کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4960703 1446502 2017 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Bus arrival time prediction based on network model
ترجمه فارسی عنوان
پیش بینی زمان ورود اتوبوس بر اساس مدل شبکه
کلمات کلیدی
حمل و نقل عمومی، مدل داده شبکه پیش بینی اتوبوس، ردیابی سیستم اطلاعاتی در زمان واقعی،
ترجمه چکیده
ارائه اطلاعات دقیق در مورد زمان ورود و خروج اتوبوس در ایستگاه های اتوبوس یکی از پارامترهای کلیدی مهم امروزه حمل و نقل عمومی با کیفیت بالا است. این مقاله یک مدل برای پیش بینی زمان واقعی زمان ورود در ایستگاه های اتوبوس ارائه می دهد. مدل پیشنهادی براساس اطلاعات مربوط به مکان فعلی اتوبوس، طبقه بندی در زمانهای مربوط به داده های تاریخی و مدل داده شبکه اتوبوس اجرا می شود. ما در مورد چهار نوع مدل داده ها صحبت می کنیم: یک مدل داده تعریف شده توسط ایستگاه های اتوبوس و عبور از شبکه جاده، یک مدل داده تعریف شده توسط ایستگاه های اتوبوس، یک مدل داده ای است که به قسمت های مختلف شبکه در ارتباط با موانع بالقوه که بر سرعت سفر اتوبوس ها، و یک مدل داده با لینک ثابت طول شبکه اتوبوس. زمان سفر با توجه به میانگین سرعت سفر به چهار دوره زمانی دسته بندی می شود: صبح، بعد از ظهر، صبح زود یا بعدازظهر و آخر هفته. نتایج تجزیه و تحلیل نشان داد که هر دو مدل داده های شبکه اتوبوس و طبقه بندی در زمان های مختلف بر روی دقت پیش بینی های زمان ورود اتوبوس در ایستگاه های اتوبوس تاثیر می گذارد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
Providing accurate information on bus arrival and departure times at bus stops is one of the key parameters of high-quality public transport today. This paper proposes a model for the real-time prediction of arrival times at bus stops. The proposed model is based on information about the current location of the bus, the classification of runs into time periods with respect to the historical data, and the data model of the bus network. We discuss four types of data models: a data model defined by bus stops and crossings of the road network, a data model defined by bus stops, a data model which addresses the individual parts of the network in relation to the potential barriers that affect the travel speed of buses, and a data model with fixed-length links of the bus network. Travel times are classified according to the average travel speed into four time periods: morning, afternoon, early morning or late evening, and weekend. The results of the analysis showed that both the data model of the bus network and classifying runs into time periods affect the accuracy of predictions of bus arrival times at bus stops.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Computer Science - Volume 113, 2017, Pages 138-145
نویسندگان
, ,