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 "traffic classification" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 25
Tytuł:
On different ways to classify Internet traffic : a short review of selected publications
O wielu sposobach klasyfikacji ruchu internetowego: krótki przegląd wybranych publikacji
Autorzy:
Foremski, P.
Powiązania:
https://bibliotekanauki.pl/articles/375768.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
internet
traffic classification
machine learning
Opis:
Traffic classification is an important tool for network management. It reveals the source of observed network traffic and has many potential applications e.g. in Quality of Service, network security and traffic visualization. In the last decade, traffic classification evolved quickly due to the raise of peer-to-peer traffic. Nowadays, researchers still find new methods in order to withstand the rapid changes of the Internet. In this paper, we review 13 publications on traffic classification and related topics that were published during 2009-2012. We show diversify in recent algorithms and we highlight possible directions for the future research on traffic classification: relevance of multi-level classification, importance of experimental validation, and the need for common traffic datasets.
Artykuł prezentuje przegląd 13 wybranych prac z dziedziny klasyfikacji ruchu internetowego pod kątem różnorodności w zastosowanych metodach. Prace zostały wybrane z najciekawszych naszym zdaniem publikacji z ostatnich kilku lat (2009-2012). W porównaniu do istniejących przeglądów literaturowych - np. [13], [14], czy [3] - niniejszy artykuł dotyczy nowszych badań, oraz wykazuje, że łączenie wielu metod klasyfikacji w jeden system może być ciekawym kierunkiem dla przyszłych badań w tej dziedzinie. Klasyfikacja ruchu internetowego polega na odgadnięciu nazwy protokołu komunikacyjnego lub aplikacji, która wygenerowała dany ciąg pakietów IR Informacja ta jest przydatna np. w zarządzaniu ruchem w sieciach internetowych, gdy potrzeba kształtować ruch w zależności od jego rodzaju. Klasyfikacja ruchu znajduje zastosowanie także w zagadnieniach sieciowych związanych z wdrażaniem zasad bezpieczeństwa (np. zakaz stosowania aplikacji Skype), monitorowaniem natężenia ruchu (np. wykrywanie ataków DoS), oraz wielu innych. Przegląd literatury został podzielony na 4 kategorie: klasyfikacja ruchu (rozdział 3.1., prace nr 16), detekcja pojedynczych aplikacji (rozdział 3.2., prace nr 7-8), metody pozyskiwania „wiedzy bazowej" (ang. ground truth, rozdział 3.3., prace nr 9-11), oraz inne (rozdział 3.4., prace nr 12 i 13). Wszystkie prace zostały podsumowane w Tabeli 3. W ostatnim rozdziale (str. 10) prezentujemy wyniki przeglądu. Pokazujemy na przykład, że istnieje wiele metod klasyfikacji, które mogą być połączone w jeden system i wzajemnie się uzupełniać - przez multiklasyfikację (ang. multi-classification] lub obsługę różnych części ruchu (np. [31] dla TCP i [15] dla UDP). Podajemy także nasze rekomendacje dotyczące walidacji metod klasyfikacji i zbierania śladów ruchu internetowego.
Źródło:
Theoretical and Applied Informatics; 2013, 25, 2; 119-136
1896-5334
Pojawia się w:
Theoretical and Applied Informatics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Tracedump : a novel single application IP packet sniffer
Tracedump : nowatorskie narzędzie typu sniffer pozwalające na zapis ruchu IP pojedynczej aplikacji
Autorzy:
Foremski, P.
Powiązania:
https://bibliotekanauki.pl/articles/375815.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
computer networks
traffic monitoring
traffic classification
ptrace
code injection
Linux
Opis:
The article introduces a novel Internet diagnosis utility - an open source IP packet sniffer which captures TCP and UDP packets sent and received by a single Linux process only. Preliminary evaluation results are presented. The utility can be applied in the field of IP traffic classification.
