Network and station-level bike-sharing system prediction: A San Francisco bay area case study

مقال فى مجلة

2022

تم النشر فى: Publication source | مصدر المنشور

بالعربية

تنمذج الدراسة توافر الدراجات في نظام مشاركة الدراجات بمنطقة خليج سان فرانسيسكو على مستوى المحطة والشبكة باستخدام تعلم الآلة. واستُخدمت الغابات العشوائية والتعزيز بالمربعات الصغرى للتنبؤ على مستوى المحطة، وانحدار المربعات الصغرى الجزئية لتقليل عدد النماذج على مستوى الشبكة مع تمثيل التفاعلات المكانية والزمانية. وكانت النماذج متعددة المتغيرات واعدة في الشبكات ذات المحطات المترابطة مكانياً، وظهر أثر المتغيرات السكانية والبيئية على مستوى المحطة.

English summary

Bike availability in the San Francisco Bay Area bike-share system is modeled with machine learning at station and network levels. Random Forest and Least-Squares Boosting are used for station-level prediction, and Partial Least-Squares Regression reduces the number of models at network level while capturing spatiotemporal interactions. Multivariate models were promising for networks with many spatially correlated stations, and demographic and environmental variables were significant at station level.

تستخدم الدراسة تعلم الآلة للتنبؤ بتوافر الدراجات على مستوى المحطات والشبكة. وتقارن نماذج مستقلة للمحطات بنموذج يلتقط الروابط المكانية والزمنية بينها.

English

Machine-learning models forecast bike availability at individual stations and across the network. The study compares separate station models with a model that captures relationships between stations over time.

Publication details | بيانات النشر

Huthaifa I Ashqar, Mohammed Elhenawy, Hesham A Rakha, Mohammed Almannaa, Leanna House (2022). Network and station-level bike-sharing system prediction: A San Francisco bay area case study. Journal of Intelligent Transportation Systems, 26 (5), 602-612.

Publication source | مصدر المنشور

• نوع عمل المنشور: Research publication
• اسم الناشر: Taylor & Francis
• رقم المجلد: 26
• رقم الانشاء: 5
• مجلة/صحيفة: Journal of Intelligent Transportation Systems
• الصفحات: 602-612