Multiobjective Selection of Input Sensors for Travel Times Forecasting Using Support Vector Regression

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F14%3APU112034" target="_blank" >RIV/00216305:26230/14:PU112034 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/CIVTS.2014.7009472" target="_blank" >http://dx.doi.org/10.1109/CIVTS.2014.7009472</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CIVTS.2014.7009472" target="_blank" >10.1109/CIVTS.2014.7009472</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Multiobjective Selection of Input Sensors for Travel Times Forecasting Using Support Vector Regression

Popis výsledku v původním jazyce

In this paper we propose a new method for travel time prediction using a support vector regression model (SVR). The inputs of the method are data from license plate detection systems and traffic sensors such as induction loops or radars placed in the area. This method is mainly designed to be capable of dealing with missing values in traffic data. It is able to create many different SVR models with different input variables. These models are dynamicaly switched according to which traffic variables are currently available. The proposed method was compared with a license plate based prediction approach. The results showed that the proposed method provides a prediction of better quality. Moreover, it is available for a longer period of time.

Název v anglickém jazyce

Multiobjective Selection of Input Sensors for Travel Times Forecasting Using Support Vector Regression

Popis výsledku anglicky

In this paper we propose a new method for travel time prediction using a support vector regression model (SVR). The inputs of the method are data from license plate detection systems and traffic sensors such as induction loops or radars placed in the area. This method is mainly designed to be capable of dealing with missing values in traffic data. It is able to create many different SVR models with different input variables. These models are dynamicaly switched according to which traffic variables are currently available. The proposed method was compared with a license plate based prediction approach. The results showed that the proposed method provides a prediction of better quality. Moreover, it is available for a longer period of time.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

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)

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název statě ve sborníku

2014 IEEE Symposium on Computational Intelligence in Vehicles and Transportation Systems Proceedings

ISBN

978-1-4799-4498-9

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

14-21

Název nakladatele

Institute of Electrical and Electronics Engineers

Místo vydání

Piscataway

Místo konání akce

Orlando

Datum konání akce

9. 12. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000366635900004