Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/41884| Назва: | Аналіз інформаційних технологій в транспортних системах "Розумних міст" |
| Інші назви: | Analysis of Information Technologies in Transport Systems of "Smart Cities" |
| Автори: | Герман, Віктор Андрійович Herman, Viktor Andriiovych |
| Приналежність: | ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна |
| Бібліографічний опис: | Герман В. А. Аналіз інформаційних технологій в транспортних системах "Розумних міст" : кваліфікаційна робота освітнього рівня „Бакалавр“ „126 — інформаційні системи та технології“ / В. А. Герман. — Тернопіль : ТНТУ, 2023. — 45 с. |
| Дата публікації: | 24-чер-2023 |
| Дата подання: | 7-чер-2023 |
| Дата внесення: | 26-чер-2023 |
| Країна (код): | UA |
| Місце видання, проведення: | ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна |
| Науковий керівник: | Липак, Галина Ігорівна |
| Члени комітету: | Стоянов, Юрій Миколайович |
| УДК: | 004.9 |
| Теми: | аналітика даних data analytics великі дані big data геоінформація geoinformation глибоке навчання deep learning машинне навчання machine learning розумне місто smart city транспорт transportation штучний інтелект artificial intelligence |
| Короткий огляд (реферат): | Кваліфікаційна робота присв’ячена аналізу інформаційних технологій в транспортних системах «Розумних міст». Початкова концепція «розумних міст» була визнана основою, яка базується на досягненнях у галузі ІКТ для вирішення задач урбанізації. Громадяни все частіше використовують інформаційно-технологічні платформи «розумних міст» різними способами, наприклад, мобільні пристрої, підключені автомобілі, розумні будинки. В першому розділі кваліфікаційної роботи розглянуто «розумні міста» і сучасні інформаційні та комунікаційні технології. Подано опис застосованих методів аналізу. Проведено аналітичний огляд транспортної галузі «розумних міст». В другому розділі кваліфікаційної роботи освітнього рівня «Бакалавр» проаналізовано геоінформаційні системи та технології для «розумного» транспорту. Розглянуто збір і джерела геоінформаційних даних. Подано опис аналітики транспортних даних. Проаналізовано інформаційні технології великих даних та «розумний» транспорт. Виконано аналіз ML для транспортних систем «розумних міст». The qualification work is devoted to the analysis of information technologies in the transport systems of "Smart Cities". The initial concept of "smart cities" has been recognized as a basis based on advances in the field of ICT to solve the problems of urbanization. Citizens increasingly use information technology platforms of "smart cities" in various ways, for example, mobile devices, connected cars, smart homes. In the first section of the qualification work, "smart cities" and modern information and communication technologies are considered. A description of the applied analysis methods is given. An analytical review of the transport industry of "smart cities" was carried out. In the second section of the qualifying work of the "Bachelor" educational level, geo-information systems and technologies for "smart" transport are analyzed. The collection and sources of geoinformation data are considered. A description of transport data analytics is given. The information technologies of big data and "smart" transport are analyzed. Performed ML analysis for smart city transportation systems. |
