Využití regresních metod pro predikci dopravy

but.committeeprof. Ing. Lukáš Sekanina, Ph.D. (předseda) prof. RNDr. Milan Češka, CSc. (místopředseda) Ing. Vladimír Bartík, Ph.D. (člen) Prof. RNDr. Mária Lucká, Ph.D. (člen) doc. Ing. Tomáš Martínek, Ph.D. (člen) doc. Ing. František Zbořil, CSc. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm dobře (C). Otázky u obhajoby: Jak by se metoda vyrovnala s chybějícíma nebo nepřesnými hodnotami dojezdových dob?cs
but.jazykčeština (Czech)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorPetrlík, Jiřícs
dc.contributor.authorVaňák, Tomášcs
dc.contributor.refereeKorček, Pavolcs
dc.date.created2014cs
dc.description.abstractDiplomová práce se zabývá možnostmi predikce dopravní situace na makroskopické úrovni s využitím údajů naměřených pomocí dopravních senzorů. Těmito senzory mohou být indukční smyčky, radarové detektory nebo kamery. Práce se zaměřuje na problematiku predikce dojezdových dob automobilů. V rámci diplomové práce byla navržena a implementována metoda dojezdových dob. Navržená metoda byla otestována pomocí dat z reálného provozu. Prvním cílem práce bude seznámení s metodami predikce, které budou využívány. Hlavním cílem práce je využít získaných znalostí k navržení a implementaci aplikace, která bude predikovat požadované dopravní veličiny.cs
dc.description.abstractMaster thesis deals with possibilities of predicting traffic situation on the macroscopic level using data, that were recorded using traffic sensors. This sensors could be loop detectors, radar detectors or cameras. The main problem discussed in this thesis is the travel time of cars. A method for travel time prediction was designed and implemented as a part of this thesis. Data from real traffic were used to test the designed method. The first objective of this thesis is to become familiar with the prediction methods that will be used. The main objective is to use the acquired knowledge to design and to implement an aplication that will predict required traffic variables.en
dc.description.markCcs
dc.identifier.citationVAŇÁK, T. Využití regresních metod pro predikci dopravy [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2014.cs
dc.identifier.other78916cs
dc.identifier.urihttp://hdl.handle.net/11012/53339
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectDojezdové dobycs
dc.subjectkartézské genetické programovánícs
dc.subjectsymbolická regresecs
dc.subjectgenetické programovánícs
dc.subjectTravel timesen
dc.subjectcartesian genetic programmingen
dc.subjectsymbolic regressionen
dc.subjectgenetic programmingen
dc.titleVyužití regresních metod pro predikci dopravycs
dc.title.alternativeRegession Methods in Traffic Predictionen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2014-06-25cs
dcterms.modified2020-05-09-23:43:17cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid78916en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 15:18:01en
sync.item.modts2025.01.15 17:23:50en
thesis.disciplineBioinformatika a biocomputingcs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémůcs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 2 of 2
Loading...
Thumbnail Image
Name:
final-thesis.pdf
Size:
1.46 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Loading...
Thumbnail Image
Name:
review_78916.html
Size:
1.44 KB
Format:
Hypertext Markup Language
Description:
file review_78916.html
Collections