Artykuł prezentuje nowatorskie narzędzie open source służące do analizy ruchu internetowego należącego wyłacznie do jednej aplikacji działającej pod kontrola˛ systemu operacyjnego Linux. Program pozwala na zapis w postaci pliku PCAP wszystkich pakietów protokołów TCP i UDP, które zostały odebrane i wysłane przez wybraną aplikację w dowolnym momencie jej działania. W szczególności wynikowy plik PCAP zawiera wszystkie wykonane zapytania DNS. Implementacja narzędzia tego typu jest problematyczna, gdyż system Linux nie dostarcza mechanizmów śledzenia ruchu IP, które pozwalałyby na wystarczające ograniczenie zakresu monitorowanych zasobów w systemie. Z tego powodu w programie tracedump zostały zastosowane zaawansowane funkcje systemu Linux - wywołanie systemowe ptrace(2), wstrzykiwanie kodu maszynowego oraz filtry gniazd sieciowych BPF. Architektura programu oparta jest o 3 wątki - wątek śledzący otwierane porty TCP i UDP, wątek przechwytujący i filtrujący ruch IP w systemie oraz wątek wykrywający zakończone połączenia. Ponadto w artykule w sposób skrócony przedstawiono przykład praktycznego zastosowania narzędzia w celu oceny narzutu protokołu BitTorrent w sytuacji pobierania obrazu płyty CD z Internetu.
Źródło:
Theoretical and Applied Informatics; 2012, 24, 1; 23-31
1896-5334
Pojawia się w:
Theoretical and Applied Informatics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Anonymous traffic classification based on three-dimensional Markov image and deep learning
Autorzy:
Tang, Xin
Li, Huanzhou
Zhang, Jian
Tang, Zhangguo
Wang, Han
Cai, Cheng
Powiązania:
https://bibliotekanauki.pl/articles/27311448.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
anonymous network
traffic classification
three-dimensional Markov image
output self-attention
deep learning
sieć anonimowa
klasyfikacja ruchu
trójwymiarowy obraz Markowa
samouwaga wyjściowa
uczenie głębokie
Opis:
Illegal elements use the characteristics of an anonymous network hidden service mechanism to build a dark network and conduct various illegal activities, which brings a serious challenge to network security. The existing anonymous traffic classification methods suffer from cumbersome feature selection and difficult feature information extraction, resulting in low accuracy of classification. To solve this problem, a classification method based on three-dimensional Markov images and output self-attention convolutional neural network is proposed. This method first divides and cleans anonymous traffic data packets according to sessions, then converts the cleaned traffic data into three-dimensional Markov images according to the transition probability matrix of bytes, and finally inputs the images to the output self-attention convolution neural network to train the model and perform classification. The experimental results show that the classification accuracy and F1-score of the proposed method for Tor, I2P, Freenet, and ZeroNet can exceed 98.5%, and the average classification accuracy and F1-score for 8 kinds of user behaviors of each type of anonymous traffic can reach 93.7%. The proposed method significantly improves the classification effect of anonymous traffic compared with the existing methods.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2023, 71, 4; art. no. e145676
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
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
Tytuł:
Selected aspects of digital image processing applications in ITS
Autorzy:
Mrówka, P.
Olejniczak, M.
Powiązania:
https://bibliotekanauki.pl/articles/393804.pdf
Data publikacji:
2013
Wydawca:
Polskie Stowarzyszenie Telematyki Transportu
Tematy:
digital image processing
image parametrization
traffic light classification
colour recognition
model recognition
cyfrowe przetwarzanie obrazu
parametryzacja obrazu
klasyfikacja sygnalizacji świetlnej
rozpoznawanie koloru
rozpoznawanie modelu
Opis:
Digital image processing algorithms are commonly applied in Intelligent Transport Systems (ITS). Their effective operation is conditioned on the high robustness to real-life image distortions and the computational complexity suitable for implementation on a non expensive industrial computer. The paper presents three original image analysis methods designed for the ITS, with special attention paid on aforementioned conditions. Colour image parametrization method for the traffic light state classifier was described. The algorithm utilizes CIELAB colour space properties. The method of vehicle edges parametrization for the make and model classifier was presented. The proposed representation relies on thresholded coefficients of gradient magnitude approximation in low dimensional space. The paper presents also the method of image characteristic features detection for the licence plates localization task. The detection is performed by means of appropriately designed filters with low computational complexity.
