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 "natezenie ruchu" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Predykcja natężenia ruchu w ciągu skrzyżowań z wykorzystaniem sieci neuronowych
    The traffic flow prediction in the intersections using neural networks
    Autorzy:
    Pamuła, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/254214.pdf
    Data publikacji:
    2015
    Wydawca:
    Instytut Naukowo-Wydawniczy TTS
    Tematy:
    sieć neuronowa
    predykcja
    natężenie ruchu
    neuron network
    prediction
    traffic
    Opis:
    W artykule zaproponowano wykorzystanie jednej sieci neuronowej do krótkoterminowej predykcji wartości natężeń ruchu dla wylotów dwóch kolejnych 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 wylocie tego skrzyżowania w przypadku braku danych rejestrowanych na tym skrzyżowaniu. Dokonano walidacji modelu z użyciem historycznych danych otrzymanych z Centrum Sterowania Ruchem w Gliwicach. Baza danych obejmuje dane o natężeniu ruchu z 6 miesięcznego okresu rejestracji w 2014 roku (luty-lipiec). W badaniach wykorzystano wartości natężenia ruchu rejestrowane w odstępach 15 minutowych.
    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 proposed NN is validated using data acquired from the Road Traffic Control Centre in Gliwice. The database consists of traffic flow measurements collected over 6 months in 2014 (February - July). The flow was registered in 15 min intervals.
    Źródło:
    TTS Technika Transportu Szynowego; 2015, 12; 1180-1185, CD
    1232-3829
    2543-5728
    Pojawia się w:
    TTS Technika Transportu Szynowego
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie natężenia ruchu pojazdów na skrzyżowaniu za pomocą sieci neuronowej
    Prediction of traffic volume at the junction using neural network
    Autorzy:
    Pamuła, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/197781.pdf
    Data publikacji:
    2012
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    skrzyżowanie drogowe
    natężenie ruchu drogowego
    sieć neuronowa
    crossroad
    intensity of road traffic
    neural network
    Opis:
    Artykuł zawiera wyniki badań prognozowania natężenia ruchu na skrzyżowaniu w Katowicach. Dane wykorzystane do uczenia sieci pochodzą z rzeczywistych pomiarów natężenia ruchu i zostały zarejestrowane przez detektor, umieszczony na wlocie skrzyżowania. Uzyskane wyniki prognozowania zostały porównane z rzeczywistymi danymi i poddane weryfikacji. Badania mają na celu sprawdzenie możliwości i skuteczności wykorzystania sieci neuronowej w inteligentnym systemie zarządzania ruchem miejskim.
    The article reviews the results of forecasting traffic intensity at the junction in Katowice. Data used for network learning comes from actual measurements of traffic and were recorded by a detector placed at the inlet junction. The results obtained were compared with the prediction of the actual data and verified. The purpose of the sudy is the feasibility and effectiveness of using neural networks in intelligent urban traffic management system.
    Źródło:
    Zeszyty Naukowe. Transport / Politechnika Śląska; 2012, 74; 67-74
    0209-3324
    2450-1549
    Pojawia się w:
    Zeszyty Naukowe. Transport / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Classification and prediction of traffic flow based on real data using neural networks
    Klasyfikacja i przewidywanie natężenia ruchu na podstawie rzeczywistych danych z wykorzystaniem sieci neuronowych
    Autorzy:
    Pamuła, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/224093.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    traffic flow
    classification of traffic flow
    prediction of traffic flow
    traffic management systems
    natężenie ruchu
    klasyfikacja natężenia ruchu
    przewidywanie natężenia ruchu
    zarządzanie ruchem
    Opis:
    This paper presents a method of classification of time series of traffic flow, on the section of the main road leading into the city of Gliwice. Video detectors recorded traffic volume data was used, covering the period of one year in 5-minute intervals - from June 2011 to May 2012. In order to classify the data a statistical analysis was performed, which resulted in the proposition of splitting the daily time series into four classes. The series were smoothed to obtain hourly flow rates. The classification was performed using neural networks with different structures and using a variable number of input data. The purpose of classification is the prediction of traffic flow rates in the afternoon basing on the morning traffic and the assessment of daily traffic volumes for a particular day of the week. The results can be utilized by intelligent urban traffic management systems.
    W artykule przedstawiono metodę klasyfikacji szeregów czasowych natężenia przepływ u ruchu na odcinku głównej drogi dojazdowej w kierunku miasta Gliwice. Dane o natężeniu ruchu obejmujące okres jednego roku w interwałach godzinnych - od czerwca 2011 do maja 2012 zostały zarejestrowane przez wideodetektory. W celu klasyfikacji przeprowadzono analizę statystyczną danych i zaproponowano podział dobowych szeregów czasowych na cztery klasy. Szeregi zostały wygładzone do natężeń godzinnych. Klasyfikację wykonano z wykorzystaniem sieci neuronowych o różnych strukturach i na podstawie z mieniającej się liczby danych wejściowych. Celem klasyfikacji jest predykcja natężenia ruchu w godzinach popołudniowych na podstawie danych o natężeniu w godzinach porannych a także możliwość oceny dobowego natężenia ruchu w poszczególnych dniach tygodnia. Informacje takie są przydatne do podejmowania decyzji w Inteligentnych Systemach Transportowych (ITS) i zarządzaniu ruchem.
    Źródło:
    Archives of Transport; 2012, 24, 4; 519-529
    0866-9546
    2300-8830
    Pojawia się w:
    Archives of Transport
    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