Národní úložiště šedé literatury Nalezeno 5 záznamů.  Hledání trvalo 0.01 vteřin. 
Porovnání technologií pro detekci průjezdu vozidla na vozovce
Mareková, Martina ; Frolka, Jakub (oponent) ; Krajsa, Ondřej (vedoucí práce)
Systém pre detekciu vozidiel a meranie rýchlosti je dôležitou súčasťou v analýze dopravy, rovnako ako v poskytovaní údajov pre inteligentné a automatizované dopravné značenia. Technológie sa rozdeľujú na dva druhy, a to intruzívne a neintruzívne metódy. Tradičné meranie dopravnej situácie je založené na technológií indukčných slučiek. Táto metóda je intruzívnou, teda vyžaduje zásah do vozovky a vyššiu náročnosť na jej údržbu. Neintruzívnymi metódami, medzi ktoré radíme video analýzu, mikrovlnne radary, geomagnetické radary, vážiace senzory a laserové snímače sa vyhýbame týmto problémom, avšak sú to drahšie alternatívy. Implementáciou radarov boli vykonané merania na úsekoch vozovky, na základe ktorých bol zobrazený výstup z mikrovlnných, vážiacich senzorov a indukčných slučiek. Stretávame sa spracovanými a nespracovanými výstupnými dátami senzorov, pre ktoré je vytvorené programové riešenie pre sledovanie priebehu merania senzorom alebo priame meranie presnosti spracovaných dát v porovnaní s konkurenčnými technológiami. Výsledky meraní ukázali, že efektívnosť jednotlivých implementovaných senzorov je dostatočná pre využitie v analýze dopravy. Rovnako ako je vhodná implementácia mikrovlnných radarov a videokamier pre analýzu videa ako náhradu konvenčnej metódy indukčných slučiek.
Klasifikace vozidel na základě odezvy indukčních senzorů
Halachkin, Aliaksei ; Klečka, Jan (oponent) ; Honec, Peter (vedoucí práce)
Táto práce se věnuje klasifikaci vozidel na základě odezvy indukčních senzorů. Během práci byla vytvořená anotovaná databáze vozidel obsahující vice něž 11000 tisíc záznamů z indukčních senzorů. Byli vyzkoušený různé klasifikační metody a jejich optimalizací. Za finální klasifikační model byla zvolená metoda založená na kombinaci k-nejbližších sousedů a logistické regresi –- lokálně vážená logistická regrese, která dosahuje úspěšnosti 94 \% pro 9 třid vozidel. Klasifikátor byl implementován v C++.
Porovnání technologií pro detekci průjezdu vozidla na vozovce
Mareková, Martina ; Frolka, Jakub (oponent) ; Krajsa, Ondřej (vedoucí práce)
Systém pre detekciu vozidiel a meranie rýchlosti je dôležitou súčasťou v analýze dopravy, rovnako ako v poskytovaní údajov pre inteligentné a automatizované dopravné značenia. Technológie sa rozdeľujú na dva druhy, a to intruzívne a neintruzívne metódy. Tradičné meranie dopravnej situácie je založené na technológií indukčných slučiek. Táto metóda je intruzívnou, teda vyžaduje zásah do vozovky a vyššiu náročnosť na jej údržbu. Neintruzívnymi metódami, medzi ktoré radíme video analýzu, mikrovlnne radary, geomagnetické radary, vážiace senzory a laserové snímače sa vyhýbame týmto problémom, avšak sú to drahšie alternatívy. Implementáciou radarov boli vykonané merania na úsekoch vozovky, na základe ktorých bol zobrazený výstup z mikrovlnných, vážiacich senzorov a indukčných slučiek. Stretávame sa spracovanými a nespracovanými výstupnými dátami senzorov, pre ktoré je vytvorené programové riešenie pre sledovanie priebehu merania senzorom alebo priame meranie presnosti spracovaných dát v porovnaní s konkurenčnými technológiami. Výsledky meraní ukázali, že efektívnosť jednotlivých implementovaných senzorov je dostatočná pre využitie v analýze dopravy. Rovnako ako je vhodná implementácia mikrovlnných radarov a videokamier pre analýzu videa ako náhradu konvenčnej metódy indukčných slučiek.
Vehicle Classification Using Inductive Loops Sensors
Halachkin, Aliaksei
This project is dedicated to the problem of vehicle classification using inductive loop sensors. Developed classifier is based on nearest neighbors and logistic regression models and achieves 94 % accuracy on classification scheme with 9 vehicle classes.
Klasifikace vozidel na základě odezvy indukčních senzorů
Halachkin, Aliaksei ; Klečka, Jan (oponent) ; Honec, Peter (vedoucí práce)
Táto práce se věnuje klasifikaci vozidel na základě odezvy indukčních senzorů. Během práci byla vytvořená anotovaná databáze vozidel obsahující vice něž 11000 tisíc záznamů z indukčních senzorů. Byli vyzkoušený různé klasifikační metody a jejich optimalizací. Za finální klasifikační model byla zvolená metoda založená na kombinaci k-nejbližších sousedů a logistické regresi –- lokálně vážená logistická regrese, která dosahuje úspěšnosti 94 \% pro 9 třid vozidel. Klasifikátor byl implementován v C++.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.