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 data" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 53
Tytuł:
Statistical risk quantification of two-directional internet traffic flows
Autorzy:
Kokoszka, Piotr
Lin, Mengting
Wang, Haonan
Hayne, Stephen
Powiązania:
https://bibliotekanauki.pl/articles/32222709.pdf
Data publikacji:
2024-03-24
Wydawca:
Główny Urząd Statystyczny
Tematy:
Copula
Functional data
Internet traffic
Principal components
Risk quantification
Opis:
We develop statistical methodology for the quantification of risk of source-destination pairs in an internet network. The methodology is developed within the framework of functional data analysis and copula modeling. It is summarized in the form of computational algorithms that use bidirectional source-destination packet counts as input. The usefulness of our approach is evaluated by an application to real internet traffic flows and via a simulation study.
Źródło:
Statistics in Transition new series; 2024, 25, 1; 1-22
1234-7655
Pojawia się w:
Statistics in Transition new series
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Bicycle free-flow speed estimation based on GPS data – comparison of bike sharing system and Strava data
Autorzy:
Pazdan, Sylwia
Kiec, Mariusz
Powiązania:
https://bibliotekanauki.pl/articles/27322534.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
bike sharing system
bicycle traffic
bicycle speed
safety analysis
Strava
GPS data
system rowerów publicznych
ruch rowerowy
natężenie ruchu rowerowego
analiza bezpieczeństwa
dane GPS
Opis:
The increasing number of cyclists in cities around the world results in a greater focus on bicycle traffic. Next to traffic volume, the main characteristic of traffic used in road safety analysis, infrastructure planning, design, etc. is its speed. Bicycle speed is strongly affected by the type of bicycle facility, motor vehicle traffic parameters (volume, speed, share of heavy vehicles), trip motivation, weather conditions, etc., and therefore it is difficult to estimate. Traditionally, bicycle speed is determined directly using speed radar or indirectly, as a quotient of measurement base length and travel time calculated using a stopwatch or video technique. There are also researches where bicycle speed was esti mated based on GPS sources, mainly mobile apps. However, depending on the GPS source and the group of cyclists, bicycle speed gained from GPS data can be different from the speed of regular cyclists (due to different levels of experience or types of bicycle). In the paper, the relationships between bicycle speed obtained from empirical measurements and two different GPS sources, which were bike sharing system (Wavelo) and Strava app, were analysed. In total 18 research sites were selected different in terms of bicycle facility (bicycle path, shared pedestrian/bicycle path, contra flow lane) and element of road network (road segment, bicycle crossing with or without traffic signals). Two tailed test for two means was conducted to analyses the statistical significance of differences in bicycle speed estimated based on GPS data and empirical measurements using video technique. It showed that Wavelo and Strava speeds are by 17.4% lower are by 23.1% higher than the speeds of regular cyclists respectively. Two linear regression models describing relationships between bicycle speeds from empirical measurements and GPS data were developed. The results show that the variance of bicycle speed is almost 80% described by the variance of Wavelo speed and 60% described by the variance of Strava speed, which suggests that bicycle free-flow speed can be estimated based on GPS data either from bike share system or dedicated app.
Źródło:
Archives of Transport; 2023, 68, 4; 77--90
0866-9546
2300-8830
Pojawia się w:
Archives of Transport
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
People with disabilities as traffic accident participants in a road safety database in Poland
Autorzy:
Wnuk, Aneta
Stasiak-Cieślak, Beata
Powiązania:
https://bibliotekanauki.pl/articles/27314068.pdf
Data publikacji:
2023
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
people with disabilities
road traffic
road accidents
consequences of road accidents
collecting data on road accidents
osoby niepełnosprawne
ruch drogowy
wypadki drogowe
skutki wypadków drogowych
zbieranie danych o wypadkach drogowych
Opis:
Actions related to the improvement of the safety of disabled road users have multiple levels and are burdened with problems related to the collection and proper analysis of road incidents. A meta-analysis of databases could provide a better understanding of the causes of these events and prevent them in the future. Currently, residual information on participants of road accidents can be found in the Accident and Collision Record System; the data are analyzed by the Polish Road Traffic Observatory and submitted to the International Road Traffic and Accident Database and the Community Road Accident Database. In connection with the above, an article was prepared containing a propaedeutic review of research materials to date, as well as domestic and foreign databases constituting the diagnostics of the research area. An international literature search was also conducted on accidents involving people with disabilities. The findings indicate the need to collect and expand information about disabled participants of road incidents, fill this gap in databases, and systematize them as the starting material for the development of remedial actions.
