homogenous. As such, urban transpor

homogenous. As such, urban transport planners would have to
structure more dynamic policies that take into considerations
the heterogeneous passenger travel patterns.
For example, the Land Transport Authority of Singapore
had decided to allow public train commuters to travel free on
weekdays if the commuters exit 16 stations in central city area
before 7.45AM [17]. The objective of this initiative is to get
public train commuters to travel earlier so as to ease off the
huge surge in passenger volume in late evening. Based on the
findings in this research, an improvement to this initiative
could be allowing commuters to travel free if they could enter
residential area stations before their peak hour. This
improvement will allow more certainty in easing off
passenger volumes of the origin stations and prevent building
huge crowd at the destination at 7.45AM.
A. Research Limitations and Future Works
This research had demonstrated the usefulness of
time-series data mining techniques for knowledge discovered
on Singapore‘s public train passenger travel patterns.
However, there are dimensions that this research did not cover
and would be the potential areas for future works. Some of
these areas include:
Exit Timing. This research was done based on the entry
timestamp. It would complete the analysis if another
time-series data mining were done based on the exit
timestamp of passengers exiting the train stations.
Gravity Model of Migration As seen in each of the
cluster analysis and insights interpretation, it would be helpful
if we could ascertain if indeed the train stations are situation in
residential, commercial office or retail areas. This will help us
to explain the public train passengers‘ travel patterns in
greater details.
Predictive Analytics. Predictive analytics can be done
using the results of this research to predict how the passengers
would behave when the public train extension works for 2020
are completed.
VIII. CONCLUSION
With the application of time-series data mining techniques
and sensing data in transportation studies, urban transport
planners and analysts will be able to analyze the passenger
travel patterns faster and gain greater insights beyond what
could be provided by conventional statistical analysis or
traditional data mining techniques. There are also a number of
future works that could be done to generate greater insights
and knowledge discovery. The time-series data mining
framework proposed in this research is also extensible to
study other transport modes such as buses and taxis, and for
other cities‘ transportation networks too.
ACKNOWLEDGMENT
We would like to thank the Land Transport Authority (LTA)
of Singapore for sharing with us the MRT dataset. This
research is supported by the Singapore National Research
Foundation under its International Research Centre @
Singapore Funding Initiative and administered by the IDM
Programme Office, Media Development Authority (MDA).

ผลลัพธ์ (ไทย) 1:

