論文の概要: Extracting Spatiotemporal Demand for Public Transit from Mobility Data

• arxiv url: http://arxiv.org/abs/2006.03351v1
• Date: Fri, 5 Jun 2020 10:21:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-25 04:37:26.582279
• Title: Extracting Spatiotemporal Demand for Public Transit from Mobility Data
• Title（参考訳）: 移動データから公共交通機関の時空間需要の抽出
• Authors: Trivik Verma, Mikhail Sirenko, Itto Kornecki, Scott Cunningham, Nuno AM Ara\'ujo
• Abstract要約: 都市人口の変化は、交通サービスの効率的な管理にいくつかの課題をもたらす。 都市における公共交通機関の需要を簡易に推定する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: With people constantly migrating to different urban areas, our mobility needs for work, services and leisure are transforming rapidly. The changing urban demographics pose several challenges for the efficient management of transit services. To forecast transit demand, planners often resort to sociological investigations or modelling that are either difficult to obtain, inaccurate or outdated. How can we then estimate the variegated demand for mobility? We propose a simple method to identify the spatiotemporal demand for public transit in a city. Using a Gaussian mixture model, we decompose empirical ridership data into a set of temporal demand profiles representative of ridership over any given day. A case of approximately 4.6 million daily transit traces from the Greater London region reveals distinct demand profiles. We find that a weighted mixture of these profiles can generate any station traffic remarkably well, uncovering spatially concentric clusters of mobility needs. Our method of analysing the spatiotemporal geography of a city can be extended to other urban regions with different modes of public transit.
• Abstract（参考訳）: 人々が常に異なる都市部に移動する中、私たちのモビリティは仕事、サービス、レジャーが急速に変化しています。 都市人口の変化は、交通サービスの効率的な管理にいくつかの課題をもたらす。 交通需要を予測するために、プランナーはしばしば社会学的調査や、入手が困難、不正確、または時代遅れのモデルに頼っている。 モビリティに対する様々な需要をどうやって見積もるのか? 都市における公共交通機関の時空間需要を簡易に把握する手法を提案する。 ガウス混合モデルを用いて,経験的ライダーシップデータを,任意の日にわたってライダーシップを表す時間需要プロファイルに分解する。 グレーター・ロンドン地域の1日あたりの交通量約460万の事例は、異なる需要プロファイルを示している。 これらのプロファイルの重み付けされた混合は、空間的に同心性のあるモビリティ要求のクラスタを明らかにすることで、駅のトラフィックを著しく高めることができる。 都市の時空間地理を解析する方法は、公共交通機関の異なる他の都市にも拡張することができる。

関連論文リスト

• MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
  最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。 公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。 本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
  論文  参考訳（メタデータ） (2024-07-11T17:56:49Z)
• Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series Forecasting Approach [71.67506068703314]
  長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。 伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。 本研究では,都市におけるモビリティ予測の新たな視点について紹介する。 都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
  論文  参考訳（メタデータ） (2023-12-04T07:39:05Z)
• On Designing Day Ahead and Same Day Ridership Level Prediction Models for City-Scale Transit Networks Using Noisy APC Data [0.0]
  本稿では,複数のソースからのデータの収集,クリーン化,処理,マージを併用して,トランジットライダーシップの予測に機械学習モデルをトレーニングする手法を提案する。 ナッシュビルの公共交通機関が提供している現実の交通データに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2022-10-10T19:50:59Z)
• Traffic4cast at NeurIPS 2021 -- Temporal and Spatial Few-Shot Transfer Learning in Gridded Geo-Spatial Processes [61.16854022482186]
  NeurIPS 2019と2020のIARAI Traffic4castコンペティションでは、ニューラルネットワークが将来の交通条件を1時間以内に予測することに成功した。 U-Netsは、この複雑な現実世界の地理空間的プロセスにおいて、関連する特徴を抽出する能力を実証し、勝利したアーキテクチャであることが証明された。 コンペティションは2年間で10都市をカバーし、1012以上のGPSプローブデータから収集したデータを提供する。
  論文  参考訳（メタデータ） (2022-03-31T14:40:01Z)
• Identifying the Factors that Influence Urban Public Transit Demand [0.0]
  近年のアメリカ全土の都市化の進展は、大都市圏の住民が利用できる交通サービスについて、都市計画者や交通技術者がより深く考慮することを必要としている。 これらの改善は、都市公共交通機関の需要に影響を与える要因を特定し、理解することで達成できる。 都市公共交通機関の需要に影響を与える共通の要因は、内外的要因である。
  論文  参考訳（メタデータ） (2021-11-16T05:37:51Z)
• An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
  我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。 我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。 本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-02T08:13:57Z)
• Public Transportation Demand Analysis: A Case Study of Metropolitan Lagos [0.0]
  ラゴスは急速な都市化を経験しており、現在人口は1500万人弱である。 長い待ち時間と不確実な旅行時間により、多くの人々は自分の車を購入したり、代替の輸送手段を使わざるを得なくなった。 本稿では,ラゴスにおける都市交通需要を調査し,時間と空間における乗客動態について考察する。
  論文  参考訳（メタデータ） (2021-05-25T10:35:30Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• Leveraging the Self-Transition Probability of Ordinal Pattern Transition Graph for Transportation Mode Classification [0.0]
  本稿では,交通モード分類における自己遷移の確率という,通常のパターン遷移グラフから保持される特徴の利用を提案する。 提案手法は,これらを組み合わせた場合であっても,置換エントロピーや統計的複雑度よりも精度がよい。
  論文  参考訳（メタデータ） (2020-07-16T23:25:09Z)
• K-Prototype Segmentation Analysis on Large-scale Ridesourcing Trip Data [0.0]
  本研究は、シカゴの公共配車データのシティアルゴリズムを用いて、モビリティの出現パターンについて検討する。 目的は、配車サービスのパトロンの体系的なバリエーションを調べることである。 悪天候条件に関する重要な相違点から,6種類の配車プロトタイプを同定し,検討した。
  論文  参考訳（メタデータ） (2020-06-24T17:53:26Z)
• Measuring Spatial Subdivisions in Urban Mobility with Mobile Phone Data [58.720142291102135]
  2050年までに世界の人口の3分の2が都市部に住んでいる。 この成長は、都市が持続可能性を測定し計画する能力よりも速く、より複雑である。 都市がなぜ包括的になるのかを理解するために,空間分割を識別し特徴付ける手法を定義する。
  論文  参考訳（メタデータ） (2020-02-20T14:37:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。