پیش بینی زمان توقف اتوبوس بر اساس KNN
چکیده
هدف از این تحقیق، توسعه یک مدل دینامیکی برای پیش‌بینی زمان توقف اتوبوس در ایستگاه‌های پایین‌دست است. این تحقیق همچنین قصد دارد که مدل پیشنهادی را با استفاده از داده‌های دنیای واقعی بررسی کند. این مدل بر اساس الگوریتم k-نزدیک‌ترین همسایه است و از داده‌های قبلی و کنونی جمع‌آوری‌شده توسط GPS (سامانه موقعیت‌یابی جهانی) نصب شده در اتوبوس‌ها استفاده می‌کند. در این تحقیق از داده‌های اتوبوس‌های خط B1 در چین استفاده شده است. مدل پیشنهادی پیش‌بینی زمان توقف در بررسی با استفاده از داده‌های دنیای واقعی، به‌طور مؤثری از نظر دقت و محاسبه سرعت اجرا شد.
1. مقدمه
آژانس‌های اتوبوس‌رانی به‌منظور افزایش رقابت‌پذیری با سایر روش‌های سفر مثل اتومبیل سواری، باید کیفیت خدمات خود را برای جذب افراد بیشتر بهبود بخشند. اطلاع رسانی در مورد زمان ورود اتوبوس، حمل‌ونقل عمومی را جذاب‌تر می‌کند (1). زمان سفر با اتوبوس بین دو نقطه شامل دو بخش است: زمان سفر با اتوبوس در قسمت‌های بین هر دو ایستگاه، و زمان توقف اتوبوس در ایستگاه‌های اتوبوس. این مقاله عمدتاً بر روش پیش‌بینی زمان توقف اتوبوس تمرکز دارد.
زمان توقف اتوبوس از سه بخش تشکیل شده است: باز کردن در اتوبوس، سوار شدن و پیاده شدن مسافران، بسته شدن در اتوبوس (2). زمان توقف اتوبوس تحت تأثیر عوامل زیادی قرار دارد. در TCQSM ( راهنمای ظرفیت حمل‌ونقل و کیفیت سرویس‌دهی)، عواملی که بر زمان توقف تأثیر می‌گذارند شامل سوار شدن مسافر و ظرفیت پیاده شدن، روش پرداخت کرایه، گردش در وسیله نقلیه و فواصل توقف می‌باشد (3). مدل‌های پیش‌بینی می‌توانند بین زمان توقف و این عوامل تأثیرگذار تنظیم شوند.
Abstract
The objective of this research is to develop a dynamic model to predict bus dwell time at downstream stops. The research also intends to test the proposed model using real-world data. This model is based on k-Nearest Neighbour (KNN) algorithm using history and current data collected by GPS (Global Positon System) fixed on buses. In the research, the data of buses of No.B1 line of Changzhou in China is used. In the test with real-world data, the proposed bus dwell time prediction model performed effectively both on accuracy and calculating speed.
1. Introduction
In order to promote competitiveness with other modes of travel such as the passenger car, bus transit agencies need to improve the quality of service to attract more people. Providing the information about bus arrival time makes public transit more attractive [1]. Bus travel time between two points consists of two parts: bus travel time on segments between every two bus stations, and bus dwell time at bus stations. This article mainly focuses on prediction method of bus dwell time.
Bus dwell time is composed by three parts: bus door opening, passengers up and down, bus door closing [2].Bus dwell time is influenced by many factors. In the TCQSM (Transit Capacity and Quality of Service Manual), factors that affect the dwell time consist of passenger boarding and alighting volumes, fare payment method, in-vehicle circulation, and stop spacing [3]. Prediction models can be set up between dwell time and these influence factors.
چکیده
1. مقدمه
2. روش شناسی
2.1. بررسی مدل
2.2. مدل پیش‌بینی مبتنی بر KNN
3. مطالعه موردی
3.1. جمع آوری داده‌ها
3.2. نتایج و تجزیه و تحلیل
4. نتیجه‌گیری
منابع
Abstract
1. Introduction
2. Methodology
2.1. Model exploration
2.2. Prediction model based on KNN
3. Case study
3.1. Data collection
3.2. Result and analysis
4. Conclusions
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه