Розроблення моделі нейронної мережі для прогнозування дорожньо-транспортних пригод

dc.citation.epage50
dc.citation.issue907
dc.citation.journalTitleВісник Національного університету “Львівська політехніка”. Серія: Автоматика, вимірювання та керування
dc.citation.spage44
dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.contributor.affiliationЛьвівський державний університет безпеки життєдіяльності
dc.contributor.affiliationКраківська політехніка ім. Тадеуша Костюшка
dc.contributor.authorДзелендзяк, У. Ю.
dc.contributor.authorСамотий, В. В.
dc.contributor.authorПелех, О. М.
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.date.accessioned2020-03-06T09:53:59Z
dc.date.available2020-03-06T09:53:59Z
dc.date.created2018-02-18
dc.date.issued2018-02-18
dc.description.abstractРозроблено систему для аналізу чинників, що впливають на виникнення дорожньо-транспортних пригод (ДТП), за допомогою інструментів та бібліотек мови Python. Використовуючи досліджені чинники, розроблено та досліджено нейронну мережу для прогнозування можливості виникнення ДТП. На основі спроектованої нейронної мережі розроблено веб-платформу для автоматичного прогнозування можливості виникнення ДТП та візуального відображення обчислених ризиків на найближчу добу.
dc.description.abstractThe system for factor analysis, which makes influence on road accidents appearance has been developed using Python language tools and libraries. Using investigated factors the neural network for possibility of road accident forecasting has been developed and created. Based on designed neural network the web platform for automatic forecasting of road acсidents possibility appearance and visual reflection of calculated risks for the next day has been created.
dc.format.extent44-50
dc.format.pages7
dc.identifier.citationДзелендзяк У. Ю. Розроблення моделі нейронної мережі для прогнозування дорожньо-транспортних пригод / У. Ю. Дзелендзяк, В. В. Самотий, О. М. Пелех // Вісник Національного університету “Львівська політехніка”. Серія: Автоматика, вимірювання та керування. — Львів : Видавництво Львівської політехніки, 2018. — № 907. — С. 44–50.
dc.identifier.citationenDzelendziak U. Iu. Rozroblennia modeli neironnoi merezhi dlia prohnozuvannia dorozhno-transportnykh pryhod / U. Iu. Dzelendziak, V. V. Samotii, O. M. Pelekh // Visnyk Natsionalnoho universytetu "Lvivska politekhnika". Serie: Avtomatyka, vymiriuvannia ta keruvannia. — Lviv : Vydavnytstvo Lvivskoi politekhniky, 2018. — No 907. — P. 44–50.
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/46943
dc.language.isouk
dc.publisherВидавництво Львівської політехніки
dc.relation.ispartofВісник Національного університету “Львівська політехніка”. Серія: Автоматика, вимірювання та керування, 907, 2018
dc.relation.references1. Адресний реєстр Львова – Відкриті дані Львова [Електронний ресурс] // ЛКП “Міський центр інформаційних технологій”. 2018. Режим доступу: https://opendata.city-adm.lviv.ua/dataset/adreslviv.
dc.relation.references2. Інформація про ДТП 2015 [Електронний ресурс] // Портал відкритих даних Львова. – 2016. Режим доступу: https://opendata.city-adm.lviv.ua/dataset/dtp2015.
dc.relation.references3. Мікрорайони Львова – Набори даних – Відкриті дані Львова [Електронний ресурс] // КУ Інститут міста. –2018. – Режим доступу: https://opendata.city-adm.lviv.ua/dataset/mikrorayony-lvova.
dc.relation.references4. Названі області, в яких частіше гинуть люди під час ДТП [Електронний ресурс] // Опендатабот. – 2018. Режим доступу: https://opendatabot.ua/blog/193-dtp-regions.
dc.relation.references5. Dark Sky API: Documentation Overview [Електронний ресурс] // The Dark Sky Company, LLC – Режим доступу: https://darksky.net/dev/docs.
dc.relation.references6. Death on the roads [Електронний ресурс] // http://roads.live.kiln.digital/. – 2015. Режим доступу: World Health Organization.
dc.relation.references7. Hernandez III. A Python wrapper for the forecast. io API [Електронний ресурс] / Hernandez III. – 2017. – Режим доступу: https://github.com/bitpixdigital/forecastiopy3.
dc.relation.references8. How Do Weather Events Impact Roads? [Електронний ресурс] // Federal Highway Administration. – 2018. Режим доступу: https://ops.fhwa.dot.gov/weather/q1_roadimpact.htm.
dc.relation.references9. Measuring the contribution of randomness, exposure, weather, and daylight to the variation in road accident counts / E. Hermans, T. Brijs, T. Stiers, C. Offermans. // Accident Analysis & Prevention. – 1995. – № 27. – С. 1–20.
dc.relation.references10. Python Data Analysis Library [Електронний ресурс]. – 2018. – Режим доступу: https://pandas.pydata.org/.