Źródło:
Transport Problems; 2023, 18, 1; 217--228
1896-0596
2300-861X
Pojawia się w:
Transport Problems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
TranStat: an intelligent system for producing road and maritime transport statistics using big data sources
TranStat – inteligentny system produkcji statystyk transportu drogowego i morskiego z wykorzystaniem big data
Autorzy:
Rozkrut, Dominik
Bilska, Anna
Bis, Michał
Pawłowska, Justyna
Powiązania:
https://bibliotekanauki.pl/articles/31232011.pdf
Data publikacji:
2023-12-29
Wydawca:
Główny Urząd Statystyczny
Tematy:
road transport
maritime transport
traffic intensity
transport performance
exhaust emissions
smart forms
big data
TranStat
GOSPOSTRATEG
AIS
e-TOLL
transport drogowy
transport morski
natężenie ruchu
praca przewozowa
emisja zanieczyszczeń
inteligentne formularze
Opis:
The development of digital technologies, increasing the availability of big data and advanced processing techniques have enabled Statistics Poland to modernise the system for producing road and maritime transport statistics. As a result of the activities undertaken to adopt modern big data technologies and data from sensors, e.g. the Automatic Identification System (AIS) or the e-TOLL electronic toll collection system, new statistics have been obtained and data dissemination has accelerated. In addition, these activities ensure continuity in data production, especially in situations where collecting data from individuals may be difficult (e.g. the COVID-19 epidemic). The primary purpose of this article is to present the innovative TranStat system that enables the production of road and maritime transport statistics based on large volumes of data in order to shape the country's transport policy. The system was developed under the GOSPOSTRATEG programme and implemented by Statistics Poland, the Statistical Office in Szczecin, the Maritime University of Szczecin, and the Cracow University of Technology. The study presents the most important aspects of the TranStat system, i.e. the characteristics of data sources, the description of functional subsystems, assumptions of the developed models and result data for traffic statistics, transport performance and exhaust emissions calculations for both types of transport. This study also provides information on smart forms implemented by Polish official statistics, reducing the burden on respondents and the costs of surveys.
Rozwój technologii cyfrowych, zwiększenie dostępności danych typu big data oraz zaawansowane techniki ich przetwarzania umożliwiły polskiej statystyce publicznej unowocześnienie systemu produkcji statystyk transportu drogowego i morskiego. Dzięki działaniom podjętym w celu adaptacji nowoczesnych technologii big data i danych sensorycznych, m.in. z systemu automatycznej identyfikacji statków AIS (ang. Automatic Identification System) czy elektronicznego systemu poboru opłat e-TOLL, uzyskano nowe statystyki oraz przyspieszono proces udostępniania danych. Ponadto działania te zapewniają ciągłość w obszarze produkcji danych, szczególnie w sytuacji, gdy zbieranie danych od respondentów może być utrudnione (np. podczas epidemii COVID-19). Głównym celem niniejszego artykułu jest zaprezentowanie innowacyjnego, opracowanego w ramach programu GOSPOSTRATEG systemu TranStat, który umożliwia produkcję statystyk transportu drogowego i morskiego z wykorzystaniem wielkich wolumenów danych i tym samym służy kształtowaniu polityki transportowej kraju. Projekt TranStat został zrealizowany przez Główny Urząd Statystyczny, Urząd Statystyczny w Szczecinie, Politechnikę Morską w Szczecinie oraz Politechnikę Krakowską. W pracy przedstawiono najważniejsze cechy systemu TranStat – scharakteryzowano źródła danych, opisano podsystemy funkcjonalne i założenia opracowanych modeli oraz podano informacje wynikowe dla statystyk natężenia ruchu, pracy przewozowej i emisji zanieczyszczeń dla obu rodzajów transportu. Omówiono też inteligentne formularze wdrożone przez statystykę publiczną, mniej obciążające dla respondentów i umożliwiające redukcję kosztów badań.
