Prognozowanie natężenia ruchu pojazdów na skrzyżowaniu za pomocą sieci neuronowej

• Autorzy: Pamuła T.

Warianty tytułu

EN

Prediction of traffic volume at the junction using neural network

• Języki publikacji: PL

Abstrakty

PL

Artykuł zawiera wyniki badań prognozowania natężenia ruchu na skrzyżowaniu w Katowicach. Dane wykorzystane do uczenia sieci pochodzą z rzeczywistych pomiarów natężenia ruchu i zostały zarejestrowane przez detektor, umieszczony na wlocie skrzyżowania. Uzyskane wyniki prognozowania zostały porównane z rzeczywistymi danymi i poddane weryfikacji. Badania mają na celu sprawdzenie możliwości i skuteczności wykorzystania sieci neuronowej w inteligentnym systemie zarządzania ruchem miejskim.

EN

The article reviews the results of forecasting traffic intensity at the junction in Katowice. Data used for network learning comes from actual measurements of traffic and were recorded by a detector placed at the inlet junction. The results obtained were compared with the prediction of the actual data and verified. The purpose of the sudy is the feasibility and effectiveness of using neural networks in intelligent urban traffic management system.

Słowa kluczowe

PL

skrzyżowanie drogowe; natężenie ruchu drogowego; sieć neuronowa

EN

crossroad; intensity of road traffic; neural network

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Zeszyty Naukowe. Transport / Politechnika Śląska
• Rocznik: 2012
• Tom: z. 74
• Strony: 67--74
• Opis fizyczny: Bibliogr. 8 poz.

Twórcy

autor

Pamuła T.

• Katedra Inżynierii Ruchu Politechnika Śląska, Katowice, Krasińskiego 13,

Bibliografia

• 1. Gaca S., Tracz M., Suchorzewski W.: Inżynieria ruchu drogowego. WKiŁ, Warszawa 2008.
• 2. Pamuła T., Król A.: Model systemu zarządzania ruchem pojazdów w obszarze miejskim z wykorzystaniem sieci neuronowych. Zeszyty Naukowe Pol. Śl., s. TRANSPORT, z. 67, nr kol. 1832, 2010.
• 3. Pamuła T.: Road traffic parameters prediction in urban traffic management systems using neural networks. Transport Problems, 2011.
• 4. Awad H.: Estimating traffic capacity for weaving segments using neural networks technique. Applied Soft Computing 4 (2004), pp. 395-404.
• 5. Ledoux C.: An urban traffic flow model integrating neural networks. Transportation Research C, Vol. 5, No 5, pp. 287-300, 1997
• 6. Hagring O.: Estimation of Critical Gaps in Two Major Streams. Transportation Research, Vol. 34B, No 4, 2000, pp. 293-313.
• 7. Oh C., Ritchie S.G.: Recognizing vehicle classification information from blade sensor signature. Pattern Recognition Letters, Vol. 28, 2007, pp. 1041–1049.
• 8. Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: Sieci neuronowe. Tom 6. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2000.