ВИЗНАЧЕННЯ ЗАКОНОМіРНОСТЕЙ УТВОРЕННЯ ЧЕРГ ПЕРЕД ПЕРЕХРЕСТЯМИ Текст научной статьи по специальности «Экономика и бизнес»

3. Boicov, S., Grishaev, S., Solncev, V., Kudryav-cev, Y. (2001). Analiz signal-usrednennoi ECG (po dannim veyvlet-preobrazovaniya) u zdorovih I bolnih IBS[Analysis of the signal-averaged ECG (according to the wavelet transform) in healthy and diseased coronary artery disease]. Moscow, Russia: Herald of arrhythmology, 32.

4. Fainzelberg, L., Bekler, T., Glushauskene, G. (2011). Matematicheskaya model porojdeniya iskusstvennoi ECG s zadanimi amplitudno vremennimi harakteristikami iformativnih

fragmentov [Mathematical model of generating artificial ECG with specified amplitude-time characteristics of informative fragments]. Kyiv, Ukraine: Problems of management and informatics, 61.

5. Anishenko, V. (1997). Dinamicheskie sistemi [Dynamical systems]. Sorosovskiy obrazovatelniy jurnal, 77.

6. Gorynaninov, V. (1980). Statisticheskaya radiotehni-ka: Primeri i zadachi[Statistical Radio Engineering: Examples and problems]. Moscow, Russia: Soviet Radio, 291.

Рекомендовано до публiкацiï д-р техн. наук Ляшенко В. П.

Дата надходження рукопиеу 18.05.2015

Юрко Олексш Олексшович, кандидат техшчних наук, доцент, кафедра електронних апарапв, Кремен-чуцький нацюнальний унiверситет iM. Михайла Остроградського, вул. Першотравнева, 20, м. Кременчук, Украна, 39600 E-mail: [email protected]

Рибшков Роман Олександрович, кафедра електронних апарапв, Кременчуцький нацiональний ушвер-ситет iM. Михайла Остроградського, вул. Першотравнева, 20, м. Кременчук, Украша, 39600 E-mail: [email protected]

Курченко Оксана Володимiрiвна, кафедра електронних апарапв, Кременчуцький нацюнальний ушвер-ситет iм. Михайла Остроградського, вул. Першотравнева, 20, м. Кременчук, Украша, 39600

УДК 656.11

DOI: 10.15587/2313-8416.2015.44354

ВИЗНАЧЕННЯ ЗАКОНОМ1РНОСТЕЙ УТВОРЕННЯ ЧЕРГ ПЕРЕД ПЕРЕХРЕСТЯМИ © Я. В. Санько, Ю. Ю. Музалевська, Я. О. Лепетюк

Проведено анализ причинно-на^дкових фактор1в утворення черг перед перехрестями. Результатом досл1-джень е запропонована математична модель визначення довжини черги перед перехрестям, яка залежить eid iнтенсивностi руху транспортних засоб1в на тдходах до перехресть, к1лькост1 смуг руху, часу гортня червоного сигналу свiтлофора та спiввiдношення часу гортня зеленого сигналу до часу циклу Ключовi слова: затримки, черга, регульоване перехрестя, ттенсивнкть руху, свтлофорна сигналiзацiя, цикл регулювання

The analysis of the causal factors of the formation of queues before intersections is conducted. The result of research is the mathematical model to determine the length of the queue before crossroads, which depends on the intensity of traffic on the roads to intersections, number of lanes, time of red signal and the ratio of time of green signal to the cycle time

Keywords: delays, queue, controlled intersections, traffic intensity, colour light signal, controlling cycle

1. Вступ

Основною зaдaчeю оргашзаци дорожнього ру-xy e фiзичнe, псиxологiчнe та вiзyaльнe вiдокрeмлeн-ня пiшоxiдниx потоков ввд транспортам. При форму-ванш шляxiв сполyчeння нeобxiдно прагнути до пос-лвдовного розпод^ транспортам та пiшоxiдниx потоков. Ця мeтa обyмовлeнa нeобxiднiстю зaбeзпe-чити бeзпeкy пiшоxодiв та нaлeжний eкологiчний стан оточуючого сeрeдовищa, що особливо важливо для мюць пeрeтинaння потоков, що вiдрiзняються нaдмiрною концeнтрaцieю трaнспортниx зaсобiв та пiшоxодiв [1-3].

