Analysis and short-term prediction module for route planning
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61384399%3A31140%2F22%3A00059098" target="_blank" >RIV/61384399:31140/22:00059098 - isvavai.cz</a>
Alternative codes found
RIV/26429632:_____/22:N0000024 RIV/68407700:21260/22:00371832
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
Modul pro analýzu a krátkodobou predikci pro plánování tras
Original language description
Hlavní témata dokumentu: veřejná doprava; analýza plánování dopravy; predikční software
Czech name
Modul pro analýzu a krátkodobou predikci pro plánování tras
Czech description
Hlavní témata dokumentu: veřejná doprava; analýza plánování dopravy; predikční software
Classification
Type
R - Software
CEP classification
—
OECD FORD branch
50703 - Transport planning and social aspects of transport (transport engineering to be 2.1)
Result continuities
Project
<a href="/en/project/CK01000165" target="_blank" >CK01000165: Intelligent system for analysis and prediction of public transport</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Others
Publication year
2022
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Internal product ID
CK01000165-V3
Technical parameters
Krátkodobá predikce je počítána pro každých 5-20 minut (dle nastavení) na následující 1-3 hodiny. V krátkodobém horizontu jsou pro predikce doby projetí úseku opět k dispozici dodatečné vysoce relevantní informace. Jedná se zejména o aktuální stav dopravy v úsecích souvisejících s daným modelovaným úsekem. Model je opět konstruován jako úprava střednědobé a dlouhodobé predikce o aktuální informace. Aktuální informace zahrnují data především o průjezdnosti souvisejících úseků časově bezprostředně předcházející aktuálnímu času. Jedná se opět o model učení s učitelem, konkrétně regresní úlohu. Použitá data jsou mimo jiné speciálním případem grafu, který definuje souvislosti jednotlivých silničních úseků. Implementace predikčních modelů probíhá v?programovacím jazyce Python. Pro krátkodobé predikce jsou konstruovány speciální aplikací neuronových sítí, která bere v?úvahu souvislosti jednotlivých úseků. Pro dlouhodobé a střednědobé predikce byl zvolen algoritmus XGBoost a Embeddingové neuronové sítě.
Economical parameters
SW modul bude implementován do multimodálního plánovače společnosti CEDA, v rámci tohoto SW bude poskytovat predikovaná data o veřejného dopravě, které vstoupí do výpočtu tras, které uživatel plánuje real-time nebo do budoucna. Cílovým uživatelům (cestujícím) implementace SW umožní efektivněji a pohodlněji se pohybovat veřejnou dopravou, vyhnout se zpoždění atd. Implementace tohoto výstupu proběhne po ukončení projektu. Komercializace výstupu pomocí multimodálního plánovače povede ke zvýšení ročního objemu zisku poskytovatelů. Výstup bude použit také pro další VaVaI činnost.
Owner IČO
26429632
Owner name
CEDA Maps a.s.