dc.relation.references11. Rural road safety – overview of crash statistics / M. Symmons, N. Haworth та I. Johnston // Monash University Accident Research Centre – 2014.
dc.relation.references12. Statistics of fatal and injury road accidents in Lithuania, 2013–2016 / Lithuanian Road Administration – 2017.
dc.relation.references13. Symmons M. Rural road safety - overview of crash statistics / M. Symmons, N. Rizenbergs, I. Johnston. – Melbourne: Monash University Accident Research Centre, 2014.
dc.relation.references14. Welcome to GeoPy’s documentation! [Електронний ресурс] // GeoPy Contributors. – 2018. Режим доступу: https://geopy.readthedocs.io/en/stable/.
dc.relation.referencesen1. Adresnyi reiestr Lvova – Vidkryti dani Lvova [Electronic resource], LKP "Miskyi tsentr informatsiinykh tekhnolohii". 2018. Access mode: https://opendata.city-adm.lviv.ua/dataset/adreslviv.
dc.relation.referencesen2. Informatsiia pro DTP 2015 [Electronic resource], Portal vidkrytykh danykh Lvova, 2016. Access mode: https://opendata.city-adm.lviv.ua/dataset/dtp2015.
dc.relation.referencesen3. Mikroraiony Lvova – Nabory danykh – Vidkryti dani Lvova [Electronic resource], KU Instytut mista. –2018, Access mode: https://opendata.city-adm.lviv.ua/dataset/mikrorayony-lvova.
dc.relation.referencesen4. Nazvani oblasti, v yakykh chastishe hynut liudy pid chas DTP [Electronic resource], Opendatabot, 2018. Access mode: https://opendatabot.ua/blog/193-dtp-regions.
dc.relation.referencesen5. Dark Sky API: Documentation Overview [Electronic resource], The Dark Sky Company, LLC – Access mode: https://darksky.net/dev/docs.
dc.relation.referencesen6. Death on the roads [Electronic resource], http://roads.live.kiln.digital/, 2015. Access mode: World Health Organization.
dc.relation.referencesen7. Hernandez III. A Python wrapper for the forecast. io API [Electronic resource], Hernandez III, 2017, Access mode: https://github.com/bitpixdigital/forecastiopy3.
dc.relation.referencesen8. How Do Weather Events Impact Roads? [Electronic resource], Federal Highway Administration, 2018. Access mode: https://ops.fhwa.dot.gov/weather/q1_roadimpact.htm.
dc.relation.referencesen9. Measuring the contribution of randomness, exposure, weather, and daylight to the variation in road accident counts, E. Hermans, T. Brijs, T. Stiers, C. Offermans., Accident Analysis & Prevention, 1995, No 27, P. 1–20.
dc.relation.referencesen10. Python Data Analysis Library [Electronic resource], 2018, Access mode: https://pandas.pydata.org/.
dc.relation.referencesen11. Rural road safety – overview of crash statistics, M. Symmons, N. Haworth ta I. Johnston, Monash University Accident Research Centre – 2014.
dc.relation.referencesen12. Statistics of fatal and injury road accidents in Lithuania, 2013–2016, Lithuanian Road Administration – 2017.
dc.relation.referencesen13. Symmons M. Rural road safety - overview of crash statistics, M. Symmons, N. Rizenbergs, I. Johnston, Melbourne: Monash University Accident Research Centre, 2014.
dc.relation.referencesen14. Welcome to GeoPy’s documentation! [Electronic resource], GeoPy Contributors, 2018. Access mode: https://geopy.readthedocs.io/en/stable/.
dc.relation.urihttps://opendata.city-adm.lviv.ua/dataset/adreslviv
dc.relation.urihttps://opendata.city-adm.lviv.ua/dataset/dtp2015
dc.relation.urihttps://opendata.city-adm.lviv.ua/dataset/mikrorayony-lvova
dc.relation.urihttps://opendatabot.ua/blog/193-dtp-regions
dc.relation.urihttps://darksky.net/dev/docs
dc.relation.urihttp://roads.live.kiln.digital/
dc.relation.urihttps://github.com/bitpixdigital/forecastiopy3
dc.relation.urihttps://ops.fhwa.dot.gov/weather/q1_roadimpact.htm
dc.relation.urihttps://pandas.pydata.org/
dc.relation.urihttps://geopy.readthedocs.io/en/stable/
dc.rights.holder© Національний університет “Львівська політехніка”, 2018
dc.rights.holder© Дзелендзяк У. Ю., Самотий В. В., Пелех О. М., 2018
dc.subjectштучна нейронна мережа
dc.subjectрегресійна модель
dc.subjectбагатошаровий перцептрон
dc.subjectвеб-платформа
dc.subjectдорожньо-транспортні пригоди
dc.subjectartificial neural network
dc.subjectregression model
dc.subjectmultilayer perceptron
dc.subjectweb platform
dc.subjectroad accidents
dc.subject.udc004.93
dc.titleРозроблення моделі нейронної мережі для прогнозування дорожньо-транспортних пригод
dc.typeArticle

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2018n907_Dzelendziak_U_Iu-Rozroblennia_modeli_44-50.pdf
Size:
817.85 KB
Format:
Adobe Portable Document Format
Thumbnail Image
Name:
2018n907_Dzelendziak_U_Iu-Rozroblennia_modeli_44-50__COVER.png
Size:
373.64 KB
Format:
Portable Network Graphics

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.99 KB
Format:
Plain Text
Description: