Пошук академічних текстів

Інформація × Реєстраційний номер 2125U003172, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Інформаційна система прогнозування попиту на транспортні послуги у великих містах на основі машинного навчання Автор Примак Олександр ВолодимировичPrymak Oleksandr Volodymyrovych Дата публікації 01-01-2025 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/76350 Видання Київ Опис Інформаційна система прогнозування попиту на транспортні послуги у великих містах на основі машинного навчання. Проєкт містить 62 с. тексту, 17 рисунків, 3 таблиці, посилання на 18 літературних джерел, додатки та 4 конструкторських документи. Об’єктом розроблення є інформаційна система прогнозування попиту на транспортні послуги у великих містах на основі машинного навчання. Предметом – методи прогнозування попиту на транспортні послуги з використанням машинного навчання. Мета розроблення – підвищення точності прогнозування попиту на транспортні послуги за рахунок застосування машинного навчання для оптимізації роботи міської транспортної системи. У роботі використані методи регресійного прогнозування, аналізу часових рядів, обробки геоданих і просторового аналізу. Технічна реалізація базується на поєднанні Python, бібліотеки LightGBM для машинного навчання, Flask як серверного фреймворку, PostgreSQL з PostGIS для зберігання просторових даних і React для побудови вебінтерфейсу. Інтеграція з API Open-Meteo забезпечує отримання погодних умов, а API alerts.in.ua – даних про повітряні тривоги. Результатом стала інформаційна система, яка дозволяє прогнозувати кількість пасажирів на обраних маршрутах у заданий час з урахуванням погодних та зовнішніх факторів. Інтерфейс підтримує побудову графіків, виведення таблиць, експорт у CSV/Excel, історію запитів і автоматичне оновлення даних. Отримані результати можуть використовуватись міськими службами, перевізниками та аналітичними платформами, а сама система легко масштабується для інших міст і регіонів. Information system for predicting demand for transportation services in large cities based on machine learning. The project contains 62 pages of text, 17 figures, 3 tables, references to 18 literary sources, annexes, and 4 design documents. The object of development is an information system for predicting demand for public transport services in large cities using machine learning. The subject is the set of forecasting methods for transport demand based on machine learning algorithms. The purpose of the development is to improve the accuracy of demand forecasting for public transport by applying machine learning techniques to optimize the performance of urban transportation networks. The work employs methods of regression forecasting, time series analysis, geospatial data processing, and spatial analysis. The technical implementation is based on the integration of Python, the LightGBM library for machine learning, Flask as a server-side framework, PostgreSQL with PostGIS for storing spatial data, and React for developing the web interface. The system also integrates the Open-Meteo API for weather data and the alerts.in.ua API for air raid alerts. The resulting information system enables passenger demand forecasting for selected routes at specific times, taking into account weather and external factors. The interface supports chart generation, table output, export to CSV/Excel, request history, and automatic data updates. The results can be used by municipal authorities, transportation companies, and analytical platforms. The system is easily scalable for other cities and regions. Додано в НРАТ 2025-11-05 Закрити