Modeling Supply and Demand in Public Transportation Systems

要約

私たちは、バージニア州ハリソンバーグ市の公共交通局 (HDPT) のバス システムにおいて、効率を分析し、サービス ギャップを特定し、需要の重要な予測因子を決定するために、ニューラル ネットワーク ベースのデータ駆動型の 2 つの需要供給モデルを提案します。
ここはジェームズ マディソン大学 (JMU) の本拠地です。
時間的モデルと空間的モデルの需要と供給モデルでは、バス停周辺の人口統計データ、HDPT が連邦政府に報告する指標、JMU の運行開始時と停止時の間の人口の急激な変化など、多くの変数が考慮されます。
オフセッション。
需要と供給を定量化し、サービスのギャップを特定するこれらの直接的かつデータ駆動型のモデルは、他の都市のバス システムにも一般化できます。

要約(オリジナル)

We propose two neural network based and data-driven supply and demand models to analyze the efficiency, identify service gaps, and determine the significant predictors of demand, in the bus system for the Department of Public Transportation (HDPT) in Harrisonburg City, Virginia, which is the home to James Madison University (JMU). The supply and demand models, one temporal and one spatial, take many variables into account, including the demographic data surrounding the bus stops, the metrics that the HDPT reports to the federal government, and the drastic change in population between when JMU is on or off session. These direct and data-driven models to quantify supply and demand and identify service gaps can generalize to other cities’ bus systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google