Analiza javnega mestnega potniškega prometa z napovedovanjem časovnih vrst

Schwarzmann, Anže (author), Guid, Matej (mentor)

Javni potniški promet je pomemben sestavni del vsakega večjega mesta, saj omogoča preprosto in med drugim tudi okolju bolj prijazno potovanje po mestu. Pričakujemo lahko, da se bo s povečevanjem števila prebivalstva povečevalo tudi povpraševanje po prevozih z javnim potniškim prometom. Še zlasti pri uporabi mestnih avtobusov se med potniki kot ena izmed najpomembnejših pomanjkljivosti šteje nepredvidljivost časa vožnje. Z namenom, da bi pripomogli k izboljšanju kakovosti javnega potniškega prometa, smo s pomočjo izbranih metod za napovedovanje časovnih vrst analizirali, kako dobro lahko napovedujemo število potnikov na postajališčih in čas vožnje avtobusa med dvema zaporednima postajliščema. Zanimala nas je tudi morebitna povezava med napovedno točnostjo ter nepredvidljivostjo števila potnikov in časa vožnje avtobusov. Razpolagali smo s podatki o prihodih avtobusov na postajališča in o številu potnikov na posameznih postajališčih po posameznih urah v mestu Ljubljana. V naši raziskavi smo uporabili več različnih metod za napovedovanje časovnih vrst. Analizirali smo tudi vpliv vremenskih dejavnikov na točnost napovedi. Pri napovedovanju časa vožnje avtobusa, še posebej pa pri napovedovanju števila potnikov na postajališčih, smo pokazali, da lahko dobro poznavanje vremenskih razmer v bližnji prihodnosti, denimo v naslednjih urah, pomembno vpliva na izboljšanje točnosti napovedi. To smo pokazali s pomočjo primerjave metode ARIMAX, ki pri napovedih uporablja tudi pojasnjevalne spremenljivke, z ostalimi klasičnimi metodami za napovedovanje časovnih vrst. Za predstavnike ostalih metod smo izbrali: (1) AR – avtoregresijski model, (2) ARIMA – avtoregresijski integriran model drsečih sredin in (3) VAR – vektorski avtoregresijski model. Metoda ARIMAX, edina od naštetih metod pri napovedovanju, predvideva, da poznamo prihodnje vrednosti nekaterih spremenljivk, ki sicer niso predmet napovedi. V eksperimentih se je izkazalo, da v primeru, ko se za pojasnjevalne spremenljivke uporabljajo vremenski podatki, metoda ARIMAX vodi do občutno in hkrati tudi konsistentno boljših napovedi. Po pričakovanjih se je izkazalo, da so napovedne točnosti boljše v poletnih mesecih in ob koncih tedna, ko je število potnikov manjše in ko so časi vožnje avtobusov praviloma krajši. Enako velja tudi za postajališča, ki niso v samem središču mesta. Pokazali smo, da število potnikov na postajališču nima pomembnega vpliva na izboljšanje točnosti napovedi časa vožnje avtobusa med dvema zaporednima postajališčema. Eksperimentalni rezultati tudi dajejo slutiti, da povečan promet sam po sebi ne pomeni nujno večje nepredvidljivosti trajanja vožnje.

• Language: Slovenian
• Keywords: javni potniški promet, avtobusi, čas trajanja vožnje, število potnikov, zunanji dejavniki, vremenski podatki, znanost o podatkih, napovedovanje časovnih vrst, ARIMAX
• Work type: Master's thesis/paper
• Organization: FRI - Faculty of Computer and Information Science
• Year: 2018
• PID: 20.500.12556/RUL-100756
• Publication date in RUL: 12.04.2018

Secondary language

• Language: English
• Title: Analysis of Public Transport with Time Series Forecasting

Abstract

Public transport is a vital part of each major city, since it enables simple and environmentally-friendly transportation throughout the city. It is expected that the rising number of inhabitants will increase the demand for public transport. When using the city buses, the passengers especially see the unpredictable arrival times as one of the largest flaws. In order to improve the quality of public transport, time series forecasting methods have been chosen to analyse how accurately we can foretell the number of passengers at a bus stop and the bus travel times between two bus stops. We were also interested in finding a possible connection between the forecasted accuracy and unpredictability of the number of passengers and bus travel times. We had data of bus arrival times to the bus stops and number of passengers at bus stops at different hours in Ljubljana. Different time series forecasting methods have been used in our research. We also analysed the influence of various weather conditions on the accuracy of our prediction. It has been indicated that when predicting the bus driving period or especially the number of passengers at bus stops, good knowledge of the weather conditions in the near future, e. g. in next hours, can significantly influence the improvement of prediction accurate. This was presented using ARIMAX method that uses explanatory variables together with other classical methods for time series forecasting. The following were chosen as representatives of other classical methods: (1) AR – Autoregressive model, (2) ARIMA – Autoregressive integrated moving average model, and (3) VAR – Vector auto-regressive model. ARIMAX method is the only of the listed prediction methods that assumes that we know the future values of some of the variables that are, however, not the subject of our prediction. The experiments have shown that in cases when we use weather data for explanatory variables, the ARIMAX method leads to the better and more consistent predictions. As expected, the predicted accuracies were better in summer months and at weekends, when the number of passengers is smaller and when bus driving periods are shorter. The same is true for the bus stops that are not located in the city center. We have proved that the number of passengers at a bus stop does not have a particular influence on improving the accuracy of predicting bus travel time between two bus stops. The experimental results indicate that the increased traffic does not necessarily mean more unpredictable driving periods.

• Keywords: public transport, buses, travel time, number of passengers, external factors, weather data, data science, time series forecasting, ARIMAX