Learning Fuzzy Cognitive Map for traffic prediction using an evolutionary algorithm
PBN-AR
Instytucja
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej (Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Książka
Tytuł książki
Multimedia Communications, Services and Security. 8th international conference, MCSS 2015 : Krakow, Poland, November 24, 2015 : proceedings
Data publikacji
2015
ISBN
978-3-319-26403-5
Wydawca
Springer International Publishing
Publikacja
Główny język publikacji
EN
Tytuł rozdziału
Learning Fuzzy Cognitive Map for traffic prediction using an evolutionary algorithm
Rok publikacji
2015
Strony (od-do)
195--209
Numer rozdziału
Link do pełnego tekstu
Identyfikator DOI
Liczba arkuszy
1.07
Hasło encyklopedyczne
Autorzy
(liczba autorów: 2)
Słowa kluczowe
EN
evolutionary algorithm
ITS
traffic prediction
Fuzzy Cognitive Maps
Konferencja
Indeksowana w Scopus
tak
Indeksowana w Web of Science Core Collection
tak
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
MCSS 2015
Nazwa konferencji
Multimedia Communications, Services and Security : 8th international conference
Początek konferencji
2015-11-24
Koniec konferencji
2015-11-24
Lokalizacja konferencji
Kraków
Kraj konferencji
PL
Lista innych baz czasopism i abstraktów w których była indeksowana
Streszczenia
Język
EN
Treść
The motivation for the presented work was the need for solution allowing efficient estimation of traffic parameters in based on sparse measurements covering a small fraction road segments within large urban road network. The solution was intended to be deployed within the Dynamic Map, an important component of the INSIGMA system used for route planning and traffic control. We have chosen to base the estimation model on Fuzzy Cognitive Maps (FCM) formalism and apply an Evolutionary Algorithm to learn the model parameters. The main argument in favor of FCM is their simplicity and the speed of calculations that can be required for real-time updates of traffic parameters. This paper discusses a novel evolutionary algorithm for FCM learning and demonstrates feasibility and efficiency of such approach by giving results of tests performed on road networks of various size.
Cechy publikacji
chapter-in-a-book
peer-reviewed
Inne
System-identifier
idp:094541
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych