Inteligentní řadiče ovládající světelné křižovatky, průběžné měření hustot a intensit dopravního proudu a přenos aktuálních dat do ústředen umožňují efektivní koordinované řízení rozsáhlých městských oblastí. Tím se otvírá nová aplikační oblast pro rozvoj klasických i nových metodik hierarchického řízení. Navrhovaná oblast výzkumu navazuje na konkrétní dlouhodobé projekty tohoto typu v rozvíjejícím se a modernizujícím se pražském dopravním systému.

Plně pravděpodobnostní návrh dynamických rozhodovacích strategií tvoří dobře propracovaný teoretický základ učících se rozhodovovacích systémů s širokým rozsahem využitelnosti v technických, přírodních i společenských oborech. Tato využitelnost je silně omezena složitostí spjaté optimalizace. V uvažovaném případě je potřeba aproximovat řešení speciální verze dynamického programování. Tímto řešením je skalární funkce velmi mnoha proměnných, která je zadána implicitně nelineární integrálně-diferenční rovnicí.

Reálné procesy jsou výslednicí relativně samostatně se rozhodujících, ale vzájemně se ovlivňujících částí, modelovaných v současnosti nejčastěji pomocí multi-agentních systémů. Ucelená normativní a algoritmizovaná teorie vedoucí při řešení konkrétních problémů však chybí. Předběžné výsledky naznačují, že takovou teorii je možno vytvořit kombinací bayesovského rozhodování, modelování pomocí dynamických směsových modelů a plně pravděpodobnostního návrhu rozhodovacích strategií.

Hierarchické řízení a rozhodování spjaté se složitými procesy obsahuje vždy vrstvu, v níž jsou rozhodnutí prováděna člověkem "dispečerem". Navrhované téma souvisí se skupinou existujících a rozbíhajících se projektu, které mají za cíl vytvořit moderní počítačovou podporu takového rozhodování. Existující původní ucelená teorie pravděpodobnostního návrhu se ukázala jako velmi efektivní pro řešení této úlohy.

Narůstající úroveň motorismu, zejména v počtu osobních automobilů, s sebou přináší řadu problémů v mnoha směrech. Jedná se zejména o zvýšené ohrožení jak řidičů, tak i chodců a negativní ekologické vlivy. Jedním z moderních prostředků, které zmírňují tyto negativní vlivy jsou různé ?krabičky?, které výrobci vkládají do automobilů a které plní různé bezpečnostní funkce. ÚTIA se ve spolupráci s firmou Škoda Auto bude podílet na vývoji takových ?krabiček?.

Metody ?data mining?, tedy dolování informací z měřených dat se zabývají analýzou dat a jsou prostředkem pro poznávání systému, z něhož jsou data měřena. Ze širokého záběru, který tyto metody pokrývají nás budou zajímat především metody klastrování a klasifikace.

Pravděpodobnostní dynamické systémy nachází uplatnění v široké škále oborů od techniky přes ekonomi a medicínu až po elektronickou demokracii. Lze jimi modelovat například složitá průmyslová zařízení, dopravní toky, lymfatický systém končetiny, nebo třeba výherní automat známý jako jednoruký bandita. Často se setkáváme s případy, kdy je znám parametrizovaný model daného systému, ale jeho parametry nejsou přesně známy. Základní problém, který je pak nutno řešit, bývá odhadování těchto parametrů z pozorovaných (naměřených) dat - učení.

Data, měřená na reálném systému nesou informaci o vlastnostech a chování tohoto systému. Předmětem našeho zájmu je systém tvořený řidičem a vozidlem, které řídí. Tento systém se evidentně může nacházet v různých pracovních módech (aktuálních stavech). Řidič může jet v klidu a s přehledem, může pospíchat a jet hodně rychle nebo může být rozčilený a nevyspalý a jet prostě hrozně. Otázkou je, jaké módy lze v jízdě běžného řidiče pozorovat a jak se tyto módy projeví v datech, která jsou na systému měřena.

Většina dopravních veličin, jako např. intenzita a obsazenost dopravního proudu, mají typický průběh. Ten je dán nočním klidem, ranním nástupem dopravní zátěže, která trvá prakticky po celý den, a večerním uklidněním. Tyto charakteristiky vedou na speciální způsob jejich předpovědi.

Cílem této práce je vybudovat model, který bude dobře předpovídat dopravní veličiny.

Pro automatické řízení dopravy je třeba model, předpovídající chování systému v závislosti na vybraných dopravních veličinách. Existující dopravní model je založen na fyzikálních vztazích mezi veličinami, např. čím delší je zelená, tím více aut projede do křižovatky. Existují však i nefyzikální vztahy, které zatím nebyly pro modelování brány v úvahu.

Cílem této práce je testovat souvislosti mezi vybranými dopravními veličinami.