Transport Technologies. – 2022. – Vol. 3, No. 2

Permanent URI for this collectionhttps://ena.lpnu.ua/handle/ntb/57286

Журнал створено у 2020 році у Національному університеті «Львівська політехніка». Періодичність видання двічі на рік. Випуск номерів журналу здійснюється англійською мовою.

Transport Technologies. – Lviv : Lviv Politechnic Publishing House, 2022. – Volume 3, number 2. – 107 p. : il.

Зміст

1. Budzyński A., Sładkowski A. Прогнозування споживання палива різними видами транспорту з використанням машинного навчання	1
2. Kotenko V. Застосування алгоритмічних моделей машинного навчання до процесу перевезення вантажів	10
3. Zhuk M., Pivtorak H., Gits I., Kozak M. Застосування байєсівських мереж для оцінки ймовірності пересадки на зупинці громадського транспорту	22
4. Nykonchuk V., Samoilyk I., Pashkevych S. Дослідження специфіки розвитку міжнародних морських контейнерних перевезень	33
5. Afonin M., Postranskyy M. Закономірності зміни акустичних характеристик на прямих відрізках ліній громадського транспорту	41
6. Mateichyk V., Śmieszek M., Kostian N. Оцінювання конфігурацій транспортної системи за індикаторами ефективності	52
7. Postranskyy T., Khoreva K. Вплив частки дозвільного сигналу світлофорного регулювання на тривалості транспортних затримок	63
8. Kindratskyy B., Litvin R. Вплив тертя між елементами двомасового маховика на коливальні явища у трансмісії автомобіля	72
9. Karoń G., Janecki R., Mikulski J. Обрані проблеми методології системного інжинирінгу у проєктуванні транспортних систем	85
10. Authors	102
11. Contents	107

Content (Vol. 3, No 2)

1. Budzyński A., Sładkowski A. Forecasting fuel consumption in means of transport with the use of machine learning	1
2. Kotenko V. Application of algorithmic models of machine learning to the freight transportation process	10
3. Zhuk M., Pivtorak H., Gits I., Kozak M. Application of bayesian networks to estimate the probability of a transfer at a public transport stop	22
4. Nykonchuk V., Samoilyk I., Pashkevych S. Research of the specificity of the development of international sea container transportation	33
5. Afonin M., Postranskyy M. Patterns of changes in the acoustic characteristics on public transport linear segments	41
6. Mateichyk V., Śmieszek M., Kostian N. Evaluation of transport system configuration by efficiency indicators	52
7. Postranskyy T., Khoreva K. The influence of the traffic light`s permissive signal share on the duration of traffic delays	63
8. Kindratskyy B., Litvin R. The influence of friction between elements of dual-mass flywheel on oscillatory phenomena in a car transmission	72
9. Karoń G., Janecki R., Mikulski J. Selected issues of systems engineering methodology in the design of transport systems	85
10. Authors	102
11. Contents	107

Browse

Now showing 1 - 1 of 1

Evaluation of transport system configuration by efficiency indicators
(Видавництво Львівської політехніки, 2022-03-01) Mateichyk, Vasyl; Śmieszek, Miroslaw; Kostian, Nataliia; Cherkasy State Technological University; Rzeszow University of Technology
Робота присвячена процесу оцінювання ефективності транспортної системи в умовах міської мобільності. Підхід базується на використанні системи індикаторів ефективності із застосуванням нейрокомп’ютерних технологій. Запропоновано узагальнені моделі для отримання вектору індикаторів ефективності та інтегрального індикатору ефективності у вигляді комп’ютерних нейронних мереж. Показано, що для фіксації факту падіння значень індикаторів до порогового та нижче достатньо застосовувати нейронну мережу, побудовану на перцептронних нейронах. Багатошарова модель для визначення інтегрального індикатора дозволяє оцінити важливість окремо взятих індикаторів у складі системи моніторингу ефективності заданої конфігурації транспортної системи. Проведено експериментальне дослідження двадцяти п’яти станів транспортної системи різних конфігурацій в містах Польщі та України. Визначено ключові індикатори ефективності системи, а саме, індикатор енергоефективності транспортного засобу як елементу системи, індикатор екологічності та індикатор безпеки руху. Виходячи з результатів експериментального дослідження запропоновано структуру нейронної мережі для оцінювання енергоефективності заданих конфігурацій транспортної системи. З метою навчання та тестування отриманої мережі було використано процедуру коригування порогового значення функції активації та нормалізацію значень масиву вхідних параметрів транспортної системи. Реалізацію побудованої мережі здійснено із використанням Visual Studio 2019 із застосуванням мови C++. Виконано налаштування мережі на визначення оцінки енергоефективності з заданою точністю шляхом заміни перцептронного нейрону на звичайний з сигмоїдальною функцією активації. Випадковий характер вибору конфігурації та початкових значень вагових коефіцієнтів дозволив отримати модель з точністю реалізації на контрольній вибірці в діапазоні від 90 до 98.7 % при швидкості навчання 0.1.