Academic Journal

Machine learning til realtidsforudsigelser af oprindelse-til-destination efterspørgsel for jernbaner med smart card og udbudsdata

التفاصيل البيبلوغرافية
العنوان: Machine learning til realtidsforudsigelser af oprindelse-til-destination efterspørgsel for jernbaner med smart card og udbudsdata
المؤلفون: Flensburg, Johan Victor, Lima Azevedo, Carlos M., Pereira Duarte Rodrigues, Filipe M, Cerreto, Fabrizio
المصدر: Flensburg , J V , Lima Azevedo , C M , Pereira Duarte Rodrigues , F M & Cerreto , F 2022 , Machine learning til realtidsforudsigelser af oprindelse-til-destination efterspørgsel for jernbaner med smart card og udbudsdata . i Proceedings from the Annual Transport Conference at Aalborg University . Danish Journal of Transportation Research - Dansk tidskrift for transportforskning , Trafikdage på Aalborg Universitet 2022 , Aalborg , Danmark , 22/08/2022 .
سنة النشر: 2022
المجموعة: Technical University of Denmark: DTU Orbit / Danmarks Tekniske Universitet
الوصف: Realtidsforudsigelser af passagerefterspørgsel på jernbanen kan bidrage til smartere trafikstyring og på sigt til at udvikle et offentligt transportsystem som på forskellig vis imødekommer ekstraordinær efterspørgsel. Dette kræver adgang til detaljeret information om efterspørgselsmønstre i form af løbende indsamling af passagertal for hvert par af oprindelses- og destinationsstationer i korte tidsintervaller. I dette studie udvikles en machine learning model til forudsigelser af afvigelser fra det periodiske efterspørgselsmønster på Københavns S-bane i 15 minutters intervaller ved hjælp af realtidsdata fra Rejsekortet på efterspørgselssiden og Banedanmarks driftsstatistikker på udbudssiden. Studiet belyser dels betydningen af udbud for forudsigelse af efterspørgsel og dels udforskes måden hvorpå spatiotemporal data indlejres i modeller fra dyb læring for at opnå nøjagtige forudsigelser for mange-dimensionale og sparsomme data som disse.
نوع الوثيقة: article in journal/newspaper
وصف الملف: application/pdf
اللغة: Danish
Relation: https://orbit.dtu.dk/en/publications/c65f3715-a36b-473b-8556-08d1d9b39f3a
الاتاحة: https://orbit.dtu.dk/en/publications/c65f3715-a36b-473b-8556-08d1d9b39f3a
https://backend.orbit.dtu.dk/ws/files/281359285/trafikdage_2022_udvidet_resume.pdf
Rights: info:eu-repo/semantics/openAccess
رقم الانضمام: edsbas.7E1E4878
قاعدة البيانات: BASE