Resumen

El desarrollo metropolitano ha motivado que el car sharing se convierta en un tipo atractivo de arrendamiento de vehículos con la ayuda de las tecnologías de la información. En este artículo, proponemos un nuevo enfoque basado en técnicas de aprendizaje profundo para evaluar el funcionamiento de un sistema de car sharing basado en estaciones. En primer lugar, analizamos las operaciones de recogida y entrega del sistema de car sharing basado en estaciones, capturando las características operativas del servicio de car sharing y los comportamientos de uso del vehículo desde una perspectiva temporal. A continuación, introdujimos un sistema analítico para detectar el funcionamiento del sistema en relación con las desviaciones espontáneas derivadas de las demandas de los usuarios respecto a las prestaciones del servicio. Empleamos una estructura de memoria larga a corto plazo (LSTM) para predecir a corto plazo los usos futuros de los vehículos. Se presenta un caso experimental basado en datos del mundo real para demostrar la eficacia de este enfoque. Los resultados demuestran que la estructura propuesta genera predicciones de alta calidad y el estado de funcionamiento derivado de las demandas de los usuarios.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:sistema de car sharing, demandas de los usuarios, servicio de car sharing, técnicas de aprendizaje profundo, estación, estructura, largo corto, desarrollo metropolitano, memoria a largo plazo, sistema analítico
• Keywords:car sharing system, user demands, car sharing service, deep learning techniques, station, structure, long short, metropolitan development, term memory, analytical system