ให้ เช่น วางแผนการขนส่งเมืองจะต้องโครงสร้างนโยบายแบบไดนามิกมากขึ้นที่นำไปพิจารณารูปแบบท่องเที่ยวบริการผู้โดยสารตัวอย่าง ประเทศสิงคโปร์ขนส่งของแผ่นดินได้ตัดสินใจให้รถสาธารณะผู้เดินทางฟรีในวันธรรมดาถ้าผู้ที่ออกจากสถานี 16 ในเซ็นทรัลซิตี้ก่อน 19.00 น. 45 น. [17] วัตถุประสงค์ของโครงการนี้คือการ ได้รับรถไฟสาธารณะผู้เดินทางก่อนเพื่อความสะดวกปิดคลื่นขนาดใหญ่ปริมาณผู้โดยสารในสายเย็น ตามค้นพบในงานวิจัยนี้ การปรับปรุงการคิดริเริ่มนี้ไม่อนุญาตให้ผู้เดินทางฟรีหากพวกเขาสามารถป้อนอาศัยสถานีก่อนชั่วโมงสูงสุดของพวกเขา นี้ปรับปรุงให้ความแน่นอนมากขึ้นในการผ่อนคลายออกปริมาณผู้โดยสารของสถานีต้นทาง และป้องกันอาคารฝูงชนขนาดใหญ่ที่ปลายทางที่ 7.45 AMA. งานวิจัยข้อจำกัดและทำงานในอนาคตงานวิจัยนี้ได้แสดงให้เห็นว่าความมีประโยชน์ของเทคนิคการทำเหมืองข้อมูลอนุกรมเวลาสำหรับความรู้ที่ค้นพบในการโดยสารรถสาธารณะของสิงคโปร์เดินทางรูปแบบอย่างไรก็ตาม มีมิติที่งานวิจัยนี้ไม่ได้ครอบคลุมและจะเป็นพื้นที่มีศักยภาพสำหรับงานในอนาคต บางพื้นที่เหล่านี้รวมถึง:ออกเวลา งานวิจัยนี้ได้ทำตามรายการการบันทึกเวลา มันจะทำการวิเคราะห์ถ้าอื่นลำดับเวลาการทำเหมืองข้อมูลทำตามออกการบันทึกเวลาของผู้โดยสารออกจากสถานีรถไฟแรงโน้มถ่วงแบบจำลองของการโยกย้ายเป็นเห็นในแต่ละคลัสเตอร์วิเคราะห์และข้อมูลเชิงลึกตี มันจะเป็นประโยชน์ถ้าเราไม่ตรวจแน่นอนสถานีรถไฟจะสถานการณ์สำนักงานพาณิชย์ อยู่อาศัยหรือพื้นที่ค้าปลีก นี้จะช่วยให้เราอธิบายรถไฟสาธารณะ ของผู้โดยสารรูปแบบในการเดินทางรายละเอียดมากขึ้นการวิเคราะห์งาน สามารถทำการวิเคราะห์คาดการณ์ใช้ผลการวิจัยนี้เพื่อทำนายว่า ผู้โดยสารจะทำงานเมื่อประชาชนฝึกงานต่อ 2020จะเสร็จสมบูรณ์VIII. บทสรุปด้วยเทคนิคการทำเหมืองข้อมูลอนุกรมเวลาและตรวจข้อมูลในการศึกษาการขนส่ง ขนส่งเมืองวางแผนและนักวิเคราะห์จะต้องวิเคราะห์โดยสารรูปแบบการเดินทางได้เร็วขึ้น และได้รับข้อมูลเชิงลึกมากขึ้นนอกเหนือจากสิ่งสามารถให้การวิเคราะห์ทางสถิติทั่วไป หรือเทคนิคการทำเหมืองข้อมูลดั้งเดิม นอกจากนี้ยังมีจำนวนทำงานในอนาคตที่สามารถทำได้เพื่อสร้างความเข้าใจมากขึ้นและค้นพบความรู้ การทำเหมืองข้อมูลอนุกรมเวลากรอบการนำเสนอในงานวิจัยนี้จะสามารถเพิ่มความสามารถให้โหมดการขนส่งอื่น ๆ เช่นรถโดยสารประจำทางและรถแท็กซี่ และสำหรับศึกษาขนส่งของเมืองอื่น ๆ เครือข่ายมากเกินไปยอมรับเราอยากจะขอขอบคุณหน่วยงานขนส่งที่ดิน (LTA)สิงคโปร์ร่วมกับเราในชุดข้อมูลรถไฟฟ้า นี้วิจัยสนับสนุนการวิจัยแห่งชาติสิงคโปร์มูลนิธิภายใต้ศูนย์วิจัยนานาชาติ@ทุนสิงคโปร์คิดริเริ่ม และจัดการ โดย IDMโปรแกรมสำนักงาน หน่วยงานพัฒนาสื่อ (MDA)

ผลลัพธ์ (ไทย) 2:

