用于提升公共交通系统韧性的实时预测分析
计算机与社会
2016-10-03 v1
摘要
公共交通系统是大都市区的重要组成部分。然而，面对日益增长的需求，大多数系统正接近满负荷运行。在正常运营条件下，车站拥挤和拒绝登车正成为公交机构关注的主要问题。因此，任何服务中断都会产生更严重的后果，影响大量乘客。考虑到纽约和伦敦等许多大城市的基础设施老化，此类中断在所难免，这加剧了对更好的需求管理以及应对拥挤公交设施策略的需求。智能卡（AFC）、自动车辆定位系统（AVL）、GPS等机会性传感器提供了关于系统性能和乘客出行模式的丰富信息。我们开发了一个混合数据/模型驱动的决策支持系统，利用实时预测模型，帮助公交运营商主动管理和应对中断，并及时减轻后果。这些模型包括用于帮助公交机构的实时车站到达和起讫点预测，以及用于辅助乘客出行决策的预测信息系统。
引用
@article{arxiv.1609.09785,
title = {Real-time Predictive Analytics for Improving Public Transportation Systems' Resilience},
author = {Peyman Noursalehi and Haris N. Koutsopoulos},
journal= {arXiv preprint arXiv:1609.09785},
year = {2016}
}
备注
Presented at the Data For Good Exchange 2016