Управління транспортними потоками на основі машинного навчання
dc.contributor.advisor | Франчук, Олег | |
dc.contributor.author | Велігурський, Олександр | |
dc.date.accessioned | 2024-03-15T12:47:03Z | |
dc.date.available | 2024-03-15T12:47:03Z | |
dc.date.issued | 2023 | |
dc.description.abstract | Дипломна робота присвячена дослідженню можливості використання методів машинного навчання для управління транспортними потоками. Метою роботи є розробка алгоритму для передбачення кількості транспорту на ділянці дороги в реальному часі та прийняття рішень щодо управління транспортними потоками. Включає розробку програмного забезпечення для моделювання та експериментального дослідження розробленої моделі, а також проведення експериментів та аналіз результатів дослідження. Перший розділ містить дослідження наявних методів машинного навчання та нейронних мереж для їх використання в управлінні транспортними потоками. Описуються принципи роботи, методи тренування моделей. У другому розділі проводиться вибір кращого підходу для отримання позитивних результатів. Описуються обрані технології та алгоритми, кроки які були зроблені для навчання моделі та опис створення середовища для тестування розробленого алгоритму. У третьому розділі роботи розглядаються отримані результати та реалізація алгоритмів для управління транспортними потоками на основі машинного навчання. Описуються порівняння отриманих результатів з ручним керуванням трафіку. Проводиться аналіз інших можливостей для покращення розробленої системи. | uk_UA |
dc.identifier.uri | https://ekmair.ukma.edu.ua/handle/123456789/28285 | |
dc.language.iso | uk | uk_UA |
dc.status | first published | uk_UA |
dc.subject | транспорт | uk_UA |
dc.subject | машинне навчання (Machine learning) | uk_UA |
dc.subject | нейронні мережі | uk_UA |
dc.subject | магістерська робота | uk_UA |
dc.title | Управління транспортними потоками на основі машинного навчання | uk_UA |
dc.type | Other | uk_UA |
Files
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: