Zadání studentských prací

Zadání výzkumného úkolu

Základní údaje

Posluchač:
Program / Obor:

Název (CZ):	Predikce pohybu chodců s využitím metod strojového učení
Název (EN):	Prediction of pedestrian movement using machine learning methods

1.	Cílem výzkumného úkolu je prozkoumat stávající stav poznání v této oblasti a modifikovat vhodné metody pro použití na data z evakuačního experimentu týkajícího se průchodu úzkým hrdlem.
2.	Proveďte rešerši přístupů a metod strojového učení aplikovaných na analýzu a modelování pohybu chodců.
3.	Zaměřte se na metody vhodné pro datovou sadu z experimentu průchodu úzkým hrdlem (data poskytne konzultant).
4.	Metody vhodně upravte tak, aby byly použitelné pro zkoumanou situaci. Diskutujte různé možnosti porovnání výstupu naučeného modelu se skutečností.
5.	Analyzujte různé alternativy vstupních dat pro učený model.
6.
7.
8.

Vyžadovaný formát referencí

Dodržujte následující formátování seznamu použité literatury. Pokud formát nedodržíte, bude Vám zadání vráceno k přepracování.

článek v časopise: Autor/ři, Název_článku. Název_časopisu ročník, rok, stránky.
příklad: K. G. Hare, Tiles in quasicrystals with quartic irrationality. Mathematics of Computation 75, 2009, 405–420.
kniha: Autor/ři, Název_knihy. Vydavatel, rok.
příklad: N. L. Johnson, S. Kotz, N. Balakrishnan, Continuous univariate distributions. John Wiley & Sons, New York, 1994.
příspěvek ve sborníku: Autor/ři, Název_příspěvku. In ‘Název_sborníku’, Vydavatel, rok, stránky.
příklad P. Mueller, P. Wonka, S. Haegler, et al., Procedural modeling of buildings. In ‘ACM SIGGRAPH 2006 Papers’, ACM New York, 2006, 614–623.

1.	A. Tordeux, M. Chraibi, A. Seyfried, A. Schadschneider, Prediction of pedestrian dynamics in complex architectures with artificial neural networks. Journal of Intelligent Transportation Systems 24, 2020, 556-568.
2.	A. Tordeux, M. Chraibi, A. Seyfried, A. Schadschneider, Artificial Neural Networks Predicting Pedestrian Dynamics in Complex Buildings. In ‘Stochastic Models, Statistics and Their Applications‘, Springer International Publishing, 2019, 363-372.
3.	A. Schadschneider, D. Chowdhury, K. Nishinari, Stochastic Transport in Complex Systems: From Molecules to Vehicles. Elsevier, Amsterdam, 2011.
4.	I. J. Goodfellow, Y. Bengio, A. Courville, Deep Learning. MIT Press, Cambridge, 2016.
5.
6.

Školitel:
	(Celé jméno a příjmení s tituly)
Pracoviště:	Katedra aplikované matematiky FIT ČVUT v Praze Thákurova 2077/7 160 00 Praha 6
	(Název instituce a adresa)
Email:
Telefon:

Konzultant:
	(Celé jméno a příjmení s tituly)
Pracoviště:	Katedra aplikované matematiky FIT ČVUT v Praze Thákurova 2077/7 160 00 Praha 6
	(Název instituce a adresa)

Datum zadání:
Datum odevzdání:

Stav zadání

Schváleno KM

Historie

2021-10-10 23:20:51

– zahájení procesu zadání

2021-10-12 17:53:33

– zasláno školiteli

2021-10-14 15:40:45

– upraveno školitelem

2021-10-15 23:49:19

– zasláno na KM

2021-10-16 14:23:45

– žádost o autorizaci

2021-10-19 09:41:37

– autorizováno školitelem

2021-10-26 11:14:42

– schváleno KM

2022-09-19 10:02:39

– reaktivováno

2022-09-19 18:36:17

– vráceno k opravě

2022-10-17 14:10:28

– zasláno školiteli

2022-10-18 19:28:33

– upraveno školitelem

2022-10-19 16:47:32

– zasláno na KM

2022-10-21 12:27:38

– žádost o autorizaci

2022-10-23 11:52:05

– autorizováno školitelem

2022-10-31 16:03:16

– schváleno KM