Dopravní plánování a modelování (11 DOPM )

Podobné dokumenty
Dopravní plánování a modelování (11 DOPM )

Dopravní plánování a modelování (11 DOPM )

Teorie her a ekonomické rozhodování. 10. Rozhodování při jistotě, riziku a neurčitosti

Použití potenciální dostupnosti pro hodnocení dopravních projektů

Metody vícekriteriálního hodnocení variant a jejich využití při výběru produktu finanční instituce

Vícekriteriální rozhodování. Typy kritérií

EKONOMICKO-MATEMATICKÉ METODY

SÍŤOVÁ ANALÝZA. Základní pojmy síťové analýzy. u,. Sjednocením množin { u, u,..., 2. nazýváme grafem G.

Statistická energetická analýza (SEA)

Využití logistické regrese pro hodnocení omaku

ANALÝZA ROZPTYLU (Analysis of Variance ANOVA)

1. Úvod. Cílem teorie her je popsat situaci, která nás zajímá, jako hru. Klasickým případem

MODELOVÁNÍ A SIMULACE

Pružnost a plasticita II

u (x i ) U i 1 2U i +U i+1 h 2. Na hranicích oblasti jsou uzlové hodnoty dány okrajovými podmínkami bud přímo

APLIKACE MATEMATICKÉHO PROGRAMOVÁNÍ PŘI NÁVRHU STRUKTURY DISTRIBUČNÍHO SYSTÉMU

Pružnost a plasticita II

Cvičení 13 Vícekriteriální hodnocení variant a vícekriteriální programování

Dopravní plánování a modelování (11 DOPM )

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY BAKALÁŘSKÁ PRÁCE Radka Luštincová

Rovinný svazek sil. Lze odvodit z obecného prostorového svazku sil vyloučením jedné dimenze. =F i. =F ix. F 2x. e 2. = F 1x. F ix. n Fi sin i.

Matematické modelování ve stavební fyzice

Segmentace. Ilona Janáková. Rozvrh přednášky:

Iterační výpočty. Dokumentace k projektu pro předměty IZP a IUS. 22. listopadu projekt č. 2

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)

MANAŽERSKÉ ROZHODOVÁNÍ

Agregace vzájemné spojování destabilizovaných částic ve větší celky, případně jejich adheze na povrchu jiných materiálů

Monte Carlo metody Josef Pelikán CGG MFF UK Praha.

ŘEŠENÍ PROBLÉMU LOKALIZACE A ALOKACE LOGISTICKÝCH OBJEKTŮ POMOCÍ PROGRAMOVÉHO SYSTÉMU MATLAB. Vladimír Hanta 1, Ivan Gros 2

Matematika I A ukázkový test 1 pro 2018/2019

2 ÚVOD DO TEORIE PRAVDĚPODOBNOSTI. 2.1 Náhodný jev. π, které je třeba co nejpřesněji a nejúplněji vymezit, a k nimž je třeba výsledky pokusu a

1. Nejkratší cesta v grafu

2.5. MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC

Agregace v reálných systémech

Porovnání GUM a metody Monte Carlo

Lokace odbavovacího centra nákladní pokladny pro víkendový provoz

VÝZNAM TEORIE DUALITY V OPERAČNÍ ANALÝZE THEORY OF DUALITY IN OPERATIONAL ANALYSIS. ZÍSKAL Jan. Abstract

Lineární a adaptivní zpracování dat. 8. Kumulační zvýrazňování signálů v šumu 2

4/3.3. bodem v rovině (tvoří rovinný svazek sil), jsou vždy. rovnice z-ová. Pro rovnováhu takové soustavy

Tepelná kapacita = T. Ē = 1 2 hν + hν. 1 = 1 e x. ln dx. Einsteinův výpočet (1907): Soustava N nezávislých oscilátorů se stejnou vlastní frekvencí má

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN

Umělé neuronové sítě a Support Vector Machines. Petr Schwraz

LINEÁRNÍ PROGRAMOVÁNÍ

PRAVDĚPODOBNOST A STATISTIKA

ANALÝZA RIZIKA A CITLIVOSTI JAKO SOUČÁST STUDIE PROVEDITELNOSTI 1. ČÁST

Klasifikace a predikce. Roman LUKÁŠ

Řešené příklady ze stavební fyziky

NUMERICAL INTEGRATION AND DIFFERENTIATION OF SAMPLED TIME SIGNALS BY USING FFT

Čísla a aritmetika. Řádová čárka = místo, které odděluje celou část čísla od zlomkové.

