論文の概要: Geospatial and Temporal Trends in Urban Transportation: A Study of NYC Taxis and Pathao Food Deliveries
- arxiv url: http://arxiv.org/abs/2505.03816v1
- Date: Fri, 02 May 2025 17:41:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-08 19:07:35.838234
- Title: Geospatial and Temporal Trends in Urban Transportation: A Study of NYC Taxis and Pathao Food Deliveries
- Title（参考訳）: 都市交通における地理空間的・時間的動向--ニューヨーク市のタクシーとパスアオ食品配達について
- Authors: Bidyarthi Paul, Fariha Tasnim Chowdhury, Dipta Biswas, Meherin Sultana,
- Abstract要約: 本研究では、ニューヨーク市のTaxi TripデータセットとバングラデシュのダッカのPathao Food Tripデータセットの2つのデータセットを用いて、輸送パターンを分析した。
私たちのゴールは、需要、ピーク時、および重要な地理的ホットスポットにおける重要なトレンドを特定することです。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Urban transportation plays a vital role in modern city life, affecting how efficiently people and goods move around. This study analyzes transportation patterns using two datasets: the NYC Taxi Trip dataset from New York City and the Pathao Food Trip dataset from Dhaka, Bangladesh. Our goal is to identify key trends in demand, peak times, and important geographical hotspots. We start with Exploratory Data Analysis (EDA) to understand the basic characteristics of the datasets. Next, we perform geospatial analysis to map out high-demand and low-demand regions. We use the SARIMAX model for time series analysis to forecast demand patterns, capturing seasonal and weekly variations. Lastly, we apply clustering techniques to identify significant areas of high and low demand. Our findings provide valuable insights for optimizing fleet management and resource allocation in both passenger transport and food delivery services. These insights can help improve service efficiency, better meet customer needs, and enhance urban transportation systems in diverse urban environments.
- Abstract（参考訳）: 都市交通は現代の都市生活において重要な役割を担い、人や商品がいかに効率的に動き回るかに影響を及ぼす。
本研究では、ニューヨーク市のTaxi TripデータセットとバングラデシュのダッカのPathao Food Tripデータセットの2つのデータセットを用いて、輸送パターンを分析した。
私たちのゴールは、需要、ピーク時、および重要な地理的ホットスポットにおける重要なトレンドを特定することです。
まず、データセットの基本特性を理解するために、Exploratory Data Analysis (EDA) から始める。
次に、地理空間解析を行い、高需要地域と低需要地域をマッピングする。
我々は,SARIMAXモデルを用いて時系列分析を行い,需要パターンを予測し,季節や週の変動を捉えた。
最後に,クラスタリング手法を適用して,需要の高い領域と低負荷領域を同定する。
本研究は, 旅客輸送サービスと食品配送サービスの両方において, 艦隊管理と資源配分を最適化するための貴重な知見を提供する。
これらの洞察は、サービスの効率を改善し、顧客のニーズを満足させ、様々な都市環境における都市交通システムを強化するのに役立つ。
関連論文リスト
- Demand Modeling for Advanced Air Mobility [21.445133878049333]
Advanced Air Mobility (AAM) は有望な輸送手段として登場した。
本研究は、テネシー州の国勢調査区域における雇用ベースの旅行データを分析し、AAMの需要動態を分析した。
その結果,一般交通費の70%以上を航空輸送が占める場合,AAMにとって旅行は有効である可能性が示唆された。
論文 参考訳（メタデータ） (2024-11-25T21:51:39Z) - Urban Region Embeddings from Service-Specific Mobile Traffic Data [1.6670661711668906]
本稿では,サービス固有のモバイルトラフィックデータから都市部埋め込みを作成する手法を提案する。
本手法が都市特性を効果的に把握できることを実証する。
全体として、この研究は、都市研究のためのサービス固有のモバイルトラフィックデータの可能性を強調している。
論文 参考訳（メタデータ） (2024-11-20T12:13:07Z) - A Predictive and Optimization Approach for Enhanced Urban Mobility Using Spatiotemporal Data [0.0]
本研究では,機械学習アルゴリズムと実交通情報を組み合わせた都市移動性向上手法を提案する。
ニューヨーク市の黄色いタクシー旅行のデータを用いて,旅行時間と渋滞解析の予測モデルを構築した。
本研究は、高度データ駆動方式による都市渋滞の低減と交通効率の向上を目的とした継続的な取り組みに寄与する。
論文 参考訳（メタデータ） (2024-10-07T16:16:49Z) - Unified Data Management and Comprehensive Performance Evaluation for
Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。
都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。
多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
論文 参考訳（メタデータ） (2023-08-24T16:20:00Z) - Understanding human mobility patterns in Chicago: an analysis of taxi
data using clustering techniques [0.0]
シカゴ市をケーススタディとして、2016年にタクシーの乗車データを調べ、近所がどのように相互接続されているかを理解することを目標にしている。
この分析は、近隣住民がタクシーを使って旅行している感覚を与え、新しい公共交通機関の開発に焦点をあてることを提案する。
論文 参考訳（メタデータ） (2023-06-21T08:14:52Z) - LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。
しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。
カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文 参考訳（メタデータ） (2023-06-14T05:48:36Z) - 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) - 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) - Extracting Spatiotemporal Demand for Public Transit from Mobility Data [0.0]
都市人口の変化は、交通サービスの効率的な管理にいくつかの課題をもたらす。
都市における公共交通機関の需要を簡易に推定する手法を提案する。
論文 参考訳（メタデータ） (2020-06-05T10:21:31Z)
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。