RE:PLAN MOBILITY IN YOUR CITY

Цифровой двойник городской мобильности


Оптимизация транспортных решений на основе городских больших данных и мультиагентного моделирования

REPLAN.CITY
  • Replan.city - сервис для транспортных консультантов, администраций городов, концессионеров и бизнеса в области транспорта

  • Replan.city предоставляет клиенту готовый цифровой двойник города, собранный на основе больших данных и машинного обучения

  • Уже через сутки после подключения сервиса в вашем распоряжении предиктивная модель, на ней сразу можно проверять гипотезы и искать оптимальные решения

  • Оптимизация транспортных расходов и прогноз спроса

  • Оптимизация производится за счет применения иммитационного мультиагентного моделирования и модели транспортного поведения жителей, ядро которого построено на основе марковских цепей
Для кого REPLAN.CITY

 

Город/регион

Концессионеры, перевозчики, шеринг-сервисы

Консультанты, инвестбанки

Ключевая полезность

Определение транспортной стратегии, проверка инфраструктурных мероприятий, мониторинг качества транспортного обслуживания

Оптимизация сервиса, сокращение перепробегов и парка, тестирование новых стратегий

Скоринг проектов, быстрое получение транспортной модели

Способ представления

Web сервис с BI отчетом с мероприятиями и оценкой эффективности мероприятия

Web сервис ежедневного использования с обновляющимися данными об эксплуатации и предложения

GIS BI с результатами моделирования существующих предложений

Используемые технологии
Математическая модель
Для построения модели транспортного спроса необходимо получить пользовательское равновесие при распределении транспортного спроса по транспортному предложению.

Построение спроса с помощью машинного обучения.

Мультиагентный подход к синтезу спроса по принципу обучения с подкреплением (Reinforcement learning).

Поведенческая модель

Поведение агента определяется как марковская цепь с начально заданными вероятностями, исходя из данных социологических опросов.


В качестве функции награды используется соответствие натурным данным (время в пути в городе, подсчеты на перекрестках и тп).


Виды агентов имеющих марковскую цепь:

  • Домохозяйство
  • Человек
  • Бизнес агенты

Состояниями марковской цепи являются активности, например дом, работа, поход в магазин, транспортировка родственника и т.д.

Цепочки корреспонденций
Activity-based подход к генерации спроса даёт возможность аналитики по полному дню перемещений всех жителей и грузов. Мы не используем коэффициенты приведения и перехода к сезонности.
Закажите демо и узнайте о наших тарифных планах
Нажимая на кнопку, вы даете согласие на обработку данных