Predykcyjny model planowania tras pojazdów w warunkach niepewności z zastosowaniem sztucznych sieci neuronowych / Daniel Kubek, Paweł Więcek // Prace Naukowe. Transport / Politechnika Warszawska [Dokument ... więcej

Predykcyjny model planowania tras pojazdów w warunkach niepewności z zastosowaniem sztucznych sieci neuronowych / Daniel Kubek, Paweł Więcek // Prace Naukowe. Transport / Politechnika Warszawska [Dokument elektroniczny]. – 2018, z. 120, s. 231-240 : rys., tab., wykr. – Tryb dostępu: https://www.wt.pw.edu.pl/Badania-i-nauka/Prace-Naukowe-Politechniki-Warszawskiej-Transport/Zeszyty/Zeszyt-120. – Bibliogr. 20 poz., Streszcz., Summ. – Tyt. streszcz.: Predictive model for vehicle routing problem under uncertainty with artificial neural network application. – ISSN 1230-9265

W artykule zaprezentowano autorskie podejście do planowania tras pojazdów w warunkach niepewności, które bazuje na krótkookresowych prognozach czasu przejazdu w sieci drogowej miasta. Model predykcyjny ... więcej

W artykule zaprezentowano autorskie podejście do planowania tras pojazdów w warunkach niepewności, które bazuje na krótkookresowych prognozach czasu przejazdu w sieci drogowej miasta. Model predykcyjny został stworzony z wykorzystaniem sztucznych sieci neuronowych. Niepewność wartości czasu przejazdu została zamodelowana w oparciu o wyznaczone wielkości prognozy oraz jej błędy, które zostały wykorzystane do zdefiniowania zbioru niepewności dla parametrów modelu planowania tras pojazdów. Charakterystykę oraz zalety stosowania zaproponowanej metodyki zilustrowano przykładem symulacyjnym bazującym na wybranej sieci drogowej miasta Krakowa.