Źródło:
Wiadomości Statystyczne. The Polish Statistician; 2023, 68, 12; 1-24
0043-518X
Pojawia się w:
Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Urban tidal flow noise - case study
Autorzy:
Bąkowski, Andrzej
Radziszewski, Leszek
Powiązania:
https://bibliotekanauki.pl/articles/24201984.pdf
Data publikacji:
2023
Wydawca:
Politechnika Poznańska. Instytut Mechaniki Stosowanej
Tematy:
urban noise
traffic flow
monitoring station data
hałas miejski
ruch uliczny
dane ze stacji monitoringu
Opis:
The study carried out an analysis of the urban traffic noise from 2011 to 2016 at Kielce (Poland). The results of noise simulations according to the Cnossos-EU model were compared with the sound level calculated by monitoring station and a very good agreement was obtained. The mean absolute error was smaller than 1 dB(A). For weekdays the charts shape at individual hours of the day were shown to be similar. However, one can notice a different shape of this charts from the morning peak on Friday to the end of the weekend and especially on Saturday and Sunday.
Źródło:
Vibrations in Physical Systems; 2023, 34, 1; art. no. 2023119
0860-6897
Pojawia się w:
Vibrations in Physical Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A container ship traffic model for simulation studies
Autorzy:
Wawrzyniak, Jakub
Drozdowski, Maciej
Sanlaville, Éric
Powiązania:
https://bibliotekanauki.pl/articles/2172133.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
benchmark instances
algorithm evaluation
data analysis
container ship
traffic modeling
marine logistics
instancje wzorcowe
ocena algorytmu
analiza danych
kontenerowiec
modelowanie ruchu
logistyka morska
Opis:
The aim of this paper is to develop a container ship traffic model for port simulation studies. Such a model is essential for terminal design analyses and testing the performance of optimization algorithms. This kind of studies requires accurate information about the ship stream to build test scenarios and benchmark instances. A statistical model of ship traffic is developed on the basis of container ship arrivals in eight world ports. The model provides three parameters of the arriving ships: ship size, arrival time and service time. The stream of ships is divided into classes according to vessel sizes. For each class, service time distributions and mixes of return time distributions are provided. A model of aperiodic arrivals is also proposed. Moreover, the results achieved are used to compare port specific features.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2022, 32, 4; 537--552
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A distributed big data analytics model for traffic accidents classification and recognition based on SparkMlLib cores
Autorzy:
Mallahi, Imad El
Riffi, Jamal
Tairi, Hamid
Ez-Zahout, Abderrahmane
Mahraz, Mohamed Adnane
Powiązania:
https://bibliotekanauki.pl/articles/27314355.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
big data
machine learning
traffic accident
severity prediction
convolutional neural network
Opis:
This paper focuses on the issue of big data analytics for traffic accident prediction based on SparkMllib cores; however, Spark’s Machine Learning Pipelines provide a helpful and suitable API that helps to create and tune classification and prediction models to decision-making concerning traffic accidents. Data scientists have recently focused on classification and prediction techniques for traffic accidents; data analytics techniques for feature extraction have also continued to evolve. Analysis of a huge volume of received data requires considerable processing time. Practically, the implementation of such processes in real-time systems requires a high computation speed. Processing speed plays an important role in traffic accident recognition in real-time systems. It requires the use of modern technologies and fast algorithms that increase the acceleration in extracting the feature parameters from traffic accidents. Problems with overclocking during the digital processing of traffic accidents have yet to be completely resolved. Our proposed model is based on advanced processing by the Spark MlLib core. We call on the real-time data streaming API on spark to continuously gather real-time data from multiple external data sources in the form of data streams. Secondly, the data streams are treated as unbound tables. After this, we call the random forest algorithm continuously to extract the feature parameters from a traffic accident. The use of this proposed method makes it possible to increase the speed factor on processors. Experiment results showed that the proposed method successfully extracts the accident features and achieves a seamless classification performance compared to other conventional traffic accident recognition algorithms. Finally, we share all detected accidents with details onto online applications with other users.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2022, 16, 4; 62--71
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dynamic location models of mobile sensors for travel time estimation on a freeway
Autorzy:
Sun, Weiwei
Shen, Liang
Shao, Hu
Liu, Pengjie
Powiązania:
https://bibliotekanauki.pl/articles/1838205.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
