論文の概要: On the Quality Requirements of Demand Prediction for Dynamic Public
Transport
- arxiv url: http://arxiv.org/abs/2008.13443v5
- Date: Sat, 6 Nov 2021 09:16:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 06:51:35.646879
- Title: On the Quality Requirements of Demand Prediction for Dynamic Public
Transport
- Title(参考訳): ダイナミック公共交通における需要予測の品質要件について
- Authors: Inon Peled, Kelvin Lee, Yu Jiang, Justin Dauwels, Francisco C. Pereira
- Abstract要約: 非バイアス雑音分布による需要予測における誤差をシミュレートする。
ノイズの多い予測を用いて、要求応答型PTフリートをシミュレートし、最適化する。
動的ルーティングは、静的ルーティングと比較して、トリップ時間を少なくとも23%削減できる。
- 参考スコア(独自算出の注目度): 17.468038732862883
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As Public Transport (PT) becomes more dynamic and demand-responsive, it
increasingly depends on predictions of transport demand. But how accurate need
such predictions be for effective PT operation? We address this question
through an experimental case study of PT trips in Metropolitan Copenhagen,
Denmark, which we conduct independently of any specific prediction models.
First, we simulate errors in demand prediction through unbiased noise
distributions that vary considerably in shape. Using the noisy predictions, we
then simulate and optimize demand-responsive PT fleets via a linear programming
formulation and measure their performance. Our results suggest that the
optimized performance is mainly affected by the skew of the noise distribution
and the presence of infrequently large prediction errors. In particular, the
optimized performance can improve under non-Gaussian vs. Gaussian noise. We
also find that dynamic routing could reduce trip time by at least 23% vs.
static routing. This reduction is estimated at 809,000 EUR/year in terms of
Value of Travel Time Savings for the case study.
- Abstract(参考訳): 公共交通機関(pt)がよりダイナミックで需要に応答するようになり、輸送需要の予測にますます依存するようになった。
しかし、効果的なPT操作にはどの程度正確な予測が必要か?
我々は、デンマークのコペンハーゲン大都市圏におけるptトリップの実験ケーススタディを通じてこの問題に対処し、特定の予測モデルとは独立に実施する。
まず,形状の異なる非バイアス雑音分布を用いて,需要予測における誤差をシミュレートする。
ノイズ予測を用いて、線形プログラミングによる需要応答型PTフリートをシミュレートし、最適化し、その性能を測定する。
本結果から, 最適化性能は, ノイズ分布のスキューや, 頻繁な予測誤差の存在の影響が大きいことが示唆された。
特に、最適化された性能は非ガウス対ガウス雑音下で改善できる。
また、動的ルーティングは、静的ルーティングと比較して、トリップ時間を少なくとも23%削減できる。
この削減は、ケーススタディの旅行時間節約価値の観点から、年間809,000EURと見積もられている。
関連論文リスト
- Learning with Noisy Foundation Models [95.50968225050012]
本論文は、事前学習データセットにおけるノイズの性質を包括的に理解し分析する最初の研究である。
雑音の悪影響を緩和し、一般化を改善するため、特徴空間に適応するチューニング法(NMTune)を提案する。
論文 参考訳(メタデータ) (2024-03-11T16:22:41Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳(メタデータ) (2023-10-09T18:34:29Z) - Understanding and Mitigating the Label Noise in Pre-training on
Downstream Tasks [91.15120211190519]
本稿では、事前学習データセットにおけるノイズの性質を理解し、下流タスクへの影響を軽減することを目的とする。
雑音の悪影響を軽減するために特徴空間に適応する軽量ブラックボックスチューニング法(NMTune)を提案する。
論文 参考訳(メタデータ) (2023-09-29T06:18:15Z) - PePNet: A Periodicity-Perceived Workload Prediction Network Supporting
Rare Occurrence of Heavy Workload [64.09361639597527]
クラウドサーバのワークロードは非常に可変的であり、時には重いワークロードがバーストする。
ワークロード予測には統計手法とニューラルネットベースの方法の2つのカテゴリがある。
本稿では,特に負荷予測の精度を向上させるため,PePNetを提案する。
論文 参考訳(メタデータ) (2023-07-11T07:56:27Z) - SaDI: A Self-adaptive Decomposed Interpretable Framework for Electric
Load Forecasting under Extreme Events [25.325870546140788]
自己適応型分解解釈フレームワーク(SaDI)という新しい予測フレームワークを提案する。
中央中国の電力負荷と公共エネルギーの計器の実験により、提案されたSaDIフレームワークは平均22.14%の改善が達成された。
論文 参考訳(メタデータ) (2023-06-14T07:11:30Z) - How do you go where? Improving next location prediction by learning
travel mode information using transformers [6.003006906852134]
本稿では, トランスフォーマーデコーダに基づくニューラルネットワークを提案し, 過去の位置, 時間, 移動モードに基づいて, 個人が訪問する次の場所を予測する。
特に、次の旅行モードの予測は、ネットワークの学習をガイドする補助的なタスクとして設計されている。
実験の結果,提案手法は,他の最先端の次の位置予測手法よりも大幅に優れていることがわかった。
論文 参考訳(メタデータ) (2022-10-08T19:36:58Z) - Meta-Learning over Time for Destination Prediction Tasks [53.12827614887103]
交通分野における公共目的と民間目標の両方を、車両の行動を理解し、予測する必要がある。
近年の研究では、時間情報の導入による予測性能の限界改善しか見出されていない。
本稿では、ニューラルネットワークが入力に応じて自身の重みを変えることを学習するハイパーネットワークに基づくアプローチを提案する。
論文 参考訳(メタデータ) (2022-06-29T17:58:12Z) - Sample-Efficient Optimisation with Probabilistic Transformer Surrogates [66.98962321504085]
本稿では,ベイズ最適化における最先端確率変換器の適用可能性について検討する。
トレーニング手順と損失定義から生じる2つの欠点を観察し、ブラックボックス最適化のプロキシとして直接デプロイすることを妨げる。
1)非一様分散点を前処理するBO調整トレーニング,2)予測性能を向上させるために最適な定常点をフィルタする新しい近似後正則整定器トレードオフ精度と入力感度を導入する。
論文 参考訳(メタデータ) (2022-05-27T11:13:17Z) - A Deep-Learning Based Optimization Approach to Address Stop-Skipping
Strategy in Urban Rail Transit Lines [0.0]
都市鉄道路線における最適なストップスキップパターンを決定するための高度なデータ駆動最適化手法を提案する。
我々は、ピーク時のステーションレベルの需要率を予測するために、LSTM(Long Short-Term Memory)ディープラーニングモデルを用いている。
この問題の指数関数的性質を考慮し,適切な時間で解決するAnt Colony Optimization手法を提案する。
論文 参考訳(メタデータ) (2021-09-17T23:52:19Z) - Regularizing towards Causal Invariance: Linear Models with Proxies [7.953401800573514]
一つのプロキシを使って、境界強度の介入の下で最適に予測できる推定器を作成できることを示す。
トレーニング中に"テスト時間"の介入について追加情報が得られるシナリオにこれらの推定器を拡張する方法を示す。
論文 参考訳(メタデータ) (2021-03-03T15:39:35Z) - Gaussian Processes for Traffic Speed Prediction at Different Aggregation
Levels [3.997680012976965]
本研究は,交通速度予測にガウス過程(GP)を適用した。
生成したモデルの性能について, 各種凝集レベル(1~60分)の1段階予測を検証した。
その結果、GPモデルは、同様の計算時間で比較モデルよりも一貫して性能を向上できると期待されている。
論文 参考訳(メタデータ) (2020-11-24T03:05:01Z)
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。