Źródło:
Archives of Transport System Telematics; 2013, 6, 3; 23-26
1899-8208
Pojawia się w:
Archives of Transport System Telematics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Long-term Traffic Forecasting in Optical Networks Using Machine Learning
Autorzy:
Walkowiak, Krzysztof
Szostak, Daniel
Włodarczyk, Adam
Kasprzak, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/27311948.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
traffic forecasting
machine learning
classification
Regression
Opis:
Knowledge about future traffic in backbone optical networks may greatly improve a range of tasks that Communications Service Providers (CSPs) have to face. This work proposes a procedure for long-term traffic forecasting in optical networks. We formulate a long-terT traffic forecasting problem as an ordinal classification task. Due to the optical networks’ (and other network technologies’) characteristics, traffic forecasting has been realized by predicting future traffic levels rather than the exact traffic volume. We examine different machine learning (ML) algorithms and compare them with time series algorithms methods. To evaluate the developed ML models, we use a quality metric, which considers the network resource usage. Datasets used during research are based on real traffic patterns presented by Internet Exchange Point in Seattle. Our study shows that ML algorithms employed for long-term traffic forecasting problem obtain high values of quality metrics. Additionally, the final choice of the ML algorithm for the forecasting task should depend on CSPs expectations.
Źródło:
International Journal of Electronics and Telecommunications; 2023, 69, 4; 751--762
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Urban traffic detectors data mining for determination of variations in traffic volumes
Autorzy:
Bartuska, Ladislaw
Hanzl, Jiri
Lizbetin, Jan
Powiązania:
https://bibliotekanauki.pl/articles/1838325.pdf
Data publikacji:
2020
Wydawca:
Sieć Badawcza Łukasiewicz. Przemysłowy Instytut Motoryzacji
Tematy:
urban road traffic
traffic variations
road traffic data mining
classification of roads
Opis:
This paper analyses road traffic volumes in the urban environment for the purpose of traffic planning and creation of traffic models. For modelling traffic in a certain area, the initial information about transport demand and distribution in given area is required. The demand for transport is further re-distributed to the transport network and measured against the current road traffic volumes / intensity of traffic. Traffic volumes over time are characterized by various periodic and non-periodic influences (variations). By studying these variations, the tools can be specified for making the final estimate of traffic volumes for a specific time period, a specific type of road or specific vehicle category, and for improving the traffic models for a specific area. In this paper, the authors study time variations in traffic volumes using the data obtained from vehicle detectors for monitoring traffic located on roads in the city of Ceske Budejovice, the Czech Republic.
Źródło:
Archiwum Motoryzacji; 2020, 90, 4; 15-31
1234-754X
2084-476X
Pojawia się w:
Archiwum Motoryzacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Urban Traffic Detectors Data Mining for Determination of Variations in Traffic Volumes
Autorzy:
Bartuska, Ladislaw
Hanzl, Jiří
Lizbetin, Jan
Powiązania:
https://bibliotekanauki.pl/articles/1838327.pdf
Data publikacji:
2020
Wydawca:
Sieć Badawcza Łukasiewicz. Przemysłowy Instytut Motoryzacji
Tematy:
urban road traffic
traffic variations
road traffic data mining
classification of roads
Opis:
This paper analyses road traffic volumes in the urban environment for the purpose of traffic planning and creation of traffic models. For modelling traffic in a certain area, the initial information about transport demand and distribution in given area is required. The demand for transport is further re-distributed to the transport network and measured against the current road traffic volumes / intensity of traffic. Traffic volumes over time are characterized by various periodic and non-periodic influences (variations). By studying these variations, the tools can be specified for making the final estimate of traffic volumes for a specific time period, a specific type of road or specific vehicle category, and for improving the traffic models for a specific area. In this paper, the authors study time variations in traffic volumes using the data obtained from vehicle detectors for monitoring traffic located on roads in the city of Ceske Budejovice, the Czech Republic.
