• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Intelligent Transportation Systems >Bus arrival time prediction at any distance of bus route using deep neural network model
【24h】

Bus arrival time prediction at any distance of bus route using deep neural network model

机译：基于深度神经网络模型的公交路线任意距离的公交到站时间预测

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A precise prediction of transportation time is important to help both passengers to plan their trips and bus operations control to make an effective fleet management. In this study, we make use of GPS data from a public transportation bus line to develop a public bus arrival time prediction at any distance along the route. With large and complex information, deep neural network model (DNN) is used to get high prediction accuracy. In this paper, variables and structures of the proposed DNN model are presented. The performance of the proposed model is evaluated by conducting real BMTA-8 bus data in Bangkok, Thailand, and comparing the result with the currently used ordinary least square (OLS) regression model. The result shows that the proposed DNN model is more accurate than the OLS regression model around 55% for mean absolute percentage error (MAPE). It outperforms the current prediction method of the studied bus line, and it is feasible and applicable for bus travel time prediction of any route.
机译：准确地预测运输时间对于帮助乘客双方计划行程和公交运营控制以进行有效的车队管理非常重要。在这项研究中，我们利用公交公交线路的GPS数据来开发沿路线任意距离的公交公交到达时间的预测。在信息量大而复杂的情况下，使用深度神经网络模型（DNN）获得较高的预测精度。在本文中，提出了所提出的DNN模型的变量和结构。通过在泰国曼谷进行实际的BMTA-8巴士数据，并将结果与​​当前使用的普通最小二乘（OLS）回归模型进行比较，来评估所提出模型的性能。结果表明，对于平均绝对百分比误差（MAPE），所提出的DNN模型比OLS回归模型的准确性高出55％。它的性能优于目前所研究的公交线路的预测方法，是可行的，适用于任何路线的公交时间预测。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号