Predykcja Bayesowska w systemie RETINA

• Autorzy: Górska M.

Warianty tytułu

EN

Bayes-type prediction in the RETINA system

• Języki publikacji: PL

Abstrakty

PL

System RETINA polega na kolekcji, analizie i selekcji danych uzyskanych z różnorodnych istniejących i dodatkowo zainstalowanych jednostek obserwacyjnych takich jak fotoradary, bramki monitorujące ruch lub służące do rozliczenia opłat. Celem jest śledzenie obiektów o zadanych cechach dystynktywnych. Obecna praca konkretyzuje sieć dróg do głównych tras na Mazowszu, tj. do autostrady A2 i około dwudziestu dróg krajowych. W artykule rozpatrywane i oceniane są algorytmy predykcji dalszych tras obiektów, które zostały zanotowane przez system oraz zaproponowane jest również nowe podejście – predykcja Bayesowska.

EN

The RETINA system consists of collecting, analyzing and selecting data from existing observation units, and such to be installed in the future, including photo-radars, electronic fee collection and traffic monitoring cameras. The aim is tracking of objects distinguished by certain visual features. The present paper specifies the underlying road net to the main traffic arteries of Mazovia, i.e. the highway A2 and about twenty national roads. Further, algorithms for the prediction of the continuations of vehicle tracks registered by the system are on consideration and assessed. Also a new method is proposed – Bayes-type prediction.

Słowa kluczowe

PL

System Poszukiwania Pojazdów; RETINA; predykcja Bayesowska

EN

System Exploration Vehicle; RETINA; Bayes-type prediction

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 3
• Strony: 2088--2095
• Opis fizyczny: Bibliogr. 12 poz., rys., wykr., pełen tekst na CD

Twórcy

autor

Górska M.

• Uniwersytet Technologiczno-Humanistyczny im. Kazimierza Pułaskiego, Wydział Transportu i Elektrotechniki; 26-600 Radom, ul. Malczewskiego 29

Bibliografia

• 1. Górska M., Podstawy modelowania sieci dróg w Systemie Poszukiwania Pojazdów Drogowych Według Zadanych Cech. Czasopismo Autobusy – Technika, Eksploatacja, Systemy Transportowe 2013, nr 3.
• 2. Górska M., Jackowski S., Wybrane techniki sieciowej obserwacji ruchu pojazdu drogowego. Czasopismo TTS – Technika Transportu Szynowego 2012, nr 9.
• 3. Górska M., Metody matematyczne ekstrapolacji trajektorii ruchu pojazdów drogowych. Czasopismo TTS – Technika Transportu Szynowego 2012, nr 9.
• 4. Górska M., Jackowski J., Analiza wybranych czynników wpływających na trajektorie ruchu poszukiwanych pojazdów. Czasopismo Logistyka 2012, nr 3.
• 5. Górska M., Jackowski S., Optymalizacja sieci inteligentnych obserwatorów. Czasopismo Logistyka 2011, nr 6.
• 6. Górska M., Assessment of observer positions for given behavior of drivers. Czasopismo Logistyka 2011, nr 6.
• 7. Górska M., Tracing multiple mobile objects by a network of intelligent detectors. Czasopismo Logistyka 2011, nr 3.
• 8. Górska M., Course prediction for mobile object tracing network. Proceedings of the 4th International Interdisciplinary Technical Conference of Young Scientists, Poznań 2011.
• 9. Grabski F., Jaźwiński J., Metody Bayesowskie w niezawodności i diagnostyce z przykładami. Wydawnictwa Komunikacji i Łączności, Warszawa 2001.
• 10.Grzenda W., Wstęp do statystyki Bayesowskiej. Oficyna Wydawnicza – Szkoła Główna Handlowa w Warszawie, Warszawa 2012.
• 11. Hudert S., Niemann C., Eymann T., On Computer Simulation as a Component in Information Systems Research. Lecture Notes in Computer Science, Vol. 6105, Global Perspectives on Design Science Research, str. 167-179, 2010.
• 12. Sohn J.H., Baek W.K., Vehicle dynamic simulation including an artificial neural network bushing model. Journal of Mechanical Science and Technology, Vol.19, nr 1, str. 255-264, 2005.