Short Term Prediction of Highway Travel Time using GUHA Data Mining Method
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F04%3A00103338" target="_blank" >RIV/67985807:_____/04:00103338 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
angličtina
Original language name
Short Term Prediction of Highway Travel Time using GUHA Data Mining Method
Original language description
We show that prediction of travel time on a 28-km long highway section based on on-line travel time measurements with video is practicable by a data mining method. We introduce a new prediction model, a result of the GUHA style data mining analysis and the Total Fuzzy Similarity method. Comparing the results with the existing Traficon model, our model improves the travel time class prediction. The results obtained by our method are comparable to the MLP neural network model, too.
Czech name
Krátkodobá predikce doby jízdy pomocí metody GUHA
Czech description
Ukážeme že predikce doby jízdy na 28 kilometrovém dálničním úseku, založená na on-line měření času pomocí videozáznamu, je možná pomocí data mining metod. Je prezentován nový predikční model konstruovaný na základě výsledků analýz metodami GUHA a Total Fuzzy Similarity. Ukážeme, že prezentovaný model zlepšuje výsledky predikce ve srovnání se starším modelem Traficon. Získané výsledky jsou srovnatelné s výsledky obdrženými z predikcí pomocí neuronových sítí.
Classification
Type
J<sub>x</sub> - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)
CEP classification
BA - General mathematics
OECD FORD branch
—
Result continuities
Project
<a href="/en/project/OC%20274.001" target="_blank" >OC 274.001: Retional structures in data mining and discovery science</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Others
Publication year
2004
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Name of the periodical
Neural Network World
ISSN
1210-0552
e-ISSN
—
Volume of the periodical
14
Issue of the periodical within the volume
-
Country of publishing house
CZ - CZECH REPUBLIC
Number of pages
11
Pages from-to
221-231
UT code for WoS article
—
EID of the result in the Scopus database
—