เป็นเนื้อเดียวกัน เช่นวางแผนการขนส่งในเมืองจะต้องมี
โครงสร้างนโยบายแบบไดนามิกมากขึ้นที่จะนำเข้าสู่การพิจารณา
รูปแบบการเดินทางของผู้โดยสารต่างกัน.
ตัวอย่างเช่นการขนส่งทางบกของสิงคโปร์
ได้ตัดสินใจที่จะอนุญาตให้ผู้โดยสารเดินทางโดยรถไฟที่จะเดินทางฟรีใน
วันธรรมดาถ้าผู้โดยสารออกจาก 16 สถานี ในพื้นที่ใจกลางเมือง
ก่อน 07:45 [17] วัตถุประสงค์ของโครงการนี้คือการได้รับ
ผู้โดยสารรถไฟของประชาชนที่จะเดินทางไปก่อนหน้านี้เพื่อความสะดวกในการปิด
ไฟกระชากมากในปริมาณผู้โดยสารในช่วงเย็น ขึ้นอยู่กับ
ผลการวิจัยในการวิจัยนี้การปรับปรุงความคิดริเริ่มนี้
อาจจะช่วยให้ผู้โดยสารที่จะเดินทางฟรีหากพวกเขาสามารถป้อน
สถานีย่านที่อยู่อาศัยก่อนที่จะชมสูงสุดของพวกเขา นี้
จะช่วยให้การปรับปรุงความมั่นใจมากขึ้นในการบรรเทาปิด
ปริมาณผู้โดยสารที่สถานีกำเนิดและป้องกันการสร้าง
ฝูงชนกลุ่มใหญ่ที่ปลายทางที่ 07:45.
A. ข้อ จำกัด การวิจัยและอนาคตการทำงาน
วิจัยในครั้งนี้ได้แสดงให้เห็นถึงประโยชน์ของ
อนุกรมเวลาเทคนิคการทำเหมืองข้อมูลสำหรับความรู้ที่ค้นพบ
บนรถไฟสาธารณะของสิงคโปร์รูปแบบการเดินทางของผู้โดยสาร.
แต่มีขนาดที่งานวิจัยนี้ไม่ได้ครอบคลุมเป็น
และจะเป็นพื้นที่ที่มีศักยภาพสำหรับการทำงานในอนาคต บางส่วนของ
พื้นที่เหล่านี้รวมถึง
การกำหนดเวลาออกจาก งานวิจัยนี้ได้ทำขึ้นอยู่กับรายการ
การประทับเวลา มันจะเสร็จสิ้นการวิเคราะห์ถ้าอีก
อนุกรมเวลาการทำเหมืองข้อมูลได้ทำบนพื้นฐานของการออกจาก
การประทับเวลาของผู้โดยสารออกจากสถานีรถไฟ.
รุ่นแรงโน้มถ่วงของการย้ายถิ่นเท่าที่เห็นในแต่ละ
การวิเคราะห์กลุ่มและการตีความข้อมูลเชิงลึกก็จะเป็นประโยชน์
ถ้าเราสามารถตรวจสอบให้แน่ใจ ถ้าแน่นอนสถานีรถไฟอยู่ในสถานการณ์
ที่อยู่อาศัย, สำนักงานพาณิชย์หรือพื้นที่ค้าปลีก นี้จะช่วยให้เรา
ที่จะอธิบายที่ผู้โดยสารรถไฟสาธารณะ 'รูปแบบการเดินทางใน
รายละเอียดมากขึ้น.
Predictive Analytics ไม่ การวิเคราะห์การทำนายที่สามารถทำได้
โดยใช้ผลการวิจัยครั้งนี้จะคาดการณ์ว่าผู้โดยสาร
จะทำงานเมื่อขยายรถไฟสาธารณะทำงานสำหรับ 2020
จะเสร็จสมบูรณ์.
VIII สรุป
ด้วยการประยุกต์ใช้เวลาชุดเทคนิคการทำเหมืองข้อมูล
และข้อมูลการตรวจวัดในการศึกษาการขนส่ง, การขนส่งในเมือง
นักวางแผนและนักวิเคราะห์จะสามารถที่จะวิเคราะห์โดยสาร
รูปแบบการเดินทางได้เร็วขึ้นและได้ข้อมูลเชิงลึกมากขึ้นกว่าสิ่งที่
จะได้รับการให้บริการโดยการวิเคราะห์ทางสถิติธรรมดาหรือ
การทำเหมืองข้อมูลแบบดั้งเดิม เทคนิค นอกจากนี้ยังมีจำนวนของ
ผลงานในอนาคตที่สามารถทำได้ในการสร้างข้อมูลเชิงลึกมากขึ้น
และการค้นพบความรู้ อนุกรมเวลาการทำเหมืองข้อมูล
กรอบนำเสนอในงานวิจัยนี้ยังจะขยายการ
ศึกษารูปแบบการขนส่งอื่น ๆ เช่นรถโดยสารและรถแท็กซี่และ
เมืองอื่น ๆ 'เครือข่ายการขนส่งเกินไป.
รับทราบ
เราอยากจะขอบคุณการขนส่งทางบก (LTA)
ของสิงคโปร์ ร่วมกันกับเราชุด MRT นี้
การวิจัยได้รับการสนับสนุนจากประเทศสิงคโปร์วิจัยแห่งชาติ
มูลนิธิศูนย์วิจัยนานาชาติ @
สิงคโปร์ริเริ่มเงินทุนและบริหารงานโดย IDM
โครงการสำนักงาน, สื่อการพัฒนา (MDA)

ผลลัพธ์ (ไทย) 3:

ยึดเกาะ . เช่น การวางแผนการขนส่งในเขตเมืองจะมีโครงสร้างแบบไดนามิกมากขึ้น

นโยบายที่ใช้ในการพิจารณา

รูปแบบการเดินทางของผู้โดยสารที่แตกต่างกัน ตัวอย่างเช่น การขนส่งทางบกของสิงคโปร์มีอำนาจตัดสินใจที่จะอนุญาตให้ผู้โดยสารสาธารณะ

รถไฟเดินทางฟรีในวันธรรมดา ถ้าผู้โดยสารออกจากสถานีในพื้นที่ภาคกลาง 16 เมือง
ก่อน 7.45am [ 17 ]วัตถุประสงค์ของโครงการนี้คือการได้รับผู้โดยสารสาธารณะรถไฟเดินทางก่อนหน้านี้

เพื่อผ่อนคลายในกระแสขนาดใหญ่ปริมาณผู้โดยสารในช่วงเย็น ขึ้นอยู่กับ
ค้นพบในงานวิจัยนี้ ได้ปรับปรุงให้ความคิดริเริ่มนี้
อาจจะให้ผู้โดยสารที่จะเดินทางฟรี ถ้าพวกเขาสามารถระบุ
สถานีที่อยู่อาศัยก่อนที่ชั่วโมงสูงสุดของพวกเขา การปรับปรุงนี้จะช่วยให้มั่นใจมากขึ้น

ช่วยปิดปริมาณผู้โดยสารของต้นทางสถานีและป้องกันอาคาร
ฝูงชนขนาดใหญ่ที่เป็นปลายทางที่ 7.45am .
a การวิจัยข้อจำกัดและงานในอนาคต
งานวิจัยนี้แสดงประโยชน์ของ
เวลาเทคนิคเหมืองข้อมูลความรู้ค้นพบ
ในสิงคโปร์ประชาชนผู้โดยสารรถไฟรูปแบบการเดินทาง .
แต่ก็มีมิติที่งานวิจัยนี้ไม่ได้ครอบคลุม
และจะเป็นพื้นที่ที่มีศักยภาพสำหรับงานในอนาคต บางส่วนของพื้นที่เหล่านี้รวมถึง :

เวลาออก งานวิจัยนี้เป็นการศึกษาตามรายการ
ลงบันทึกเวลา มันจะสมบูรณ์การวิเคราะห์อนุกรมเวลา ข้อมูลเหมืองแร่เป็นถ้าอีก

เวลาเสร็จตามทางออกของผู้โดยสารออกจากสถานีรถไฟ โมเดล
แรงโน้มถ่วงของการย้ายถิ่นตามที่เห็นในแต่ละ
กลุ่มการวิเคราะห์และตีความข้อมูลเชิงลึก ,มันจะเป็นประโยชน์
ถ้าเราสามารถวินิจฉัย แต่ถ้ารถไฟสถานีมีสถานการณ์
ที่อยู่อาศัย , สำนักงานพาณิชย์หรือพื้นที่ค้าปลีก นี้จะช่วยให้เรา
อธิบายสาธารณะรถไฟผู้โดยสารเดินทางในรูปแบบ

รายละเอียดมากขึ้น สามารถวิเคราะห์ พยากรณ์การวิเคราะห์สามารถทำได้
ใช้ผลของการวิจัยนี้ เพื่อคาดการณ์ว่าผู้โดยสาร
จะประพฤติเมื่อสาธารณะรถไฟขยายงานสำหรับ 2020

เสร็จ แปด สรุป
กับการประยุกต์ใช้อนุกรมเวลาเทคนิคเหมืองข้อมูล
และตรวจจับข้อมูลในการศึกษาการขนส่ง การวางแผนการขนส่ง
เมืองและนักวิเคราะห์จะสามารถวิเคราะห์ผู้โดยสาร
รูปแบบการเดินทางเร็วขึ้นและได้รับข้อมูลเชิงลึกมากขึ้นกว่าสิ่งที่จะได้รับตามปกติ

การวิเคราะห์ทางสถิติหรือเทคนิคเหมืองข้อมูลแบบดั้งเดิม นอกจากนี้ยังมีจำนวนของ
การทำงานในอนาคต ที่สามารถทำได้ในการสร้างข้อมูลเชิงลึกมากขึ้น
และการค้นพบความรู้ ข้อมูลอนุกรมเวลาเหมืองแร่
กรอบที่เสนอในงานวิจัยนี้ยังได้ศึกษา

โหมดการขนส่งอื่น ๆเช่นรถโดยสารและรถแท็กซี่ และเมืองอื่นๆ เครือข่ายการขนส่ง


รับทราบด้วยเราอยากจะขอบคุณที่ดินการขนส่ง Authority ( LTA )
สิงคโปร์สำหรับการแบ่งปันข้อมูลกับพวกเรา MRT . การวิจัยนี้ได้รับการสนับสนุนโดยสิงคโปร์

มูลนิธิวิจัยแห่งชาติภายใต้ศูนย์วิจัยนานาชาติ @
สิงคโปร์ทุนริเริ่มและบริหารโดย IDM
โปรแกรม Office , เจ้าหน้าที่พัฒนาสื่อ ( 2 )