Dagens PS

Nytt artificiellt nätverk kan förutse resebeteende

Gullmarsplans tunnelbanestation
Ett nytt artificiellt nätverk kan bättre förutse individuellt beslutsfattande gällande resvanor och därmed hjälpa beslutsfattare med utveckling av kollektivtrafiken. (Foto: TT)
Annika Hjerpe
Annika Hjerpe
Uppdaterad: 10 maj 2021Publicerad: 10 maj 2021

Ett teoribaserat artificiellt nätverk kombinerar diskreta valmodeller och djupinlärning, modeller som länge har betraktats som motstridiga.

ANNONS
ANNONS

Mest läst i kategorin

För att förbättra analys av individuell beslutsfattning i resebeteende har forskare vid Future Urban Mobilitys, FM:s, tvärvetenskapliga researchgrupp vid Singapore-MIT Alliance for Research and Technology, SMART, skapat ett syntetiskt ramverk kallat teoribaserat kvarvarande neuralt nätverk, TB-ResNet.

Det nya artificiella nätverket TB-ResNet kombinerar diskreta valmodeller, DCM, och djupt neurala nätverk, DNN, även kallad djupinlärning.

Styrkan sitter i kombinationen

Forskningsrapporten, “Theory-based residual neural networks: A synergy of discrete choice models and deep neural networks,” publicerades nyligen i Transportation Research: Part B.

I rapporten förklarar forskarna från SMART ramverket för sitt artificiella nätverk TB-ResNet och visar styrkan i att kombinera DCM:er och DNN:er och bevisar att de kompletterar varandra.

Bättre resultat och säkrare förutsägelser

Genom att kombinera dessa två viktiga forskningsparadigm drar TB-ResNet nytta av DNN:s expressiva styrka och DCM:s enkelhet för att få fram bättre resultat och säkrare förutsägelser för analys av individuellt beslutsfattande. Det är viktigt för att kunna förbättra forskningen kring resebeteende.

Det artificiella nätverket TB-ResNet är mer förutsägbart och tolkningsbart än DCM:er och DNN:er. För regeringar, beslutsfattare och mobilitetsföretag som vill utveckla och optimera transportnätverk är korrekta och effektiva analyser av individuell beslutsfattning i vardagen väldigt viktiga.

Ger förbättrad insyn i beslutsfattande

ANNONS

Det nya artificiella nätverket TB-ResNet kommer att eliminera de svårigheter som finna med att använda DCM:er och DNN:er så att berörda parter kan fatta bättre beslut när transport planeras.

“Förbättrad insyn i hur resenärer fattar beslut om resesätt, destination, avresetid och planering av aktiviteter är avgörande för regeringars och transportföretags planering över hela världen. Jag ser fram emot fortsatt utveckling av TB-ResNet och dess applikationer för transportplanering nu när det har erkänts av transportforskningsvärlden.” säger rapportens huvudförfattare Shenhao Wang vid Urban Mobility Lab at MIT.

Läs mer: Stockholmarna ska sväva fram över vattnet i rekordfart

Läs mer från Dagens PS - vårt nyhetsbrev är kostnadsfritt:
Annika Hjerpe
Annika Hjerpe

Reporter på Dagens PS med fokus på bland annat Life Science, hälsa och hållbarhet.

Annika Hjerpe
Annika Hjerpe

Reporter på Dagens PS med fokus på bland annat Life Science, hälsa och hållbarhet.

ANNONS
ANNONS

Senaste nytt

ANNONS
Spela klippet

Bostadsmarknad och framtiden för köpare – enligt analytikern

Efter en turbulent period präglad av stigande räntor och sjunkande priser börjar Sveriges bostadsmarknad visa tecken på återhämtning. År 2022 präglades av en kraftig nedgång i både bostadsförsäljningar och priser, till stor del drivet av de ökande räntekostnaderna. Men nu, med signaler om stabilisering och potentiella räntesänkningar framöver, börjar marknaden långsamt hitta tillbaka. Frågan är: […]