Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: optimization of transport systems

Sortuj według:

Ogranicz wyniki do:

Using Machine Learning to Enhance Vehicles Traffic in ATN (PRT) Systems

Czejdo B., Daszczuk W. B., Baszun M.

Autobusy : technika, eksploatacja, systemy transportowe

2017

R. 18, nr 12

1484--1489, CD

This paper discusses new techniques to enhance Automated Transit Networks (ATN, previously called Personal Rapid Transit - PRT) based on Artificial Intelligence tools. The main direction is improvement of the cooperation of autonomous modules that use negotiation protocols, following the IoT paradigm. One of the goals is to increase ATN system throughput by tuning up autonomous vehicles cooperation. Machine learning (ML) was used to improve algorithms designed by human programmers. We used “existing controls” corresponding to near-optimal solutions and built refinement models to more accurately relate a system’s dynamics to its performance. A mechanism that mostly influences ATN performance is Empty Vehicle Management (EVM). The algorithms designed by human programmers was used: calls to empty vehicles for waiting passengers and balancing based on reallocation of empty vehicles to achieve better regularity of their settlement. In this paper we discuss how we can improve these algorithms (and tune them to current conditions) by using ML to tailor individual behavioral policies. Using ML techniques was possible because our algorithm is based on a set of parameters. A number of weights and thresholds could be tuned up to give better decisions on moving empty vehicles across the track.

W artykule omówiono nowe techniki usprawniania zautomatyzowanych sieci transportowych (ATN, wcześniej nazywanych Personal Rapid Transit - PRT), opartych na narzędziach sztucznej inteligencji. Głównym kierunkiem jest poprawa współpracy autonomicznych modułów, które używają protokołów negocjacyjnych w paradygmacie IoT. Jednym z celów jest zwiększenie przepustowości systemu transportowego poprzez dostrajanie współpracy autonomicznych pojazdów. Uczenie maszynowe (ML) jest wykorzystywane do poprawy algorytmów opracowanych przez programistów. Użyliśmy "istniejącego sterowania", odpowiadającego suboptymalnym rozwiązaniom, i skonstruowaliśmy modele dostrajania, aby dokładniej odnieść dynamikę systemu do jego wydajności. Mechanizm, który wpływa głównie na wydajność ATN to Zarządzanie Pustymi Pojazdami (Empty Vehicle Management - EVM). Wykorzystano algorytmy opracowane przez programistów: wzywanie pustych pojazdów dla oczekujących pasażerów i równoważenie w oparciu o realokację pustych pojazdów w celu osiągnięcia lepszej regularności ich rozmieszczenia. W tym artykule omówimy, jak można poprawić te algorytmy (i dostroić je do aktualnych warunków), używając ML do dostosowania indywidualnych zasad behawioralnych. Wykorzystanie technik ML było możliwe, ponieważ nasz algorytm oparty jest na zbiorze parametrów. Zestaw współczynników i progów może zostać dostrojony do podejmowania lepszych decyzji o planowaniu ruchu pustych pojazdów na torze.

Zrównoważone planowanie publicznego transportu zbiorowego w ramach jednostek terytorialnych – spójna metodyka oparta na metodach optymalizacji

Bieńczak M., Gawron P., Kiciński M., Kwaśnikowski J.

Logistyka

2015

nr 4

90--98

Artykuł dotyczy istotnej w ostatnim czasie problematyki planowania zrównoważonego rozwoju transportu pasażerskiego w ramach jednostek terytorialnych ze szczególnym uwzględnieniem transportu regionalnego (obejmującego przekraczanie granic powiatów). Zagadnienia planowania i optymalizacji publicznego transportu zbiorowego ze względu na kierunki jego rozwoju wymagają wnikliwego podejścia do jego planowania, jak i oceny. Problem badawczy stanowiło opracowanie spójnej metodyki umożliwiającej planowanie zrównoważonego rozwoju transportu w ramach jednostek terytorialnych. Opracowana metodyka składa się z czterech etapów merytorycznych: pozyskiwania dostępnych danych i dokumentów formalnych, kompleksowych badań ruchu, przetworzenia danych oraz optymalizacji oferty PTZ. Po ich przeprowadzeniu możliwe jest sporządzenie planu zrównoważonego rozwoju PTZ. Nowatorski walor stanowi tutaj procedura optymalizacyjna realizowana w ramach etapu czwartego. Jest ona prowadzona w dwóch zasadniczych krokach: optymalizacji najkorzystniejszych pod względem czasu połączeń oraz autorskiej metody heurystycznej wybierającej linie PTZ ze zbioru rozwiązań dopuszczalnych. Zaproponowana procedura ta została zaimplementowana w uniwersalnym narzędziu, pozwalającym na wspomnianą optymalizację.

This article deals with what is currently considered a matter of increasing importance, i.e. the issues of planning sustained public transport used by passengers within territorial units as well as this used by people who travel across several counties. Due to the directions of its development, planning and optimization of public transport calls for an inquisitive approach both towards planning and its evaluation. The research problem was to develop a concise methodology of planning of sustained transport development within territorial units. The prepared methodology consists of four essential stages: acquiring data and formal documents, conducting all-embracing traffic studies, data processing, and finally, optimizing the PTZ offer. Having completed all these stages, a plan of sustained development of PTZ can be prepared. The innovative optimization procedure used at the fourth stage of the study is carried out in two steps: optimization of the most time-efficient connections and preparing a heuristic authorial methodology for choosing PTZ lines from the set of allowed solutions. The developed procedure was implemented into a universal tool which allows the aforesaid optimization.