实时公交到站预测:一种增强城市机动性的深度学习方法
机器学习
2024-03-05 v3
摘要
在城市环境中,公交运输是一种重要的公共交通方式,但在提供准确可靠的到站时间方面面临困难。这种偏差常常导致延误和客流量下降,尤其是在高度依赖公交运输的地区。一个普遍存在的挑战是实际公交到站时间与计划时间之间的不匹配,造成固定时刻表的紊乱。我们的研究利用纽约市公交数据,揭示了计划与实际公交到站时间之间平均约八分钟的延迟。本研究提出了一种创新的、基于AI的、数据驱动的方法,用于预测大型都市区内各公交站点(车站)的公交到站时间,并对所有公交线路提供集体预测。通过部署全连接神经网络,我们的方法提升了公交公共交通系统的准确性和效率。我们的综合评估涵盖超过200条公交线路和200万个数据点,显示出到站时间估计的误差范围小于40秒。此外,验证集中每个数据点的推理时间记录为低于0.006毫秒,证明了我们基于神经网络的方法在显著提升公交运输系统准点率和可靠性方面的潜力。
引用
@article{arxiv.2303.15495,
title = {Real-Time Bus Arrival Prediction: A Deep Learning Approach for Enhanced Urban Mobility},
author = {Narges Rashvand and Sanaz Sadat Hosseini and Mona Azarbayjani and Hamed Tabkhi},
journal= {arXiv preprint arXiv:2303.15495},
year = {2024}
}