Детальная информация

Данная работа посвящена устранению инфраструктурного пробела между академическими разработками в области обучения с подкреплением и их промышленным внедрением в задачах управления светофорными объектами. Задачи, которые решались в ходе исследования: 1. Системный анализ предметной области и существующих MLOps-практик. 2. Сравнительное исследование архитектурных подходов к развёртыванию RL-сервисов. 3. Формулирование требований к DevOps-инфраструктуре и обоснование технологического стека. 4. Проектирование общей архитектуры системы и её подсистем. 5. Реализация прототипа и экспериментальная верификация архитектурных механизмов. 6. Оценка экономической целесообразности внедрения. На основании сравнения архитектурных подходов по восьми критериям, специфичным для интеллектуальных транспортных систем, обоснован выбор микросервисной архитектуры. Спроектированная DevOps-инфраструктура объединяет пять подсистем, обеспечивающих полный жизненный цикл RL-модели – от обучения в симуляторе до развёртывания на инференс и непрерывного дообучения. Прототип реализован на одноузловом сервере под управлением K3s с симуляционной средой SUMO; контур обучения построен на алгоритме PPO и библиотеке Stable-Baselines3, инференс реализован на FastAPI. Работоспособность ключевых механизмов подтверждена в шести экспериментальных сценариях. Выполнена оценка экономической целесообразности внедрения предложенной инфраструктуры, показавшая её применимость в условиях крупного мегаполиса.

This work is dedicated to bridging the infrastructure gap between academic research in reinforcement learning and its industrial deployment in traffic signal control tasks. The objectives addressed in the course of the research: 1. Systematic analysis of the subject area and existing MLOps practices. 2. Comparative study of architectural approaches to RL-service deployment. 3. Formulation of requirements for the DevOps infrastructure and justification of the technology stack. 4. Design of the overall system architecture and its subsystems. 5. Implementation of a prototype and experimental verification of architectural mechanisms. 6. Assessment of the economic feasibility of the proposed solution. Based on the comparison of architectural approaches against eight criteria specific to intelligent transportation systems, the microservice architecture was substantiated as the optimal solution. The designed DevOps infrastructure integrates five subsystems that support the complete life cycle of an RL model – from training in a simulator to inference deployment and continuous learning. The prototype was implemented on a single-node server Running K3s with the SUMO simulation environment; the training pipeline is built on the PPO algorithm and the Stable-Baselines3 library, while inference is implemented in FastAPI. The performance of the key mechanisms was confirmed in six experimental scenarios. An assessment of the economic feasibility of the proposed infrastructure was carried out, demonstrating its applicability in the context of a large metropolitan area.