| Зміст: | ВСТУП 7 РОЗДІЛ 1. СТАН ТА ПЕРСПЕКТИВИ ДОСЛІДЖЕНЬ В ЦАРИНІ ТРАНСПОРТНИХ СИСТЕМ РОЗУМНИХ МІСТ 9 1.1 «Розумні міста» і сучасні інформаційні та комунікаційні технології 9 1.2 Опис застосованих методів аналізу 16 1.3 Аналітичний огляд транспортної галузі «розумних міст» 20 1.4 Висновок до першого розділу 23 РОЗДІЛ 2. АНАЛІЗ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ В ТРАНСПОРТНИХ СИСТЕМАХ «РОЗУМНИХ МІСТ» 24 2.1 Геоінформаційні системи та технології для «розумного» транспорту 24 2.1.1 Збір даних і джерела 25 2.1.2 Аналітика транспортних даних 27 2.2 Інформаційні технології великих даних та «розумний»транспорт 28 2.3 Аналіз ML для транспортних систем «розумних міст» 31 2.4 Висновок до другого розділу 35 РОЗДІЛ 3. БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ 36 3.1 Долікарська допомога при контузіях 36 3.2 Особливості заходів електробезпеки на підприємствах 37 3.3 Висновок до третього розділу 39 ВИСНОВКИ 40 ПЕРЕЛІК ДЖЕРЕЛ 41 |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/41884 |
| Власник авторського права: | © Герман Віктор Андрійович, 2023 |
| Перелік літератури: | 1 Ang, L.-M.; Seng, K.P.; Zungeru, A.M.; Ijemaru, G. Big Sensor Data Systems for Smart Cities. IEEE Internet Things J. 2017, 4, 1259–1271. 2 Abdalla, R. Introduction to Geospatial Information and Communication Technology (GeoICT); Springer: Singapore, 2016. 3 Weinberg, C. Is Alphabet Going to Build a City? The Information. 5 April 2016. Available online: https://www.theinformation.com/articles/is-alphabet-going-to-build-a-city. 4 Mohri, M.; Rostamizadeh, A.; Talwalkar, A. Foundations of Machine Learning; MIT Press: Cambridge, MA, USA, 2018. 5 Vlahogianni, E.; Karlaftis, M.G.; Golias, J.C. Optimized and meta-optimized neural networks for short-term traffic flow prediction: A genetic approach. Transp. Res. Part C Emerg. Technol. 2005, 13, 211–234. 6 Zenina, N.; Borisov, A. Regression Analysis for Transport Trip Generation Evaluation. Inf. Technol. Manag. Sci. 2013, 16, 89–94. 7 Zhu, X.; Guo, J.; Huang, W.; Yu, F. Short Term Forecasting of Remaining Parking Spaces in Parking Guidance Systems. In Proceedings of the Transport Research Board Annual Meeting, Washington, DC, USA, 10–14 January 2016. No. 16-5060. 8 Bin, Y.; Zhongzhen, Y.; Baozhen, Y. Bus Arrival Time Prediction Using Support Vector Machines. J. Intell. Transp. Syst. 2006, 10, 151–158. 9 Haydari, A.; Yilmaz, Y. Deep Reinforcement Learning for Intelligent Transportation Systems: A Survey. IEEE Trans. Intell. Transp. Syst. 2020, 23, 11–32. 10 Chen, T. Going Deeper with Convolutional Neural Network for Intelligent Transportation; Worcester Polytechnic Institute: Worcester, MA, USA, 2015. 11 Duan, Y.; Lv, Y.; Kang, W.; Zhao, Y. A deep learning based approach for traffic data imputation. In Proceedings of the 17th International IEEE Conference on Intelligent Transportation Systems (ITSC), Qingdao, China, 8–11 October 2014; pp. 912–917. 12 Polson, N.G.; Sokolov, V.O. Deep learning for short-term traffic flow prediction. Transp. Res. Part C Emerg. Technol. 2017, 79, 1–17. 13 Srivastava, S.K. Green supply-chain management: A state-of-the-art literature review. Int. J. Manag. Rev. 2007, 9, 53–80. 14 Esmaeilian, B.; Wang, B.; Lewis, K.; Duarte, F.; Ratti, C.; Behdad, S. The future of waste management in smart and sustainable cities: A review and concept paper. Waste Manag. 2018, 81, 177–195. 15 Govada, S.S.; Spruijt, W.; Rodgers, T. Smart city concept and framework. In Smart Economy in Smart Cities; Springer: Singapore, 2017; pp. 187–198. 