Notice: Only variables should be passed by reference in /var/www/clients/client26/web109/web/src/Plugin/dokstrasse/FrontendPage.php on line 349
Zurück Vor
Detailergebnis zu DOK-Nr. 76881
Modellierung der Busankunftszeit, basierend auf Daten aus Auckland (Orig. engl.: Bus arrival time modeling based on Auckland data)
Autoren |
P. Ranjitkar L.-S. Tey E. Chakravorty K. L. Hurley |
---|---|
Sachgebiete |
5.3.4 Öffentlicher Personennahverkehr 6.2 Verkehrsberechnungen, Verkehrsmodelle |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2673, H. 6, 2019, S. 1-9, 6 B, 9 T, 20 Q. - Online-Ressource: Verfügbar unter: http://journals.sagepub.com/home/trr
Ungenaue Busankunftszeitvorhersagen sind kontraproduktiv für die Änderung von Verkehrsgewohnheiten und die Förderung der Nutzung öffentlicher Verkehrsmittel. In der Forschung wurde versucht, die Erfahrung der Busfahrgäste in Bezug auf die Vorhersage der Busankunftszeit zu verbessern, indem verschiedene zeitreihen- und regressionsbasierte Techniken untersucht wurden, die für die Modellierung der Busankunftszeit geeignet sind. Zu den in der aktuellen Studie entwickelten Modellen gehörten: Random Walk mit Drift, multivariate lineare Regression, Entscheidungsbaum, künstliche neuronale Netze und Genexpressionsprogrammiermodelle. Historische automatische Fahrzeugortungs- und Fahrgastflussdaten, die für vier Buslinien in der Stadt Auckland in beiden Fahrtrichtungen gewonnen wurden, wurden als Modelleingaben verwendet. Im Einzelnen wurden 10 unabhängige Variablen in die Regressionsmodelle aufgenommen, wobei die Entfernung zwischen den Bushaltestellen der signifikanteste Prädiktor für die Busfahrtzeit war. Die Forschungsergebnisse zeigten, dass Zeitreihenmodelle die Regressionstechniken übertrafen, wobei das künstliche neuronale Zeitreihennetzwerk das erfolgreichste der sieben entwickelten Modelle war. Außerdem schnitten die alternativen Modelle alle deutlich besser ab als die sogenannte Vorhersagemaschine, die derzeit von einem Busunternehmen in Auckland für die Vorhersage der Ankunftszeit verwendet wird. Diese Ergebnisse müssen jedoch mit manuell gesammelten Felddaten untermauert werden, da die vom Verkehrsbetrieb gemeldeten Rohdaten Qualitätsprobleme aufweisen.