Nội suy thời gian đến trạm xe buýt trên bản đồ không gian-thời gian

Luận văn thạc sĩ phân tích nội suy thời gian đến tại trạm xe buýt trên bản đồ không gian thời gian, ứng dụng trong giao thông thông minh.

• Tác giả: Đặng Như Phú
• Người hướng dẫn: Pgs. Trần Vĩnh Phước
• Trường học: Trường Đại Học Thủ Dầu Một
• Chuyên ngành: Hệ Thống Thông Tin
• Đề tài: Nội Suy Thời Gian Đến Tại Một Trạm Của Xe Buýt Trên Bản Đồ Không Gian – Thời Gian
• Loại tài liệu: Luận Văn Thạc Sỹ
• Năm xuất bản: 2019
• Địa điểm: Bình Dương

Tóm tắt

I. Tổng quan về nội suy thời gian đến trạm xe buýt

Nội suy thời gian đến trạm xe buýt trên bản đồ không gian-thời gian là một phương pháp quan trọng trong việc cải thiện trải nghiệm của hành khách. Bằng cách sử dụng các dữ liệu thu thập được từ các trạm xe buýt, phương pháp này giúp ước lượng thời gian mà xe buýt sẽ đến trạm một cách chính xác hơn. Điều này không chỉ giúp hành khách chủ động hơn trong việc đón xe mà còn hỗ trợ các nhà quản lý giao thông trong việc đánh giá tình hình giao thông tại các khu vực khác nhau.

1.1. Khái niệm về nội suy không gian thời gian

Nội suy không gian-thời gian là quá trình ước lượng giá trị tại các điểm chưa biết dựa trên các điểm đã biết trong không gian và thời gian. Phương pháp này rất hữu ích trong việc dự đoán thời gian đến trạm của xe buýt.

1.2. Tầm quan trọng của việc nội suy thời gian

Việc nội suy thời gian đến trạm xe buýt giúp hành khách có thể lập kế hoạch di chuyển hiệu quả hơn, giảm thiểu thời gian chờ đợi và nâng cao trải nghiệm sử dụng phương tiện công cộng.

II. Vấn đề và thách thức trong nội suy thời gian đến trạm xe buýt

Mặc dù nội suy thời gian đến trạm xe buýt mang lại nhiều lợi ích, nhưng vẫn tồn tại một số thách thức cần được giải quyết. Các vấn đề như độ chính xác của dữ liệu, sự biến động của giao thông và thời gian thực tế đến trạm là những yếu tố quan trọng ảnh hưởng đến kết quả nội suy.

2.1. Độ chính xác của dữ liệu thu thập

Độ chính xác của dữ liệu thu thập từ các trạm xe buýt là yếu tố quyết định đến chất lượng của nội suy. Dữ liệu không chính xác có thể dẫn đến những dự đoán sai lệch về thời gian đến trạm.

2.2. Biến động trong giao thông

Tình trạng giao thông tại các khu vực khác nhau có thể thay đổi nhanh chóng, ảnh hưởng đến thời gian đến trạm của xe buýt. Việc dự đoán chính xác trong bối cảnh này là một thách thức lớn.

III. Phương pháp nội suy thời gian đến trạm xe buýt hiệu quả

Để giải quyết các vấn đề nêu trên, nhiều phương pháp nội suy đã được phát triển. Trong đó, phương pháp nội suy sai phân tiến Newton và mạng LSTM là hai phương pháp nổi bật được áp dụng để cải thiện độ chính xác của dự đoán thời gian đến trạm.

3.1. Nội suy sai phân tiến Newton

Phương pháp nội suy sai phân tiến Newton cho phép ước lượng thời gian đến trạm dựa trên các dữ liệu đã thu thập. Phương pháp này giúp cải thiện độ chính xác của dự đoán bằng cách sử dụng các bậc sai phân.

3.2. Mạng LSTM trong dự đoán thời gian

Mạng LSTM (Long Short-Term Memory) là một loại mạng nơron hồi tiếp, có khả năng học từ dữ liệu theo thời gian. Việc áp dụng mạng LSTM giúp điều chỉnh độ sai lệch giữa thời gian thực tế và thời gian nội suy, từ đó nâng cao độ chính xác của dự đoán.

IV. Ứng dụng thực tiễn của nội suy thời gian đến trạm xe buýt

Nội suy thời gian đến trạm xe buýt không chỉ có giá trị lý thuyết mà còn có nhiều ứng dụng thực tiễn. Các ứng dụng này giúp cải thiện trải nghiệm của hành khách và hỗ trợ các nhà quản lý giao thông trong việc đưa ra quyết định.

