Chaotic behaviour of noisy traffic data
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F18%3A10238498" target="_blank" >RIV/61989100:27740/18:10238498 - isvavai.cz</a>
Výsledek na webu
<a href="http://onlinelibrary.wiley.com/doi/10.1002/mma.4234/full" target="_blank" >http://onlinelibrary.wiley.com/doi/10.1002/mma.4234/full</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1002/mma.4234" target="_blank" >10.1002/mma.4234</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Chaotic behaviour of noisy traffic data
Popis výsledku v původním jazyce
This paper describes the procedure of extracting information about the dynamics of highway traffic speed. The wavelet shrinkage is used to diminish the effect of the noise. Afterwards, the dynamical properties of the system are estimated through the 0-1 test for chaos, Lyapunov exponents and the notion of Shannon entropy. The results indicate the strong chaotic dynamics in the traffic speed data. In addition to that, the predictability of the system is related to the values of the maximal Lyapunov exponent and Shannon entropy. The higher those values are, the worse the predictability of the system is. Furthermore, it is shown that Shannon entropy can be used to detect changes in dynamics on different time scales. (C) 2016 John Wiley & Sons, Ltd.
Název v anglickém jazyce
Chaotic behaviour of noisy traffic data
Popis výsledku anglicky
This paper describes the procedure of extracting information about the dynamics of highway traffic speed. The wavelet shrinkage is used to diminish the effect of the noise. Afterwards, the dynamical properties of the system are estimated through the 0-1 test for chaos, Lyapunov exponents and the notion of Shannon entropy. The results indicate the strong chaotic dynamics in the traffic speed data. In addition to that, the predictability of the system is related to the values of the maximal Lyapunov exponent and Shannon entropy. The higher those values are, the worse the predictability of the system is. Furthermore, it is shown that Shannon entropy can be used to detect changes in dynamics on different time scales. (C) 2016 John Wiley & Sons, Ltd.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/LQ1602" target="_blank" >LQ1602: IT4Innovations excellence in science</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Mathematical Methods in the Applied Sciences. Volume 41
ISSN
0170-4214
e-ISSN
—
Svazek periodika
Volume 41
Číslo periodika v rámci svazku
6
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
8
Strana od-do
"2287–2293"
Kód UT WoS článku
000427585700005
EID výsledku v databázi Scopus
2-s2.0-84996615246