Az entrópia közlekedésinformatikai értelmezése = Interpretation of Entropy in Transport Informatics

Berta, Tamás and Henézi, Diána and Török, Ádám (2026) Az entrópia közlekedésinformatikai értelmezése = Interpretation of Entropy in Transport Informatics. KÖZLEKEDÉSTUDOMÁNYI SZEMLE, 76 (5). pp. 28-37. ISSN 0023-4362

Preview

Text Final_Berta.pdf - Published Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (169kB) | Preview

Abstract

Cikkünk az entrópia egységes értelmezését adja a termodinamika, a statisztikus fizika és az információelmélet területén, majd ezt a fogalmat kiterjeszti a termelési és közlekedési rendszerek elemzésére. A fizikában az entrópia az energia rendezetlenségét és eloszlását jellemzi, és a második főtétel szerint zárt rendszerekben növekszik. A statisztikus fizikában a mikroállapotok számával, míg a Shannon-féle értelmezésben a bizonytalanság mértékével azonos. Ezekre építve a tanulmány az entrópiát komplex rendszerek strukturális analógiájaként alkalmazza. A termelési rendszerekben az entrópia a veszteségek, a variabilitás és a koordinációs problémák összefoglalója, amely csak folyamatos beavatkozással csökkenthető.A fő eredmény a közlekedési csomópontok entrópia alapú értelmezése. A csomópont entrópiája a forgalmi állapotok variabilitását és kiszámíthatatlanságát fejezi ki, míg az „entalpia” a rendszer hasznosítható potenciálját írja le. A forgalomirányítás (jelzőlámpa, szabályozás) az állapotok korlátozásával csökkenti az entrópiát és növeli a teljesítményt. Mivel a közlekedési rendszerek nyílt rendszerek, az entrópiacsökkentés csak folyamatos energia- és információbevitel mellett tartható fenn. A Shannon-entrópia formalizálja a forgalmi bizonytalanságot és hálózati szinten a koordináció mértékévé válik. A modell végül négy pillért különböztet meg (infrastruktúra, jármű, ember, információ), ahol az információ az entrópiaeloszlást átalakító tényezővé válik. Az autonóm járművek megjelenése az entrópiát az információs rétegbe koncentrálja. | The document develops a unified interpretation of entropy across thermodynamics, statistical physics, and information theory, and extends these concepts to production systems and transportation networks. In physics, entropy quantifies the dispersion of energy and follows the second law, which states that natural processes increase total entropy. In statistical mechanics, it reflects the number of possible microstates, whereas in Shannon’s framework, it quantifies information uncertainty. Building on these definitions, the paper introduces entropy as an analytical metaphor for complex engineered systems. In production systems, entropy represents unavoidable variability, losses, and coordination inefficiencies that must be counterbalanced by continuous managerial intervention, such as Lean or Six Sigma practices. The core contribution is the interpretation of road intersections and transport systems as “entropy-controlled” systems. A traffic node’s entropy corresponds to the variability and unpredictability of traffic states, while its “enthalpy” reflects its structural and operational potential. Control mechanisms (signals, signs, adaptive systems) reduce entropy by constraining the set of possible states and increasing predictability. However, since transport systems are open systems, entropy reduction is only local and requires continuous external input (energy, information, regulation). The framework is further expanded by using Shannon entropy to formalise traffic uncertainty and extends to network-level analysis, where entropy serves as a measure of system-wide coordination. Finally, a four-pillar model (infrastructure, vehicles, humans, information) is proposed, highlighting information as an entropy-transforming layer. Autonomous vehicles shift entropy toward the information domain, making system stability highly dependent on data quality and communication.

Actions (login required)

View Item