Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Architectus

1 2025

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: ulice szkolne

Sortuj według:

Ogranicz wyniki do:

School streets implementation: A machine learning perspective

Dzieduszyński Tomasz, Czeranowska-Panufnik Olga

Architectus

2025

Nr 1 (81)

139--146

This study explores the application of generative adversarial neural networks in the implementation of school street closures, a concept aimed at improving safety and reducing traffic around schools. The research analyses various school street closure programs worldwide and identifies common challenges. Based on an analysis of 51 successful school street closure programs and a proposed urban feature extraction method, a supervised machine learning model was developed to facilitate the selection of the potential school street candidates. The developed tool aims to streamline the selection process and make the design more effective and context-sensitive. Despite certain limitations, such as the inability to represent all spatial contexts and small-scale urban details, the system can propose a meaningful definition of a school street closure zone. This research contributes to the limited academic literature on school streets and play streets, providing a new perspective on urban traffic regulation.

Tematem artykułu są ulice szkolne, a zwłaszcza proces ich tworzenia z perspektywy uczenia maszynowego. Autorzy przedstawili w nim możliwości zastosowania generatywnych sieci przeciwstawnych typu GAN we wdrażaniu koncepcji zamknięcia ulic szkolnych, której celem jest poprawa bezpieczeństwa i zmniejszenie natężenia ruchu wokół szkół. Przeanalizowali programy ulic szkolnych na całym świecie, identyfikując powtarzające się wyzwania i proponując rozwiązania. Na podstawie analizy 51 skutecznych wdrożeń oraz nowej metody ekstrakcji cech miejskich opracowali model uczenia maszynowego, który wspomaga wybór potencjalnych lokalizacji ulic szkolnych. Tak przygotowane narzędzie ma służyć usprawnieniu procesu wyboru i zwiększeniu efektywności projektu przez lepsze dopasowanie do lokalnego kontekstu. Pomimo pewnych ograniczeń, takich jak trudność w odwzorowaniu wszystkich kontekstów przestrzennych, system dostarcza wartościowych wniosków dotyczących regulacji ruchu miejskiego. Badanie wypełnia lukę w literaturze naukowej i oferuje podejście oparte na danych do projektowania bezpieczniejszych przestrzeni miejskich.