不可用的公交数据规范：利用循环神经网络使其可用
机器学习
2021-02-23 v1 人工智能
摘要
关于欧洲公共交通的研究表明，欧洲居民在所有公共交通出行中约56%使用公交车。影响这一比例以及更广泛地说影响公共交通服务需求（且人们对其使用的抵触日益增加）的关键因素之一是其质量。最终用户可从多个角度感知质量，包括信息的可用性，即获取关于公交及所提供服务的详细信息。本文提出的方法利用基于数据挖掘和机器学习技术的创新方法，旨在使不可用的公共交通数据变得可用。具体而言，通过挖掘GPS轨迹，我们成功重建了公共交通的完整公交图。该方法已在从意大利拉奎拉市本地公交系统收集的真实数据集上成功验证。实验结果表明，所提出的方法和实现的框架均高效且有效，因此已具备部署条件。
引用
@article{arxiv.2102.10323,
title = {Unavailable Transit Feed Specification: Making it Available with Recurrent Neural Networks},
author = {Ludovico Iovino and Phuong T. Nguyen and Amleto Di Salle and Francesco Gallo and Michele Flammini},
journal= {arXiv preprint arXiv:2102.10323},
year = {2021}
}
备注
11 pages, 8 figures, accepted for publication by IEEE Transactions on Intelligent Transportation Systems (T-ITS)