8a.Objektové metody viditelnosti. Robertsův algoritmus

ZÁPADOČESKÁ UNIVERZITA V PLZNI

PROBLEMATIKA INTELIGENTNÍHO AUTOMATICKÉHO

Validation of the selected factors impact on the insured accident

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10

SIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ

Procesy paralelně komunikujících gramatických systé mů

TLOUŠŤKOVÁ A VÝŠKOVÁ STRUKTURA A JEJÍ MODELOVÁNÍ

VÝVOJ SOFTWARU NA PLÁNOVÁNÍ PŘESNOSTI PROSTOROVÝCH SÍTÍ PRECISPLANNER 3D. Martin Štroner 1

Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 14522

Základy počítačové grafiky

STATISTICKÉ ZJIŠŤOVÁNÍ

Pomocné texty pro přípravu ke státním zkouškám

Řešení radiační soustavy rovnic

Analýza nahraditelnosti aktivního systému úsekového měření rychlosti pasivním systémem P. Chmelař 1, L. Rejfek 1,2, M.

LectureV. April 18, celou historii vývoje škálovacího faktoru a Hubleovy konstanty. Otázkou je, jak určit množství hmoty ve vesmíru.

Přednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady. Milan Růžička

2. Definice pravděpodobnosti

Softwarová podpora matematických metod v ekonomice a řízení

Staré mapy TEMAP - elearning

6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu

Jednosložkové soustavy

2. Posouzení efektivnosti investice do malé vtrné elektrárny

Metoda digitalizace starých glóbů respektující jejich kartografické vlastnosti a Virtuální mapová sbírka Chartae-Antiquae.cz

SMR 1. Pavel Padevět

Optimální trvanlivost nástroje

Regresní a korelační analýza

Teoretický souhrn k 2. až 4. cvičení

Správa klí (key management)

PRAVDĚPODOBNOST A STATISTIKA. Testování hypotéz o rozdělení

3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina

Statistické vyhodnocení zkoušek betonového kompozitu

Obsah přednášky 1. Bayesův teorém 6. Naivní Bayesovský klasifikátor (NBK)

HODNOCENÍ DOJÍŽĎKY DO ZAMĚSTNÁNÍ V MORAVSKOSLEZSKÉM KRAJ

SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE APLIKACE NEURONOVÝCH SÍTÍ PRO DETEKCI PORUCH SIGNÁLŮ

Aproximace binomického rozdělení normálním

Numerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První

Metody prognózování v dopravě. Ing. Michal Dorda, Ph.D.

Řešení radiační soustavy rovnic

7. Analýza rozptylu.

POLYMERNÍ BETONY Jiří Minster Ústav teoretické a aplikované mechaniky AV ČR, v. v. i.

Přemysl Žiška, Pravoslav Martinek. Katedra teorie obvodů, ČVUT Praha, Česká republika. Abstrakt

PRAVDĚPODOBNOST A STATISTIKA

Molekulová vibrace dvojatomové molekuly. Disociační křivka dvojatomové molekuly

9. Měření kinetiky dohasínání fluorescence ve frekvenční doméně

Podmíněná pravděpodobnost, spolehlivost soustav

VYSOKÉ U ENÍ TECHNICKÉ V BRN BRNO UNIVERSITY OF TECHNOLOGY

Testování statistických hypotéz

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času

Transkript:

Department of Appled Mathematcs Faculty of ransportaton Scences Czech echncal Unversty n Prague Dopravní plánování a modelování (11 DOPM ) Lekce 5: FSM: rp dstrbuton Prof. Ing. Ondře Přbyl, Ph.D. Ing. Mlan Kříž

