| Název: | Algoritmy v dopravě |
| Další názvy: | Algorithms in Transportation |
| Autoři: | Kolovský, František |
| Datum vydání: | 2022 |
| Nakladatel: | Západočeská univerzita v Plzni |
| Typ dokumentu: | disertační práce |
| URI: | http://hdl.handle.net/11025/50476 |
| Klíčová slova: | dynamické rozvrhování dopravy na síť;uživatelská rovnováha;časově závislé hledání nejkratších cest;křižovatkový model prvního řádu;kalibrace matice přepravních vztahů |
| Klíčová slova v dalším jazyce: | dynamic traffic assignment;dynamic traffic loading;first-order node model;time-dependent shortest path search;user equilibrium;origin-destination matrix estimation |
| Abstrakt: | V posledních letech se stále zvyšuje počet vozidel na silnicích a v ulicích měst. Narůstající počet vozidel způsobuje přetížení komunikací a prodlužování dojezdových času, které se mohou v dopravní špičce až zněkolikanásobit. Dlouhé dojezdové časy způsobují ekonomické ztráty a znepříjemňují život ve velkých městech. Narůstající počet vozidel také způsobuje zvýšení emisí a hluku. Optimalizace v dopravě nabývá na důležitosti a významu. Jedním ze základních kamenů v dopravních optimalizacích jsou analytické dopravní modely. Jejich cílem je odhadovat budoucí dopravní situaci na základě spojitého toku vozidel. Budoucí hodnoty objemu dopravy, počítané těmito dopravními modely, jsou důležitým podkladem pro dlouhodobé a operativní rozhodování, jehož úkolem je optimalizovat aktuální a budoucí dopravu a předcházet dopravním zácpám. Tato práce je zaměřena na analytické dopravní modely, zejména statické přidělování dopravy (Static Traffic Assignment) a dynamické přidělování dopravy (Dynamic Traffic Assignment), které jsou široce využívány v praxi, protože jsou rychlejší než mikrosimulace. Tato práce dále popisuje nově navrženou metodu pro řešení dynamické uživatelské rovnováhy (Dynamic User Equilibrium), makroskopický model pro křižovatky s využitím v dynamickém načítání sítě (Dynamic Network Loading) a vylepšuje algoritmy pro časově závislé hledání nejkratších cest a kalibraci matice přepravních vztahů. |
| Abstrakt v dalším jazyce: | In the last years, the number of vehicles on the roads and in the city streets has been increasing. This growing number of vehicles causes congestion on roads and longer travel times, which can multiply increase during the rush hour. Long travel times cause economic losses and make life in big cities uncomfortable. The increasing number of vehicles also causes increased emissions and noise. Therefore, optimization in transportation is gaining importance and significance. The analytical traffic models are one of the cornerstones of traffic optimization and aim to estimate the future traffic situation based on continuous vehicle flow. The forecasted traffic volumes computed by these models are an important basis for long-term and operational decision-making that tries to optimize the current and future traffic and prevent traffic jams. This work is focused on analytical traffic models, namely static traffic assignment and dynamic traffic assignment that are widely used in practice for their speed compared to microsimulations. This thesis describes a newly proposed solution method for dynamic user equilibrium, macroscopic model of a node for dynamic network loading, and improves the algorithms for time-dependent shortest path problem and origin-destination matrix estimation. |
| Práva: | Plný text práce je přístupný bez omezení |
| Vyskytuje se v kolekcích: | Disertační práce / Dissertations (KGM) |
Soubory připojené k záznamu:
| Soubor | Popis | Velikost | Formát | |
|---|---|---|---|---|
| disertace_hyperref.pdf | Plný text práce | 3,68 MB | Adobe PDF | Zobrazit/otevřít |
| posudky-odp-kolovsky.pdf | Posudek oponenta práce | 335,31 kB | Adobe PDF | Zobrazit/otevřít |
| protokol-odp-kolovsky.pdf | Průběh obhajoby práce | 312,88 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/50476Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.