論文の概要: A scalable framework for correcting public transport timetables using real-time data for accessibility analysis

• arxiv url: http://arxiv.org/abs/2603.11477v1
• Date: Thu, 12 Mar 2026 02:59:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:25.833957
• Title: A scalable framework for correcting public transport timetables using real-time data for accessibility analysis
• Title（参考訳）: アクセシビリティ解析のためのリアルタイムデータを用いた公共交通機関の時刻表の修正のためのスケーラブルなフレームワーク
• Authors: Zihao Chen, Federico Botta,
• Abstract要約: 我々は、高周波車両位置データから経験的なバス時刻表を再構築するためのスケーラブルなフレームワークを開発する。 得られたデータセットは、旅行時間変動(TTV)を、微細な時間分解能と広い地理的領域で分析することができる。
• 参考スコア（独自算出の注目度）: 8.519862241558519
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Travel time is a fundamental component of accessibility measurement, yet most accessibility analyses rely on static timetable data that assume public transport services operate exactly as scheduled. Such representations overlook the substantial variability in travel times arising from operational conditions and service disruptions. In this study, we develop a scalable framework for reconstructing empirical bus timetables from high-frequency vehicle location data. Using national-scale real-time feeds from the UK Bus Open Data Service (BODS), we implement an automated data collection pipeline that continuously archives vehicle positions and daily timetable data. Observed vehicle locations are then matched to scheduled routes to infer stop-level arrival and departure times, enabling the construction of corrected empirical timetables. The resulting dataset allows travel time variability (TTV) to be analysed at fine temporal resolution and across large geographic areas. The computational efficiency and scalability of the framework enable national-scale accessibility analyses that incorporate observed service performance, providing a more realistic evidence base for evaluating public transport services and supporting transport planning.
• Abstract（参考訳）: 旅行時間は、アクセシビリティ測定の基本的な要素であるが、ほとんどのアクセシビリティ分析は、公共交通機関が正確にスケジュールどおりに動作すると仮定する静的なタイムテーブルデータに依存している。 このような表現は、運用条件やサービス障害に起因する旅行時間の実質的な変動を見落としている。 本研究では,高頻度車両位置データから経験的バス時刻表を再構築するためのスケーラブルなフレームワークを開発する。 英国バスオープンデータサービス(BODS)の全国規模のリアルタイムフィードを使用して、車両の位置と毎日のタイムテーブルデータを継続的にアーカイブする自動データ収集パイプラインを実装します。 観測された車両の位置は、停止レベルの到着時刻と出発時刻を推測する予定のルートと一致し、修正された実証時刻表の構築を可能にする。 得られたデータセットは、旅行時間変動(TTV)を、微細な時間分解能と広い地理的領域で分析することができる。 フレームワークの計算効率とスケーラビリティは、観測されたサービス性能を取り入れた全国規模のアクセシビリティ分析を可能にし、公共交通機関の評価と輸送計画を支援するためのより現実的な根拠を提供する。

関連論文リスト

• Streaming Real-Time Trajectory Prediction Using Endpoint-Aware Modeling [54.94692733670454]
  近隣の交通機関の将来の軌道は、自動運転車の経路計画と意思決定に大きな影響を与えている。 本稿では,軽量かつ高精度なストリーミングベース軌道予測手法を提案する。 当社のアプローチは推論遅延を大幅に低減し、現実のデプロイメントに適しています。
  論文  参考訳（メタデータ） (2026-03-02T13:44:23Z)
• Time Series Foundation Models as Strong Baselines in Transportation Forecasting: A Large-Scale Benchmark Analysis [5.316908050163474]
  本稿では,一般向け時系列基盤モデルが輸送作業の予測に役立てられるかどうかを考察する。 最先端モデルであるChronos-2のゼロショット性能を10個の実世界のデータセットでベンチマークする。 タスク固有の微調整がなくても、Chronos-2は、ほとんどのデータセットに対して最先端または競合的な正確性を提供します。
  論文  参考訳（メタデータ） (2026-02-27T18:10:54Z)
• Scalable Ride-Sourcing Vehicle Rebalancing with Service Accessibility Guarantee: A Constrained Mean-Field Reinforcement Learning Approach [42.070187224580344]
  連続状態平均場制御(MFC)と平均場強化学習(MFRL)モデルを導入する。 MFCとMFRLは、個々の車両ではなく、車両分布との相互作用を通じて各車両の挙動をモデル化することで、スケーラブルなソリューションを提供する。 我々のアプローチは数万台の車両にスケールし、トレーニング時間は1つの線形プログラミングリバランスの決定時間に匹敵する。
  論文  参考訳（メタデータ） (2025-03-31T15:00:11Z)
• The geography of inequalities in access to healthcare across England: the role of bus travel time variability [2.6166087473624313]
  本研究は、旅行時間変動(TTV)の観点から、イングランド全土の医療施設への公共交通機関によるアクセシビリティについて検討する。 分析の結果,都市と農村の分断,高低TTV領域のクラスタリング,別個のアウトリーチなど,TTVと平均移動時間の空間時間パターンが明らかとなった。
  論文  参考訳（メタデータ） (2025-01-31T15:43:15Z)
• Urban Traffic Forecasting with Integrated Travel Time and Data Availability in a Conformal Graph Neural Network Framework [0.6554326244334868]
  最先端のモデルは、可能な限り最良の方法でデータを考えるのに苦労することが多い。 本稿では,駅間の移動時間をグラフニューラルネットワークアーキテクチャの重み付き隣接行列に組み込む新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-07-17T01:11:07Z)
• Driver Profiling and Bayesian Workload Estimation Using Naturalistic Peripheral Detection Study Data [40.43737902900321]
  性能データを駆動する作業負荷推定の問題に対処する。 心的負荷を誘発する主要な環境要因をビデオ解析により同定する。 教師付き学習フレームワークは、彼らが経験した平均的なワークロードに基づいて、プロファイルドライバに導入される。 ベイズフィルタリング手法は、ドライバーの即時作業負荷である(ほぼ)リアルタイムに逐次推定するために提案される。
  論文  参考訳（メタデータ） (2023-03-26T13:15:44Z)
• 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)
• Scalable Vehicle Re-Identification via Self-Supervision [66.2562538902156]
  自動車再同定は、都市規模の車両分析システムにおいて重要な要素の1つである。 車両再設計のための最先端のソリューションの多くは、既存のre-idベンチマークの精度向上に重点を置いており、計算の複雑さを無視することが多い。 推論時間に1つのネットワークのみを使用する自己教師型学習によって、シンプルで効果的なハイブリッドソリューションを提案する。
  論文  参考訳（メタデータ） (2022-05-16T12:14:42Z)
• Estimating the Robustness of Public Transport Systems Using Machine Learning [62.997667081978825]
  公共交通機関の計画は、多くのステップを含む非常に複雑なプロセスである。 乗客の観点からの堅牢性の統合により、作業はさらに困難になる。 本稿では,機械学習の手法を用いたシナリオベースロバストネス近似の新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-06-10T05:52:56Z)

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。