On the Problem of Applicability of Synthetic Data in Testing Intelligent Transport Systems
( Pp. 105-115)

Intelligent Transport Systems (ITS) are now being implemented to ensure optimal and safe road traffic. Increasingly, these systems use artificial intelligence to obtain characteristics about traffic flows. The number of sensors and transducers is increasing dramatically, resulting in higher loads on ITSs. Therefore, it is necessary to develop distributed monitoring systems with scalability and fault tolerance in mind. However, extensive testing is required before implementation. It is not possible to fully conduct such testing on real data due to various factors. Therefore, this paper proposes a tool for generating synthetic traffic flow data with subject matter specificity. The generation system is designed to be integrated into different systems, which will allow different ITS vendors to use it. This service fulfils the scalability requirements and is close to real data. The study proposes a scalable architecture of intelligent transport subsystem that fulfils the requirements of scalability and fault tolerance. As part of this work, a testbed is assembled and the proposed architecture is tested through the developed service of synthetic traffic flow state data generation.

Gorodnichev M.G. On the Problem of Applicability of Synthetic Data in Testing Intelligent Transport Systems. Computational Nanotechnology. 2025. Vol. 12. No. 1. Pp. 105–115. (In Rus.). DOI: 10.33693/2313-223X-2025-12-1-105-115. EDN: MLHIWR

Hak Gu Kim, Sangmin Lee, Seongyeop Kim. Towards a better understanding of VR sickness: Physical symptom prediction for VR contents // arXiv. 2021.
Steinmetz J.D., Seeher K.M., Schiess N. et al. Global, regional, and national burden of disorders affecting the nervous system, 1990–2021: A systematic analysis for the Global Burden of Disease Study 2021 // The Lancet Neurology. 2024. Vol. 23. Issue 4. Pp. 344–381.
Sungtaek Cho, Dongyeon Kim, Sungon Lee. A comparative evaluation of a single and stereo lighthouse systems for 3-D estimation // IEEE Sensors Journal. 2021. P. 99.
Xianzheng Ma, Hossein Rahmani, Zhipeng Fan et al. REMOTE: Reinforced motion transformation network for semi-supervised 2D pose estimation in videos // The Thirty-Sixth AAAI Conference on Artificial Intelligence (AAAI-22). 2022. Pp. 1944–1952.
Zhipeng Fan, Jun Liu, Yao Wang. Motion adaptive pose estimation from compressed videos // IEEE/CVF International Conference on Computer Vision (ICCV). 2021. Pp. 11719–11728.
Бычков А.Г., Киселёва Т.В., Маслова Е.В. Использование сверточных нейросетей для классификации изображений // Вестник Сибирского государственного индустриального университета. 2023. № 1 (43). С. 39–49.
Карякин А.В. Исследование задачи детектирования человека с помощью компьютерного зрения. URL: https://www.researchgate.net/publication/381037033_Issledovanie_zadaci_detektirovania_celoveka_s_pomosu_komputernogo_zrenia (дата обращения: 24.04.2025).
Кисленко С.Л., Менжега М.М. Использование современных технических средств в процессе фиксации результатов осмотра места происшествия // Вестник Института права Башкирского государственного университета. 2024. № 7 (3 (23)). С. 108–123.
Коновалов А.Н., Пилипенко Ю.В. и др. Использование дополненной реальности как метода нейронавигации при выполнении экстра-интракраниального микроанастомоза // Оперативная хирургия и клиническая анатомия. 2024. Т. 8. № 3. С. 28–34.
Кудинов Я.О. Исследование возможности классификации картин при помощи компьютерного зрения. URL: https://www.researchgate.net/publication/377219522_Klassifikacia_kartin_s_pomosu_komputernogo_zrenia (дата обращения: 30.01.2025).
Леонов И.Ю. Human pose estimation на изображениях асан в йоге. URL: https://www.researchgate.net/publication/381116740_Human_pose_estimation_na_izobrazeniah_asan_v_joge (дата обращения: 30.01.2025).

human pose estimation, neurological rehabilitation, deep learning, machine vision, automated motion diagnostics.