Detail publikace
Multiobjective Selection of Input Sensors for SVR Applied to Road Traffic Prediction
Fučík Otto, doc. Dr. Ing. (UPSY)
Sekanina Lukáš, prof. Ing., Ph.D. (UPSY)
road traffic forecasting, multiobjective feature selection, multiobjective genetic algorithms
Moderní dopravní senzory mohou měřit různé dopravní proměnné, jako je intenzita dopravy a průměrná rychlost. Nicméně některá měření mohou poskytnout chybná data, která nemohou být využita pro další úlohy, jako je predikce dopravy, nebo inteligentní řízení. V tomto článku představujeme novou metodu pro výběr podmnožiny vstupních senzorů pro support vector regression model (SVR). Tento model je následně využit pro predikci dopravy. Metoda je založena na multikriteriálním a multimodálním algoritmu NSGA-II. Multikriteriální přístup umožňuje nalézt vhodný kompromis mezi chybou predikce a počtem vstupních senzorů v reálných situacích, kde je mnoho nedostupných naměřených hodnot.
@inproceedings{BUT111559,
author="Jiří {Petrlík} and Otto {Fučík} and Lukáš {Sekanina}",
title="Multiobjective Selection of Input Sensors for SVR Applied to Road Traffic Prediction",
booktitle="Parallel Problem Solving from Nature - PPSN XIII",
year="2014",
series="Lecture Notes in Computer Science",
volume="8672",
pages="802--811",
publisher="Springer Verlag",
address="Heidelberg",
doi="10.1007/978-3-319-10762-2\{_}79",
isbn="978-3-319-10761-5"
}