Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Pamuła T.

1 2012

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: klasyfikacja natężenia ruchu

Sortuj według:

Ogranicz wyniki do:

Classification and prediction of traffic flow based on real data using neural networks

Pamuła T.

Archives of Transport

2012

Vol. 24, iss. 4

519--529

This paper presents a method of classification of time series of traffic flow, on the section of the main road leading into the city of Gliwice. Video detectors recorded traffic volume data was used, covering the period of one year in 5-minute intervals - from June 2011 to May 2012. In order to classify the data a statistical analysis was performed, which resulted in the proposition of splitting the daily time series into four classes. The series were smoothed to obtain hourly flow rates. The classification was performed using neural networks with different structures and using a variable number of input data. The purpose of classification is the prediction of traffic flow rates in the afternoon basing on the morning traffic and the assessment of daily traffic volumes for a particular day of the week. The results can be utilized by intelligent urban traffic management systems.

W artykule przedstawiono metodę klasyfikacji szeregów czasowych natężenia przepływ u ruchu na odcinku głównej drogi dojazdowej w kierunku miasta Gliwice. Dane o natężeniu ruchu obejmujące okres jednego roku w interwałach godzinnych - od czerwca 2011 do maja 2012 zostały zarejestrowane przez wideodetektory. W celu klasyfikacji przeprowadzono analizę statystyczną danych i zaproponowano podział dobowych szeregów czasowych na cztery klasy. Szeregi zostały wygładzone do natężeń godzinnych. Klasyfikację wykonano z wykorzystaniem sieci neuronowych o różnych strukturach i na podstawie z mieniającej się liczby danych wejściowych. Celem klasyfikacji jest predykcja natężenia ruchu w godzinach popołudniowych na podstawie danych o natężeniu w godzinach porannych a także możliwość oceny dobowego natężenia ruchu w poszczególnych dniach tygodnia. Informacje takie są przydatne do podejmowania decyzji w Inteligentnych Systemach Transportowych (ITS) i zarządzaniu ruchem.