Trans-Sense：利用智能手机的实时交通时刻表估算
计算机与社会
2019-06-19 v1 机器学习
机器学习
摘要
发展中国家饱受交通拥堵、道路/铁路网规划不善以及缺乏公共交通设施之苦。这一背景导致燃料消耗、污染水平、金钱损失、大规模延误与生产力下降的增加。另一方面，它对通勤者的感受与情绪有负面影响。实时公交信息的可用性——通过 GPS 设备提供公共交通车辆位置——有助于估算乘客等待时间并应对上述问题。然而，此类方案对发展中国家而言成本高昂。本文旨在设计并实现一种基于众包手机的解决方案，以估算乘客在公共交通系统中的预期等待时间、预测上/下车的剩余时间，并构建实时公共交通时刻表。Trans-Sense 已使用由不同 Android 手机在日常基础上收集超过 800 小时、覆盖不同时间段多条轻轨线路的真实数据进行了评估。结果表明，Trans-Sense 在判别轻轨站点时可达平均召回率 95.35% 与准确率 90.1%。此外，支配影响乘客总行程时间的各类时延的经验分布能够以 91.81% 的准确率预测乘客抵达目的地的正确时间。另外，系统估算站点尺寸的准确率为 95.71%。
引用
@article{arxiv.1906.07575,
title = {Trans-Sense: Real Time Transportation Schedule Estimation Using Smart Phones},
author = {Ali AbdelAziz and Amin Shoukry and Walid Gomaa and Moustafa Youssef},
journal= {arXiv preprint arXiv:1906.07575},
year = {2019}
}
备注
8 pages, 11 figures,