Моделювання та аналіз несправностей та затримок громадського транспорту з використанням баєсових мереж довіри й генеративного ШІ
DOI:
https://doi.org/10.25140/2411-5363-2025-2(40)-265-274Ключові слова:
баєсові мережі довіри, генеративний штучний інтелект, громадський транспорт, прогнозування завантаженостіАнотація
Стаття присвячена актуальній проблемі управління перевантаженістю у системах громадського транспорту. Наразі фіксується зростання міського населення та збільшення навантаження на транспортну інфраструктуру, що підкреслює важливість забезпечення ефективного управління для підвищення комфорту пасажирів та зменшення операційних витрат. Стаття аналізує останні дослідження в цій області, які використовують різні підходи, такі як ймовірнісні моделі, генеративні змагальні мережі (GAN) та методи оптимізації. Представлений у статті підхід ґрунтується на інтеграції баєсових мереж довіри для моделювання складних залежностей між факторами переванта-ження та генеративного ШІ для симуляції сценаріїв та оптимізації управління.
Наведені результати дослідження, які включають аналіз реальних даних за період 2015–2018 рр., демонструють ефективність запропонованого методу в прогнозуванні та запобіганні перевантаженості. Стаття має науково-практичний характер та пропонує новий інструмент для планувальників міського транспорту.
Посилання
Singh, A., & Singh, K. K. (2025). Multimodal generative AI. Springer Nature Singapore.
Macioszek, E., Sierpiński, G., & Masoumi, H. (2023). Challenges and solutions for present transport systems. Springer Nature Singapore.
Vegni, A. M., Vasilakos, A. V., & Loscrì, V. (2017). Vehicular social networks. CRC Press.
Bouhsissin, S., Sael, N., & Benabbou, F. (2022). Prediction of risks in intelligent transport sys-tems. In M. Lazaar, C. Duvallet, A. Touhafi, & M. Al Achhab (Eds.), Proceedings of the 5th Interna-tional Conference on Big Data and Internet of Things (BDIoT 2021) (Vol. 489, pp. 303–316). Lecture Notes in Networks and Systems. Springer, Cham. https://doi.org/10.1007/978-3-031-07969-6_23.
Martinez-Ramon, M., Ajith, M., & Kurup, A. R. (2024). Deep learning. Wiley.
Benaini, A., & Boukachour, J. (2023). Transport and logistics planning and optimization. IGI Global.
Taroni, F., Biedermann, A., Bozza, S., Garbolino, P., & Aitken, C. (2014). Bayesian networks for probabilistic inference and decision analysis in forensic science. Wiley.
Kumar, R., Sahu, S., & Bhattacharya, S. (2024). The pioneering applications of generative AI. IGI Global.
Pathak, P. D., Raut, R., Sakhare, S. R., & Patil, S. (2023). Generative adversarial networks and deep learning. CRC Press.
Kaggle. (2025, February 26). NY bus breakdown and delays. https://www.kaggle.com/da-tasets/new-york-city/ny-bus-breakdown-and-delays.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
