Posouzení možností využití různých predikčních modelů pro dostupná dopravní data

Abstract

Cílem předkládané diplomové práce je posoudit možnosti využití různých predikčních modelů pro analýzu dat, získaných ze dvou typů dopravních detektorů. Pro analýzu byla použita data, získaná z oblasti v okolí Dobřichovic. Kvalita dat z detektorů byla ověřena explorativní datovou analýzou. Pro predikci dopravní intenzity bylo vybráno 8 různých modelů (ARIMA, Prophet, Naivní sezónní model, K-nejbližší sousedé, Random Forest, XGBoost, Hybridní model s XGBoost a Neuronové sítě). Na základě křížové validace a stanovením přesnosti použitých predikčních modelů byly jako nejlepší vybrány modely XGBoost a Prophet.

The aim of this thesis is to assess the potential of using different prediction models for the data analysis obtained from two types of traffic detectors. The data obtained from the area around Dobřichovice were used for the analysis. The quality of the detector data was verified by exploratory data analysis. Eight different models (ARIMA, Prophet, Naive Seasonal Model, K-Nearest Neighbors, Random Forest, XGBoost, Hybrid Model with XGBoost and Neural Networks) were selected to predict traffic volume. Based on cross-validation and by determining the accuracy of the used prediction models, XGBoost and Prophet were selected as the best models.