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
- Critical Example Mining for Vehicle Trajectory Prediction using Flow-based Generative Models [10.40439055916036]
本稿では,トラジェクトリの希少性を推定するデータ駆動手法を提案する。
観測の希少度を全軌跡と組み合わせることで,予測が比較的難しいデータのサブセットを効果的に同定する。
論文 参考訳(メタデータ) (2024-10-21T15:02:30Z) - Evaluating the Generalization Ability of Spatiotemporal Model in Urban Scenario [11.208740750755025]
本研究では,自転車シェアリング,311サービス,歩行者交通速度,交通流,配車需要,自転車シェアリングの6つのシナリオからなる時空間アウト・オブ・ディストリビューション(ST-OOD)ベンチマークを提案する。
我々は、最先端モデルについて広範囲に評価し、その性能は分配外設定で著しく低下し、ほとんどのモデルが単純なマルチレイヤ・パーセプトロン(MLP)よりも性能が悪くなっていることを発見した。
その結果,ほとんどのデータセットにおいて若干のドロップアウト率で一般化性能が向上し,分配性能に最小限の影響が認められた。
論文 参考訳(メタデータ) (2024-10-07T04:15:48Z) - Forecast-PEFT: Parameter-Efficient Fine-Tuning for Pre-trained Motion Forecasting Models [68.23649978697027]
Forecast-PEFTは、モデルのパラメータの大部分を凍結し、新しく導入されたプロンプトとアダプタの調整に集中する微調整戦略である。
実験の結果,Forecast-PEFTは動作予測タスクにおいて従来のフルチューニング手法よりも優れていた。
Forecast-FTは予測性能をさらに改善し、従来のベースライン法よりも最大9.6%向上した。
論文 参考訳(メタデータ) (2024-07-28T19:18:59Z) - Improving probabilistic forecasts of extreme wind speeds by training statistical post-processing models with weighted scoring rules [0.0]
閾値重み付き連続ランク確率スコア(twCRPS)を用いたトレーニングは、後処理モデルの極端なイベント性能を向上させる。
極端事象の確率論的予測の性能が向上し,分布物体の予測性能が低下する分布体テールトレードオフが発見された。
論文 参考訳(メタデータ) (2024-07-22T11:07:52Z) - Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。
最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。
我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
論文 参考訳(メタデータ) (2024-07-18T15:44:23Z) - Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
運動プランナー(MP)は複雑な都市環境における安全なナビゲーションに不可欠である。
最近リリースされたMPベンチマークであるnuPlanは、クローズドループシミュレーションロジックで現実世界の駆動ログを拡張することで、この制限に対処している。
本稿では,モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverを提案する。
論文 参考訳(メタデータ) (2024-06-15T18:53:45Z) - 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) - Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。
我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。
我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
論文 参考訳(メタデータ) (2023-09-18T19:49:22Z) - 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) - 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。