Źródło:
Archiwum Motoryzacji; 2020, 90, 4; 15-31
1234-754X
2084-476X
Pojawia się w:
Archiwum Motoryzacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Network Traffic Classification in an NFV Environment using Supervised ML Algorithms
Autorzy:
Ilievski, Gjorgji
Latkoski, Pero
Powiązania:
https://bibliotekanauki.pl/articles/1839335.pdf
Data publikacji:
2021
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
classification
machine learning
network functions virtualization
network traffic
Opis:
We have conducted research on the performance of six supervised machine learning (ML) algorithms used for network traffic classification in a virtual environment driven by network function virtualization (NFV). The performance-related analysis focused on the precision of the classification process, but also in time-intensity (speed) of the supervised ML algorithms. We devised specific traffic taxonomy using commonly used categories, with particular emphasis placed on VoIP and encrypted VoIP protocols serve as a basis of the 5G architecture. NFV is considered to be one of the foundations of 5G development, as the traditional networking components are fully virtualized, in many cases relaying on mixed cloud solutions, both of the premise- and public cloud-based variety. Virtual machines are being replaced by containers and application functions while most of the network traffic is flowing in the east-west direction within the cloud. The analysis performed has shown that in such an environment, the Decision Tree algorithm is best suited, among the six algorithms considered, for performing classification-related tasks, and offers the required speed that will introduce minimal delays in network flows, which is crucial in 5G networks, where packet delay requirements are of great significance. It has proven to be reliable and offered excellent overall performance across multiple network packet classes within a virtualized NFV network architecture. While performing the classification procedure, we were working only with the statistical network flow features, leaving out packet payload, source, destination- and port-related information, thus making the analysis valid not only from the technical, but also from the regulatory point of view.
Źródło:
Journal of Telecommunications and Information Technology; 2021, 3; 23-31
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification of traffic over collaborative iot/cloud platforms using deep-learning recurrent LSTM
Autorzy:
Patil, Sonali A.
Raj, Arun L.
Powiązania:
https://bibliotekanauki.pl/articles/2097958.pdf
Data publikacji:
2021
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
IoT
network traffic
machine learning
classification
cloud computing
Opis:
The Internet of Things (IoT) and cloud-based collaborative platforms have emerged as new infrastructures over the recent decades. The classification of network traffic in terms of benign and malevolent traffic is indispensable for IoT/cloud-based collaborative platforms for optimally utilizing channel capac ity for transmitting benign traffic and blocking malicious traffic. The traffic classification mechanism should be dynamic and capable enough for classifying network traffic in a quick manner so that malevolent traffic can be identified at earlier stages and benign traffic can be speedily channelized to the destined nodes. In this paper, we present a deep-learning recurrent LSTM RNet-based technique for classifying traffic over IoT/cloud platforms using the Word2Vec approach. Machine-learning techniques (MLTs) have also been employed for comparing the performance of these techniques with the proposed LSTM RNet classification method. In the proposed research work, network traffic is clas sified into three classes: Tor-Normal, NonTor-Normal, and NonTor-Malicious traffic. The research outcome shows that the proposed LSTM RNet accurately classifies such traffic and also helps reduce network latency as well as enhance data transmission rates and network throughput.
Źródło:
Computer Science; 2021, 22 (3); 367-385
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Road traffic parameters measuring system with variable structure
Autorzy:
Burnos, P.
Gajda, J.
Marszałek, Z.
Piwowar, P.
Sroka, R.
Stencel, M.
Żegleń, T.
