Project detail

Efektivní časoprostorové predikce s využitím metod strojového učení

Duration: 01.06.2020 — 31.05.2022

On the project

Navrhovaný projekt je zaměřen na řešení komplexních časoprostorových úloh pomocí metod strojového učení zejména v oblasti komfortu pohybu chodců. Pomocí agentních modelů bude algoritmicky vytvořena obsáhlá trénovací množina dat, na základě které bude možné vhodnou metodou strojového učení predikovat např. vysokou hustotu osob na m2 na vstupní bráně fotbalového stadionu v reálném čase. Výstup projektu bude uplatnitelný obecně v jakémkoli odvětví, které pracuje s časoprostorovými úlohami.

Keywords
Strojové učení, Umělá inteligence, Numerická simulace, Časoprostorové modely, Pohyb pěších, Funkce klasifikátoru, Efektivní predikce, Komfort pohybu

Key words in English
Machine learning, Artificial intelligence, Numerical simulation, Spacetime models, Movement of pedestrians, Classifier function, Efficient prediction, Comfort of movement

Mark

TJ04000232

Default language

Czech

People responsible

Apeltauer Jiří, Ing., Ph.D. - fellow researcher
Apeltauer Tomáš, doc. Mgr., Ph.D. - fellow researcher
Okřinová Petra, Ing. - fellow researcher
Podroužek Jan, doc. Dr.techn. Ing. - fellow researcher
Uhlík Ondřej, Ing. - fellow researcher
Kratochvílová Martina, Ing. - principal person responsible

Units

Institute of Computer Aided Engineering and Computer Science
- (2020-06-01 - 2022-05-31)

Funding resources

Technologická agentura ČR - 4. veřejná soutěž Program na podporu aplikovaného výzkumu ZÉTA

- whole funder (2020-07-10 - 2026-07-31)

Results

KRČ, R.; KRATOCHVÍLOVÁ, M.; PODROUŽEK, J.; APELTAUER, T.; STUPKA, V.; PITNER, T. Machine Learning-Based Node Characterization for Smart Grid Demand Response Flexibility Assessment. Sustainability, 2021, no. 2021, p. 1-18. ISSN: 2071-1050.
Detail

Link