Estimation of traffic density map using evolutionary algorithm

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F12%3APU98026" target="_blank" >RIV/00216305:26230/12:PU98026 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/ITSC.2012.6338757" target="_blank" >http://dx.doi.org/10.1109/ITSC.2012.6338757</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ITSC.2012.6338757" target="_blank" >10.1109/ITSC.2012.6338757</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Estimation of traffic density map using evolutionary algorithm

Popis výsledku v původním jazyce

The traffic density map (TDM) represents the density of road network traffic as the number of vehicles per a specific time interval. TDMs are used by traffic experts as a base documentation for planning a new infrastructure (long-term) or by drivers forshowing a current trafic status (short-term). We propose two methods for estimation of missing density values in TDMs. In the first method, the problem is formulated relatively strictly in terms of quadratic programming (QP) and a QP solver is utilized to find a solution. The second, more general method is based on a multiobjective genetic algorithm which allows us to find a reasonable compromise among several objectives that a traffic expert may formulate. These two methods can work automatically or they can be used by a traffic expert for an iterative density estimation. Results of experimental evaluation based on real and randomly generated data are presented.

Název v anglickém jazyce

Estimation of traffic density map using evolutionary algorithm

Popis výsledku anglicky

The traffic density map (TDM) represents the density of road network traffic as the number of vehicles per a specific time interval. TDMs are used by traffic experts as a base documentation for planning a new infrastructure (long-term) or by drivers forshowing a current trafic status (short-term). We propose two methods for estimation of missing density values in TDMs. In the first method, the problem is formulated relatively strictly in terms of quadratic programming (QP) and a QP solver is utilized to find a solution. The second, more general method is based on a multiobjective genetic algorithm which allows us to find a reasonable compromise among several objectives that a traffic expert may formulate. These two methods can work automatically or they can be used by a traffic expert for an iterative density estimation. Results of experimental evaluation based on real and randomly generated data are presented.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2012

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 15th International IEEE Conference on Intelligent Transportation Systems

ISBN

978-1-4673-3062-6

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

632-637

Název nakladatele

IEEE Intelligent Transportation Systems Society

Místo vydání

Anchorage

Místo konání akce

Anchorage

Datum konání akce

16. 9. 2012

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000312599600105