論文の概要: Cycling into the workshop: predictive maintenance for Barcelona's bike-sharing system
- arxiv url: http://arxiv.org/abs/2404.17217v1
- Date: Fri, 26 Apr 2024 07:46:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-29 13:44:15.351419
- Title: Cycling into the workshop: predictive maintenance for Barcelona's bike-sharing system
- Title（参考訳）: ワークショップへのサイクル:バルセロナの自転車シェアリングシステムの予測保守
- Authors: Jordi Grau-Escolano, Aleix Bassolas, Julian Vicens,
- Abstract要約: 本研究は,バルセロナの自転車シェアリングシステムであるBicingの旅行情報とメンテナンスデータを用いた。
本研究は、重要な自転車部品のメンテナンスニーズを正確に予測するために、様々なモビリティ指標を考察し、統計的および機械学習サバイバルモデルを適用した。
この分析によると、機械式自転車と電動自転車の利用パターンは明らかに異なっている。
自転車使用量やデータ不均衡といった課題にもかかわらず、この研究は正確な予測保守システムの実現可能性を示すことに成功している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bike-sharing systems have emerged as a significant element of urban mobility, providing an environmentally friendly transportation alternative. With the increasing integration of electric bikes alongside mechanical bikes, it is crucial to illuminate distinct usage patterns and their impact on maintenance. Accordingly, this research aims to develop a comprehensive understanding of mobility dynamics, distinguishing between different mobility modes, and introducing a novel predictive maintenance system tailored for bikes. By utilising a combination of trip information and maintenance data from Barcelona's bike-sharing system, Bicing, this study conducts an extensive analysis of mobility patterns and their relationship to failures of bike components. To accurately predict maintenance needs for essential bike parts, this research delves into various mobility metrics and applies statistical and machine learning survival models, including deep learning models. Due to their complexity, and with the objective of bolstering confidence in the system's predictions, interpretability techniques explain the main predictors of maintenance needs. The analysis reveals marked differences in the usage patterns of mechanical bikes and electric bikes, with a growing user preference for the latter despite their extra costs. These differences in mobility were found to have a considerable impact on the maintenance needs within the bike-sharing system. Moreover, the predictive maintenance models proved effective in forecasting these maintenance needs, capable of operating across an entire bike fleet. Despite challenges such as approximated bike usage metrics and data imbalances, the study successfully showcases the feasibility of an accurate predictive maintenance system capable of improving operational costs, bike availability, and security.
- Abstract（参考訳）: 自転車シェアリングシステムは都市移動の重要な要素として現れ、環境に優しい交通手段を提供している。
電動自転車とメカニカルバイクの統合が進む中、異なる使用パターンとメンテナンスへの影響を照らすことが不可欠である。
そこで本研究では,モビリティのダイナミクスを包括的に理解し,異なるモビリティモードを区別し,自転車に適した新しい予測保守システムを導入することを目的とする。
バルセロナの自転車シェアリングシステムであるバイシング(Bicing)の旅行情報とメンテナンスデータを組み合わせて,移動パターンと自転車部品の故障との関係を広範囲に分析した。
本研究は、重要な自転車部品のメンテナンスニーズを正確に予測するために、様々なモビリティ指標を掘り下げ、深層学習モデルを含む統計的および機械学習サバイバルモデルを適用した。
その複雑さと、システムの予測に対する信頼性を高めることを目的として、解釈可能性技術はメンテナンスニーズの主要な予測因子を説明する。
この分析によると、機械式自転車と電動自転車の利用パターンは明らかに異なっている。
これらの移動性の違いは、自転車共有システムにおけるメンテナンスニーズに大きな影響を及ぼすことがわかった。
さらに、予測メンテナンスモデルは、これらのメンテナンスニーズを予測するのに有効であることが証明された。