16 Kumar, R.; Goel, S.; Sharma, V.; Garg, L.; Srinivasan, K.; Julka, N. A Multifaceted Vigilare System for Intelligent Transportation Services in Smart Cities. IEEE Internet Things Mag. 2020, 3, 76–80. 17 Parmar, P.; Champaneria, T. Study and comparison of transportation system architectures for smart city. In Proceedings of the 2017 International Conference on I-SMAC (IoT in Social, Mobile, Analytics and Cloud) (I-SMAC), Palladam, India, 10–11 February 2017; pp. 675–680. 18 Ji, Z.; Ganchev, I.; O’Droma, M.; Zhang, X. A cloud-based intelligent car parking services for smart cities. In Proceedings of the 2014 31st URSI General Assembly and Scientific Symposium (URSI GASS), Beijing, China, 16–23 August 2014; pp. 1–4. 19 Vakula, D.; Raviteja, B. Smart public transport for smart cities. In Proceedings of the 2017 International Conference on Intelligent Sustainable Systems (ICISS), Thirupur, India, 12–13 December 2017; IEEE: New York, NY, USA, 2017. 20 Nahiduzzaman, K.M.; Aldosary, A.S. City structure in transition: A conceptual discourse on the impact of information and communication technology (ICT). In Social Development and High Technology Industries: Strategies and Applications; IGI Global: Hershey, PA, USA, 2012; pp. 187–199. 21 Ahvenniemi, H.; Huovila, A.; Pinto-Seppä, I.; Airaksinen, M. What are the differences between sustainable and smart cities? Cities 2017, 60, 234–245. 22 Pertence, A.A.; Mini, R.A.; Marques-Neto, H.T. Vulnerability Analysis of the Urban Transport System in the Context of Smart Cities. In Proceedings of the 2020 IEEE International Smart Cities Conference, Piscataway, NJ, USA, 28 September–1 October 2020; pp. 1–8. 23 Tong, L. Research on the Application of Key Technologies in the Construction of Smart Cities Based on Smart Transportation. In Proceedings of the 2020 IEEE Conference on Telecommunications, Optics and Computer Science (TOCS), Shenyang, China, 11–13 December 2020; pp. 189–194. 24 Jackson, D.; Simpson, R. (Eds.) D_City: Digital Earth|Virtual Nations| Data Cities: Connecting Global Futures for Environmental Planning; DCity: Newton, NSW, Australia, 2013. 25 Chen, M.; Yu, X.; Liu, Y. TraLFM: Latent factor modeling of traffic trajectory data. IEEE Trans. Intell. Transp. Syst. 2019, 20, 4624–4634. 26 Mohammed, S.; Arabnia, H.R.; Qu, X.; Zhang, D.; Kim, T.H.; Zhao, J. IEEE Access Special Section Editorial: Big Data Technology and Applications in Intelligent Transportation. IEEE Access 2020, 8, 201331–201344. 27 Biuk-Aghai, R.P.; Kou, W.T.; Fong, S. Big data analytics for transportation: Problems and prospects for its application in China. In Proceedings of the 2016 IEEE Region 10 Symposium (TENSYMP), Bali, Indonesia, 9–11 May 2016; IEEE: Piscataway, NJ, USA, 2020; pp. 173–178. 28 Trueblood, F.; Rodriguez, D.; Hernandez, J.; Salomon, M.; Soundarajan, S.; Pirouz, M. Demystifying Transportation Using Big Data Analytics. In Proceedings of the 2019 IEEE International Conference on Computational Science and Computational Intelligence (CSCI), Las Vegas, NV, USA, 5–7 December 2019; IEEE: Piscataway, NJ, USA, 2019; pp. 1281–1286. 29 Katrakazas, C.; Antoniou, C.; Vazquez, N.S.; Trochidis, I.; Arampatzis, S. Big data and emerging transportation challenges: Findings from the noesis project. In Proceedings of the 2019 6th IEEE International Conference on Models and Technologies for Intelligent Transportation Systems (MT-ITS), Cracow, Poland, 5–7 June 2019; IEEE: Piscataway, NJ, USA, 2019; pp. 1–9. 