当前位置:首页 > 报告详情

公交车上 APC 和 Farebox 乘客量估计的准确性:一种深度学习数据收集方法.pdf

上传人: c** 编号:464837 2025-01-12 21页 2.45MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文介绍了2023年旅行分析与规划会议上关于公交车自动乘客计数(APC)和票价箱乘客估计准确性的研究报告。研究采用深度学习方法对数据进行收集和分析,以提高准确性。报告指出,2018年的一项审计发现,APC系统有30-40%的乘客计数与票价箱数据不匹配。研究旨在开发一种自动化的数据收集方法,并建立分析方法,为Metro Transit未来的使用提供数据集。研究收集了27天内,每天最多5辆公交车的乘客登车视频,共在95个部署中收集了790小时的视频,平均每个部署持续约8小时。视频经过基于开源深度学习算法的处理,准确地识别和跟踪了乘客。分析结果显示,与票价箱数据相比,视频计数数据更为准确,而APC数据则倾向于高估乘客数量。研究建议,投资于提高APC数据的可靠性是值得的。该研究是与Metro Transit Twin Cities团队合作完成的,感谢他们的支持。
"深度学习在公交乘客计数中的应用效果如何?" "公交车辆配置对乘客计数准确性的影响有哪些?" "2018年审计报告中提到的公交乘客计数和票价收入估算的误差原因是什么?"
客服
商务合作
小程序
服务号
折叠