yieï вимоги нeобxiдно дотримуватися в будь-якому вaрiaнтi пeрeтинaння трaнспортниx та пiшоxiдниx потокiв, aлe на рeгyльовaниx та нeрe-гyльовaниx пeрexрeстяx вона потрeбye особливо!

уваги, врaxовyючи високу щiльнiсть конфлжтую-чиx потошв та особливий xaрaктeр пiшоxiдного

ру^.

2. Постановка проблеми

Роздiлeння трaнспортниx та пiшоxiдниx потоков в чaсi досягаеться свiтлофорним рeгyлювaнням, що надае частину часу для транспортного, а другу части-ну - для пeрeтинaючого пiшоxiдного потоку [4-6].

В зaлeжностi ввд можливостeй роздiлeння т-шок^дного та транспортного рyxy та iснyючиx м1ж ними зв'язк1в застосовуються нaстyпнi види органь зацй' рyxy [6] :

а) повш вiдокрeмлeння пiшоxiдного рyxy ввд iншиx видiв рyxy в чай та просторц

б) пiшоxiдний рyx допускае нaявнiсть транспортам зaсобiв на зaгaльнiй з пiшоxодaми площi;

в) шшохвдний рух дозволяе використовувати транспорты! засоби на загальнш з тшоходами площ^ але з обмеженнями у визначений час;

г) шшохвдний рух допускае застосування ма-сового транспорту загального користування загаль-номюького чи мюького значення на окремо видшенш територп;

д) шшохвдний рух передбачае використання додаткових транспортних засоб1в на загальнш з ш-шоходами чи окремш площц

е) оргашзашя шшохвдного руху в р1зних способах з шшими учасниками руху.

Але будь-яка схема розподшення транспортних та шшохвдних потоков передбачае юнування затримок в руа, як транспорту так i шшоходав. М1н1м1зац1я цих затримок е прiоритетним напрямком удосконалення оргаыiзацil дорожнього руху. Саме затримки транспортних засобiв перед перехрестями е вагомими складо-вими економiчних, соцiальних та екологiчних втрат сустльства. Тому вирiшеныя питання скорочення затримок, шляхом зменшення черг перед перехрестями е актуальним на сьогодшшнш день.

3. Аналiз лiтератури

Безпека руху i пропускна спроможыiсть пере-тинiв залежать ввд чiткостi оргатзаци на них руху. Оп-тимальним е планувальне рiшення, що забезпечуе для кожного напряму руху окрему про1жджу частину, ширина яко! визначаеться iнтенсивнiстю руху [7-9].

З огляду на це роздiлення транспортних потоков - е головною умовою забезпечення безпеки до-рожнього руху. В свош роботi автор [7] видшяе так1 способи роздшення транспортних потоков:

1) в простора

2) в часi.

Роздiлення руху в просторi е основним методом створення сприятливих i безпечних умов руху транспортних засобiв. Цей метод органiзацil дорож-нього руху мае на увазi роздiлення транспортних, а також шшохвдних потоков по напрямах по найб№ш сприятливiй i безпечнiй траекторп.

Основнi заходи реалiзацil роздiлення руху в просторi можна роздiлити на три групи (рис. 1) [10].

До оргашзацшних заходiв роздiлення руху вь дноситься маршрутне орiентування, що дозволяе ро-здiлити рух рiзних типiв транспортних засобiв по рiзних дорогах [4].

До змiшаних заходiв роздiлення руху ввдно-сяться каналiзування руху i органiзацiя односторон-нього руху [1, 4-9].

Але наслвдок будь-яко! схеми оргаыiзацil до-рожнього руху це виникнення затримок в мюцях роз-дiлення потоков. Основною метою заходiв щодо зме-ншення величини затримок е зменшення довжини черг перед перехрестями.

