Identifikacija sistemov na podlagi Gaussovih processov za uporabo v vodenju prometa (bilateralno sodelovanje s Češko republiko)

Vodja projekta:

Prof. dr. Juš Kocijan

Trajanje:

1.1.2010 - 31.12.2011

Financiranje:

ARRS - Agencija za raziskovalno dejavnost Republike Slovenije (BI-CZ/10-11-014)

Povzetek:

Veliko tehničnih sistemov lahko dojemamo kot kompleksne, saj kažejo nelinearno obnašanje in elemente stohastične negotovosti. Tipična predstavnika kompleksnih sistemov sta sistem mestnega prometa in razširjanje onesnaženja v okolju. Moderni sistemi za vodenje prometa s katerimi nadzorujemo mestni promet, varnost v prometu in vpliv prometa na okolje so narejeni na podlagi modelov, ki ponazarjajo promet v specifičnem okolju, ki ga želimo nadzorovati.

Dolžina čakalnih vrst v prometu je ena izmed spremenljivk, ki jo moramo modelirati, da bi lahko razvili učinkovit sistem za vodenje prometa glede na ponavadi majhno število nameščenih tipal za sprotno merjenje čakalnih vrst. Modeli takoimenovanih spremenljivk prometa (kot so dolžina čakalnih vrst, zakasnitev ali čas čakanja) so lahko raznovrstni: analitični modeli, statistični modeli ali takoimenovani modeli črne skrinjice s katerimi skušamo napovedati obnašanje spremenljivke glede na pretekle podatke. Enako velja tudi za modele razširjenja onesnaženja, kjer pa se analizira onesnaženje običajno na osnovi analitičnih modelov.

Glavna slabost omenjenih metod modeliranja je, da modeli dinamične spremenljivke opisujejo deterministično ali pa ignorirajo negotovost v za modeliranje uporabljenih meritvah in posledično v modelih. Te negotovosti pa v primeru modeliranja kompleksnih sistemov ni priporočljivo zanemariti, saj ima ta zanemaritev za posledico nezanesljive napovedi.

Ena od najustreznejših metod za modeliranje sistemov, ki so kompleksni in istočasno vsebujejo tudi precejšno mero negotovosti temelji na uporabi Gaussovih procesov. Modeli na podlagi Gaussovih procesov so Bayesovi verjetnostni neparametrični modeli, ki jih dobimo z identifikacijo nelinearnih stohastičnih sistemov z modeli črne skrinjice. Gaussovi procesi lahko na osnovi vhodnih podatkov s povečano varianco srednje vrednosti napovedi označijo področja s slabo kvaliteto napovedi modela, ki nastopi zaradi pomanjkanja podatkov za učenje modela ali zaradi kompleksnega - večličnega značaja podatkov.

Namen tega projekta je prikazati prednosti modeliranja negotovih spremenljivk pri modeliranju mestnega prometa ali modeliranju razširjanja onesnaženja z verjetnostnimi nelinearnimi modeli na podlagi Gaussovih procesov in rešiti nekatere probleme, ki so povezani z uporabo te metode.



Publikacije:

PETELIN, Dejan, ŠINDELÁŘ, Jan, PŘIKRYL, Jan, KOCIJAN, Juš. Financial modeling using Gaussian process models. IDAACS'11: proceedings of the 6th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications, 15-17 September, 2011, Prague, Czech Republic. 2 Vol, Piscataway: IEEE, 2011, vol. 1, 672-677.

PŘIKRYL, Jan, KOCIJAN, Juš. Stochastic analysis of a queue length model using a graphics processing unit. Transactions on Transport Sciences, 2012, vol. 5, no. 2.

PŘIKRYL, Jan, KOCIJAN, Juš. An empirical model of occupancy-queue relation. Proceedings of the 12th IFAC Symposium on Transportation Systems, Redondo Beach, CA, IFAC, 2009, 456-461.

KOCIJAN, Juš, PŘIKRYL, Jan. Soft sensor for faulty measurements detection and reconstruction in urban traffic. Proceedings 15th IEEE Mediterranian Electromechanical Conference, MELECON 2010, 25-28 April, 2010, Valletta, Malta, [Piscataway]: IEEE, 2010, 172-176.