توضیحات
Written by an international team of researchers, this book focuses on traffic information processing and signal control using emerging types of traffic data. It conveys advanced methods to estimate and predict traffic flows at different levels, including macroscopic, mesoscopic and microscopic. The aim of these predictions is to optimize traffic signal control for intersections and to mitigate ever-growing traffic congestion.
The book begins with an introduction to the topic, its fundamental principles and recent developments. The first part of the book then covers the estimation and prediction of the traffic flow state based on emerging detailed data sources. Coverage in this section includes traffic analytics with online web data; macroscopic traffic performance indicators based on floating car data; short-term travel time prediction by deep learning a comparison of different LSTM-DNN models; short-term traffic prediction under disruptions using deep leaning; real time demand based traffic diversion; game theoretic lane change strategy for cooperative vehicles under perfect information; and cooperative driving and a lane change-free road transportation system.
The second part focuses on traffic signal control optimization, explaining how to use improved data and advanced tools for better signal control. Chapters include urban traffic control systems; algorithms and models for signal coordination; emerging technologies to enhance traffic signal coordination practices; control for short-distance intersections; and multi-day evaluation of adaptive traffic signal system based on license plate recognition detector data.
A valuable resource for researchers and engineers working in the field of traffic information and control, and intelligent transport systems, Traffic Information and Control offers an overview of recent research and practical approaches to optimising traffic signal control.
————————————————————–
ترجمه ماشینی :
این کتاب که توسط یک تیم بین المللی از محققان نوشته شده است، بر پردازش اطلاعات ترافیک و کنترل سیگنال با استفاده از انواع داده های ترافیکی در حال ظهور تمرکز دارد. این روشهای پیشرفته را برای تخمین و پیشبینی جریانهای ترافیکی در سطوح مختلف، از جمله ماکروسکوپی، مزوسکوپی و میکروسکوپی، انتقال میدهد. هدف از این پیشبینیها بهینهسازی کنترل سیگنال ترافیک برای تقاطعها و کاهش تراکم ترافیک در حال رشد است.
کتاب با مقدمهای بر موضوع، اصول اساسی آن و پیشرفتهای اخیر آغاز میشود. بخش اول کتاب سپس تخمین و پیشبینی وضعیت جریان ترافیک را بر اساس منابع داده دقیق در حال ظهور پوشش میدهد. پوشش در این بخش شامل تجزیه و تحلیل ترافیک با داده های وب آنلاین است. شاخص های عملکرد ترافیک کلان بر اساس داده های شناور خودرو. پیش بینی زمان سفر کوتاه مدت با یادگیری عمیق مقایسه مدل های مختلف LSTM-DNN. پیش بینی ترافیک کوتاه مدت تحت اختلالات با استفاده از تمایل عمیق. انحراف ترافیک مبتنی بر تقاضا در زمان واقعی. استراتژی تغییر خط نظری بازی برای وسایل نقلیه تعاونی تحت اطلاعات کامل. و رانندگی مشارکتی و یک سیستم حملونقل جادهای بدون تغییر خط.
بخش دوم بر بهینهسازی کنترل علائم ترافیکی تمرکز دارد و نحوه استفاده از دادههای بهبودیافته و ابزارهای پیشرفته برای کنترل بهتر سیگنال را توضیح میدهد. فصل ها شامل سیستم های کنترل ترافیک شهری است. الگوریتم ها و مدل های هماهنگی سیگنال. فناوری های نوظهور برای تقویت شیوه های هماهنگی سیگنال های ترافیکی؛ کنترل تقاطع های مسافت کوتاه؛ و ارزیابی چند روزه سیستم سیگنال ترافیک تطبیقی بر اساس دادههای آشکارساز تشخیص پلاک خودرو.
یک منبع ارزشمند برای محققان و مهندسان فعال در زمینه اطلاعات و کنترل ترافیک و سیستمهای حمل و نقل هوشمند، اطلاعات و کنترل ترافیک مروری بر تحقیقات اخیر و رویکردهای عملی برای بهینه سازی کنترل علائم ترافیکی ارائه می دهد.
tag : دانلود کتاب اطلاعات و کنترل ترافیک , Download اطلاعات و کنترل ترافیک , دانلود اطلاعات و کنترل ترافیک , Download Traffic Information and Control Book , اطلاعات و کنترل ترافیک دانلود , buy اطلاعات و کنترل ترافیک , خرید کتاب اطلاعات و کنترل ترافیک , دانلود کتاب Traffic Information and Control , کتاب Traffic Information and Control , دانلود Traffic Information and Control , خرید Traffic Information and Control , خرید کتاب Traffic Information and Control ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.