动态公共交通对需求预测的质量要求
机器学习
2021-11-09 v5 机器学习
信号处理
摘要
随着公共交通(PT)变得更加动态且需求响应化，它日益依赖于对交通需求的预测。但此类预测需要多高的准确度才能有效运营PT？我们通过丹麦哥本哈根大都会区PT出行的实验性案例研究来解决这一问题，该研究独立于任何特定预测模型进行。首先，我们通过形状差异显著的无偏噪声分布模拟需求预测中的误差。利用含噪预测，我们通过线性规划公式模拟并优化需求响应型PT车队，并衡量其性能。我们的结果表明，优化性能主要受噪声分布偏度和偶发大预测误差的影响。特别地，在非高斯对比高斯噪声下优化性能可得到改善。我们还发现，动态路由相比静态路由可减少至少23%出行时间。就出行时间节省价值而言，该减少在案例研究中估计为每年809,000欧元。
引用
@article{arxiv.2008.13443,
title = {On the Quality Requirements of Demand Prediction for Dynamic Public Transport},
author = {Inon Peled and Kelvin Lee and Yu Jiang and Justin Dauwels and Francisco C. Pereira},
journal= {arXiv preprint arXiv:2008.13443},
year = {2021}
}
备注
26 pages, 9 tables, 6 figures