traffic mobile sensor
dynamic location model
travel time estimation
simulated annealing algorithm
data fusion
czujnik ruchu
model lokalizacji
szacowanie czasu podrózy
fuzja danych
Opis:
Travel time estimation for freeways has attracted much attention from researchers and traffic management departments. Because of various uncertain factors, travel time on a freeway is stochastic. To obtain travel time estimates for a freeway accurately, this paper proposes two traffic sensor location models that consider minimizing the error of travel time estimation and maximizing the collected traffic flow. First, a dynamic optimal location model of the mobile sensor is proposed under the assumption that there are no traffic sensors on a freeway. Next, a dynamic optimal combinatorial model of adding mobile sensors taking account of fixed sensors on a freeway is presented. It should be pointed out that the technology of data fusion will be adopted to tackle the collected data from multiple sensors in the second optimization model. Then, a simulated annealing algorithm is established to find the solutions of the proposed two optimization models. Numerical examples demonstrate that dynamic optimization of mobile sensor locations for the estimation of travel times on a freeway is more accurate than the conventional location model.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2021, 31, 2; 271--287
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Possibility of big data application for OD-matrix callibration in transport demand models
Możliwość zastosowania Big Data do kalibracji macierzy źródło-cel w modelach podróży
Autorzy:
Brzeziński, Andrzej
Dybicz, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/1852665.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
big data
modelowanie podróży
macierz podróży
rozkład przestrzenny ruchu
prognoza ruchu
sondowanie pojazdu
traffic modelling
trip matrix
trip distribution
traffic forecast
vehicle probe data
Opis:
Modern IT and telecommunications technologies create new possibilities of data acquisition for the needs of traffic analyses and transport planning. At the same time, the current experience suggests that it is becoming increasingly difficult to obtain data on interurban travels of people in a traditional way (among others, in Poland there has been no comprehensive survey of drivers on the sections of non-urban roads since 2006). Within the framework of the INMOP 3 research project, an attempt was made to analyse the use of the Big Data application possibilities including data from SIM cards of the mobile telephony operator [1] and data from probe vehicle data (also known as “floating car data”), as data sources for carrying out the traffic analyses and modelling of travels by all means of transport in Poland. The article presents the manner, in which the data were used, as well as methodological recommendations for creating transport models at the national, regional and local levels. Especially the results of work can be applied for systematic passenger cars trip matrix update.
Współczesne technologie informatyczne oraz telekomunikacyjne tworzą nowe możliwości pozyskiwania danych na potrzeby analiz ruchu i modelowania systemów transportu. Równocześnie dotychczasowe doświadczenia wskazują, że coraz trudniej jest pozyskiwać dane o międzymiastowych podróżach osób w sposób tradycyjny (między innymi od 2006 r. nie odbyło się żadne kompleksowe badanie ankietowe kierowców na odcinkach dróg zamiejskich). Prowadzone są jedynie wyrywkowe badania w małej skali do tego w sposób niesystematyczny. Tworzy to problemy lub wręcz uniemożliwia wykonywanie systematycznej aktualizacji modeli systemów transportowych, które są stosowane do analiz i prognozowania ruchu. Dotyczy to także Krajowego Modelu Ruchu Generalnej Dyrekcji Dróg Krajowych i Autostrad stosowanego praktycznie we wszystkich największych projektach drogowych w Polsce, zwłaszcza w budowie autostrad i dróg ekspresowych. Dane typu Big Data w stosunku do danych gromadzonych w sposób tradycyjny (np. na podstawie badań i pomiarów) zbierane są na skalę hurtową. Mogą być gromadzone, analizowane i udostępniane w czasie przeszłym (pozyskane wstecz). W szczególnych przypadkach mogą być pozyskiwane i analizowane w czasie rzeczywistym (np. dane o prędkościach pojazdów pozyskiwane z sondowania pojazdów w centrach zarządzania ruchem). Możliwe jest również zaplanowanie okresów dla których dostawcy danych będą je pozyskiwać z uwzględnieniem specjalnych wymogów, jak np. uwzględnienie wybranej szczególnej grupy użytkowników. W ramach projektu badawczego INMOP 3 podjęto próbę wykorzystania do modelowania podróży danych z tzw. sondowania pojazdów, czyli danych o użytkownikach nawigacji satelitarnej i systemów GPS zamontowanych w pojazdach, bez informacji osobowych i rzeczywistych identyfikatorów pojazdów. Pozyskano dane z ponad 80 tys. pojazdów flotowych wyposażonych we wbudowane urządzenia GPS oraz 275 tys. urządzeń i aplikacji do nawigacji osobistej. Ujęto je w formie macierzy podróży odbywanych pomiędzy rejonami komunikacyjnymi. Przyjęty w projekcie układ rejonów komunikacyjnych opiera się o administracyjny podział kraju na powiaty. Uwzględniono w nim również przejścia graniczne drogowe i kolejowe, porty morskie i lotniska.
