636971.pdf (дата обращения: 10.05.2026). DOI: 10.12731/2070-7568-2024-13-3-253. EDN: LOQXLC.
7. Поспелов П. И., Косцов А. В., Мартяхин Д. С., Кортиев А. Л., Комарова Т. К. Исследование границ уровней удобства движения при передвижениях на автомобиле на улично-дорожной сети города средней крупности // Известия Казанского государственного архитектурно-строительного университета. 2025. № 2 (72). С. 183–191. URL: https://elibrary.ru/download/elibrary_82864435_79251992.pdf (дата обращения: 10.05.2026). DOI: 10.48612/NewsKSUAE/72.16. EDN: LVKRRO.
8. Зотов М. Л. Мультиагентная система с нечеткой интеграцией для автономного движения в умном городе // Вестник науки. 2026. Т. 5. № 3 (96). С. 521–542. URL: https://elibrary.ru/download/elibrary_89150164_33474709.pdf (дата обращения: 10.05.2026). EDN: HEXZZA.
9. Уваев М. Ю., Шиков А. Н. Применение агентно-ориентированного моделирования системы поддержки принятия решений на предприятии // Автоматизация. Современные технологии. 2025. Т. 79. № 11. С. 504–508. URL: https://www.elibrary.ru/item.asp?id=83179444 (дата обращения: 13.05.2026). DOI: 10.36652/0869-4931-2025-79-11-504-508. EDN: RYLWTK.
10. Смирнов А. В., Левашова Т. В., Пономарев А. В. Поддержка принятия решений на основе человеко-машинного коллективного интеллекта: современное состояние и коллективная модель // Информационно-управляющие системы. 2020. № 2 (105). С. 60–70. DOI: 10.31799/1684-8853-2020-2-60-70. EDN: IMLZXK.
11. Сак А. Н. Использование синтаксических связей для классификации строительных документов с помощью методов машинного обучения // Экономика строительства. 2025. № 5. С. 508–511. EDN: YKBEFA.
12. Минаев В. А., Толпыгин А. С. Цифровая платформа для защищенных информационно-управляющих систем беспилотного транспорта // Информация и безопасность. 2024. Т. 27. № 3. С. 309–318. URL: https://www.elibrary.ru/download/elibrary_76014176_22378518.pdf (дата обращения: 13.05.2026). DOI: 10.36622/1682-7813.2024.27.3.001. EDN: UXJRGD.
13. Подберёзкин А. А. Исследование неопределенности в многоагентном мониторинге дорожного покрытия // Моделирование, оптимизация и информационные технологии. 2026. Т. 14. № 2 (53). URL: https://elibrary.ru/download/elibrary_89023687_63667886.pdf (дата обращения: 13.05.2026). DOI: 10.26102/2310-6018/2026.53.2.009. EDN: ZQKINV.
14. Усман Д., Фурсов С. Б., Подберёзкин А. А., Рощин А. И., Лаушкин А. В. Применение цифрового решения в процессе планирования и организации региональных маршрутов // Грузовик. 2024. № 2. С. 49–54. DOI: 10.36652/1684-1298-2024-2-49-54. EDN: NGSFKV.
15. Бессонова Е. А., Тронина И. А., Бабичев А. О. Цифровые платформы как инструмент развития цифровой инновационной экосистемы экономики региона // Известия Юго-Западного государственного университета. Серия: Экономика. Социология. Менеджмент. 2025. Т. 15. № 5. С. 82–94. URL: https://elibrary.ru/download/elibrary_84517072_95164315.pdf (дата обращения: 13.05.2026). DOI: 10.21869/2223-1552-2025-15-5-82-94. EDN: IWFXVQ.