Reisiaegade ennustamine kasutades algpunkt-sihtpunkt maatriksit ja tehisnärvivõrke

Date

2018

Journal Title

Journal ISSN

Volume Title

Publisher

Abstract

Ühistranspordi kasutajad on tihtipeale huvitatud täpsest reisiajast seetõttu, et tõhusalt aega planeerida. Kuid ebaregulaarsete reisiaegade tõttu on seda üsna keeruline teha. Reisiaegade muutused võivad olla põhjustatud näiteks ilmastikuoludest, liiklusõnnetustest ja liiklusnõudlusest. Intelligentse transpordisüsteemi kaasamisega ühistranspordi süsteemi muutus hõlpsamaks bussireisi andmete kogumine, sealhulgas ka reisiaegade kogumine. Kogutud andmeid on võimalik kasutada tulevaste reiside prognoosimiseks, rakendades erinevaid teaduslikke meetodeid, näiteks Kalmani filtrit, masinõpet ja tehisnärvivõrke. Antud lõputöö eesmärgiks on luua tehisnärvivõrgu mudel, mis ennustab tiheda liiklusega teekonna reisiaega. Selleks kasutatakse algpunkt-sihtpunkt maatriksit, mis on koostatud sama teekonna kohta kogutud GPS informatsioonist. Ennustustäpsuse arvutamiseks kasutati antud lõputöös ruutkeskmist viga (RMSE). Tulemuste analüüs näitas, et antud mudel on piisav tegemaks tulevaste reisiaegade ennustusi.
In public transportation system, commuters are often interested in getting accurate travel time information regarding trips in the future in order to plan their future schedules effectively. However, this information is often difficult to predict due to the irregularities in travel time which are caused by factors like future weather conditions, road accidents and fluctuations in traffic demand. With the introduction of Intelligent Transportation System into public transport system, it has been easy to collect data regarding bus trips such as travel times data. The data collected can be used to make predictions regarding trips in the future by applying scientific methods like Kalman filter, machine learning, and deep learning neural network. The goal of this thesis is to develop a neural network model for predicting travel time information of a busy route using Origin-Destination matrix derived from a historical GPS dataset of the same route. The prediction accuracy of the NN model developed in this thesis was measured using Root Mean Square Error (RMSE). Analysis of the result showed that the model is sufficient for making predictions of travel time for trips in the future.

Description

Keywords

Citation