Виявлення закономірностей міських транспортних потоків за допомогою кластерного аналізу
YAISD-WS 2025 · CEUR Workshop Proceedings 3974, с. 1-9
Стислий огляд дослідження
Стани транспортного потоку групуються за подібністю інтенсивності, мінливості та змін у часі. Адаптивні часові вікна й поєднання HDBSCAN із k-means допомагають відокремити повторювані закономірності від шуму. На змодельованій дорожній мережі Хмельницького метод визначає чотири основні сценарії руху.
Бібліографічне посилання
Формат цитування для вашого видання чи організації звірте із записом у видавця.
Vitaliy Pavlyshyn, Oleksander Ryzhanskyi, Eduard Manziuk, Pavlo Radiuk, Oleksander Barmak, Iurii Krak. "Establishing Patterns of the Urban Transport Flows on Clustering Analysis". YAISD-WS 2025 · CEUR Workshop Proceedings 3974, pp. 1-9, 2025.
Перевірте метод на вашій задачі.
Опишіть рішення, яке має підтримувати ваша система, та дані, з якими вона працює. Оцінимо придатність методу, визначимо обсяг прототипу й погодимо, як перевірити якість, час відповіді та вартість його роботи.