論文の概要: Towards Understanding the Benefits and Challenges of Demand Responsive
Public Transit- A Case Study in the City of Charlotte, NC
- arxiv url: http://arxiv.org/abs/2304.06467v1
- Date: Sun, 9 Apr 2023 03:10:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-14 14:35:39.836411
- Title: Towards Understanding the Benefits and Challenges of Demand Responsive
Public Transit- A Case Study in the City of Charlotte, NC
- Title(参考訳): 需要応答型公共交通の便益と課題の理解に向けて : シャーロット市を事例として
- Authors: Sanaz Sadat Hosseini, Mona Azarbayjani, Jason Lawrence, Hamed Tabkhi
- Abstract要約: 公共交通機関に大きく依存している低所得労働者は、家庭と職場の空間的な格差に直面している。
本研究は,バス路線や到着時刻の検索を支援する既存のCATSモバイルアプリケーションについて検討する。
調査経路について, 主要調査結果から, 現在のバスシステムには多くの欠陥があることが示唆された。
- 参考スコア(独自算出の注目度): 2.924868086534434
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Access to adequate public transportation plays a critical role in inequity
and socio-economic mobility, particularly in low-income communities. Low-income
workers who rely heavily on public transportation face a spatial disparity
between home and work, which leads to higher unemployment, longer job searches,
and longer commute times. The overarching goal of this study is to get initial
data that would result in creating a connected, coordinated, demand-responsive,
and efficient public bus system that minimizes transit gaps for low-income,
transit-dependent communities. To create equitable metropolitan public
transportation, this paper evaluates existing CATS mobile applications that
assist passengers in finding bus routes and arrival times. Our community survey
methodology includes filling out questionnaires on Charlotte's current bus
system on specific bus lines and determining user acceptance for a future novel
smart technology. We have also collected data on the demand and transit gap for
a real-world pilot study, Sprinter bus line, Bus line 7, Bus line 9, and Bus
lines 97-99. These lines connect all of Charlotte City's main areas and are the
most important bus lines in the system. On the studied routes, the primary
survey results indicate that the current bus system has many flaws, the major
one being the lack of proper timing to meet the needs of passengers. The most
common problems are long commutes and long waiting times at stations. Moreover,
the existing application provides inaccurate information, and on average, 80
percent of travelers and respondents are inclined to use new technology.
- Abstract(参考訳): 適切な公共交通機関へのアクセスは不平等や社会経済的モビリティ、特に低所得社会において重要な役割を果たしている。
公共交通機関に大きく依存する低所得労働者は、家と仕事の空間的格差に直面し、失業率が高く、職探しが長く、通勤時間が長くなる。
本研究の目的は、低所得の交通依存コミュニティにおける交通ギャップを最小限に抑える、接続型、調整型、需要対応型、効率的な公共バスシステムを構築するための初期データを得ることである。
本稿では,都市交通の公平化を図るため,バス路線や到着時刻の把握を支援するCATSモバイルアプリケーションの評価を行った。
我々のコミュニティ調査手法は、シャーロットのバス路線に関する現在のバスシステムに関するアンケートに答えることと、将来新しいスマートテクノロジーの利用者受け入れを決定することを含む。
また,実世界のパイロット研究,Sprinter Bus line, Bus line 7, Bus line 9, Bus line 97-99の需要と交通ギャップに関するデータを収集した。
これらの路線はシャーロットシティの主要地域全てを繋ぎ、システムの中で最も重要なバス路線である。
調査した路線について, 第一調査の結果から, 現在のバスシステムには多くの欠陥があり, 乗客のニーズを満たすための適切なタイミングの欠如が主な要因であることがわかった。
最も一般的な問題は、駅で長い通勤時間と長い待ち時間である。
さらに、既存のアプリケーションは不正確な情報を提供しており、旅行者と回答者の80%が新しい技術を使いたがっている。
関連論文リスト
- An Online Approach to Solving Public Transit Stationing and Dispatch
Problem [7.948662269574215]
交通機関は限られた数の車両を予備に保管し、破壊時に被害経路を緩和するために派遣する。
本稿では、この問題を解決するために、非ミオピックシーケンシャルな決定手順を用いた原則的アプローチについて述べる。
実験の結果、提案手法は乗客を2%増やし、デッドヘッドマイルを40%削減することがわかった。
論文 参考訳(メタデータ) (2024-03-05T21:48:29Z) - Real-Time Bus Arrival Prediction: A Deep Learning Approach for Enhanced
Urban Mobility [2.1374208474242815]
一般的な課題は、実際のバス到着時刻と予定された時刻とのミスマッチであり、固定されたスケジュールの混乱につながる。
本研究は,様々な交通機関(駅)におけるバス到着時刻を予測するための,革新的なAIに基づくデータ駆動手法を提案する。
完全に接続されたニューラルネットワークの展開により,公共バスの交通システムの精度と効率が向上する。
論文 参考訳(メタデータ) (2023-03-27T16:45:22Z) - A Bibliometric Analysis and Review on Reinforcement Learning for
Transportation Applications [43.356096302298056]
交通は経済と都市の発展のバックボーンである。
自律的な意思決定者が複雑な環境と対話できるようにする強化学習(RL)。
本稿では, 交通用RL法の開発状況を明らかにするために, 文献分析を行った。
論文 参考訳(メタデータ) (2022-10-26T07:34:51Z) - 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) - Valuation of Public Bus Electrification with Open Data [1.2740654484866891]
本研究は、オープンソースのデータに基づいて、世界中の都市を対象に、公共交通バスの電気化の経済的、環境的、社会的価値を推定する新しい枠組みを提供する。
物理インフォームド機械学習モデルを構築し,エネルギー消費量,二酸化炭素排出量,健康影響,輸送経路の総所有コストを評価する。
論文 参考訳(メタデータ) (2022-09-25T00:02:23Z) - Improving Urban Mobility: using artificial intelligence and new
technologies to connect supply and demand [7.347028791196305]
インテリジェントトランスポートシステム(ITS)は,情報通信技術をどのように活用するかを交通問題に適用するかを検討することを目的としている。
このパノラマでは、人工知能が特に機械学習の進歩において重要な役割を果たす。
論文 参考訳(メタデータ) (2022-03-18T14:37:33Z) - A Queueing-Theoretic Framework for Vehicle Dispatching in Dynamic
Car-Hailing [technical report] [36.31694973019143]
我々は、重要なダイナミックカー配車問題、すなわち、テクティット最大収益車派遣(MRVD)を考える。
既存の機械学習アルゴリズムを用いて、各リージョンの将来の車両需要を予測し、各リージョンの待ち行列モデルを用いてドライバーのアイドルタイムを推定する。
予測された車両要求情報とドライバーのアイドル時間の推定値から,2つのバッチベースの車両配車アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-07-19T07:51:31Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳(メタデータ) (2020-08-29T15:14:03Z) - FlexPool: A Distributed Model-Free Deep Reinforcement Learning Algorithm
for Joint Passengers & Goods Transportation [36.989179280016586]
本稿では,乗用車と貨物輸送を組み合わせることで,車両による輸送を改善することを検討する。
我々はFlexPoolを提案する。FlexPoolは分散モデルなしの深層強化学習アルゴリズムで、乗客や商品のワークロードを共同で処理する。
また,FlexPoolはフリート利用率を30%向上し,燃料効率を35%向上することを示した。
論文 参考訳(メタデータ) (2020-07-27T17:25:58Z) - 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) - 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。