Enligt en ny avhandling från Högskolan Dalarna presenterar Paria Sadeghian metoder för att förstå mänsklig rörlighet och transport med GPS-spårningsdata.
Innovativa Metoder Används för Transportanalys
Sadeghians forskning fokuserar på att utnyttja GPS-data för att förstå och förutsäga människors rörelsemönster och val av transportmedel. Genom att kombinera maskininlärningstekniker utforskar hon nya tillvägagångssätt för att identifiera olika transportsätt i GPS-spårningsdata. Det övergripande syftet är att förbättra analysen och planeringen av transportsystem.
Djupinlärningsmodeller och Hybridalgoritmer Bidrar till Precision
Studierna innefattar omfattande användning av djupinlärningsmodeller och hybridalgoritmer, vilket signifikant ökar precisionen i att identifiera olika transportsätt. Resultaten visar lovande potential för dessa teknologier inom områden som stadsplanering och utvecklingen av smarta transportsystem.
– Kanske den mest betydande upptäckten är utvecklingen av en ny inlärningsmodell. Denna modell förbättrar inte bara precisionen för upptäckt av transportsätt utan erbjuder också en skalbar lösning som kan anpassas till olika stadsmiljöer, säger Paria Sadeghian.
Resultaten kan förbättra förståelsen för transportsätt och rörlighetsmönster för att utforma effektivare och mer hållbara transportstrategier.
Källa: Högskolan Dalarna