Trajectory Data Mining and Trip Travel Time Prediction on Specific Roads

要約

旅行の移動時間を予測することは、ルート計画やナビゲーション アプリケーションにとって不可欠です。
研究の大部分は、パキスタンの道路状況には当てはまらない国際データに基づいています。
私たちは、センサー データから軌跡をマイニングするための完全なパイプラインを設計しました。
このデータに対して、私たちは浅い人工ニューラル ネットワーク、深い多層パーセプトロン、長期短期記憶などの最先端のアプローチを採用し、頻繁に使用されるルートでの移動時間予測の問題を調査しました。
実験結果は、パキスタンのイスラマバード地域で最も頻繁に利用される 6 つのルートで 10 分から 60 分続く旅行で、平均予測誤差が 30 秒から 1.2 分の範囲であることを示しています。

要約(オリジナル)

Predicting a trip’s travel time is essential for route planning and navigation applications. The majority of research is based on international data that does not apply to Pakistan’s road conditions. We designed a complete pipeline for mining trajectories from sensors data. On this data, we employed state-of-the-art approaches, including a shallow artificial neural network, a deep multi-layered perceptron, and a long-short-term memory, to explore the issue of travel time prediction on frequent routes. The experimental results demonstrate an average prediction error ranging from 30 seconds to 1.2 minutes on trips lasting 10 minutes to 60 minutes on six most frequent routes in regions of Islamabad, Pakistan.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google