Giới thiệu tài liệu
Truyền thông kết quả nghiên cứu về việc sử dụng công cụ đánh giá trường hợp tính chất dữ liệu nhiều nguồn cho hệ thống trao đổi xe máy. Tác giả đã đề xuất một phương pháp tạo trên dữ liệu giao tiếp BSS, dữ liệu khí tnh và dữ liệu sử dụng taxis để giải quyết vấn đề tạm ngơi của hệ thống trao đổi xe máy.
Đối tượng sử dụng
Sinh viên và nhà nghiên cứu chuyên môn Traffic Engineering, Phân tích dữ liệu, hoạch định và quản lý hệ thống trao đổi xe máy.
Nội dung tóm tắt
Truyển thông kết quả nghiên cứu gồm: - Tiêu đề báo cáo là "Multi-Source Data Analysis for Bike-Sharing System Rebalancing". Tác giả đã đề xuất một phương pháp tạo trên dữ liệu giao tiếp BSS, dữ liệu khí tnh và dữ liệu sử dụng taxis để giải quyết vấn đề tạm ngơi của hệ thống trao đổi xe máy. - Kết quả nghiên cứu cho thấy rằng SWK với corrlation giữa thời gian slots có hiệu suất tốt hơn so với mô hình MSWK ban đầu. - Kết quả nghiên cứu cho thấy rằng ANNs có hiệu suất tốt hơn so với các mô hình SWK-based, đặc biệt khi sử dụng nhiều nguồn dữ liệu (BSS, khí tnh, và sử dụng taxis). - Mô hình ANN có hiệu suất tốt nhất là một mô hình feedforward neural network có một lớp trung tâm chứa 20 neuron. - Cuối cùng, kết luận cho thấy rằng công trình này đề xuất một phương pháp tạo trên dữ liệu nhiều nguồn cho hệ thống trao đổi xe máy. Kết quả cho thấy rằng ANNs có hiệu suất tốt hơn so với các mô hình SWK-based khi sử dụng nhiều nguồn dữ liệu. Thường tiếp theo là việc thêm thêm nhiều nguồn dữ liệu, như dữ liệu lẻ và dữ liệu tính chất khu vực để cải thiện chính xác phân tích yêu cầu sử dụng xe máy.