Obsah přednášky Úvod Náhodný model Gravtační model Prncp maxmalzace entrope Řešení okraových podmínek Obecný model dstrbuce cest 2

Úvod Source: http://ops.fhwa.dot.gov/wz/traffc_analyss/tatv9_wz/sec4.htm 3

rp dstrbuton 4

rp dstrbuton Jedná se o rozdělení a přdělení dsponblty každé zóny O na všechny možné cíle atraktvty každé zóny D na všechny možné zdroe dodržení hodnot O a D, případně alespoň Výpočet přemísťovacích vztahů v matc příslušné modelované oblast a příslušné část poptávky Oba dva směry působí současně a nezávsle 5

rp dstrbuton Velkost ednotlvých přemísťovacích vztahů závsí na: uvažované skupně osob dsponbltě atraktvtě dopravní sít / dopravních módech modelované oblast Vstupní data: hodnoty O, D a dopravní síť a eí ohodnocení užvatel pravdlo pro výpočet trp dstrbuton 6

Náhodný model Losume dvoce míčků Míčky se znakem Počet míčků s určtým znakem = O Míčky se znakem Počet míčků s určtým znakem = D Počet míčků v každém osudí 7

Náhodný model P počátek = O P konec = D = P počátek konec = P počátek P konec = O D = O D 8

Náhodný model O D P počátek = O P konec = D = P počátek konec = P počátek P konec = O D = O D 9

Náhodný model Náklady nesou zohledněny, resp. maí na všech relacích stenou hodnotu: f(x ) = 1 Aplkace: modely měst do velkost o průměru cca 6 km pro IAD, resp. VD určté páry aktvt (např. dálkové služební cesty) 1 2 3 4 5 O 1 2 3 4 5 skutečnost cíl 1 50,00 1 3,13 9,38 15,63 6,25 15,63 50,00 50,00 2 200,00 2 12,50 37,50 62,50 25,00 62,50 200,00 200,00 3 300,00 3 18,75 56,25 93,75 37,50 93,75 300,00 300,00 4 150,00 4 9,38 28,13 46,88 18,75 46,88 150,00 150,00 5 100,00 5 6,25 18,75 31,25 12,50 31,25 100,00 100,00 D 50,00 150,00 250,00 100,00 250,00 800,00 skutečnost 50,00 150,00 250,00 100,00 250,00 800,00 cíl 50,00 150,00 250,00 100,00 250,00 10

Obecný model př užtí ného ohodnocení nákladů (např. zakázat dagonálu) můžeme odvodt obecný model se zachováním hodnoty 1 2 3 4 5 skutečnost cíl 1 0,00 9,38 15,63 6,25 15,63 46,88 50,00 2 12,50 0,00 62,50 25,00 62,50 162,50 200,00 3 18,75 56,25 0,00 37,50 93,75 206,25 300,00 4 9,38 28,13 46,88 0,00 46,88 131,25 150,00 5 6,25 18,75 31,25 12,50 0,00 68,75 100,00 skutečnost 46,88 112,50 156,25 81,25 218,75 615,63 cíl 50,00 150,00 250,00 100,00 250,00 800,00 = f X O D σ σ f X O D 1 2 3 4 5 skutečnost cíl 1 0,00 12,18 20,30 8,12 20,30 60,91 50,00 2 16,24 0,00 81,22 32,49 81,22 211,17 200,00 3 24,37 73,10 0,00 48,73 121,83 268,02 300,00 4 12,18 36,55 60,91 0,00 60,91 170,56 150,00 5 8,12 24,37 40,61 16,24 0,00 89,34 100,00 skutečnost 60,91 146,19 203,05 105,58 284,26 800,00 cíl 50,00 150,00 250,00 100,00 250,00 800,00 = f X O D σ σ f X O D 11

ypy modelů Způsoby ohodnocení nákladů odvozeny z různých zdroů: zákony fyzky ekonometrcké přístupy psychologcké vnímání teore nformace 12

Gravtační model Analoge s fyzkálním gravtačním zákonem: F g = κ m 1 m 2 r 2 Použt ž v roce 1891 Eduardem Lllem vrchní nspektor Rakouské severozápadní dráhy (ÖNWB) aplkoval zákon na přepravní vztahy na tratích ÖNWB 13

14

Gravtační zákon klascký gravtační zákon: zohlednění pouze celkového počtu cest mplctně aplkace vážení potencálem zóny (zdroovým cílovým) = O D X 2 σ σ O D X 2 = O D X α σ σ O D X α = X α O D σ σ X α O D 15

Gravtační zákon = X α O D σ σ X α O D 1 2 3 4 5 O X 1 2 3 4 5 a 1 50,00 1 0,00 1,00 2,00 3,00 4,00 0,30 2 200,00 2 1,00 1,00 2,00 3,00 4,00 3 300,00 3 2,00 2,00 2,00 3,00 4,00 4 150,00 4 3,00 3,00 3,00 3,00 4,00 5 100,00 5 4,00 4,00 4,00 4,00 4,00 D 50,00 150,00 250,00 100,00 250,00 800,00 f(x) 1 2 3 4 5 1 2 3 4 5 skutečnost cíl 1 1,00 1,00 0,81 0,72 0,66 1 4,19 12,56 17,01 6,02 13,82 53,60 50,00 2 1,00 1,00 0,81 0,72 0,66 2 16,75 50,26 68,03 24,10 55,26 214,40 200,00 3 0,81 0,81 0,81 0,72 0,66 3 20,41 61,23 102,05 36,15 82,89 302,73 300,00 4 0,72 0,72 0,72 0,72 0,66 4 9,04 27,11 45,18 18,07 41,45 140,85 150,00 5 0,66 0,66 0,66 0,66 0,66 5 5,53 16,58 27,63 11,05 27,63 88,42 100,00 skutečnost 55,91 167,74 259,91 95,39 221,05 800,00 cíl 50,00 150,00 250,00 100,00 250,00 800,00 16

Prncp maxmalzace entrope Systémy maí tendenc přecházet do stavu s nevyšší pravděpodobností př zohlednění působení vněších sl Vz též knetcká teore plynů Systémová podmínka: σ σ X = const. Ekvvalentní vyádření: σ σ X σ σ = തX = const. (celočíselná) maxmalzace entrope E =! ς! MAX Pro necelá čísla za použtí Strlngova vzorce upravená krterální funkce: σ σ ln MIN Opět předpokládáme dodržení 17

Prncp maxmalzace entrope Mkro-stav / mezo-stav, resp. makro-stav 1 0 1 0 1 1 1 1 2 a 0 1 0 b 1 1 1 2 b 0 1 0 a 1 1 1 2 0 1 1 1 0 1 1 1 2 0 b 1 a 0 1 1 1 2 0 a 1 b 0 1 1 1 2 E =! ς! = 2! 1! 0! 1! 0! = 2 18

Prncp maxmalzace entrope 1 2 3 4 5 O X 1 2 3 4 5 1 50,00 1 0,00 1,00 2,00 3,00 4,00 2 200,00 2 1,00 1,00 2,00 3,00 4,00 3 300,00 3 2,00 2,00 2,00 3,00 4,00 4 150,00 4 3,00 3,00 3,00 3,00 4,00 5 100,00 5 4,00 4,00 4,00 4,00 4,00 D 50,00 150,00 250,00 100,00 250,00 800,00 E 1 2 3 4 5 1 2 3 4 5 skutečnost cíl 1 2235,45 289,55 28,96 0,32-0,91 1 439,55 84,31 16,22 3,02 0,60 543,69 50,00 2 289,36 289,36 28,96 0,32-0,91 2 84,26 84,26 16,22 3,02 0,60 188,36 200,00 3 28,96 28,96 28,96 0,32-0,91 3 16,22 16,22 16,22 3,02 0,60 52,27 300,00 4 0,32 0,32 0,32 0,32-0,91 4 3,02 3,02 3,02 3,02 0,60 12,68 150,00 5-0,91-0,91-0,91-0,91-0,91 5 0,60 0,60 0,60 0,60 0,60 3,00 100,00 3242,58 skutečnost 543,65 188,41 52,27 12,68 3,00 800,00 cíl 50,00 150,00 250,00 100,00 250,00 800,00 C 1 2 3 4 5 1 0,00 84,31 32,43 9,06 2,40 2 84,26 84,26 32,43 9,06 2,40 3 32,43 32,43 32,43 9,06 2,40 cíl 4 9,06 9,06 9,06 9,06 2,40 500 5 2,40 2,40 2,40 2,40 2,40 500,00 19

