Methodology for Generating Synthetic Time-Dependant Probabilistic Speed Profiles

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F20%3A10245361" target="_blank" >RIV/61989100:27740/20:10245361 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007%2F978-981-15-2930-6_8" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-981-15-2930-6_8</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-981-15-2930-6_8" target="_blank" >10.1007/978-981-15-2930-6_8</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Methodology for Generating Synthetic Time-Dependant Probabilistic Speed Profiles

Popis výsledku v původním jazyce

Traffic flow management of smart city is one of the most current topics in traffic modeling. We have developed a method based on traffic routing and reordering that is capable of performing this task. One of the inputs of this method is time-dependant probabilistic speed profile, i.e., speed profiles that take into account both the time and uncertainty of traffic speed due to various traffic events and peaks. However, the exact calculation of these profiles for each road is very difficult due to the huge amounts of real-world data required. Therefore, we propose a methodology, which should, by utilizing various available metadata about traffic network and Markov chain model, be capable of producing these probabilistic speed profiles synthetically. (C) Springer Nature Singapore Pte Ltd 2020.

Název v anglickém jazyce

Methodology for Generating Synthetic Time-Dependant Probabilistic Speed Profiles

Popis výsledku anglicky

Traffic flow management of smart city is one of the most current topics in traffic modeling. We have developed a method based on traffic routing and reordering that is capable of performing this task. One of the inputs of this method is time-dependant probabilistic speed profile, i.e., speed profiles that take into account both the time and uncertainty of traffic speed due to various traffic events and peaks. However, the exact calculation of these profiles for each road is very difficult due to the huge amounts of real-world data required. Therefore, we propose a methodology, which should, by utilizing various available metadata about traffic network and Markov chain model, be capable of producing these probabilistic speed profiles synthetically. (C) Springer Nature Singapore Pte Ltd 2020.

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)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2020

Kód důvěrnosti údajů

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

Název statě ve sborníku

Advances in Intelligent Systems and Computing. Volume 1178

ISBN

978-981-15-5746-0

ISSN

2194-5357

e-ISSN

2194-5365

Počet stran výsledku

14

Strana od-do

95-108

Název nakladatele

Springer

Místo vydání

Singapur

Místo konání akce

Kalkata

Datum konání akce

28. 2. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—