货运行程的时空特征:一种数据驱动的探索性分析
机器学习
2023-11-28 v1 人工智能
物理与社会
摘要
本文提出一种建模方法,从不同货运市场的数字货运活动数据推断调度与路径模式。我们提供完整的建模框架,包括一种新的用于从货运数据提取规则的离散-连续决策树方法。我们将这些模型应用于收集的荷兰行程数据,以理解出发时间模式与行程策略,并使我们能评估所提算法的有效性。我们发现时空特征对捕捉货运活动类型与日内模式十分重要。此外,经验证据表明大多数运输市场中的承运人对拥堵水平敏感。面对拥堵区域时,他们中许多会调整行程类型、出发时间与每行程停靠次数。所得结果可被从业者用于更好地把握运输市场并制定货运与交通管理措施。
引用
@article{arxiv.2311.15287,
title = {Spatial and Temporal Characteristics of Freight Tours: A Data-Driven Exploratory Analysis},
author = {Ali Nadi and Lóránt Tavasszy and J. W. C. van Lint and Maaike Snelder},
journal= {arXiv preprint arXiv:2311.15287},
year = {2023}
}