Ввдомо, що для математичного прогнозування характеристик черг необхвдно мати наступнi параме-три системи [1, 4, 7, 11, 12]:

1) характеристики типу прибуття, включаючи середню штенсивнють прибуття i статистичний розподiл часу мгж моментами прибуття;

2) характеристики обслуговування, у тому чи^ середнi значення темпу обслуговування та розподш i кiлькiсть користувачiв, як1 можуть бути обслуженi одночасно, або число доступних каналiв обслуговування;

3) параметри дисциплiни обслуговування, подiбнi способом вибору чергового користувача, що пвдлягае обслуговуванню.

З дiаграми виникнення черг перед регульова-ним перехрестям (рис. 2), видно, що верхня (суцшь-на) сторона представляе функцiю прибуття, а двi iншi (штриховi) - функщю обслуговування (ввдпра-влення). Кожен трикутник на рис. 2., що представляе один цикл, дозволяе визначити тривалост юнування черги - з моменту початку перюду червоного до моменту ll повного розсшвання [1, 4, 13]. Ця величина варшеться мiж часом ефективного червоного i тривалiстю циклу:

V • t = S • (t - r),

або

to =■

s • r

(1)

(2)

де tß - тривалiсть iснування черги, с; v - середня iнтенсивнiсть прибуття, авт./год.; s - середнiй темп обслуговування, авт./год.; г - час ефектив-ного червоного сигналу, с.

Також довжину черги можна ощ-нити для цшей планування, прийнявши значення щiльностi в накопичувачi (сере-дньо! щiльностi автомобiлiв в черз1) i по-тiм використовуючи наступне сшвввдно-шення [13]:

Рис. 1. Заходи реал1заци роздiлення транспортних потоков в

просторi

0L =

T •(V - c)

N • d '

(3)

До мiстобудiвних заходiв роздiлення руху ввдносяться повне роздiлення руху потошв за до-помогою розв'язок, роздшення зустрiчних смуг, облаштування велосипедних дорiжок i пiшохiдних переходiв в рiзнi рiвнi [1, 5, 8].

де QL - довжина черги, км; T - тривалють перiоду анал1зу, год.; v - запит на трафж, авт./год.; c - пропускна здатнють, авт./год.; N - кшьшсть смуг; ds -щшьнють у накопичувачi, авт./км/смугу.

Рис. 2. Ддаграма виникнення черг перед регульованим перехрестям [13]

Анал1з лггературних джерел дозволив виявити, що серед юнуючих метода визначення черг перед регульованим перехрестям б1льшють визначае характеристики за усередненими залежностями при р1вно-м1рному розподш штенсивносп транспортного потоку в чай. Характер руху транспортних засоб1в по транспортам мереж1 свщчить про зворотне. Нер1вном1р-ний виб1р режим1в руху окремих транспортних засоб1в у потощ, наявтсть р1знопланових характеристик ме-реж1 та застарш засоби оргашзаци свгглофорного ре-гулювання лише тдтверджують думку про стохастич-ний розподш черг перед перехрестями. Тому необхвд-ним е проведения дослвджень з виявлення характеристик транспортного потоку та параметр1в свплофорно! сигнал1заци на утворення черг перед пере-хрестями.

Результати натурних дослвджень

4. Визначення розподшу характеристик транспортного потоку та пара-метрiв свгглофорноТ сигналiзащT в мк-цях утворення черг

Для проведення натурних досль джень було обрано дек1лька перехресть в м. Харков1. Як1 вщображають всю гаму перейчень, а саме:

1) кшькосп смуг руху на головнш та другоряднш дорозц

2) кшькосп фаз регулювання;

3) параметр1в свплофорно! сигна-л1заци;

4) характеристик штенсивносп транспортних потоков;

5) довжиною черг перед перехрестями. В межах експериментальних дослвджень на об-раних перехрестях було з1брано наступн дат (табл. 1):

1) штенсивтсть руху транспортних засоб1в на тдходах до перехресть;

2) тривалосп такпв та часу циклу;

3) кшьисть транспортних засоб1в, що знаходять-ся у черз1.