Źródło:
Archives of Civil Engineering; 2021, 67, 1; 215-232
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An adaptive k nearest neighbour method for imputation of missing traffic data based on two similarity metrics
Autorzy:
Wang, Yang
Xiao, Yu
Lai, Jianhui
Chen, Yanyan
Powiązania:
https://bibliotekanauki.pl/articles/949848.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
missing traffic data
similarity metrics
K-nearest neighbour method
stochastic characteristics
metoda porównywania danych
metryki podobieństwa
metoda najbliższego sąsiada
cechy stochastyczne
Opis:
Traffic flow is one of the fundamental parameters for traffic analysis and planning. With the rapid development of intelligent transportation systems, a large number of various detectors have been deployed in urban roads and, consequently, huge amount of data relating to the traffic flow are accumulatively available now. However, the traffic flow data detected through various detectors are often degraded due to the presence of a number of missing data, which can even lead to erroneous analysis and decision if no appropriate process is carried out. To remedy this issue, great research efforts have been made and subsequently various imputation techniques have been successively proposed in recent years, among which the k nearest neighbour algorithm (kNN) has received a great popularity as it is easy to implement and impute the missing data effectively. In the work presented in this paper, we firstly analyse the stochastic effect of traffic flow, to which the suffering of the kNN algorithm can be attributed. This motivates us to make an improvement, while eliminating the requirement to predefine parameters. Such a parameter-free algorithm has been realized by introducing a new similarity metric which is combined with the conventional metric so as to avoid the parameter setting, which is often determined with the requirement of adequate domain knowledge. Unlike the conventional version of the kNN algorithm, the proposed algorithm employs the multivariate linear regression model to estimate the weights for the final output, based on a set of data, which is smoothed by a Wavelet technique. A series of experiments have been performed, based on a set of traffic flow data reported from serval different countries, to examine the adaptive determination of parameters and the smoothing effect. Additional experiments have been conducted to evaluate the competent performance for the proposed algorithm by comparing to a number of widely-used imputing algorithms.
Źródło:
Archives of Transport; 2020, 54, 2; 59-73
0866-9546
2300-8830
Pojawia się w:
Archives of Transport
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Assessing safety effects of digitization with the European Maritime Simulator Network EMSN: the sea traffic management case
Autorzy:
Burmeister, H. C.
Scheidweiler, T.
Reimann, M.
Jahn, C.
Powiązania:
https://bibliotekanauki.pl/articles/116900.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
Tematy:
marine traffic
European Maritime Simulator Network (EMSN)
Sea Traffic Management (STM)
Sea Traffic
traffic management system
traffic management
data-tracker
maritime safety index
Opis:
This paper will give an intro into the technical backbone of the EMSN and derive necessary specifications to allow for objective testing in large scale. Further, it will demonstrate the potential of EMSN as a maritime safety test-bed on the STM case. Therefore, the simulations executed within the EMSN are evaluated regarding their safety level in order to demonstrate the effects of various measures to improve safety. Based on a fuzzy logic approach, numerical Data from the EMSN Data-Tracker is used as an input to assess a present traffic situation from the perspective of a specific ship and outputs a comprehensive safety index developed by expert opinions. The safety index is used to further analyze navigators’ behavior and decisions in different maritime traffic scenarios that are executed within the EMSN.