4.1. Cải thiện trải nghiệm hành khách

Việc cung cấp thông tin chính xác về thời gian đến trạm giúp hành khách có thể lập kế hoạch di chuyển hiệu quả hơn, từ đó nâng cao sự hài lòng khi sử dụng dịch vụ xe buýt.

4.2. Hỗ trợ quản lý giao thông

Các nhà quản lý giao thông có thể sử dụng thông tin từ nội suy để đánh giá tình hình giao thông, từ đó đưa ra các biện pháp cải thiện hạ tầng và dịch vụ xe buýt.

V. Kết luận và tương lai của nội suy thời gian đến trạm xe buýt

Nội suy thời gian đến trạm xe buýt trên bản đồ không gian-thời gian là một lĩnh vực nghiên cứu quan trọng, có tiềm năng lớn trong việc cải thiện giao thông đô thị. Tương lai của nghiên cứu này sẽ tiếp tục phát triển với sự hỗ trợ của công nghệ mới và các phương pháp phân tích dữ liệu tiên tiến.

5.1. Tóm tắt kết quả nghiên cứu

Nghiên cứu đã chỉ ra rằng việc áp dụng phương pháp nội suy và mạng LSTM có thể cải thiện đáng kể độ chính xác của dự đoán thời gian đến trạm xe buýt.

5.2. Hướng nghiên cứu tương lai

Các nghiên cứu trong tương lai có thể tập trung vào việc phát triển các mô hình nội suy mới và cải thiện khả năng dự đoán thời gian đến trạm trong các điều kiện giao thông phức tạp.

Trích đoạn nội dung tài liệu

Chương 1 – Giới thiệu: Trình bày mục tiêu và động lực để nghiên cứu mô hình nội suy thời gian đến trạm của xe buýt trên bản đồ không gian – thời gian, cũng như đối tượng, phạm vi và phương pháp nghiên cứu và cách thức tiếp cận đề tài theo phương pháp phân tích từ trên xuống thông qua việc tự đặt câu hỏi và trả lời.  Chương 2 – Tổng quan về các nghiên cứu được liên quan: Giới thiệu tổng quan về các lý thuyết nghiên cứu được áp dụng trong luận văn: lý thuyết về trực quan hóa dữ liệu, lý thuyết nội suy, máy học và các bài báo tham chiếu.  Chương 3 – Nội suy thời gian đến tại một trạm của xe buýt: Trình bày các quy trình áp dụng để thực hiện việc nội suy thời gian đến trạm của xe buýt và cách thức trực quan hóa thông tin, dữ liệu trên bản đồ không gian – thời gian. Phương pháp xây dựng hàm nội suy sai phân tiến Newtơn cho bộ dữ liệu đã thu thập và ứng dụng phương pháp mạng LSTM để huấn luyện dữ liệu, đồng thời trình bày các giải thuật áp dụng.

 Chương 4 – Kết quả nghiên cứu và đánh giá kết quả: Mô tả kết quả thực nghiệm bằng phương pháp nội suy và mô hình mạng LSTM để ước lượng thời gian mà xe buýt sẽ đến trạm dựa trên bộ dữ liệu 5 thu thập được và cách thức biểu diễn dữ liệu trên bản đồ không gian – thời gian.  Chương 5 – Kết luận và hướng phát triển: Trong chương này, luận văn đã tóm tắt các kết quả đạt được thông qua việc đề xuất phương pháp nội suy và mô hình mạng LSTM để ước lượng thời gian đến trạm của xe buýt và phương pháp trực quan hóa thông, dữ liệu trên bản đồ không gian – thời gian. Luận văn cũng đề xuất hướng nghiên cứu mới để ước lượng thời gian đến trạm của xe buýt thông qua việc xây dựng hàm Gauss. 6 Chương 2 TỔNG QUAN VỀ CÁC NGHIÊN CỨU ĐƯỢC LIÊN QUAN 2.

GIỚI THIỆU Luận văn vận dụng lý thuyết nội suy để ước lượng thời gian đến trạm của xe buýt với các mốc nội suy là thời gian đến trạm thực tế của xe buýt đã được thu thập. Lý thuyết DeepLearning, Mạng Nơron được nghiên cứu để dự đoán độ sai lệch giữa thời gian nội suy với thời gian thực tế mà xe buýt sẽ đến trạm. Lý thuyết về trực quan hóa dữ liệu được ứng dụng để biểu diễn trực quan hóa bản đồ xe buýt và thời gian mà xe buýt sẽ đến trạm. Bên cạnh đó, luận văn cũng được phát triển và xây dựng dựa trên nền tảng nghiên cứu của Thầy PGS.TS Trần Vĩnh Phước và các cộng sự bao gồm: - Visualization of Spatio-temporal Data of Bus Trips - Representing Uncertain Time on Space-time - An Approach to Representing Movement Data - Visualization Cube for Tracking Moving Object 2.