Сформований масив даних дозволяе отримати додатков1 параметри утворення черг шляхом розрахун-ку наступних ввдношень (табл. 2):

1) штенсивтсть руху транспортних засобш, що приходиться на одну смугу руху;

2) штенсивтсть руху транспортних засобш, що приходиться на одну секунду руху;

3) кшьюсть цик-л1в регулювання у годит;

Таблиця 1

Номер 1нтенсив-нiсгь ру- Кшьюсть Тривалють часу, с Кшьюсть транспортних засобiв, що знаходяться у черзi в момент часу t

дослвду ху, авт./год. смуг руху Циклу Зеленого сигналу Червоно-го сигналу Суми промiж-них тактш 20 40 60 80 100

1 1230 2 58 20 30 8 6 3 5 6 7

2 2260 3 53 25 16 12 3 2 3 3 4

3 1350 2 49 15 28 6 8 4 6 7 9

50 3146 3 63 36 18 9 6 3 3 8 3

Таблиця 2

Результати нату

зних дослвджень

Номер дослщу 1нтенсив-шсть руху, що приходиться на 1 смугу руху, авт./год. 1нтенсившсть руху, що приходиться на 1 секунду ру^ авт./год. Кшьюсть циклш регулювання у годиш Сшвв1дношення часу горшня зеленого сигналу до часу циклу Середня довжина черги, авт.

розра-хункова експери-ментальна

1 615 0,171 62 0,345 5 5

2 753 0,209 67 0,472 3 3

3 675 0,188 73 0,306 5 7

50 1049 0,291 57 0,571 5 5

4) сшвввдношен-ня часу горшня зеленого сигналу до часу циклу;

5) середня дов-жина черги (виражена у кшькосп транспортних засобiв).

Для виявлення характеру та напряму дй' основних факгорiв на довжину черги було побудовано вiдповiднi розпод1ли залежно1 змш-но1. Так на рис. 3-4 наведено розподш довжи-ни черги залежно штенсивносп руху. Де видно, що ттко1 залежносп мiж експериментальними да-ними довжини черги та iнтенсивностi руху не-прослвдковусться. Нато-мiсть отриманий розпо-дiл довжини черги залежно iнтенсивностi руху, що приходиться на 1 смугу руху показуе на чгтку залежнiсть (рис. 5).

Огримат розподши (рис. 3-5) характеризуют утворення черг, тобто !х накопичення. З iншого боку оцiниги пропускну можливiсть подходу можливо розглянувши розподiл довжи-ни черги залежно спiввiдношення часу горiння зеленого сигналу до часу циклу (рис. 6).

Як бачимо юнуе коридор варшвання довжини черги залежно спiввiдношення часу горшня зеленого сигналу до часу циклу, але загальна тенденцiя веде до зменшення черги. Що пояснюеться бiльшим часом на пропуск транспортних засобiв протягом часу циклу.

Отже наведеш розподiли довжини черги залежно дослвджених факторiв необхвдно перевiрити за допомогою статистичного ана-лiзу на вагомiсть 1х впливу.

_ шввиношення часу горшня зеленого сигналу до часу циклу Рис. 6. Розподш довжини черги залежно сшввшношення часу горшня зеленого сигналу до часу циклу

1нтенснвн1стьруху,

Рис. 3. Розподш середньо! довжини черги залежно штенсивносп руху

1нтенсивн1сть руху.

Рис. 4. Розподiл довжини черги (експериментальш данi) залежно iнтенсивностi руху

1нтенсившстьруз

Рис. 5. Розподiл довжини черги залежно iнтенсивностi руху, що приходиться на 1 смугу руху

5. Математична модель визна-чення довжини черги

Для визначення виду функцп вш перелiчених факторiв було вико-ристано експериментальнi данi та про-грамний продукт Statistica. Для визначення залежносп мiж факторами та функщею було обрано лiнiйний вид, що мае наступний вигляд

y = a+a • x+a • x + •••+a

(4)

де a, a, a, a - коефщенти моделi; X, X, X - змiннi фактори.

