Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Pamuła T.

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: traffic flow forecast

Sortuj według:

Ogranicz wyniki do:

Przestrzenno-czasowy model predykcji natężenia ruchu z użyciem sieci neuronowych

Pamuła T.

Prace Naukowe Politechniki Warszawskiej. Transport

2017

z. 117

259--269

W artykule przedstawiono przestrzenno-czasowy model predykcji natężenia ruchu i dokonano oceny własności predykcyjnych implementacji tego modelu z użyciem sieci neuronowej MLP (Multilayer Perceptron) oraz sieci typu DLN (Deep Learning Network) bazującej na autoenkoderach. Danymi wejściowymi jest zbiór sekwencji wartości natężeń ruchu z urządzeń pomiarowych umieszczonych w sieci skrzyżowań. Predykcja wykonywana jest jednocześnie dla wszystkich węzłów sieci. Takie podejście uwzględnia zależności przestrzenno-czasowe między danymi z punktów pomiarowych. Walidację modelu wykonano z użyciem danych z piętnastu punktów pomiarowych rozmieszczonych na siedmiu skrzyżowaniach. Wykorzystano 15 minutowe natężenia ruchu drogowego dla dni roboczych zarejestrowane przez detektory z Centrum Sterowania Ruchem w Gliwicach.

The paper presents a spatiotemporal model for predicting road traffic flow values. The prediction capabilities of implementations done using MLP (Multilayer Perceptron) and DLN (Deep Learning Network) with autoencoders, neural networks are evaluated. Input data are the set of sequences of traffic flow values collected at measuring sites in the road network. Prediction is carried out simultaneously for all nodes of the road network. This approach takes into account spatiotemporal relations between data from the measuring sites. Validation of the model is done using data from 15 measuring sites located at seven road junctions.

Predykcja natężenia ruchu na sąsiednich skrzyżowaniach z użyciem sieci neuronowych

Pamuła T.

Prace Naukowe Politechniki Warszawskiej. Transport

2016

z. 113

369--379

W artykule zaproponowano wykorzystanie jednej sieci neuronowej do krótkoterminowej predykcji wartości natężeń ruchu dla wlotów dwóch kolejnych dużych skrzyżowań tej samej ulicy. Predykcja natężenia ruchu na drugim skrzyżowaniu została wykonana na podstawie danych historycznych dla skrzyżowania pierwszego. Pozwala to na określenie przyszłego natężenia ruchu na wlocie tego skrzyżowania w przypadku braku danych rejestrowanych na tym skrzyżowaniu w przypadku awarii detektora. Opracowany model został weryfikowany za pomocą zestawu danych pomiarów natężenia ruchu zawierającego prawie 20 tysięcy pomiarów zebranych w ciągu ponad sześciu miesięcy. Wyniki dowodzą, że zaproponowany model może zostać włączony jako składnik modułu predykcji w Inteligentnych Systemach Transportowych.

The paper presents a proposal of using one neural network for short time prediction of traffic flow on two adjacent junctions of a traffic route. The traffic flow on the second junction is predicted on the basis of historic data registered at the first junction. This allows to forecast the flow on the second junction in the case of failure of its flow measuring devices. The elaborated design is validated using a data set of traffic flow measurements comprising nearly 20 thousand measurements collected in a period of over six months. Results prove that the design may be incorporated as a component of a prediction module in Intelligent Transport Systems.