Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
Abstract: The existing well‐known short‐term traffic forecasting algorithms require large traffic flow data sets, including information on current traffic scenarios to predict the future traffic conditions. This article proposes a random process traffic volume model that enables estimation and prediction of traffic volume at sites where such large and continuous data sets of traffic condition related information are unavailable. The proposed model is based on a combination of wavelet analysis (WA) and Bayesian hierarchical methodology (BHM). The average daily “trend” of urban traffic flow observations can be reliably modeled using discrete WA. The remaining fluctuating parts of the traffic volume observations are modeled using BHM. This BHM modeling considers that the variance of the urban traffic flow observations from an intersection vary with the time‐of‐the‐day. A case study has been performed at two busy junctions at the city‐centre of Dublin to validate the effectiveness of the strategy....
Podaj zakres dat dla filtrowania wyświetlonych wyników. Możesz podać datę początkową, końcową lub obie daty. Daty możesz wpisać ręcznie lub wybrać za pomocą kalendarza.