Prncp maxmalzace entrope Výsledný vztah: = e β X σ σ e β X X - norm výpočet 1,652281 0 439,55 1,00000 1,00000 1 84,26 0,19171 0,19161 2 16,22 0,03689 0,03672 3 3,02 0,00687 0,00704 4 0,60 0,00137 0,00135 20

Logt model eore dskrétní volby (vz další přednáška) Výsledný vztah stený ako u prncpu maxmalzace entrope = e β X σ σ e β X 1 2 3 4 5 O X 1 2 3 4 5 b 1 50,00 1 0,00 1,00 2,00 3,00 4,00 1,652281 2 200,00 2 1,00 1,00 2,00 3,00 4,00 3 300,00 3 2,00 2,00 2,00 3,00 4,00 4 150,00 4 3,00 3,00 3,00 3,00 4,00 5 100,00 5 4,00 4,00 4,00 4,00 4,00 D 50,00 150,00 250,00 100,00 250,00 800,00 f(x) 1 2 3 4 5 1 2 3 4 5 skutečnost cíl 1 1,00 0,19 0,04 0,01 0,00 1 439,61 84,23 16,14 3,09 0,59 543,67 50,00 2 0,19 0,19 0,04 0,01 0,00 2 84,23 84,23 16,14 3,09 0,59 188,30 200,00 3 0,04 0,04 0,04 0,01 0,00 3 16,14 16,14 16,14 3,09 0,59 52,11 300,00 4 0,01 0,01 0,01 0,01 0,00 4 3,09 3,09 3,09 3,09 0,59 12,96 150,00 5 0,00 0,00 0,00 0,00 0,00 5 0,59 0,59 0,59 0,59 0,59 2,96 100,00 skutečnost 543,67 188,30 52,11 12,96 2,96 800,00 cíl 50,00 150,00 250,00 100,00 250,00 800,00 21

Obecný model V zásadě e možné zvolt lbovolnou funkc Obecně lepší zvonovtý tvar, který lépe zobrazue ohodnocení nákladů, avšak zpravdla složtěší matematcké operace = f X σ σ f X 22

Řešení okraových podmínek Kromě ohodnocení nákladů e třeba brát eště v úvahu okraové podmínky Dosud řešeno pouze dodržení 1 2 3 4 5 skutečnost cíl 1 439,61 84,23 16,14 3,09 0,59 543,67 50,00 2 84,23 84,23 16,14 3,09 0,59 188,30 200,00 3 16,14 16,14 16,14 3,09 0,59 52,11 300,00 4 3,09 3,09 3,09 3,09 0,59 12,96 150,00 5 0,59 0,59 0,59 0,59 0,59 2,96 100,00 skutečnost 543,67 188,30 52,11 12,96 2,96 800,00 cíl 50,00 150,00 250,00 100,00 250,00 800,00 Zohlednění prostorových omezení: ednostranně omezený model (fxace edné strany) oboustranně omezený model 23

Jednostranně omezený model Fxace edné strany znamená, že tato bude přesně dodržena Zpravdla bývá fxace na straně domácí aktvty (pokud se aplkue) gravtační model (mplctně obsahue potencály ako váhy): = X α D σ X α O D = X α O σ X α D O logt model: = e β X σ e β X O = e β X σ e β X D 24

