Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Real-Time Bus Departure Time Predictions: Vehicle Trajectory and Countdown Display Analysis
KTH, School of Architecture and the Built Environment (ABE), Transport Science, Transport Planning, Economics and Engineering.ORCID iD: 0000-0002-0089-6543
Delft University of Technology, Netherland.ORCID iD: 0000-0002-4506-0459
2014 (English)In: 2014 IEEE 17th International Conference on Intelligent Transportation Systems (ITSC), IEEE conference proceedings, 2014, 2556-2561 p.Conference paper, Published paper (Refereed)
Abstract [en]

Uncertainty is an important challenge in operating bus systems. Accurate real-time predictions can therefore facilitate adaptive decision making process of both operations and passengers. This scheme should be tractable, fast and reliable to be used in real time applications. This paper presents a hybrid prediction scheme to generate real-time information concerning downstream vehicle trajectories and next bus arrival. The prediction generated by the proposed hybrid scheme integrates three travel time components: schedule, instantaneous and historical data. Genetic algorithm is applied in order to specify the contribution of each data source component to the prediction scheme. The benefits, transferability and estimation form of the proposed scheme were tested by applying it on three trunk bus lines in Stockholm, Sweden. Its performance was compared to a commonly deployed scheme. The results indicate that the proposed scheme reduces significantly the overall mean absolute error for all routes from both operators' and passengers' perspectives.

Place, publisher, year, edition, pages
IEEE conference proceedings, 2014. 2556-2561 p.
National Category
Transport Systems and Logistics
Identifiers
URN: urn:nbn:se:kth:diva-165856DOI: 10.1109/ITSC.2014.6958099ISI: 000357868702101Scopus ID: 2-s2.0-84937134733ISBN: 978-14799-6078-1 (print)OAI: oai:DiVA.org:kth-165856DiVA: diva2:808933
Conference
The 17th International IEEE conference on Intelligent Transportation Systems (ITSC), 8-11 Oct. 2014, Qingdao, China
Note

QC 20150512. QC 20160214. QC 201060221

Available from: 2015-04-29 Created: 2015-04-29 Last updated: 2016-02-21Bibliographically approved
In thesis
1. New Opportunities in Urban Transport Data: Methodologies and Applications
Open this publication in new window or tab >>New Opportunities in Urban Transport Data: Methodologies and Applications
2015 (English)Doctoral thesis, comprehensive summary (Other academic)
Abstract [en]

The deployment of Information and Communication Technologies (ICT) is growing in transportation which may contribute to a more efficient and effective service. The data acquired from ICT based systems could be used for many purposes such as statistical analysis and behavior learning and inference. This dissertation addresses the question of how transportation data that was collected for a specific application can be used for other applications. This thesis consists of five separate papers, each addressing a subset of the topic.

The first paper estimates a route choice model using sparse GPS data. This paper demonstrates the feasibility of an Indirect Inference based estimator in a model with random link costs, allowing for a natural correlation structure across paths, where the full choice set is considered.

The second paper presents an estimator for the mean speed and travel time at network level based on indirect inference when the data are spatially and temporally sparse.

The third paper proposes an evaluation framework which outlines a systematic process to quantify and assess the impacts of public transport preferential measures on service users and providers in monetary terms, using public transport data sources.

In the fourth and fifth papers, a methodology is developed and implemented for integrating different prediction models and data sources while satisfying practical requirements related to the generation of real-time information. Then the performance of the proposed prediction method is compared with the prediction accuracy obtained by the currently deployed methods.

Abstract [sv]

Användandet av informations- och kommunikationsteknologier (eng. ICT) ökar inom transportområdet, vilket kan bidra till ökad effektivitet. Insamlad data från system med ICT skulle kunna användas för många ändamål såsom statistisk analys, beteendeinlärning och inferens. Denna avhandling tar upp frågan om huruvida transportdata insamlat för en viss tillämpning kan användas för andra. Avhandlingen innehåller fem forskningsartiklar, var och en inriktar sig på sin del av ämnet.

De två första uppsatserna fokuserar på konsistenta estimatorer för hastighet på länkar och ruttval. För många olika tillämpningar är det viktigt att förutsäga en observerad rutts fortsättning, och, givet att det är glest med data, att även avgöra var individen (eller fordonet) har varit. Att skatta den upplevda restiden (och nyttan) av en vald rutt är ett statistiskt svårt skattningsproblem av flera olika skäl. För det första är valmängden ofta mycket stor. För det andra kan det vara viktigt att ta hänsyn till korrelationen mellan de (generaliserade) kostnaderna för olika rutter och därigenom tillåta realistiska ersättningsmönster. För det tredje, på grund av överväganden gällande teknik och den personliga integriteten, kan data vara temporalt och spatialt gles och med endast partiellt observerade rutter. Slutligen, kan det finnas mätfel av fordonens position. Vi utvecklar en estimator för upplevd nytta av en rutt (i den första artikeln) samt för restid på länkar i vägnätverket (i den andra artikeln).

I den tredje artikeln föreslås ett ramverk för utvärdering innefattande en systematisk process som kvantifierar och bedömer inverkan av preferensstyrmedel inom kollektivtrafiken på tjänsteanvändare och leverantörer.

I fjärde och femte artikeln utvecklas och implementeras en metodologi för att integrera olika prediktiva modeller och data-källor i beaktande av praktiska krav kopplade till skapandet av realtidsinformation. Den resulterande prediktionsmetoden jämförs med de metoder som i nuläget används i Stockholm och Brisbane.

Place, publisher, year, edition, pages
Stockholm: KTH Royal Institute of Technology, 2015. xvii, 24 p.
Series
TRITA-TSC-PHD, 15:008
National Category
Transport Systems and Logistics
Research subject
Transport Science
Identifiers
urn:nbn:se:kth:diva-177489 (URN)978-91-87353-80-2 (ISBN)
Public defence
2015-12-11, L1, Drottning Kristinas väg 30, KTH, Stockholm, 13:00 (English)
Opponent
Supervisors
Note

QC 20151123

Available from: 2015-11-23 Created: 2015-11-20 Last updated: 2015-11-23Bibliographically approved

Open Access in DiVA

No full text

Other links

Publisher's full textScopus

Authority records BETA

Fadaei, MasoudCats, Oded

Search in DiVA

By author/editor
Fadaei, MasoudCats, Oded
By organisation
Transport Planning, Economics and Engineering
Transport Systems and Logistics

Search outside of DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetric score

doi
isbn
urn-nbn
Total: 70 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf