Analytický a systémový návrh modulu predikce - Predikce dopravních excesů využívající neuronové sítě

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21260%2F19%3A00340596" target="_blank" >RIV/68407700:21260/19:00340596 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Analytický a systémový návrh modulu predikce - Predikce dopravních excesů využívající neuronové sítě

Popis výsledku v původním jazyce

Souhrnná výzkumná zpráva „Predikce dopravních excesů využívající neuronové sítě“ podává ucelený přehled o průběhu výzkumné činnosti v roce 2018. S narůstajícím stupněm automobilismu ve větších městech stoupá poptávka po zavádění inteligentních dopravních systémů. Predikce dopravních veličin je jedním ze stěžejních témat budoucnosti v oblastech řízení dopravy a navigování. Včasné předvídání dopravních excesů je důležité nejen pro strategická řízení větších oblastí ve městech za účelem zvýšení bezpečnosti a plynulosti dopravy, snížení emisní zátěže a snížení celkových ekonomických nákladů na dopravu v globálním měřítku, ale i pro samotné řidiče za účelem snížení jízdních dob a optimalizaci využití přepravní kapacity.

Název v anglickém jazyce

Analytical and system design of prediction module - Traffic excess prediction using neural networks

Popis výsledku anglicky

The comprehensive research report “Prediction of traffic excesses using neural networks” provides a comprehensive overview of the course of research activities in 2018. With the increasing degree of motoring in larger cities, the demand for intelligent transport systems is increasing. Traffic prediction is one of the key topics of the future in the areas of traffic management and navigation. Early anticipation of traffic excesses is important not only for strategic management of larger areas in cities to increase safety and fluidity of traffic, reduce emissions and reduce overall economic costs of transport on a global scale, but also for drivers themselves to reduce driving times and optimize transport usage capacity.

Druh

V_souhrn - Souhrnná výzkumná zpráva

CEP obor

—

OECD FORD obor

21100 - Other engineering and technologies

Projekt

<a href="/cs/project/TJ01000183" target="_blank" >TJ01000183: Predikce dopravních excesů využívající neuronové sítě</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2019

Kód důvěrnosti údajů

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

Počet stran výsledku

65

Místo vydání

—

Název nakladatele resp. objednatele

ČVUT v Praze, Fakulta dopravní a Eltodo, a.s.

Verze

—