МОДИФІКОВАНИЙ МЕТОД СУФІКСНОГО ДЕРЕВА ДЛЯ ПРОГНОЗУВАННЯ АВТОМОБІЛЬНОЇ ЗАВАНТАЖЕНОСТІ КОМЕРЦІЙНИХ ШЛЯХОПРОВОДІВ

Заголовок (російською): 
МОДИФИЦИРОВАННЫЙ МЕТОД СУФФИКСНОГО ДЕРЕВА ДЛЯ ПРОГНОЗИРОВАНИЯ АВТОМОБИЛЬНОЙ ЗАГРУЖЕННОСТИ КОММЕРЧЕСКИХ ПУТЕПРОВОДОВ
Заголовок (англійською): 
THE MODIFIED METHOD OF SUFFIX TREE FOR FORECASTING OF THE AUTOMOTIVE WORKLOAD FOR COMMERCIAL OVERPASSES
Автор(и): 
Трегубенко І. Б.
Бєляков Б. О.
Ключові слова (укр): 
прогнозування завантаженості шляхопроводів; транспортні потоки, щільність руху; суфіксне дерево; середні швидкості
Ключові слова (рус): 
прогнозирование загруженности путепроводов; транспортные потоки; плотность движения; суффиксное дерево, средние скорости
Ключові слова (англ): 
forecasting of the workload for overpasses, traffic flows, traffic density, suffix tree, average velocity
Анотація (укр): 
Розглянуто актуальність задачі прогнозування автомобільної завантаженості шляхопроводів, зокрема комерційних. Запропоновано метод прогнозування автомобільної завантаженості, який базується на методі суфіксного дерева з модифікаціями. Модифікований метод враховує ймовірність протилежної зміни напрямку, що веде до більш точних розрахунків. А введення розрахунків через середні швидкості оптимізує класичний метод, фактично не знижуючи точність прогнозування.
Анотація (рус): 
Рассмотрена актуальность задачи прогнозирования автомобильной загруженности путепроводов, в частности коммерческих. Предложен метод прогнозирования автомобильной загруженности, который основывается на методе суффиксного дерева с модификациями. Модифицированный метод учитывает вероятность противоположного изменения направления, что ведет к более точным вычислениям. А введение расчетов через среднюю скорость оптимизирует классический метод, фактически не снижая точность прогнозирования.
Анотація (англ): 
It was examined the relevance of the task of forecasting of the automotive workload for overpasses, such as commercial. Modern methods of probability theory were investigated, which are used to predict the workload of commercial overpasses. It was found that the appropriate methods need to be adapted to the subject area, particularly based on the fact that most of the existing methods set different criteria for initial data, are different by the number of operations and duration of the forecast. It was suggested a method for forecasting of the automotive congestion for commercial overpasses, which is based on the suffix tree method with modifications. The modified method takes into account the probability that the moving object at the crossroad can start moving in a direction that is opposite to the direction by which the object has reached this intersection, which leads to more accurate calculations. In addition, the calculation through the average velocity optimizes the classical method without compromising the accuracy of prediction in fact.
Публікатор: 
Київський національний університет будівництва і архітектури
Назва журналу, номер, рік випуску (укр): 
Управління розвитком складних систем, номер 22, 2015
Назва журналу, номер, рік випуску (рус): 
Управление развитием сложных систем, номер 22, 2015
Назва журналу, номер, рік випуску (англ): 
Management of Development of Complex Systems
Мова статті: 
Українська
Формат документа: 
application/pdf
Документ: 
122-127.pdf
Дата публікації: 
25 Март 2015
Номер збірника: 
22
Розділ: 
ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ УПРАВЛІННЯ
Університет автора: 
Черкаський державний технологічний університет, Черкаси
Литература: 

1. TDC ROAD TRAFFIC SYSTEMS [Електронний ресурс]: Режим доступу: \www/ URL: http://www.tdcsystems.co.uk/solutions – 15.11.2013 –  Загл. з екрану.

2. СітіГід [Електронний ресурс]: Режим доступу: \www/ URL: http://www.probki.net/news.aspx – 08.11.2013 – Загл. з екрану.

3. Яндекс.Пробки [Електронний ресурс]: Режим доступу: \www/ URL: http://company.yandex.ru/technologies/yaprobki/ – 08.11.2013 – Загл. з екрану.

4. Гасніков, О.В. Введення в математичне моделювання транспортних потоків [Текст] / О.В. Гасніков – М. : МФТІ, 2010.- С.18-43.

