- Autor
- Ernst Sebastian (AGH University of Science and Technology Kraków, Poland), Ligęza Antoni (AGH University of Science and Technology Kraków, Poland)
- Tytuł
- Improvement of Route-Planning Systems Using Intelligent and Knowledge-Based Methods
- Źródło
- Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 2008, nr 25, s. 65-74, rys., bibliogr. 12 poz.
Research Papers of Wrocław University of Economics - Tytuł własny numeru
- Knowledge Acquisition and Management
- Słowa kluczowe
- Algorytm transportowy, Sztuczna inteligencja, Planowanie w transporcie, Podejmowanie decyzji
Transport algorithm, Artificial intelligence, Planning in transport, Decision making - Uwagi
- summ.
- Abstrakt
- Route planning (planowanie trasy) jest jednym z bardziej udanych zastosowań zautomatyzowanego planowania (AI planning), dziedziny zastosowania Sztucznej Inteligencji. Jednak klasyczne metody planowania są często zbyt ogólne kiedy przychodzi do adaptacji do warunków dotyczący rzeczywistych sytuacji. Niniejszy artykuł dostarcza przeglądu i propozycji poprawy systemów route-planning, szczególnie tych, użytych w warunkach miejskich, za pomocą inżynierii wiedzy i innych inteligentnych technologii. Opisuje również nowe podejście do planowania tras, oparte na granularnej teorii zbiorów, które dąży do utrzymywania zbioru tras zamiast jednej trasy. Takie podejście może znacząco wpłynąć na postęp możliwości, jak i interakcji z użytkownikiem. Zostały zaprezentowane liczne poprawki istniejących algorytmów wyszukiwawczych wraz z komentarzem i odnośnikami. Ponadto, artykuł wskazuje nowe metody i podejścia do planowania tras miejskich, takie jak wczesne przetwarzanie alternatywnych tras, wliczając w to wskazówki formalnej reprezentacji, analiza wydajności rozwiązań i przedstawienie graficzne mapy wskazujące punkty podejmowania decyzji. (AT)
Route planning is one of the major successful applications of automated planning (AI planning), a branch of Artificial Intelligence. However, classical planning methods are often too general when it comes to adaptation to real-life conditions and situations. This article provides an overview and suggestions for improvement of route-planning systems, particularly those used in urban conditions, with the help of knowledge engineering and other intelligent techniques. It also describes a new approach to route planning, based on the granular set theory, aimed at maintaining a set of paths instead of a single one. Such approach can provide significant improvements in agility, as well as introduce interaction with the user. Numerous enhancements of existing informed search algorithms are provided, along with commentary and references. Furthermore, the article suggests new methods and approaches for urban route planning, such as pre-computation of alternative routes, including guidelines for formal representation, solution robustness analysis and map abstraction with regard to decision-making points. (original abstract) - Dostępne w
- Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Biblioteka Główna Uniwersytetu Szczecińskiego - Pełny tekst
- Pokaż
- Bibliografia
-
- Ahuja R.K., Orlin J.B., Palottino S. and Scutellá M.G (2002). Dynamic shortest paths minimizing travel times and costs. In: MIT Sloan Working Paper No. 4390-02, Research Paper Series, MIT Sloan School of Management.
- Helbing D. (1998). Fundamentals of Traffic Flow. University of Stuttgart.
- Ernst S., Ligęza A. (2006). Application of knowledge engineering methods for urban route planning. In: Proceedings of the „Inżynieria wiedzy i systemy ekspertowe” conference. Wrocław, Poland.
- Ernst S, Ligęza A. (2008). A rule-based approach to robust granular planning. In: Proceedings of the International Multiconference on Computer Science and Information Technology. Wisła, Poland.
- Ghallab M., Nau D., Traverso P. (2004). Automated Planning: Theory and Practice. Morgan Kaufmann Publishers, San Francisco.
- Koenig S., Likhachev M. (2006). A new principle for incremental heuristic search: Theoretical results. In: Proceedings of the International Conference on Automated Planning and Scheduling (ICAPS), Cumbria, UK.
- Koenig S., Likhachev M., Furcy D. (2004a). Lifelong planning A*. AI Magazine, vol. 155, no. 1-2, pp. 93-146.
- Koenig S., Likhachev M., Liu Y., Furcy D. (2004b). Incremental heuristic search in Artificial Intelligence. AI Magazine, vol. 25, no. 2, pp. 99-112.
- Ligęza A. (2003). Granular sets and granular relations for algebraic knowledge management. In: Smart Engineering Systems Design. Eds. C.H. Dagli et al. ASME Press, New York, vol. 13, pp. 169-174.
- Ramalingam G., Reps T. (1991). On the computational complexity of incremental algorithms. Computer Sciences Department, University of Wisconsin.
- Russell S.J., Norvig P. (1995). Artificial Intelligence: A Modern Approach. Prentice Hall, New Jersey, USA.
- Sturtevant M., Buro M. (2005). Partial pathfinding using map abstraction and refinement. In: Twentieth National Conference on Artificial Intelligence. Pittsburgh.
- Cytowane przez
- ISSN
- 1899-3192
- Język
- eng
