Программа машинного обучения прогнозирует использование общественного транспорта в Сингапуре

Исследователи из A*STAR разработали программу машинного обучения, которая с высокой точностью воспроизводит и прогнозирует пассажиропоток в общественном транспорте Сингапура на основе распределения типов землепользования и объектов инфраструктуры. Модель использует данные городских смарт-карт, детальную информацию об объектах в радиусе каждой станции и общие данные по землепользованию.

Эта работа имеет ключевое значение для реализации плана правительства Сингапура по созданию к 2030 году региональных центров, призванных снизить нагрузку на центральный деловой район (CBD) в часы пик. Модель позволяет прогнозировать, как изменение расположения объектов (магазинов, школ, офисов) повлияет на использование общественного транспорта, что помогает в планировании эффективных транспортных сетей.

«Мы стремимся понять рецепт умного города, — объясняет руководитель проекта Кристофер Монтерола из Института высокопроизводительных вычислений A*STAR. — Нам нужна была модель, способная прогнозировать пассажиропоток в рамках плана по региональным центрам». Команда протестировала три модели машинного обучения, и наилучшие результаты показала модель на основе дерева решений. Результаты моделирования указывают, что увеличение количества объектов инфраструктуры в городе до 55% повышает пассажиропоток, а после этого предела он начинает снижаться, так как люди предпочитают ходить пешком до местных объектов.