Powiązania:
https://bibliotekanauki.pl/articles/220542.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
traffic parameters measurement
weigh-in-motion systems
vehicle classification
Opis:
Systems of road traffic parameters measurement play a key role in the process of road traffic control, its supervision as well as in gathering and processing information for statistical purposes. Expectations of users of such systems mainly concern automation and provision of measurement continuity, possibility of selection of the measured road traffic parameters and high accuracy along with reliability of obtained results. In order to meet the requirements set for such systems, at the Department of Instrumentation and Measurement of the AGH University of Science and Technology in Cracow a new prototype system of road traffic parameters measurement - Traffic-1 - has been constructed. The innovativeness of the solution is manifested in the structure of the system that can be modified by the user adequately to current measurement needs and in the used algorithms of signals processing. The work contains a brief description of the constructed system with particular focus on the used innovations that are the result of many years of research work of the designers.
Źródło:
Metrology and Measurement Systems; 2011, 18, 4; 659-666
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Factors determining seasonal variations in traffic volumes
Czynniki decydujące o zmienności sezonowej natężeń ruchu
Autorzy:
Spławińska, M.
Powiązania:
https://bibliotekanauki.pl/articles/230710.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
droga
zarządzanie ruchem
natężenie ruchu
klasyfikacja
zbieranie danych
road
traffic management
traffic volume
classification
data collection
Opis:
The characteristics of seasonal variations in traffic volumes are used for a variety of purposes, for example to determine the basic parameters describing annual average daily traffic – AADT, and design hourly volume – DHV, analyses of road network reliability, and traffic management. Via these analyses proper classification of road sections into appropriate seasonal factor groups (SFGs) has a decisive influence on results. This article, on the basis of computational experiments (models of artificial neural networks, discriminatory analysis), aims to identify which factors have the greatest impact on the allocation of a section of road to the corresponding SFG, based on short-term measurements. These factors are presented as qualitative data: the Polish region, spatial relationships, functions of road, cross-sections, technical class; and quantitative data: rush hour traffic volume.
Ciągła automatyczna rejestracja ruchu drogowego dostarcza wielu cennych informacji niezbędnych do celów planistycznych, projektowych i eksploatacyjnych odcinków i skrzyżowań drogowych. Dzięki temu możliwe jest określenie sezonowych wahań ruchu umożliwiających wykonanie uproszczonych przeliczeń natężeń z pomiarów krótkotrwałych na średni dobowy ruch w roku (SDR). W praktyce, dokonuje się podziału sieci dróg na tzw. grupy zmienności sezonowej (SFG) i wyznacza się dla nich wskaźniki przeliczeniowe natężeń dobowych na SDR. Ponadto charakterystyki te wykorzystywane są w analizach niezawodności sieci dróg [17], w nowym podejściu wyznaczenia natężeń miarodajnych w oparciu o uogólnione koszty (analizy ekonomiczne) [2] a także są przydatne w podejmowaniu decyzji w Inteligentnych Systemach Transportowych i zarządzaniu ruchem. W Polsce obecnie wyróżnia się dwie grupy SFG tj. drogi o gospodarczym i turystyczno-rekreacyjnym charakterze przenoszonego ruchu [14], co w świetle wcześniejszych analiz [18, 19] wydaje się zbyt dużym uogólnieniem. Klasyfikacji odcinków do danej grupy dokonuje się na podstawie ruchu niedzielnego oraz wakacyjnego. Drogi o gospodarczym charakterze przenoszonego ruchu charakteryzują się występowaniem niewielkich sezonowych wahań ruchu oraz średnim dobowym ruchem w niedziele mniejszym niż 140% wartości średniego dobowego ruchu w dni robocze, natomiast drogi o turystyczno-rekreacyjnym charakterze – ruchem w miesiącach wakacyjnych (VII, VIII) ponad 40% większym od SDR lub średnim dobowym ruchem w niedziele większym niż 140% wartości średniego dobowego ruchu w dni robocze. Jak widać jest to bardzo nieprecyzyjna informacja trudna do stwierdzenia bez znajomości natężeń ruchu pochodzących z dłuższego okresu. Celem artykułu jest zatem określenie dla warunków polskich, jednoznacznych atrybutów umożliwiających przydzielenie odcinka drogi, na podstawie pomiarów krótkotrwałych, do odpowiedniej grupy zmienności sezonowej.
