| Form of studies |
Master |
| Title of the study programm |
Intelligent robotic systems |
| Title in original language |
Datu prognozēšanas metodes sabiedriskā transporta ierašanās laika nenoteiktības mazināšanai |
| Title in English |
Data Predicting Methods for Reducing Transport Arrival Time Uncertainty |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Agris Ņikitenko |
| Reviewer |
Dmitrijs Bļizņuks |
| Abstract |
Blīvi apdzīvotās pilsētās sabiedriskais transports ir nozīmīga apkārtējās vides daļa. Tam ir jābūt pieejamam, labiekārtotam un uzticamam, lai iedzīvotāji ikdienā izvēlētos pārvietoties ar sabiedrisko transportu, nevis privātajām automašīnām. Šajā darbā tiek apskatītas dažāda veida algoritmi un metodes, ar kurām ir veikti pētījumi par sabiedriskā transporta kursēšanas prognozēšanas iespējām. Darba ietvaros tika uzkrāti Rīgas pilsētas sabiedriskā transporta sešu maršrutu dati , tika veikta to izpēte un analīze, kā rezultātā tika veikts iepriekš apskatīto datu prognozēšanas metožu atbilstības novērtējums attiecībā pret iegūtajiem datiem un pieņemts lēmums par atbilstošas metodes pielietošanu tālāko praktisko uzdevumu veikšanai.
Pētījuma praktiskajā daļā, izmantojot tādas neironu tīklu metodes kā LSTM, GRU un TCN, tika veikta modeļu izstrāde, apmācība un testēšana. Izmantojot dažādas tīklu konfigurācijas un vairākus ieejas datu kopas segmentu izmērus, tika veikti prognozēšanas modeļu rezultātu novērtējumi un secinājumi par to veiktspēju konkrētu datu laikrindu prognozēšanai.
Kopējais maģistra darba apjoms ir 85 lappuses, kas iekļauj 38 attēlus, 3 tabulas, 1 pielikumu un 32 izmantotos informācijas avotus. |
| Keywords |
Laikrindas, prognozēšanas metodes, datu analīze, neironu tīkli |
| Keywords in English |
Time series, prediction methods, data analysis, neural networks |
| Language |
lv |
| Year |
2024 |
| Date and time of uploading |
28.05.2024 15:55:31 |
