Detail publikace
Multiobjective Selection of Input Sensors for Travel Times Forecasting Using Support Vector Regression
Fučík Otto, doc. Dr. Ing. (UPSY)
Sekanina Lukáš, prof. Ing., Ph.D. (UPSY)
travel times forecasting, support vector regression, feature selection, multiobjective genetic algorithm
V tomto příspěvku je navržena nová metoda pro predikci dojezdových dob s využitím modelu support vector regression (SVR). Vstupem metody jsou data ze systému pro rozpoznávání poznávacích značek vozidel a dopravních senzorů, jako jsou indukční smyčky, nebo radary umístěné v oblasti. Metoda je především navržena tak, aby byla schopna se vypořádat i s chybějícími daty. Je schopna vytvořit mnoho různých modelů, které se vzájemně liší vstupními proměnnými. Tyto modely jsou následně přepínány dle toho, které dopravní veličiny jsou aktuálně dostupné. Metoda byla porovnána s metodou využívající pouze rozpoznávání poznávacích značek vozidel. Výsledky ukázaly, že metoda poskytuje přesnější predikci. Navíc je predikce dostupná víc času.
@inproceedings{BUT111629,
author="Jiří {Petrlík} and Otto {Fučík} and Lukáš {Sekanina}",
title="Multiobjective Selection of Input Sensors for Travel Times Forecasting Using Support Vector Regression",
booktitle="2014 IEEE Symposium on Computational Intelligence in Vehicles and Transportation Systems Proceedings",
year="2014",
pages="14--21",
publisher="Institute of Electrical and Electronics Engineers",
address="Piscataway",
doi="10.1109/CIVTS.2014.7009472",
isbn="978-1-4799-4498-9"
}