Výzkumný tým se zabývá uplatnění nových přístupů a metodik v oblasti zpracování a analýzy rozsáhlých dat popisujících provoz vybraných komplexních (například dopravních) systémů. Pro zkoumání charakteristik provozu uvedených systémů jsou uplatňovány metody a technologie zejména z oblastí Big data, paralelních systémů, umělé inteligence a počítačové simulace:
- Návrh struktury počítačových clusterů pro HPC, Big data, data analytic,
- Implementace paralelních algoritmů pro prostředí OpenMP, MPI, CUDA, openACC, Chapel, Spark a Scala
- Detekce pohybu objektů v prostoru a čase, zpracování temporálních údajů, distribuované a no SQL databáze,
- Informační systémy pro dopravu, analýza dat.
Klíčová slova
Clustery – Databáze – Paralelní HW a SW – Umělá inteligence – Data analytics – Big data – Reálný čas
Vedoucí výzkumného týmu:
- doc. Dr. Ing. Tomáš Brandejský
Členové výzkumného týmu:
- prof. Ing. Antonín Kavička, PhD.
- doc. Ing. Michael Bažant, Ph.D.
- Ing. Monika Borkovcová, Ph.D.
- Ing. Roman Diviš, Ph.D.
- Ing. Jan Merta, Ph.D.
Aktuálně řešené projekty:
- 2018 – 2022 Spolupráce Univerzity Pardubice a aplikační sféry v aplikačně orientovaném výzkumu lokačních, detekčních a simulačních systémů pro dopravní a přepravní procesy (PosiTrans). MŠMT ČR, program OPVVV
- 2019 – 2020 Softwarová simulační podpora pro určování kapacity infrastruktury železničních stanic.TAČR, program Zéta
Vybrané publikace:
- VYČÍTAL, J. - BAŽANT, M. Train overtaking at railway stations within simulationmodels of railway lines. In 32nd European Modeling and Simulation Symposium, EMSS 2020. Janov: Dime University of Genoa, 2020. s. 28-34 s. ISBN 978-88-85741-44-7.
- BULÍČEK, J. - BAŽANT, M. Selection of railway line segments that allow occupation by more trains based on simulation. In 32nd European Modeling and Simulation Symposium, EMSS 2020. Janov: Dime University of Genoa, 2020. s. 242-247 s. ISBN 978-88-85741-44-7. BAŽANT, M. - BULÍČEK, J. Assessment of partial double-tracked railway lines with focus on capacity. In 24th International Scientific Conference Transport Means 2020. Kaunas: Kaunas University, 2020. s. 283-288 s. ISSN 1822-296X (print) ISSN 2351-7034 (on-line).BAŽANT, M. - BULÍČEK, J. Assessment of partial double-tracked railway lines with focus on capacity. In 24th International Scientific Conference Transport Means 2020. Kaunas: Kaunas University, 2020. s. 283-288 s. ISSN 1822-296X (print) ISSN 2351-7034 (on-line).
- BAŽANT, M. - BULÍČEK, J. Assessment of partial double-tracked railway lines with focus on capacity. In 24th International Scientific Conference Transport Means 2020. Kaunas: Kaunas University, 2020. s. 283-288 s. ISSN 1822-296X (print) ISSN 2351-7034 (on-line).
- BRANDEJSKÝ, T. Preconditions of GPA-ES Algorithm Application to Big Data. In Advances in Intelligent Systems and Computing : Artificial Intelligence and Evolutionary Computations in Engineering Systems. Vol.1056. Singapur: Springer, 2020, s. 485-492. ISBN 978-981-15-0198-2. ISSN 2194-5357.
- KAVIČKA, A. - DIVIŠ, R. - VESELÝ, P. Railway station capacity assessment utilizing simulation-based techniques and the UIC406 method. In 32nd European Modeling and Simulation Symposium, EMSS 2020. Janov: Dime University of Genoa, 2020. s. 41-49 s. ISBN 978-88-85741-44-7.
- BRANDEJSKY, Tomas. Dependency of GPA-ES Algorithm Efficiency on ES Parameters Optimization Strength. Journal of Advanced Engineering and Computation. 2019, 3(1), 304-311. DOI: 10.25073/jaec.201931.226. ISSN 2588-123X.
- BRANDEJSKY, Tomas. GPA-ES Algorithm Modification for Large Data. In: Intelligent Systems Applications in Software Engineering. Cham: Springer International Publishing, 2019, 2019-09-20, s. 98-106. Advances in Intelligent Systems and Computing. DOI: 10.1007/978-3-030-30329-7_9. ISBN 978-3-030-30328-0.
Popis činnosti
1. Návrh struktury počítačových clusterů pro HPC, Big data, data analytics
Ideální struktura výpočetního systému souvisí s jeho konkrétním užitím a z něj vyplývajícími požadavky a potřebami. Liší se dokonce např. požadavky na výpočetní systémy pro vědecké výpočty a simulace např. v závislosti na četnosti komunikace jednotlivých komponent modelu. Ještě odlišnější jsou požadavky na zpracování rozsáhlých dat či dokonce dat kategorie Big data. Náš tým se soustřeďuje i na budování prostředků pro analýzu takto rozsáhlých dat (Data Analytic) včetně on-line analytiky, tedy analýzy těchto dat prakticky v reálném čase. Příkladem takovýchto systémů jsou systémy on-line sledování pohybu dopravních prostředků, např. firemních vozidel, sledování jejich technického stavu a vyhodnocování nejen dodržování čas a časů, ale i detekce kritických míst v infrastruktuře ovlivňujících jejich životnost.
2. Implementace paralelních algoritmů pro prostředí OpenMP, MPI, CUDA, openACC, Chapel, Spark a Scala
Rozsáhlá data není možno zpracovat v akceptovatelném čase a paralelní počítačové systémy, zvláště pak clustery, není možno využít bez paralelních algoritmů implementovaných v odpovídajících programovacích jazycích a softwarových prostředích. Tým se soustřeďuje na návrh simulačních, výpočetních a analytických algoritmů optimalizovaných pro paralelní HW a SW včetně pokročilých algoritmů umělé inteligence, jako jsou hierarchické a hybridní evoluční algoritmy.
3. Detekce a nalýza pohybu objektů v prostoru a čase, zpracování temporálních údajů, distribuované a no SQL databáze
Byly vytvořeny algoritmy pro detekci kritických oblastí v infrastruktuře pro databáze obsahující mnoho milionů a miliard záznamů o pohybech vozidel
4. Informační systémy pro dopravu, analýza dat.
Byl také vytvořen evoluční algoritmus pro hledání distribučních funkcí zpoždění z takto rozsáhlých databází, který sám nalezne k předložené rozsáhlé databázi analytický popis příslušných distribučních funkcí.