相关实验视频
Updated: Jul 11, 2025

Trajectory Data Analyses for Pedestrian Space-time Activity Study
Published on: February 25, 2013
应用修改数据挖掘技术来评估公共交通脆弱的城市和郊区城市区域
Donghee Oh1, Sangjae Lee2, Juneyoung Park1,2
1Department of Smart City Engineering, Hanyang University, Ansan, 15588, Republic of Korea.
本研究使用数据挖掘和机器学习来确定脆弱的公共交通区域,以改善居民的流动性. 调查结果指导了需求响应式运输 (DRT) 的战略布局,以防止社会排斥和增强福利.
科学领域:
- 城市规划 城市规划
- 运输工程 运输工程
- 数据科学数据科学数据科学
背景情况:
- 在许多地区,公共交通是不够的,限制了居民的流动权.
- 识别脆弱地区对于实施有效的运输解决方案至关重要.
- 需求响应式运输 (DRT) 为服务不足的地区提供了灵活的解决方案.
研究的目的:
- 定义和识别不同类型的韩国城市中的脆弱的公共交通区域.
- 评估区域是否适合需求响应式运输 (DRT) 的实施.
- 开发一个预测模型,用于在脆弱地区的公共汽车需求.
主要方法:
- 通过网络数据抓取和GPS坐标匹配收集每月的公共汽车数据.
- 使用基于回归的数据挖掘模型在不同电网尺寸 (100米,250米,500米) 的公共交通需求预测.
- 开发了一种结合自动机器学习 (AutoML) 的修改模型,以提高预测性能,在100米的网格分辨率下进行验证. 使用K-means集群来区分城市和郊区的DRT分配区域.
主要成果:
- 一个经过修改的AutoML模型实现了0.685的预测性能,在100米网格上是最佳的.
- 在城市 (大都市) 和郊区 (农村) 设置中为DRT公交车站分配确定了独特的区域特征.
- 这项研究成功地将脆弱地区与山市进行了比较,山市是成功采用DRT的城市.
结论:
- 这些发现为最佳的DRT巴士站放置提供了关键的见解.
- 结果可以为成功引入DRT的政策决策提供信息,旨在减少社会排斥.
- 这项研究有助于通过提高公共交通的可访问性来改善居民福利.
更多相关视频
11:21Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data
Published on: July 27, 2018
04:13Using a Real-Time Locating System to Measure Walking Activity Associated with Wandering Behaviors Among Institutionalized Older Adults
Published on: February 8, 2019
相关概念视频
Manipulation and Analysis
Mechanistic Models: Compartment Models in Individual and Population Analysis
Selected Data About Geographic Locations
Levels of Use of a GIS