自転車使用量やデータ不均衡といった課題にもかかわらず、この研究は、運用コスト、自転車の可用性、セキュリティを改善するための正確な予測保守システムの実現可能性を示すことに成功している。
関連論文リスト
- Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
本稿では,リンクレベルの自転車のボリュームをモデル化するために,グラフ畳み込みネットワークアーキテクチャを利用する最初の研究について述べる。
オーストラリア,メルボルン市全体での年間平均自転車数(AADB)を,Strava Metro の自転車数データを用いて推定した。
以上の結果から,GCNモデルは従来のAADB数予測モデルよりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-10-11T04:53:18Z) - Predicting travel demand of a bike sharing system using graph convolutional neural networks [0.0]
本研究は,自転車共有システムにおける旅行需要の予測に焦点を当てた。
ゲートグラフ畳み込みニューラルネットワークと呼ばれる新しいハイブリッドディープラーニングモデルが導入された。
軌跡データ、気象データ、アクセスデータを統合し、ゲートグラフ畳み込みネットワークを活用することにより、旅行需要予測の精度を大幅に向上する。
論文 参考訳（メタデータ） (2024-08-18T00:24:30Z) - Predictive Maintenance of Armoured Vehicles using Machine Learning
Approaches [3.403279506246879]
本研究では,これらの車両から収集したセンサデータに基づいて,潜在的なメンテナンスニーズの予測を支援する,予測型メンテナンスベースアンサンブルシステムを提案する。
提案システムは98.93%の精度、99.80%の精度、99.03%のリコールを実現する。
論文 参考訳（メタデータ） (2023-07-26T18:50:32Z) - Predicting Citi Bike Demand Evolution Using Dynamic Graphs [81.12174591442479]
ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用した。
本稿では,ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用しようとする。
論文 参考訳（メタデータ） (2022-12-18T21:43:27Z) - Bike Sharing Demand Prediction based on Knowledge Sharing across Modes:
A Graph-based Deep Learning Approach [8.695763084463055]
本研究では,自転車共有需要予測(B-MRGNN)のためのグラフに基づくディープラーニング手法を提案する。
マルチリレーショナルグラフニューラルネットワーク(MRGNN)を導入し、モード間の空間単位間の相関を捉える。
実験はニューヨーク市の実際の自転車シェアリング、地下鉄、ライドシェアリングのデータを用いて行われた。
論文 参考訳（メタデータ） (2022-03-18T06:10:17Z) - A Cluster-Based Trip Prediction Graph Neural Network Model for Bike
Sharing Systems [2.1423963702744597]
自転車シェアリングシステム(BSS)は革新的な交通サービスとして発展しつつある。
これらのシステムが現在のグローバルな懸念の多くを根絶することにコミットしていることを考えると、BSSの適切な機能を確保することが不可欠である。
ユーザの移行パターンに関する優れた知識は、サービスの品質と運用性に対する決定的な貢献である。
論文 参考訳（メタデータ） (2022-01-03T15:47:40Z) - 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) - Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems
using Multi-objective Reinforcement Learning [79.61517670541863]
ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用
DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
論文 参考訳（メタデータ） (2021-01-19T03:09:51Z) - Exploring the weather impact on bike sharing usage through a clustering
analysis [7.541020519717183]
本研究の目的は、ワシントンD.C.の自転車利用にどの程度の天気がどんな影響を及ぼすかを調査することである。
ワシントンD.C.では,自転車の利用データと天気データを収集し,k平均クラスタリングアルゴリズムを用いて分析する。
論文 参考訳（メタデータ） (2020-08-17T12:24:37Z) - Predictive Analytics for Water Asset Management: Machine Learning and
Survival Analysis [55.41644538483948]
本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。
スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。
その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
論文 参考訳（メタデータ） (2020-07-02T19:08:36Z) - Exploiting Interpretable Patterns for Flow Prediction in Dockless Bike
Sharing Systems [45.45179250456602]
本稿では,解釈可能な交通パターンを用いた効率的な自転車フロー予測を実現するための,解釈可能な自転車フロー予測(IBFP)フレームワークを提案する。
都市部をフロー密度に応じて領域に分割することにより、まず、グラフ正規化スパース表現を用いて、各領域間の自転車の流れをモデル化する。
そして,スパース表現を用いたサブスペースクラスタリングを用いて,自転車のフローからトラフィックパターンを抽出し,解釈可能なベース行列を構築する。
最後に、実世界のデータを用いた実験結果から、ドックレス自転車シェアリングシステムにおけるフロー予測におけるIBFP法の利点が示された。
論文 参考訳（メタデータ） (2020-04-13T05:31:50Z)
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。