Neural Networks in Transportation Research – Recent Applications

Abstract

Summary. Neural networks' (NNs) capability of mapping the nonlinear functions of variables describing the behaviour of objects and the simplicity of designing their configuration favours their applications in transport. This paper presents representative examples in the scope of prediction of road traffic parameters, road traffic control, measurement of road traffic parameters, driver behaviour and autonomous vehicles, and transport policy and economics. The features of the solutions are examined. The review shows that feedforward multilayer neural networks are the most often utilised configurations in transportation research. No systematic approach is reported on the optimisation of the NN configurations to achieve a set level of performance in solving modelling tasks. ZASTOSOWANIE SIECI NEURONOWYCH W BADANIACH W TRANSPORCIE -OSTATNIE OPRACOWANIAStreszczenie. Zdolność sieci neuronowej do odwzorowania nieliniowych zależności między zmiennymi, które opisują zachowanie obiektów, oraz łatwość opracowania efektywnej konfiguracji sprzyjają zastosowaniom ich w transporcie. W artykule przedstawiono reprezentatywne przykłady z zakresu: predykcji parametrów ruchu drogowego, sterowania ruchem drogowym, pomiarów parametrów ruchu, zachowania kierowców i prowadzenia autonomicznych pojazdów, ekonomii i polityki transportowej, oraz omówiono własności proponowanych rozwiązań. Przegląd wskazuje, że najczęściej wybieranymi sieciami neuronowymi są sieci jednokierunkowe wielowarstwowe. Brak jest systematycznego podejścia do optymalizacji konfiguracji sieci w celu osiągnięcia zadanego poziomu dokładności w zadaniach modelowania.

Development of Traffic Volume Forecasting Using Multiple Regression Analysis and Artificial Neural Network

“…ANN shows high level interface adaptation of non-linear processing neuron elements for parallel processing of data through simple way. ANN method avoids detailed mathematical analysis and it is used to overcome non-linearity which is present through input and output variables used to develop the model [34]. This method is also used to learn, to adjust, to generalize, to investigate and to reproduce linear and nonlinear relation between variables etc.…”

ANN Based Optimization Techniques for Transportation Problems: A Review

“…al. [1], 2016, presented a paper on "Neural Networks in transportation Research-Recent Applications". In this paper, the author said that neural networks having the capability of arranging the non-linear functions of all variables and also explain the behavior of objects.…”

Prospects of application of artificial neural networks for forecasting of cargo transportation volume in transport systems

“…Од-нако, они наиболее надежно зарекомендовали себя на уров-не прогнозов логистических систем, имеющих сложившие-ся цепи поставок и определен-ные горизонты их развития, то есть, когда экономическое раз-витие непрерывно и прогноз может быть простой экстрапо-ляцией на основании оценки прошлых показателей деятель-ности логистических систем и их трендов, переносимых в будущее. В случае, когда про-гнозирование должно объ-единить в себе два способа развития транспортно-логис-тических процессов с разно-структурными грузопотоками целых районов -линейный и нелинейный, создавая сце-нарий будущего из сочетания различных вариантов развития выбранных показателей тради-ционные методы недостаточно эффективны, поэтому для про-гнозирования нами предложен метод обучаемых искусствен-ных нейронных сетей, поло-жительно зарекомендовавший себя в как в пронозировании транспортно-логистических процессов [7,8,11], так и в це-лом при решении подобных сложных экономических за-дач прогнозирования [12][13][14][15][16][17][18][19][20][21][22][23][24][25]. Полученные результаты под-тверждают целесообразность применения обучаемых искус-ственных нейронных сетей в случае труднопрогнозируемых показателей на основании име-ющегося временного динами-ческого ряда неравномерного нелинейно меняющегося ха-рактера, апробированного при составлении статистических прогнозов различных эконо-мических систем рядом иссле-дователей [12][13][14][15][16][17][18][19][20][21][22][23][24][25].…”

“…Как отмечено в работах [5,6] ос-новными экстраполятивны-ми методами статистического прогнозировании объемов гру-зовых перевозок традиционно являются: метод экспоненци-ального сглаживания, метод наименьших квадратов, анализ динамических рядов и другие, основанные на выявлении тен-денции (характеристик тенден-ции) на периоде ретроспекции с предположением, что дейс-твующие на периоде ретрос-пекции факторы сохраняются и по своему наличию, и по сво-ей интенсивности проявления, и для периода упреждения. Однако для таких столь труд-нопрогнозируемых, динамич-но изменяющихся показателей как объемы перевозок всех производственных, торговых, транзитных и других грузов в рамках региона в целом, полу-чить достоверные результаты прогноза, даже краткосрочно-го, довольно сложно, учитывая неравномерность грузопотоков во времени и пространстве, следовательно, возникает не-обходимость в их доступной верификации, которая может быть косвенно проведена при сравнении результатов про-гнозирования по нескольким методам [7,8]. Даже в этом случае прямой верификацией можно считать только сравне-ние разработанных прогнозов с практическими данными, которые будут получены толь-ко по окончанию периода уп-реждения [8,9].…”