Adaptive algorithm of public transport arrival time prediction

Abstract

Работа посвящена нахождению времени прибытия общественного транспорта на остановки. За основу для построения адаптивного алгоритма были взяты регрессионные модели прогнозирования, основанные на методах машинного обучения: метод ближайших соседей и метод опорных векторов. Произведена подготовка данных и оптимизация параметров для обучения и создания моделей. Рассмотрено влияние дополнительных атрибутов, которые могут улучшить точность предсказания. Представлена концепция адаптивной модели для прогнозирования прибытия общественного транспорта в реальном времени.

The work is devoted to finding the time of arrival of public transport at stops. The basis for building adaptive algorithm were taken from a regression model of prediction based on machine learning techniques: k-nearest neighbors and support vector machine. Data preparation and parameter optimization for training and creation of models were produced. The influence of additional attributes, which can improve the prediction accuracy, was analyzed. The concept of adaptive models for forecasting the arrival of public transport in real time was presented.