Źródło:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2020, 14, 1; 91-96
2083-6473
2083-6481
Pojawia się w:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie i prognozowanie ruchu – od liczydła do Big Data
Traffic modelling and forecasting – from abacus to Big Data
Autorzy:
Suchorzewski, Wojciech
Brzeziński, Andrzej
Waltz, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/1849430.pdf
Data publikacji:
2020
Wydawca:
Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:
modelowanie ruchu drogowego
modelowanie ruchu kolejowego
prognozowanie ruchu
badania ruchu
BIG DATA
traffic modelling
railway traffic modelling
traffic forecasting
traffic research
Opis:
W artykule opisano historię modelowania i prognozowania ruchu w Polsce. W końcu lat 50. opracowano pierwsze prognozy ruchu z zastosowaniem modelu grawitacyjnego i komputerów produkcji krajowej (ZAM1 i ZAM2). W latach 60., modele i prognozy ruchu wykorzystywano nie tylko w planowaniu systemu transportowego, ale także rozwoju miast. Przykładem jest metoda optymalizacji warszawskiej, wykorzystywana w miastach polskich oraz zagranicznych. W latach 70. uzyskano dostęp do programów amerykańskich UTPS dla komputerów IBM360/370 i RIAD32 i zastosowano je w wielu miastach polskich. Wiarygodność modeli i prognoz ruchu wzbogacono przez badania zachowań komunikacyjnych. W roku 1996, w ramach „Studium układu autostrad i dróg ekspresowych”, zbudowano pierwszy model ruchu na sieci drogowej. Model ten był aktualizowany w kolejnych studiach dotyczących rozwoju dróg krajowych. W latach 2007–2008, w ramach prac nad „Master Plan dla transportu kolejowego w Polsce do 2030 roku”, zbudowano krajowy model ruchu kolejowego. W roku 2012, na konferencji „Modelling”, przedstawiono koncepcję połączenia modelu drogowego i kolejowego w jeden wspólny system prognozowania ruchu na poziomie krajowym. W ramach zrealizowanego w latach 2016–2019 projektu „Zasady prognozowania ruchu drogowego z uwzględnieniem innych środków transportu – INMOP 3” zbudowano krajowy multimodalny drogowo-kolejowy model transportowy. W ostatnich latach do zbierania danych o ruchu oraz w budowie modeli ruchu wykorzystywane są zaawansowane metody pozyskania danych o ruchu wykorzystujące BIG DATA. W artykule nie omawiano prac nad modelami ruchu pieszego i rowerowego, ale w spisie literatury wymieniono pozycje opublikowane w ostatnich latach.
The article describes the history of modelling and forecasting traffic in Poland. At the end of the 1950’s the first traffic forecasts were developed with the use of gravity model and domestic production computers (ZAM1 and ZAM2). In the 1960s, models and traffic forecasts were used not only in transport system planning but also in urban development. An example is the Warsaw optimization method used in Polish and foreign cities. In the 1970s, American UTPS programs for IBM360/370 and RIAD32 computers were accessed and used in many Polish cities. Reliability of traffic models and forecasts has been enriched by research on traffic behavior. In 1996, as part of the “Study of the layout of motorways and expressways”, the first traffic model was built on the road network. This model was updated in subsequent studies on the development of national roads. In 2007–2008, as part of the work on the “Master Plan for Rail Transport in Poland by 2030”, a national model of railway traffic was developed. In 2012, during the “Modelling” conference, the concept of combining the road and rail models into one common traffic forecasting system at the national level was presented. Within the framework of the project “Principles of traffic forecasting taking into account other modes of transport – INMOP 3”, carried out in 2016– 2019, the national multimodal road-rail transport model was created. In recent years, advanced traffic data acquisition methods using “BIG DATA” are used to collect traffic data and to build traffic models. The article does not discuss the work on pedestrian and bicycle traffic models, but lists the publications of recent years in catalogue of literature.
Źródło:
Transport Miejski i Regionalny; 2020, 12; 5-11
1732-5153
Pojawia się w:
Transport Miejski i Regionalny
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:
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:
Use of a multiple regression model to determine the parameters of vessel traffic flow in port areas
Autorzy:
Nowy, A.
Gucma, L.
Powiązania:
https://bibliotekanauki.pl/articles/117457.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
Tematy:
maritime traffic engineering
vessel traffic flow
port areas
multiple regression model
fairway
fairway parameters
Automatic Identification System (AIS)
AIS Data
Opis:
The paper presents the method of determining ships traffic stream parameters by means of regression method. The aim of the studies was to determine the correlation between the ship's parameters and the parameters of the fairway. Developing the presented model with information on the position of the vessel's antenna and information on the accuracy of position determination will allow creating a model for predicting the parameters of waterways.
Źródło:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2020, 14, 2; 443-449
2083-6473
2083-6481
Pojawia się w:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 53

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