文献

J-GLOBAL ID：202102220710252872   整理番号：21A2645215

Holidayの珠江デルタにおける都市間シャトルの旅行特性解析と旅客流予測【JST・京大機械翻訳】

Travel Characteristics Analysis and Passenger Flow Prediction of Intercity Shuttles in the Pearl River Delta on Holidays

著者 (6件)： Xie Binglei (School of Architecture, Harbin Institute of Technology (Shenzhen), Shenzhen 518000, China) ,  Sun Yu (School of Architecture, Harbin Institute of Technology (Shenzhen), Shenzhen 518000, China) ,  Huang Xiaolong (School of Architecture, Harbin Institute of Technology (Shenzhen), Shenzhen 518000, China) ,  Yu Le (School of Architecture, Harbin Institute of Technology (Shenzhen), Shenzhen 518000, China) ,  Yu Le (Department of Building and Real Estate and Research Institute of Sustainable Development, The Hong Kong Polytechnic University, Hong Kong 999077, China) ,  Xu Gangyan (School of Architecture, Harbin Institute of Technology (Shenzhen), Shenzhen 518000, China)
資料名： Sustainability (Web)  (Sustainability (Web))
巻： 12  号： 18  ページ： 7249  発行年： 2020年 
JST資料番号： U7281A  ISSN： 2071-1050  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 中国の都市化プロセスは加速し続けるので,都市間住民輸送の需要は劇的に増加した。休日旅行は,異なる需要特性を持ち,ピーク期間に重大な不足を引き起こす。しかしながら,現在の研究は,都市間シャトルの旅行特性と共に,乗客フロー予測に,ほとんど焦点を当てていない。休日中の乗客流を正確に予測することは,運用組織効率および住民満足を改善し,管理部門による合理的な資源配分の基礎を提供する。本論文は,珠江デルタにおける都市間シャトル乗客フローの時空特性を分析する。非休日と休日に関する個別旅客流れ予測モデルを,乗客フローの特性に基づく改良遺伝的アルゴリズム最適化逆伝搬ニューラルネットワーク(IGA-BPNN)を用いて確立し,予測モデルをパネルデータに基づいて検証した。毎週の流動の結果は,明らかな休日特性を示して,休日の時間ごとの交通流は,週末と週日のそれよりはるかに大きかった。異なる休日の間に時間ごとの流れに有意差があった。本論文で用いたIGA-BPNNモデルは,ベンチマークBPNN手法(MAPEの2分の3削減とMSPEの85%以上の減少)と比較して,より低い予測誤差を達成した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  交通流 ,  *旅行 ,  *都市 ,  資源割付 ,  都市化 ,  住民 ,  *乗客 ,  ベンチマーク ,  *性能分析 ,  遺伝的アルゴリズム ,  予測誤差 ,  予測モデル
準シソーラス用語： 逆伝播ニューラルネットワーク ,  パネルデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 休日 ,  都市間シャトル ,  旅行特性 ,  旅客流予測 ,  改良BPニューラルネットワーク

分類 (3件)： 航空輸送・サービス一般  (TE01010X) ,  輸送と業務  (TC01030N) ,  交通調査  (TB01031B)

引用文献 (55件)：

• Feng, C.; Yu, J.H. Study on the Evacuation Strategy of Comprehensive Passenger Transport Terminal: Taking Guangzhou South Railway Station as an Example. Value Eng. 2018, 20, 85-88. (In Chinese). Available online: http://en.cnki.com.cn/Article_en/CJFDTotal-JZGC201820034.htm (accessed on 2 September 2019).
• Tsai, T.-H.; Lee, C.-K.; Wei, C.-H. Neural network based temporal feature models for short-term railway passenger demand forecasting. Expert Syst. Appl. 2009, 36, 3728-3736.
• Misharin, A.; Pokusaev, O.; Namiot, D.; Katzin, D. On passenger flow modeling for high-speed railways. Int. J. Open Inf. Technol. 2018, 6, 15-20.
• Dou, F.; Jia, L.M.; Wang, L.; Xu, J.; Huang, Y.K. Fuzzy temporal logic based railway passenger flow forecast model. Comput. Intell. Neurosci. 2014, 42, 1-9.
• Xu, W.; Huang, H.K.; Qin, Y. Study of railway passenger flow forecasting method based on spatio-temporal data mining. J. North Jiaotong Univ. 2004, 28, 402-405. (In Chinese)

タイトルに関連する用語 (7件)： 珠江デルタ ,  都市 ,  シャトル ,  旅行 ,  特性解析 ,  旅客 ,  予測