Short Run Transit Route Planning Decision Support System Using a Deep Learning-Based Weighted Graph

要約

公共交通機関のルートは交通ネットワークの設計において重要な役割を果たし、乗客に満足のいくサービスを保証します。
ただし、現在のルーティング ソリューションは従来のオペレーショナル リサーチ ヒューリスティックに依存しているため、実装に時間がかかり、迅速なソリューションを提供する機能が欠けています。
ここでは、公共交通機関 (PT) の計画担当者が短期的なルートの改善を迅速に特定できるようにする意思決定支援システムのための、深層学習ベースの新しい方法論を提案します。
1 日の特定の時間帯に 2 つの停留所間のルートの特定のセクションをシームレスに調整することで、私たちの方法は効果的に時間を短縮し、PT サービスを強化します。
GTFS やスマート カード データなどの多様なデータ ソースを活用して、特徴を抽出し、有向グラフとして交通ネットワークをモデル化します。
自己監視を使用して、道路セグメントの遅延値を予測するための深層学習モデルをトレーニングします。
これらの遅延値は交通グラフのエッジの重みとして利用され、効率的な経路検索が可能になります。
テルアビブでこの方法を評価することにより、ルートの 9\% 以上で時間を短縮することができました。
改善されたルートには都市内ルートと郊外ルートの両方が含まれており、このモデルの多用途性を強調する事実が示されました。
この調査結果は、公共交通機関や都市物流を強化し、PT サービスの効率性と信頼性の向上を促進する、当社のデータ駆動型意思決定支援システムの可能性を強調しています。

要約(オリジナル)

Public transport routing plays a crucial role in transit network design, ensuring a satisfactory level of service for passengers. However, current routing solutions rely on traditional operational research heuristics, which can be time-consuming to implement and lack the ability to provide quick solutions. Here, we propose a novel deep learning-based methodology for a decision support system that enables public transport (PT) planners to identify short-term route improvements rapidly. By seamlessly adjusting specific sections of routes between two stops during specific times of the day, our method effectively reduces times and enhances PT services. Leveraging diverse data sources such as GTFS and smart card data, we extract features and model the transportation network as a directed graph. Using self-supervision, we train a deep learning model for predicting lateness values for road segments. These lateness values are then utilized as edge weights in the transportation graph, enabling efficient path searching. Through evaluating the method on Tel Aviv, we are able to reduce times on more than 9\% of the routes. The improved routes included both intraurban and suburban routes showcasing a fact highlighting the model’s versatility. The findings emphasize the potential of our data-driven decision support system to enhance public transport and city logistics, promoting greater efficiency and reliability in PT services.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google