論文の概要: Crowd-sensing commuting patterns using multi-source wireless data: a
case of Helsinki commuter trains
- arxiv url: http://arxiv.org/abs/2302.02661v1
- Date: Mon, 6 Feb 2023 09:59:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 14:03:21.828564
- Title: Crowd-sensing commuting patterns using multi-source wireless data: a
case of Helsinki commuter trains
- Title（参考訳）: マルチソース無線データを用いた群集センシング通勤パターン:ヘルシンキ通勤列車の場合
- Authors: Zhiren Huang, Alonso Espinosa Mireles de Villafranca, Charalampos
Sipetas, Tri Quach
- Abstract要約: 本稿では,従来の自動乗客計数器と,詳細な移動需要データを収集できる新たな情報源の組み合わせについて検討する。
この新たなデータソースは、ヘルシンキ地域交通局(HSL)が主導するパイロットプロジェクトTravelSenseに由来する。
列車の発着地・発着地・発着地・発着地・発着駅・発着駅・発着駅を識別し,列車利用者の旅程構造をよりよく理解することができる。
- 参考スコア（独自算出の注目度）: 1.0323063834827415
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Understanding the mobility patterns of commuter train passengers is crucial
for developing efficient and sustainable transportation systems in urban areas.
Traditional technologies, such as Automated Passenger Counters (APC) can
measure the aggregated numbers of passengers entering and exiting trains,
however, they do not provide detailed information nor passenger movements
beyond the train itself. To overcome this limitation we investigate the
potential combination of traditional APC with an emerging source capable of
collecting detailed mobility demand data. This new data source derives from the
pilot project TravelSense, led by the Helsinki Regional Transport Authority
(HSL), which utilizes Bluetooth beacons and HSL's mobile phone ticket
application to track anonymous passenger multimodal trajectories from origin to
destination. By combining TravelSense data with APC we are able to better
understand the structure of train users' journeys by identifying the origin and
destination locations, modes of transport used to access commuter train
stations, and boarding and alighting numbers at each station. These insights
can assist public transport planning decisions and ultimately help to
contribute to the goal of sustainable cities and communities by promoting the
use of seamless and environmentally friendly transportation options.
- Abstract（参考訳）: 通勤電車利用者の移動パターンを理解することは,都市部における効率的で持続可能な交通システム開発に不可欠である。
自動旅客カウンター(automated passenger counters, apc)のような従来の技術では、列車の発着数を計測できるが、列車自体以外に詳細な情報や乗客移動は提供していない。
この制限を克服するために,従来のapcと,詳細な移動需要データを集めることが可能な新興ソースの潜在的な組み合わせについて検討する。
このデータソースは、ヘルシンキ地域交通局(HSL)が主導するパイロットプロジェクトTravelSenseから派生したもので、BluetoothビーコンとHSLの携帯電話チケットアプリケーションを使って、起源から目的地まで、匿名の旅客マルチモーダル軌跡を追跡する。
APCとTravelSenseのデータを組み合わせることで、発着地と目的地、通勤駅へのアクセスに使用される交通手段、各駅の乗車・発着番号等を識別し、列車利用者の旅程構造をよりよく理解することができる。
これらの洞察は公共交通計画の決定に役立ち、シームレスで環境にやさしい交通手段の使用を促進することによって、持続可能な都市やコミュニティの目標に最終的に貢献できる。
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) - 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) - Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳（メタデータ） (2024-05-03T00:29:20Z) - Feel Old Yet? Updating Mode of Transportation Distributions from Travel
Surveys using Data Fusion with Mobile Phone Data [0.0]
交通システムは典型的には従来のデータソースに依存し、時代遅れのトラベラーデータを提供する。
本研究では,携帯電話データを地理空間情報のコスト効率の高いリッチな情報源として活用する手法を提案する。
チリのサンティアゴでは,2012年から2020年の間に交通パターンが大きく変化した。
論文 参考訳（メタデータ） (2022-04-20T14:27:58Z) - On the Role of Multi-Objective Optimization to the Transit Network
Design Problem [0.7734726150561088]
この研究は、トランジットネットワーク設計問題(TNDP)により良い回答をするために、単目的と多目的のスタンスを相乗的に組み合わせることができることを示している。
ポルトガルのリスボン市におけるマルチモーダル公共交通ネットワークにおいて,本手法を適用した。
提案されたTNDP最適化は、目標関数を最大28.3%削減することで、結果を改善することを実証した。
論文 参考訳（メタデータ） (2022-01-27T16:22:07Z) - Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。
本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。
我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文 参考訳（メタデータ） (2021-06-22T15:40:21Z) - Pooling for First and Last Mile: Integrating Carpooling and Transit [0.7644902597398214]
カープールとトランジットを統合した統合システムを提案する。
カープールは交通機関の供給源として機能し、交通局は統合ポイントとして機能する。
統合システムにより、乗換客数が増加し、自動依存度が低下することを示す。
論文 参考訳（メタデータ） (2020-10-26T09:18:21Z) - Polestar: An Intelligent, Efficient and National-Wide Public
Transportation Routing Engine [43.09401975244128]
Polestarは、インテリジェントで効率的な公共交通機関ルーティングのためのデータ駆動型エンジンである。
具体的には,交通費の異なる公共交通機関をモデル化するための新しい公共交通グラフ(PTG)を提案する。
次に、効率的な経路候補生成のための効率的な局結合法と組み合わせた一般経路探索アルゴリズムを提案する。
2つの実世界のデータセットの実験は、効率性と有効性の両方の観点からPoestarの利点を実証している。
論文 参考訳（メタデータ） (2020-07-11T05:14:52Z) - Passive Wi-Fi Monitoring in Public Transport: A case study in the
Madeira Island [3.7798600249187295]
我々は、受動的Wi-Fiデータを用いて、19の公共交通機関に配備される組込みシステムを開発した。
このデータは車種別および車種別で分析され、地上の真実データ(チケット)と比較される。
このデータによってルートの最適化が可能であり、地域当局や観光委員会にルートと交通の管理を監視・最適化するためのツールを提供する、と我々は主張する。
論文 参考訳（メタデータ） (2020-06-29T14:35:58Z) - 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) - Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。
輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
論文 参考訳（メタデータ） (2020-05-09T13:53:01Z)
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。