Transit-hub: a smart public transportation decision support system with multi-timescale analytical services
Transit-hub: a smart public transportation decision support system with multi-timescale analytical services
复制标题
Transit-hub：具有多时间尺度分析服务的智能公共交通决策支持系统
DOI：
10.1007/s10586-018-1708-z
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Gokhale, Aniruddha
中科院分区：
文献类型：
--
作者：
Sun, Fangzhou;Dubey, Abhishek;White, Jules;Gokhale, Aniruddha
公共交通是智能互联社区的重要组成部分。因此，公民期望并需要有关交通资产实时到达/出发的准确信息。随着交通机构实现实时传感器的大规模集成并支持后端数据驱动的决策支持系统，动态数据驱动的应用系统 (DDDAS) 范式成为一种有前途的方法，通过提供在线模型学习和多时间尺度分析作为 DDDAS 反馈循环中使用的决策支持系统的一部分，使系统变得更加智能。在本文中，我们描述了纳什维尔使用的系统，并说明了我们团队开发的分析方法。这些方法使用历史数据和实时流数据来进行在线公交车到达预测。历史数据用于构建分类器，使我们能够创建预期的性能模型并识别异常。这些分类器可用于向地铁交通当局提供时刻表调整反馈。我们还展示了如何将这些分析服务打包成模块化、分布式和弹性的微服务，这些微服务可以部署在云后端以及边缘计算资源上。
Public transit is a critical component of a smart and connected community. As such, citizens expect and require accurate information about real-time arrival/departures of transportation assets. As transit agencies enable large-scale integration of real-time sensors and support back-end data-driven decision support systems, the dynamic data-driven applications systems (DDDAS) paradigm becomes a promising approach to make the system smarter by providing online model learning and multi-time scale analytics as part of the decision support system that is used in the DDDAS feedback loop. In this paper, we describe a system in use in Nashville and illustrate the analytic methods developed by our team. These methods use both historical as well as real-time streaming data for online bus arrival prediction. The historical data is used to build classifiers that enable us to create expected performance models as well as identify anomalies. These classifiers can be used to provide schedule adjustment feedback to the metro transit authority. We also show how these analytics services can be packaged into modular, distributed and resilient micro-services that can be deployed on both cloud back ends as well as edge computing resources.
登录
查看更多内容
智能公共交通决策支持系统的实时和预测分析
DOI：
10.1109/smartcomp.2016.7501714
发表时间：
2016
期刊：
2016 IEEE International Conference on Smart Computing (SMARTCOMP)
影响因子：
--
作者：
Fangzhou Sun;Yao Pan;Jules White;A. Dubey
通讯作者：
A. Dubey
交通枢纽：公共交通运营的智能决策支持系统
DOI：
10.1002/9781119173601.ch36
发表时间：
2016
期刊：
Journal of Transportation Engineering-asce
影响因子：
--
作者：
Shashank Shekhar;Fangzhou Sun;A. Dubey;A. Gokhale;H. Neema;Martin Lehofer;Daniel Freudberg
通讯作者：
Daniel Freudberg
CHIOT：可扩展网络物理系统的领域特定语言
DOI：
--
发表时间：
2015
期刊：
DSM@SPLASH
影响因子：
--
作者：
Subhav Pradhan;A. Dubey;A. Gokhale;Martin Lehofer
通讯作者：
Martin Lehofer
大型业务应用程序的模块化：案例研究
影响因子：
3.3
作者：
S. Sarkar;Shubha Ramachandran;G. Kumar;Madhu K. Iyengar;K. Rangarajan;S. Sivagnanam
通讯作者：
S. Sivagnanam
软件模块化运营商
DOI：
10.1109/icsm.2010.5609546
发表时间：
2010
期刊：
2010 IEEE International Conference on Software Maintenance
影响因子：
--
作者：
Girish Maskeri Rama;Naineet Patel
通讯作者：
Naineet Patel