Model sieci neuronowej do wyznaczania właściwości dynamicznych pojazdów

• Autorzy: Drąg Ł.

Warianty tytułu

EN

The model of neural network to determine the vehicle dynamic properties

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono metodę wyznaczania maksymalnego przyspieszenia pojazdów samochodowych, zależnego od parametrów niezależnych określających proces rozpędzania. W proponowanej metodzie do identyfikacji właściwości dynamicznych pojazdów stosuje się model dynamiki pojazdów jedno i wieloczłonowych. Do uogólnienia przebiegów przyspieszenia pojazdów uzyskanych na podstawie symulacji numerycznych zaproponowano zastosowanie sztucznej sieci neuronowej. Rozważano dwa typy sieci neuronowych o sigmoidalnej i radialnej funkcji aktywacji neuronu. Wyboru architektury sieci i obliczeń wartości wag neuronów dokonano w pakiecie Statistica. Do oceny błędów predykcji posłużono się wynikami badań drogowych dla próby rozpędzania pojazdu osobowego ze zmianą biegów. Uzyskane w procesie modelowania powierzchnie aproksymacyjne mogą znaleźć zastosowanie w parametryzacji dynamiki ruchu pojazdów w bardziej ogólnych modelach symulacji ruchu drogowego.

EN

The paper presents a method for determination of maximum vehicle acceleration dependent on the independent parameters defining an acceleration process. In the proposed method to identification vehicle dynamic properties the model of multi-body dynamic has been used. For generalization the vehicle acceleration results obtained from road measurements and numerical simulation the artificial neural network (ANN) has been applied. In the paper the MLP and RBF ANN networks has been considered. Selection of ANN network architecture and calculation of neuron weights has been made in the Statistica software. In order to calculate prediction error the results of road investigation has been used. The approximation surfaces obtained during modeling can be used to parameterization of vehicle dynamic parameters in more general traffic simulation models.

Słowa kluczowe

PL

ruch drogowy; model symulacyjny; dynamika pojazdu; sieć neuronowa

EN

road traffic; simulation model; vehicle dynamics; neural network

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 3
• Strony: 1380--1389
• Opis fizyczny: Bibliogr. 13 poz., rys., tab., pełen tekst na CD

Twórcy

autor

Drąg Ł.

• Akademia Techniczno-Humanistyczna w Bielsku-Białej, Wydział Zarządzania i Transportu, 43-309 Bielsko-Biała, ul. Willowa 2

Bibliografia

• 1. Aimsun 8, http://www.aimsun.com.
• 2. Brzozowska L., Brzozowski K., Drąg Ł., Transport drogowy a jakość powietrza atmosferycznego: modelowanie komputerowe w mezoskali,WKŁ, Warszawa, 2009.
• 3. Drąg Ł., Wpływ modeli ruchu pojazdów na obliczeniową emisję zanieczyszczeń: rozprawa doktorska, Akademia Techniczno-Humanistyczna, Wydział Budowy Maszyn i Informatyki, 2008.
• 4. Gaca S. i inni, Inżynieria ruchu drogowego. Teoria i praktyka, WKiŁ, Warszawa, 2009.
• 5. Osowski S., Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa 1996.
• 6. Paramics 6.9,http://www.paramics-online.com.
• 7. Prochowski L., Mechanika ruchu, WKiŁ, 2005.
• 8. Satistica 10, Podręcznik elektroniczny Statistica.
• 9. Sumo 0.19, http://sumo-sim.org.
• 10. Szczotka M., Wojciech S., Porównanie efektywności numerycznej metod całkowania równań ruchu pojazdu, Zeszyty Naukowe OBR SM BOSMAL, z. 24/2, 5-27, Bielsko-Biała, 2004.
• 11.Vissim 6, http://vision-traffic.ptvgroup.com.
• 12.Wojciech S., Szczotka M., O numerycznych aspektach całkowania równań ruchu pojazdów, KONMOT-AUTOPROGRES 2004, vol. 7, Mechanics, 699-706, Kraków, 2004b.
• 13. Żurada J. i inni, Sztuczne sieci neuronowe, Wydawnictwo Naukowe PWN, Warszawa, 1996.