30 Torre-Bastida, A.I.; Del Ser, J.; Laña, I.; Ilardia, M.; Bilbao, M.N.; Campos-Cordobés, S. Big Data for transportation and mobility: Recent advances, trends and challenges. IET Intell. Transp. Syst. 2018, 12, 742–755. 31 Bibri, S.E. The IoT for smart sustainable cities of the future: An analytical framework for sensor-based big data applications for environmental sustainability. Sustain. Cities Soc. 2018, 38, 230–253. 32 Alam, M.M.; Ray, S.; Bhavsar, V.C. A Performance Study of Big Spatial Data Systems. In Proceedings of the 7th ACM SIGSPATIAL International Workshop on Analytics for Big Geospatial Data, Seattle, WA, USA, 6 November 2018; pp. 1–9. 33 Zhu, L.; Yu, F.R.; Wang, Y.; Ning, B.; Tang, T. Big data analytics in intelligent transportation systems: A survey. IEEE Trans. Intell. Transp. Syst. 2019, 20, 383–398. 34 Jan, B.; Farman, H.; Khan, M.; Talha, M.; Din, I.U. Designing a smart transportation system: An internet of things and big data approach. IEEE Wirel. Commun. 2019, 26, 73–79. 35 Galliers, R.D.; Newell, S.; Shanks, G.; Topi, H. Datification and its human, organizational and societal effects. J. Strateg. Inf. Syst. 2017, 26, 185–190. 36 Alsrehin, N.O.; Klaib, A.F.; Magableh, A. Intelligent transportation and control systems using data mining and machine learning techniques: A comprehensive study. IEEE Access 2019, 7, 49830–49857. 37 Jiang, Y.; Liu, Y.; Liu, D.; Song, H. Applying Machine Learning to Aviation Big Data for Flight Delay Prediction. In Proceedings of the 2020 IEEE International Conference on Dependable, Autonomic and Secure Computing, International Conference on Pervasive Intelligence and Computing, International Conference on Cloud and Big Data Computing, International Conference on Cyber Science and Technology Congress (DASC/PiCom/CBDCom/CyberSciTech), Calgary, AB, Canada, 17–22 August 2020; IEEE: Piscataway, NJ, USA, 2020; pp. 665–672. 38 Heghedus, C.; Chakravorty, A.; Rong, C. Neural network frameworks. Com$parison on public transportation prediction. In Proceedings of the 2019 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), Rio de Janeiro, Brazil, 20–24 May 2019; pp. 842–849. 39 Bazzan, A.L.; Chamby-Diaz, J.C.; Estevam, R.S.; Schmidt, L.D.A.; Pasin, M.; Samatelo, J.L.A.; Ribeiro, M.V.L. Using Information from Heterogeneous Sources and Machine Learning in Intelligent Transportation Systems. In Proceedings of the 2019 IEEE 15th International Conference on Intelligent Computer Communication and Processing (ICCP), Cluj-Napoca, Romania, 5–7 September 2019; pp. 213–220. 40 Panovski, D.; Scurtu, V.; Zaharia, T. A neural network-based approach for public transportation prediction with traffic density matrix. In Proceedings of the 2018 7th European Workshop on Visual Information Processing (EUVIP), Tampere, Finland, 26–28 November 2018; pp. 1–6. 41 Редакція Т. Контузія - симптоми та перша допомога. ТСН.ua. URL: https://tsn.ua/ukrayina/kontuziya-simptomi-ta-persha-dopomoga-2022373.html 42 Електробезпека: охорона праці. URL: https://www.sop.com.ua/article/ 745-elektrobezpeka 43 Лекція 8. Заходи електробезпеки на підприємствах галузі. URL: http://opcb.kpi.ua/wp-content/uploads/2014/09/%D0%9B%D0%B5%D0%BA%D1% 86%D1%96%D1%8F-8.pdf |
| Тип вмісту: | Bachelor Thesis |
| Розташовується у зібраннях: | 126 — Інформаційні системи та технології (бакалаври) |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| 2023_KRB_ST-41_Herman_VA.pdf | 2 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора