論文の概要: Spatio-Temporal Analysis of On Demand Transit: A Case Study of
Belleville, Canada
- arxiv url: http://arxiv.org/abs/2012.02600v2
- Date: Tue, 22 Feb 2022 01:48:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-22 03:04:56.399636
- Title: Spatio-Temporal Analysis of On Demand Transit: A Case Study of
Belleville, Canada
- Title（参考訳）: オンデマンド交通の時空間分析:カナダのベルビルを事例として
- Authors: Irum Sanaullah and Nael Alsaleh and Shadi Djavadian and Bilal Farooq
- Abstract要約: 2018年9月、カナダのベルビル市はオンデマンド公共交通パイロットプロジェクトを開始し、深夜の固定ルート(RT 11)をオンデマンド配車サービスとしてオン・デマンド・トランジット(ODT)に置き換えた。
我々は,2018年9月から2019年5月までに収集されたデータに基づいて,Bellville ODT利用者の人口・時間的需要・供給・レベルサービス・起源・目的地パターンを詳細に分析した。
- 参考スコア（独自算出の注目度）: 5.259027520298188
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid increase in the cyber-physical nature of transportation,
availability of GPS data, mobile applications, and effective communication
technologies have led to the emergence of On-Demand Transit (ODT) systems. In
September 2018, the City of Belleville in Canada started an on-demand public
transit pilot project, where the late-night fixed-route (RT 11) was substituted
with the ODT providing a real-time ride-hailing service. We present an in-depth
analysis of the spatio-temporal demand and supply, level of service, and origin
and destination patterns of Belleville ODT users, based on the data collected
from September 2018 till May 2019. The independent and combined effects of the
demographic characteristics (population density, working-age, and median
income) on the ODT trip production and attraction levels were studied using GIS
and the K-means machine learning clustering algorithm. The results indicate
that ODT trips demand is highest for 11:00 pm-11:45 pm during the weekdays and
8:00 pm-8:30 pm during the weekends. We expect this to be the result of users
returning home from work or shopping. Results showed that 39% of the trips were
found to have a waiting time of smaller than 15 minutes, while 28% of trips had
a waiting time of 15-30 minutes. The dissemination areas with higher population
density, lower median income, or higher working-age percentages tend to have
higher ODT trip attraction levels, except for the dissemination areas that have
highly attractive places like commercial areas.
- Abstract（参考訳）: 輸送のサイバー物理的性質の急速な増加、GPSデータの利用、モバイルアプリケーション、効果的な通信技術は、オン・デマンド・トランジット(ODT)システムの出現に繋がった。
2018年9月、カナダのベルビル市はオンデマンドの公共交通機関パイロットプロジェクトを開始し、深夜の固定ルート (RT 11) をリアルタイムの配車サービスとしてODTに置き換えた。
我々は,2018年9月から2019年5月までに収集したデータに基づいて,ベルビルODT利用者の時空間需要・供給・サービス水準・発信先パターンを詳細に分析した。
GISとK-meansの機械学習クラスタリングアルゴリズムを用いて,人口統計特性(人口密度,労働者年齢,中央値所得)がODTトリップ生産およびアトラクションレベルに及ぼす影響について検討した。
その結果, 平日は11:00～11:45 pm, 週末は8:00～8:30 pmであった。
これは、ユーザーが仕事や買い物から帰ってきた結果だと期待しています。
その結果、旅行の39%が15分未満の待ち時間であり、28%が15～30分であることがわかった。
人口密度が高い地域、中央値の収入が少ない地域、就業年齢が高い地域は、商業地域のような魅力的な地域がある地域を除き、ODT旅行のアトラクションレベルが高い傾向にある。
関連論文リスト
- Establishing a real-time traffic alarm in the city of Valencia with Deep
Learning [0.0]
スペイン・バレンシア市における交通フラックスと汚染の相関分析を行った。
道路が今後30分で異常に高いトラフィックを経験する確率を予測するアラームシステムの開発を行う。
論文 参考訳（メタデータ） (2023-09-05T07:47:43Z) - Semi-supervised Learning from Street-View Images and OpenStreetMap for
Automatic Building Height Estimation [59.6553058160943]
本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。
提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。
予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
論文 参考訳（メタデータ） (2023-07-05T18:16:30Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Spatio-Temporal Graph Few-Shot Learning with Cross-City Knowledge
Transfer [58.6106391721944]
クロスシティの知識は、データ不足の都市から学んだモデルを活用して、データ不足の都市の学習プロセスに役立てるという、その将来性を示している。
本稿では,ST-GFSLと呼ばれるS時間グラフのためのモデルに依存しない数ショット学習フレームワークを提案する。
本研究では,4つの交通速度予測ベンチマークの総合的な実験を行い,ST-GFSLの有効性を最先端手法と比較した。
論文 参考訳（メタデータ） (2022-05-27T12:46:52Z) - 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) - 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) - 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) - Deep Reinforcement Learning with Spatio-temporal Traffic Forecasting for
Data-Driven Base Station Sleep Control [39.31623488192675]
5G時代のモバイル交通需要の増加に対応するため、基地局(BS)は無線アクセスネットワーク(RAN)に密に展開され、ネットワークカバレッジと容量が向上しています。
BSの高密度はピークトラフィックに対応するために設計されているため、オフピーク時にBSがオンになっている場合、不必要に大量のエネルギーを消費します。
セルラーネットワークのエネルギー消費を抑えるために、交通需要に応えないアイドルベースステーションを非活性化する方法が効果的である。
本論文では,DeepBSC と呼ばれるトラフィック認識型動的 BS 睡眠制御フレームワークを開発した。
論文 参考訳（メタデータ） (2021-01-21T01:39:42Z) - C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods
Ahead of COVID-19 Outbreak [54.39837683016444]
C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。
C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。
新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
論文 参考訳（メタデータ） (2020-12-22T17:02:54Z) - Interpretable Data-Driven Demand Modelling for On-Demand Transit
Services [6.982614422666432]
本研究では,DAレベルにおけるオンデマンド交通(ODT)サービスのための旅行・流通モデルを開発した。
その結果, 商業・工業用地利用型と高密度住宅用地利用型との間には, より高い旅行分布レベルが期待できることがわかった。
論文 参考訳（メタデータ） (2020-10-27T20:48:10Z) - Extracting Spatiotemporal Demand for Public Transit from Mobility Data [0.0]
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。
論文 参考訳（メタデータ） (2020-06-05T10:21:31Z)
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。