Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

ROAD MESH MODELLING USING THE SPATIOTEMPORAL CLUSTERIZATION

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F10%3A00171806" target="_blank" >RIV/68407700:21230/10:00171806 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/68407700:21240/10:00171806

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    ROAD MESH MODELLING USING THE SPATIOTEMPORAL CLUSTERIZATION

  • Popis výsledku v původním jazyce

    The GPS navigation is widely used aid for travelers. However, good navigation depends on good maps, which are sometimes hard to get. In this paper we explore a method to model a road mesh using self-organizing spatiotemporal data clustering of collectedGPS data. The resulting road mesh model is obtained from simulated self organizing neural network, which clusters the individual data vectors and infers the time dependencies between the clusters. This allows to detect one way roads, or slow traffic automatically. To achive this goal we model the road mesh with the Temporal Hebbian Self-organizing map (THSOM). This paper presents a novel training method for the simulated THSOM neural network, which reduces training period and improves model the convergence of original THSOM neural network. The road mesh model is obtained from real GPS data as well as from simulated data set.

  • Název v anglickém jazyce

    ROAD MESH MODELLING USING THE SPATIOTEMPORAL CLUSTERIZATION

  • Popis výsledku anglicky

    The GPS navigation is widely used aid for travelers. However, good navigation depends on good maps, which are sometimes hard to get. In this paper we explore a method to model a road mesh using self-organizing spatiotemporal data clustering of collectedGPS data. The resulting road mesh model is obtained from simulated self organizing neural network, which clusters the individual data vectors and infers the time dependencies between the clusters. This allows to detect one way roads, or slow traffic automatically. To achive this goal we model the road mesh with the Temporal Hebbian Self-organizing map (THSOM). This paper presents a novel training method for the simulated THSOM neural network, which reduces training period and improves model the convergence of original THSOM neural network. The road mesh model is obtained from real GPS data as well as from simulated data set.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2010

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 7th EUROSIM Congress on Modelling and Simulation, Vol. 2: Full Papers

  • ISBN

    978-80-01-04589-3

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

  • Název nakladatele

    Department of Computer Science and Engineering, FEE, CTU in Prague

  • Místo vydání

    Prague

  • Místo konání akce

    Praha

  • Datum konání akce

    6. 9. 2010

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku