The granular computing implementation for road traffic video-detector sampling rate finding

• Autorzy: Płaczek B.

Warianty tytułu

PL

Zastosowanie teorii obliczeń ziarnistych do wyznaczania czasu próbkowania wideo-detektora pojazdów

• Języki publikacji: EN

Abstrakty

EN

The method discussed in this contribution allows to estimate the necessary data granularity for an on-line traffic controlling, using the information recorded by digital video-camera. Due to define the data sampling rate modelling and analysis methods were applied. They are used for extracting prediction rules of the traffic descriptors. The discussed scheme combines granular computing algorithms with assumptions of a cellular automata traffic model. It enables direct determination of temporal characteristics for the recognised and extracted traffic states. The traffic parameters prediction algorithm was introduced that allow determining the sampling time intervals of the video detection system

PL

Metoda przedstawiona w niniejszym artykule pozwala na oszacowanie poziomu ziarnistości danych niezbędnego do sterowania on-line ruchem drogowym na podstawie informacji obrazowej rejestrowanej kamerą wideo. W celu zdefiniowania czasu próbkowania danych zastosowano metody modelowania i analizy, które pozwalają na wydobycie reguł predykcji dla deskryptorów ruchu drogowego. Prezentowana metoda stanowi połączenie algorytmów granulacji danych z założeniami komórkowego modelu ruchu. Metoda ta umożliwia bezpośrednie określenie charakterystyk czasowych na podstawie rozpoznanych stanów ruchu pojazdów. Zaproponowano algorytm predykcji parametrów ruchu drogowego, który pozwala wyznaczyć przedziały czasu próbkowania dla systemu wideo-detekcji.

Słowa kluczowe

EN

video detector; sampling; road traffic

PL

wideodetektor; ruch drogowy; próbkowanie

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Transport Problems
• Rocznik: 2009
• Tom: T. 4, z. 1
• Strony: 55--62
• Opis fizyczny: Bibliogr. 10 poz.

Twórcy

autor

Płaczek B.

• Faculty of Transport, Silesian University of Technology, Krasinskiego 13, 40-019 Katowice, Poland,

Bibliografia

• 1. Bargiela A., Pedrycz W.: The roots of granular computing. Proceedings of the 2006 IEEE International Conf. on Granular Computing, 2006, pp. 806-809.
• 2. Chen D., Li Z., Zhang L.: TCP, a traffic signal control algorithm based on knowledge and its simulation using RTE. Intelligent Transportation Systems Proc. The 7th Int. Conf. on, IEEE, Oct. 2004, pp. 1033 – 1037.
• 3. Daganzo C.: The cell transmission model: A dynamic representation of highway traffic consistent with the hydrodynamic theory. Transp. Res. B, 28(4), 1994, p. 269-287.
• 4. Grzymala-Busse J. W., Stefanowski J.: Three discretization methods for rule induction. International Journal of Intelligent Systems 16(1), 2001. P. 29–38.
• 5. Mauro V., Taranto C.: UTOPIA, Proceedings of the 6th IFAC/IFORS Conference on Control, Computers and Communications in Transport, Paris, 1989, p. 245-252.
• 6. Nagel K., Schreckenberg M.: A cellular automaton model for freeway traffic. J. Phys. I 2, 1992, p. 2221–2241.
• 7. Płaczek B.: The method of data entering into cellular traffic model for on-line simulation. Trans. on Transport Systems Telematics. J. Piecha Ed., Gliwice 2006, p. 34-41.
• 8. Srinivasan D., Choy M. C., Cheu R. L.: Neural Networks for Real-Time Traffic Signal Control. Int. Transp. Syst., Vol. 7, No. 3, 2006, pp. 261–272.
• 9. Yao, J. T., Yao, Y. Y.: Induction of classification rules by granular computing. Proceedings of the Third International Conference on Rough Sets and Current Trends in Computing (TSCTC'02): London, UK: Springer-Verlag, 2002. p. 331–338.
• 10. Yao Y.: Granular computing for data mining. Dasarathy, Belur V. Proceedings of the SPIE Conference on Data Mining, Intrusion Detection, Information Assurance, and Data Networks Security, 2006, p. 1-12.