Lühiajaline liikluse prognoosimine, kasutades taksoandmetel graafilisi närvivõrke
Nimi
Pavlo Pyvovar
Kokkuvõte
Liikluse prognoosimise ülesanne seisneb linna liiklusolukorra ennustamises teatud tuleviku aegadeks. Täpsed liiklusennustused on olulised ummikute ennetamiseks, mis halvendavad märkimisväärselt elukvaliteeti linnas, ja efektiivsemate liikuvusteenuste pakkumiseks, mis võimaldavad linnaelanikel paremini liigelda. Masinõppel põhinevaid meetodeid on liikluse prognoosmise ülesandeks varem laialdaselt rakendatud. Hiljuti on hakatud rohkem rakendama graaf-närvivõrkudel põhinevaid lahendusi. Käesolevas töös rakendatakse graaf-närvivõrke liikuvusettevõtte Bolt poolt jagatud andmetele. Töös näidatakse, et meie poolt arendatud graaf-närvivõrkudel põhinev implementatsioon suudab õppida hooajalisust, kuid võrreldes traditsioonilisemate masinõppe meetoditega, ei anna paremaid tulemusi. Seega, et rakendada graaf-närvivõrkudel põhinevaid lahendusi praktikas, on vaja teha täiendavat tööd.
Lõputöö keel
inglise
Lõputöö tüüp
Magister - Informaatika
Juhendaja(d)
Amnir Hadachi, Joonas Puura
Kaitsmise aasta
2024