論文の概要: Unified Occupancy on a Public Transport Network through Combination of AFC and APC Data
- arxiv url: http://arxiv.org/abs/2403.05546v1
- Date: Tue, 6 Feb 2024 16:33:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 06:19:57.806515
- Title: Unified Occupancy on a Public Transport Network through Combination of AFC and APC Data
- Title(参考訳): AFCとAPCデータを組み合わせた公共交通ネットワークの統一運用
- Authors: Amir Dib, Noëlie Cherrier, Martin Graive, Baptiste Rérolle, Eglantine Schmitt,
- Abstract要約: 本稿では, AFC と APC のデータと部分的カバレッジを組み合わせることで, 公共交通ネットワークのすべてのコースに占有率を推定するための統一的占有法を提案する。
本手法の精度は、フランスの公共交通機関の実際のデータに基づいて評価される。
- 参考スコア(独自算出の注目度): 2.0971479389679337
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In a transport network, the onboard occupancy is key for gaining insights into travelers' habits and adjusting the offer. Traditionally, operators have relied on field studies to evaluate ridership of a typical workday. However, automated fare collection (AFC) and automatic passenger counting (APC) data, which provide complete temporal coverage, are often available but underexploited. It should be noted, however, that each data source comes with its own biases: AFC data may not account for fraud, while not all vehicles are equipped with APC systems. This paper introduces the unified occupancy method, a geostatistical model to extrapolate occupancy to every course of a public transportation network by combining AFC and APC data with partial coverage. Unified occupancy completes missing APC information for courses on lines where other courses have APC measures, as well as for courses on lines where no APC data is available at all. The accuracy of this method is evaluated on real data from several public transportation networks in France.
- Abstract(参考訳): 交通ネットワークにおいては、旅行者の習慣を把握し、提案を調整するために、船上での居住が鍵となる。
伝統的に、オペレーターは典型的な作業日のライダーシップを評価するためにフィールドスタディに依存してきた。
しかし、完全な時間的カバレッジを提供する自動運賃徴収(AFC)と自動旅客カウント(APC)データはしばしば利用可能であるが、未公開である。
ただし、各データソースには独自のバイアスがあることに注意が必要だ。AFCデータは不正を考慮せず、すべての車両がAPCシステムを備えているわけではない。
本稿では,AFC と APC のデータと部分的カバレッジを組み合わせることで,公共交通ネットワークのすべてのコースに占有率を推定する統合占有法を提案する。
統一された職業は、他のコースがAPC尺度を持つラインのコースや、APCデータが全く利用できないラインのコースについて、APC情報の欠落を完了します。
本手法の精度は、フランスの公共交通機関の実際のデータに基づいて評価される。
関連論文リスト
- Context-Aware Automated Passenger Counting Data Denoising [2.249916681499244]
本稿では,APCデータのロバスト性向上と解析の容易化を目的としたデノナイジングアルゴリズムを提案する。
提案手法は,チケットデータと歴史的なライダーシップデータを利用する制約付き整数線形最適化により構成される。
パフォーマンスは、フランスのいくつかの公共交通ネットワークにおける他のデノナイジング手法と比較して評価され、比較される。
論文 参考訳(メタデータ) (2024-02-06T16:55:41Z) - OASIS: Automated Assessment of Urban Pedestrian Paths at Scale [16.675093530600154]
モバイル機器を用いて歩道ネットワークデータを抽出する自由かつオープンソースの自動マッピングシステムを開発した。
本稿では,地域交通経路レビューチームの一員である人間測量士とともに,実環境で収集した画像を用いて訓練・テストしたプロトタイプシステムについて述べる。
