Автобусные пассажирские путешествия и перевозки

Фактически, многие исследователи пытались использовать данные смарт-карт общественного транспорта и данные GPS для анализа характеристик поведения в пути. Большинство из этих относительных исследований были сосредоточены на оценке происхождения, трансфера и назначения пассажиров общественного транспорта. В этих исследованиях были предприняты попытки изучить особенности путешествий в местных районах или для заданных режимов путешествий. Чжан [8] проанализировал распределение и передачу пассажиропотока платформы метро пассажирам на этапах эксплуатации. Cao et al. [9] предложенные модели, которые продемонстрировали характеристики входа станции, выхода станции, а также передачи и ожидания пассажиров метро. Между тем был разработан индексный алгоритм для оптимизации работы общественного транспорта [10]. Таким образом, по сравнению с ручными опросами, эти исследования имеют более низкую стоимость и более высокую точность. Однако эти статистические результаты были применены для получения усредненных характеристик и общих характеристик пассажиров общественного транспорта; характеристики отдельного пассажира в значительной степени игнорировались. Сегодня большой популярностью пользуются автобусные билеты онлайн украина.

Как и в случае с личными характеристиками, такими как привычки путешествовать, тип работы и доход, не все пассажиры общественного транспорта имеют одинаковую регулярность поездок. Личные характеристики и привычки, по-видимому, влияют на регулярность поведения пассажиров во время путешествия [11]. В последнее время в нескольких научных исследованиях учитывались особенности путешествий отдельных лиц, но индивидуальные особенности не были изучены должным образом. Например, Yang et al. [12] построили биномиальную модель для анализа микрокосмических факторов, которые влияют на индивидуальный выбор услуг совместного использования велосипедов. Но факторы влияния не были исчерпывающими и недостаточно точными из-за ограниченности выборочных данных Кроме того, Сюй [13] изучал поведение отдельных пассажиров в городских центрах метро, ​​но были построены только пешеходные дорожки и нисходящие и восходящие лестницы, чтобы проиллюстрировать взаимосвязь между скоростью движения и количеством пассажиров. Многие другие типы инфраструктуры, такие как платформа, не были полностью учтены.

Подводя итог вышесказанному, нет никаких сомнений в том, что понимание характеристик поездки отдельных пассажиров на основе личных данных о поездках потенциально может помочь более точно прогнозировать поведение в ходе поездки.

Оставить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *