La previsione accurata degli orari di arrivo degli autobus è di fondamentale importanza, soprattutto in ambienti urbani frenetici. Fornire alle persone un trasporto efficiente e tempestivo può scoraggiarle dall'uso di veicoli privati, riducendo di conseguenza sia il consumo di carburante che la congestione del traffico.

Ricercatori della Lovely Professional University (LPU) di Jalandhar, India, hanno recentemente sviluppato un modello basato su una rete neurale artificiale (ANN) in grado di prevedere i tempi di arrivo degli autobus analizzando i dati GPS storici. Il loro metodo, delineato in un articolo pubblicato su Springer's Pervasive Computing:una prospettiva di networking e direzioni future utilizza le ANN e le tecniche della funzione di base radiale (RBF) per prevedere gli orari di arrivo e partenza degli autobus analizzando i dati raccolti utilizzando la tecnologia GPS.

"In questo lavoro, le reti neurali artificiali (ANN) e la funzione a base radiale (RBF) sono state applicate ai dati raccolti tramite GPS, " hanno scritto i ricercatori nel loro articolo. "La previsione in tempo reale dell'orario di arrivo degli autobus ha una serie di applicazioni per la consegna delle merci, servizi di transito e aree della logistica."

I modelli basati su ANN potrebbero migliorare notevolmente le prestazioni e l'efficienza degli attuali sistemi di trasporto, consentendo previsioni più accurate dell'orario di arrivo. Nel loro studio, Aditya Khamparia e Rubina Choudhary, due ricercatori della LPU, deciso di sviluppare un modello in grado di prevedere i tempi di arrivo degli autobus con il minimo errore, che potrebbe ridurre notevolmente i tempi di attesa dei passeggeri.

La loro ricerca è stata condotta in sette passaggi chiave. Primo, i ricercatori hanno identificato i fattori che influenzano i tempi di arrivo degli autobus, come la velocità, Condizioni stradali, traffico, distanza tra le diverse fermate, tempo impiegato per far salire/scendere i passeggeri e condizioni meteorologiche. Hanno quindi mappato il percorso del bus e la sua organizzazione.

Di conseguenza, i ricercatori hanno raccolto regolarmente dati storici sugli autobus utilizzando i sistemi di localizzazione automatica dei veicoli (AVL). Nello specifico hanno utilizzato ricevitori GPS che si interfacciavano con modem GSM posti all'interno dei bus universitari.

Khamparia e Choudhary hanno fornito i dati raccolti sia a un algoritmo di retropropagazione feed-forward (BPA) che a RBF, addestrandoli a fare previsioni sui futuri orari di arrivo degli autobus. Finalmente, hanno utilizzato questi due modelli per prevedere i tempi di arrivo degli autobus e hanno confrontato le loro prestazioni.

I ricercatori hanno addestrato e valutato questi metodi su due linee di autobus specifiche, quella da Amritsar al campus della LPU e viceversa. Per ogni modello, hanno calcolato l'errore medio assoluto (MAE), che misura essenzialmente la differenza tra il tempo target e il tempo previsto, e l'errore quadratico medio (RMSE), che misura la grandezza media dell'errore.

Hanno osservato che il modello RBF aveva valori MAE e RMSE molto più bassi rispetto al modello BPA. Questi risultati suggeriscono che le tecniche RBF sono più efficaci dei BPA nel calcolare i tempi di arrivo degli autobus in presenza di fattori imprevedibili.

"Anche se i risultati sono incoraggianti, ci sono ancora una serie di estensioni al modello che dovrebbero essere studiate, " hanno scritto i ricercatori nel loro articolo. "Nel lavoro futuro, i ricercatori potrebbero proporre un nuovo schema in grado di calcolare le previsioni in tempo reale dell'orario di arrivo o partenza degli autobus, come la variabilità della domanda di passeggeri in una determinata fermata dell'autobus, misure di congestione del traffico, segnali compresa la progressione, ritardo dovuto a congestione del traffico o incidente, informazioni sull'incidente ecc."

© 2019 Scienza X Rete