Використовуючи даш табл. 1-2 та програмний продукт Statistica 6.0 було отримано коефiцiенти моделi й побу-довано лiнiйну математичну модель довжини черги

01черг = 6,1810 + +0,0061 • N-5,2706 • n +

t

+0,2124 • t -10,5381 • -2-

T„

(5)

де

0l - довжини черги, авт.; N -

iнтенсивнiсть руху транспортних за-собiв на пiдходах до перехресть, авт./год.; n - кшьшсть смуг руху; T, t„, t3 - час циклу, час горiння чер-

воного та зеленого сигналiв свилофо-ра ввдповвдно, с.

Пiд час обробки результапв в програмi Statistica були отримаш коефь цiенти значимостi факторiв моделi (табл. 3). Де видно, що вс змiннi е зна-чимими, що ввдповшае проведеним дос-лвдженням.

Для перевiрки отримано! моделi на адекватшсть, в якостi критерiю було обрано показник середньо! помилки апроксимацп

Таблиця 3

Коефщенти значимосп фактор1в математично! модел1 (5)

Фактор Значення коефщенту

1нтенсившсть руху транспортних засо-б!в на щдходах до перехресть, N, авт./год. 1,281577

Кшьшсть смуг руху, п -0,759006

Час горшня червоного сигналу свгтло-фора, гч, с 0,375638

Сшввщношення часу горшня зеленого 13 сигналу до часу циклу, — Тц -0,305427

1 n

s = - £

N £

УТ - УГ

У!

• 100%,

(6)

де N - шльшсть спостережень, од.; yM,уф - вщповь дно розраховане за моделлю та фактичне значення залежно! зм1нно!.

Виконавши попередш шдрахунки вщхилень фактичних даних ввд експериментальних розрахова-ний показник середньо!' помилки апроксимаци склав:

s= — -10,11-100% = 4,04%.

250

Отримане значення середньо! помилки апроксимаци 4,04 % сввдчить про адекватшсть розроблено! модел визначення довжини черги й дозволяе вико-ристовувати !! в практичних розрахунках.

Додатковим шдтвердженням е адекватш значення шших оцшночних показник1в, отриманих в програш Statistica. А саме критерш Фшера та мно-жинний коефщент кореляцп, значення яких наведено в табл. 4.

Таблиця 4

Оцшка адекватносп модел (5)

Критерш адекватносп Значення критерш

Показник середньо! помилки апроксимаци, s 4,04 %

Критерш Фшера, F - розрахунковий - табличний 34,915 2,65

Множинний коефщент кореляцп, R2 0,8696

Таким чином отримана математична модель визначення довжини черги (5) е адекватною до умов руху на вулично-дорожнш мереж й може застосову-ватися для практичних розрахунк1в при розробщ за-ход1в з удосконалення оргашзаци дорожнього руху.

6. Висновки

В результат! експериментальних дослщжень на вулично-дорожнш мереж! м. Харкова було визна-чено наступи даш: штенсившсть руху транспортних засоб1в на шдходах до перехресть; тривалосп таклв

та часу циклу; шльшсть транспортних засоб1в, що знаходяться у черз! Анал1з цих даних дозволив сфо-рмувати уявлення про розподш довжини черги перед перехрестям залежно дослвджених фактор1в.

В результат! було отримано математичну модель визначення довжини черги перед перехрестям, яка залежить ввд штенсивносл руху транспортних засоб1в на щдходах до перехресть, шлькосп смуг руху, часу горшня червоного сигналу свилофора та сшввщношення часу горшня зеленого сигналу до часу циклу. Так видно, що !нтенсившсть руху транспортних засоб1в на щдходах до перехресть та час горшня червоного сигналу свилофора збшьшують довжину черги, а шльшсть смуг руху та сшввщно-шення часу горшня зеленого сигналу до часу циклу навпаки зменшують 11 значення.

