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 "transit transport" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    A study on cooperation of urban transport means: PRT and light rail
    Autorzy:
    Grabski, W.
    Daszczuk, W. B.
    Powiązania:
    https://bibliotekanauki.pl/articles/375485.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    personal rapid transit
    light urban rail
    transport means cooperation
    urban transport simulation
    Opis:
    It is difficult to organize urban transport in the city center. Existing buildings, narrow streets and working infrastructure make it difficult to use the oldfashion transport means such as trams or buses. The new idea consists in elevation of the transport in the very city above ground level (typical PRT systems cover rare areas like airport or fairgrounds). The study analyzes the hierarchical, layered system consisting of a ring light rail and PRT (Personal Rapid Transit) serving as commuter network. It is shown in the case of an exemplary city that the proposed solution is possible and reasonable. Ridership and vehicle mileage of the entire system are calculated for the light rail analytically, and in the case PRT by simulation.
    Źródło:
    Transport Problems; 2017, 12, 4; 5-14
    1896-0596
    2300-861X
    Pojawia się w:
    Transport Problems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Proposed benchmarks for PRT networks simulation
    Proponowane punkty odniesienia do symulacji sieci PRT
    Autorzy:
    Mieścicki, J.
    Daszczuk, W. B.
    Powiązania:
    https://bibliotekanauki.pl/articles/224290.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    urban transport
    Personal Rapid Transit (PRT)
    PRT network models
    transport miejski
    sieć PRT
    modele sieci PRT
    Opis:
    Personal Rapid Transit (PRT) is a promising form of urban transport. Its operation relies on the use of small unmanned vehicles which carry the passengers between the stations within a dedicated network. Various aspects of the PRT network performance are frequently evaluated using the discrete-event simulation. The paper supports the need of establishing some reference models for the simulation of PRT networks, targeted mainly at the needs of the research on the network management algorithms. Three models of such PRT network models are proposed and discussed. The presented models can play the role of benchmarks which would be very useful for comparative evaluation of heuristic control algorithms, developed by different research groups.
    Personal Rapid Transit (PRT) jest obiecującą formą transportu miejskiego. Jego działanie opiera się na wykorzystaniu małych bezzałogowych pojazdów, które przewożą pasażerów między stacjami w sieci dedykowanej. Różne aspekty wydajności sieci PRT są często oceniane przy użyciu symulacji dyskretnego zdarzenia. Artykuł popiera potrzebę ustanowienia kilku modeli referencyjnych do symulacji sieci PRT, ukierunkowanych głównie na potrzeby badań nad algorytmami zarządzania siecią. Proponowane i omawiane są trzy modele takich sieci PRT. Prezentowane modele mogą pełnić rolę wzorców, które byłyby bardzo przydatne do oceny porównawczej heurystycznych algorytmów sterowania, opracowanych przez różne grupy badawcze.
    Źródło:
    Archives of Transport; 2013, 27-28, 3-4; 123-133
    0866-9546
    2300-8830
    Pojawia się w:
    Archives of Transport
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using Machine Learning to Enhance Vehicles Traffic in ATN (PRT) Systems
    Zastosowanie Uczenia Maszynowego (Machine Learning) do poprawy jakości działania zautomatyzowanych sieci transportowych (Automatic Transit Network-PRT)
    Autorzy:
    Czejdo, B.
    Daszczuk, W. B.
    Baszun, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/313805.pdf
    Data publikacji:
    2017
    Wydawca:
    Instytut Naukowo-Wydawniczy "SPATIUM"
    Tematy:
    machine learning
    transport system
    optimization of transport systems
    transport planning
    uczenie maszynowe
    system transportowy
    optymalizacja systemu transportowego
    planowanie przewozów
    organizacja przejazdów
    Opis:
    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.
    Źródło:
    Autobusy : technika, eksploatacja, systemy transportowe; 2017, 18, 12; 1484-1489, CD
    1509-5878
    2450-7725
    Pojawia się w:
    Autobusy : technika, eksploatacja, systemy transportowe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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