Аналіз та обґрунтування вибору структури даних для завдань управління транспортними потоками
DOI:
https://doi.org/10.30977/BUL.2219-5548.2024.106.0.7Ключові слова:
дані, структура, транспортний засіб, Floating Car Data (FCD), сигнал, трафік, алгоритм, бази даних, Інтернет речей, Big Data, ETL-процесАнотація
У статті розглядається критична потреба в інноваційних рішеннях для підвищення ефективності управління транспортними потоками, пропонуючи комплексне дослідження ролі масивів даних у вирішенні проблеми міської мобільності. Узагальнюючи інформацію з різних джерел, стаття має на меті надати цілісне розуміння теоретичних основ, практичного застосування та нових тенденцій у використанні наборів даних для оптимізації дорожнього руху. У статті розглядаються теоретичні засади, застосування динамічних масивів та розвиток управління даними про дорожній рух. Результати демонструють трансформаційний вплив динамічних масивів на управління транспортними потоками. Практична цінність роботи полягає в її потенціалі для інформування містобудівників і розробників технологій про трансформаційні можливості наборів даних. У роботі представлено структуроване дослідження наборів даних в управлінні транспортними потоками, пропонуються ідеї, які сприяють можливій інтеграції інтелектуальних рішень для дорожнього руху.
Посилання
Kamel Tabbakh, Seyed & Chabok, Seyed & Kheirabadi, Maryam. (2020). Optimization of Air Traffic Management Efficiency Based on Deep Learning Enriched by the Long Short-term Memory (LSTM) and Extreme Learning Machine (ELM). 10.21203/rs.3.rs-113231/v2.
Zhang, Jiamin & Zhang, Jiarui. (2023). Artifi-cial Intelligence Applied on Traffic Planning and Management for Rail Transport: A Review and Perspective. Discrete Dynamics in Nature and Society. 2023. 1-17. 10.1155/2023/1832501.
Nawaf O. Alsrehin; Ahmad F. Klaib; Aws Magableh. (2019). Intelligent Transportation and Control Systems Using Data Mining and Machine Learning Techniques: A Comprehen-sive Study. – URL: https://ieeexplore.ieee.org/document/8681028/metrics#metrics (доступ 23.11.2023)
Mansor, Taiba & ABRI, Rayan. (2023). Data-Driven Optimization of Urban Traffic using AI and Real-Time Analysis. International Conference on Pioneer and Innovative Studies. 1. 507-514. 10.59287/icpis.881.
Reis Da Silva, Bruno (2023). Use of Big Data Analytics for Public Transport Efficiency: Evi-dence from Natal, (RN), Brazil. – URL: https://www.diva-por-tal.org/smash/record.jsf?pid=diva2%3A1736700&dswid=2918 (доступ 23.11.2023)
Yisheng, Lv & Duan, Yanjie & Kang, Wenwen & Li, Zhengxi. (2014). Traffic Flow Prediction With Big Data: A Deep Learning Approach. IEEE Transactions on Intelligent Transportation Systems. 16. 865-873. 10.1109/TITS.2014.2345663.
Lopes, J. & Bento, J. & Huang, E. & Antoniou, Constantinos & Ben-Akiva, Moshe. (2010). Traffic and mobility data collection for real-time applications. Conference Record - IEEE Conference on Intelligent Transportation Sys-tems. 216 - 223. 10.1109/ITSC.2010.5625282.
Zhang, Z., Jiao, X.: A deep network with analo-gous self-attention for short-term traffic flow prediction. IET Intell. Transp. Syst. 15, 902–915 (2021). https://doi.org/10.1049/itr2.12070
Jiber, Mouna & Lamouik, Imad & Yahyaouy, Ali & Abdelouahed, Sabri. (2018). Traffic flow prediction using neural network. 1-4. 10.1109/ISACV.2018.8354066.
Gritsuk, I.V., Volkov, V., Mateichyk, V., Grytsuk, Y., Nikitchenko, Y., Klets, D., Smieszek, M., Volkov, Y., Symonenko, R., Grytsuk, A. (2018) Information Model of V2I System of the Vehicle Technical Condition Remote Monitoring and Control in Operation Conditions. SAE Technical Papers, 2018-April. DOI 10.4271/2018-01-0024
Tharun Palla's (2021), Intelligent traffic man-agement using Big Data analytics and IoТ. – URL: https://tharun-palla43.medium.com/intelligent-traffic-management-using-big-data-analytics-and-iot-a5e841f2cf7d (доступ 23.11.2023)
Gritsuk A.I., Hrytsuk V.Iu., Chentsov A.V., Mateichyk P.V., Krasnokutska Z.I. (2018) Vy-korystannia informatsiinykh baz danykh v za-da-chakh monitorynhu avtomobilnoho transportu // Suchasni enerhetychni ustanovky na trans-porti i tekhnolohii ta obladnannia dlia yikh obslu-hovuvannia. 9-a Mizhnarodna naukovo-praktychna konferentsiia, 13-14 veresnia 2018 r. – Kherson: KhDMA. – 376 s. – S.37-39
Data virtualisation on rise as ETL alternative for data integration. - URL: https://www.computerweekly.com/feature/Data-virtualisation-on-rise-as-ETL-alternative-for-data-integration (доступ 01.06.2024)
The True Value of Data Virtualization: Beyond Marketing Buzzwords - URL: https://medium.com/@Nick_Golovin/the-true-value-of-data-virtualization-beyond-marketing-buzzwords-7acb4e12b100 (доступ 01.06.2024)