При перев1рщ на адекватшсть було отримано значення середньо! помилки апроксимаци е = 4,04 %, що сввдчить про адекватшсть розроблено! модел! довжини черги й дозволяе використовува-ти !! в практичних розрахунках. Додатково було отримано значення множинного коеф!ц!енту кореля-цИ Я2 = 0,8696 та розрахункове значення критер!ю

табличного

Ф!шера Fpa3p = 34,915

яке менше

Fma6ji (р = 0,05) = 2,65 , що св!дчить про значимють отримано! регреси.

Лiтература

1. Гаврилов, Е. В. Системолог1я на транспорт! Ор-гашзащя дорожнього руху [Текст] / Е. В. Гаврилов, М. Ф. Дмитриченко, В. К. Доля та ш.; за ред. М. Ф. Дмит-риченка. - К. : Знання Укра!ни, 2007. - 452 с.

2. Dewar, R. Human Factors in Traffic Safety. 2nd edition [Text] / R. Dewar, P. Olsen. - Lawyers and Judges Publishing Company, Inc., 2007. - 549 р.

3. Shinar, D. Traffic Safety and Human Behavior [Text] / D. Shinar. - Elsevier, 2007. - 776 р.

4. Полщук, В. П. Теорш транспортного потоку: ме-тоди та моделi оргашзаци дорожнього руху [Текст] / В. П. Полщук, О. П. Дзюба. - К. : Знання Украши, 2008. - 175 с.

5. Leutzbach, W. Introduction to the theory of traffic flow [Text] / W. Leutzbach. - Berlin : Springer-Verlag, 1988. -204 p. doi: 10.1007/978-3-642-61353-1

6. Markowski, M. J. Modeling behavior in vehicular and pedestrian traffic flow [Text] / M. J. Markowski. - New York : Umi, 2008. - 162 p.

7. Пугачев, И. Н. Организация и безопасность движения [Текст] / И. Н. Пугачёв. - Хабаровск: Изд-во Хабар. гос. техн. ун-та, 2004. -232 с.

8. Яркин, Е. К. Планировочная организация движения транспорта в городах [Текст] / Е. К. Яркин, Е. В. Хар-ченко. - Юж.-Рос. гос. техн. ун-т. - Новочеркасск: ЮРГТУ, 2000. - 365 с.

9. Пальчик, А. М. Транспорта потоки [Текст] / А. М. Пальчик. - К.: НТУ, 2010 - 171 с.

10. Глик, Ф. Г. Обследование транспортных потоков и прогнозирование нагрузки сети городских улиц и дорог [Текст] / Ф. Г. Глик. - Социально-экономические проблемы развития транспортных систем городов. - Екатеринбург, 1998. - 105 с.

11. Sacks, G. Impact of front-of-pack 'traffic-light'nutrition labelling on consumer food purchases in the UK [Text] / G. Sacks, M. Ray-ner, B. Swinburn // Health promotion interna-tional. - 2009. - Vol. 24, Issue 4. - P. 344-352. doi: 10.1093/heapro/dap032

12. Tubaishat, M. Adaptive traffic light control with wireless sensor networks [Text] / M. Tubaishat, Y. Shang, H. Shi // Proceedings of IEEE Consumer Communications and Networking Conference, 2007. - P. 187-191. doi: 10.1109/ ccnc.2007.44

13. Branston, D. Some factors affecting the capacity of signalized intersection [Text] / D. Branston. - TrafficEng. and Contr., 1979. - P. 390-396.

References

1. Gavrylov, E. V., Dmytrychenko, M. F., Dolja, V. K. et. al.; Dmytrychenko, M. F. (Ed.) (2007). Systemologija na transporti. Organizacija dorozhn'ogo ruhu. Kiev: Znannja Ukrai'ny, 452.

2. Dewar, R., Olsen, P. (2007). Human Factors in Traffic Safety. 2nd edition. Lawyers and Judges Publishing Company, Inc., 549.

