Prediciendo el tiempo de viaje en autobús en la ciudad de Cheonan a través del aprendizaje profundo utilizando datos del tacógrafo digital
Autores: Mustafa, Ghulam; Hwang, Youngsup; Cho, Seong-Je
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Prediciendo el tiempo de viaje en autobús en la ciudad de Cheonan a través del aprendizaje profundo utilizando datos del tacógrafo digital
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Sistemas de transporte urbano
Congestión del tráfico
Tiempos de viaje en autobús
Modelo de Red de Pronóstico Temporal Híbrido (HTF-NET)
Técnicas de aprendizaje automático
Usuarios del transporte público
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 57
Citaciones: Sin citaciones
Los sistemas de transporte urbano están cada vez más sobrecargados por la congestión del tráfico, consecuencia del crecimiento de la población y la mayor dependencia de los vehículos privados. Esta congestión no solo interrumpe la eficiencia del viaje, sino que también socava la productividad y el bienestar general de los residentes urbanos. Un paso crítico para abordar este desafío es la predicción precisa de los tiempos de viaje en autobús, que es esencial para mitigar la congestión y mejorar la experiencia de los usuarios del transporte público.
Descripción
Los sistemas de transporte urbano están cada vez más sobrecargados por la congestión del tráfico, consecuencia del crecimiento de la población y la mayor dependencia de los vehículos privados. Esta congestión no solo interrumpe la eficiencia del viaje, sino que también socava la productividad y el bienestar general de los residentes urbanos. Un paso crítico para abordar este desafío es la predicción precisa de los tiempos de viaje en autobús, que es esencial para mitigar la congestión y mejorar la experiencia de los usuarios del transporte público.