Πρόβλεψη κυκλοφοριακής ροής αυτοκινήτων με χρήση επαναληπτικών νευρωνικών δικτύων

Κολαΐτης, Άγγελος; Kolaitis, Angelos

dc.contributor.author	Κολαΐτης, Άγγελος	el
dc.contributor.author	Kolaitis, Angelos	en
dc.date.accessioned	2020-12-02T09:45:05Z
dc.date.available	2020-12-02T09:45:05Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/52162
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.19860
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Μηχανική Μάθηση	el
dc.subject	Τεχνητά νευρωνικά δίκτυα	el
dc.subject	Επαναληπτικά νευρωνικά δίκτυα	el
dc.subject	Ευφυή συστήματα διαχείρισης κίνησης	el
dc.subject	Ανίχνευση έκτοπων τιμών	el
dc.subject	Machine learning	en
dc.subject	Artificial neural networks	en
dc.subject	Recurrent neural networks	en
dc.subject	Intelligent traffic management systems	en
dc.subject	Outlier detection	en
dc.title	Πρόβλεψη κυκλοφοριακής ροής αυτοκινήτων με χρήση επαναληπτικών νευρωνικών δικτύων	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.classification	Machine Learning	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2020-10-14
heal.abstract	Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός ευφυούς συ- στήματος πρόβλεψης και ελέγχου του όγκου της κίνησης οχημάτων, όπως αυτή παρατη- ρείται στους διάφορους σταθμούς μέτρησης ενός αυτοκινητόδρομου. Για τις ανάγκες της εργασίας χρησιμοποιήθηκαν δεδομένα κίνησης που συλλέχθηκαν από την εταιρία παρα- χώρησης αυτοκινητοδρόμων ΟΛΥΜΠΙΑ ΟΔΟΣ Α.Ε. κατά το έτος 2018. Πιο συγκεκριμένα, η εργασία επικεντρώνεται σε τρεις βασικούς άξονες. Αρχικά, λαμ- βάνονται τα πρωτογενή δεδομένα κίνησης από τους αισθητήρες μέτρησης και μετατρέπο- νται σε μία αξιοποιήσιμη συλλογή δεδομένων. Στη συνέχεια, δοκιμάζονται αρχιτεκτονικές μοντέλων μηχανικής μάθησης ικανών να πραγματοποιήσουν αξιόπιστες προβλέψεις του επιπέδου της κίνησης και συγκρίνεται η επιτυχία τους σε άγνωστα δεδομένα κίνησης. Τέλος, αναπτύσσεται ένα σύστημα ανίχνευσης έκτοπων τιμών για την συλλογή δεδομένων που κατασκευάστηκε, και γίνονται δοκιμές για την επιτυχία του σε άγνωστα δεδομένα. Για την πρόβλεψη της κίνησης, χρησιμοποιούνται αρχιτεκτονικές νευρωνικών δικτύων που βασίζονται σε βαθιά και επαναληπτικά νευρωνικά δίκτυα. Για την ανίχνευση έκτοπων τιμών, χρησιμοποιούνται Ιsolations Forests και μηχανές διανυσμάτων υποστήριξης μίας κλάσης σε μετασχηματισμούς χρονικού παραθύρου των δεδομένων.	el
heal.advisorName	Σταφυλοπάτης, Ανδρέας - Γεώργιος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	81 σ.	el
heal.fullTextAvailability	false