論文 参考訳(メタデータ) (2023-03-04T01:32:59Z) - Embedding Synthetic Off-Policy Experience for Autonomous Driving via
Zero-Shot Curricula [48.58973705935691]
我々は、データの10%サブセットのみを使用してトレーニングされたエージェントが、データセット全体に対してトレーニングされたエージェントと同様に動作することを示す。
次に、この難易度スコアをゼロショット転送に使用して、模倣学習に基づく計画エージェントのカリキュラムを生成することを実証する。
論文 参考訳(メタデータ) (2022-12-02T18:57:21Z) - GOF-TTE: Generative Online Federated Learning Framework for Travel Time
Estimation [8.05623264361826]
本稿では,モバイルユーザグループを対象としたGOF-TTE,旅行時間推定のための生成オンラインフェデレーション学習フレームワークを紹介する。
トレーニング中にプライベートデータをクライアントデバイスに保持し,全クライアントが共有するオンライン生成モデルとしてグローバルモデルを設計し,リアルタイムな道路交通状態を推定する。
また、私たちのフレームワークにシンプルなプライバシー攻撃を導入し、プライバシーの安全性をさらに保証するための差分プライバシーメカニズムを実装しています。
論文 参考訳(メタデータ) (2022-07-02T14:10:26Z) - Data Sharing Markets [95.13209326119153]
我々は、各エージェントがデータの買い手および売り手の両方になり得る設定について検討する。
両データ交換(データ付きトレーディングデータ)と一方データ交換(お金付きトレーディングデータ)の2つの事例を考察する。
論文 参考訳(メタデータ) (2021-07-19T06:00:34Z) - Online Metro Origin-Destination Prediction via Heterogeneous Information
Aggregation [99.54200992904721]
我々は、ODとDOの進化パターンを共同で学習するために、HIAM(Heterogeneous Information Aggregation Machine)と呼ばれるニューラルネットワークモジュールを提案する。
ODモデリングブランチは、未完成な順序の潜在的な目的地を明示的に推定し、不完全OD行列の情報を補完する。
DOモデリングブランチは、DO行列を入力として、DOライダーシップの時空間分布をキャプチャする。
提案したHIAMに基づいて,将来のODおよびDOライダーを同時に予測する統合Seq2Seqネットワークを開発した。
論文 参考訳(メタデータ) (2021-07-02T10:11:51Z) - Learning Connectivity for Data Distribution in Robot Teams [96.39864514115136]
グラフニューラルネットワーク(GNN)を用いたアドホックネットワークにおけるデータ分散のためのタスク非依存,分散化,低レイテンシ手法を提案する。
当社のアプローチは、グローバル状態情報に基づいたマルチエージェントアルゴリズムを各ロボットで利用可能にすることで機能させます。
我々は,情報の平均年齢を報酬関数として強化学習を通じて分散gnn通信政策を訓練し,タスク固有の報酬関数と比較してトレーニング安定性が向上することを示す。
論文 参考訳(メタデータ) (2021-03-08T21:48:55Z) - Vehicular Cooperative Perception Through Action Branching and Federated
Reinforcement Learning [101.64598586454571]
強化学習に基づく車両関連、リソースブロック(RB)割り当て、協調認識メッセージ(CPM)のコンテンツ選択を可能にする新しいフレームワークが提案されている。
車両全体のトレーニングプロセスをスピードアップするために、フェデレーションRLアプローチが導入されます。
その結果、フェデレーションRLはトレーニングプロセスを改善し、非フェデレーションアプローチと同じ時間内により良いポリシーを達成できることが示された。
論文 参考訳(メタデータ) (2020-12-07T02:09:15Z) - National Access Points for Intelligent Transport Systems Data: From
Conceptualization to Benefits Recognition and Exploitation [55.41644538483948]
欧州連合は各加盟国による国家アクセスポイント(NAP)の開発を提案した。
本稿では,ITS エコシステムにおける NAP の役割を確認し,そのようなプラットフォームの設計手法を検討することを目的としており,拡張されたユースケースの起草を通じて NAP の運用プロセスを紹介し,そのメリットを特定のステップに関連付けることを目的とする。
論文 参考訳(メタデータ) (2020-10-14T17:13:00Z) - K-Prototype Segmentation Analysis on Large-scale Ridesourcing Trip Data [0.0]
本研究は、シカゴの公共配車データのシティアルゴリズムを用いて、モビリティの出現パターンについて検討する。
目的は、配車サービスのパトロンの体系的なバリエーションを調べることである。
悪天候条件に関する重要な相違点から,6種類の配車プロトタイプを同定し,検討した。
論文 参考訳(メタデータ) (2020-06-24T17:53:26Z)
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。