Źródło:
Archives of Civil Engineering; 2017, 63, 4; 35-50
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Role of functional classification of highways in road traffic safety
Wpływ funkcyjnej klasyfikacji autostrad na bezpieczeństwo ruchu drogowego
Autorzy:
Malenkovska Todorova, M.
Donceva, R.
Bunevska, J.
Powiązania:
https://bibliotekanauki.pl/articles/375326.pdf
Data publikacji:
2009
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
system transportowy
ruch drogowy
bezpieczeństwo ruchu
klasyfikacja dróg
transport system
road traffic
traffic safety
classification of roads
Opis:
This paper is focused on the functional classification of highways and its part in the process of achieving road traffic safety as an element of sustainable and integrated transport systems. According to functional classification, the character of service highways are intended to provide, is the main criterion for grouping into various classes and systems. Road safety is an important component in this process of forming the hierarchical structure of road network function, as a base for rational network organization. The inclusion of the elements of road design programmes in functional classification, contribute towards higher road safety level.
Źródło:
Transport Problems; 2009, T. 4, z. 3, cz.1; 97-104
1896-0596
2300-861X
Pojawia się w:
Transport Problems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Visitor segmentation in a mountain national park: the case of Karkonosze National Park in Poland
Autorzy:
Rogowski, Mateusz
Powiązania:
https://bibliotekanauki.pl/articles/2084682.pdf
Data publikacji:
2021
Wydawca:
Wyższa Szkoła Bankowa w Poznaniu
Tematy:
tourist traffic
visitors
visitor classification
visitor behaviour
national park
Karkonosze National Park
Opis:
As the number of people visiting national parks in Poland is constantly growing, it is important to recognise their varying motivations and preferences. This is particularly important in the most popular national parks, such as the National Park in the Karkonosze Mountains (KNP). KNP is visited by two millions tourists annually, which makes it the second most popular national park in Poland. The aim of study was to classify visitors of the national park in terms of their motivation to visit. Three main categories of visitors were identified: leisure seekers, nature lovers and active tourists. The category of leisure seekers was the largest and most diverse with respect to their preferences. Nature lovers knew a lot about the park, especially as regards its geodiversity and its fauna and flora. The number of active visitors keeps growing every year. Active tourism, especially in the KPN, requires advanced equipment and good physical fitness. The findings of the study tourism trends in mountain national parks and can provide insights for its management. The article ends with some predictions regarding future trends and changes in the classification of KPN visitors after the pandemic.
Źródło:
Studia Periegetica; 2021, 36(4); 131-153
1897-9262
2658-1736
Pojawia się w:
Studia Periegetica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Method of vehicle classification using discriminant analysis
Autorzy:
Ryguła, A.
Brzozowski, K.
Maczyński, A.
Konior, A.
Powiązania:
https://bibliotekanauki.pl/articles/393557.pdf
Data publikacji:
2017
Wydawca:
Polskie Stowarzyszenie Telematyki Transportu
Tematy:
road traffic
vehicle classification
discriminant analysis
ruch drogowy
klasyfikacja pojazdów
analiza dyskryminacyjna
Opis:
Proper characteristics of the traffic flow is a particularly important issue in the process of optimizing the efficiency of transport networks as well as in the traffic control systems. One of the elementary parameters of traffic flows is the structure of vehicles, which evaluation, in case of the automatic systems, requires the implementation of proper algorithms and methods for vehicle classification. In the paper is presented a method of vehicles classification using the discriminant analysis. Furthermore authors developed a classifier, which aggregate data according to classification 8+1 in accordance with the TLS specifications and according with the classification presented in the specification COST 323. As input dataset to the classification method were used vehicle parameters recorded by the weight in motion systems.
Źródło:
Archives of Transport System Telematics; 2017, 10, 4; 28-31
1899-8208
Pojawia się w:
Archives of Transport System Telematics
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 25

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