論文の概要: Public Transit for Special Events: Ridership Prediction and Train Optimization

• arxiv url: http://arxiv.org/abs/2106.05359v1
• Date: Wed, 9 Jun 2021 19:52:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-11 14:08:07.783460
• Title: Public Transit for Special Events: Ridership Prediction and Train Optimization
• Title（参考訳）: 特別イベントの公共交通:乗車予測と列車最適化
• Authors: Tejas Santanam, Anthony Trasatti, Pascal Van Hentenryck, and Hanyu Zhang
• Abstract要約: 交通機関は、ディスラプション、遅延、運賃収入への影響を理解することが重要である。 本稿では,特殊イベントによる渋滞ピーク時の交通システムの性能評価,予測,管理を行うための一連のデータ駆動手法を提案する。
• 参考スコア（独自算出の注目度）: 10.531110013870792
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many special events, including sport games and concerts, often cause surges in demand and congestion for transit systems. Therefore, it is important for transit providers to understand their impact on disruptions, delays, and fare revenues. This paper proposes a suite of data-driven techniques that exploit Automated Fare Collection (AFC) data for evaluating, anticipating, and managing the performance of transit systems during recurring congestion peaks due to special events. This includes an extensive analysis of ridership of the two major stadiums in downtown Atlanta using rail data from the Metropolitan Atlanta Rapid Transit Authority (MARTA). The paper first highlights the ridership predictability at the aggregate level for each station on both event and non-event days. It then presents an unsupervised machine-learning model to cluster passengers and identify which train they are boarding. The model makes it possible to evaluate system performance in terms of fundamental metrics such as the passenger load per train and the wait times of riders. The paper also presents linear regression and random forest models for predicting ridership that are used in combination with historical throughput analysis to forecast demand. Finally, simulations are performed that showcase the potential improvements to wait times and demand matching by leveraging proposed techniques to optimize train frequencies based on forecasted demand.
• Abstract（参考訳）: スポーツゲームやコンサートを含む多くの特別イベントは、しばしば交通システムに対する需要の急増と混雑を引き起こす。 したがって、交通機関は、ディスラプション、遅延、運賃収入への影響を理解することが重要である。 本稿では,AFC(Automated Fare Collection)データを利用して,特別なイベントによる混雑ピーク時の交通システムの性能評価,予測,管理を行う一連のデータ駆動手法を提案する。 これはメトロポリタン・アトランタ・ラピッド・トランジット・オーソリティ (Metropolitan Atlanta Rapid Transit Authority, MARTA) の鉄道データを用いて、アトランタ中心街の2つの主要スタジアムの乗客の広範な分析を含む。 論文はまず,イベント日とイベント日の両方において,各駅の集計レベルでの乗車率予測可能性について強調する。 そして、教師なしの機械学習モデルを提示し、乗客をクラスタ化し、乗っている列車を特定する。 このモデルは、列車ごとの乗客の負荷や乗客の待ち時間といった基本的な測定基準の観点からシステムパフォーマンスを評価することができる。 また、過去のスループット分析と組み合わせて需要予測に用いるライダーシップ予測のための線形回帰モデルとランダム森林モデルを提案する。 最後に、予測された需要に基づいて列車の周波数を最適化する提案手法を利用して、待ち時間と需要マッチングの潜在的な改善を示すシミュレーションを行う。

関連論文リスト

• GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [82.19172267487998]
  GARLIC: GPT拡張強化学習のフレームワーク。 本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
  論文  参考訳（メタデータ） (2024-08-19T08:23:38Z)
• 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)
• 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)
• Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
  歩行者の立ち止まりと予測の新たな課題を紹介します。 都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。 歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
  論文  参考訳（メタデータ） (2022-03-04T18:39:31Z)
• Forecasting large-scale circulation regimes using deformable convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
  変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討 今後1～15日にわたって北大西洋-欧州の気象条件を予測した。 より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5～6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
  論文  参考訳（メタデータ） (2022-02-10T11:37:00Z)
• Transformers \`a Grande Vitesse [0.09208007322096534]
  本研究の目的は,鉄道区間における列車の走行時間を,鉄道網全体の規模でリアルタイムに予測することである。 提案手法は,現在使われている,実験的な予測手法と比較して,実世界のデータに対して非常に肯定的な結果をもたらす。
  論文  参考訳（メタデータ） (2021-05-18T13:43:18Z)
• A model for traffic incident prediction using emergency braking data [77.34726150561087]
  道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。 メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
  論文  参考訳（メタデータ） (2021-02-12T18:17:12Z)
• Crowding Prediction of In-Situ Metro Passengers Using Smart Card Data [11.781685156308475]
  本稿では,閉鎖型地下鉄システム内の乗客密度を推定する統計モデルを提案する。 予測結果に基づいて,将来の時刻の乗客密度の正確な予測を行うことができる。
  論文  参考訳（メタデータ） (2020-09-07T04:07:37Z)
• Forecasting of the Montreal Subway Smart Card Entry Logs with Event Data [0.814375035858607]
  本研究では, 時間分解能の微粒化による長期需要予測のための汎用データ整形法を提案する。 具体的には,輸送ネットワークの各駅に4分の1のアグリゲーションで入場する乗客数より1年前までの予測について検討する。 モデルと予測の質を比較するために、カナダのモンローアル市で設定された実際のスマートカードとイベントデータセットを使用します。
  論文  参考訳（メタデータ） (2020-08-22T14:08:57Z)
• Study on Key Technologies of Transit Passengers Travel Pattern Mining and Applications based on Multiple Sources of Data [1.370633147306388]
  本稿では,移動客の移動パターンと行動選好をマイニングするための一連の手法を提案する。 これらの知識を交通システムの調整と最適化に利用しています。
  論文  参考訳（メタデータ） (2020-05-26T22:35:28Z)
• Physical-Virtual Collaboration Modeling for Intra-and Inter-Station Metro Ridership Prediction [116.66657468425645]
  本研究では,複雑なライダーシップパターンをテーラー設計グラフから効果的に学習できる物理仮想協調グラフネットワーク(PVCGN)を提案する。 特に、物理グラフは、研究されたメトロシステムの現実的なトポロジーに基づいて直接構築される。 類似度グラフと相関グラフを仮想トポロジで構築し, 駅間交通流の類似度と相関関係を導出する。
  論文  参考訳（メタデータ） (2020-01-14T16:47:54Z)

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。