Алгоритм оценки времени прибытия общественного транспорта с использованием адаптивной композиции элементарных прогнозов

Автор: Агафонов Антон Александрович, Мясников Владислав Валерьевич

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений: Восстановление изображений, выявление признаков, распознавание образов

Статья в выпуске: 2 т.38, 2014 года.

Бесплатный доступ

Работа посвящена решению задачи построения прогноза времени прибытия общественных транспортных средств на остановки общественного транспорта. Предложен оригинальный алгоритм прогнозирования, основанный на модели адаптивной композиции элементарных алгоритмов прогнозирования, каждый из которых характеризуется малым числом настраиваемых параметров. Адаптивность подразумевает зависимость параметров конструируемой композиции от ряда управляющих параметров модели, к которым относятся следующие актуальные (определённые на текущий момент) факторы: погодные условия, плотность транспортного потока, динамика движения, горизонт прогноза и др. Адаптивность достигается введением иерархического разбиения области значений управляющих параметров, применяемого в дереве регрессии. Проведено исследование предложенного алгоритма на данных движения городского пассажирского транспорта в г. Самаре, показавшее преимущество предлагаемого решения по сравнению с существующими.

Еще

Общественное транспортное средство, прогнозирование времени прибытия, оценка времени прибытия, композиция алгоритмов, иерархическое разбиение, дерево регрессии

Короткий адрес: https://sciup.org/14059248

IDR: 14059248

An algorithm for city transport arrival time estimation using adaptive elementary predictions composition

The problem of precise arrival time of public transport is considered in this paper. There is proposed a new prediction algorithm based on adaptive composition model using elementary prediction. A small number of adaptive parameters characterizes each elementary prediction algorithm. Adaptability means that parameters of the constructed compositions depend on a number of control parameters of the model, which includes the following factors: weather conditions, traffic density, driving dynamics, prediction horizon, etc. Adaptability is achieved by introducing a hierarchical decomposition range of control parameters used in regression tree. We made experimental investigations on real routes of city public transport in Samara to evaluate the prediction accuracy of the proposed algorithm. We also explain the advantages of the proposed solution in comparison with existing ones.

Еще