Аналіз тривалості руху громадського транспорту (на прикладі м. Львів)

  • M. Zhuk
  • V. Kovalyshyn
Ключові слова: громадський транспорт, тривалість руху, рух між зупинками, тривалість зупинки

Анотація

Забезпечення точної  інформації про тривалість руху громадського транспорту та часу прибуття автобусів дає можливість зменшити тривалість очікування пасажирів та залучити більше людей до користування громадським транспортом. Авторами запропоновано новий сегментний підхід для прогнозування часу поїздки громадським транспортом. Використані реальні дані руху автобусів, які визначені у  різних сегментах автобусних маршрутів.

Посилання

Bagchi M., White P.R. The potential of public transport smart card data. Transport Policy 12, 2005. P. 464–474.

Yao B., Hu P., Lu X., Gao J., Zhang M. Transit network design based on travel time reliability. Transport. Res. Part C: Emerg. Technol, 43, 2004. P. 233–248.

Chien S.I.J., Ding Y., Wei C. Dynamic bus arrival time prediction with artificial neural networks.
J. Transport. Eng. 128, 2002. P. 429–438.

Zhu T., Ma F., Ma T., Li C. The prediction of bus arrival time using global positioning system data and dynamic traffic information. In: Wireless and Mobile Networking Conference (WMNC), 2011 4th Joint IFIP. IEEE, 2011. P. 1–5.

Gurmu Z.K., Fan W.D. Artificial neural network travel time prediction model for buses using only gps data. J. Public Transport. 17, 2014. P.3.

Yang M., Chen C., Wang L., Yan X., Zhou L. Bus arrival time prediction using support vector machine with genetic algorithm. Neural Network World 26, 2016. 205 P.

Yu B., Yang Z.Z., Wang J. Bus travel-time prediction based on bus speed. In: Proceedings of the Institution of Civil Engineers-Transport. Thomas Telford Ltd., 2010. P. 3–7.

Bai C., Peng Z.R., Lu Q.C., Sun, J. Dynamic bus travel time prediction models on road with multiple bus routes. Comput. intell. Neurosci, 2015. P. 63.

Xu H., Ying J. Bus arrival time prediction with real-time and historic data. Clust. Comput. 20, 2017. P. 3099–3106.

Cathey F., Dailey D.J. A prescription for transit arrival/departure prediction using automatic vehicle location data. Transport. Res. Part C: Emerg. Technol. 11, 2003. P. 241–264.

Zhou M., Wang D., Li Q., Yue Y., Tu W., Cao R. Impacts of weather on public transport ridership: Results from mining data from different sources. Transport. Res. Part C: Emerg. Technol. 75, 2017. P. 17–29.

Cheng Z., Chow M.Y., Jung D., Jeon J. A big data based deep learning approach for vehicle speed prediction. In: 2017 IEEE 26th International Symposium on Industrial Electronics (ISIE). IEEE, 2017. P. 389–394.

Ma Z., Koutsopoulos H.N., Ferreira L., Mesbah M. Estimation of trip travel time distribution using a generalized markov chain approach. Transport. Res. Part C: Emerg. Technol. 74, 2017. P. 1–21.

Kumar B.A., Vanajakshi L., Subramanian S. Pattern-based bus travel time prediction under heterogeneous traffic conditions. Transportation Research Record, Transportation Research Board, National Research Council, Washington, DC, 2013.

Kumar B.A., Vanajakshi L., Subramanian S.C. Bus travel time prediction using a time-space discretization approach. Transport. Res. Part C: Emerg. Technol. 79, 2017. P. 308–332.

Shalaby, A., Farhan, A. Prediction model of bus arrival and departure times using avl and apc data. J. Publ. Transport. 7, 2004, P. 3.

Brakewood C., Macfarlane G.S., Watkins K. The impact of real-time information on bus ridership in new york city. Transport. Res. Part C: Emerg. Technol. 53, 2015. P. 59–75.

Rahman M.M., Wirasinghe S., Kattan L. Analysis of bus travel time distributions for varying horizons and real-time applications. Transport. Res. Part C: Emerg. Technol. 86, 2018. P. 453–466.

Опубліковано
2019-12-26
Розділ
Організація перевезень і безпека транспорту