Un programa de aprendizaje automático utiliza datos de uso del suelo y servicios para predecir el uso del transporte público en Singapur.
Desde escuelas y tiendas hasta hospitales y hoteles, una ciudad moderna está compuesta de muchas partes diferentes. Los planificadores urbanos deben tener en cuenta dónde se encuentran estos servicios al diseñar redes de tránsito eficientes. Agencia de Ciencia, Tecnología e Investigación de Singapur A * STAR los investigadores han desarrollado un programa de aprendizaje automático para recrear y predecir con precisión el uso del transporte público, o 'pasajeros', basado en la distribución del uso de la tierra y las comodidades en Singapur.
Las ciudades tradicionales comprenden un distrito comercial central interno CBD, donde trabaja la mayoría de las personas, rodeado de zonas residenciales e industriales externas. Desafortunadamente para los viajeros, el alto volumen de personas que viajan hacia y desde el CBD puede causar un estancamiento en las horas pico.Para aliviar algo de esta frustración, el gobierno de Singapur está trabajando en la creación de centros regionales para el año 2030. Los planificadores esperan alentar a los dueños de negocios a abrir en centros regionales específicos alrededor de la ciudad-estado, aliviando la presión en las horas pico y alentando el uso del transporte público.
"Nuestro objetivo es comprender la receta de una ciudad inteligente", explica Christopher Monterola, del Instituto de Computación de Alto Rendimiento A * STAR, quien dirigió el proyecto en colaboración con científicos de Singapur. "Singapur necesita un sistema de transporte eficiente paraapoyar las actividades de las personas dada la infraestructura existente y planificada. Para guiar a los planificadores, necesitábamos un modelo que pudiera predecir la cantidad de pasajeros bajo el plan de los centros regionales ".
El equipo recopiló datos del sistema de tarjetas inteligentes de la ciudad sobre personas que ingresaban y salían de estaciones individuales de autobús y metro durante un período de una semana, más de 20 millones de viajes en total.
Los datos de la tarjeta inteligente se combinaron con información de toda la ciudad sobre cómo se usaba la tierra, para negocios, industria, residencia, agua o vegetación, y mapas de alta resolución que identificaban servicios individuales dentro de un radio establecido de cada estación. Monterola'sel equipo probó tres modelos diferentes de aprendizaje automático programas de computadora que se entrenan a sí mismos a través de simulaciones repetidas para encontrar uno que primero reprodujera con precisión y luego predijera el transporte de pasajeros en toda la ciudad.
"Descubrimos que un modelo de árbol de decisión funcionó mejor, con buena precisión, eficiencia computacional y una pantalla de usuario fácil de seguir", dice Monterola. "Los resultados indicaron que un aumento en las comodidades de hasta el 55 por ciento en toda la ciudadaumentaría la cantidad de pasajeros. Más allá de este punto, la cantidad de pasajeros comienza a disminuir; esto es lógico porque si las comodidades están disponibles localmente, la gente camina en su lugar ".
Los datos de servicios de alta resolución demostraron ser un predictor mucho más fuerte de pasajeros que los detalles generales del uso de la tierra; un resultado útil para informar la planificación urbana futura y monitorear los centros regionales de Singapur a medida que se desarrollan. El modelo podría aplicarse a cualquier ciudad con acceso adatos similares de alta resolución, notas Monterola.
Fuente de la historia :
Materiales proporcionado por Agencia de Ciencia, Tecnología e Investigación A * STAR . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :