Krátkodobá predikce doby jízdy pomocí metody GUHA
Popis výsledku
Ukážeme že predikce doby jízdy na 28 kilometrovém dálničním úseku, založená na on-line měření času pomocí videozáznamu, je možná pomocí data mining metod. Je prezentován nový predikční model konstruovaný na základě výsledků analýz metodami GUHA a Total Fuzzy Similarity. Ukážeme, že prezentovaný model zlepšuje výsledky predikce ve srovnání se starším modelem Traficon. Získané výsledky jsou srovnatelné s výsledky obdrženými z predikcí pomocí neuronových sítí.
Klíčová slova
Identifikátory výsledku
Kód výsledku v IS VaVaI
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Short Term Prediction of Highway Travel Time using GUHA Data Mining Method
Popis výsledku v původním jazyce
We show that prediction of travel time on a 28-km long highway section based on on-line travel time measurements with video is practicable by a data mining method. We introduce a new prediction model, a result of the GUHA style data mining analysis and the Total Fuzzy Similarity method. Comparing the results with the existing Traficon model, our model improves the travel time class prediction. The results obtained by our method are comparable to the MLP neural network model, too.
Název v anglickém jazyce
Short Term Prediction of Highway Travel Time using GUHA Data Mining Method
Popis výsledku anglicky
We show that prediction of travel time on a 28-km long highway section based on on-line travel time measurements with video is practicable by a data mining method. We introduce a new prediction model, a result of the GUHA style data mining analysis and the Total Fuzzy Similarity method. Comparing the results with the existing Traficon model, our model improves the travel time class prediction. The results obtained by our method are comparable to the MLP neural network model, too.
Klasifikace
Druh
Jx - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BA - Obecná matematika
OECD FORD obor
—
Návaznosti výsledku
Projekt
OC 274.001: Relační struktury v těžení dat a v teorii objevování
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2004
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Neural Network World
ISSN
1210-0552
e-ISSN
—
Svazek periodika
14
Číslo periodika v rámci svazku
-
Stát vydavatele periodika
CZ - Česká republika
Počet stran výsledku
11
Strana od-do
221-231
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—
Základní informace
Druh výsledku
Jx - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP
BA - Obecná matematika
Rok uplatnění
2004