Přehled a využití metod umělé inteligence pro optimalizaci v dopravních sítích

Štefka, Daniel

Přehled a využití metod umělé inteligence pro optimalizaci v dopravních sítích

DSpace Repository

Language: English čeština

Přehled a využití metod umělé inteligence pro optimalizaci v dopravních sítích

dc.contributor.advisor	Hrabec, Dušan
dc.contributor.author	Štefka, Daniel
dc.date.accessioned	2025-12-10T23:09:57Z
dc.date.available	2025-12-10T23:09:57Z
dc.date.issued	2024-10-27
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/57913
dc.description.abstract	Silniční infrastruktura řady měst je v dnešní době vybavena detektory provozu. Efektivní využití historických dat z těchto detektorů pro předpověď dopravy umožňuje reagovat na problémy dříve, než nastanou a například zmírnit závažnost předpovídaných kolon nebo jim zabránit úplně. Cílem práce je vytvořit predikční model pro řadu křižovatek ve městě Hradec Králové. Práce se zabývá zpracováním a čištěním historických dat z vybraných křižovatek, analýzou těchto dat za účelem získání přehledu o problému a následným trénováním několika různých predikčních modelů. Tyto modely jsou nakonec mezi sebou porovnány, jak statisticky, tak vizuálně, podle jejich schopnosti předpovídat budoucí provoz až jednu hodinu dopředu.
dc.format	70
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	předpověď dopravy	cs
dc.subject	umělá inteligence	cs
dc.subject	hluboké učení	cs
dc.subject	analýza dat	cs
dc.subject	LibCity	cs
dc.subject	traffic forecasting	en
dc.subject	artificial intelligence	en
dc.subject	deep learning	en
dc.subject	data analysis	en
dc.subject	LibCity	en
dc.title	Přehled a využití metod umělé inteligence pro optimalizaci v dopravních sítích
dc.title.alternative	Overview and Application of Artificial Intelligence Methods for Optimization in Transport Networks
dc.type	bakalářská práce	cs
dc.contributor.referee	Ulrich, Adam
dc.date.accepted	2025-06-17
dc.description.abstract-translated	The road infrastructure of many cities is now equipped with traffic detectors. Effective use of historical data from these detectors for traffic forecasting lets us react to problems before they occur and, for example, mitigate the severity of predicted traffic jams or avoid them altogether. The aim of this work is to develop a prediction model for several intersections in the city of Hradec Králové. The work deals with processing and cleaning historical data from selected intersections, analyzing this data to gain insight into the problem and training several different prediction models. Finally, these models are compared with each other, both statistically and visually, according to their ability to predict future traffic up to one hour ahead.
dc.description.department	Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline	Softwarové inženýrství	cs
dc.thesis.degree-discipline	Software Engineering	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Bc.
dc.thesis.degree-program	Softwarové inženýrství	cs
dc.thesis.degree-program	Software Engineering	en
dc.identifier.stag	70405
dc.date.submitted	2025-05-29