Přejít k hlavnímu obsahu

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Modelling Hourly Vehicle Flows by a Finite Mixture of Simple Circular Normal Distributions
Autoři: Kromer Pavel | Hasal Martin | Nowakova Jana | Heckenbergerová Jana | Musilek Petr
Rok: 2018
Druh publikace: článek ve sborníku
Název zdroje: 21st International Conference on Intelligent Transportation Systems, ITSC 2018 : proceedings
Název nakladatele: IEEE (Institute of Electrical and Electronics Engineers)
Místo vydání: New York
Strana od-do: 1285-1290
Tituly:
Jazyk Název Abstrakt Klíčová slova
cze Modelování hodinového dopravního toku s použitím směsi jednoduchých kruhových normálních rozdělení Přesné modelování a reprezentace dopravních toků je důležitým prvkem inteligentních dopravních systémů, městského plánování a inteligentního prostředí obecně. V této práci jsou hodinové dopravní toky specifické pro danou lokalitu reprezentovány konečnou směsí kruhových normálních rozdělení. Parametry tohoto rozdělení směsí jsou nalezeny diferenciální evolucí, evolučním algoritmem, který je schopný přizpůsobit statistické modely datům s vysokou mírou přesnosti. Výsledky jsou reprezentovány kruhovými grafy, které lze použít jako formu vizuálně přitažlivých a snadno srozumitelných vzorů dopravního toku. modelování dopravního toku; směs jednoduchých kruhových normálních rozdělení; diferencální evoluce; kruhový graf
eng Modelling Hourly Vehicle Flows by a Finite Mixture of Simple Circular Normal Distributions Accurate modelling and representation of traffic flows is an important element of intelligent transportation systems, urban planning, and smart environments in general. In this work, location-specific hourly traffic flows are represented by finite mixtures of circular normal statistical distributions. The parameters of the finite mixtures are found by differential evolution, an evolutionary algorithm that is able to fit the statistical models to data with a high level of accuracy. The results are represented by circular plots that can be used as a form of visually appealing and easily understandable fingerprints of the underlying traffic flow patterns. traffic flow modelling; finite mixture of circular normal statistical distributions; differential evolution; polar plot