5. Як влаштований короткостроковий прогноз на Яндекс.Пробки [Електронний ресурс]: Режим доступу: \www/ URL: http://habrahabr.ru/company/yandex/blog/153631/ – 30.11.2013 – Загл. з екрану.

6. Гуда, С. Прогнозування заторів на вулицях по відомим даним про швидкість автомобілів [Текст] / С. Гуда, Д. Рябов – IV Російська літня школа з інформаційного пошуку RuSSIR’2010, 13-18 вересня 2010 г. : праці Четвертої Російської конференції молодих вчених з інформаційного пошуку. — Воронеж : Видавничо-поліграфічний центр Воронежського державного університету, 2010. — С. 52-63.

7. Пупирьов, С. Прогнозування завантаженості автомобільних доріг [Текст] / С. Пупирьов, A. Прончеков – IV Російська літня школа з інформаційного пошуку RuSSIR’2010, 13-18 вересня 2010 г. : праці Четвертої Російської конференції молодих вчених з інформаційного пошуку. — Воронеж : Видавничо-поліграфічний центр Воронежського державного університету, 2010. – С. 64-78.

8. Вялих, К.М. Статистичні методи обробки даних  для прогнозування транспортної завантаженості міських доріг [Електронний ресурс] / К.М. Вялих: Режим доступу: \www/ URL: http://sibac.info/index.php/2009-07-01-10-21-16/2626-2012-05-16-16-40-34 – 30.03.2014 – Загл. з екрану.

9. H. Kriegel, M. Renz, M. Schubert, and A. Zuefle.(2008) Statistical Density Prediction in Traffic. Proceedings of the 2008 SIAM International Conference on Data Mining, 692-703.

10. Ланцюг Маркова [Електронний ресурс]: Режим доступу: \www/ URL: https://ru.wikipedia.org/wiki/Цепь_Маркова – 30.03.2014 – Загл. з екрану.

11. Алгоритм Флойда-Воршелла [Електронний ресурс]: Режим доступу: \www/ URL: http://uk.wikipedia.org/wiki/Алгоритм_Флойда_—_Воршелла – 30.03.2014 – Загл. з екрану.

References: 

1. TDC ROAD TRAFFIC SYSTEMS [Electronic source]: URL: http://www.tdcsystems.co.uk/solutions – 15.11.2013.

2. CityGid [Electronic source]: URL: http://www.probki.net/news.aspx – 08.11.2013.

3. Yandeks.Probki [Electronic source]: URL: http://company.yandex.ru/technologies/yaprobki/ – 08.11.2013.

4. Hasnikov, O. (2010). Introduction to the mathematical modeling of traffic flows. M. : MFTI, 18-43.

5. How the short-term forecasting works at Yandeks.Probki [Electronic source]: URL: http://habrahabr.ru/company/yandex/blog/153631/ – 30.11.2013.

6. Gooda, S. (2010). Prediction of congestion in the streets with known data about the speed of vehicles/ Gooda, S., Ryabov, D.  // IV Russian Summer School on Information Retrieval RuSSIR'2010, 13-18 September 2010: Proceedings of the Fourth Conference of Young scientists from information retrieval. Voronezh: publishing center of the Voronezh State University, 2010, 52-63.

7. Pupyrov, S. (2010). Prediction of congestion of roads / Pupyrov, S., Pronchekov A. // IV Russian Summer School on Information Retrieval RuSSIR'2010, 13-18 September 2010: Proceedings of the Fourth Conference of Young scientists from information retrieval. Voronezh: publishing center of the Voronezh State University, 2010, 64-78.

8. Vyalyh, K.M. The statistical methods for data processing for predicting traffic congestion of city roads [Electronic source]: URL: http://sibac.info/index.php/2009-07-01-10-21-16/2626-2012-05-16-16-40-34 – 30.03.2014.

9. Kriege,l H., Renz, M., Schubert, M., Zuefle, A. (2008). Statistical Density Prediction in Traffic. Proceedings of the 2008 SIAM International Conference on Data Mining, 692-703.

10. Markov chain [Electronic source]: URL: https://ru.wikipedia.org/wiki/Цепь_Маркова – 30.03.2014.

11. Floyd–Warshall algorithm [Electronic source]: URL: http://uk.wikipedia.org/wiki/Алгоритм_Флойда_—_Воршелла – 30.03.2014.