文献

J-GLOBAL ID：202202229120026429   整理番号：22A1036267

交通セキュリティを考慮した機械学習技術に基づく鉄道交通転換の解析【JST・京大機械翻訳】

Analyzing Rail Traffic Diversion Based on Machine Learning Technique considering Transportation Security

著者 (6件)： Luo Jing (School of Naval Architecture, Ocean & Civil Engineering, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Zhou Dai (School of Naval Architecture, Ocean & Civil Engineering, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Ma Wenjun (School of Design, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Ma Wenjun (China Institute of Urban Governance, Shanghai 200030, China) ,  Zhao Guohua (Shanghai Jiao Tong University Design & Research Institute, Shanghai 200000, China) ,  Zhao Guohua (Consulting Department of PPP Research Center, Shanghai Jiao Tong University, Shanghai 200000, China)
資料名： Journal of Advanced Transportation  (Journal of Advanced Transportation)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： D0581A  ISSN： 0197-6729  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 表明選好調査に基づいて,著者らは,住民の旅行心理学と鉄道輸送と従来のバス,旅行時間,旅行コスト,旅行安全性と車両快適性の得失を総合的に解析して,関連影響因子と鉄道輸送からバスへの推移確率の間の関係を調査した。確率的効用理論を導入し,移動モードに関連する移動挙動を記述し,分流移動のためのバイナリLogitモデルを構築した。また,ディシジョンツリーを用いて分流移動を予測した。次に,記述選好調査を通して得られた大量の旅行意欲データに基づいて,最尤推定法を用いて,バイナリLogitモデルのパラメータを較正した。バイナリLogitの性能はディシジョンツリーのものより良いことを証明した。結果は,旅行時間が,乗客の流動移動に最も顕著な影響を及ぼし,次に,自動車の快適性に影響を及ぼすことを示した。最後に,Guangzhou(広州)Rail Transit Line 3を用例として考察し,そして,モデルの有効性と実用性を検証するために,構成分流移動確率モデルに従って,分流経路計画と設計を実行した。研究は,鉄道交通流計画を実行するための他の都市のための効果的理論的基礎と技術的参照を提供した。これらの結果に基づいて,以下の提案を行うことができた。(1)公共交通経路,配送量,および旅行速度外の組織を改良すべきである;(2)バスと鉄道輸送の複合操作と統合開発が好ましい。(3)輸送管理は,公共輸送ステーションの総合機能開発とハードウェアサポートに焦点を合わせるべきであった。鉄道輸送の利便性と快適性は,ステーションとそれらの接続の設備と機能に密接に関連しており,それは非常に価値が高いべきである。Copyright 2022 Jing Luo et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 快適性 ,  交通流 ,  旅行時間 ,  鉄道輸送 ,  バス ,  最尤法 ,  *旅行 ,  分流 ,  都市 ,  公共輸送 ,  ディシジョンツリー ,  ハードウェア ,  乗客 ,  確率モデル ,  経路探索

分類 (2件)： 都市交通  (TA01020W) ,  交通調査  (TB01031B)

引用文献 (41件)：

• http://www.ecrrc.com/news/zxzt/3.html. 2021.8.10.
• W. Li, Q. Peng, C. Wen, S Li, X Yan, X Xu, "Integrated optimization on energy saving and quality of service of urban rail transit system," Journal of Advanced Transportation, vol. 2020, pp. 22, 2020.
• G. Yong, H. J. Huang, "Modal split in a competitive system of transit and highway withe heterogeneous users," Systems Engineering-Theory&Practice, vol. 36, no. 9, pp. 2320-2327, 2016.
• G. Xiao, R. Wang, C. Zhang, A. Ni, "Demand prediction for a public bike sharing program based on spatio-temporal graph convolutional networks," Multimedia Tools and Applications, vol. 80, no. 15, pp. 22907-22925, 2021.
• Z. H. Cheng, M. TRéPANIER, L. J. Sun, "Incorporating travel behavior regularity into passenger flow forecasting," Transportation Research Part C, vol. 128, pp. 128, 2021.

タイトルに関連する用語 (6件)： 交通 ,  セキュリティ ,  機械学習技術 ,  鉄道 ,  転換 ,  解析