Jednostranně omezený model Gravtační model fxovaný přes zdro (zdroově fxovaný): 1 2 3 4 5 O X 1 2 3 4 5 a 1 50,00 1 0,00 1,00 2,00 3,00 4,00 0,80 2 200,00 2 1,00 1,00 2,00 3,00 4,00 3 300,00 3 2,00 2,00 2,00 3,00 4,00 4 150,00 4 3,00 3,00 3,00 3,00 4,00 5 100,00 5 4,00 4,00 4,00 4,00 4,00 D 50,00 150,00 250,00 100,00 250,00 800,00 f(x) 1 2 3 4 5 1 2 3 4 5 skutečnost cíl 1 1,00 1,00 0,57 0,42 0,33 1 5,35 16,04 15,35 4,44 8,82 50,00 50,00 2 1,00 1,00 0,57 0,42 0,33 2 21,39 64,16 61,42 17,76 35,27 200,00 200,00 3 0,57 0,57 0,57 0,42 0,33 3 22,53 67,58 112,63 32,57 64,69 300,00 300,00 4 0,42 0,42 0,42 0,42 0,33 4 10,02 30,06 50,09 20,04 39,79 150,00 150,00 5 0,33 0,33 0,33 0,33 0,33 5 6,25 18,75 31,25 12,50 31,25 100,00 100,00 skutečnost 65,53 196,59 270,75 87,31 179,83 800,00 cíl 50,00 150,00 250,00 100,00 250,00 800,00 25

Jednostranně omezený model Výhody/nevýhody: ednoduchý výpočet není potřeba teratvní výpočet není ale možné obecně dodržet O a D zároveň 26

Oboustranně omezený model Matce přemísťovacích vztahů s okraovým podmínkam n řádkových součtů n sloupcových součtů celkově 2 n rovnc n*n neznámých O = D = 27

Okraové podmínky 1 2 3 2 1 3 3 3 6 2 1 3 1 2 3 3 3 6 0 3 3 3 0 3 3 3 6 3 0 3 0 3 3 3 3 6 28

Prncp maxmalzace entrope Systémová podmínka: σ σ X = const. Ekvvalentní vyádření: σ σ X σ σ = തX = const. (celočíselná) maxmalzace entrope E =! ς! MAX Pro necelá čísla za použtí Strlngova vzorce upravená krterální funkce: σ σ ln MIN Okraové podmínky: O mn O O max D mn D D max 29

Prncp maxmalzace entrope Řešení: = e β X fo fd O mn O O max D mn D D max Okraové podmínky mohou být elastcké nebo neelastcké 30

Mnmalzace nformačního zsku Měřítko odchylky ednoho pravděpodobnostního rozdělení od druhého I f X = O D mn mn O D ln f X MIN O D max max Hledáme příslušnou matc: = f f X, O, D 31

Obecný model dstrbuce cest Řešení: = f X fo fd O mn O O max D mn D D max Okraové podmínky mohou být elastcké nebo neelastcké Obecně e možno použít lbovolnou funkc ohodnocení 32

Obecný model dstrbuce cest Řešení matce: koefcenty fo a fd musí být určeny tak, aby byly zároveň dodrženy všechny O a D e nutné řešt teratvním algortmem Používané metody: MULI FURNESS DEROI FRAAR 33

Model růstových koefcentů Exstue matce přepravních vztahů (např. ze sčítání nebo odhadů) ato matce e dostatečně reprezentatvní, avšak ž ne aktuální Od vytvoření matce nedošlo k významným změnám ve struktuře území Steně tak nedošlo ke změnám v dopravní nabídce = fo fd mn max O O O D mn D D max 34

Použté zdroe Ben-Akva, Moshe. ransportaton Systems Analyss: Demand & Economcs. Podklady k přednáškám. 2008. Lohse, Deter. Grundlagen der Strassenverkehrstechnk und der Verkehrsplanung. Band 2, Verkehrsplanung. Berln, 2011. Ortúzar, J. de D. & Wllumsen, L. Modellng ransport. Chchester, 2011. Schller, Chrstan. heore der Verkehrsplanung I + II. Podklady k přednáškám. 2011. 35

Department of Appled Mathematcs Faculty of ransportaton Scences Czech echncal Unversty n Prague Děku Vám za pozornost 11DOPM O. Přbyl, M. Kříž 3