論文の概要: Spatial and Temporal Characteristics of Freight Tours: A Data-Driven
Exploratory Analysis
- arxiv url: http://arxiv.org/abs/2311.15287v1
- Date: Sun, 26 Nov 2023 13:02:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 18:35:26.505254
- Title: Spatial and Temporal Characteristics of Freight Tours: A Data-Driven
Exploratory Analysis
- Title（参考訳）: 貨物旅行の時間的・空間的特徴:データ駆動探索分析
- Authors: Ali Nadi, L\'or\'ant Tavasszy, J.W.C. van Lint, Maaike Snelder
- Abstract要約: 貨物輸送データから規則を抽出するための離散連続決定木アプローチを含む,完全なモデリングフレームワークを提供する。
その結果, 時間的・空間的特性は, 旅行の種類や貨物活動の日時変化を捉える上で重要であることがわかった。
結果は、実践者が輸送市場をより把握し、貨物・交通管理対策を開発するために利用することができる。
- 参考スコア（独自算出の注目度）: 1.2289361708127877
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a modeling approach to infer scheduling and routing
patterns from digital freight transport activity data for different freight
markets. We provide a complete modeling framework including a new
discrete-continuous decision tree approach for extracting rules from the
freight transport data. We apply these models to collected tour data for the
Netherlands to understand departure time patterns and tour strategies, also
allowing us to evaluate the effectiveness of the proposed algorithm. We find
that spatial and temporal characteristics are important to capture the types of
tours and time-of-day patterns of freight activities. Also, the empirical
evidence indicates that carriers in most of the transport markets are sensitive
to the level of congestion. Many of them adjust the type of tour, departure
time, and the number of stops per tour when facing a congested zone. The
results can be used by practitioners to get more grip on transport markets and
develop freight and traffic management measures.
- Abstract（参考訳）: 本稿では,デジタル貨物輸送活動データから異なる貨物市場におけるスケジューリングと経路パターンを推定するモデリング手法を提案する。
貨物輸送データから規則を抽出するための離散連続決定木アプローチを含む,完全なモデリングフレームワークを提供する。
これらのモデルをオランダで収集したツアーデータに適用し、出発時刻パターンとツアー戦略を理解し、提案アルゴリズムの有効性を評価した。
旅行の種類や貨物活動の時間パターンを捉える上で,時間的・時間的特徴が重要であることがわかった。
また、実証的な証拠は、ほとんどの輸送市場のキャリアが混雑のレベルに敏感であることを示している。
それらの多くは、混雑するゾーンに面した場合のツアーの種類、出発時間、ツアー毎の停止数を調整する。
結果は、実践者が輸送市場をより把握し、貨物・交通管理対策を開発するために利用することができる。
関連論文リスト
- Improving Traffic Flow Predictions with SGCN-LSTM: A Hybrid Model for Spatial and Temporal Dependencies [55.2480439325792]
本稿ではSGCN-LSTM(Signal-Enhanced Graph Convolutional Network Long Short Term Memory)モデルを提案する。
PEMS-BAYロードネットワークトラフィックデータセットの実験は、SGCN-LSTMモデルの有効性を示す。
論文 参考訳（メタデータ） (2024-11-01T00:37:00Z) - Traffic estimation in unobserved network locations using data-driven
macroscopic models [2.3543188414616534]
本稿では,自動交通カウンタとプローブ車両から収集したマクロモデルとマルチソースデータを利用して,これらの測定が不可能なリンクにおいて,交通流と走行時間を正確に推定する。
MaTEはマクロフロー理論に基礎を置いているため、全てのパラメータと変数は解釈可能である。
合成データを用いた実験により, サンプル外リンクの走行時間と交通流を正確に推定できることがわかった。
論文 参考訳（メタデータ） (2024-01-30T15:21:50Z) - Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series
Forecasting Approach [71.67506068703314]
長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。
伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。
本研究では,都市におけるモビリティ予測の新たな視点について紹介する。
都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
論文 参考訳（メタデータ） (2023-12-04T07:39:05Z) - PDFormer: Propagation Delay-Aware Dynamic Long-Range Transformer for
Traffic Flow Prediction [78.05103666987655]
空間時空間グラフニューラルネットワーク(GNN)モデルは、この問題を解決する最も有望な方法の1つである。
本稿では,交通流の正確な予測を行うために,遅延を意識した動的長距離トランスフォーマー(PDFormer)を提案する。
提案手法は,最先端の性能を達成するだけでなく,計算効率の競争力も発揮できる。
論文 参考訳（メタデータ） (2023-01-19T08:42:40Z) - TranViT: An Integrated Vision Transformer Framework for Discrete Transit
Travel Time Range Prediction [5.787117733071415]
本稿では,交通・道路画像データ取得,ラベル付け,モデルトレーニングのための新しいエンドツーエンドフレームワークを提案し,評価する。
GTFS(General Transit Feed Specification)リアルタイムデータは、マサチューセッツ州ケンブリッジのマサチューセッツ・アベニューのセグメントを監視するロードサイドカメラユニットのアクティベーションメカニズムとして使用される。
生成されたラベル付き画像データセットを使用して、観察された旅行時間パーセンタイルに基づいて、個別の旅行時間範囲(バンド)を予測するために、ビジョントランスフォーマー(ViT)モデルをトレーニングし、評価する。
論文 参考訳（メタデータ） (2022-11-22T15:13:47Z) - Nonnegative Matrix Factorization to understand Spatio-Temporal Traffic
Pattern Variations during COVID-19: A Case Study [5.5114073907045205]
このデータから巨大な時間的トラフィックパターンを理解することが重要です。
ケーススタディは,CO-19VID中の時間的交通パターンの変化を理解するために行われた。
アウトプットは、パンデミックのさまざまな段階における交通管理や管理の分野で有用であり、道路交通の関連性は避けられない。
論文 参考訳（メタデータ） (2021-11-05T16:24:43Z) - Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。
本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。
提案手法は,高品質なトラフィックフローマップを作成できる。
論文 参考訳（メタデータ） (2021-09-29T07:51:49Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。
我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
論文 参考訳（メタデータ） (2020-07-23T14:31:25Z) - Leveraging the Self-Transition Probability of Ordinal Pattern Transition
Graph for Transportation Mode Classification [0.0]
本稿では,交通モード分類における自己遷移の確率という,通常のパターン遷移グラフから保持される特徴の利用を提案する。
提案手法は,これらを組み合わせた場合であっても,置換エントロピーや統計的複雑度よりも精度がよい。
論文 参考訳（メタデータ） (2020-07-16T23:25:09Z) - Street-level Travel-time Estimation via Aggregated Uber Data [2.838842554577539]
都市部における道路セグメントに沿った時間的パターンの推定は,交通技術者や都市計画者にとって重要な課題である。
本研究では,大都市圏の街路レベルの走行時間を推定するために,粗粒度および集約された走行時間データを活用する手法を提案する。
論文 参考訳（メタデータ） (2020-01-13T21:14:38Z)
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。