3. Shinar, D. (2007). Traffic Safety and Human Behavior. Elsevier, 776.

4. Polishhuk, V. P., Dzjuba, O. P. (2008). Teorija transportnogo potoku: metody ta modeli organizacii' dorozhn'ogo ruhu. Kiev: Znannja Ukrai'ny, 175.

5. Leutzbach, W. (1988). Introduction to the theory of traffic flow. Berlin : Springer-Verlag, 204. doi: 10.1007/978-3642-61353-1

6. Markowski, M. J. (2008). Modeling behavior in vehicular and pedestrian traffic flow. New York: Umi, 162.

7. Pugachev, I. N. (2004). Organizacija i bezopasnost' dvizhenija. Habarovsk: Izd-vo Habar. gos. tehn. un-ta, 232.

8. Jarkin, E. K., Harchenko, E. V. (2000). Plani-rovochnaja organizacija dvizhenija transporta v gorodah. Juzh.-Ros. gos. tehn. un-t. Novocherkassk: JuRGTU, 365.

9. Pal'chyk, A. M. (2010). Transportni potoky. Kiev: NTU, 171.

10. Glik, F. G. (1998). Obsledovanie transportnyh potokov i prognozirovanie nagruzki seti gorodskih ulic i dorog. Social'no-jekonomicheskie problemy razvitija transportnyh sistem gorodov. Ekaterinburg, 105.

11. Sacks, G., Rayner, M., Swinburn, B. (2009). Impact of front-of-pack 'traffic-hght'nutrition labelling on consumer food purchases in the UK. Health promotion interna-tional, 24 (4), 344-352. doi: 10.1093/heapro/dap032

12. Tubaishat, M., Shang, Y., Shi, H. (2007). Adaptive traffic light control with wireless sensor networks. Proceedings of IEEE Consumer Communications and Networking Conference, 187-191. doi: 10.1109/ccnc.2007.44

13. Branston, D. (1979). Some factors affecting the capacity of signalized intersection. TrafficEng. and Contr., 390-396.

Рекомендовано до публгкацИ д-р техн. наук Доля В.К.

Дата надходженнярукопису 20.05.2015

Санько Ярослав Володимирович, кандидат техшчних наук, доцент, кафедра транспортних систем i ло-пстики, Харшвський нацюнальний ушверситет мюького господарства iм. О. М. Бекетова, вул. Революцп, 12, м. Харшв, УкраГна, 61002 E-mail: [email protected]

Музалевська Юлiя Юривна, астрант, кафедра транспортних систем i лопстики, Харшвський нацю-нальний унiверситет мюького господарства iм. О. М. Бекетова, вул. Революцп, 12, м. Харшв, УкраГна, 61002

E-mail: [email protected]

Лепетюк Ярослав Олегович, Харшвський нацiональний унiверситет мюького господарства iм. О. М. Бекетова, вул. Революцп, 12, м. Харшв, УкраГна, 61002 E-mail: [email protected]

УДК 004.056

DOI: 10.15587/2313-8416.2015.44364

МЕТОД КЛАСТЕРИЗАЦП ПОВ1ДОМЛЕНЬ ЗА ДОПОМОГОЮ АРХ1ВУЮЧОГО ПЕРЕТВОРЕННЯ

© о. о. арий

В данш cmammi представлено метод визначення характеристик meKcmie та ix класифкаци за допомо-гою архiвування. Використовуючи прямий зв'язок архiвування за допомогою алгоритмiв LZ77 i Хаффма-на з ентротею, видшяються ознаки тексту, що дозволяють визначати мову його написання, стиль, авторство, кластеризувати масиви даних за ix належнктю до певноЧ тематики

Клю^о^^ слова:арxiвацiя, ентропiя, розпгзнавання тексту, спам, фшинг, LZ77, алгоритм Хаффмана

This article represents the method of the text's parameters identification and their classification with the help of archiving. Using the direct bond between the archiving with LZ77 and Huffman algorithm and entropy, the text's characteristics are identified, and they help to define its language, style, authorship, and cluster data files by their topic relevance

Keywords: archiving, entropy, text recognition, spam, fishing, LZ77, Huffman algorithm