J 2022

The Planning Process of Transport Tasks for Autonomous Vans—Case Study

STOPKOVÁ, Mária; Jacek CABAN; Aleksander NIEOCZYM; Agnieszka DUDZIAK; Tomasz KRAJKA et al.

Základní údaje

Originální název

The Planning Process of Transport Tasks for Autonomous Vans—Case Study

Název česky

Proces plánování dopravních úloh pro autonomní dodávky – případová studie

Autoři

STOPKOVÁ, Mária; Jacek CABAN; Aleksander NIEOCZYM; Agnieszka DUDZIAK a Tomasz KRAJKA

Vydání

Applied Sciences, Basel, Switzerland, Applied Sciences Editorial Office, applsci@mdpi.com, MDPI, St. Alban-Anlage 66, 4052 Basel, Switzerland, 2022, 2076-3417

Další údaje

Jazyk

angličtina

Typ výsledku

Článek v odborném periodiku

Obor

50703 Transport planning and social aspects of transport

Stát vydavatele

Švýcarsko

Utajení

není předmětem státního či obchodního tajemství

Odkazy

Impakt faktor

Impact factor: 2.700

Označené pro přenos do RIV

Ano

Kód RIV

RIV/75081431:_____/22:00002505

Organizační jednotka

Vysoká škola technická a ekonomická v Českých Budějovicích

EID Scopus

Klíčová slova česky

umělá inteligence; autonomní vozidla; pravděpodobnostní hodnocení; okružní dopravní problém; výhody

Klíčová slova anglicky

artificial intelligence; autonomous vehicles; probabilistic evaluation; vehicle routing problem; benefits

Štítky

Změněno: 17. 3. 2023 09:25, Barbora Kroupová

Anotace

V originále

Transport is an area that is developing at a tremendous pace. This development applies not only to electric and hybrid cars appearing more and more often on the road but also to those of an autonomous or semi-autonomous nature. This applies to both passenger cars and vans. In many different publications, you can find a description of a number of benefits of using automated guided vehicles (AGV) for logistics and technical tasks, e.g., in the workplace. An important aspect is the use of knowledge management and machine learning, i.e., artificial intelligence (AI), to design these types of processes. An important issue in the construction of autonomous vehicles is the IT connection of sensors receiving signals from the environment. These signals are data for deep learning algorithms. The data after IT processing enable the decision-making by AI systems, while the used machine learning algorithms and neural networks are also needed for video image analysis in order to identify and classify registered objects. The purpose of this article is to present and verify a mathematical model used to respond to vehicles’ demand for a transport service under set conditions. The optimal conditions of the system to perform the transport task were simulated, and the efficiency of this system and benefits of this choice were determined.

Česky

Doprava je oblast, která se rozvíjí enormním tempem. Tento vývoj se týká nejen elektrických a hybridních vozů, které se na silnicích objevují stále častěji, ale také vozů autonomního či poloautonomního charakteru. To platí jak pro osobní vozy, tak pro dodávky. V mnoha různých publikacích můžete najít popis řady výhod používání autonomně řízených vozidel (AGV) pro logistiku a technické úkoly, například na pracovišti. Důležitým aspektem je využití managementu znalostí a strojového učení, tedy umělé inteligence (AI), k navrhování těchto typů procesů. Důležitou otázkou při konstrukci autonomních vozidel je IT propojení senzorů přijímajících signály z okolí. Tyto signály jsou daty pro algoritmy hlubokého učení. Data po IT zpracování umožňují rozhodování systémů AI, zatímco použité algoritmy strojového učení a neuronové sítě jsou také potřebné pro analýzu obrazu videa, aby bylo možné identifikovat a klasifikovat registrované objekty. Účelem tohoto článku je představit a ověřit matematický model používaný k reakci na poptávku vozidel po dopravní službě za stanovených podmínek. Byly simulovány optimální podmínky systému pro plnění přepravního úkolu a byla stanovena účinnost tohoto systému a výhody této volby.

Přiložené soubory

applsci-12-02993-v2.pdf
Požádat o autorskou verzi souboru