Herald of Technological University Herald of Technological University ВЕСТНИК ТЕХНОЛОГИЧЕСКОГО УНИВЕРСИТЕТА 3034-4689 98675 10.55421/3034-4689_2025_28_3_91 3. Информатика, вычислительная техника и управление 3. Information teory, computer technology and control 3. Информатика, вычислительная техника и управление STRUCTURED DECISION-MAKING METHOD FOR CHOOSING A MODIFICATION OF A ROAD INFRASTRUCTURE OBJECT RECOGNITION MODEL СТРУКТУРИРОВАННЫЙ МЕТОД ПРИНЯТИЯ РЕШЕНИЯ ПО ВЫБОРУ МОДИФИКАЦИИ МОДЕЛИ РАСПОЗНАВАНИЯ ОБЪЕКТОВ ДОРОЖНОЙ ИНФРАСТРУКТУРЫ Хусаинов Р М Хусаинов Р М r_khusainov@mail.ru Талипов Н. Г. Talipov N. G. Казанский национальный исследовательский технический университет им. А.Н. Туполева Kazan National Research Technical University named after A.N. Tupolev 01 08 2025 01 08 2025 28 3 91 95 https://elibrary.ru/item.asp?id=80528738

В статье представлена задача выбора модификации модели распознавания объектов дорожной инфраструктуры. Для ее решения предлагается использовать структурированный метод принятия решений, основанный на многокритериальных оценках. Основное внимание уделяется выявлению и сравнительному анализу наиболее значимых критериев для оценки модели, таких как метрики Precision, Recall и F1-score. При проведении исследования построены матрицы попарных сравнений, которые позволяют не только визуально представить относительную важность каждого из параметров, но и количественно оценить их влияние на общую эффективность модели. Процесс формирования матриц попарных сравнений включает в себя мнение экспертов в области машинного обучения и компьютерного зрения, что обеспечивает высокую степень надежности полученных результатов. Проведена оценка матрицы попарных сравнений по шкале интенсивности от 1 до 9 (1 - равно, 3 - немного лучше, 5 - лучше, 7 - значительно лучше, 9 - принципиально лучше). По каждым критериям определены значения нормализованных оценок вектора приоритета, индекса согласованности и отношения согласованности. Проведена оценка условия принятия решения расчетов критериев по значению отношения согласованности. В случае несоблюдения условия повторно вычислялись матрицы попарных сравнений с учетом оценки эксперта. После выполнения расчетов, включающих взвешивание каждого критерия, выведены приоритеты для выбора модели распознавания объектов дорожной инфраструктуры. В результате расчетов выявлено, что из пяти модификаций модель YOLOv8n обладает максимальным приоритетом. Выбранная модель протестирована с использованием разработанного мобильного приложения «Ассистент водителя» на смартфонах с операционной системой Android для распознавания объектов дорожной инфраструктуры по классам (дорожный знак, дорожная разметка, светофоры) в режиме реального времени.

The article presents the problem of selecting a modification of the road infrastructure object recognition model. To solve this problem, it is proposed to use a structured decision-making method based on multi-criteria assessments. The main attention is paid to identifying and comparative analysis of the most significant criteria for model evaluation, such as Precision, Recall and F1-score metrics. During the study, pairwise comparison matrices were constructed, which allow not only to visually represent the relative importance of each parameter, but also to quantitatively assess their impact on the overall efficiency of the model. The process of forming pairwise comparison matrices includes the opinion of experts in the field of machine learning and computer vision, which ensures a high degree of reliability of the results. The pairwise comparison matrix was assessed on an intensity scale from 1 to 9 (1 - equal, 3 - slightly better, 5 - better, 7 - significantly better, 9 - fundamentally better). For each criterion, the values of normalized estimates of the priority vector, consistency index and consistency ratio were determined. The decision-making condition for calculating criteria was assessed by the value of the consistency ratio. In case of non-compliance with the condition, the matrices of pairwise comparisons were recalculated taking into account the expert's assessment. After performing calculations, including the weighting of each criterion, priorities were derived for selecting a model for recognizing road infrastructure objects. As a result of the calculations, it was revealed that of the five modifications, the YOLOv8n model has the highest priority. The selected model was tested using the developed mobile application "Driver Assistant" on smartphones with the Android operating system for recognizing road infrastructure objects by class (road sign, road marking, traffic lights) in real time.

 ОБЪЕКТЫ ДОРОЖНОЙ ИНФРАСТРУКТУРЫ МОДИФИКАЦИЯ ПОПАРНОЕ СРАВНЕНИЕ КРИТЕРИЙ ПОДБОРА ВЕКТОР ПРИОРИТЕТОВ ROAD INFRASTRUCTURE OBJECTS MODIFICATION PAIRWISE COMPARISON SELECTION CRITERION PRIORITY VECTOR