Analytical and system design of prediction module - Traffic excess prediction using neural networks
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21260%2F19%3A00340596" target="_blank" >RIV/68407700:21260/19:00340596 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
Analytický a systémový návrh modulu predikce - Predikce dopravních excesů využívající neuronové sítě
Original language description
Souhrnná výzkumná zpráva „Predikce dopravních excesů využívající neuronové sítě“ podává ucelený přehled o průběhu výzkumné činnosti v roce 2018. S narůstajícím stupněm automobilismu ve větších městech stoupá poptávka po zavádění inteligentních dopravních systémů. Predikce dopravních veličin je jedním ze stěžejních témat budoucnosti v oblastech řízení dopravy a navigování. Včasné předvídání dopravních excesů je důležité nejen pro strategická řízení větších oblastí ve městech za účelem zvýšení bezpečnosti a plynulosti dopravy, snížení emisní zátěže a snížení celkových ekonomických nákladů na dopravu v globálním měřítku, ale i pro samotné řidiče za účelem snížení jízdních dob a optimalizaci využití přepravní kapacity.
Czech name
Analytický a systémový návrh modulu predikce - Predikce dopravních excesů využívající neuronové sítě
Czech description
Souhrnná výzkumná zpráva „Predikce dopravních excesů využívající neuronové sítě“ podává ucelený přehled o průběhu výzkumné činnosti v roce 2018. S narůstajícím stupněm automobilismu ve větších městech stoupá poptávka po zavádění inteligentních dopravních systémů. Predikce dopravních veličin je jedním ze stěžejních témat budoucnosti v oblastech řízení dopravy a navigování. Včasné předvídání dopravních excesů je důležité nejen pro strategická řízení větších oblastí ve městech za účelem zvýšení bezpečnosti a plynulosti dopravy, snížení emisní zátěže a snížení celkových ekonomických nákladů na dopravu v globálním měřítku, ale i pro samotné řidiče za účelem snížení jízdních dob a optimalizaci využití přepravní kapacity.
Classification
Type
V<sub>souhrn</sub> - Summary research report
CEP classification
—
OECD FORD branch
21100 - Other engineering and technologies
Result continuities
Project
<a href="/en/project/TJ01000183" target="_blank" >TJ01000183: Prediction of traffic excesses using neural networks</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Others
Publication year
2019
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Number of pages
65
Place of publication
—
Publisher/client name
ČVUT v Praze, Fakulta dopravní a Eltodo, a.s.
Version
—