Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "natężenia" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Rzeczywiste trasy tranzytowe przez teren Polski
    Real transit routes through Poland
    Autorzy:
    Rudnicki, T.
    Sołowczuk, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/145018.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
    Tematy:
    drogi
    natężenia ruchu
    trasy tranzytowe
    roads
    traffic volume
    transit roads
    Opis:
    Zaprezentowano analizę porównawczą wyników pomiarów natężenia ruchu samochodów ciężarowych z przyczepami z generalnych pomiarów ruchu w latach 2000, 2005 i 2010 na wybranych trasach tranzytowych. Do porównania przedstawiono również analogiczną analizę w odniesieniu do samochodów osobowych. W rezultacie wskazano główne drogi tranzytowe przez teren Polski.
    Comparative analysis of the results of traffic volume measurements for trailers and semi-trailers during road traffic census in 2000, 2005 and 2010 on selected transit routes in Poland were presented. For comparison, similar analysis for passenger cars were shown. In the result, main transit routes through Polish territory were indicated.
    Źródło:
    Drogownictwo; 2012, 1; 3-7
    0012-6357
    Pojawia się w:
    Drogownictwo
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Spatiotemporal attention mechanism-based multistep traffic volume prediction model for highway toll stations
    Autorzy:
    Huang, Zijing
    Lin, Peiqun
    Lin, Xukun
    Zhou, Chuhao
    Huang, Tongge
    Powiązania:
    https://bibliotekanauki.pl/articles/2124715.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    ITS
    traffic volume forecasting
    attention mechanism
    highway toll station
    model interpretation
    natężenia ruchu
    prognozowanie
    mechanizm uwagi
    stacja poboru opłat
    Opis:
    As the fundamental part of other Intelligent Transportation Systems (ITS) applications, short-term traffic volume prediction plays an important role in various intelligent transportation tasks, such as traffic management, traffic signal control and route planning. Although Neural-network-based traffic prediction methods can produce good results, most of the models can’t be explained in an intuitive way. In this paper, we not only proposed a model that increase the short-term prediction accuracy of the traffic volume, but also improved the interpretability of the model by analyzing the internal attention score learnt by the model. we propose a spatiotemporal attention mechanism-based multistep traffic volume prediction model (SAMM). Inside the model, an LSTM-based Encoder-Decoder network with a hybrid attention mechanism is introduced, which consists of spatial attention and temporal attention. In the first level, the local and global spatial attention mechanisms considering the micro traffic evolution and macro pattern similarity, respectively, are applied to capture and amplify the features from the highly correlated entrance stations. In the second level, a temporal attention mechanism is employed to amplify the features from the time steps captured as contributing more to the future exit volume. Considering the time-dependent characteristics and the continuity of the recent evolutionary traffic volume trend, the timestamp features and historical exit volume series of target stations are included as the external inputs. An experiment is conducted using data from the highway toll collection system of Guangdong Province, China. By extracting and analyzing the weights of the spatial and temporal attention layers, the contributions of the intermediate parameters are revealed and explained with knowledge acquired by historical statistics. The results show that the proposed model outperforms the state-of-the-art model by 29.51% in terms of MSE, 13.93% in terms of MAE, and 5.69% in terms of MAPE. The effectiveness of the Encoder-Decoder framework and the attention mechanism are also verified.
    Źródło:
    Archives of Transport; 2022, 61, 1; 21--38
    0866-9546
    2300-8830
    Pojawia się w:
    Archives of Transport
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies