Результаты двух новых работ, посвящённых современным методам анализа и прогнозирования транспортного спроса, опубликованы в авторитетном международном журнале Journal of Mathematical Sciences издательства Springer.
Обе статьи посвящены вопросам повышения автоматизации и точности создания транспортных моделей, которые, в свою очередь, позволяют эффективно проектировать транспортную инфраструктуры.
Оценка населения и рабочих мест с помощью машинного обучения
В первой статье Population and workplaces estimation using machine learning and open data sources инженер-аналитик Георгий Киселёв и технический директор, к.э.н. Андрей Прохоров решают одну из важных задач транспортного планирования — распределение населения и рабочих мест в исследуемой зоне.
Традиционно эта задача требует трудоёмкого сбора данных. Наши специалисты предложили подход, который использует различные открытые источники данных (Open Data) и алгоритмы машинного обучения для автоматизации процесса. Это позволяет существенно повысить скорость получения базовой информации о населении и рабочих местах для выбранной территории моделирования, не теряя в качестве базового расчёта.
Калибровка гравитационных моделей: методы и рекомендации
Вторая статья Calibration of gravity models (авторы — ведущий инженер-математик, к.ф.-м.н. Валентина Курц и технический директор, к.э.н. Андрей Прохоров) углубленно рассматривает вопросы калибровки гравитационных моделей, которые описывают распределение поездок между районами.
Наши эксперты представили комплексную методологию калибровки и детально проанализировали:
— три типа функций, описывающих «сопротивление» поездкам — экспоненциальную, степенную и комбинированную;
— четыре современных метода оптимизации для поиска наилучших параметров — метод Нелдера — Мида, генетический алгоритм, метод роя частиц и стратегию эволюции с адаптацией ковариационной матрицы.
Методология была успешно применена к фактическим данным по городу Екатеринбургу. По итогам исследования сформированы практические рекомендации по выбору функции, метода оптимизации и целевой функции, что имеет большую практическую ценность для транспортных аналитиков.
Публикации в журнале издательства Springer подтверждают высокий научный уровень исследований, проводимых в SIMETRA, и их соответствие международным стандартам. Эти наработки непосредственно используются в проектах компании для создания более обоснованных и эффективных решений в области транспортного планирования.
А чтобы увидеть, как эти алгоритмы реализованы в нашей цифровой платформе RITM³, записывайтесь на демопрезентации.
Обе статьи посвящены вопросам повышения автоматизации и точности создания транспортных моделей, которые, в свою очередь, позволяют эффективно проектировать транспортную инфраструктуры.
Оценка населения и рабочих мест с помощью машинного обучения
В первой статье Population and workplaces estimation using machine learning and open data sources инженер-аналитик Георгий Киселёв и технический директор, к.э.н. Андрей Прохоров решают одну из важных задач транспортного планирования — распределение населения и рабочих мест в исследуемой зоне.
Традиционно эта задача требует трудоёмкого сбора данных. Наши специалисты предложили подход, который использует различные открытые источники данных (Open Data) и алгоритмы машинного обучения для автоматизации процесса. Это позволяет существенно повысить скорость получения базовой информации о населении и рабочих местах для выбранной территории моделирования, не теряя в качестве базового расчёта.
Калибровка гравитационных моделей: методы и рекомендации
Вторая статья Calibration of gravity models (авторы — ведущий инженер-математик, к.ф.-м.н. Валентина Курц и технический директор, к.э.н. Андрей Прохоров) углубленно рассматривает вопросы калибровки гравитационных моделей, которые описывают распределение поездок между районами.
Наши эксперты представили комплексную методологию калибровки и детально проанализировали:
— три типа функций, описывающих «сопротивление» поездкам — экспоненциальную, степенную и комбинированную;
— четыре современных метода оптимизации для поиска наилучших параметров — метод Нелдера — Мида, генетический алгоритм, метод роя частиц и стратегию эволюции с адаптацией ковариационной матрицы.
Методология была успешно применена к фактическим данным по городу Екатеринбургу. По итогам исследования сформированы практические рекомендации по выбору функции, метода оптимизации и целевой функции, что имеет большую практическую ценность для транспортных аналитиков.
Публикации в журнале издательства Springer подтверждают высокий научный уровень исследований, проводимых в SIMETRA, и их соответствие международным стандартам. Эти наработки непосредственно используются в проектах компании для создания более обоснованных и эффективных решений в области транспортного планирования.
А чтобы увидеть, как эти алгоритмы реализованы в нашей цифровой платформе RITM³, записывайтесь на демопрезентации.
Поделиться в соцсетях