Mintafelismerés alkalmazása városi forgalom sebesség becsléséhez
Városi forgalmi sebesség vagy egyszerűen"dugó" előrejelzés megvalósítható mintafelismerő algoritmus alkalmazásával. A predikció célja rövidtávú előrejelzés nyújtása, amely képes támogatást nyújtani ITS funkciók számára (pl. utazási információs rendszerek, route guidance, vagy adaptív forgalomirányítás).
Egy lehetséges megoldása erre a mesterséges neurális hálózatok (ANN: Artificial Neural Network) technikájának használata a lemért sebesség mintázatok alapján.
A neurális háló realisztikus forgalomszimulátor (VISSIM) adataival került betanításra. Az algoritmust valós teszthálózat szimulációjával vizsgáltuk (Budapest, Oktogon és környéke).
A vizsgált teszthálózat az esettanulmányhoz
A model bemenete az útszakaszokon mért 5 perces átlagsebesség, a kimenet pedig a becsült sebesség (4 kategóriára bontott sebességtartományok).
A neurális hálózat tanításához használt MuliLayer Perceptron model
A vizsgálathoz 2500 rekordot tartalmazó tanító halmazt és 1000 rekordos teszthalmazt alkalmaztunk.
Kis mértékben csökkenő felismerési ráta 5, 15 és 30 perces előrebecslés esetén.
Kapcsolódó publikáció:
T. Tettamanti, A. Csikós, Zs. Viharos, K.B. Kis, I. Varga: Traffic speed prediction method for urban networks – an ANN approach, 4th International Conference on Models and Technologies for Intelligent Transportation Systems (MT-ITS 2015), Paper 11, IEEE Xplore ISBN: 978-963-313-142-8.
T. Tettamanti, A. Csikós, K. B. Kis, Zs. J. Viharos, I. Varga: Pattern recognition based speed forecasting methodology for urban traffic network, Transport, ACCEPTED