ОФФЛАЙН ҮЙРЕТІЛГЕН ЖАСАНДЫ НЕЙРОНДЫҚ ЖЕЛІЛЕР НЕГІЗІНДЕГІ КӨЛІК АҒЫНЫН БОЛЖАУ
Аңдатпа
Берілген мақалада көлік қозғалысының ағынын анықтау мәселесі қарастырылған. Жасанды нейрондық желі болжауыш модель ретінде ұсынылады. Аталмыш мәселе бақыланатын оқыту, классификация проблемасы түрінде талқыланған. Модельді үйретуге және тексеруге арналған жиын симулятор арқылы жасалған синтетикалық деректерден тұрады. Эксперименттердің нәтижелері оқытудың дәлдігін 82,2% көрсетеді. Сынақ жиынтығын бағалау 80,03%-ды құрайды. Нәтижесінде, трафик ағынын бағалау үшін дайындалған модель ұсынылады.
Әдебиет тізімі
1. Du S., Li R., Gong X., Hong S., A Hybrid Method for Traffic Flow Forecasting Using Multimodal Deep learning. Machine Learning. Cornelle University, 2019. https://arxiv.org/pdf/1803.02099.pdf
2. Bernico M., Deep Learning Quick Reference. Packt Publishing, 2018.
3. SUMO - Simulation of Urban Mobility. Institute of Transportation Systems. Available at: http://sumo.dlr.de/wiki/SUMO
4. Kurmankhojayev D., Tolebi G., Analysis of the traffic flow modeling systems. Herald of the Kazakh-British technical university, № 4 (47), 2018. pp. 31-36.
5. Kurmankhojayev D., Suleymenov N., Tolebi G., Online model-free adaptive traffic signal controller for an isolated intersection. 2017 International M ulti-Conference on Engineering, Computer and Information Sciences (SIBIRCON), 2017. pp. 109-112
Рецензия
Дәйектеу үшін:
, ОФФЛАЙН ҮЙРЕТІЛГЕН ЖАСАНДЫ НЕЙРОНДЫҚ ЖЕЛІЛЕР НЕГІЗІНДЕГІ КӨЛІК АҒЫНЫН БОЛЖАУ. Қазақстан-Британ техникалық университетінің хабаршысы. 2019;16(2):170-174.
For citation:
Tolebi G., Kurmankhojayev D. TRAFFIC DEMAND ESTIMATION BASED ON OFFLINE TRAINED ARTIFICIAL NEURAL NETWORK. Herald of the Kazakh-British Technical University. 2019;16(2):170-174.
Қараулар:
492
Мақаланы эл. пошта арқылы жіберу 