Zastosowanie sztucznej sieci neuronowej Kohonena do monitorowania stanu infrastruktury drogowej

• Autorzy: Mazurek G.

Warianty tytułu

EN

The use of kohonen network for road infrastructure monitoring

• Języki publikacji: PL

Abstrakty

PL

W artykule został wykorzystany algorytm samoorganizującej sieci Kohonena. Do analizy wybrano losowo sześć odcinków drogowych o identycznym natężeniu pojazdów, obszaru zagospodarowania oraz organizacji ruchu. Uwzględniając liczebność zbioru zastosowano mapę skupień o rozmiarach 1x3. Analiza typologiczna ujawniła zróżnicowane wzorce powstawania uszkodzeń w nawierzchni. Ponadto jej wynik jest efektywnym narzędziem wymagającym monitorowanie odcinków dróg silnie wytężonych.

EN

In article was used an algorithm of self-organising Kohonen Network. Six road sections were choosed which characterized similar input data for example traffic volume, vehicle load range. In the experiment was considered an agglomeration map with dimension 1x3. An analysis revealed a few patterns refered to road damages. Moreover received results are good supporting tool in road monitoring.

Słowa kluczowe

PL

sieć Kohonena; SOSN; diagnostyka nawierzchni; typologia

EN

Kohonen Network; SOSN; road construction diagnostic; typology

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2015
• Tom: nr 4
• Strony: 9466--9473, CD3
• Opis fizyczny: Bibliogr. 11 poz., tab., wykr.

Twórcy

autor

Mazurek G.

• Politechnika Świętokrzyska w Kielcach

Bibliografia

• [1] Stypułkowski B.: Zagadnienia utrzymania i modernizacji dróg, WKŁ, 2000 W-wa.
• [2] SYSTEM OCENY STANU NAWIERZCHNI /SOSN/ - WYTYCZNE STOSOWANIA, Warszawa, Luty 2002.
• [3] How many kinds of Kohonen network exists? And what is k-means?. SAS FAQ pages, USA,tp://ftp.sas.com/pub/neural/FAQ.html#A_Kohonen. The Self-Organizing Map (SOM). Finland, http:// www.cis.hut.fi/somtoolbox/theory/somalgorithm.shtml
• [4] Kohonen T.: Self-Organizing Maps. Springer, 1997.
• [5] Nowakowska M., Analiza typologiczna wypadków drogowych z wykorzystaniem sztucznej sieci neuronowej Kohonena. „Drogownictwo” 10, 2012.
• [6] Tadeusiewicz R. Odkrywanie właściwości sieci neuronowych - przy użyciu programów w języku C#, PAU 2007, Kraków.
• [7] Frątczak E., Gołata E., Klimanek T., Ptak-Chmielewska A., Pęczkowski M.: Wielowymiarowa analiza statystyczna, SGH, 2009.
• [8] Guidici P., Applied Data Mining. Statistical Methods for Business and Industry. John Wiley & Sons Ltd., Chichester, 2003.
• [9] Stanisz A.: Przystępny kurs statystyki, Tom 3,Statsoft, Kraków 2007.
• [10] Buczyński P., Iwański M., Mazurek G., Characteristics of the fatigue life (IT-FT) of the recycled base course at the controlled stresses state, Conference Proceedings, Krynica (Poland) 2014.
• [11] Iwański M., Mazurek G., Hydrated Lime as the Anti-aging Bitumen Agent, 11th International Conference on Modern Building Materials, Structures and Techniques, MBMST 2013, Volume 57, 2013, Pages 424-432.