CÁC KHÁI NIỆM ĐƯỢC LIÊN QUAN Bản đồ không gian – thời gian là một hình khối không gian – thời gian trên hệ tọa độ Đề-các ba chiều nhằm biểu diễn các đối tượng không gian, các đối tượng không-gian thời gian và các đường cong không gian-thời gian có thứ tự nhằm kết nối các đối tượng không gian – thời gian lại với nhau, đây chính là đường biểu diễn sự dịch chuyển của các đối tượng không gian – thời gian. 7 Độ sai lệch thời gian Δt chính là sự sai lệch giữa thời gian t’ được ước lượng từ phương pháp nội suy sai phân tiến Newtơn với thời gian thực tế t mà xe buýt sẽ đến trạm, giá trị này được tính bằng: Δt = t’ – t. Thời gian đến là thời gian thực tế mà xe buýt đến trạm dừng xe buýt. Thời gian thực tế t là thời gian mà xe buýt đến trạm dừng theo thực tế.

Thời gian nội suy t’ là thời gian ước lượng mà xe buýt đến trạm dừng thông qua phương pháp nội suy sai phân tiến Newtơn. Sai số toàn phương trung bình (MSE) là một phương pháp dùng để đánh giá các sai số trong các mô hình ước lượng. Sai số này được xác định bằng trung bình cộng của các bình phương sai số giữa giá trị ước lượng với giá trị đánh giá. Sai số toàn phương trung bình gốc (RMSE) được tính bằng căn bậc hai sai số MSE, RMSE được sử dụng để nghiên cứu về khuynh hướng sai số, biên độ sai số tuyệt đối và giá trị sai số thực.

Bộ lọc Kalman là một tập hợp các phương trình toán học nhằm cung cấp một phương pháp tính toán đệ quy (recursively) hiệu quả để ước lượng trạng thái của một quá trình, theo cách tối thiểu hóa giá trị trung bình của bình phương lỗi (phương sai: mean squared error). Bộ lọc rất hiệu quả trên các khía cạnh sau: Nó cho phép ước lượng trạng thái quá khứ, hiện tại thậm chí cả tương lai, và bộ lọc có thể hoạt động ngay cả khi độ chính xác thực sự của mô hình hệ thống là chưa biết. Tổng quan Theo Kaizen [3], trực quan hóa là một trong những kỹ thuật biến đổi thông tin thành những hình ảnh, biểu đồ hoặc hoạt động diễn hoạt để con người có thể quan sát bằng mắt ở bất kỳ thời điểm nào, từ đó thể đưa ra những nhận định, phán đoán tùy theo góc độ, kiến thức, sự hiểu biết… của người quan sát về thông tin đó. 8 Trực quan hóa được phân thành nhiều nhánh để nghiên cứu và phát triển như: + Trực quan hóa khoa học; + Trực quan hóa thông tin; + Trực quan hóa giáo dục; + Trực quan hóa tri thức; + Trực quan hóa dữ liệu; + Trực quan hóa sản phẩm; + Phân tích trực quan; + Truyền thông trực quan; Để phân tích tình hình dân số thế giới hay cụ thể ở một quốc gia nào đó, một số nhà nghiên cứu đã sử dụng phương pháp trực quan hóa thông tin để biểu diễn.1, các nhà nghiên cứu đã mô tả dân số nước Mỹ năm 1999 thông qua bản đồ để phân tích và so sánh với tình hình dân số với các nước Canada và Áo [4].

Mô hình trực quan hóa thông tin biểu diễn dân số nước Mỹ năm 1999 Để trực quan hóa hồ sơ công việc hay sơ yếu lý lịch của nhân viên trong công ty, mô hình trực quan hóa dữ liệu được sử dụng để biểu diễn trực quan thông tin của nhân viên trong công ty như ở hình 2.2: Mô hình trực quan hóa dữ liệu để biểu diễn sơ yếu lý lịch1 Tác giả Charles Joseph Minard đã sử dụng mô hình phân tích trực quan để biểu diễn cuộc hành quân của Napoleon năm 1812 – 1813 khi rút quân ra khỏi Mowcow, hình 2.3 biểu diễn biến động số lượng quân của khi rút khỏi Mowcow theo thời gian.3: Bản đồ hành quân của Napoleon khi rút quân khỏi Mowcow (1812- 1813)2 1 Hình ảnh tham chiếu tại: https://venngage.com/blog/dos-donts-infographic-resumes/ 2 Hình ảnh tham chiếu tại: https://www. Trực quan hóa dữ liệu Trực quan hóa dữ liệu là một nhánh thuộc trực quan hóa, là một thuật ngữ mô tả cho việc biểu diễn trực quan dữ liệu nhằm giúp mọi người dễ hiểu bộ dữ liệu đó thông qua phương pháp trực quan. Qua mô hình trực quan hóa, mỗi người xem sẽ cho một đánh giá khác nhau tùy thuộc vào trình độ, chuyên môn của người xem. Hiện nay, có nhiều công cụ hỗ trợ trực quan hóa bộ dữ liệu mà nó vượt xa các biểu đồ, bảng biểu thống kê thông thường như bộ công cụ văn phòng của Microsoft: Word, Excel, các công cụ này cho phép biểu diễn và tra cứu thông tin, dữ liệu nhiều mức và nhiều chiều.

Dữ liệu được hiển thị một cách tinh vi sinh động trên infographics, bản đồ địa lý, biểu đồ thu nhỏ, bản đồ nhiệt và biểu đồ chi tiết, biểu đồ cột,…. Các hình ảnh, đối tượng được trực quan có khả năng tương tác với người dùng để thực hiện các thao tác truy vấn và phân tích. BẢN ĐỒ KHÔNG GIAN – THỜI GIAN Bản đồ không gian – thời gian là một hình khối không gian trên hệ tọa độ Đề-các ba chiều nhằm biểu diễn các đối tượng không gian, các đối tượng không gian - thời gian và các đường cong không gian – thời gian có thứ tự nhằm kết nối các đối tượng không gian lại với nhau, đây chính là đường biểu diễn sự dịch chuyển của các đối tượng không gian-thời gian. Trong khuôn khổ luận văn này, bản đồ không gian – thời gian chính là sự kết giữa mặt phẳng bản đồ của thành phố với trục thời gian được biểu diễn vuông góc với mặt phẳng bản đồ.

Các đối tượng không gian là các trạm dừng xe buýt và lộ trình mà các xe buýt đi qua các trạm được cố định trên mặt phẳng bản đồ; thời gian đến trạm của các xe buýt được biểu diễn trên trục thời gian. Điểm không gian – thời gian trên bản đồ không gian – thời gian là điểm được kết hợp giữa thời gian được tham chiếu từ trục thời gian t và vị trí khi chiếu vuông góc xuống mặt phẳng bản đồ chính là trạm dừng xe buýt. [5] [6] [7] [8] [9] [10] [11] Một tuyến xe buýt bắt đầu từ điểm xuất phát đến trạm cuối cùng phải đi qua các trạm dừng để đón và trả khách theo quy định. Một tuyến xe buýt được đặt tên bởi tên của điểm đầu và điểm cuối.

Trong một ngày, có nhiều hành trình xe buýt 11 chạy trên tuyến đó với các thời điểm khác nhau, mỗi hành trình được quy định thời gian xuất phát và thời gian sẽ đến các điểm dừng để đón và trả khách, các hành trình chạy trên một tuyến được đánh số thứ tự theo thời điểm xuất phát của nó.[1][2] Một hành trình xe buýt biểu diễn trên bản đồ không gian-thời gian là một đường cong không gian-thời gian nối các điểm không gian-thời gian theo thứ tự tăng dần, giá trị biểu diễn trên trục thời gian t chính là thời gian thực tế mà xe buýt đến trạm của hành trình đó, đường cong này khi chiếu lên mặt phẳng bản đồ ta thu được tuyến xe buýt tương ứng của hành trình.4: Biểu diễn sự di chuyển của xe buýt trên hình khối không gian-thời gian Trong hình 2.4, mặt phẳng (x, y) biểu diễn bản đồ thành phố, trục t biểu diễn thời gian; các trạm dừng xe buýt được đánh số trên mặt phẳng bản đồ có màu đỏ chính là các trạm dừng mà xe buýt phải đi qua, A là trạm xuất phát và B là trạm 12 dừng cuối cùng, các trạm dừng bố trí trên bản đồ được gọi là các điểm không gian; đường màu cam nối từ trạm xuất phát đi qua các trạm dừng và kết thúc tại trạm cuối gọi là một hành trình của xe buýt.