We present a method of predicting t

We present a method of predicting the distribution of passenger throughput across stations
and lines of a city rapid transit system by calculating the normalized betweenness centrality
of the nodes (stations) and edges of the rail network. The method is evaluated by correlating
the distribution of betweenness centrality against throughput distribution which is calculated
using actual passenger ridership data. Our ticketing data is from the rail transport system of
Singapore that comprises more than 14 million journeys over a span of one week. We demonstrate
that removal of outliers representing about 10% of the stations produces a statistically
significant correlation above 0.7. Interestingly, these outliers coincide with stations that opened
six months before the time the ridership data was collected, hinting that travel routines along
these stations have not yet settled to its equilibrium. The correlation is improved significantly
when the data points are split according to their separate lines, illustrating differences in the
intrinsic characteristics of each line. The simple procedure established here shows that static
network analysis of the structure of a transport network can allow transport planners to predict
with sufficient accuracy the passenger ridership, without requiring dynamic and complex
simulation methods.

ผลลัพธ์ (ไทย) 1:

เรานำเสนอวิธีการคาดการณ์การกระจายของผู้โดยสารสูงข้ามสถานีและบรรทัดของระบบรถไฟฟ้าใต้ดินเมืองด้วยการคำนวณแห่งมาตรฐาน betweennessโหน (สถานี) และขอบของเครือข่ายรถไฟ วิธีการจะถูกประเมิน โดยกำลังรวบรวมการกระจายของ betweenness เอกภาพกับอัตราความเร็วการกระจายซึ่งคำนวณใช้ข้อมูล ridership ผู้โดยสารจริง ข้อมูลตั๋วมาจากระบบขนส่งรถไฟสิงคโปร์ที่ประกอบด้วยมากกว่า 14 ล้านเจอร์นีย์ผ่านระยะหนึ่งสัปดาห์ เราแสดงให้เห็นถึงเอาว่า outliers แทนประมาณ 10% ของสถานีสร้างแบบทางสถิติความสัมพันธ์ที่สำคัญข้างต้น 0.7 เป็นเรื่องน่าสนใจ outliers เหล่านี้สอดคล้องกับสถานีที่เปิดหกเดือนก่อนเวลาที่มีการรวบรวมข้อมูล ridership นัยที่เดินตามปกติตามยังไม่มีชำระสถานีเหล่านี้เพื่อความสมดุล ความสัมพันธ์ที่ดีขึ้นอย่างมีนัยสำคัญเมื่อจุดข้อมูลแบ่งตามบรรทัดแยกต่างหาก แสดงความแตกต่างในการลักษณะ intrinsic ของแต่ละบรรทัด ขั้นตอนง่าย ๆ ที่ก่อตั้งขึ้นที่นี่แสดงให้เห็นว่าคงเครือข่ายการวิเคราะห์โครงสร้างของเครือข่ายการขนส่งสามารถขนส่งการวางแผนการทำนายมีความแม่นยำเพียงพอ ridership ที่ผู้โดยสาร โดยไดนามิกและซับซ้อนวิธีการจำลอง

ผลลัพธ์ (ไทย) 2:

เรานำเสนอวิธีการในการทำนายการกระจายตัวของผู้โดยสารข้ามสถานีที่และเส้นของระบบขนส่งมวลชนเมืองอย่างรวดเร็วโดยการคำนวณศูนย์กลาง betweenness ปกติของโหนด(สถานี) และขอบของเครือข่ายทางรถไฟ วิธีการที่ได้รับการประเมินโดยเทียบเคียงการกระจายตัวของศูนย์กลาง betweenness กับการจัดจำหน่ายผ่านซึ่งจะคำนวณโดยใช้ข้อมูลผู้โดยสารผู้โดยสารที่เกิดขึ้นจริง ข้อมูลการจองตั๋วของเราคือจากระบบการขนส่งทางรถไฟของสิงคโปร์ที่ประกอบด้วยมากกว่า 14 ล้านการเดินทางในช่วงหนึ่งสัปดาห์ เราแสดงให้เห็นว่าการกำจัดของค่าผิดปกติคิดเป็น 10% ของสถานีผลิตทางสถิติความสัมพันธ์อย่างมีนัยสำคัญดังกล่าวข้างต้น0.7 ที่น่าสนใจค่าผิดปกติเหล่านี้ตรงกับสถานีที่เปิดหกเดือนก่อนที่เวลาข้อมูลผู้โดยสารที่ถูกเก็บรวบรวมพูดเป็นนัยว่าขั้นตอนการเดินทางไปสถานีเหล่านี้ยังไม่ได้ตัดสินยังไม่สมดุล ความสัมพันธ์จะดีขึ้นอย่างมีนัยสำคัญเมื่อจุดข้อมูลจะแยกตามสายแยกของพวกเขาที่แสดงความแตกต่างในลักษณะที่แท้จริงของแต่ละบรรทัด ขั้นตอนง่ายๆก่อตั้งขึ้นที่นี่แสดงให้เห็นว่าแบบคงที่การวิเคราะห์เครือข่ายของโครงสร้างของเครือข่ายการขนส่งสามารถช่วยให้วางแผนการขนส่งที่จะคาดการณ์ได้อย่างแม่นยำเพียงพอผู้โดยสารผู้โดยสารโดยไม่ต้องมีแบบไดนามิกและซับซ้อนวิธีการจำลอง

ผลลัพธ์ (ไทย) 3:

เรานำเสนอวิธีการทำนายการแพร่กระจายของผู้โดยสารผ่านข้ามสถานี
และสายของระบบรถไฟฟ้าขนส่งมวลชนในเมืองโดยการคำนวณค่า
betweenness ศูนย์กลางของโหนด ( สถานี ) และขอบของเครือข่ายทางรถไฟ . วิธีการประเมินโดยเทียบเคียง
กระจายศูนย์กลาง betweenness กับ throughput การกระจายซึ่งคํานวณ
โดยใช้ข้อมูลผู้โดยสารผู้โดยสารจริง ของเรา ( เป็นข้อมูลจากการขนส่งระบบ
สิงคโปร์ที่ประกอบด้วยมากกว่า 14 ล้าน การเดินทางในช่วงหนึ่งสัปดาห์ เราแสดงให้เห็นถึงการเป็นตัวแทนของ
เมื่อประมาณ 10 % ของสถานีสร้างสถิติ
ความสัมพันธ์ข้างต้น 0.7 น่าสนใจ ผิดปกติเหล่านี้ตรงกับสถานีที่เปิด
6 เดือน ก่อนที่จะถึงเวลาเก็บข้อมูลผู้โดยสาร ถือว่าปฏิบัติเดินทาง
เหล่านี้สถานียังไม่ได้ตัดสินให้สมดุลของ ความสัมพันธ์จะดีขึ้นอย่างมีนัยสำคัญ
เมื่อจุดข้อมูลจะแบ่งตามสายของตนแยกต่างหาก , ซึ่งแสดงให้เห็นถึงความแตกต่างใน
ลักษณะแท้จริงของแต่ละบรรทัด ขั้นตอนง่ายๆที่นี่แสดงให้เห็นว่า Static
ตั้งขึ้นการวิเคราะห์เครือข่ายของโครงสร้างของโครงข่ายการขนส่งที่สามารถช่วยให้นักวางแผนขนส่งเพื่อทำนาย
ความถูกต้องผู้โดยสารผู้โดยสารเพียงพอ โดยแบบไดนามิกและซับซ้อน
วิธีการจำลอง